SVM：向从图像中提取的特征向量添加临床特征

Posted 2023-03-12

【中文标题】SVM：向从图像中提取的特征向量添加临床特征

【英文标题】：SVM: Adding Clinical Features To Feature Vector Extracted From Image

【发布时间】：2013-05-11 03:15:45

【问题描述】：

我正在使用 SVM 对属于两个不同组（患者与对照组）的患者的临床图像进行分类。我使用 PCA 从每个图像中提取特征向量，但我想添加其他临床信息（例如，临床检查的输出值）以便将其包含在分类过程中。 有没有办法做到这一点？ 我没有在文献中找到详尽的建议。 提前致谢。

【参考方案1】：

您可以在每个示例的末尾附加新信息。您可以尝试的其他方法是使用两个额外的分类器，一个您可以使用附加信息进行训练，第三个分类器将其他两个分类器的输出作为输入以产生最终预测。

【讨论】：

我想知道，是否有必要使用级联分类器。附加功能是否暗示您的 SVM 移动到适当的“决策空间”？如果你能分享你的经验，我会很感兴趣。

【参考方案2】：

这个问题已经很老了，不过我会发布我的答案。

如果您必须缩放值，请确保将新值缩放到 PCA 向量中的值的相似范围。 如果您的 PCA 特征向量具有恒定长度，您只需从长度 + 1 开始枚举您的特征，例如对于 SVM 输入（libsvm）：

1 1:<PCAval1> ... N:<PCAvalN> N+1:<Clinical exam value 1> ...

我做了一个测试，添加了这样的细胞识别通用特征并提高了准确性。

这个Guide 描述了如何使用枚举器功能。

附： 在我的测试中，我已经从显微镜图像中分离出细胞并将其压缩到一个 16x16 的矩阵中。该矩阵中的每个像素都是一个特征 - 256 个特征。此外，我还添加了一些功能，如原始大小、时刻等。