[发明专利]利用支持向量机（SVM）在计算机辅助检测（CAD）中进行假阳性降低的系统和方法

摘要

一种用于计算机辅助检测(CAD)和在HRCT医学图像数据内检测的所关心部位的分类的方法，包括处理后机器学习以最大化分类的特异殊性和敏感性以实现假阳性检测报告数量上的下降。该方法包括在被选择为包括若干真部位和假部位的医学图像训练数据集合上训练分类器，其中真部位和假部位由CAD处理来识别，并且自动地被分割，其中分割训练部位由至少一个专家来审阅以把每个训练部位针对其基础事实，即真或假，进行分类，实质上限定自动分割，其中从每个分割部位识别并提取特征池，以及其中特征池由遗传算法来处理以识别最佳特征子集，所述子集用来训练支持向量机，在非训练医学图像数据内检测作为分类候选者的部位，对该候选部位进行分割，从每个分割候选部位提取特征集合以及在根据最佳特征子集进行训练之后利用支持向量机来对候选部位进行分类，以及处理该候选特征集合。

主权项

1.一种用于在对诸如HRCT数据之类的医学图像数据内的部位进行计算机辅助检测(CAD)以及分类期间进行假阳性降低(FPR)的方法，所述方法实现了处理后机器学习以便最大化分类的特异性和敏感性，以及以便实现降低由FPR系统所报告的假阳性检测的数目，该方法包括以下步骤：在被选择为包括若干真和假部位的医学图像训练数据集合上训练分类器，其中该真和假部位由CAD处理来识别，以及被自动地分割，其中分割训练部位由至少一个专家来审阅以把每个训练部位针对其基础事实，即真或假，进行分类，本质上限定自动分割，其中从每个分割部位来识别和提取特征池，以及其中由遗传算法来处理该特征池以识别最佳特征子集，所述子集用来训练支持向量机；在非训练医学图像数据内检测作为分类侯选者的部位；对候选部位进行分割；从每个分割的候选部位中提取特征集合；以及在根据最佳特征子集进行训练之后利用支持向量机来对候选部位进行分类，以及处理该候选特征集合。