基于遺傳算法-支持向量機(jī)的兔肝VX2腫瘤光譜鑒別

劉晨陽(yáng)， 許黃蓉， 段 峰， 王泰升， 盧振武， 魚衛(wèi)星

1. 中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所精密儀器與裝備研發(fā)中心, 吉林 長(zhǎng)春 130033 2. 中國(guó)科學(xué)院大學(xué), 北京 100049 3. 中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所， 中國(guó)科學(xué)院光譜成像技術(shù)重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710119 4. 中國(guó)人民解放軍總醫(yī)院介入放射科， 北京 100853

引 言

原發(fā)性肝癌(primary liver cancer, PLC)， 簡(jiǎn)稱肝癌， 是全球最常見的惡性腫瘤之一， 目前PLC診斷的金標(biāo)準(zhǔn)仍是病理組織學(xué)或細(xì)胞學(xué)檢查， 影像學(xué)檢查包括超聲影像檢查、 多期動(dòng)態(tài)增強(qiáng)CT(X射線斷層掃描)、 動(dòng)態(tài)對(duì)比增強(qiáng)磁共振(MRI)掃描， 其中MRI肝膽特異性對(duì)比劑增強(qiáng)掃描是目前國(guó)際上公認(rèn)的比較準(zhǔn)確的影像學(xué)檢查方法[1-2]。 外科手術(shù)切除是治療肝癌的主要方法， 而手術(shù)切除過(guò)程中對(duì)腫瘤邊界部位及范圍的判定極為重要， 切除范圍過(guò)小可能會(huì)造成術(shù)后腫瘤殘余， 切除范圍過(guò)大則會(huì)造成殘余肝臟體積變小、 肝儲(chǔ)備功能下降。 因此， 臨床急需一種可以快速、 準(zhǔn)確、 實(shí)時(shí)的分辨腫瘤組織和正常肝臟組織的新方法， 以便更準(zhǔn)確地判斷手術(shù)切除邊界， 使患者更好地獲益。

光譜技術(shù)的快速、 無(wú)損、 實(shí)時(shí)等特性， 使其逐漸成為生物組織識(shí)別和診斷領(lǐng)域的研究熱點(diǎn)。 衰減全反射傅里葉變換紅外光譜技術(shù)對(duì)甲狀腺疾病、 乳腺疾病、 大鼠膽固醇以及肺癌篩查等良、 惡性組織具有較高的鑒別能力[3-7]。 同時(shí)， 不斷發(fā)展的機(jī)器學(xué)習(xí)也被應(yīng)用于各種領(lǐng)域， 如瓷器、 護(hù)膚品等光譜數(shù)據(jù)分析[8-10]。 機(jī)器學(xué)習(xí)僅僅依靠識(shí)別模式和推理便可從復(fù)雜且龐大的數(shù)據(jù)集中發(fā)現(xiàn)并識(shí)別出特定的模式， 快速實(shí)現(xiàn)相應(yīng)的目的。 支持向量機(jī)[11]由Vapnik等首先提出了在高維空間使用線性函數(shù)的學(xué)習(xí)系統(tǒng)， 已被廣泛用于腫瘤細(xì)胞和正常細(xì)胞之間或者不同類型細(xì)胞之間的分類。

VX2腫瘤[12-13]是一種可移植在兔的肝臟、 肺臟、 骨骼肌肌肉等處的可移植惡性乳頭狀瘤， 而且其具有血供豐富、 生長(zhǎng)迅速、 易侵襲周邊組織和轉(zhuǎn)移的特點(diǎn)， 被廣泛的應(yīng)用于肝臟惡性腫瘤的實(shí)驗(yàn)研究中。 本工作對(duì)肝VX2腫瘤組織和正常肝組織進(jìn)行活體和離體的高光譜分析， 并分別用5折交叉驗(yàn)證和遺傳算法對(duì)支持向量機(jī)參數(shù)和核函數(shù)參數(shù)進(jìn)行優(yōu)化， 最后采用支持向量機(jī)分類算法進(jìn)行模型構(gòu)建， 以期實(shí)現(xiàn)正常肝組織與肝VX2腫瘤組織的活體和離體的判別診斷， 為光譜技術(shù)應(yīng)用于肝癌的診斷提供理論依據(jù)， 同時(shí)提出采用間隔選取變量的方法不斷減少特征變量， 最終判斷是否可以應(yīng)用多光譜技術(shù)的方法來(lái)進(jìn)行肝VX2腫瘤組織和正常肝組織的鑒別， 為算法的效率進(jìn)一步提升進(jìn)行了有益探索。

