一种提高计算机辅助预测应力性骨折系统预测性能的方法技术方案

本发明专利技术涉及一种提高计算机辅助预测应力性骨折系统预测性能的方法，为了克服现有计算机辅助应力性骨折预测系统对特征提取能力不强、噪声数据影响太大等缺点，导致系统性能不佳的技术问题，属于计算机应用技术领域。本方法针对计算机辅助应力性骨折预测系统，通过孤立森林算法实现异常值检测和剔除，然后使用独立成分分析(ICA)技术进行特征提取，之后使用综合少数类过采样技术(SMOTE)进行数据重采样，最后通过支持向量机实现分类，从而大幅度提升系统辅助预测的效果。实验证明，本方法可以有效提高系统的模型准确性和灵敏度，可以将系统的性能提升到78.7％的准确度和82.5％的灵敏度，优于现有技术。优于现有技术。优于现有技术。

【技术实现步骤摘要】
一种提高计算机辅助预测应力性骨折系统预测性能的方法


[0001]本专利技术涉及一种提高计算机辅助预测应力性骨折系统预测性能的方法，具体通过改进自动化分析步态数据，提高系统的应力性骨折预测准确率，属于计算辅助诊断


技术介绍

[0002]目前，计算机辅助诊断技术及系统，广泛应用于各类医疗诊断领域，通过医学处理技术以及其他可能的生理、生化手段，结合计算机的分析计算，以提高诊断和预测的准确率。计算机辅助诊断问题也是计算机应用的基础问题之一。
[0003]在现有的计算机辅助诊断应力性骨折的系统中，系统采用的分类方法主要分为两类：
[0004]1)基于传统机器学习方法的应力性骨折预测方法。该方法一般采用支持向量机(SVM)、决策树等机器学习方法，对经过数据处理后得到的特征进行分类。
[0005]但是，该方法对特征提取的要求很高，往往缺乏强力的数据预处理和特征提取部分，导致系统的模型训练存在很大的困难，进一步导致系统的预测准确率不高。
[0006]2)基于深度神经网络的预测方法。该方法适用于对图片即非结构性数据的预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提高计算机辅助预测应力性骨折系统预测性能的方法，包括训练和预测两个部分，其特征在于，实现步骤如下：步骤1：训练部分；步骤1.1：通过训练，建立模型；对于训练集，使用孤立森林算法检测出数据的异常值，并进行清洗；所述孤立森林算法是基于空间划分的思想，该算法将异常值点定义为“容易被孤立的离群点”；随机选取数据的某个特征的某个分割值，将样本空间一分为二，然后重复上述操作，直至每个子空间仅包含一个样本点为止，从而完成单颗树的构造；在重复该构造过程时，将所有的样本按照切割次数从小到大进行排序，选出最小的若干样本，作为异常值进行去除，异常值比例自行设定；步骤1.2：对数据进行归一化；步骤1.3：使用独立成分分析进行特征提取，得到最易分离的特征；其中，独立成分分析方法使用梯度上升法最大化数据的非高斯性，特征提取后的特征维数自行设定；步骤1.4：使用综合少数类过采样方式，进行重采样，适当增加样本数量，即，不超过原始样本数量的两倍，并平衡正负样本的比例；步骤1.5：使用采样后的数据，对支持向量机进行训练；选用支持向量机作为分类器；支持向量机是一个理论完备的分类模型，它在确定的高维样本空间中选取一个超平面，使得该超平面将样本空间中的正负样本尽量分开为最大间隔；当样本点在超平面的上方时，将其归为正样本，在超平面的下方时，归为负样本；转化为如下的优化目标：其中，y为数据标签，取值为1或
‑
1；w表示当前分割平面的参数；b表示分割平面的常数项；x表示预处理后的样本；w
T
表示w的矩阵转置；||w||表示w的L1范数；支持向量机采用核函数的方法，将原始数据映射到使得正负样本更易分隔开的高维空间中；步骤2：预测部...

【专利技术属性】
技术研发人员：刘峡壁，廖东海，汪爱媛，彭江，周皓，赵燕旭，冯勇，
申请(专利权)人：中国人民解放军总医院第一医学中心，
类型：发明
国别省市：