基于B神經網絡的乳腺腫瘤計算機輔助診斷方法研究

吳華鋒　韓雯雯　趙愛平

摘 要：乳腺癌已經位居我國女性惡性腫瘤疾病的第一位，成為當前社會的重大公共衛生問題，早發現、早診斷、早治療是降低乳腺癌死亡率的關鍵。隨著計算機技術在醫學領域的迅速崛起，開發用以檢測乳腺影像中腫瘤等可疑病灶的計算機輔助診斷技術，并為臨床醫師提出診斷建議，從而提高診斷準確率，已成為一個熱點話題。為此，用基于B 神經網絡的方法對乳腺腫瘤進行輔助診斷，以期取得良好效果。

關鍵詞：乳腺癌；計算機輔助診斷；腫瘤；B 神經網絡

中圖分類號：TB

文獻標識碼：A

doi：10.19311/j.cnki.16723198.2016.26.149

1 研究背景

乳腺癌在初期常無明顯臨床癥狀，或者僅僅表征為輕微的乳房疼痛。至今為止，乳腺癌發病的確切原因還不明確，雖然已知遺傳因素、環境因素和生活方式對乳腺癌的發病有一定影響，但60%以上的乳腺癌并不存在明顯的危險因素。目前還沒有有效的預防乳腺癌方法，而且中、晚期乳腺癌患者的愈后效果很差，任何干預都很難見效。因此，早發現、早診斷仍是當前提高乳腺癌治愈率和降低死亡率的最有效途徑。

腫瘤是乳腺癌的直接病理征象，也是乳腺癌的主要診斷依據，但盡管腫瘤是乳腺癌的一個重要早期跡象，但是醫師用肉眼很難將它們與正常的乳腺組織區分開來。但計算機輔助診斷（CAD）技術可以幫助醫師有效地進行對乳腺異常的檢測。

近些年來，隨著B 神經網絡理論的飛速發展和高度成熟，B 神經網絡在醫學領域得到了廣泛應用，如趙炳讓利用B 神經網對冠心病進行來輔助診斷，取得了很好的效果。EI-Solh用B 神經網絡對活動性肺結核進行輔助診斷，實驗結果顯示正確診斷肺結核的靈敏度為100%，其表明了B 神經網絡在診斷活動性肺結核的應用效果上高于臨床醫生的主觀評價，具備廣泛的推廣價值。Monica DiLuca等人通過基于B 神經網絡的仿真實驗對早期阿爾茨海默病進行了輔助診斷。

2 基于B 神經網絡的乳腺腫瘤計算機輔助診斷方法

2.1 提取ROI

本文實驗對象為選自DDSM數據庫中的乳腺圖像，首先將ROI從實驗樣本圖像中提取出。

2.2 提取特征

特征的提取是所有工作中關鍵的一環，是模式識別和專家自動診斷系統的關鍵技術之一。其基本流程是：在對實驗圖像進行預處理（包括圖像定向、圖像去噪和圖像增強等）后，進行圖像的分割以提取出所需的ROI，最后對ROI進行特征提取。經過以上步驟提取出的特征被用于對乳腺腫瘤良惡性的診斷，從而為醫師提供醫療建議。

對2.1節實驗中所得到的ROI進行特征提取，提取到基于不變矩、基于圖像內容等的79維特征。

2.3 輔助診斷

將2.2節實驗所得的79維特征值進行歸一化處理，再將經過處理的79個特征數據作為B 神經網絡的79個輸入。將良性乳腺腫瘤和惡性乳腺腫瘤這兩個不同的乳腺腫瘤類別作為B 神經網絡的期望輸出。

下面通過仿真實驗，記錄其迭代次數、程序運行時間和診斷準確率，并取其平均值，以完成對網絡性能的評價。

將樣本數據隨機排序并編號后，采用5-折交叉法將其分為5組。每次實驗所使用的訓練樣本數據和測試樣本數據如表1所示。

平均迭代次數為10.2次，乳腺腫瘤診斷準確率平均值為94.41434%，并且每次仿真的迭代次數和準確率都非常的接近，網絡的性能優良。這說明，使用B 神經網絡對乳腺腫瘤進行輔助診斷是可行的且取得了良好的診斷效果。

3 總結

本文在B 神經網絡方法的基礎上，對實驗所用的乳腺圖像樣本進行了輔助診斷。主要工作為：

（1）分割出樣本圖像的ROI；

（2）提取了樣本圖像ROI的79維特征；

（3）使用B 神經網絡方法對樣本數據進行輔助診斷，仿真結果顯示將B 神經網絡用于檢測乳腺腫瘤的良惡性時，網絡的性能優良且有很好的診斷準確率。

參考文獻

[1]胡永升.現代乳腺影像診斷學[M].北京：科學出版社，2001.

[2]劉君，方志沂.乳腺癌的早期診斷.中國全科醫學，2002，5（6）：431432.

[3]郝欣，曹穎，夏順仁.基于醫學圖像內容檢索的計算機輔助乳腺x線影像診斷技術.中國生物醫學工程學報，2009，28（6）：922930.

[4]高雋.人工神經網絡原理及仿真實例[M].北京：機械工業出版社，2007.

[5]趙炳讓，胡北來，秦勤.人工神經網絡在冠心病診斷中的應用.天津醫藥，2002，30（9）：575576.

[6]Ali A，EI-Solh，Chiu-Bin Hsiao，Susan Goodnough，et al. redicting active pulmonary tuberculosis using an artificial network.Chest，2009，（116）：968973.

[7]Monica Di Luca，Enzo Grossi，Barbara Borron，et al. Artifical neural networks allow the use of simultaneous measurements of Alzheimer Disease markers for early detection of the disease. ournal of Translational Medicine，2005，3（30）：14791483.

[8]韓曉軍.數字圖像處理與應用[M].北京：電子工業出版社，2009：2027.