基于機(jī)器學(xué)習(xí)的宮頸細(xì)胞分類(lèi)技術(shù)研究.pdf

1、宮頸癌是女性中最常見(jiàn)的第二大癌癥，每年有超過(guò)250，000個(gè)死亡病例，尤其在發(fā)展中國(guó)家，每年都有大量的新增病例，而這其中有四分之一左右來(lái)自于中國(guó)。雖然宮頸癌發(fā)病率高，但是幸運(yùn)的是，宮頸癌在初期有一個(gè)相對(duì)較長(zhǎng)的病變期，使得早期的篩查以及及時(shí)的治療能夠在很大程度上增加治愈率，因此宮頸癌篩查對(duì)于女性健康非常重要。宮頸癌的篩查方法有很多種，最常用的一種方法是巴氏涂片檢測(cè)，然而這種方法依賴于人工閱片，而這種人工閱片的方式會(huì)產(chǎn)生一系列問(wèn)題，比如使得

2、工作醫(yī)師工作量大，篩查的成本極高，篩查結(jié)果的可靠性和準(zhǔn)確性受到工作醫(yī)師的專(zhuān)業(yè)技術(shù)和主觀情緒的影響等。因此將計(jì)算機(jī)技術(shù)和宮頸癌篩查相結(jié)合的自動(dòng)化篩查研究對(duì)于宮頸癌的防治有重要意義。
　　宮頸癌的自動(dòng)化篩查技術(shù)主要分為五步，分別是宮頸細(xì)胞圖像的預(yù)處理、分割、特征提取、特征選擇和分類(lèi)識(shí)別。
　　在宮頸癌的自動(dòng)化篩查技術(shù)的研究中，很多的研究將重點(diǎn)放在了圖像分割和特征提取中，并取得了很好的效果。但在特征選擇和分類(lèi)識(shí)別方面，研究工作仍有

3、不足，因此，本文的研究主要是針對(duì)宮頸細(xì)胞圖像的特征選擇和分類(lèi)識(shí)別。本文的第一個(gè)研究重點(diǎn)是提出一種基于 ReliefF特征選擇和隨機(jī)森林分類(lèi)識(shí)別的宮頸細(xì)胞自動(dòng)分類(lèi)方法。在特征選擇階段，利用 ReliefF方法對(duì) Herlev數(shù)據(jù)集中的20維特征進(jìn)行權(quán)重排序；在分類(lèi)階段，隨機(jī)森林方法將Herlev數(shù)據(jù)分為兩大類(lèi)：正常細(xì)胞和異常細(xì)胞，并利用不同維數(shù)的特征訓(xùn)練分類(lèi)器。經(jīng)過(guò)交叉驗(yàn)證后，實(shí)驗(yàn)結(jié)果顯示隨機(jī)森林方法在前13維特征時(shí)取得最好的分類(lèi)效果，并

4、且優(yōu)于樸素貝葉斯方法、C4.5方法和邏輯回歸方法。
　　大部分已有的研究都是基于訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)的概率同分布假設(shè)前提，然而在實(shí)際的應(yīng)用中，宮頸細(xì)胞數(shù)據(jù)的分布可能受到地域、年齡等因素的影響，使得原有的分類(lèi)器不能很好地適應(yīng)新的測(cè)試數(shù)據(jù)，從而造成分類(lèi)結(jié)果有一定的偏差，因此本文的第二個(gè)研究重點(diǎn)是將遷移學(xué)習(xí)引入到宮頸細(xì)胞的分類(lèi)中。遷移學(xué)習(xí)方法在訓(xùn)練分類(lèi)器時(shí)，可根據(jù)宮頸細(xì)胞實(shí)際的分布對(duì)分類(lèi)器進(jìn)行調(diào)整，使分類(lèi)結(jié)果更貼合實(shí)際。本文實(shí)現(xiàn)了兩種遷移

5、學(xué)習(xí)方法在宮頸細(xì)胞上的分類(lèi)：第一個(gè)方法是基于偏差更正的宮頸細(xì)胞分類(lèi)方法，該方法根據(jù)源域和目標(biāo)域數(shù)據(jù)的分布，從源域中選擇出更接近目標(biāo)域的數(shù)據(jù)，然后將其加入目標(biāo)域得到新的訓(xùn)練數(shù)據(jù)集，并在新的數(shù)據(jù)集上建立新的分類(lèi)模型，使其更適合目標(biāo)域。第二個(gè)方法是基于多模型局部加權(quán)的宮頸細(xì)胞分類(lèi)方法，該方法利用目標(biāo)域中數(shù)據(jù)樣本的分布對(duì)基礎(chǔ)分類(lèi)器設(shè)置不同的權(quán)重，并將多個(gè)帶權(quán)重的基礎(chǔ)分類(lèi)器構(gòu)造成一個(gè)強(qiáng)分類(lèi)器。通過(guò)交叉驗(yàn)證的實(shí)驗(yàn)方式對(duì)提出的兩種方法進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)