基于多示例學(xué)習(xí)的超聲乳腺腫瘤良惡性分類.pdf

1、乳腺癌是當(dāng)今發(fā)病率最高的女性疾病之一，其對(duì)女性健康造成了嚴(yán)重的影響。在乳腺癌診斷與治療中，醫(yī)學(xué)超聲成像扮演著重要角色，它具有有效，安全，方便以及廉價(jià)等特性。近年來，計(jì)算機(jī)輔助診斷（CAD）技術(shù)越來越成為幫助醫(yī)生作出正確診斷的重要工具，在CAD系統(tǒng)中分類問題一直是主要難題之一。
　　本文將針對(duì)超聲乳腺腫瘤良惡性分類問題提出相應(yīng)的算法，文中引入多示例學(xué)習(xí)算法用于改進(jìn)一種現(xiàn)有算法同時(shí)在Citation-kNN算法的基礎(chǔ)上提出不同的加權(quán)決

2、策改進(jìn)。引入多示例學(xué)習(xí)算法使得在乳腺腫瘤診斷中可以忽略ROI（Region Of Interest感興趣區(qū)域）分割步驟，這樣既可以避免自動(dòng)分割算法不精確帶來的分類誤差，也可以很大程度上減少醫(yī)生提供訓(xùn)練樣本時(shí)手畫ROI的工作量。
　　1.“對(duì)腫瘤區(qū)域分割具有健壯性的乳腺腫瘤良惡性分類系統(tǒng)”改進(jìn)此部分主要針對(duì)“對(duì)腫瘤區(qū)域分割具有健壯性的乳腺腫瘤良惡性分類系統(tǒng)”進(jìn)行改進(jìn)，以便提供分類準(zhǔn)確性。此系統(tǒng)中分割算法所得到的ROI信息需要經(jīng)過較多

3、先驗(yàn)限制進(jìn)行過濾才能準(zhǔn)確得到腫瘤ROI，所以不適合于普遍分類情況。本文在此系統(tǒng)中粗提取的多ROI基礎(chǔ)上提出多種包結(jié)構(gòu)構(gòu)造方法，并利用多示例學(xué)習(xí)的方法替代原有基于局部紋理特征以及支持向量機(jī)（SVM）的分類算法，改進(jìn)后的系統(tǒng)適用性提高，且分類效果有所提升。
　　2.基于綜合局部加權(quán)的改進(jìn)算法此部分將針對(duì)一種常用多示例分類算法Citation-kNN進(jìn)行改進(jìn)。改進(jìn)前，本文詳細(xì)分析了特征空間中樣本的分布情況，并提出了相對(duì)距離，散亂程度以及