APP下载

基于多分类AdaBoost改进算法的TEE标准切面分类

2017-10-21王莉莉付忠良

计算机应用 2017年8期
关键词:分类

王莉莉,付忠良,陶 攀,朱 锴

(1.中国科学院 成都计算机应用研究所,成都 610041; 2.中国科学院大学,北京 100049)

(*通信作者电子邮箱wanglili8773@163.com)

基于多分类AdaBoost改进算法的TEE标准切面分类

王莉莉1,2*,付忠良1,2,陶 攀1,2,朱 锴1,2

(1.中国科学院 成都计算机应用研究所,成都 610041; 2.中国科学院大学,北京 100049)

(*通信作者电子邮箱wanglili8773@163.com)

针对超声图像样本冗余、不同标准切面因疾病导致的高度相似性、感兴趣区域定位不准确问题,提出一种结合特征袋(BOF)特征、主动学习方法和多分类AdaBoost改进算法的经食管超声心动图(TEE)标准切面分类方法。首先采用BOF方法对超声图像进行描述;然后采用主动学习方法选择对分类器最有价值的样本作为训练集;最后,在AdaBoost算法对弱分类器的迭代训练中,根据临时强分类器的分类情况调整样本更新规则,实现对多分类AdaBoost算法的改进和TEE标准切面的分类。在TEE数据集和三个UCI数据集上的实验表明,相比AdaBoost.SAMME算法、多分类支持向量机(SVM)算法、BP神经网络和AdaBoost.M2算法,所提算法在各个数据集上的G-mean指标、整体分类准确率和大多数类别分类准确率都有不同程度的提升,且比较难分的类别分类准确率提升最为显著。实验结果表明,在包含类间相似样本的数据集上,分类器的性能有显著提升。

多分类AdaBoost;主动学习;特征袋模型;标准切面分类;超声图像分类

0 引言

目前,经食管超声心动图(TransEsophageal Echocardiography, TEE)已被广泛应用于各种心脏疾病的诊断和术中监测中,不同的标准切面在疾病诊断中起着不同的作用。近年来,研究者们采用监……

登录APP查看全文

猜你喜欢

分类
分类算一算
垃圾分类的困惑你有吗
星星的分类
我给资源分分类
垃圾分类,你准备好了吗
按需分类
教你一招:数的分类
说说分类那些事
给塑料分分类吧