基于模糊贝叶斯网络的星形细胞瘤分级预测与知识表达

作者：林春漪; 尹俊勋; 马丽红; 陈健宇; 覃培; 王奎健

来源：中国生物医学工程学报, 2007, (01): 6-11.

• 模糊贝叶斯网络
• 知识表达
• 诊断模型
• 机器学习 fuzzy Bayesian networks
• knowledge expression
• diagnosis model
• machine learning

针对医学影像特征具有模糊性和不确定性的特点,提出一种基于模糊贝叶斯网络的影像诊断预测模型。该模型使用高斯混合模型(GMM)对连续的视觉特征进行模糊量化处理,利用专家知识根据病症与影像特征之间的因果关系建立混合贝叶斯网络结构;由数据通过机器学习确定网络参数;采用概率推理定量估计病症的发生概率,从而建立一个可计算的预测模型。将该方法应用于星形细胞瘤分级预测,实验结果得出83.33%的正确识别率,远远超过使用最小近邻分类器(K-NN)实现连续变量硬(crisp)量化的贝叶斯网络模型,更合理地表达了具有模糊性、不确定性的专业领域的结构性知识,为星形细胞瘤恶性程度预测提供了新的辅助手段。

• 单位
  中山大学; 华南理工大学