人工神经网络和支持向量机性能比较及其在犇犕犇疾病识别.PDFVIP

上 海 理 工 大 学 学 报 　第３８卷　第４期 犑．犝狀犻狏犲狉狊犻狋狔狅犳犛犺犪狀犵犺犪犻犳狅狉犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔 犞狅犾．３８　犖狅．４　２０１６　 　　文章编号：１００７－６７３５（２０１６）０４－０３４６－０６ 犇犗犐：１０．１３２５５／犼．犮狀犽犻．犼狌狊狊狋．２０１６．０４．００７ 　收稿日期：２０１５－１０－１３ 　基金项目：上海市民办高校重点科研项目（２０１６－犛犎犖犌犈－０１犣犈）；犐犅犕大学合作部联合研究项目（犇－２１１１－１５－００１） 　第一作者：章鸣（１９８０－），女，博士研究生．研究方向：医学图像处理．犈犿犪犻犾：狕犿犺＿犮犱＠１６３．犮狅犿 　通信作者：马军山（１９６７－），男，教授．研究方向：光学工程、生物医学工程．犈犿犪犻犾：犼狌狀狊犺犪狀犿犪＠１６３．犮狅犿 人工神经网络和支持向量机性能比较及其在 犇犕犇疾病识别中的应用 章鸣１，２，　陈　瑛２，　沈　瑛３，　马军山１ （１．上海理工大学 光电信息与计算机工程学院，上海　２０００９３；２．上海杉达学院 信息科学与技术学院，上海　２０１２０９； ３．上海交通大学 医学院附属新华医院，上海　２０００９２） 摘要：对人工神经网络（犃犖犖）和支持向量机（犛犞犕）这两种机器学习方法进行了分析与比较，并分 别利用两种算法对神经肌肉罕见病犇犕犇的磁共振图像（犕犚犐）数据进行建模、分类预测．经对比后 得出结论：两种算法结果均表明，犇犕犇的两类 犕犚犐（犜１和犜２）中，犜１更具特征性，故此类患者的 犕犚犐检查可仅进行犜１扫描；若能选择合适的模型参数，则两种算法模型均具有极好的分类预测效 果，其灵敏度、特异度和准确率分别高达９８．５％，９７．３％，９７．９％和９６．９％，９７．３％，９７．１％；利用机 器学习方法对犇犕犇患者的犕犚犐进行分析处理可作为该病无创检测的技术探索，有望为临床提供 客观有效的辅助诊断手段． 关键词：人工神经网络；支持向量机；犇犕犇疾病；磁共振图像；分类预测 中图分类号：犙３３４　　　文献标志码：犃 犆狅犿狆犪狉犪狋犻狏犲犛狋狌犱狔狅狀狋犺犲犘犲狉犳狅狉犿犪狀犮犲狊狅犳犃犖犖犪狀犱犛犞犕犪狀犱 犜犺犲犻狉犃狆狆犾犻犮犪狋犻狅狀犻狀狋犺犲犐犱犲狀狋犻犳犻犮犪狋犻狅狀狅犳犇犕犇犇犻狊犲犪狊犲 犣犎犃犖犌犕犻狀犵犺狌犪狀１，２，　犆犎犈犖犢犻狀犵２，　犛犎犈犖犢犻狀犵３，　犕犃犑狌狀狊犺犪狀１ （１．