39、医学影像特征提取与社会经济系统分类研究

医学影像特征提取与社会经济系统分类研究

在医学和社会经济领域，数据的分析和分类一直是重要的研究方向。在医学影像方面，如何准确地对胸部 X 光图像进行分类以识别疾病；在社会经济领域，怎样对不同地区的社会经济系统进行合理分类，都是值得深入探讨的问题。

胸部 X 光图像特征提取与分类

在胸部 X 光图像的研究中，提出了一种新颖的框架，用于提取胸部 X 光图像的特征。该框架会提取电子表格中给出的一系列特征，并计算每个特征的聚合度量。将这些特征收集并存储在一个中央位置，方便研究人员在机器学习模型的构建和测试中使用。

通过分析不同特征之间的相关性，如 FFT 特征、LBP 特征和小波特征之间的相关性，以及绘制 AUC 曲线（FPR 与 TPR）来对图像进行分类。以一组 150 条记录（75 条正常记录和 75 条肺炎记录）为例，AUC 曲线展示了相关数据，并且该数据集的混淆矩阵显示：真阳性为 61，真阴性为 67，假阳性为 14，假阴性为 8。

在特征组合方面，不同的特征组合会产生不同的分类结果。以下是 SVM 模型对 156 张图像（98 张正常图像和 58 张肺炎图像）使用不同特征组合的输出结果：
|特征列表|集合|图像数量|特异性|敏感性|准确性|
| ---- | ---- | ---- | ---- | ---- | ---- |
|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