脑胶质瘤影像组学特征选择方法研究

目录

声明

1 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 本文主要工作

1.4 论文组织结构

2 相关基础与技术

2.1 影像组学

2.2 特征提取

2.3 特征选择

2.3.1 组内相关系数

2.3.2 F-Score

2.3.3 信息增益

2.3.4 遗传算法

2.4 分类算法

2.4.1 并行集成方法（Bagging）

2.4.2 随机森林（Random Forest, RF）

2.4.3 序列集成方法（Boosting）

2.4.4 Lightgbm

2.5 本章小结

3 基于遗传算法的多级特征选择方法

3.1 特征间关系

3.1.1 相关性特征

3.1.2 冗余性特征

3.1.3 稳定性特征

3.2 MSOM-GA算法

3.2.1 一级特征选择算法

3.2.2 多级特征选择算法

3.3 实验设计

3.3.1 实验数据

3.3.2 实验方法

3.4 实验结果分析

3.4.1 评价指标

3.4.2 结果分析

3.5 本章小结

4 改进的多级特征选择算法

4.1 遗传算法的问题

4.2 MSOM-IAGA算法

4.2.1 改进的自适应遗传算法

4.2.2 基于改进算法的多级特征选择方法

4.3 实验设计

4.4 实验结果分析

4.5 本章小结

5 总结与展望

5.1 本文工作总结

5.2 下一步工作展望

参考文献

个人简历、攻读硕士期间已发表的学术论文及研究成果

致谢