人工神经网络和支持向量机性能比较及其在DMD疾病识别中的应用

来源：上海理工大学学报杂志2016年第4期北京时间：

作者：章鸣嬛

单位：上海理工大学 光电信息与计算机工程学院, 上海 200093;上海杉达学院 信息科学与技术学院, 上海 201209,上海杉达学院 信息科学与技术学院, 上海 201209,上海交通大学 医学院附属新华医院, 上海 200092,上海理工大学 光电信息与计算机工程学院, 上海 200093

摘要：对人工神经网络（ANN）和支持向量机（SVM）这两种机器学习方法进行了分析与比较，并分别利用两种算法对神经肌肉罕见病DMD的磁共振图像（MRI）数据进行建模、分类预测.经对比后得出结论：两种算法结果均表明，DMD的两类MRI（T1和T2）中，T1更具特征性，故此类患者的MRI检查可仅进行T1扫描；若能选择合适的模型参数，则两种算法模型均具有极好的分类预测效果，其灵敏度、特异度和准确率分别高达98.5%，97.3%，97.9%和96.9%，97.3%，97.1%；利用机器学习方法对DMD患者的MRI进行分析处理可作为该病无创检测的技术探索，有望为临床提供客观有效的辅助诊断手段.

关键词：人工神经网络;支持向量机;DMD疾病;磁共振图像;分类预测

基金资助：上海市民办高校重点科研项目（2016-SHNGE-01ZE）；IBM大学合作部联合研究项目（D-2111-15-001）