A Disease Diagnostic Assistant System Using DTI and Extreme Learning Machine
A Disease Diagnostic Assistant System Using DTI and Extreme Learning Machine
复制标题
基于DTI和极限学习机的疾病诊断辅助系统
DOI：
10.12720/jait.7.2.129-133
复制
发表时间：
2016
影响因子：
1
通讯作者：
Jinxing Hu
中科院分区：
文献类型：
--
作者：
Shuqiang Wang;Dewei Zeng;Yanyan Shen;Jinxing Hu
应用弥散张量成像（DTI）来评估脑和脊髓相关疾病的兴趣越来越大。在本研究中，采用DTI数据和极限学习机识别脊髓脊髓型颈椎病（CSM）的水平。在这项工作中，有40名志愿者，其中包括20名健康人和20名年龄从24岁到81岁的CSM患者。实验结果表明，基于极限学习机的分类器检测CSM患者的准确率为93.6%，灵敏度为91.2%，特异性为94.7%。目前的工作揭示了将扩散张量成像与极限学习机结合使用来自动分类健康受试者和脑和脊髓相关疾病受试者的潜力。
There is a growing interest in applying diffusion tensor imaging (DTI) to the evaluation of brain and spinal cord related disease. In the present study, the DTI data and extreme learning machine were employed to identify the levels with cervical spondylotic myelopathy (CSM) in spinal cord. In this work, there are 40 volunteers including 20 healthy people and 20 patients with CSM ranging from 24 to 81 years old. Experiment results show that the extreme learning machine based classifier performs well in detecting the patients with CSM (accuracy 93.6%, sensitivity: 91.2%, specificity 94.7%). The current work reveals the potential of using diffusion tensor imaging in conjunction with extreme learning machine to automate the classification of healthy subjects and subjects with brain and spinal cord related disease.
登录
查看更多内容
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
L. C. Kasun;Hongming Zhou;G. Huang;C. Vong
通讯作者：
L. C. Kasun;Hongming Zhou;G. Huang;C. Vong
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
P. Hagmann;L. Jonasson;P. Maeder;J. Thiran;V. Wedeen;R. Meuli
通讯作者：
P. Hagmann;L. Jonasson;P. Maeder;J. Thiran;V. Wedeen;R. Meuli
影响因子：
6
作者：
Huang, Guang-Bin;Zhu, Qin-Yu;Siew, Chee-Kheong
通讯作者：
Siew, Chee-Kheong
影响因子：
14.5
作者：
Stam, C. J.;de Haan, W.;Scheltens, P.
通讯作者：
Scheltens, P.
DOI：
10.1109/tsmcb.2008.2010506
发表时间：
2009-08-01
影响因子：
--
作者：
Rong, Hai-Jun;Huang, Guang-Bin;Saratchandran, P.
通讯作者：
Saratchandran, P.