• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Conference on Physiology and Function: Methods, Systems, and Applications Feb 16-18, 2003 San Diego, California, USA >Feature Selection for Computer-Aided Polyp Detection using Genetic Algorithms
【24h】

Feature Selection for Computer-Aided Polyp Detection using Genetic Algorithms

机译：使用遗传算法的计算机辅助息肉检测的特征选择

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To improve computer aided diagnosis (CAD) for CT colonography we designed a hybrid classification scheme that uses a committee of support vector machines (SVMs) combined with a genetic algorithm (GA) for variable selection. The genetic algorithm selects subsets of four features, which are later combined to form a committee, with majority vote for classification across the base classifiers. Cross validation was used to predict the accuracy (sensitivity, specificity, and combined accuracy) of each base classifier SVM. As a comparison for GA, we analyzed a popular approach to feature selection called forward stepwise search (FSS). We conclude that genetic algorithms are effective in comparison to the forward search procedure when used in conjunction with a committee of support vector machine classifiers for the purpose of colonic polyp identification.
机译：为了改善CT结肠成像的计算机辅助诊断（CAD），我们设计了一种混合分类方案，该方案使用支持向量机（SVM）委员会和遗传算法（GA）进行变量选择。遗传算法选择四个特征的子集，然后将其组合以组成一个委员会，并在基础分类器中进行多数表决。使用交叉验证来预测每个基本分类器SVM的准确性（敏感性，特异性和综合准确性）。作为GA的比较，我们分析了一种流行的特征选择方法，称为前向逐步搜索（FSS）。我们得出结论，当与支持向量机分类器委员会一起用于结肠息肉识别时，遗传算法与前向搜索程序相比是有效的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号