通过评价31磷磁共振波谱(31Phosphorus Magnetic Resonance Spectroscopy,31P-MRS)来辨别三种诊断类型:肝细胞癌,正常肝和肝硬化。运用反向传输神经网络(BP)和径向基函数神经网络(RBF)分析31P-MRS数据,分别建立神经网络模型,进行肝细胞癌的诊断分类以期提高识别率。实验结果证明,应用神经网络模型后,31P-MR波谱对活体肝细胞癌的诊断正确率从89.47%提高到97.3%,且BP更优于RBF。
基于活体肝细胞的31P磁共振波谱图(31Phosphorus Magnetic Resonance Spectroscopy,31P-MRS)对肝细胞数据进行诊断,分为3种类型:肝癌、肝硬化和正常肝。分别运用线性分类器和二次分类器对数据分类,并在分类前进行了特征抽取。线性分类器和二次分类器在"留一法"中对上述3种类型的分类准确率分别约为81.37%、77.75%、92.30%和95.27%、99.89%、99.70%。实验证明二次分类器相对于线性分类器,明显地提高了分类准确率。
基于31P磁共振波谱图(31Phosphorus Magnetic Resonance Spectroscopy,31P-MRS)对肝脏数据进行诊断,共分为三种类型:肝癌,肝硬化和正常肝。本文在线性分类器分类前先用遗传算法进行特征选择,选择出最优特征子集。实验中,用线性分类器分别对经过遗传算法特征选择后的最优特征子集分类和对提取的全波谱数据进行分类。实验结果证明,前者方法不仅明显提高了分类的准确率,而且减少了分类器运行的时间,其中31P-MR波谱对活体肝细胞癌的诊断正确率从62.50%提高到89.35%。
