基于超声射频信号的支持向量机双参量B线识别方法*

肺超声中的特殊征象B线对于临床诊断肺水肿等肺部疾病有重要意义,但诊断结果依赖于医生的主观判断,为了客观、自动地识别B线,提高诊断准确率,本文提出了一种基于超声回波射频信号的肺脏超声特殊征象B线识别方法。本文首先选取了射频信号的排列熵、信息熵、峰度、偏度、能量作为特征参数,利用独立样本t检验和单参数贝叶斯分类的方法检验超声射频数据中B线以及非B线所对应射频数据的各个参量的差异性以及各参数与B线识别的相关性。然后将不同的双参量组合输入非线性支持向量机（SVM）中进行分类,比较各个组合的分类效果。结果显示信息熵与排列熵参数组合基于射频信号的分类效果最好,分类灵敏度为90.521%,特异性为98.106%,准确率为96.328%,AUC等于0.95。在引入后处理算法后,B线识别效果有进一步提升,得到分类平均灵敏度为95.23%,平均特异性为97.22%,平均准确率为96.88%。研究结果表明基于射频数据的SVM双参量B线识别方法对辅助临床诊断具有重要价值,信息熵和排列熵的组合可以有效的对特殊征象B线进行高精度识别。