基于影像组学的预建模胶质瘤分级研究

本文利用胶质瘤病例的特点,将数据集的胶质瘤区域分为瘤周水肿区（P）、强化肿瘤区（T）、胶质瘤区域（ALL）,再对各区域提取对应的影像组学特征进行预建模特征筛选用以最终模型建立。在提取了各区域的不同图像类型的影像组学特征之后,对各区域的不同图像类型的特征进行预建模,预建模中在训练集上采用五折交叉验证。在特征筛选过程中,本文将预建模模型在验证集上AUC值前五的模型选中的特征筛选出来并做频次统计,统计出高频率出现的特征代入最终模型建立。最终共筛选出66个高频特征代入分.级模型,本文的两种胶质瘤分级模型在测试集的ROC曲线下面积（AUC）分别达到多区域预建模的模型有着较为明显的提高,对脑部胶质瘤分级研究有着一定意义。     

基于活动轮廓模型和影像组学的脑卒中图像预测方法

针对脑卒中患者的神经功能缺损程度预测问题,提出活动轮廓模型和影像组学的方法.首先提出基于模糊速度函数的活动轮廓模型方法对梗死病灶区分割.然后提取形态学、一阶统计和纹理特征,接着用LASSO方法来特征选择.最后采用距离加权KNN方法构建分类预测模型.结果表明,提出的分割算法获得的结果接近金标准,分类算法有较好的预测性能.     

基于CT影像组学的非小细胞肺癌预后分析方法

为了辅助医生规划非小细胞肺癌（Non-Small Cell Lung Cancer,NSCLC）患者治疗和复查方案,提出了一种基于CT影像组学的NSCLC预后分析方法.首先,对患者肺部CT影像中的肿瘤区域进行分割;然后,对肿瘤区域进行影像组学特征提取、优化;最后,将优化后的特征数据与患者的预后生存情况作为输入,利用机器学习的方法构建预后分析模型,预测患者的预后生存时间范围.选用124例NSCLC患者数据进行实验,以具有临床意义的3年生存期为预测界限,对患者预后生存时间范围进行预测.实验结果表明,预后分析模型的预测准确率达到91.9%,可以有效地辅助医生对非小细胞肺癌患者的预后情况进行更加精准的评估,制定出更具个性化的治疗与复查方案.     

带约束小生境二进制粒子群优化的生物组学数据集成特征选择

针对生物组学数据高维小样本的特点而引起的分类误差较大的问题,提出了一种带约束小生境二进制粒子群优化的集成特征选择方法。该方法利用二进制粒子群优化算法搜索分类准确率最高的特征子集,通过约束粒子编码的置位个数以限制选择特征个数,并加入多模优化中的小生境技术使算法能够一次获得多个差异度较大的特征子集,最后采用集成学习技术将基于多特征子集建立的基分类器集成为强分类器并对数据进行分类学习。实验结果表明,该特征选择方法在生物组学数据上能够稳定选择较少特征并获得较好分类性能。      

无监督特征选择算法的分析与总结

高维无标记数据的出现不仅使数据处理的时间和空间复杂度增加,同时还会使训练模型出现过拟合,因此对高维无标记数据降维变得越来越必要。特征选择是数据降维的有效方法,本文给出了几种具有代表性的无监督特征选择方法,并指出了这些算法的优缺点,为进一步研究基于无监督的特征选择提供了理论基础。     

基于近邻图正则化的高光谱图像特征选择方法

高光谱图像分类是近年来的研究热点。其数据的 高维性引发了“维度灾难”问 题。数据降维成为解决问题的关键。针对高光谱数据有标记训练样本点匮乏的特点, 提出用无监督的特征选择方法对高光谱数据进行降维。该方法能够同时保持原始高光 谱数据的判别能力和局部几何结构。为了保持判别能力,用所选特征对原始高光谱数 据进行重构,利用重构误差最小化将特征选择问题转化为优化问题。为了保持局部几 何结构,建立近邻图,并将其转化为正则项加入目标函数中。通过迭代梯度下降方法 解此优化问题,得出优选特征子集参与高光谱图像分类识别任务。在真实数据集上的 实验表明,新方法能够提高分类识别的精度。     

一种基于改进K-means聚类的文本特征选择模型

介绍了文本聚类中基于划分的方法,针对该算法对孤立点的过于敏感问题,提出了一种用于特征选择的算法改进模型,通过对特征集里孤立点的剔除改善了特征聚类效果.随后的文本分类试验表明,提出的改进的算法具有较好的特征选择效果,文本分类的效率较高.     

高维多目标优化中基于稀疏特征选择的目标降维方法

目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种新的思路和方法.近似解集的几何结构特征和Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法,该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵,依据此矩阵度量目标的重要性,并利用Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较小.     

基于影像组学与深度学习的食管癌磁共振成像的T分期

文中利用影像组学和深度学习方法在磁共振图像上进行食管癌T分期诊断.数据为244例食管癌患者r-VIBE序列磁共振图像.分别用影像组学和深度学习方法进行了食管癌T分期的建模,并进一步将两种方法结合建模.使用接收者操作特性曲线(ROC)和曲线下面积(AUC)对模型性能进行评价.影像组学模型的测试集AUC=0.765,深度学...     

