SVM和C4.5决策树在肝包虫CT图像分类中的研究

作者：***; 娜迪亚·阿卜杜迪克依木; 严传波^*

来源：科技通报, 2020, 36(04): 45-50.

DOI：10.13774/j.cnki.kjtb.2020.04.008

• 图像分类
• 小波变换
• C4. 5决策树
• 特征提取
• 模型评估

探讨C4. 5决策树、支持向量机分类器在新疆地方性肝包虫CT图像分类中的应用。使用sym4小波变换方法对预处理的图像进行特征提取,运用统计学方法筛选出最优的特征子集,并构建C4. 5决策树分类模型和支持向量机分类模型,进一步对模型的准确性、召回率等进行评估。结果显示,3种CT图像两两分类和综合分类时,C4. 5决策树分类模型的分类精度都明显高于支持向量机分类模型,C4. 5决策树分类模型的分类精度均达到87%以上,分类效果较好。实验结果表明,将C4. 5决策树分类器应用于肝包虫CT图像的分型中,为肝包虫病影像学诊断提供了一定的依据,也为后续新疆地方性肝包虫病计算机辅助诊断系统的研发奠定了基础。

• 单位
  公共卫生学院; 新疆医科大学; 基础医学院