基于JADE-NRS 的肺部腫瘤高維屬性約簡模型*

任海玲 馬瑞霞 袁方 李彬

(銀川市第一人民醫院,寧夏銀川 750001)

0 引言

肺癌是全球發病率及死亡率最高的癌癥[1]。肺癌早期患者可被治療及治愈,且治療后5年生存率達90%[2];肺癌晚期患者無法根治,只可抑制腫瘤擴散,且5年內的死亡率達83%[3],嚴重影響肺癌患者的生存質量和生命長度。肺部醫學影像圖像是肺癌分期診斷的重要參考依據,其中包括X線、CT、MRI、PET、PET/CT等醫學影像技術。肺癌早期主要表征是微小肺結節(見圖1),其體積極小,在影像圖像上直徑小于5mm。爆炸式增長的影像數據,加之醫生的診斷易受工作量、情緒、經驗、外部環境等因素影響,導致漏診率高、準確率低。為解決此社會痛點問題,國務院辦公廳印發了《關于促進互聯網＋醫療健康的發展意見》,意見強調要大力開展智能醫學影像識別技術。因此,以影像圖像為基礎,結合圖像處理、人工智能算法的肺部腫瘤計算機輔助診斷技術得到大力發展,主要包括降低漏診率和提高準確率兩方面。基于肺部腫瘤良惡性在醫學影像圖像上呈現出不同特點,提取有效特征,對病灶區域進行良惡性分類從而除去假陽性,提高準確率是當前研究的熱點。

圖1 肺結節Fig.1 Pulmonary nodule

粗糙集理論(Rough Set,RS)[4]是獲取知識、屬性約簡、預測分類的有效工具,原理是依據數據本身自有的信息利用等價關系、上下近似等對知識進行識別、歸類,具有能夠處理不精確、不一致數據的優點,被廣泛應用于數據挖掘等領域。Pawlak提出的經典粗糙集,基于絕對包含關系對知識進行分類,缺乏容錯能力。概率粗糙集通過量化閾值將論域劃分為概率正域、概率邊界域、概率負域,允許一定程度的錯誤分類,例如:Pawlak提出的0.5概率粗糙集[5];Yao提出的基于貝葉斯理論引入損失函數來定義的決策粗糙集[6];Ziarko通過引入錯誤分辨率來對論域進行具有容錯能力的劃分的變精度粗糙集[7]。以上模型都能在一定程度上解決容錯能力差的問題,但都只能處理離散數據,對于大量存在于現實生產中的連續型數據不能直接處理,如智能醫學影像識別技術的應用領域,常常涉及到大量連續型數據,包括影像圖像上病灶區的模糊度、圓潤度、毛躁度、周長、面積等,這嚴重制約了粗糙集的應用和現實問題的解決。針對上述問題,Hu[8]提出了鄰域粗糙集(Neighborhood Rough Set,NRS),可以直接處理連續型數據,且具有一定的容錯能力,得到廣泛研究和應用,例如:葉明全[9]利用鄰域粗糙集約簡算法對信息基因候選子集進行尋優,獲得信息基因的目標子集實現腫瘤分類;桑秀麗[10]提出的基于鄰域粗糙集與遺傳算法修正的LS-SVM解析模型提高了乳腺腫瘤的分類正確率,具有較好的臨床診斷效果。

差分進化(Differential evolution,DE)[11]算法是一種簡單有效的進化算法,相比于其他優化算法,DE采用實數編碼,適用于實際應用中的許多優化問題,但是根據理論研究和實驗分析,其性能非常依賴于控制參數,如變異系數(F)和交叉系數(CR),以及適應度函數的設置與構造,合理的適應度函數是差分進化算法的關鍵。在控制參數F 和CR的研究上,通常參數F和CR需要由學者手動設置進行繁瑣的試驗和錯誤來找到特定問題的適當值,具有工作繁瑣且魯棒性低的缺點,自適應技術具有更好的魯棒性。例如:Zhang[12]等人提出的自適應差分進化算法JADE可在迭代過程中記錄成功參與差分進化的個體變異系數(F)和交叉系數(CR),使得算法收斂速度、求解精度等各個方面都優于現有的一些改進的差分進化算法,如SaDE、jDE算法。在適應度函數構造方面,從粗糙集的代數角度出發,主要圍繞約簡規模和屬性重要度、約簡依賴度方面進行構造。李兵詳[13]強調所得約簡的規模大小在約簡運算中的重要性,提出了基于多目標鄰域差分進化和模糊粗糙集的屬性約簡算法。

