基于群智能算法優(yōu)化的超聲乳腺腫瘤圖像識(shí)別.pdf

1、近幾年來女性乳腺癌死亡率逐年提高，若能及早發(fā)現(xiàn)征狀并給予治療有助于提高術(shù)后的存活率。傳統(tǒng)的穿刺刮片等腫瘤檢查耗時(shí)且是具有傷害性的檢查方式。超聲波檢查為目前常見的乳腺腫瘤檢測(cè)方法之一，具有非侵入性、價(jià)格較低、檢查方便等優(yōu)點(diǎn)。但超聲波乳腺腫瘤圖像需要有經(jīng)驗(yàn)的醫(yī)生判斷才能夠有效分辨腫瘤的良惡性，且不同醫(yī)生間診斷差異較大。近年來計(jì)算機(jī)輔助診斷的出現(xiàn)為提高腫瘤診斷的準(zhǔn)確性和一致性提供了有效的手段，但存在特征篩選復(fù)雜、訓(xùn)練優(yōu)化時(shí)間長(zhǎng)等問題。本文提出

2、了2種結(jié)合特征篩選及分類器參數(shù)設(shè)定的群智能優(yōu)化方法，用以縮短超聲波腫瘤圖像輔助診斷系統(tǒng)的訓(xùn)練時(shí)間，并提高良惡分類的正確率。
　　本文的主要研究?jī)?nèi)容及創(chuàng)新包括以下兩個(gè)部分：
　　1．提出以人工蜂群算法結(jié)合支持向量機(jī)的計(jì)算機(jī)輔助診斷系統(tǒng)，進(jìn)行超聲波乳腺腫瘤圖像分類。乳腺超聲圖像經(jīng)過噪聲抑制、邊緣增強(qiáng)與自動(dòng)分割等技術(shù)處理后，計(jì)算感興趣區(qū)域的多種紋理特征和幾何特征，并利用支持向量機(jī)來判斷腫瘤的良惡性。算法的關(guān)鍵在于利用人工蜂群算法的

3、生成加檢驗(yàn)特性的迭代搜索算法，模擬食物源的更新過程得到最優(yōu)化問題的解，通過人工蜂群算法進(jìn)行特征篩選和分類器參數(shù)的同時(shí)優(yōu)化?；谧圆杉某暼橄倌[瘤圖像庫(kù)，實(shí)驗(yàn)結(jié)果顯示提出方法對(duì)腫瘤的良惡性判斷正確率為92.53％，對(duì)腫瘤分類的靈敏度達(dá)91.67%，表明系統(tǒng)對(duì)腫瘤良惡性的判斷具有較高正確率，并且能夠減少支持向量機(jī)的訓(xùn)練時(shí)間。
　　2．為了進(jìn)一步提高分類的準(zhǔn)確率，基于人工免疫算法的復(fù)制選擇特性，提出了一套人工免疫算法結(jié)合支持向量機(jī)的方

4、法，用以提高超聲波腫瘤圖像輔助診斷系統(tǒng)的性能。其圖像預(yù)處理和特征計(jì)算過程基本同上，使用支持向量機(jī)來識(shí)別腫瘤良惡性，但采用人工免疫算法進(jìn)行特征篩選及優(yōu)化選擇支持向量機(jī)的參數(shù)。實(shí)驗(yàn)結(jié)果顯示，本文所提出的方法對(duì)惡性腫瘤的敏感性指標(biāo)為97.78%；良性腫瘤的敏感性指標(biāo)為93.33%；惡性腫瘤的預(yù)測(cè)指標(biāo)為91.67%；良性腫瘤的預(yù)測(cè)指標(biāo)為98.25%，有效提高乳腺腫瘤良惡性判斷的正確率。同時(shí)算法的應(yīng)用可使支持向量機(jī)的訓(xùn)練時(shí)間大幅縮短，相較蜂群算法