本文選題：粒子群優(yōu)化算法　切入點：極限學(xué)習(xí)機　出處：《科學(xué)技術(shù)與工程》2016年36期 　論文類型：期刊論文

【摘要】：在肺結(jié)節(jié)診斷方法研究中,傳統(tǒng)機器學(xué)習(xí)診斷方法存在診斷性能不穩(wěn)定的問題。為了提高孤立性肺結(jié)節(jié)的識別準確率,提出基于粒子群優(yōu)化(particle swarm optimization,PSO)參數(shù)的極限學(xué)習(xí)機(extreme learning machine,ELM)輔助診斷方法。首先采用PSO選取ELM最佳的初始權(quán)重ω和偏置b;然后利用最佳參數(shù)ω和b對ELM進行訓(xùn)練;再利用PSO-ELM對通過稀疏自編碼得到的肺結(jié)節(jié)特征進行分類識別。實驗中,將傳統(tǒng)機器學(xué)習(xí)算法與本文方法進行對比,結(jié)果表明,利用粒子群優(yōu)化算法進行優(yōu)化的極限學(xué)習(xí)機在孤立性肺結(jié)節(jié)診斷方面具有較高識別準確率和穩(wěn)定的分類性能,可以作為一種有效的肺結(jié)節(jié)診斷工具。
[Abstract]:In order to improve the recognition accuracy of solitary pulmonary nodules, the traditional machine learning diagnosis method has the problem of unstable diagnostic performance in the study of pulmonary nodule diagnosis. Based on particle swarm optimization (PSO) parameters of particle swarm optimization (PSO), an auxiliary diagnosis method for extreme learning machine (LLM) is proposed. Firstly, the optimal initial weight 蠅 and bias b of ELM are selected by PSO, and then the optimal parameters 蠅 and b are used to train ELM. Then PSO-ELM is used to classify and recognize the lung nodules obtained by sparse self-coding. In the experiment, the traditional machine learning algorithm is compared with this method, and the results show that, Particle Swarm Optimization (PSO) is an effective tool for the diagnosis of solitary pulmonary nodules. It has high recognition accuracy and stable classification performance in the diagnosis of solitary pulmonary nodules, and it can be used as an effective tool for the diagnosis of pulmonary nodules.
【作者單位】： 太原理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金(61540007,61373100) 虛擬現(xiàn)實技術(shù)與系統(tǒng)國家重點實驗室基金(BUAA-VR-15KF02,BUAA-VR-16KF13)資助
【分類號】：R734.2;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 趙長紅;動態(tài)增強CT掃描對孤立性肺結(jié)節(jié)的診斷價值[J];中原醫(yī)刊;2004年22期

2 劉玉洪;孫磊;王明釗;沈毅;謝東;;孤立性肺結(jié)節(jié)106例診治分析[J];中華醫(yī)學(xué)雜志;2006年37期

3 樊濤;潘歷波;王莉君;趙學(xué)武;;多層螺旋CT引導(dǎo)下穿刺對孤立性肺結(jié)節(jié)的診斷價值[J];現(xiàn)代腫瘤醫(yī)學(xué);2007年04期

4 魯勇國;萬志愉;;孤立性肺結(jié)節(jié)153例分析[J];中國醫(yī)藥導(dǎo)報;2008年01期

5 李廣斌;馬海濤;趙軍;倪斌;李暢;;孤立性肺結(jié)節(jié)的診斷與外科治療分析[J];海南醫(yī)學(xué);2010年21期

6 李麥福;;孤立性肺結(jié)節(jié)病變的多層螺旋CT診斷[J];中國社區(qū)醫(yī)師(醫(yī)學(xué)專業(yè));2011年04期

7 劉永;陸武;宋長祥;經(jīng)豐琴;;孤立性肺結(jié)節(jié)~(18)F-FDG SPECT顯像的半定量研究[J];中國醫(yī)學(xué)影像學(xué)雜志;2011年03期

8 李晶;;胸部CT圖像中孤立性肺結(jié)節(jié)良惡性快速分類分析[J];中國醫(yī)藥導(dǎo)刊;2011年07期

9 鄧守共;;孤立性肺結(jié)節(jié)的多層螺旋CT診斷[J];中國社區(qū)醫(yī)師(醫(yī)學(xué)專業(yè));2012年20期

10 盧強;;孤立性肺結(jié)節(jié)48例外科治療的臨床分析[J];中國當代醫(yī)藥;2012年17期

相關(guān)會議論文 前10條

1 宋利平;常超;徐樹明;;孤立性肺結(jié)節(jié)多層螺旋CT掃描方法研究[A];2010中華醫(yī)學(xué)會影像技術(shù)分會第十八次全國學(xué)術(shù)大會論文集[C];2010年

2 王彩云;;孤立性肺結(jié)節(jié)的螺旋CT評價[A];中華醫(yī)學(xué)會第十三屆全國放射學(xué)大會論文匯編（下冊）[C];2006年

3 李慎江;肖湘生;劉士遠;李理;張沉石;;64排螺旋CT評價孤立性肺結(jié)節(jié)血流模式(附9例報告)[A];中華醫(yī)學(xué)會第十三屆全國放射學(xué)大會論文匯編（下冊）[C];2006年

