39、医学图像分类与社会经济系统聚类研究

医学图像分类与社会经济系统聚类研究

1. 医学图像分类研究

1.1 图像特征分析与分类结果

在医学图像分析中，对FFT特征、LBP特征和小波特征进行了相关性分析。通过AUC曲线对图像进行分类，其中AUC曲线展示了624条记录中150条记录（75条正常和75条肺炎）的数据。该数据集的混淆矩阵结果为：真阳性61，真阴性67，假阳性14，假阴性8。

1.2 主成分分析与特征组合

图展示了十二个成分的累积方差，在95%的阈值下达到了最佳方差。不同特征组合在SVM模型中的输出结果如下：
|特征列表|集合|图像数量|特异性|灵敏度|准确率|
| ---- | ---- | ---- | ---- | ---- | ---- |
|一阶统计、LBP、小波|1|156|0.97|0.96|0.97|
|一阶统计、FFT、小波|2|156|0.95|0.96|0.96|
|小波组合|3|156|0.97|0.95|0.96|
|FFT、小波|4|156|0.88|0.95|0.94|
|一阶统计、GLCM、LBP、FFT、小波组合|5|156|0.83|0.96|0.93|

1.3 另一组特征组合结果

特征列表	集合	图像数量	特异性	灵敏度	准确率
一阶统计、LBP、小