计算机应用

作者：李鲜, 王艳, 罗勇, 周激流

单位：1. 四川大学 电子信息学院, 成都 610065;2. 四川大学 计算机学院, 成都 610065;3. 四川大学华西医院 肿瘤科, 成都 610041

关键词：鼻咽肿瘤,随机森林,特征重要性,特征选择,最优特征子集

基金：国家自然科学基金资助项目（61701324）。

针对医学图像中存在的灰度对比度低、器官组织边界模糊等问题，提出一种新的随机森林（RF）特征选择算法用于鼻咽肿瘤MR图像的分割。首先，充分提取图像的灰度、纹理、几何等特征信息用于构建一个初始的随机森林分类器；随后，结合随机森林特征重要性度量，将改进的特征选择方法应用于原始手工特征集；最终，以得到的最优特征子集构建新的随机森林分类器对测试图像进行分割。实验结果表明，该算法对鼻咽肿瘤的分割精度为：Dice系数79.197%，Acc准确率97.702%，Sen敏感度72.191%，Sp特异性99.502%。通过与基于传统随机森林和基于深度卷积神经网络（DCNN）的分割算法对比可知，所提特征选择算法能有效提取鼻咽肿瘤MR图像中的有用信息，并较大程度地提升小样本情况下鼻咽肿瘤的分割精度。

来源：2019年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第5期