一种基于类别的混合型文本特征降维

提出了一种基于特征选择和特征抽取的混合型文本特征降维方法.通过一种改进的优势率方法进行初次特征选择,将文本表示为以类别属性为行向量的矩阵形式;再使用一种改进的最大散度差特征抽取方法进行二次特征抽取.在最大限度减少信息损失的前提下实现了文本特征的二次降维.对中文文本的分类实验结果表明,提出的特征降维方法具有良好的分类效果.     

双向特征融合与特征选择的遥感影像目标检测

遥感影像中复杂的背景占据图像的大部分区域,严重影响了目标检测效果.本文提出一种可以对特征图进行多特征选择的目标检测网络.设计了双向多尺度特征融合网络,融合深浅层信息,提高复杂背景下小目标的检测效果,在保留常规特征金字塔自上而下路径的同时,增加一条自下而上的路径,减少浅层特征传递到顶层经历的网络层数,从而控制浅层特征损失...     

基于聚类的特征选择方法

 本文提出了一种度量特征区分度的定义,进而提出一种基于聚类的特征选择方法CBFS.该方法时间复杂度与数据集的大小和特征个数成近似线性关系,适合于大规模数据集中的特征选择;该方法对数据类型没有限制,适用于混合类型数据.在UCI数据集上的实验结果表明,与文献中的方法相比,本文方法具有较好的性能,说明提出的特征选择方法是有效和实用的.     

基于海马纹理特征的阿尔茨海默病早期识别

阿尔茨海默病(AD)是一种神经退行性疾病。随着脑医学影像的发展,对AD诊断的精确度也在进一步提高,但对AD的诊断,客观上仍缺少好的生物标记。为寻找到AD的更稳定的生物标记,利用海马的影像组学特征对海马的信号强度、形状、灰度阶梯分布等特征进行刻画,通过方差分析(ANOVA)和事后检验,在统计学上寻找出正常对照(NC)、AD、轻度认知损害(MCI)之间存在差异的特征;通过与被试的简易智能状况检查(MMSE)评分进行相关性分析,找寻与MMSE评分相关性较高的特征;利用支持向量机(SVM)构建一个对AD和NC分类的模型,交叉验证得到的正确率为86%。结果表明,海马的影像组学特征是一个很好的生物标记,能对AD进行有效的早期识别。     

基于神经网络的功率放大器预失真建模

提出一种神经网络结合分离信号对功率放大器预失真建模的方法。将输入/输出信号的线性与非线性部分分开处理,利用神经网络良好的逼近能力,采用LM算法,拟合出功率放大器特性曲线,进而建立预失真模型,使非线性功率放大器的输入/输出曲线整体呈线性化。在保证输出幅度限制和输出功率最大化的前提下,与未作信号分离的神经网络建模方法、多项式建模方法以及Saleh函数模型方法相比较,发现信号分离神经网络建模方法能得到较小的归一化均方误差和误差矢量幅度。仿真结果表明,采用信号分离神经网络对功率放大器及其预失真建模,整体线性化误差较小、精度高、效果更佳。     

基于关联规则的特征选择方法

提出了一种基于关联规则的特征选择方法，在市场分析中，人们用关联规则来发掘大量数据集中项目之间的关系。关联规则的方法非常适用于图像分析中的特征选择，可以自动地选出可信度较高的特征。使用这一方法挑选合适的纹理特征用于图像分类，并对结果进行分析。     

基于多视影像的三维数码城市快速自动建模方法的研究

提出了一种基于多视影像的三维数码城市快速自动建模的方法。首先获取重建区域的多视(多角度)影像,经过数字摄影测量处理之后,自动获取地面的三维信息,然后在人工干预下半自动地获取建筑物的几何信息,并自动从多视影像中提取建筑物屋顶和墙面的纹理,建立建筑物的三维模型,最终建立重建区域的三维场景。实验结果表明,该方法是可行的、有效的。     

基于面积特征的城区航空影像匹配方法

基于特征的影像匹配是一类极为广泛和重要的方法。已有的研究体现出了特征对于实施最为匹配的影像之一－－城区航空影像有着极为明显的优越性。文中给出一种新的匹配目标函数的构建，并基于此提出一种城区航空影像匹配算法，给出了算法的实现过程，并以部分东京城区图进行了试验，结果表明文中的方法具有乘法明了，可靠易行和抗旋转性的优点。     

LTE基于码本选择预编码研究

本文研究了LTE系统中基于码本选择的预编码发送方案,对LTE基于码本选择的预编码方案进行了推导,提出了基于性于比(SINR)的码本选择算法,并对其进行了性能仿真.仿真结果表明,在4根发射天线和2根接收天线配置下,基于码本的预编码简单实用,且能够在在满足LTE性能需求的基础上大大提高系统性能.     

LTE基于码本选择预编码研究

本文研究了LTE系统中基于码本选择的预编码发送方案,对LTE基于码本选择的预编码方案进行了推导,提出了基于性干比（SINR）的码本选择算法,并对其进行了性能仿真。仿真结果表明,在4根发射天线和2根接收天线配置下,基于码本的预编码简单实用,且能够在在满足LTE性能需求的基础上大大提高系统性能。