一种基于支持向量机的医疗影像检查疾病分类方法

摘要

本发明公开了一种基于支持向量机的医疗影像检查疾病分类方法。本发明使用K-means聚类完成对检查文本数据的聚类，并将聚类好的检查文本作为SVM分类器的训练集以及测试集，最后针对检查文本的特有情况，对SVM分类器的训练过程使用了一种优化的训练过程，以此来提高SVM分类器的分类效果。

主权项

一种基于支持向量机的医疗影像检查疾病分类方法，其特征在于该方法包括以下步骤：步骤1：首先对RIS数据库中的检查文本数据使用k‑means聚类方法聚成十大类，聚成十个类别后，借助国际疾病类型分类标准ICD‑10将这十个类别进行疾病类型编码；将编码后的十大类文本数据作为医疗影像疾病标准语料库，并以此作为分类的训练数据以及测试数据；步骤2：从十大类检查文本数据中抽取其中一部分记录作为分类的训练模型，而将剩余的检查文本数据作为测试样本，用于检测分类模型的分类精度；文本分类使用支持向量机方法：步骤3：针对检查文本分类过程中支持向量机分类器的建立过程进行优化；使用训练样本完成支持向量机分类器的建立后，将剩余的样本作为测试样本来检测分类器的分类精度；在完成测试集的分类后，通过建立分类结果的混淆矩阵，来判断哪些检查文本被错分，找出这些错分的文本并将其加入到原属类别的训练样本中，以此来组成新的训练样本，最后再将新的训练样本通过步骤2来进行训练支持向量机分类器。