北京市教育委员会科技发展计划面上项目(KM201110025008)
- 作品数：3 被引量：54H指数：3
- 相关作者：陈卉朱碧云马宇晶潘清沙飞更多>>
- 相关机构：首都医科大学首都医科大学附属北京友谊医院更多>>
- 发文基金：北京市教育委员会科技发展计划面上项目更多>>
- 相关领域：医药卫生更多>>
- 影像学诊断评价中的参数法ROC曲线分析被引量：12
- 2011年
- 目的探讨采用ROC曲线参数分析法对影像学分类诊断结果进行评价的价值,并介绍ROC曲线参数分析软件ROCKIT。方法 2名医师分别对60幅肺部CT图像进行肺结节良恶性5级分类诊断。分别用ROCKIT软件和SPSS软件对他们的诊断结果进行参数法和非参数法ROC曲线分析。结果对2名医师的诊断结果利用ROCKIT进行参数法ROC分析时,ROC曲线下面积分别为0.940±0.039和0.785±0.075(Z=2.056,P=0.040),利用SPSS进行非参数估计时结果分别为0.913±0.042和0.771±0.075。通过ROCKIT软件可绘制光滑的拟合ROC曲线,SPSS软件可绘制不光滑的经验ROC曲线。结论当有序分类资料样本量适中时,参数估计一般均无偏倚,非参数估计的结果可能小于真实值;ROCKIT软件是双正态参数法ROC曲线分析的有力工具。
- 潘清陈卉马宇晶沙飞
- 关键词：受试者工作特征曲线
- 医学图像纹理分析的方法及应用被引量：33
- 2013年
- 医学图像中的纹理特征变化反映了机体的病理改变,因此,图像纹理分析对于疾病的鉴别诊断具有重要意义。目前,由于医学图像及其纹理的复杂性,尚未有一种通用的、适合各类医学图像的纹理分析方法。医学图像纹理分析中有4种常用的纹理特征提取方法,其每种纹理特征提取方法均存在优点和缺点。对不同医学影像(CT、MRI、B超及数字X线片)上肝部及肺部疾病的图像纹理分析表明,基于肝脏病变CT图像的计算机辅助诊断系统提取的纹理特征对图像内容有较好的区分性;通过纹理分析可对早期肺癌进行检测。
- 朱碧云陈卉
- 关键词：纹理分析纹理特征特征提取医学图像
- 基于数字胸片小波纹理特征的尘肺病早期诊断方法研究被引量：9
- 2014年
- 目的探讨利用基于小波变换的熵纹理特征进行尘肺病诊断的方法,并研究相关的分类技术。方法对70名健康体检者和40名尘肺病患者的数字X射线摄影(digital radiography,DR)图像进行纹理分析,提取小波熵纹理特征,并利用决策树进行特征选择。选取不同核函数的支持向量机(support vector machines,SVM)对DR胸片进行分类,通过5折交叉验证估计诊断分类的性能并进行评价。结果对DR图像做8次小波分解后提取8个小波熵纹理特征(特征全集),其中6个经过特征选择组成特征子集。应用SVM进行分类时,基于特征子集的分类结果均好于基于特征全集的分类结果。线性核函数SVM的分类效果好于其他核函数SVM的分类效果,准确率达84.6%,ROC曲线下面积为0.88±0.04。结论利用SVM以DR图像的小波熵为特征进行尘肺病诊断有较高水平,有助于尘肺病的早期诊断。
- 朱碧云陈卉陈步东张宽
- 关键词：尘肺病小波变换支持向量机
