基于机器学习方法的超声M模式气胸图像的分类研究
张强1
魏高峰2
闫士举1
张涛1
汪俊豪1
1.上海理工大学健康科学与工程学院,上海2000932.海军军医大学海军医学系,上海200433
摘要：本研究基于图像提取特征结合机器学习方法,建立超声M模式图像分类模型,为气胸诊断提供参考.收集肺部滑动存在特征典型图像171幅,特征不典型图像283幅;肺部滑动消失特征典型图像1113幅,特征不典型图像111幅;肺点特征典型图像850幅,特征不典型图像285幅.通过提取灰度共生矩阵、灰度游程矩阵等纹理特征,采用五折交叉验证方法,使用随机森林、朴素贝叶斯和支持向量机3种分类器对M模式下超声图像进行分类.在使用支持向量机下,对单独特征典型图像进行分类的准确率最高,达到99.2％,灵敏度为99.54％,特异性为97.08％.实验结果证明,机器学习有望作为一种新的辅助诊断手段,有助于提高急救场合下的超声诊断气胸的准确率.
关键词：M超声图像特征提取传统分类算法气胸诊断分类器沙滩征
分类号：R318(医用一般科学)TP301(计算技术、计算机技术)
论文发表日期：2022-06-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：7( 151-157 )
英文信息