基于Adaboost-決策樹算法的乳腺微鈣化區(qū)域真假陽性檢測(cè)

申楠，邢素霞，何湘萍，潘子妍，王瑜

1.北京工商大學(xué)人工智能學(xué)院，北京100048；2.北京海淀婦幼保健院乳腺病防治中心，北京100080

前言

乳腺癌作為一種具有高發(fā)病率和死亡率的惡性腫瘤，已成為威脅全球女性健康甚至生命的主要?dú)⑹?。乳腺癌的早期病癥在乳腺鉬靶圖像中主要表現(xiàn)為微鈣化點(diǎn)。乳腺鉬靶圖像中存在較多的乳腺纖維組織，其在圖像中表現(xiàn)為高亮區(qū)域，而微鈣化區(qū)域在圖像中表現(xiàn)為細(xì)小的高亮區(qū)域，因此乳腺纖維組織和微鈣化區(qū)域在亮度即灰度值上易混淆，增大了乳腺鉬靶圖像微鈣化區(qū)域的檢測(cè)難度。為此，很多研究在微鈣化區(qū)域檢測(cè)上做出了很多有意義的探索，如彭慶濤等［1］提出基于小波分析和灰度紋理特征相結(jié)合的微鈣化區(qū)域提取方法，微鈣化點(diǎn)檢出率為85%；商小寶［2］提出一種基于旋轉(zhuǎn)不變局部二值模式的早期乳腺鈣化點(diǎn)檢測(cè)方法，真陽性率為95.6%，假陽性率為5.6%；王科舉［3］利用周圍區(qū)域矩陣反映射乳腺微鈣化區(qū)域特征，并結(jié)合隨機(jī)森林分類器，特異性達(dá)到88%，曲線下面積達(dá)到0.922 4；Karale 等［4］提取乳腺微鈣化區(qū)域的密度特征、形狀特征、不變矩、Haralick 特征、基于方向梯度直方圖的特征，每幅圖像的平均誤報(bào)率為2.59%，并能達(dá)到100%的靈敏度；Suhail等［5］利用改進(jìn)的Fisher 線性判別方法對(duì)微鈣化區(qū)域進(jìn)行線性變換，平均準(zhǔn)確率達(dá)96%。這些研究均為微鈣化點(diǎn)的計(jì)算機(jī)輔助診斷的臨床應(yīng)用做出了貢獻(xiàn)。

為進(jìn)一步提高微鈣化區(qū)域的檢測(cè)準(zhǔn)確率，降低檢測(cè)假陽性率，本研究提出一種基于Adaboost-決策樹（Adaboost-Decision Tree,AB-DT）的乳腺微鈣化區(qū)域真假陽性檢測(cè)方法，并采用10 折交叉驗(yàn)證確定AB-DT模型的性能。

1 特征提取

乳腺鉬靶圖像為灰度圖像，鈣化點(diǎn)的形態(tài)各異，有管狀、圓形、爆米花狀、輪圈狀、桿狀、球狀、點(diǎn)狀和發(fā)育不良型［6］（圖1）。而乳腺組織區(qū)域中微鈣化點(diǎn)區(qū)域相對(duì)正常區(qū)域在紋理、灰度方面差異明顯［7］，因此可提取感興趣區(qū)域（Region of Interest,ROI）的紋理和灰度特征作為分類器的輸入特征。本研究提取ROI的Haralick 紋理特征和灰度游程矩陣特征建立特征集。

圖1 鈣化點(diǎn)類型Fig.1 Types of calcifications

1.1 Haralick紋理特征

Haralick 等［8］于1973年提出基于灰度共生矩陣的紋理特征統(tǒng)計(jì)方法?；叶裙采仃嚪从沉藞D像灰度分布關(guān)于方向、局部鄰域和變化幅度的綜合信息，由于灰度共生矩陣的數(shù)據(jù)量較大，一般不直接作為區(qū)分紋理的特征，而是把基于它構(gòu)建的一些統(tǒng)計(jì)量作為紋理分類特征。為簡(jiǎn)化特征提取的計(jì)算過程，僅對(duì)ROI內(nèi)每個(gè)像素與其8 鄰域所組成的像素對(duì)進(jìn)行統(tǒng)計(jì)，對(duì)應(yīng)距離d= 1，且不考慮方向角度。

