[发明专利]基于支持向量机样本约简的肺结节良恶性鉴别方法

摘要

本发明涉及一种肺结节良恶性鉴别方法，特别涉及一种基于支持向量机样本约简的肺结节良恶性鉴别方法。通过采集良恶性肺结节的原始样本集S₀。针对良恶性肺结节的原始样本集S₀进行样本约简，得到支持向量机的良恶性肺结节的最终训练集S₂，然后对约简后的最终训练集S₂进行支持向量机训练，得到最后的分类决策函数，对未知的肺结节样本x_i'进行支持向量机预测，得到肺结节的良恶性鉴别结果。本发明提出一种支持向量机样本约简的方法来提高支持向量机训练速度，降低空间存储要求，从而减少肺结节的良恶性鉴别时间，提高医师的诊断效率和客观一致性。

主权项

1.基于支持向量机样本约简的肺结节良恶性鉴别方法，其特征在于：具体步骤如下：步骤1：采集良恶性肺结节的原始样本集S₀；样本集是二分类型的数据：一类是正类数据，代表良性肺结节；另一类是负类数据，代表恶性肺结节；步骤2：针对良恶性肺结节的原始样本集S₀进行样本约简，得到支持向量机的良恶性肺结节的最终训练集S₂；以样本点和两类样本数据中心连线上的两个点构成一个三角形；记样本点为三角形的顶点，然后分别计算出三角形两个底角的余弦值；再将两个余弦值作商与阈值进行比较，进而挑选出边界样本；步骤3：对约简后的最终训练集S₂进行支持向量机训练，得到最后的分类决策函数f(x)；给定二分类问题的训练集其中x_i∈X=Rⁿ,y_i∈{+1,-1}；得到最终的分类决策函数：f(x)=sign(Σi=1lyiαi(x·xi)+b)]]>式中：w是权值向量，b是偏置系数，α_i是拉格朗日系数：步骤4：对未知的肺结节样本x_i'进行支持向量机预测，得到肺结节的良恶性鉴别结果；将未知的肺结节样本x_i'代入公式f(x)=sign(Σi=1lyiαi(x·xi)+b)]]>得f(xi′)=sign(Σj=1lyjαjK(xi′·xj)+b)]]>当f(x_i')>0时，肺结节样本x_i'即为良性肺结节；当f(x_i')<0时，肺结节样本x_i'即为恶性肺结节。