Resumen

La selección de características y el reconocimiento de nódulos pulmonares son los módulos centrales del sistema de detección asistida por ordenador de pulmón (Lung CAD). Para mejorar el rendimiento del sistema Lung CAD, se lleva a cabo una investigación algorítmica para las dos partes mencionadas, respectivamente. En primer lugar, en vista de la escasa interpretabilidad de las características profundas y la expresión incompleta de las características manuales definidas clínicamente, se propone un método de cascada de características para obtener una información más rica de los nódulos como entrada final del clasificador. En segundo lugar, para mapear mejor las características globales de las muestras, se propone el algoritmo de máquina de vectores de soporte de aprendizaje de núcleo múltiple (MKL-SVM) con una combinación lineal convexa de núcleo polinómico y núcleo sigmoide. Además, en este trabajo se aplican los métodos del factor de contracción de la velocidad y la estrategia de la ruleta, y se utiliza una mezcla de recocido simulado (SA) y optimización de enjambre de partículas (PSO) para la optimización global, con el fin de resolver el problema de que la PSO es fácil de perder la diversidad de partículas y caer en la solución óptima local, así como mejorar la velocidad de entrenamiento del modelo. Por lo tanto, en este trabajo se presenta el algoritmo MKL-SVM, que se basa en la optimización de la inteligencia de enjambre y se propone para el reconocimiento de nódulos pulmonares. Finalmente, los experimentos de construcción del algoritmo se llevan a cabo en el conjunto de datos del hospital cooperativo y se comparan con 8 algoritmos avanzados en el conjunto de datos público LUNA16. Los resultados experimentales muestran que los algoritmos propuestos pueden mejorar la precisión del reconocimiento de nódulos pulmonares y reducir la detección errónea de nódulos.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:reconocimiento de nódulos pulmonares, características definidas a mano, factores de contracción de la velocidad, máquina de vectores de apoyo, métodos de cascada de características, detección de nódulos, información de nódulos, sistema de cad de pulmón, conjunto de datos público luna16, experimento de construcción de algoritmos
• Keywords:lung nodule recognition, defined handcrafted features, speed contraction factors, support vector machine, features cascade methods, detection of nodule, information of nodule, lung cad system, public dataset luna16, algorithm construction experiment