基于神經網絡和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字化乳腺X光片中微鈣化簇的良惡性判斷的計算機自動檢測方法。檢測通過三個步驟實現：團簇檢測、特征提取、分類。在分類階段，使用基于規則的系統對原始的特征集增強，利用人工神經網絡和支持向量機分類技術，分類結果使用ROC曲線來評價。試驗結果表明，SVM算法的分類性能高于神經網絡分類方法，其中增強后的特征集只對神經網絡分類方法起作用。

關鍵詞：支持向量機(SVM)；微鈣化簇分類；人工神經網絡(ANN)；受試者工作特征(ROC)

引言

CAD系統可以為放射科醫生提供一個可靠的第二意見，該系統結合圖像分析和人工智能技術，目的是提供準確的、客觀的、可移植的乳腺X光片解釋。相應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字化的乳腺X光片進行預處理和檢測出包含可疑病灶的ROI區域。這個問題或者由計算機系統自動來實現或者由放射科醫生人工完成，目前已經提出很多種特征提取方法，比如數學形態學分析，紋理特征提取，分形，直方圖統計學和小波分析等等，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。現也已經提出了一些方法，比如決策樹、線性判別式分析、k近鄰法和人工神經網絡。

本文提出了判斷微鈣化簇為良性或惡性的計算機自動檢測方法。這個方法包括了三個步驟：首先，執行團簇檢測程序判斷微鈣化團簇；其次，計算這些團簇的重要特征；最后，將這些特征作為分類系統的輸入以提供最后的診斷結果。基于神經網絡和支持向量機的兩種不同的分類計劃用于實現和測試，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、公式等內容請以PDF格式閱讀原文