基于PCA-RF方法的乳腺图像多类别分类研究及应用
罗姗
邵艳华
1.贵州民族大学 数据科学与信息工程学院,贵阳5500252.贵州民族大学 数据科学与信息工程学院,贵阳550025
摘要：由于乳腺图像特征维度大、特征交叉性高及有很高相似性,导致特征分类准确率不高,运行时间长,效率相对低下.提出一种基于PCA-RF进行乳腺图像多类别分类的研究方法,首先对MIAS乳腺图像进行预处理,然后运用PCA算法对乳腺图像提取的特征进行多层次降维,之后使用KNN、AdaBoost、RF对其特征进行分类.分类实验表明,对PCA降维得到乳腺图像特征再进行分类,KNN运行时间效率提高了180倍,RF分类的运行时间也减少了3.5倍.基于PCA-RF方法的乳腺图像正常、良性及恶性分类得到了93.75％分类准确率及95％的敏感性,相对于其他乳腺图像正常、良性及恶性三类别的分类方法得到的结果有所提升.
关键词：多类别分类乳腺图像感兴趣区域主成分分析随机森林
分类号：TP391(计算技术、计算机技术)
资助基金：贵州省科技厅项目(黔科技基础[2017]1085)
论文发表日期：2020-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 402-407 )
英文信息