基于主成分分析和支持向量机实现膝关节骨龄评估回归算法     被引量：2

Regression Algorithm of Bone Age Estimation of Knee-joint Based on Principal Component Analysis and Support Vector Machine

中文题名：基于主成分分析和支持向量机实现膝关节骨龄评估回归算法

作者：雷义洋 申玉姝 王亚辉 赵虎

第一作者：雷义洋

机构：[1]中山大学中山医学院法医学系,广东广州510080;[2]上海大学材料科学与工程学院高分子材料系,上海200444;[3]司法鉴定科学研究院上海市法医学重点实验室上海市司法鉴定专业技术服务平台,上海200063

年份：2019

卷号：35

期号：2

起止页码：194-199

中文期刊名：法医学杂志

中文关键词：法医人类学;年龄测定,骨骼;膝关节;支持向量机;主成分分析;方向梯度直方图;局部二值模式;维吾尔族;青少年;

摘要：目的通过方向梯度直方图(histogram of oriented gradient,HOG)、局部二值模式(local binarypatterns,LBP)、支持向量机(support vector machine,SVM)以及主成分分析(principal component analysis,PCA)等机器学习方法构建适用于我国维吾尔族青少年骨龄评估的回归算法模型。方法采集维吾尔族12.0~<19.0岁青少年的膝关节DR摄片图像,其中男性样本275例、女性样本225例,采用PCA法对提取的HOG与LBP特征图像进行降维,再以支持向量回归(support vector regression,SVR)算法构建膝关节骨龄评估算法模型。采用随机分层抽样法分别选取男性样本215例、女性样本180例作为SVR模型训练集,并用K 折交叉验证法优化模型参数。剩余样本作为独立测试集,将模型预报年龄与样本真实年龄相比,统计误差范围分别在±0.8岁、±1.0岁的准确率,同时计算平均绝对误差(mean absolute error,MAE)与均方根误差(root mean square error,RMSE)。结果男性年龄误差范围在±0.8岁及±1.0岁的准确率分别为80.67%和89.33%,MAE 为0.486 岁,RMSE 为0.606 岁;女性年龄误差范围在±0.8 岁及±1.0 岁的准确率分别为80.19%和90.45%,MAE为0.485岁,RMSE为0.590岁。结论基于PCA与SVM对膝关节DR摄片图像HOG及LBP特征降维建立骨龄的预报模型,具有较高的准确性。

分类号：DF795.1[法医基础科学]

收录：化学文摘（网络版）;CSCD:【CSCD2019_2020】；日本科学技术振兴机构数据库;生物医学检索系统;RCCSE;文摘与引文数据库;中国科技核心期刊;普通刊;