论文部分内容阅读
提取淋巴结超声造影(CEUS)图像的影像组学量化特征可用于淋巴结良恶性的计算机辅助诊断。由于大量特征之间存在冗余和干扰信息,需借助特征选择技术进行特征降维,以获得更具鉴别能力的特征子集。利用实时压缩感知算法进行CEUS视频中淋巴结病灶的运动补偿,提取时域与空域特征。运用最小绝对压缩(LASSO)法、支持向量机回归特征法(SVM-RFE)、Fisher准则法三种特征选择方法,对特征进行降维。运用支持向量机进行交叉验证,得到分类结果。相对原始特征,三种特征选择方法得到的特征子集的分类性能均有提升。其中,