【技术实现步骤摘要】
本专利技术涉及医疗影像检查疾病自动分类领域，具体涉及一种基于支持向量机的医 疗影像检查疾病自动分类方法。
技术介绍
随着数字医疗的快速发展，医疗数据成爆炸式增长。以医疗影像信息系统RIS为 例，长年运行积累了大量的检查、随访和会诊记录，其中大部分内容为文本数据。针对这些 海量文本数据，研宄围绕疾病的聚类、分类对于医疗管理决策有着重要意义。 目前，对于医疗影像检查的疾病分类，一般是通过影像医生人工分类，由于影像医 生日常诊断繁忙，常常无暇顾及。因此，事后实现自动分类具有应用价值。经过文献检索 可知，霍洪波等在文章 The Automatic Classification Research to Medical Imaging Disease Based on Na'ive Nayesion Algorithm提出了基于朴素贝叶斯算法的影像检查文 本自动分类方法。朴素贝叶斯方法存在不足之处：首先朴素贝叶斯分类法是假设在各个分 类属性之间是相互独立的，而在实际情况下，各类属性之间不可能是相互独立的，这给分类 准确率带来了一定的影响；其次，该方法是假设在无限...
【技术保护点】
一种基于支持向量机的医疗影像检查疾病分类方法，其特征在于该方法包括以下步骤：步骤1：首先对RIS数据库中的检查文本数据使用k‑means聚类方法聚成十大类，聚成十个类别后，借助国际疾病类型分类标准ICD‑10将这十个类别进行疾病类型编码；将编码后的十大类文本数据作为医疗影像疾病标准语料库，并以此作为分类的训练数据以及测试数据；步骤2：从十大类检查文本数据中抽取其中一部分记录作为分类的训练模型，而将剩余的检查文本数据作为测试样本，用于检测分类模型的分类精度；文本分类使用支持向量机方法：步骤3：针对检查文本分类过程中支持向量机分类器的建立过程进行优化；使用训练样本完成支持向量机...
【技术特征摘要】
【专利技术属性】
技术研发人员：何必仕，倪杭建，徐哲，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。