結(jié)合代價(jià)敏感與半監(jiān)督學(xué)習(xí)的乳腺癌輔助診斷算法研究.pdf

1、在女性的惡性腫瘤中，乳腺癌是僅次于肺癌的第二大癌癥。乳腺X線圖像是乳腺癌早期診斷中最重要的技術(shù)之一，但由于圖片質(zhì)量低劣或人為疏忽，X線圖像中的很多病變不能放射專家所發(fā)現(xiàn)，因此需要設(shè)計(jì)計(jì)算機(jī)輔助診斷(CAD)系統(tǒng)來幫助放射專家進(jìn)行診斷。本文主要針對CAD系統(tǒng)中的模式表示、特征選擇和分類器設(shè)計(jì)進(jìn)行研究，以實(shí)現(xiàn)對微鈣化簇病變類型的診斷。主要做了以下工作： 1、針對微鈣化簇病變區(qū)域，在前人工作的基礎(chǔ)上提取了131個(gè)表示模式，其主要分為兩

2、類，包括了80個(gè)紋理特征和51個(gè)空間域特征（包含多尺度特征）。 2、改進(jìn)了代價(jià)敏感的選擇性集成（CSSE）特征選擇算法。CSSE算法存在著效率較低、特征子集維數(shù)不穩(wěn)定等問題，針對這些缺點(diǎn)，本文改進(jìn)了CSSE算法。改進(jìn)算法采用后向添加特征方法，優(yōu)先選擇對判別性能貢獻(xiàn)最大的特征，減少了特征間的相關(guān)信息和冗余信息，降低了計(jì)算復(fù)雜度，提高了選擇效率和集成后特征集合的穩(wěn)定性。 3、將半監(jiān)督學(xué)習(xí)引入到分類器設(shè)計(jì)中。乳腺癌普查產(chǎn)生了大

3、量未標(biāo)記樣本，而現(xiàn)有的乳腺癌輔助診斷系統(tǒng)缺乏對這些未標(biāo)記樣本的有效利用。本文引入的半監(jiān)督學(xué)習(xí)能充分學(xué)習(xí)原本浪費(fèi)的無標(biāo)記樣本信息，同時(shí)考慮到良惡性樣本的不同錯(cuò)分代價(jià)，將代價(jià)敏感學(xué)習(xí)結(jié)合到分類器設(shè)計(jì)中，設(shè)計(jì)了半監(jiān)督的代價(jià)敏感支持向量機(jī)。 4、在分類器設(shè)計(jì)中引入了多視角學(xué)習(xí)。乳腺癌X光片存在兩類弱相關(guān)特征，現(xiàn)有的輔助診斷算法只是簡單地將兩類特征直接拼接成向量進(jìn)行分類器設(shè)計(jì)，忽略了X光片特征的多視角性。本文引入了一種典型的多視角學(xué)習(xí)算法