典型文献
基于面部图像的有无早期肺癌风险分类研究
文献摘要：
目的 通过对数据集进行目标区域分割、特征提取等操作,建立随机森林模型,以实现有无早期肺癌风险的分类研究.方法 使用BiSeNet算法实现图像分割,并将分割后的图像转换到YCbCr颜色空间模型[亮度(Y)、蓝色分量(CB)、红色分量(CR)]上,通过CB与CR 2个分量的取值寻找非肤色点,对非肤色点采用9×9均值滤波器进行滤波,并在该颜色模型下提取颜色特征值,再将图像转换到灰度空间,在其灰度共生矩阵上获取其纹理特征值.将这些特征值作为输入构造随机森林分类模型,构造随机森林时使用ID3算法构造决策树,通过调整决策树个数和最大特征数寻找最优分类模型.结果 BiSeNet面部图像分割准确率为96.25％;在YCbCr颜色空间上具有椭圆肤色聚类的特性,可以检测到非肤色点;经调整发现2个超参数决策树个数、最大特征数取值分别为30和4时,随机森林模型性能最优,其准确率能够达到87.34％.结论 通过面部的颜色特征以及文理特征信息,可以进行早期肺癌的分类研究,经实验分析肺癌患者面部红色特征以及文理特征与未患肺癌相比,存在显著差异,有助于有无早期肺癌的分类判断,为临床上早期肺癌的发现提供辅助依据.
文献关键词：
面部图像;特征提取;肺癌风险;随机森林
中图分类号：
作者姓名：
周孟齐;胡广芹;林岚;李斌;张新峰
作者机构：
北京工业大学环境与生命学部,北京 100124;北京工业大学信息学部,北京 100124
文献出处：
引用格式：
[1]周孟齐;胡广芹;林岚;李斌;张新峰-.基于面部图像的有无早期肺癌风险分类研究)[J].中国医疗设备,2022(11):52-56,84
A类：
B类：
面部图像,早期肺癌,肺癌风险,风险分类,分类研究,目标区域,区域分割,随机森林模型,BiSeNet,算法实现,图像分割,图像转换,换到,YCbCr,颜色空间,空间模型,亮度,蓝色,CB,CR,肤色,均值滤波器,颜色模型,颜色特征值,度空间,灰度共生矩阵,纹理特征,随机森林分类,分类模型,ID3,决策树,特征数,整发,超参数,模型性能,文理,特征信息,肺癌患者,类判
AB值：
0.337935
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
