孔喜梅
- 作品数：11 被引量：24H指数：3
- 供职机构：新疆医科大学医学工程技术学院更多>>
- 发文基金：国家自然科学基金留学人员科技活动项目择优资助经费更多>>
- 相关领域：医药卫生自动化与计算机技术更多>>
- 基于PCA和C4.5决策树的新疆哈萨克族食管癌图像鉴别研究被引量：3
- 2016年
- 目的:探讨C4.5决策树算法结合主成分分析法(PCA)在新疆高发病食管癌X钡剂造影图像分类中的应用。方法:选取新疆高发病食管癌图像200张,其中蕈伞型和溃疡型图像各100张。对图像进行归一化、去噪和空间转换等预处理;对图像进行二尺度小波变换提取图像的低频信息,然后对其进行灰度共生矩阵法提取图像的特征;采用主成分分析(PCA)法对所提取的特征进行筛选;通过构造决策树C4.5算法分类器来验证特征的分类能力。结果:使用决策树C4.5算法分类器,对主成分分析获取的特征及综合特征进行分类。PCA选择的特征分类准确率为95%;使用综合特征分类准确率为80%。结论:综合特征的分类准确率与PCA选择的特征相比较低,表明在进行分类时,冗余特征可能会降低分类准确率;而本研究采用PCA选择后的特征分类准确率较高,表明该算法能有效减少冗余特征,弥补了过高维数的特征向量易引起维数灾难的问题,从而使得分类准确率得到了提高。一定程度上为后续的其它组织器官的特征提取提供了依据。
- 孔喜梅木拉提·哈米提严传波孙静阿布都艾尼·库吐鲁克艾赛提·买提木沙姚娟
- 关键词：新疆哈萨克族食管癌C4.5决策树特征提取图像分类
- 新疆高发病食管癌图像的特征提取及分类被引量：2
- 2017年
- 目的结合灰度共生矩阵和小波变换的纹理分析方法提取新疆哈萨克族高发病食管癌X射线钡剂造影图像的特征,旨在为放射科医生的诊断决策提供具有实际参考价值的辅助信息,提高食管癌诊断的准确率和效率。方法选取2种中晚期食管癌——蕈伞型和缩窄型,以及正常食管图像各100张,利用基于灰度共生矩阵的纹理特征提取方法分别提取食管癌X射线图像的角二阶矩、熵、惯性矩、逆差矩及相关性的方差作为纹理特征,同时使用小波变换对食管癌X射线图像进行二层小波分解,获取其高频子图,并提取高频子图的能量特征作为纹理特征。然后,使用C4.5决策树算法构造一个分类器,对正常食管和中晚期食管癌图像进行分类研究。结果共计提取11维特征,利用单一特征算法进行分类,灰度共生矩阵法分类准确率为64.66%,小波变换法分类准确率为77%。而综合的灰度共生矩阵和小波变换法的分类准确率为81.67%,更适用于正常食管和中晚期食管癌的分类。结论本研究将灰度共生矩阵、小波变换算法与决策树C4.5相结合,对正常食管与蕈伞型和缩窄型食管癌进行特征提取及分析,结果表明本算法分类准确率较高,为开发食管癌的计算机辅助诊断系统奠定了基础。
- 孔喜梅木拉提.哈米提严传波姚娟孙静阿布都艾尼.库吐鲁克
- 关键词：食管癌灰度共生矩阵小波变换特征提取图像分类
- KNN分类器在新疆维吾尔药材图像分类中的应用被引量：1
- 2015年
- 目的：探讨 K 近邻结点算法（k-Nearest Neighbor algorithm，KNN）分类器在新疆维吾尔药材图像分类中的应用。方法采用 KNN 分类器对新疆维吾尔药材图像的灰度-梯度共生矩阵特征和 Tamura 纹理特征进行判别分类。选取训练样本为80、100、120的3个训练集，训练并得到最优 K 值，并分别在测试样本为120、100、80的3个测试集中验证结果。结果K 值越小（3～13），KNN 分类器对叶类图像分类准确率越高；K 值越大（63～71），KNN 分类器对花类图像分类准确率越高。当 K 值取3～13时，120、100、80的3个测试集中叶类图像的平均分类准确率分别为94．72％、89．45％、82．61％；K 值取63～79时，120、100、80的3个测试集中花类图像的平均分类准确率分别为74．71％、72．79％、76．55％。结论KNN 分类器可为新疆维吾尔药材图像类型判断提供一定的依据，为新疆维吾尔药材图像检索系统的检索精度的提升奠定了基础。
- 木拉提.哈米提张岁霞严传波阿布都艾尼.库吐鲁克孙静艾赛提.买提木沙员伟康杨芳伊利扎提.阿力甫孔喜梅
