论文部分内容阅读
尝试为乳腺病灶良恶性分类提供高精度且无创的影像辅助诊断手段,提出了基于超声射频(radio frequency,RF)时间序列分析的乳腺病灶良恶性分类方法。以275例女性乳腺病灶为样本,使用常规超声探头采集多帧超声回波RF信号,提取RF时间序列的分形维数(fractal dimension,FD)、频域特征和时域特征,以支持向量机(support vector machine,SVM)和随机森林作为分类器对乳腺病灶进行良恶性分类。分类结果如下:SVM受试者工作特征曲线下的面积(area under receiver operating characteristics curve,AUC)为0.914,分类准确率为85.37%,随机森林AUC为0.937,分类准确率为91.46%。与以往研究相比,提高了乳腺病灶良恶性的分类精度,并开发了乳腺病灶良恶性分类系统,可以给医生提供诊断参考。