辽宁省科学技术计划项目(20120323)
- 作品数：2 被引量：7H指数：2
- 相关作者：王之琼于戈康雁赵英杰刘红艳更多>>
- 相关机构：东北大学辽宁省肿瘤医院更多>>
- 发文基金：辽宁省科学技术计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于ELM的室性早搏检测算法被引量：2
- 2013年
- 计算机辅助室性早搏检测对室早的早诊断、早治疗十分关键,而基于SVM的室早检测方法存在训练速度慢、分类效果不稳定等问题.提出了一种基于极限学习机的计算机辅助室早检测算法,该算法首先对心电图像进行预处理,去除噪声后进行QRS波检测,然后建立室早特征模型并提取特征,最后基于极限学习机(extreme learning machine,ELM)进行室早检测.利用MIT_BIH的Arrhythmia心电数据库的心电信号对该算法进行了测试,结果表明与SVM相比ELM在分类速度及分类准确度上都有明显的优势.
- 王之琼刘红艳肖静于戈康雁
- 关键词：极限学习机室性早搏计算机辅助检测心电图支持向量机
- 基于特征选择ELM的乳腺肿块检测算法被引量：5
- 2013年
- 乳腺肿块检测是防治乳腺癌的有效途径,基于乳腺X射线图像特征模型的极限学习机(ELM)分类算法已被应用于计算机辅助检测乳腺肿块中.针对由于特征间的依赖性导致的ELM学习效率和检测准确度低的问题,提出了基于特征选择ELM的乳腺肿块检测算法.利用影响值选择、序列前向选择和遗传选择等方法进行特征选择,进而利用该结果提高ELM的性能.通过490例来自辽宁省肿瘤医院的乳腺X射线图像的实验表明,基于特征选择ELM的乳腺肿块检测算法能有效提升乳腺肿块检测的效果,其中以遗传选择对ELM性能提升最明显.
- 王之琼康雁于戈赵英杰
- 关键词：极限学习机
