基于图像信息和排序学习技术的疾病预测方法.pdfVIP

第34卷第3期 南昌工程学院学报 Vol.34 No.3 2015年6月 Journal of Nanchang Institute of Technology June.2015 文章编号：16 4 -00 6（2015）03-0033-05 基于图像信息和排序学习技术的疾病预测方法 黄 伟，曾舒如 （南昌大学信息工程学院，江西南昌330031） 摘 要：在基于图像信息的疾病临床诊断中，医生通常将患者的采集图像与标准照片对比，通过比较图像中的视觉 特征信息来判断患者疾病的严重程度。然而，这种诊断方法比较主观且可重复性不高，因此提出一种新颖的基于 图像信息和排序学习技术的计算机辅助诊断疾病方法，并通过白内障疾病诊断的临床实验来验证方法的有效性。 该方法利用排序函数对记录了患者白内障疾病的裂隙灯图像进行排序，而该排序函数则是基于一类新提出的近似 排序标准并通过梯度法优化而求解的。在实验中，以1000 名具备白内障疾病患者的裂隙灯图像来组建实验用数 据库，用提出的新方法和现有的其他基于模式识别技术的诊断方法分别对这1000 个案例进行了疾病诊断预测，预 测结果采用统计学方法进行了比较和分析，新提出的方法可行性和优越性均得到了验证。 关键词：排序；学习；疾病预测 中图分类号：TP391 文献标识码：A A novel computer-aided diagnosis method for disease severity prediction based on image information and ranking learning techniques HUANG Wei，ZENG Shuru （School of Information Engineering，Nanchang University，Nanchang330031，China） Abstract：In clinical diagnosis，a grade indicating the severity of nuclear cataract is often manually as- signed by a trained ophthalmologist to a patient after comparing the lens’opacity severity in his/ her slit- lamp imageswithasetof standardphotos.Thisgradingschemeisoftensubjectiveandtime-consuming.In thispaper，a novel computer-aided diagnosis method via ranking is proposed to facilitate nuclear cataract grading following conventional clinical decision-making process.The grade of nuclear cataract in a slit- lamp image ispredicted using itsneighboring labeled imagesin a ranked image list，which isachieved u- sing a learned ranking function.This ranking function is learned via direct optimization on a newly pro- posed approximation to aranking evaluationmeasure.Ourproposedmethodhasbeen evaluatedby alarge dataset composedof 1000 cases，