本文首先以肺部腫瘤CT肺部腫瘤影像圖像為研究基礎,提取CT肺部腫瘤ROI的104維特征構造肺部腫瘤患者的決策信息表;其次結合NRS、JADE算法,搭建了CTNRS-JADE屬性約簡模型;最后,利用SVM分類器分別對屬性約簡模型得到的屬性約簡結果進行肺部腫瘤良惡性識別準確率檢測,進而驗證JADE-NRS模型的有效性。

1 基礎知識

1.1 DE算法

DE算法的基本思想在問題可行解中隨機生成的初始種群,然后經過變異操作、交叉操作、選擇操作產生下一時刻的種群,該過程復制進行,直到滿足停止條件。通過差分策略實現個體變異,常見的差分策略是隨機選取種群中兩個不同個體,將其向量縮放后與待變異個體進行向量合成,算法流程如圖2所示。

圖2 DE 算法流程圖Fig.2 DE algorithm flowchart

其基本定義如下:定義變量Cmax為最大迭代次數;NP為種群規模;F為變異系數;CR為交叉系數;D為個體長度。

1.2 鄰域粗糙集

Pawlak提出的基于絕對包含關系的經典粗糙集,缺乏容錯能力;且只能處理離散型數據,極大限制了粗糙集的應用范圍。鄰域粗糙集在pawlak提出的經典粗糙集理論基礎上引入鄰域關系,可直接處理連續型數據,避免了數據離散化對原始數據信息的丟失問題。基本定義如下:

屬性Ci在屬性集C相對于決策屬性D的重要度可定義為:

2 基于JADE-NRS的肺部腫瘤高維屬性約簡模型

2.1 模型思想

(1)對肺部腫瘤醫學影像圖像進行病灶區的截取、分割等預處理,提取CT肺部腫瘤醫學影像圖像的104維特征作為肺部腫瘤患者的決策信息表形成原始實驗數據;(2)基于鄰域粗糙集,計算樣本的屬性鄰域;(3)基于JADE模型自適應生成CR、F,混合NRS模型計算特征規模和屬性重要度,依此構造適應度函數,進而對決策信息表進行特征選擇;(4)利用SVM分類器對肺部腫瘤良惡性進行分類識別。模型流程圖如圖3 所示。

圖3 基于JADE-NRS 的肺部腫瘤高維屬性約簡模型流程圖Fig.3 Flow chart of high-dimensional attribute reduction model of lung tumor based on JADE-NRS

2.2 模型流程

2.2.1 獲取數據及預處理

首先,從寧夏某醫院獲取帶醫囑的CT肺部腫瘤醫學影像圖像3000例(其中,良性惡性各1500例);其次,將具有較強區分能力的子圖處理為50×50像素的ROI區域;最后,利用OTSU算法對ROI區域進行分割,使病灶細節更加明晰。某患者的肺部CT圖像預處理過程如圖4所示。

圖4 某患者的肺部CT 圖像預處理過程Fig.4 Pretreatment of CT images of lungs of a patient

2.2.2 特征提取

以上述患者為例,對分割后的肺部腫瘤圖像進行特征提取處理,CT肺部腫瘤醫學影像圖像包括紋理特征、角點特征、Hu矩陣特征、能量、小波特征范數、標準差、幾何特征、灰度共生矩陣特征等9個維度共104維特征,具體見表1。

表1 某患者的CT 肺部腫瘤ROI 區域的104 維特征值Tab.1 104-dimensional eigenvalues of a patient's CT lung tumor ROI area

2.2.3 基于NRS模型計算樣本的屬性鄰域

CT肺部腫瘤醫學影像圖像的104維特征作決策信息表經過NRS模型計算后,分別得到3000×3000×104的樣本屬性鄰域。

2.2.4 基于JADE-NRS的屬性約簡

對JADE混合NRS進行屬性約簡,直接處理連續數據的同時提高算法運行速度和分類性能,具有高魯棒性和擴展性。具體如下:

初始參數設定:種群規模NP、個體長度D、初始化種群POP、交叉系數CR、變異系數F、適應度函數F(x)、算法最大迭代次數maxgen。

(1)設定種群規模、個體長度、進化代數、變異系數、交叉系數:設定種群規模NP=520、個體長度D=104或D=98、最大進化代數為maxgen=200、隨機產生服從正態分布的交叉系數CRi和Fi。