1 實(shí)驗(yàn)部分

1.1 儀器與軟件

動(dòng)物實(shí)驗(yàn)得到了中國(guó)人民解放軍總醫(yī)院倫理委員會(huì)的批準(zhǔn)， 并按照中國(guó)人民解放軍醫(yī)學(xué)院制定的動(dòng)物實(shí)驗(yàn)指南進(jìn)行實(shí)驗(yàn)。 對(duì)4只雄性患有VX2肝癌的新西蘭大白兔進(jìn)行實(shí)驗(yàn)， 實(shí)驗(yàn)中采集過(guò)程如圖1所示： 光譜儀器采用美國(guó)ASD(Analytical Spectral Devices, Inc.)公司生產(chǎn)的Fieldspec4 型高分辨光譜儀， 波長(zhǎng)范圍為300～2 500 nm, 光譜分辨率3 nm。 光源為5 W的鹵素?zé)簦?波長(zhǎng)范圍為350～2 500 nm， 無(wú)線連接的筆記本電腦進(jìn)行數(shù)據(jù)的記錄和采集。 采用該儀器分別對(duì)VX2肝癌兔子的正常肝組織和肝癌組織進(jìn)行反射光譜采集。 反射探頭的光束直徑為5 mm, 在采集過(guò)程中分別垂直對(duì)準(zhǔn)待測(cè)兔子的VX2腫瘤組織和正常組織， 對(duì)每只兔子的活體正常肝組織、 活體VX2腫瘤肝組織、 離體正常帶血肝組織和離體VX2腫瘤帶血肝組織的不同部位分別進(jìn)行十次數(shù)據(jù)采集， 總共獲得160個(gè)樣本數(shù)據(jù)， 其中每次保存的數(shù)據(jù)均進(jìn)行十次平均。

圖1 用于測(cè)量兔肝VX2腫瘤組織和正常組織的實(shí)驗(yàn)裝置

1.2 支持向量分類

支持向量機(jī)[14-15]通過(guò)核函數(shù)定義特征映射關(guān)系， 將待分類的數(shù)據(jù)映射到更高維特征的空間中， 來(lái)實(shí)現(xiàn)簡(jiǎn)單的線性可分， 然后在這個(gè)空間中構(gòu)造最優(yōu)的分類面， 從而形成分類的決策規(guī)則。 SVM(支持向量機(jī))采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化(structural risk minimization, SRM)原則， 構(gòu)造最優(yōu)分離超平面來(lái)完成分類任務(wù)。 而很多情況下， 原始的樣本空間內(nèi)有可能找不到一個(gè)可以正確劃分出兩類樣本的超平面。 在二維空間也許很難找到劃分兩類樣本的超平面， 把樣本從二維空間映射到三維的特征空間， 或者更高維的空間， 使得樣本在此空間里存在這樣的超平面來(lái)正確劃分樣本。

選擇核函數(shù)、 相應(yīng)的核函數(shù)參數(shù)g， 懲罰因子c， 是支持向量機(jī)分類的三個(gè)可優(yōu)化選項(xiàng)。 多項(xiàng)式核函數(shù)和Sigmoid核函數(shù)相比高斯徑向核函數(shù)而言， 設(shè)置的參數(shù)較多， 從而增加了模型的不確定性和不穩(wěn)定性。 高斯徑向基核函數(shù)只需要設(shè)定一個(gè)參數(shù)， 對(duì)于模型的精度和穩(wěn)定性更容易控制。 因此， 選擇高斯徑向基核函數(shù)。 鑒于核函數(shù)參數(shù)g和懲罰因子c會(huì)對(duì)計(jì)算收斂速度和預(yù)測(cè)精度產(chǎn)生影響， 故分別采用交叉驗(yàn)證和遺傳算法對(duì)核函數(shù)參數(shù)g和懲罰因子c進(jìn)行優(yōu)化。

