使用经验模态分解特征的微波乳腺癌检测
机器学习
2017-02-27 v1
摘要
基于微波的乳腺癌检测已被提出作为一种补充方法，以弥补现有乳腺癌检测技术的某些缺陷。在现有的微波乳腺癌检测方法中，机器学习类算法最近变得更加流行。这些算法侧重于检测乳腺肿瘤的存在，而不是执行成像以识别肿瘤的精确位置。机器学习方法的一个关键步骤是特征提取。最广泛使用的特征提取方法之一是主成分分析（PCA）。然而，它对信号错位很敏感。本文提出了一种基于经验模态分解（EMD）的特征提取方法，该方法对错位具有更强的鲁棒性。涉及临床数据集结合数值模拟肿瘤响应的实验结果表明，来自 EMD 和 PCA 的组合特征在使用基于集成选择的分类器时提高了检测性能。
引用
@article{arxiv.1702.07608,
title = {Microwave breast cancer detection using Empirical Mode Decomposition features},
author = {Hongchao Song and Yunpeng Li and Mark Coates and Aidong Men},
journal= {arXiv preprint arXiv:1702.07608},
year = {2017}
}