4 李劍明;辛軍;于樹鵬;;~(18)F-FDG PET/CT診斷孤立性肺結(jié)節(jié)良惡性的價值[A];中華醫(yī)學(xué)會第九次全國核醫(yī)學(xué)學(xué)術(shù)會議論文摘要匯編[C];2011年

5 沈巨信;;孤立性肺結(jié)節(jié)[A];2012年第三十四屆浙江省呼吸系病學(xué)術(shù)年會暨華東地區(qū)第13屆中青年呼吸論壇論文集[C];2012年

6 佘暉;方振劍;董芳;黃明朝;葉嘉;賴國祥;;年齡與孤立性肺結(jié)節(jié)病理的相關(guān)性研究[A];中華醫(yī)學(xué)會呼吸病學(xué)年會——2013第十四次全國呼吸病學(xué)學(xué)術(shù)會議論文匯編[C];2013年

7 高劍波;肖慧娟;郭華;周志剛;張永高;;64層螺旋CT灌注成像技術(shù)在孤立性肺結(jié)節(jié)中的應(yīng)用研究[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

8 肖慧娟;高劍波;郭華;周志剛;岳松偉;張永高;;64排螺旋CT灌注成像技術(shù)在孤立性肺結(jié)節(jié)中的應(yīng)用[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

9 張自力;;孤立性肺結(jié)節(jié)與血管關(guān)系的多層螺旋CT與病理對照研究[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

10 李佩玲;黎庶;王強;;動態(tài)增強CT掃描對孤立性肺結(jié)節(jié)鑒別診斷的應(yīng)用價值[A];中華醫(yī)學(xué)會第十三屆全國放射學(xué)大會論文匯編（上冊）[C];2006年

相關(guān)重要報紙文章 前2條

1 第四軍醫(yī)大學(xué)唐都醫(yī)院放射科博士 王亞蓉　殷茜 整理 朱立明;CT三聯(lián)診斷有優(yōu)勢[N];健康報;2010年

2 ;多層螺旋CT與病理對照研究孤立性肺結(jié)節(jié)與支氣管的關(guān)系[N];中國醫(yī)藥報;2003年

相關(guān)博士學(xué)位論文 前10條

1 徐健;動態(tài)增強CT鑒別孤立性肺結(jié)節(jié)的良、惡性[D];中國協(xié)和醫(yī)科大學(xué);2006年

2 張滿;孤立性肺結(jié)節(jié)良惡性預(yù)測模型的建立[D];南方醫(yī)科大學(xué);2016年

3 蔣南川;孤立性肺結(jié)節(jié)的多層螺旋CT后處理及動態(tài)增強研究[D];華中科技大學(xué);2006年

4 張志剛;孤立性肺結(jié)節(jié)的臨床診斷[D];大連醫(yī)科大學(xué);2012年

5 楊安榮;孤立性肺結(jié)節(jié)計算機輔助檢測系統(tǒng)關(guān)鍵技術(shù)研究[D];上海大學(xué);2010年

6 關(guān)建中;64層CT在孤立性肺結(jié)節(jié)的臨床應(yīng)用研究[D];第二軍醫(yī)大學(xué);2007年

7 楊玉海;孤立性肺結(jié)節(jié)良惡性綜合性影像診斷的ROC分析及其臨床應(yīng)用價值研究[D];山東大學(xué);2011年

8 譚業(yè)穎;～（18）F-FLT PET在孤立性肺結(jié)節(jié)中的基礎(chǔ)和臨床研究[D];中國人民解放軍軍醫(yī)進修學(xué)院;2007年

9 楊春山;孤立性肺結(jié)節(jié)MR動態(tài)增強、血管生成及MR波譜的研究[D];第二軍醫(yī)大學(xué);2004年

10 邢寧;CT灌注成像在孤立性肺結(jié)節(jié)中的應(yīng)用[D];中國人民解放軍軍醫(yī)進修學(xué)院;2005年

相關(guān)碩士學(xué)位論文 前10條

1 王斌強;孤立性肺結(jié)節(jié)良惡性病變的多因素分析[D];廣西醫(yī)科大學(xué);2012年

2 柴彥軍;能譜CT成像在孤立性肺結(jié)節(jié)診斷中的價值研究[D];蘭州大學(xué);2015年

3 孫凱;能譜CT在孤立性肺結(jié)節(jié)鑒別診斷中的應(yīng)用研究[D];山西醫(yī)科大學(xué);2015年

4 楊娟;孤立性肺結(jié)節(jié)良惡性判別數(shù)學(xué)模型的建立與驗證[D];第二軍醫(yī)大學(xué);2015年

5 沈一夢;孤立性肺結(jié)節(jié)的診斷及淋巴結(jié)轉(zhuǎn)移的不良因素[D];天津醫(yī)科大學(xué);2015年

6 周翔飛;孤立性肺結(jié)節(jié)的三維可視及特征提取的研究[D];太原理工大學(xué);2016年

7 馬瑞良;基于PET-CT的孤立性肺結(jié)節(jié)診斷模型研究[D];太原理工大學(xué);2016年

8 紀國華;基于PET-CT的孤立性肺結(jié)節(jié)分割及分類方法的研究[D];太原理工大學(xué);2016年

9 馬言博;基于PET/CT的孤立性肺結(jié)節(jié)良惡性分類研究[D];太原理工大學(xué);2014年

10 楊建峰;基于混合成像的孤立性肺結(jié)節(jié)的檢測[D];太原理工大學(xué);2014年

，

本文編號：1614293