(2)初始化種群:在解空間內隨機產生NP個體,每個個體是一個D維向量:

(3)構造適應度函數:適應度函數的設定決定著參數F和CR的自適應方向和群體的進化行為,最終影響屬性約簡結果的好壞。本文算法的目的是從高維特征庫中選擇具有代表性的重要度大且盡可能少的屬性,因此基于鄰域粗糙集從屬性重要度和約簡數量兩個角度出發,調節兩個因素的權重系數(ω1,ω2),通過實驗(ω1,ω2)取值(-0.3、-0.7)實驗結果較好。因此,構造適應度函數進行JADE-NRS模型尋優,找到最優屬性約簡子集,適應度函數為:

(4)差分變異、交叉及選擇。JADE采用可選的外部存檔實現新的變異策略,在迭代過程中為每個個體i 產生服從正態分布的CRi和Fi,并記錄成功參與差分變異的個體CRi和Fi,取均值后按照指定公式產生新的CRi和Fi進行演化,算法流程如下:

Step1:定義變量υCR、υF分別為初始化交叉系數和變異系數,空集A為歸檔種群。隨機產生個體種群POP,種群規模為NP,最大迭代次數CMAX,設置迭代器G=0,空集SCR、SF為成功參與變異的個體的CRi和Fi。

Step2:對于第G代的每個個體I,按照公式(23)產生服從正態分布的CRi和Fi。

Step5:迭代器G加1,判斷是否滿足終止條件,如果不滿足,跳轉到step2,否則算法結束。

2.2.5 基于JADE-NRS-SVM構造個體分類器

將上述基于JADE-NRS算法得到的屬性約簡結果,基于CT肺部腫瘤醫學影像圖像建立個體分類器CT-JADENRS-SVM進行實驗。

2.3 模型偽代碼

輸入:肺部腫瘤CT、PET、PET/CT特征信息決策表,種群規模NP、個體長度D、初始化種群POP、交叉系數CR、變異系數F、適應度函數F(x)、算法最大迭代次數Tg。輸出:屬性約簡值features、屬性約簡長度f-num。

3 仿真實驗

3.1 實驗環境與數據

硬件:處理器:Intel(R)core(TM)i7-6800K CPU 3.40 GHs;內存:16G;系統類型:64位操作系統;軟件:運行環境:MATLAB2018;實驗數據:寧夏某三甲醫院2018年帶良惡性標記的肺部腫瘤患者CT肺部影像圖像3000例,其中:良性1500例,惡性1500例。

3.2 分類器評價指標

為肺部腫瘤通常可以分為良性腫瘤與惡性腫瘤。臨床醫生的對肺部腫瘤的診斷結果通常使用靈敏度、假陰性率、特異度、假陽性率、精確度5 個指標進行評價。靈敏度與假陰性率成互補關系,特異度與假陽性率成互補關系,因此本文使用靈敏度、特異度和精確度3 個指標,用于判斷本文提出的JADE-NRS肺部腫瘤高維特征屬性約簡模型的有效性。

靈敏度(Sensitive,SEN),反映了篩檢確定肺部腫瘤惡性患者的能力,指實際肺部腫瘤惡性按診斷標準被正確地判為肺部腫瘤惡性的百分比。靈敏度越高、漏診率越低,計算公式如下:

特異度(Specificity,SPE),反映篩檢確定肺部腫瘤良性患者的能力,指實際肺部腫瘤良性按診斷標準被正確地判為肺部腫瘤良性的百分比。特異度越高、誤診率越低,計算公式如下:

準確度(Accuracy,ACC),指在一定實驗條件下多次測定的平均值與真值相符合的程度,準確度越高、分類器性能越好,計算公式如下:

其中,TP 指肺部腫瘤惡性按診斷標準被正確地判為肺部腫瘤惡性、TN肺部腫瘤良性按診斷標準被正確地判為肺部腫瘤良性、FP 肺部腫瘤惡性按診斷標準被錯誤地判為肺部腫瘤良性、FN肺部腫瘤良性按診斷標準被錯誤地判為肺部腫瘤惡性。