利用灰度共生矩陣提取19 個(gè)特征參數(shù)，分別是［9］：能量、熵、對(duì)比度、相異性、相關(guān)性、自相關(guān)系數(shù)、突出聚類、陰暗聚類、差熵、差方差、同質(zhì)性、相關(guān)信息度1、相關(guān)信息度2、逆差距、最大概率、和平均、和熵、和方差以及平方和，定義如表1所示，表2為所用到的變量定義。

表2 Haralick紋理特征的變量描述Tab.2 Variable description of Haralick texture features

1.2 灰度游程矩陣

灰度游程矩陣統(tǒng)計(jì)圖像中某個(gè)方向上同灰度值g連續(xù)的像素長(zhǎng)度l的出現(xiàn)頻率，是一個(gè)二維統(tǒng)計(jì)矩陣［10］。設(shè)一個(gè)M×N大小圖像的統(tǒng)計(jì)矩陣為p(i,j|θ)，即在θ方向構(gòu)建的游程矩陣在(i,j)坐標(biāo)下的位置，Ng為最大像素值，Nr為不同的像素沿方向θ的行走距離［11］?；诨叶扔纬叹仃嚳梢杂?jì)算7 個(gè)紋理特征參數(shù)［12］：短游程優(yōu)勢(shì)、長(zhǎng)游程優(yōu)勢(shì)、長(zhǎng)游程不均勻性、游程百分比、灰度不均勻性、低灰度級(jí)游程優(yōu)勢(shì)和高灰度級(jí)游程優(yōu)勢(shì)，詳見表3。

表3 基于灰度游程矩陣的特征定義Tab.3 Feature definition based on grey-level run length matrix

2 AB-DT算法

2.1 Adaboost算法

Schapire 等［13］對(duì)Boosting 算法進(jìn)行改進(jìn)得到Adaboost算法。Adaboost算法運(yùn)用迭代的思想，在使用樣本訓(xùn)練集的過程中，挑選其中的關(guān)鍵分類特征，增加前一輪被錯(cuò)誤分類的樣本的權(quán)重，減小被正確分類的樣本的權(quán)重，重復(fù)多次，逐步訓(xùn)練各弱分類器，并采用加權(quán)多數(shù)表決的方法調(diào)整各弱分類器的權(quán)重，最終篩選出權(quán)重系數(shù)最小的弱分類器構(gòu)造成一個(gè)強(qiáng)分類器。

Adaboost 算法具有很強(qiáng)的適應(yīng)性和靈活性。弱分類器可以與大多數(shù)的分類器兼容，如決策樹、支持向量機(jī)、樸素貝葉斯以及K 最近鄰等算法，可根據(jù)實(shí)際應(yīng)用組合分類器，以獲得最佳的分類識(shí)別效果［14］。

2.2 決策樹

決策樹是一種重要的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘算法［15］。由于決策樹算法易于理解和實(shí)現(xiàn)，對(duì)噪聲數(shù)據(jù)具有良好的魯棒性，與此同時(shí)具有很好的預(yù)測(cè)性能，因此被廣泛用于各種實(shí)際領(lǐng)域。決策樹是一種分類樹結(jié)構(gòu)的預(yù)測(cè)模型，描述了對(duì)象屬性與對(duì)象值之間映射屬性關(guān)系。學(xué)習(xí)時(shí)，根據(jù)最小化損失函數(shù)的原則，利用訓(xùn)練集數(shù)據(jù)建立決策樹模型；預(yù)測(cè)時(shí)，利用決策樹模型對(duì)新的數(shù)據(jù)進(jìn)行分類。其中，單層決策樹（也稱決策樹樁）是一種較為典型的簡(jiǎn)單決策樹，只基于單個(gè)特征來做決策，僅有一次分裂的過程［16］，因此處理數(shù)據(jù)非常迅速、簡(jiǎn)單易行、實(shí)時(shí)性好，十分適合作為弱分類器。