- 关键词：KNN分类器纹理特征图像分类
- 决策树C4.5对草药形状特征的优化研究被引量：2
- 2015年
- 目的：利用决策树分类方法探讨一种新的图像特征优化降维方法。方法首先利用图像滤波、灰度阈值、腐蚀运算等图像操作对新疆草药图像做分割预处理，获取草药图像感兴趣区形状，然后提取草药形状的 Fou-rier-Mellin 矩、Hu 矩等形状特征及图像主颜色直方图特征共14个特征分量；最后应用决策树 C4．5分类算法，在不同草药形状特征分量组合下比较草药图像分类准确率，经过优化分析，选用 Hu 矩的 H2、H4和图像主颜色直方图特征的 C1～C3特征分量构成图像形状颜色混合特征的5个特征分量，用于草药图像分类。结果决策树分类方法准确率达到88．55％；将优化后的图像形状颜色混合特征用于图像检索，其检索结果集前60张图的平均查准率达到89．31％，实现形状特征分量的优化降维。结论利用决策树分类方法可以进行图像特征优化降维，降低图像形状颜色混合特征维数，提高图像分类准确率和图像检索效率，为进一步图像特征的优化研究提供参考。
- 严传波孙静阿布都艾尼.库吐鲁克木拉提.哈米提杨芳员伟康伊力扎提.阿力甫张岁霞孔喜梅
- 关键词：HU决策树C4.5图像检索
- 基于C均值算法的新疆维吾尔医草药图像的分割研究被引量：4
- 2015年
- 目的为提高新疆维吾尔医草药图像的分类和检索准确率,对新疆维吾尔医草药图像进行感兴趣区域分割研究。方法分别采用阈值法、硬C均值(HCM)聚类算法和模糊C均值(FCM)聚类算法分割图像,将分割后的图像与原始图像进行迭代,分割15幅新疆维吾尔医药材图像,并将分割结果与手工分割结果进行比较,以评价分割算法的优劣。结果利用阈值法分割后的图像与手工分割图像进行比较,15幅图像的面积大小差异的平均值为12.7%,表面平均距离的平均值为2.79灰度值;利用HCM聚类算法分割后图像的面积大小差异的平均值为12.2%,表面平均距离的平均值为2.7灰度值;利用FCM聚类法分割后图像面积大小差异的平均值为9.04%,表面平均距离的平均值为0.96灰度值。结论阈值分割算法的分割速率比其他2种算法快,但该方法可能出现过度分割现象而导致信息的流失;硬C均值聚类算法能够较好地保留感兴趣区域,但分割时图像背景无法完全舍去而导致无用信息的掺杂;模糊C均值聚类算法分割速率相对较慢,但其整体分割准确率却高于以上2种算法,该算法较适于新疆维吾尔医药材图像的分割。本研究对后期图像的特征提取、分类和检索奠定基础。
- 木拉提.哈米提伊力扎提.阿力甫严传波阿布都艾尼.库吐鲁克孙静艾赛提.买提木沙杨芳员伟康孔喜梅张岁霞
- 关键词：阈值分割法均值聚类算法均值聚类算法
- 新疆维吾尔草药图像特征提取及分类研究被引量：1
- 2015年
- 目的探讨决策树C4.5算法及主成分分析法在新疆维吾尔草药图像分类中的应用。方法选取新疆维吾尔草药图像450张,其中花类、叶类、果类图像各150张。对图像进行去噪、尺度归一化和空间转换等预处理;利用颜色直方图与颜色矩法分别提取3种草药的特征;采用主成分分析(PCA)法对所提取的特征进行筛选;构造一个基于C4.5决策树算法的图像分类器,使用决策树C4.5算法,对颜色直方图、颜色矩、14个综合特征及主成分分析获取的特征进行分类,以验证特征的分类能力。结果颜色直方图特征分类准确率为63.11%,颜色矩特征分类准确率为65.11%,14个综合特征分类准确率为54.76%,PCA选择的特征分类准确率为72.00%。结论综合特征的分类准确率较单一特征低,表明在进行分类时,冗余特征可能会降低分类准确率;利用PCA选择后的特征分类准确率较高,表明该算法能有效减少冗余特征,弥补单一特征分类的局限性,从而提高整体分类效率,为提高后续基于内容的图像检索系统的检索效率奠定了基础。
- 木拉提.哈米提孔喜梅严传波阿布都艾尼.库吐鲁克孙静艾赛提.买提木沙员伟康杨芳伊利扎提.阿力甫张岁霞
- 关键词：决策树C4.5图像分类
- 基于集成分类器的新疆哈萨克族食管癌分型的研究被引量：3
- 2015年
