模式识别在乳腺超声弹性成像诊断中的应用研究

研究一种针对乳腺弹性超声影像的模式识别算法,并研究相关算法模型的临床价值。以支持向量机(SMO-SVM)为核心算法,结合基于SRAD模型和ICOV模型算法对弹性超声检查影像进行分析,使用基于水平集的算法做出初步判断,进而在GLCM移动窗口算法支持下,使用SMO-SVM神经网络对各移动窗口进行整合判断,对4种常见乳腺癌CA化灶进行判断。通过实证分析,该算法在对II期乳腺癌的判断中具有显著的临床价值,对I期乳腺癌的判断中也有一定的参考意义。