基于免疫算法优化乳腺肿瘤图像识别.docVIP

基于免疫算法优化乳腺肿瘤图像识别 　　摘 要： 提出了一套结合特征筛选及参数设定的方法，使用支持向量机来辨别肿瘤良恶性，并利用人工免疫算法进行特征筛选及决定支持向量机的参数。针对由PHILIPS ATL HDI 3000超声波扫描仪获得的220幅图片的处理结果显示，在此所提出的方法能使乳房肿瘤的分类正确率达到95.71%，并大幅缩短支持向量机的训练时间。 关键词： 乳腺肿瘤； 人工免疫算法； 特征提取； 支持向量机； 计算机辅助诊断 中图分类号： TN919?34 文献标识码： A 文章编号： 1004?373X（2014）04?0108?04 Breast tumor image recognition based on artificial immune system algorithm LI Dong1，2， LU Hong?bing1 （ 1. Biomedical Engineering Department， Fourth Military Medical University， Xian 710032， China； 2. Information Department， Second People’s Hospital of Linfen City， Linfen 041000， China） Abstract： An approach combining the feature selection and parameter setting is proposed， in which SVM is adopted to recognize whether a tumour is malignant or not， and the AIS algorithm is utilized to select the tumor features and determin the parameters of SVM. The experimental results indicate that the approach can make the classification accuracy of the breast tumour reach to 94.63%， improve the correctness of adjusting the quale of a breast tumour， and shorten training time of the computer?aided diagnosis system based on ultrasound breast image. Keywords： breast tumour； AIS algorithm； feature extraction； SVM； computer?aided diagnosis 0 引 言 乳癌属于较易在早期发现征兆的癌症，如果能及早诊断与治疗，不但有机会保留完整的乳房，存活率也大为提高。目前较常见的乳癌图像检测方法有乳房X光造影、乳房超声波造影及核磁共振造影等[1]。其中乳房超声波造影具有操作便利，无放射性，非侵入性及价格相对较低廉等优势，广为各医疗机构所采用。 本文验证了将人工免疫算法结合支持向量机应用于超声波乳房肿瘤图像诊断上的效果，希望可以通过人工免疫算法所具有的抗体复制、变异以及与抗原间的亲和力提升等功能，来提高乳房肿瘤识别的成功率。 1 乳腺超声波图像处理 在超声波肿瘤图像中，良性肿瘤和恶性肿瘤在形状上往往会有很大的差异[2]。如图1所示，良性肿瘤的轮廓多半较为平滑且规则， 恶性肿瘤的轮廓则通常较破碎且不规则，因此可通过形状特征来识别肿瘤的良恶性。目前常用的乳房超声波图像特征包含形状、音波回音性、肿瘤边缘和音波衰减等。 图1 乳腺超声波图像处理图示 1.1 乳腺超声波图像预处理 原始的超声波图像因为其有大量的噪声，对于在检测一些细节特征时敏感度较低，所以在提取特征前，需先使用一系列的图像预处理方法才能获取比较精确的良恶性肿瘤外形；预处理结果将直接影响被测数据的特征值，进一步决定了分类的效果[3?4]。 首先，根据文献[5]中使用方法，将每张原始的超声波图像先以混合噪声图像滤波算法去除其噪声及斑点，为了取得更精准的肿瘤外形，采用边缘检测方法提取图像中的肿瘤边界信息，提高肿瘤轮廓与背景之间的对比度，最后，以水平集Level set方法将肿瘤的形状从图像中分割出来，以计算特征值。处理结果如图2所示。 图2 超声波图像处理结果 1.2 乳腺超声波图像特征提取 肿瘤的形状特征与纹理相对不易因为设