科研之友
微信
新浪微博
Facebook
分享链接
摘要
乳腺癌是女性的高发癌症,威胁着全球女性的身体健康,因此乳腺癌良恶性研究与决策对于女性乳腺癌的诊断有着重要作用。本文研究提出了一种新的信息融合框架,用于对乳腺癌良恶性进行分类和预测,该框架首先对乳腺超声影像感兴趣区域提取纹理特征,之后对得到的纹理特征数据集使用4个基本分类器:朴素贝叶斯、决策树、SVM、KNN进行分类,对基本分类器的分类结果使用投票法进行决策,最后对分类器信息进行融合,并将4个基本分类器的分类结果与基于信息融合的分类器模型结果进行比较。通过实验确定,与单独的分类器相比,基于决策的分类器方法实现了较高的准确度和较低的分类错误率。
- 单位