3 實(shí)驗(yàn)過程及結(jié)果

3.1 數(shù)據(jù)來源

DDSM （Digital Database for Screening Mammography）是由南佛羅里達(dá)大學(xué)于1999年提供數(shù)字化乳腺圖像庫，該數(shù)據(jù)庫是一個(gè)高分辨率的乳腺鉬靶圖像標(biāo)準(zhǔn)數(shù)據(jù)庫，含2 620 個(gè)病例［17］。每個(gè)病例包含右側(cè)頭尾位、左側(cè)頭尾位、右側(cè)側(cè)斜位、左側(cè)側(cè)斜位這4個(gè)視圖的圖像（圖2）。每個(gè)視圖的標(biāo)注文件包含醫(yī)師手動(dòng)標(biāo)注的病灶區(qū)域、病灶類型、病灶等級(jí)等相關(guān)信息。

圖2 DDSM圖像Fig.2 Images from digital database for screening mammography

將來自DDSM 的圖像轉(zhuǎn)換格式后，從中手動(dòng)截取400 幅128×128 像素的ROI，其中200 幅為醫(yī)生標(biāo)注的鈣化區(qū)域圖像，另外200 幅為疑似鈣化區(qū)域圖像。如圖3所示，圖3a 為乳腺鉬靶的原始圖像，圖3b為用OVERLAY 文件生成的金標(biāo)準(zhǔn)圖像，圖3c 和圖3d 分別為從乳腺鉬靶圖像中截取的疑似鈣化區(qū)域和微鈣化區(qū)域圖像。

圖3 乳腺鉬靶圖像、對(duì)應(yīng)的金標(biāo)準(zhǔn)圖像及其所含的疑似鈣化區(qū)域和微鈣化區(qū)域放大圖Fig.3 Mammography,the corresponding gold standard image and the enlarged images of suspected calcification region and microcalcification region

3.2 AB-DT參數(shù)的確定

乳腺微鈣化區(qū)域檢測(cè)方法流程如圖4所示。提取圖像的Haralick 紋理特征及灰度游程矩陣特征，26維特征組成特征集來量化乳腺的微鈣化區(qū)域。決策樹作為弱分類器，通過Adaboost 集成算法生成強(qiáng)分類器AB-DT。

圖4 乳腺微鈣化區(qū)域檢測(cè)方法流程圖Fig.4 Flowchart of breast microcalcifications detection

在AB-DT 算法中，決策樹的數(shù)量k影響著分類器的性能，當(dāng)k值較小時(shí)，AB-DT 算法的分類誤差較大，算法分類性能差；而AB-DT 算法的復(fù)雜性與k值成正比，k值越大，算法的復(fù)雜度越高，運(yùn)行時(shí)間也越長(zhǎng)。在400幅ROI圖像中，隨機(jī)選取80%的ROI圖像作為訓(xùn)練集，剩余的20% 作為測(cè)試集。通過MATLAB 中的集成學(xué)習(xí)工具箱，搭建AB-DT 模型。設(shè)置決策樹的數(shù)量為500，繪制決策樹的數(shù)量與分類錯(cuò)誤率的關(guān)系曲線，如圖5所示。橫坐標(biāo)表示決策樹的數(shù)量，縱坐標(biāo)表示分類錯(cuò)誤率。

由圖5可知，當(dāng)k≥484 時(shí)，分類錯(cuò)誤率趨于穩(wěn)定，圖像存在多個(gè)分類錯(cuò)誤率最低點(diǎn)，綜合分類準(zhǔn)確率和運(yùn)算復(fù)雜度，決策樹的數(shù)量k應(yīng)設(shè)置為462（即第一個(gè)分類錯(cuò)誤率最低點(diǎn)的橫坐標(biāo)）。

圖5 決策樹數(shù)量與分類錯(cuò)誤率的關(guān)系曲線Fig.5 Relationship between the number of decision trees and classification error rate

3.3 評(píng)價(jià)標(biāo)準(zhǔn)

為驗(yàn)證和量化此分類算法的效果，采用準(zhǔn)確率（Accuracy）、敏感性（Sensitivity）、特異性（Specificity）、陽性預(yù)測(cè)值（Positive Predictive Value,PPV）、陰性預(yù)測(cè)值（Negative Predictive Value, NPV）及F1分?jǐn)?shù)（F1-score）對(duì)訓(xùn)練的模型進(jìn)行評(píng)價(jià)，其定義如下所示。

