基于主成分分析網(wǎng)絡(luò)與支持向量機(jī)的肺結(jié)節(jié)輔助診斷.pdf

1、近年來，隨著霧霾和空氣污染的嚴(yán)重，肺癌已經(jīng)成為我國發(fā)病率和死亡率第一的致死癌癥。廣泛和多樣的診斷手段對(duì)于肺部癌癥的診斷是重要、急迫的。對(duì)于肺癌的診斷，診斷出早期的癌癥是至關(guān)重要的，肺癌的早期表現(xiàn)是肺結(jié)節(jié)組織的出現(xiàn)。然而，正確的診斷肺結(jié)節(jié)的存在，這需要有廣博的肺部先驗(yàn)知識(shí)和多年的診斷經(jīng)驗(yàn)。計(jì)算機(jī)輔助診斷能夠加速診斷的過程，提供“二次診斷”?；谀Ｊ阶R(shí)別的輔助診斷系統(tǒng)中，對(duì)肺結(jié)節(jié)圖片的特征提取和分類是很關(guān)鍵的一環(huán)，直接決定分類的效果和時(shí)間。

2、然而傳統(tǒng)的特征選擇基于人工選擇，具有偶然性和不確定性。
　　本文使用一種自動(dòng)的特征提取方法，主成分分析網(wǎng)絡(luò)，該方法是一種基于深度學(xué)習(xí)的自動(dòng)特征提取方法。同時(shí)，結(jié)合在圖片領(lǐng)域廣泛應(yīng)用的支持向量機(jī)作為分類器，對(duì)正常與病變的圖像進(jìn)行分類。首先分析了人腦的自動(dòng)特征提取模式，簡要介紹了人腦特征提取中的分層和非監(jiān)督的思想。從而引申出了深度學(xué)習(xí)網(wǎng)絡(luò)中特征提取的分層和非監(jiān)督的特性。其后介紹了本文中用到的幾種典型算法原理。由于有肺結(jié)節(jié)圖片和無肺結(jié)節(jié)

3、圖片有明顯的結(jié)節(jié)差異，完全可以使用深度學(xué)習(xí)進(jìn)行自動(dòng)的學(xué)習(xí)和提取特征。然后介紹了本文對(duì)三種不同算法的實(shí)現(xiàn)過程。針對(duì)在CAD領(lǐng)域廣泛應(yīng)用的JSTR圖片庫，對(duì)有結(jié)節(jié)和無結(jié)節(jié)兩類圖片，使用主成分分析網(wǎng)絡(luò)進(jìn)行特征提取，使用 SVM進(jìn)行樣本分類。重點(diǎn)介紹了在實(shí)現(xiàn)過程中，對(duì)主成分分析網(wǎng)絡(luò)過濾層數(shù)，支持向量機(jī)的懲罰因子等參數(shù)的選擇。提出了實(shí)現(xiàn)過程訓(xùn)練時(shí)間過長、圖片過大等問題，以期對(duì)后面的研究給出必要的參考。同時(shí)對(duì)實(shí)驗(yàn)的結(jié)果進(jìn)行了說明和分析。結(jié)果表明，使

4、用了主成分分析網(wǎng)絡(luò)算法進(jìn)行特征的自動(dòng)選擇以后，相比單純使用支持向量機(jī)算法，對(duì)圖片的識(shí)別準(zhǔn)確率提升了10個(gè)百分點(diǎn)。同時(shí)，對(duì)比MacMahon的CAD系統(tǒng)，使用本文的CAD系統(tǒng)以后，準(zhǔn)確率提升了3個(gè)百分點(diǎn)，對(duì)比Hardie的CAD系統(tǒng)，提高了5個(gè)百分點(diǎn)。表明提出的主成分分析網(wǎng)絡(luò)和支持向量機(jī)的結(jié)合輔助診斷系統(tǒng)對(duì)于肺癌的輔助診斷是有效的，為臨床應(yīng)用提供了參考。最后在Matlab的圖形界面下開發(fā)了一套軟件系統(tǒng)，該軟件系統(tǒng)可以提供讀取圖片、選擇特征