基于多特征选择的膝关节骨关节炎SVM自动分级研究

来源：电子测量技术杂志2021年第5期北京时间：

作者：刘志鹏，李修寒，冯锐，姚庆强，王伟，吴小玲

单位：1.南京医科大学 生物医学工程学系 南京 210000; 2.南京市第一医院 南京 210000

摘要：骨关节炎是中老年人群最常见的关节疾病，该疾病及其并发症占据了全球10%的医疗问题。其中膝关节骨关节炎最为严重，致残风险极高。尽早发现并介入治疗对于缓解其症状，减少其危害有着至关重要的意义。本文收集了大量膝关节DR影像数据，对获得的数据进行多种纹理特征和融合特征的提取，将提取的特征向量进行各种组合作为输入训练SVM模型，我们使用网格搜索法进行了进行参数寻优。训练完成的模型在测试集上的准确率最高可以达到84.29%，具有良好的智能分类诊断性能。使用训练完的SVM模型，可以有效的对膝关节骨性关节炎进行分级，辅助医生进行诊断，对膝关节骨关节炎的早期诊断，尽早介入治疗有着重要意义。

关键词：SVM;纹理特征;融合特征;特征选择

基金资助：国家重点研发计划(2017YFB1303203)；江苏省研究生研究与实践创新计划(JX12413673)