基于PCA-RF方法的乳腺图像多类别分类研究及应用

作者：罗姗; 邵艳华^*

来源：湖北民族大学学报(自然科学版), 2020, 38(04): 402-407.

DOI：10.13501/j.cnki.42-1908/n.2020.12.009

• 多类别分类
• 乳腺图像
• 感兴趣区域
• 主成分分析
• 随机森林

由于乳腺图像特征维度大、特征交叉性高及有很高相似性,导致特征分类准确率不高,运行时间长,效率相对低下.提出一种基于PCA-RF进行乳腺图像多类别分类的研究方法,首先对MIAS乳腺图像进行预处理,然后运用PCA算法对乳腺图像提取的特征进行多层次降维,之后使用KNN、AdaBoost、RF对其特征进行分类.分类实验表明,对PCA降维得到乳腺图像特征再进行分类,KNN运行时间效率提高了180倍,RF分类的运行时间也减少了3.5倍.基于PCA-RF方法的乳腺图像正常、良性及恶性分类得到了93.75%分类准确率及95%的敏感性,相对于其他乳腺图像正常、良性及恶性三类别的分类方法得到的结果有所提升.

• 单位
  贵州民族大学