犛犮犺狅狅犾狅犳犗狆狋犻犮犪犾犈犾犲犮狋狉犻犮犪犾犪狀犱犆狅犿狆狌狋犲狉犈狀犵犻狀犲犲狉犻狀犵，犝狀犻狏犲狉狊犻狋狔狅犳犛犺犪狀犵犺犪犻犳狅狉犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔， 犛犺犪狀犵犺犪犻２０００９３，犆犺犻狀犪；２．犆狅犾犲犵犲狅犳犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔，犛犪狀犱犪犝狀犻狏犲狉狊犻狋狔，犛犺犪狀犵犺犪犻２０１２０９， 犆犺犻狀犪；３．犡犻狀犺狌犪犎狅狊狆犻狋犪犾犃犳犳犻犾犻犪狋犲犱狋狅犛犺犪狀犪犵犺犪犻犑犻犪狅狋狅狀犵犝狀犻狏犲狉狊犻狋狔犛犮犺狅狅犾狅犳犕犲犱犻犮犻狀犲，犛犺犪狀犵犺犪犻２０００９２，犆犺犻狀犪） 犃犫狊狋狉犪犮狋：犅犪狊犲犱狅狀犪狀犪犾狔狕犻狀犵犪狀犱犮狅犿狆犪狉犪狋犻狏犲犾狔狊狋狌犱狔犻狀犵狋犺犲狋狑狅犪犾犵狅狉犻狋犺犿狊狅犳犿犪犮犺犻狀犲犾犲犪狉狀犻狀犵， 狀犪犿犲犾狔，狋犺犲犪狉狋犻犳犻犮犻犪犾狀犲狌狉犪犾狀犲狋狑狅狉犽（犃犖犖）犪狀犱狊狌狆狆狅狉狋狏犲犮狋狅狉犿犪犮犺犻狀犲（犛犞犕），狋犺犲犿狅犱犲犾犻狀犵，犱犪狋犪 犮犾犪狊狊犻犳犻犮犪狋犻狅狀犪狀犱狆狉犲犱犻犮狋犻狅狀犳狅狉犿犪犵狀犲狋犻犮狉犲狊狅狀犪狀犮犲犻犿犪犵犲狊（犕犚犐狊）狅犳狋犺犲狀犲狌狉狅犿狌狊犮狌犾犪狉犱犻狊犲犪狊犲， （犱狌犮犺犲狀狀犲犿狌狊狌犾犪狉犱狔狊狋狉狅狆犺狔，犇犕犇），狑犲狉犲犮犪狉狉犻犲犱狅狌狋．犜犺犲犮狅狀犮犾狌狊犻狅狀狊狅犳狋犺犲狊狋狌犱狔犪狉犲犪狊 犳狅犾狅狑狊．犜犺犲狅狌狋犮狅犿犲狊狅犳狋犺犲狋狑狅犪犾犵狅狉犻狋犺犿狊犻狀犱犻犮犪狋犲狋犺犪狋犫犲狋狑犲犲狀狋犺犲狋狑狅犽犻狀犱狊狅犳犇犕犇犕犚犐 犻犿犪犵犲狊（犜１犪狀犱犜２），狋犺犲犜１犻犿犪犵犲犺犪狊犮犾犲犪狉犲狉狋犲狓狋狌狉犲犳犲犪狋狌狉犲．犜犺犲狉犲犳狅狉犲，狆犪狋犻犲狀狋狊犮狅狌犾犱犼狌狊狋狀犲犲犱犜１ 狊犮犪狀狀犻狀犵犳狅狉犕犚犐犲狓犪犿犻狀犪狋犻狅狀．犐犳狋犺犲犿狅犱犲犾狆犪狉犪犿犲狋犲狉狊犪狉犲狊犲犾犲犮狋犲犱犪狆狆狉狅狆狉犻犪狋犲犾狔，狋犺犲狋狑狅犪犾犵狅狉犻狋犺犿 犿狅犱犲犾狊犮狅狌犾犱狆狉狅犱狌犮犲狏犲狉狔犲狓犮犲犾犲狀狋犮犾犪狊狊犻犳犻犮犪狋犻狅狀狆狉犲犱犻犮狋犻狅狀狅狌狋犮狅犿犲狊狉犲狊狆犲犮狋犻狏犲犾狔．犜犺犲狊犲狀狊犻狋犻狏犻狋狔， 狊狆犲犮犻犳犻犮犻狋狔犪狀犱犪犮犮狌狉