基于新型支持向量机的影像组学在肝脏结节分类中的应用
|
|
李笛,霍雷,万梦云,贾宁阳,王丽嘉
|
Application of Radiomics Based on New Support Vector Machine in the Classification of Hepatic Nodules
|
|
Di LI,Lei HUO,Meng-yun WAN,Ning-yang JIA,Li-jia WANG
|
|
表3 5种算法的分类准确率（acc）和运行时间
|
Table 3 The average classification accuracy (acc) and run time of the 5 algorithms
|
|
| 数据集 | 方法 | | SVM | PSO-SVM | FOA-SVM | F-SVM | LFOA-F-SVM | | 心脏 | 86.77%(0.004 s) | 87.74%(0.0035 s) | 87.41%(0.0047 s) | 88.71%(4.0868 s) | 89.35%(6.9537 s) | | 帕金森疾病 | 93.27%(0.0021 s) | 92.74%(0.0022 s) | 93.79%(0.0019 s) | 93.68%(8.5848 s) | 96.32%(5.215 s) | | 虹膜 | 96.00%(0.0006 s) | 96.67%(0.0006 s) | 96.67%(0.0005 s) | 98.00%(0.035 s) | 98.67%(0.0237 s) | | 葡萄酒 | 96.67%(0.0013 s) | 97.78%(0.0011 s) | 98.33%(0.0019 s) | 98.89%(0.0045 s) | 99.44%(0.0057 s) | | 动物园 | 93.64%(0.0015 s) | 91.82%(0.0012 s) | 96.36%(0.0015 s) | 97.27%(0.0395 s) | 99.09%(0.0092 s) | | 肝脏结节 | 74.72%(0.0097 s) | 76.11%(0.0092 s) | 76.67%(0.0196 s) | 76.94%(21.5069 s) | 81.00%(14.8110 s) |
|
|
|