基于数字胸片小波纹理特征的尘肺病早期诊断方法研究

作者：朱碧云; 陈卉; 陈步东; 张宽

来源：北京生物医学工程, 2014, 33(02): 148-171.

DOI：10.3969/j.issn.1002-3208.2014.02.08

• 尘肺病
• 小波变换
• 熵
• 特征选择
• 支持向量机

目的探讨利用基于小波变换的熵纹理特征进行尘肺病诊断的方法,并研究相关的分类技术。方法对70名健康体检者和40名尘肺病患者的数字X射线摄影(digital radiography,DR)图像进行纹理分析,提取小波熵纹理特征,并利用决策树进行特征选择。选取不同核函数的支持向量机(support vector machines,SVM)对DR胸片进行分类,通过5折交叉验证估计诊断分类的性能并进行评价。结果对DR图像做8次小波分解后提取8个小波熵纹理特征(特征全集),其中6个经过特征选择组成特征子集。应用SVM进行分类时,基于特征子集的分类结果均好于基于特征全集的分类结果。线性核函数SVM的分类效果好于其他核函数SVM的分类效果,准确率达84.6%,ROC曲线下面积为0.88±0.04。结论利用SVM以DR图像的小波熵为特征进行尘肺病诊断有较高水平,有助于尘肺病的早期诊断。

• 单位
  首都医科大学附属北京友谊医院; 首都医科大学; 生物医学工程学院