基于代價敏感的乳腺癌自動診斷方法研究及其應用.pdf

1、乳腺X線圖像分析是乳腺癌早期診斷最重要的技術之一。但如何在X線圖像中識別良性和惡性微鈣化簇仍然很難。計算機輔助醫(yī)療診斷（CAD）系統可以為放射學專家識別微鈣化簇提供幫助，它通常包括三步：預處理、特征選擇和分類。本文將代價敏感的思想融入特征選擇與分類，構建了一個三步CAD系統。 本文做了以下工作：1、提出了代價敏感的選擇性集成（CSSE）算法，并將其運用到特征選擇階段。由于預處理階段得到的特征之間可能存在冗余及不相關信息，而這些信

2、息對診斷通常會有負面作用，因而，特征的選擇變得尤為重要，它不僅減少了特征的個數，降低了診斷消耗的時間，更重要的是能提高診斷性能。研究者已提出了眾多的特征選擇方法，但這些方法通常忽略了乳腺癌診斷中特征選擇的代價敏感問題，事實上，在微鈣化診斷中，不同的特征對診斷具有不同的貢獻，這導致它們對診斷的代價不盡相同?；谝陨嫌^點，本文提出了CSSE，它可根據不同的代價因子自動選擇出有效的微鈣化特征。實驗結果也進一步顯示CSSE的確能夠選擇分類能力更

3、強的特征子集。 2、我們設計了一個代價敏感乳腺癌自動診斷系統。由于惡性微鈣化的誤診代價要高于良性微鈣化的誤診代價，原始的三步系統難以很好的適應這個要求，因而本文在原系統中全面引入代價敏感學習，分別在第二步使用代價敏感的選擇性集成，第三步使用代價敏感支持向量分類器（CSSVC），以獲得更為令人滿意的系統性能。我們在國際標準數據集DDSM和實際應用中采集的中大醫(yī)院數據集上進行了實驗并對結果進行了比較分析，發(fā)現CSSE算法的性能優(yōu)于不