3.3 實驗結果分析

首先,CT肺部腫瘤醫學影像圖像基于JADE-NRS模型進行高維特征屬性約簡實驗,運行5 次,得到5 組約簡值,見表2。其次,進行肺部腫瘤良惡性識別實驗,5組約簡值分別基于CT-JADE-NRS-SVM分類器進行五折交叉實驗,共運行5次取平均值,得到SEN、SPE、ACC三個維度的識別精度及耗時,見表3、4、5、6、7。最后,求5組約簡值分別基于CT-JADE-NRS-SVM分類器進行五擇交叉實驗結果的平均值,見表8。

表2 CT 醫學影像圖像基于JADE-NRS 模型的屬性約簡結果(約簡長度以約簡值)Tab.2 CT medical image based on attribute reduction results of JADE-NRS model (reduction length is reduced value)

表3 CT 醫學影像圖像基于CT-JADE-NRS-SVM 分類器的肺部腫瘤識別精度及耗時(1)Tab.3 CT medical image based on CT-JADE-NRS-SVM classifier for lung tumor recognition accuracy and time consuming (1)

表4 CT 醫學影像圖像基于CT-JADE-NRS-SVM 分類器的肺部腫瘤識別精度及耗時(2)Tab.4 CT medical image based on CT-JADE-NRS-SVM classifier for lung tumor recognition accuracy and time consuming (2)

表5 CT 醫學影像圖像基于CT-JADE-NRS-SVM 分類器的肺部腫瘤識別精度及耗時(3)Tab.5 CT medical image based on CT-JADE-NRS-SVM classifier for lung tumor recognition accuracy and time consuming (3)

表6 CT 醫學影像圖像基于CT-JADE-NRS-SVM 分類器的肺部腫瘤識別精度及耗時(4)Tab.6 CT medical image based on CT-JADE-NRS-SVM classifier for lung tumor recognition accuracy and time consuming (4)

表7 CT 醫學影像圖像基于CT-JADE-NRS-SVM 分類器的肺部腫瘤識別精度及耗時(5)Tab.7 CT medical image based on CT-JADE-NRS-SVM classifier for lung tumor recognition accuracy and time consuming (5)

表8 CT 醫學影像圖像基于CT-JADE-NRS-SVM 分類器的肺部腫瘤識別精度及耗時的平均值Tab.8 CT medical image based on CT-JADE-NRS-SVM classifier for lung tumor recognition accuracy and time consuming

由以上實驗結果可以看出:在屬性約簡長度上,基于CT肺部腫瘤醫學影像圖像的約簡長度為9;在靈敏性、特異性、精確性上,基于CT肺部腫瘤醫學影像圖像的肺部腫瘤識別精度平均值為94.99%、97.19%、96.69%。在基于SVM分類器識別耗時上,基于CT影像圖像的肺部腫瘤識別耗時為0.4712s。

為了驗證本文提出的模型的有效性,分別與不經屬性約簡直接做分類的SVM模型、利用RS做屬性約簡的分類RS-SVM模型、利用NRS做屬性約簡的NRS-SVM模型、利用DE結合NRS做屬性約簡的DE-NRS-SVM模型做了對比實驗,實驗結果見表9。

表9 不同模型對肺部腫瘤做識別精度及耗時的比較Tab.9 Comparison of the accuracy and time of different lung cancer models

由表9可知:(1)不經屬性約簡算法對原始數據直接進行集成SVM個體分類,肺部腫瘤良惡性識別耗時最長,達266.1215,且識別準確率acc相對最低為87.36%;(2)NRS模型相比RS模型對CT影像圖像做約簡,得到的屬性子集經集成SVM個體分類,識別準確率acc高3.55%,時間快速29.042s;(3)JADE-NRS模型相比DE-NRS模型對CT影像圖像做約簡,得到的屬性子集經集成SVM個體分類,識別準確率acc高1.69%,時間節省57.7658s。

4 結論

pawlak粗糙集理論基于絕對等價關系且只能處理離散數據,容錯性差;差分進化算法性能依賴于控制參數(變異系數(F)、交叉系數(CR))和適應度函數的構造。針對以上問題,綜合考慮屬性重要度和特征規模兩因素,首先,提取CT肺部腫瘤影像圖像的104維特征作為肺部腫瘤患者的決策信息表;其次,基于JADE自適應差分進化算法對決策信息表進行特征選擇,同時混合鄰域粗糙集計算特征規模和屬性重要度,依此構造適應度函數;最后,進行仿真實驗,并與RS、NRS、DE-NRS模型做對比實驗。實驗結果表明,該模型能夠有效的進行高維屬性約簡。