基于核方法的乳腺結(jié)節(jié)輔助診斷的研究.pdf

1、乳腺癌是一種常發(fā)于女性的癌癥類型，其正成為世界上導(dǎo)致婦女死亡的主要病因。目前人們尚不完全了解乳腺癌的病因，因此早發(fā)現(xiàn)、早治療對于提高此病的存活率具有深遠意義。惡性乳腺結(jié)節(jié)也就是人們常說的乳腺癌，但無論是良性的結(jié)節(jié)還是惡性的乳腺結(jié)節(jié)，都會使患者的身心健康受到威脅。準確地鑒別乳腺結(jié)節(jié)的性質(zhì)對下一步的治療至關(guān)重要。因此，如何利用計算機輔助診斷技術(shù)來盡可能地幫助醫(yī)生診斷此病是本文的研究目的。
　　20世紀90年代，核函數(shù)方法（簡稱核方法）

2、在模式識別與機器學(xué)習(xí)領(lǐng)域引起了廣泛地關(guān)注。隨著核函數(shù)的理論發(fā)展不斷趨于成熟，許多表現(xiàn)優(yōu)異的算法都與核函數(shù)的加入有關(guān)。因此，本文主要采用基于核方法的相關(guān)算法來輔助診斷乳腺結(jié)節(jié)的良惡性。乳腺結(jié)節(jié)超聲圖像屬于高維數(shù)據(jù)，如果不對其做任何處理，而直接訓(xùn)練分類器，將會導(dǎo)致維度災(zāi)難與效率低下等問題。因此為了提高分類精度與分類效率，將原本高維的超聲圖像進行維度歸約是非常有必要的。本文的主要工作如下：
　　1）本文研究了主成分分析、線性判別分析、核

3、主成分分析和高斯過程隱變量模型這幾種經(jīng)典的降維方法。本文使用主成分分析、核主成分分析和高斯過程隱變量模型對乳腺結(jié)節(jié)圖像進行降維實驗。經(jīng)過詳細地理論分析與實驗對比，本文最終選取了高斯過程隱變量模型的降維結(jié)果作為分類器的輸入數(shù)據(jù)。
　　2）本文將經(jīng)過高斯過程隱變量模型降維后的圖像數(shù)據(jù)進行五次隨機的有放回采樣，最終將得到五組不同的訓(xùn)練集和測試集進行模型平均。本文提出了三種不同的分類方法來構(gòu)建分類模型，即K-近鄰、決策樹和支持向量機方法，