1.3 交叉驗(yàn)證優(yōu)化支持向量機(jī)參數(shù)

交叉驗(yàn)證即統(tǒng)計(jì)學(xué)中的無(wú)偏估計(jì)， 因?yàn)槠淠軌蛴行П苊饽Ｐ偷倪^(guò)擬合問題， 所以是目前最為常見的一種參數(shù)驗(yàn)證方式。 此外， 它還是機(jī)器學(xué)習(xí)建立模型和驗(yàn)證模型穩(wěn)定性的常用方法， 因此從其名字上就可以推斷出交叉驗(yàn)證是某樣本在校正集和預(yù)測(cè)集在交叉往復(fù)地使用。 根據(jù)樣本的切分方法不同， 交叉驗(yàn)證分為三種方法： 簡(jiǎn)單交叉驗(yàn)證, K折交叉驗(yàn)證(K-folder cross validation)， 留一交叉驗(yàn)證(leave-one-out cross validation)。 研究中選擇K-折交叉驗(yàn)證來(lái)多次驗(yàn)證尋找最優(yōu)的核函數(shù)參數(shù)g和懲罰因子c， 即支持向量機(jī)的分類參數(shù)， 其中K取5， 使其對(duì)兔肝的正常組織和VX2腫瘤組織的分類性能能夠得到很好的提高。

1.4 遺傳算法優(yōu)化支持向量機(jī)的分類參數(shù)

遺傳算法是通過(guò)模擬達(dá)爾文生物進(jìn)化論自然選擇和遺傳學(xué)機(jī)理來(lái)進(jìn)行搜索最優(yōu)解的一種方法。 其中， 染色體是遺傳物質(zhì)的主要載體， 而染色體是多個(gè)基因的集合。 由于基因編碼是非常復(fù)雜的， 所以通常用二進(jìn)制進(jìn)行編碼。 設(shè)置初代種群個(gè)數(shù)， 按照“物競(jìng)天擇, 適者生存, 優(yōu)勝劣汰”的原理， 來(lái)逐代演化出最優(yōu)解。 研究中設(shè)置初始種群規(guī)模為40， 最大遺傳代數(shù)100， 變異率為0.1， 根據(jù)設(shè)定的范圍對(duì)需要優(yōu)化的參數(shù)， 隨機(jī)產(chǎn)生初始種群。 遺傳代數(shù)計(jì)數(shù)器t=0開始。 把支持向量機(jī)的分類正確率作為目標(biāo)函數(shù)值， 計(jì)算種群中每個(gè)個(gè)體的適應(yīng)度。 若t>100或平均適應(yīng)度值變化持續(xù)小于某一常數(shù)超過(guò)一定代數(shù)， 則所得到的具有最大適應(yīng)的個(gè)體作為最優(yōu)解輸出， 得到優(yōu)化的參數(shù)。

2 結(jié)果與討論

2.1 反射光譜分析

圖2(a)是其中一只兔子的正常肝組織和VX2腫瘤組織未出血活體的高光譜反射數(shù)據(jù)曲線， 其中1—10為正常肝組織未出血活體的反射曲線， 11—20為VX2腫瘤組織未出血活體的反射曲線， 從圖中很明顯可以區(qū)分出正常肝組織和VX2腫瘤組織。 通過(guò)對(duì)比發(fā)現(xiàn)可以選擇400～1 800 nm區(qū)間的數(shù)據(jù)為特征變量， 其他區(qū)間因?yàn)闇y(cè)試系統(tǒng)噪聲較大， 會(huì)對(duì)分類造成一定的干擾。 圖2(b)包含了未出血活體正常肝組織、 未出血活體肝VX2腫瘤組織、 出血離體正常肝組織和出血離體肝VX2腫瘤組織： data1—data5為未出血活體正常肝組織， data6—data10為未出血活體肝腫瘤組織， data11—data15出血離體肝VX2腫瘤組織， data16—data20為出血離體正常肝組織。 為了更容易區(qū)分不同組織對(duì)應(yīng)的反射曲線的不同， 分別采用不同的顏色對(duì)應(yīng)不同組織來(lái)進(jìn)行光譜曲線繪制。 顯而易見， 對(duì)應(yīng)相同組織的反射曲線走勢(shì)基本一致， 而反射光譜強(qiáng)度的不同， 主要由反射探頭與待測(cè)表面相對(duì)位置誤差導(dǎo)致。 從反射曲線看， 正常肝組織和腫瘤組織的區(qū)別相對(duì)比較明顯。 分別用交叉驗(yàn)證優(yōu)化支持向量機(jī)分類和遺傳算法優(yōu)化支持向量機(jī)分類分別對(duì)活體和離體的正常肝組織、 腫瘤組織進(jìn)行二分類以及活體的正常肝組織和VX2腫瘤組織、 出血離體的正常肝組織和肝VX2腫瘤組織進(jìn)行四分類。

