基于PSO-SVM 的孤立性肺结节良恶性分类研究 - 计算机应用与软件.PDF

第３１卷第９期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．９ ２０１４年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１４ 基于ＰＳＯＳＶＭ的孤立性肺结节良恶性分类研究 马言博　强　彦 （太原理工大学计算机科学与技术学院　山西太原０３００２４） 摘　要　　为辅助医生诊断孤立性肺结节的良恶性，提出一种针对肺结节的ＰＥＴ／ＣＴ影像特征的ＰＳＯＳＶＭ分类方法。该方法利用 粒子群算法（ＰＳＯ）对支持向量机（ＳＶＭ）进行参数搜索，进而选择最合适的参数，得到合适的ＳＶＭ分类模型。实验表明，利用粒子群 优化算法对支持向量机模型中的参数进行优化，可以避免人为选择的随机性，在解决分类问题中有良好的表现。使用此方法得到的 分类模型对良恶性肺结节进行分类，平均正确率可达到９０％以上，且为医生诊断肺结节时选取的主要特征提供了理论依据。 关键词　　孤立肺结节　支持向量机　粒子群算法　ＰＥＴ／ＣＴ　分类 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０９．０１１ ＲＥＳＥＡＲＣＨＯＮＣＬＡＳＳＩＦＩＣＡＴＩＯＮＯＦＢＥＮＩＧＮＡＮＤＭＡＬＩＧＮＡＮＴＳＯＬＩＴＡＲＹ ＰＵＬＭＯＮＡＲＹＮＯＤＵＬＥＳＢＡＳＥＤＯＮＰＳＯＳＶＭ ＭａＹａｎｂｏ　ＱｉａｎｇＹａｎ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＴａｉｙｕａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｔａｉｙｕａｎ０３００２４，Ｓｈａｎｘｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｆｏｒａｓｓｉｓｔｉｎｇｔｈｅｄｏｃｔｏｒｓｔｏｄｉａｇｎｏｓｅｔｈｅｂｅｎｉｇｎａｎｄｍａｌｉｇｎａｎｔｓｏｌｉｔａｒｙｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓ，ｗｅｐｒｏｐｏｓｅａＰＳＯＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄａｉｍｉｎｇａｔｐｕｌｍｏｎａｒｙｎｏｄｕｌｅＰＥＴ／ＣＴｉｍａｇｉｎｇｆｅａｔｕｒｅｓ．Ｔｈｅｍｅｔｈｏｄｓｅａｒｃｈｅｓｔｈｅｐａｒａｍｅｔｅｒｓｏｆｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）ｂｙ ｕｓｉｎｇｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎ（ＰＳＯ）ａｎｄｔｈｕｓｃｈｏｏｓｅｓｔｈｅｍｏｓｔａｐｐｒｏｐｒｉａｔｅｐａｒａｍｅｔｅｒｓａｎｄｇｅｔｓｔｈｅｐｒｏｐｅｒＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌ．Ｅｘ ｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｏｏｐｔｉｍｉｓｅｔｈｅｐａｒａｍｅｔｅｒｓｉｎＳＶＭｗｉｔｈＰＳＯ，ｉｔｉｓａｂｌｅｔｏａｖｏｉｄｔｈｅｒａｎｄｏｍｉｃｉｔｙｏｆａｒｔｉｆｉｃｉａｌｓｅｌｅｃｔｉｏｎ，ａｎｄｈａｓｇｏｏｄｐｅｒ ｆｏｒｍａｎｃｅｉｎｓｏｌｖｉｎｇｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｏｂｌｅｍｓ．Ｕｓｉｎｇｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｍｏｄｅｌｄｅｒｉｖｅｄｂｙｔｈｉｓｍｅｔｈｏｄｔｏｃｌａｓｓｉｆｙｔｈｅｂｅｎｉｇｎａｎｄｍａｌｉｇｎａｎｔｐｕｌ ｍｏｎａｒｙｎｏｄｕｌｅｓ，ｔｈｅａｖｅｒａｇｅａｃｃｕｒａｃｙｒａｔｅｃａｎｒｅａｃｈ９０％ａｎｄｈｉｇｈｅｒ，ａｎｄｉｔｐｒｏｖｉｄｅｓａｔｈｅｏｒｅｔｉｃａｌｂａｓｉｓｆｏｒｔｈｅｍａｉｎｆｅａｔｕｒｅｓｓｅｌｅｃｔｅｄｂｙｔｈｅ ｄｏｃｔｏｒｓｉｎｄｉａｇｎｏｓｉｓｏｆｐｕｌｍｏｎａｒｙｎｏｄｕｌｅｓ． Ｋｅｙｗｏｒｄｓ　　Ｓｏｌｉｔａｒｙｐｕｌｍｏｎａｒｙｎｏｄｕｌｅ　ＳＶＭ　ＰＳＯ　ＰＥＴ／ＣＴ　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ 样，其ＰＥＴ／ＣＴ影像表现也非常复杂［６］。在这种情况下，医生在根 ０　引　言 据ＰＥＴ／ＣＴ图像诊断肺部疾病的过程中，往往只能根据阅片经验对 病灶进行定性分析，阅片结果具有较大