基于群智能算法優(yōu)化的超聲乳腺腫瘤圖像識別.pdf

1、近幾年來女性乳腺癌死亡率逐年提高，若能及早發(fā)現(xiàn)征狀并給予治療有助于提高術后的存活率。傳統(tǒng)的穿刺刮片等腫瘤檢查耗時且是具有傷害性的檢查方式。超聲波檢查為目前常見的乳腺腫瘤檢測方法之一，具有非侵入性、價格較低、檢查方便等優(yōu)點。但超聲波乳腺腫瘤圖像需要有經驗的醫(yī)生判斷才能夠有效分辨腫瘤的良惡性，且不同醫(yī)生間診斷差異較大。近年來計算機輔助診斷的出現(xiàn)為提高腫瘤診斷的準確性和一致性提供了有效的手段，但存在特征篩選復雜、訓練優(yōu)化時間長等問題。本文提出

2、了2種結合特征篩選及分類器參數設定的群智能優(yōu)化方法，用以縮短超聲波腫瘤圖像輔助診斷系統(tǒng)的訓練時間，并提高良惡分類的正確率。
　　本文的主要研究內容及創(chuàng)新包括以下兩個部分：
　　1．提出以人工蜂群算法結合支持向量機的計算機輔助診斷系統(tǒng)，進行超聲波乳腺腫瘤圖像分類。乳腺超聲圖像經過噪聲抑制、邊緣增強與自動分割等技術處理后，計算感興趣區(qū)域的多種紋理特征和幾何特征，并利用支持向量機來判斷腫瘤的良惡性。算法的關鍵在于利用人工蜂群算法的

3、生成加檢驗特性的迭代搜索算法，模擬食物源的更新過程得到最優(yōu)化問題的解，通過人工蜂群算法進行特征篩選和分類器參數的同時優(yōu)化?；谧圆杉某暼橄倌[瘤圖像庫，實驗結果顯示提出方法對腫瘤的良惡性判斷正確率為92.53％，對腫瘤分類的靈敏度達91.67%，表明系統(tǒng)對腫瘤良惡性的判斷具有較高正確率，并且能夠減少支持向量機的訓練時間。
　　2．為了進一步提高分類的準確率，基于人工免疫算法的復制選擇特性，提出了一套人工免疫算法結合支持向量機的方

4、法，用以提高超聲波腫瘤圖像輔助診斷系統(tǒng)的性能。其圖像預處理和特征計算過程基本同上，使用支持向量機來識別腫瘤良惡性，但采用人工免疫算法進行特征篩選及優(yōu)化選擇支持向量機的參數。實驗結果顯示，本文所提出的方法對惡性腫瘤的敏感性指標為97.78%；良性腫瘤的敏感性指標為93.33%；惡性腫瘤的預測指標為91.67%；良性腫瘤的預測指標為98.25%，有效提高乳腺腫瘤良惡性判斷的正確率。同時算法的應用可使支持向量機的訓練時間大幅縮短，相較蜂群算法