基于神經(jīng)網(wǎng)絡(luò)和ＳＶＭ的微鈣化簇分類方法

摘要：乳腺X光片中的微鈣化簇檢測和分類是乳腺癌診斷過程中非常重要的步驟。文章提出了一種用于數(shù)字化乳腺X光片中微鈣化簇的良惡性判斷的計(jì)算機(jī)自動檢測方法。檢測通過三個步驟實(shí)現(xiàn)：團(tuán)簇檢測、特征提取、分類。在分類階段，使用基于規(guī)則的系統(tǒng)對原始的特征集增強(qiáng)，利用人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)分類技術(shù)，分類結(jié)果使用ROC曲線來評價。試驗(yàn)結(jié)果表明，SVM算法的分類性能高于神經(jīng)網(wǎng)絡(luò)分類方法，其中增強(qiáng)后的特征集只對神經(jīng)網(wǎng)絡(luò)分類方法起作用。

關(guān)鍵詞：支持向量機(jī)(SVM)；微鈣化簇分類；人工神經(jīng)網(wǎng)絡(luò)(ANN)；受試者工作特征(ROC)

引言

CAD系統(tǒng)可以為放射科醫(yī)生提供一個可靠的第二意見，該系統(tǒng)結(jié)合圖像分析和人工智能技術(shù)，目的是提供準(zhǔn)確的、客觀的、可移植的乳腺X光片解釋。相應(yīng)的解釋程序需要解決兩個主要問題，第一個問題是需要對數(shù)字化的乳腺X光片進(jìn)行預(yù)處理和檢測出包含可疑病灶的ROI區(qū)域。這個問題或者由計(jì)算機(jī)系統(tǒng)自動來實(shí)現(xiàn)或者由放射科醫(yī)生人工完成，目前已經(jīng)提出很多種特征提取方法，比如數(shù)學(xué)形態(tài)學(xué)分析，紋理特征提取，分形，直方圖統(tǒng)計(jì)學(xué)和小波分析等等，其中很多方法得到了較高的分類性能。第二個問題相比起來更加困難，要判斷病灶是良性的還是惡性的?，F(xiàn)也已經(jīng)提出了一些方法，比如決策樹、線性判別式分析、k近鄰法和人工神經(jīng)網(wǎng)絡(luò)。

本文提出了判斷微鈣化簇為良性或惡性的計(jì)算機(jī)自動檢測方法。這個方法包括了三個步驟：首先，執(zhí)行團(tuán)簇檢測程序判斷微鈣化團(tuán)簇；其次，計(jì)算這些團(tuán)簇的重要特征；最后，將這些特征作為分類系統(tǒng)的輸入以提供最后的診斷結(jié)果。基于神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的兩種不同的分類計(jì)劃用于實(shí)現(xiàn)和測試，分類器的性能使用ROC曲線來評估。

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文