基于模式识别方法的肺癌分型比较.docVIP

基于模式识别方法的肺癌分型比较 　　摘 要:根据不同特征对分型准确率的影响,使用Logistic回归分析进行特征选择及优选实验研究,并采用神经网络和支持向量机方法对常见的周围型肺癌进行分型比较。通过实验,说明了神经网络和支持向量机在肺癌分型的应用方法,比较了两种模式识别方法在肺癌分型中的运用情况,验证了支持向量机在小样本情况下比神经网络具有更强的泛化能力。 　　关键词:肺癌分型; 支持向量机; 神经网络; Logistic回归 　　中图分类号:TP391 文献标识码:A 　　文章编号:1004-373X(2010)10-0083-03 　　 　　Comparision of Lung Cancer Grouping Based on Pattern Recognition 　　LIU Lu1,2, MA Jun-lei1, LI Yun3, DONG Yong-qing4, LIU Wan-yu2 　　(1. School of Automation, Harbin University of Science and Technology, Harbin 150080, China; 　　2. HIT-INSA Sino-French United Biomedicine Image Research Centre,Harbin Institute of Technology, Harbin 150001, China; 　　3. Beijing Filiale of China Combined Network Communication Ltd., Beijing 100052, China; 　　4. Changbai Wireless KTLA of Jilin Province, Changbai 134400, China) 　　Abstract: Taking account ofthe influence of different features on the grouping accuracy, the charactesistic selection and optimal experiment were performed by adopting the logistic regression analysis method, and the grouping comparison of the common peripheral lung cancer was carried out by methods of neural network and support vector machine. During the experiments, the application of both the neural network and the support vector Machine methods was adopted, and also the two methods in the application of lung cancer grouping were compared. The experimental results prove that under condition of small sample, the support vector machine method has a stronger generalizability than the neural network method. 　　Keywords: lung cancer grouping; support vector machine; neural network; Logistic regression 　　 　　0 引 言 　　近年来,随着计算机软、硬件基础的提升以及人工智能技术的发展,统计方法和模式识别方法在医学研究领域得到了广泛的应用。分类是模式识别方法的一个重要方面,目的是找出描述并区分数据类或概念的模型,以便能够用该模型预测类别未知的对象所属的类[1]。用于医学研究领域的分类方法主要包括统计方法,如Logistic回归分析以及模式识别方法如支持向量机方法、神经网络方法等。 　　周围型肺癌常见病症分为3种:腺癌、鳞癌、小细胞癌。本文主要采用统计方法和模式识别的理论对周围型肺癌的3种病症的一些临床表现进行分析和分类判别。实现了特征的优选以及基于不同模式识别分类器的周围型肺癌诊断方法,并比较和分析几种分类器在肺癌分型中的特点。 　　1对象和方法 　　1.1 对象 　　选择哈尔滨医科大学附属肿瘤医院2006年12月~2007年12月期间的周围型肺癌101例,其