基于主成分分析網絡與支持向量機的肺結節(jié)輔助診斷.pdf

1、近年來，隨著霧霾和空氣污染的嚴重，肺癌已經成為我國發(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于肺部癌癥的診斷是重要、急迫的。對于肺癌的診斷，診斷出早期的癌癥是至關重要的，肺癌的早期表現是肺結節(jié)組織的出現。然而，正確的診斷肺結節(jié)的存在，這需要有廣博的肺部先驗知識和多年的診斷經驗。計算機輔助診斷能夠加速診斷的過程，提供“二次診斷”?；谀Ｊ阶R別的輔助診斷系統(tǒng)中，對肺結節(jié)圖片的特征提取和分類是很關鍵的一環(huán)，直接決定分類的效果和時間。

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。
　　本文使用一種自動的特征提取方法，主成分分析網絡，該方法是一種基于深度學習的自動特征提取方法。同時，結合在圖片領域廣泛應用的支持向量機作為分類器，對正常與病變的圖像進行分類。首先分析了人腦的自動特征提取模式，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習網絡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。由于有肺結節(jié)圖片和無肺結節(jié)

3、圖片有明顯的結節(jié)差異，完全可以使用深度學習進行自動的學習和提取特征。然后介紹了本文對三種不同算法的實現過程。針對在CAD領域廣泛應用的JSTR圖片庫，對有結節(jié)和無結節(jié)兩類圖片，使用主成分分析網絡進行特征提取，使用 SVM進行樣本分類。重點介紹了在實現過程中，對主成分分析網絡過濾層數，支持向量機的懲罰因子等參數的選擇。提出了實現過程訓練時間過長、圖片過大等問題，以期對后面的研究給出必要的參考。同時對實驗的結果進行了說明和分析。結果表明，使

4、用了主成分分析網絡算法進行特征的自動選擇以后，相比單純使用支持向量機算法，對圖片的識別準確率提升了10個百分點。同時，對比MacMahon的CAD系統(tǒng)，使用本文的CAD系統(tǒng)以后，準確率提升了3個百分點，對比Hardie的CAD系統(tǒng)，提高了5個百分點。表明提出的主成分分析網絡和支持向量機的結合輔助診斷系統(tǒng)對于肺癌的輔助診斷是有效的，為臨床應用提供了參考。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