設(shè)陽性代表微鈣化區(qū)域，陰性表示非鈣化區(qū)域。式中，TP（True Positive,真陽性）表示測(cè)試集中被正確分類的微鈣化區(qū)域樣本個(gè)數(shù)；FP（False Positive,假陽性）表示測(cè)試集中被錯(cuò)誤分類的微鈣化區(qū)域樣本個(gè)數(shù)；TN（True Negative,真陰性）表示測(cè)試集中被正確分類的正常組織樣本個(gè)數(shù)；FN（False Negative,假陰性）表示測(cè)試集中被錯(cuò)誤預(yù)測(cè)的正常組織樣本個(gè)數(shù)。

3.4 實(shí)驗(yàn)結(jié)果及分析

采用10折交叉驗(yàn)證來驗(yàn)證所使用的AB-DT模型的性能，將樣本集中所有的樣本數(shù)據(jù)隨機(jī)分成10組，選擇其中9組數(shù)據(jù)作為訓(xùn)練樣本，訓(xùn)練出分類模型，最后1組樣本數(shù)據(jù)作為測(cè)試數(shù)據(jù)，驗(yàn)證訓(xùn)練的模型的準(zhǔn)確率。

將決策樹的數(shù)量設(shè)置為462，測(cè)試結(jié)果顯示模型分類準(zhǔn)確率為91.75%，敏感性為91.75%，特異性為91.79%，陽性預(yù)測(cè)值為92.35%，陰性預(yù)測(cè)值為91.56%，F(xiàn)1分?jǐn)?shù)為0.918 7。實(shí)驗(yàn)結(jié)果表明此模型具有較強(qiáng)的學(xué)習(xí)能力和泛化能力，并且具有較高的預(yù)測(cè)精度。

為進(jìn)一步驗(yàn)證AB-DT算法的魯棒性與有效性，將本文算法與其他文獻(xiàn)中所提方法進(jìn)行性能比較。Cai等［18］提出基于卷積神經(jīng)網(wǎng)絡(luò)的乳腺鈣化區(qū)域分類算法，該算法在中山大學(xué)附屬腫瘤醫(yī)院和南方醫(yī)科大學(xué)附屬南海醫(yī)院的數(shù)據(jù)庫上取得88.59%的準(zhǔn)確率，89.32%的精準(zhǔn)率，86.89%的特異性和88.43%的敏感性；王科舉［3］提出基于周圍區(qū)域矩陣的微鈣化區(qū)域檢測(cè)算法，在MIAS數(shù)據(jù)集上得到88.84%的準(zhǔn)確率，90.00%的敏感性和88.80%的特異性；蔡雅麗等［19］利用局部二值模式和灰度共生矩陣特征進(jìn)行乳腺鈣化檢測(cè)，支持向量機(jī)、隨機(jī)森林和Adaboost算法均可較好地區(qū)分正常樣本和鈣化樣本，檢測(cè)的準(zhǔn)確率分別為90.0%、81.5%、87.5%，敏感性分別為83.60%、78.40%、79.30%，特異性分別為91.10%、86.00%、87.00%；Chakravarthy等［20］提出螢火蟲算法進(jìn)行微鈣化區(qū)域的檢測(cè)，在MIAS數(shù)據(jù)庫中的實(shí)驗(yàn)準(zhǔn)確率為86.75%，敏感性為90.08%，特異性為83.42%，陽性預(yù)測(cè)值為86.78%，陰性預(yù)測(cè)值為90.21%，F(xiàn)1分?jǐn)?shù)為0.874 2。比較每種算法的準(zhǔn)確率、敏感性和特異性，本文提出的AB-DT算法在微鈣化區(qū)域檢測(cè)上具有更好的準(zhǔn)確率、敏感性、特異性。

4 結(jié)語

本研究針對(duì)微鈣化點(diǎn)檢查精度不高的問題，提出一種乳腺鉬靶圖像微鈣化真假陽性檢測(cè)的方法。首先提取ROI的Haralick紋理特征和灰度游程矩陣特征，然后結(jié)合Adaboost算法和決策樹算法，構(gòu)建強(qiáng)分類器ABDT對(duì)區(qū)域進(jìn)行分類，將微鈣化區(qū)域和正常組織分離開來，并通過10折交叉驗(yàn)證，驗(yàn)證了該分類方法的有效性，分類正確率高達(dá)91.75%。本研究提出的方法在輔助乳腺微鈣化點(diǎn)檢測(cè)中具有一定的臨床應(yīng)用價(jià)值。