- 探讨Bagging、Adaboost、Random Forest(RF)三种集成分类器在新疆哈萨克族食管癌分型中的应用。使用Matlab软件编程并提取图像的灰度-梯度共生矩阵和Tamura纹理特征;利用SPSS软件对提取到的混合纹理特征进行主成分分析(PCA)降维并得到新的主成分矩阵;将三种集成分类器并应用于主成分矩阵对食管癌进行分型;采用受试者工作特征(ROC)分析技术和参数评估对各分类模型进行评估。三种食管癌两两分类时:溃疡型和缩窄型、蕈伞型食管癌X线图像的纹理特征存在着一定差异性,三种分类器的分类准确率、ROC分析曲线及各参数评估值都很理想。三种食管癌综合分类时:RF分类器的分类效果明显优于其他两种分类器。将集成分类器应用于哈萨克族食管癌分型中,为哈萨克族食管癌影像学诊断提供了一定的依据,也为新疆哈萨克族食管癌的计算机诊断系统的研发奠定了基础。
- 张岁霞木拉提.哈米提姚娟严传波阿布都艾尼.库吐鲁克孙静艾赛提.买提木沙杨芳伊力扎提.阿力甫孔喜梅
- 关键词：纹理特征主成分分析集成分类器图像分类
- 基于小波变换的新疆地方性肝包虫CT图像分类研究被引量：7
- 2016年
- 采用基于sym4和db4小波基两种小波变换方法,探讨对新疆地方性肝包虫CT图像的分类价值。使用sym4和db4小波两种小波基,提取感兴趣病灶区的纹理特征,并通过统计学方法筛选出特征子集,采用C4.5决策树算法构建正常肝脏和多子囊型病变肝脏CT图像的计算机分类模型,并对模型进行准确性、灵敏度和特异性的验证评估。结果显示,对正常肝脏和多子囊型肝包虫进行分类,sym4小波的识别正确率为92.5%,db4小波的识别正确率为97.5%。实验结果表明,小波变换法所提取的纹理特征对识别正常肝脏和多子囊型肝包虫CT影像有较好的意义,也为后续的基于内容的新疆地方性肝包虫病的诊断系统奠定了基础。
- 孔喜梅木拉提·哈米提严传波姚娟孙静
- 关键词：小波变换C4.5决策树
- 决策树C4.5算法在新疆维吾尔草药图像分类中的应用
- 2016年
- 目的:利用小波变换法提取新疆维吾尔草药图像的特征,对植物药图像进行分类研究。方法:此次研究选取新疆维吾尔草药图像200张,其中花类图像100张,叶类图像100张。对图像进行去噪、尺度归一化和空间转换等预处理。利用小波变换分别提取花类、叶类图像的特征向量,用类间距法获取具有较好的分类能力的特征量,使用决策树C4.5算法对特征的分类能力进行评价。结果:对得到的这些特征量,分别利用决策树C4.5算法和贝叶斯方法进行分类,决策树算法分类准确率达到了80.0%;贝叶斯方法分类准确率达到73.5%;结论:结果显示,采用小波变换提取的特征在对不同类型的维吾尔草药图像进行分类时,将最大类间距和决策树C4.5算法结合能达到一定的分类能力;因此,决策树分类算法可以在一定程度上对新疆维吾尔草药图像进行判别分类。
- 孔喜梅木拉提.哈米提严传波孙静阿布都艾尼.库吐鲁克艾赛提.买提木沙姚娟张岁霞伊力扎提.阿力甫杨芳员伟康
- 关键词：小波变换图像分类
- 基于数据挖掘的新疆高发肝包虫病的分型研究被引量：3
- 2016年
- 目的探讨数据挖掘技术在新疆肝包虫病分型中的应用。方法提取肝包虫病CT图像的灰度-梯度共生矩阵(GGCM)和灰度共生矩阵(GLCM)特征,应用主成分分析法对各纹理特征及混合特征分别进行降维,采用支持向量机(SVM)分类器、决策树C4.5分类器、Logistic回归分类器对降维后的特征进行分类,最后对各分类模型进行受试者工作特性(ROC)曲线分析及参数评估。结果 SVM分类器对不同纹理特征下3种肝脏CT图像(单囊型、多囊型肝包虫病和正常肝脏)分类效果都明显优于决策树C4.5分类器和Logistic回归分类器。综合特征分类结果要明显优于单一特征分类结果;GGCM特征对综合分类结果的分类贡献率要高于GLCM特征。结论将SVM分类器应用于新疆肝包虫病CT图像的分型中具有一定分类优势,为肝包虫病影像学诊断提供了一定的依据,也为后期新疆肝包虫病计算机辅助诊断系统的研发奠定基础。
- 张岁霞木拉提.哈米提严传波孙静姚娟孔喜梅杨芳伊力扎提.阿力甫
- 关键词：纹理特征数据挖掘