圖2 兔肝VX2腫瘤組織和正常組織的反射圖(a)和未出血活體正常肝組織、 未出血活體肝VX2腫瘤組織、 出血離體正常肝組織和出血離體肝VX2腫瘤組織的反射光譜圖(b)

2.2 SVM與SVM-GA的診斷潛力對(duì)比分析

進(jìn)行了兩種分類模式研究： (1) 對(duì)正常肝組織和肝腫瘤組織進(jìn)行二分類， 把活體正常肝組織和離體正常肝組織標(biāo)記為1號(hào)， 把離體肝VX2腫瘤組織和離體肝VX2腫瘤組織2號(hào)； (2) 對(duì)活體正常肝組織、 活體VX2腫瘤組織、 出血離體正常肝組織、 出血離體肝VX2腫瘤組織進(jìn)行四分類， 分別依次標(biāo)記為1號(hào)、 2號(hào)、 3號(hào)和4號(hào)。 采用5折交叉驗(yàn)證誤差e進(jìn)行評(píng)價(jià)診斷的潛力，e的定義為[16]

其中，N為樣本總數(shù)，N1為錯(cuò)誤識(shí)別的樣本數(shù)，N2為正確識(shí)別的樣本數(shù)。

在160個(gè)樣本中隨機(jī)選擇130個(gè)樣本為訓(xùn)練樣本， 30個(gè)為預(yù)測(cè)樣本。 首先進(jìn)行400～1 800 nm區(qū)間支持向量機(jī)的二分類和四分類， 采用5-k交叉驗(yàn)證方法優(yōu)化懲罰參數(shù)和核函數(shù)參數(shù)， 其預(yù)測(cè)集的分類結(jié)果分別如圖3(a,b)所示， 其中二分類優(yōu)化的懲罰參數(shù)c為4， 核函數(shù)參數(shù)g為0.125 0， 其校正集和預(yù)測(cè)集的準(zhǔn)確率分別達(dá)到了100%和100%， 見圖3(a)； 四分類中優(yōu)化出的參數(shù)c為8，g為0.121 1， 其校正集和預(yù)測(cè)集的準(zhǔn)確率都達(dá)到了99.242 4%和93.333%， 見圖3(b)。 說(shuō)明采用5-k交叉驗(yàn)證優(yōu)化參數(shù)進(jìn)行支持向量機(jī)二分類和四分類的模型準(zhǔn)確度很高， 從而也說(shuō)明了經(jīng)過(guò)5-k交叉驗(yàn)證優(yōu)化支持向量機(jī)參數(shù)進(jìn)行正常肝組織和VX2腫瘤組織在可見近紅外波段的支持向量機(jī)分類具有很高的可行性。

圖3 采用5-k交叉驗(yàn)證方法優(yōu)化SVM參數(shù)的預(yù)測(cè)集二分類(a)和四分類(b)

使用遺傳算法優(yōu)化支持向量機(jī)參數(shù)， 然后采用支持向量機(jī)進(jìn)行分類。 二分類和四分類中每代的最高適應(yīng)度和平均適應(yīng)度函數(shù)如圖4(a，b)所示， 二分類和四分類的預(yù)測(cè)集的準(zhǔn)確率如圖4(c，d)。 其中二分類優(yōu)化的參數(shù)c為0.845 6，g為0.062 5， 其校正集和預(yù)測(cè)集的準(zhǔn)確率都達(dá)到了100%； 四分類中優(yōu)化出的參數(shù)c為5.530 7，g為0.068 5， 其校正集和預(yù)測(cè)集的準(zhǔn)確率分別達(dá)到了99.242 4%和100%。 從二分類和四分類結(jié)果來(lái)看， 采用遺傳算法優(yōu)化參數(shù)進(jìn)行支持向量機(jī)分類的模型準(zhǔn)確度效果更好。 為了進(jìn)一步更清楚地對(duì)比交叉驗(yàn)證和遺傳算法對(duì)支持向量機(jī)參數(shù)的優(yōu)化效果， 由表1給出了其校正集和預(yù)測(cè)集的分類正確率。 由表1可以看出遺傳算法的優(yōu)化結(jié)果相對(duì)交叉驗(yàn)證優(yōu)化的結(jié)果準(zhǔn)確率更高。

