基于粒子群优化与多层感知机的乳腺肿瘤分类技术研究

• 作 者: 胡宝珠
• 出 处: 华南理工大学
• 发表日期: 2004年期
• 关键词: 乳腺肿瘤分类 BI-RADS 模糊推理 粒子群 多层感知机 随机森林

乳腺癌作为全球女性最常患的恶性肿瘤之一,是由乳腺组织发展而成的癌症。由于其较高的死亡率,乳腺癌的早期筛查和诊断显得尤为重要。超声成像技术凭借其实时便捷、价格低廉、无辐射创伤等优势,成为乳腺肿瘤早期筛查的重要手段,可以极大程度地避免不必要的活检。由于超声图像的读取严重依赖于超声科医师自身的经验水平,培养经验丰富的超声科医师需要耗费极大的心力物力,因此计算机辅助诊断系统应运而生。然而,传统的辅助诊断系统都是基于低级图像特征,当超声图像来自不同设备源时,诊断系统的性能急剧下降。此外,其诊断结果常常难以被医师理解和接受。据此,本文提出了人机协同CAD机制以克服上述传统方法中存在的缺陷,但此方法严重依赖于人工评分的效果。对于同一张乳腺肿瘤超声影像,经验水平有所差异的医师可能会给出不同的评分分数,最终对分类结果造成不利影响;同时,医生打分具有主观判断性。上述问题在一定程度上,限制了超声乳腺肿瘤分类技术在乳腺癌早期筛查与诊断中的临床应用和推广。针对传统辅助诊断系统中使用的低级图像特征与医师理解的高级语义特征中的巨大语义鸿沟,本文结合专家经验,提出了一种基于BI-RADS超声特征打分方案的诊断系统。通过使用双聚类算法和模糊推理来模拟超声医师的诊断过程,后续结合粒子群算法对系统参数进行优化,从而建立可解释性强、可靠性高的乳腺肿瘤良恶性分类系统。接着,针对不同经验水平超声科医师存在的认知差异可能对分类结果造成影响这一问题,提出了基于因果推理与多层感知机的乳腺肿瘤评分数据修正方法,尽可能地降低错误评分造成的误分类影响,后续使用随机森林对超声乳腺肿瘤进行诊断。本文使用1488例超声乳腺肿瘤病例对所提方法进行实验验证。实验结果表明,所提的两种方案均具有较优的诊断性能,能够为超声科医师的临床诊断提供有价值的帮助。