基干B神经网络乳腺肿瘤计算机辅助诊断方法研究.docVIP

基于B神经网络的乳腺肿瘤计算机辅助诊断方法研究 　　摘 要：乳腺癌已经位居我国女性恶性肿瘤疾病的第一位，成为当前社会的重大公共卫生问题，早发现、早诊断、早治疗是降低乳腺癌死亡率的关键。随着计算机技术在医学领域的迅速崛起，开发用以检测乳腺影像中肿瘤等可疑病灶的计算机辅助诊断技术，并为临床医师提出诊断建议，从而提高诊断准确率，已成为一个热点话题。为此，用基于B 神经网络的方法对乳腺肿瘤进行辅助诊断，以期取得良好效果 关键词：乳腺癌；计算机辅助诊断；肿瘤；B 神经网络 中图分类号：TB 文献标识码：A doi：10.19311/j.cnki2016.26.149 1 研究背景 乳腺癌在初期常无明显临床症状，或者仅仅表征为轻微的乳房疼痛。至今为止，乳腺癌发病的确切原因还不明确，虽然已知遗传因素、环境因素和生活方式对乳腺癌的发病有一定影响，但60%以上的乳腺癌并不存在明显的危险因素。目前还没有有效的预防乳腺癌方法，而且中、晚期乳腺癌患者的愈后效果很差，任何干预都很难见效。因此，早发现、早诊断仍是当前提高乳腺癌治愈率和降低死亡率的最有效途径 肿瘤是乳腺癌的直接病理征象，也是乳腺癌的主要诊断依据，但尽管肿瘤是乳腺癌的一个重要早期迹象，但是医师用肉眼很难将它们与正常的乳腺组织区分开来。但计算机辅助诊断（CAD）技术可以帮助医师有效地进行对乳腺异常的检测 近些年来，随着B 神经网络理论的飞速发展和高度成熟，B 神经网络在医学领域得到了广泛应用，如赵炳让利用B 神经网对冠心病进行来辅助诊断，取得了很好的效果。EI-Solh用B 神经网络对活动性肺结核进行辅助诊断，实验结果显示正确诊断肺结核的灵敏度为100%，其表明了B 神经网络在诊断活动性肺结核的应用效果上高于临床医生的主观评价，具备广泛的推广价值。Monica DiLuca等人通过基于B 神经网络的仿真实验对早期阿尔茨海默病进行了辅助诊断 2 基于B 神经网络的乳腺肿瘤计算机辅助诊断方法 2.1 提取ROI 本文实验对象为选自DDSM数据库中的乳腺图像，首先将ROI从实验样本图像中提取出 2.2 提取特征 特征的提取是所有工作中关键的一环，是模式识别和专家自动诊断系统的关键技术之一。其基本流程是：在对实验图像进行预处理（包括图像定向、图像去噪和图像增强等）后，进行图像的分割以提取出所需的ROI，最后对ROI进行特征提取。经过以上步骤提取出的特征被用于对乳腺肿瘤良恶性的诊断，从而为医师提供医疗建议 对2.1节实验中所得到的ROI进行特征提取，提取到基于不变矩、基于图像内容等的79维特征 2.3 辅助诊断 将2.2节实验所得的79维特征值进行归一化处理，再将经过处理的79个特征数据作为B 神经网络的79个输入。将良性乳腺肿瘤和恶性乳腺肿瘤这两个不同的乳腺肿瘤类别作为B 神经网络的期望输出 下面通过仿真实验，记录其迭代次数、程序运行时间和诊断准确率，并取其平均值，以完成对网络性能的评价 将样本数据随机排序并编号后，采用5-折交叉法将其分为5组。每次实验所使用的训练样本数据和测试样本数据如表1所示 平均迭代次数为10.2次，乳腺肿瘤诊断准确率平均值为94.41434%，并且每次仿真的迭代次数和准确率都非常的接近，网络的性能优良。这说明，使用B 神经网络对乳腺肿瘤进行辅助诊断是可行的且取得了良好的诊断效果 3 总结 本文在B 神经网络方法的基础上，对实验所用的乳腺图像样本进行了辅助诊断。主要工作为： （1）分割出样本图像的ROI； （2）提取了样本图像ROI的79维特征； （3）使用B 神经网络方法对样本数据进行辅助诊断，仿真结果显示将B 神经网络用于检测乳腺肿瘤的良恶性时，网络的性能优良且有很好的诊断准确率 参考文献 [1]胡永升.现代乳腺影像诊断学[M].北京：科学出版社，2001. [2]刘君，方志沂.乳腺癌的早期诊断.中国全科医学，2002，5（6）：431432. [3]郝欣，曹颖，夏顺仁.基于医学图像内容检索的计算机辅助乳腺x线影像诊断技术.中国生物医学工程学报，2009，28（6）：922930. [4]高隽.人工神经网络原理及仿真实例[M].北京：机械工业出版社，2007. [5]赵炳让，胡北来，秦勤.人工神经网络在冠心病诊断中的应用.天津医药，2002，30（9）：575576. [6]Ali A，EI-Solh，Chiu-Bin Hsiao，Susan Goodnough，et al. redicting active pulmonary tuberculosis using an artificial