基于模糊贝叶斯网络的星形细胞瘤分级预测与知识表达

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：针对医学影像特征具有模糊性和不确定性的特点，提出一种基于模糊贝叶斯网络的影像诊断预测模型。该模型使用高斯混合模型（GMM）对连续的视觉特征进行模糊量化处理，利用专家知识根据病症与影像特征之间的因果关系建立混合贝叶斯网络结构；由数据通过机器学习确定网络参数；采用概率推理定量估计病症的发生概率，从而建立一个可计算的预测模型。将该方法应用于星形细胞瘤分级预测，实验结果得出83．33％的正确识别率，远远超过使用最小近邻分类器（K-NN）实现连续变量硬（crisp）量化的贝叶斯网络模型，更合理地表达了具有模糊性、不确定性的专业领域的结构性知识，为星形细胞瘤恶性程度预测提供了新的辅助手段。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：贝叶斯网络 贝叶斯网 贝叶斯 Crisp 不确定性 模糊贝叶斯网络 知识表达 诊断模型 机器学习