圖4 采用遺傳算法優(yōu)化支持向量機(jī)參數(shù)優(yōu)化的二分類和四分類的適應(yīng)度圖(a)和(b)及相應(yīng)的預(yù)測(cè)集結(jié)果(c)和(d)

表1 采用兩種方法優(yōu)化支持向量機(jī)參數(shù)二分類和四分類的結(jié)果比較

為了進(jìn)一步提高數(shù)據(jù)分析和處理效率， 為后續(xù)采用多光譜內(nèi)窺鏡進(jìn)行腫瘤組織分類奠定基礎(chǔ)， 研究了數(shù)據(jù)簡(jiǎn)化對(duì)分類算法準(zhǔn)確度地影響。 在400～1 800 nm之間選取每隔n(n為整數(shù))個(gè)波段取一個(gè)變量， 進(jìn)行遺傳算法優(yōu)化參數(shù)的支持向量機(jī)分類分析， 并對(duì)其計(jì)算時(shí)間進(jìn)行考察。 分析結(jié)果如表2所示。 從表2可以看出隨著選擇的變量數(shù)的減少， 算法的運(yùn)行時(shí)間逐漸降低， 二分類和四分類的準(zhǔn)確率均超過(guò)了90%。 分類結(jié)果每隔100 nm選擇一個(gè)變量， 最終選擇14個(gè)譜段作為特征變量， 其二分類和四分類的校正集結(jié)果和預(yù)測(cè)集結(jié)果分別達(dá)到了99.242 4%和93.33%， 而且運(yùn)行時(shí)間分別為11.4和20.0 s, 與選擇全波段時(shí)的運(yùn)行時(shí)間： 340.3和491.0 s相比， 運(yùn)行時(shí)間分別只有原來(lái)的3.35%和4.07%， 同時(shí)依然保持了較高的分類精確度。 說(shuō)明未來(lái)采用多光譜鑒別兔子正常肝組織和VX2腫瘤組織是可行的， 可以做到在確保一定地分類準(zhǔn)確度情況下， 極大提高分類效率。

表2 采用遺傳算法優(yōu)化支持向量機(jī)參數(shù)優(yōu)化二分類和四分類不同特征變量下的結(jié)果

3 結(jié) 論

使用高光譜ASD對(duì)兔子的未出血活體正常肝組織、 未出血活體肝VX2腫瘤組織、 出血離體肝組織、 出血離體肝VX2腫瘤組織進(jìn)行反射光譜的采集， 然后對(duì)原始數(shù)據(jù)進(jìn)行支持向量機(jī)分類， 在分類的過(guò)程中分別采用了兩種方式優(yōu)化參數(shù)， 即5折交叉驗(yàn)證和遺傳算法對(duì)支持向量機(jī)參數(shù)和核函數(shù)參數(shù)進(jìn)行優(yōu)化， 最終兩種分類方式都取得了很好的結(jié)果， 而遺傳算法優(yōu)化的結(jié)果表現(xiàn)更好。 因此在不斷有規(guī)律減少變量的情況下選擇遺傳算法優(yōu)化參數(shù)， 對(duì)分類結(jié)果和時(shí)間進(jìn)行了比較。 研究發(fā)現(xiàn)， 隨著變量數(shù)的減少， 其分類結(jié)果一直保持較好的準(zhǔn)確性， 而算法運(yùn)行的時(shí)間卻得到了大幅減少。 為未來(lái)兔肝的正常組織和VX2腫瘤組織的多光譜高效實(shí)時(shí)鑒別奠定了一定的基礎(chǔ)。