论文研究 几种机器学习方法在黑色素瘤计算机辅助诊断中的性能比较.pdf

黑色素瘤的计算机辅助诊断是基于激光共聚焦扫描显微镜（CLSM）皮肤图像纹理特征, 并引入机器学习的技术, 为临床应用研发的一种能够准确、有效地识别在体恶性黑色素瘤新医学诊断方法, 将常用的基于机器学习的ID3、分类与回归树（CART）和AdaBoost三种算法应用于良恶性黑色素瘤图像的特征识别, 并对各种学习方法的性能进行比较。实验结果表明, AdaBoost算法具有较好的分类识别性能, 不但提高了恶性黑色素瘤早期诊断的准确度, 降低了良性黑色素瘤的误诊率, 而且为临床上早期发现和诊断提供了客观依据。