目的通過方向梯度直方圖（histogram of oriented gradient,HOG）、局部二值模式（local binary patterns,LBP）、支持向量機（support vector machine,SVM）以及主成分分析（principal component analysis,PCA）等機器學(xué)習方法構(gòu)建適用于我國維吾爾族青少年骨齡評估的回歸算法模型。方法采集維吾爾族12.0～<19.0歲青少年的膝關(guān)節(jié)DR攝片圖像,其中男性樣本275例、女性樣本225例,采用PCA法對提取的HOG與LBP特征圖像進行降維,再以支持向量回歸（support vector regression,SVR）算法構(gòu)建膝關(guān)節(jié)骨齡評估算法模型。采用隨機分層抽樣法分別選取男性樣本215例、女性樣本180例作為SVR模型訓(xùn)練集,并用K折交叉驗證法優(yōu)化模型參數(shù)。剩余樣本作為獨立測試集,將模型預(yù)報年齡與樣本真實年齡相比,統(tǒng)計誤差范圍分別在±0.8歲、±1.0歲的準確率,同時計算平均絕對誤差（mean absolute error,MAE）與均方根誤差（root mean square erro... 

【文章來源】：法醫(yī)學(xué)雜志. 2019,35(02)CSCD

【文章頁數(shù)】：6 頁

【文章目錄】：
1 材料與方法
    1.1 樣本
    1.2 原理和方法
        1.2.1 圖像特征提取
            1.2.1. 1 HOG特征提取
            1.2.1. 2 LBP特征提取
        1.2.2 基于PCA法特征降維
        1.2.3 構(gòu)建SVM回歸模型
        1.2.4 K折交叉驗證
    1.3 仿真環(huán)境與統(tǒng)計分析
2 結(jié)果
    2.1 訓(xùn)練集與交叉驗證結(jié)果
    2.2 測試集結(jié)果
3 討論


【參考文獻】：
期刊論文
[1]基于降維和支持向量機的醫(yī)學(xué)診斷[J]. 張蕾,何萍,榮靜.  計算機時代. 2018(11)
[2]支持向量機模型與應(yīng)用綜述[J]. 劉方園,王水花,張煜東.  計算機系統(tǒng)應(yīng)用. 2018(04)
[3]基于深度學(xué)習實現(xiàn)維吾爾族青少年左手腕關(guān)節(jié)骨齡自動化評估[J]. 胡婷鴻,火忠,劉太昂,王飛,萬雷,汪茂文,陳騰,王亞輝.  法醫(yī)學(xué)雜志. 2018(01)
[4]基于HOG與LBP特征的人臉識別方法[J]. 孫玉,劉貴全.  計算機工程. 2015(09)
[5]基于支持向量機實現(xiàn)骨骺發(fā)育分級的自動化評估[J]. 王亞輝,王子慎,魏華,萬雷,應(yīng)充亮,朱廣友.  法醫(yī)學(xué)雜志. 2014(06)
[6]基于支持向量機核函數(shù)的研究[J]. 張倩,楊耀權(quán).  電力科學(xué)與工程. 2012(05)
[7]支持向量機研究進展[J]. 顧亞祥,丁世飛.  計算機科學(xué). 2011(02)
[8]數(shù)據(jù)挖掘中的新方法——支持向量機[J]. 羅娜.  軟件導(dǎo)刊. 2008(10)
[9]PCA-SVR聯(lián)用算法在近紅外光譜分析煙草成分中的應(yīng)用[J]. 劉旭,陳華才,劉太昂,李銀玲,陸治榮,陸文聰.  光譜學(xué)與光譜分析. 2007(12)
[10]ε不敏感損失函數(shù)支持向量機分類性能研究[J]. 楊俊燕,張優(yōu)云,朱永生.  西安交通大學(xué)學(xué)報. 2007(11)



本文編號：3164039