结合加权宽度学习系统以实现精确的尘肺病分期
机器学习
2022-08-16 v1
摘要
职业性尘肺病（OP）分期是一项关乎受试者肺部健康的重要任务。患者的分期结果取决于分期标准及其胸部 X 射线片。这本质上是一项图像分类任务。然而，OP 数据的分布通常是不平衡的，这极大地降低了在数据遵循平衡分布假设下提出的分类模型的效果，并导致分期结果不准确。为了实现准确的 OP 分期，我们在本工作中提出了一种能够处理不平衡数据的 OP 分期模型。所提出的模型采用灰度共生矩阵（GLCM）提取胸部 X 射线片的纹理特征，并利用加权宽度学习系统（WBLS）进行分类。在一家医院提供的六个数据案例上的实证研究表明，在不平衡数据下，所提出的模型比 state-of-the-art 分类器能更好地执行 OP 分期。
引用
@article{arxiv.2208.06607,
title = {Incoporating Weighted Board Learning System for Accurate Occupational Pneumoconiosis Staging},
author = {Kaiguang Yang and Yeping Wang and Qianhao Luo and Xin Liu and Weiling Li},
journal= {arXiv preprint arXiv:2208.06607},
year = {2022}
}
备注
6 pages