基于高斯過程分步分類的阿爾茨海默病輔助診斷
摘要：腦影像數據維數高且有效訓練樣本少是影響阿爾茨海默病計算機輔助診斷性能的重要因素。對此小樣本分類問題,以高斯過程為基礎設計了一種分步的分類方法:先對測試樣本利用高斯過程進行初步分類;依據后驗概率篩選類別歸屬確定性強的樣本作為補充參與訓練,再對其余錯分可能性相對較高的樣本重新進行分類。利用ADNI數據庫磁共振影像的分類實驗表明,二次分類傾向于增大樣本歸屬于真實類別的后驗概率、提高類別判定的確定性,分類性能優于常規的高斯過程分類方法和支持向量機。
注: 保護知識產權,如需閱讀全文請聯系生物醫學工程研究雜志社
相關推薦
更多
