典型文献
基于同轴相衬成像方法与支持向量机算法的早期骨性关节炎的鉴别诊断
文献摘要：
目的 利用同轴相衬成像(in-line phase contrast imaging,IL-PCI)技术与支持向量机(support vector machine,SVM)算法对正常与早期骨性关节炎(osteoarthritis,OA)软骨组织建立分类模型.方法 研究样本分别来自接受人工膝关节置换手术及创伤性关节损伤患者的离体膝关节软骨组织.实验对象分为正常组与早期OA组,每组18例.利用IL-PCI技术分别获取两组样本的电子计算机断层扫描(computed tomography,CT)图像,运用行程长度矩阵、分形维度及小波变换三种分析方法对两组样本的CT图像提取纹理参数26个,经主成分分析法降维,利用纹理参数构建支持向量机分类诊断模型,对正常软骨与早期OA软骨进行自动分类.结果 利用IL-PCI技术可以清晰观察到正常与早期OA软骨中微结构的变化.两组软骨的纹理特征参数比较显示,大部分纹理特征参数差异有统计学意义.利用SVM算法建立的分类模型能较好地区分正常与早期OA软骨组织,分类准确性可达86.1％.结论 利用支持向量机算法与同轴相衬成像方法,能够为早期OA的鉴别诊断提供一种量化判别的手段.
文献关键词：
同轴相衬成像;支持向量机;骨关节炎;纹理特征
中图分类号：
作者姓名：
李君;程程;董立男;吴明树;张璐
作者机构：
北京大学第三医院肿瘤放疗科,北京100191;中国人民解放军总医院影像科,北京100039;首都医科大学生物医学工程学院,北京100069
文献出处：
引用格式：
[1]李君;程程;董立男;吴明树;张璐-.基于同轴相衬成像方法与支持向量机算法的早期骨性关节炎的鉴别诊断)[J].首都医科大学学报,2022(01):120-126
A类：
同轴相衬成像
B类：
成像方法,支持向量机算法,骨性关节炎,鉴别诊断,line,phase,contrast,imaging,PCI,support,vector,machine,osteoarthritis,OA,分类模型,人工膝关节置换手术,创伤性,关节损伤,伤患,离体,膝关节软骨,关节软骨组织,实验对象,电子计算机断层扫描,computed,tomography,行程长,分形维度,小波变换,图像提取,纹理参数,支持向量机分类,分类诊断,诊断模型,自动分类,纹理特征参数,参数差异,分类准确性,骨关节炎
AB值：
0.268937
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。
