基于非局部先验的高维影像数据计算机辅助诊断与应用

摘要：

目的 探索基于胃肠道病变高维影像数据的计算机辅助诊断模型,特别为医疗资源匮乏地区提供胃肠腺瘤检测的机器学习技术.方法 选取UCI Gastrointestinal数据集中76位增生或腺瘤患者的698维结肠镜的白光影像资料.采取非局部先验的贝叶斯变量选择方法进行变量筛选,与传统高维数据变量筛选Lasso方法比较,根据logistic回归模型预测结果计算正确率、Youden指数、灵敏度和特异度,运用该模型结果与医生个人和团队诊断结果比较上述评价指标.结果 与Lasso结果比较显示,非局部先验的贝叶斯变量选择方法能够更为有效地筛选出预测变量,模型具有较强的泛化能力.与医生和其团队诊断结果比较发现,模型分类结果在正确率、Youden指数和特异度都具有最优效果,灵敏度也优于医生个人水平.结论 基于非局部先验贝叶斯变量筛选的logistic回归模型,运用到计算机辅助诊断技术中,具有较好的预测性能,可为医疗诊断提供高效的决策支持.

关键词：非局部先验、Logistic、回归、贝叶斯变量选择、计算机辅助诊断、胃肠道腺瘤

所属期刊栏目：37

资助基金：国家自然科学基金;广东省自然科学基金;广东省基础与应用基础研究基金

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：359-362