本文關鍵詞：基于機器學習的乳腺腫瘤識別

  更多相關文章： 乳腺腫瘤診斷 Fisher判別 K-means算法 自組織競爭神經(jīng)網(wǎng)絡 學習向量量化神經(jīng)網(wǎng)絡 遺傳算法

【摘要】：乳腺腫瘤嚴重危害到女性的健康,目前為止還沒有找到很好的預測乳腺癌的方法。目前,依照當前的醫(yī)療水平,唯一提高乳腺癌的治愈率和降低乳腺癌的死亡率的方法關鍵在于要提早發(fā)現(xiàn),早發(fā)現(xiàn)可以及時治療,早診斷,不要耽誤最佳治療時間和早治療。近幾年,為了提高診斷的效率,其研究方法一直向著智能化和工具化這個方向發(fā)展。隨著現(xiàn)在科學技術地不斷發(fā)展,人工智能技術不斷進步,人工神經(jīng)網(wǎng)絡技術也日益成熟,它的分類能力也越來越強,并且具有智能性,為乳腺腫瘤識別提供了一種新的診斷方法。由于乳腺病灶組織發(fā)生病變,然而它與正常的細胞核組織的顯微圖像有所不同,因此采用分類能力比較強的算法來進行乳腺腫瘤診斷,為乳腺腫瘤診斷提供了一種新的方法。本文主要以機器學習人工神經(jīng)網(wǎng)絡為基礎對乳腺腫瘤的診斷進行研究和實驗,應用了幾種方法進行仿真實驗,都具有良好的實驗效果,故障診斷精度被提高了,所以它是是一種有效的乳腺腫瘤診斷方法,并且此方法具有較高的醫(yī)學應用價值。本文主要研究內(nèi)容包括:(1)應用了統(tǒng)計學三種判別方法,fisher判別,距離判別,貝葉斯判別對乳腺腫瘤數(shù)據(jù),進行實驗,三種方法進行比較。通過仿真實驗證明,fisher判別的準確達到了97.1%,距離判別的正確率為84.1%,貝葉斯判別的正確率為88.41%,三者比較fisher判別具有較高的正確率,被誤判的概率也是最低的。所以fisher判別具有更好的實驗效果。(2)應用K-means神經(jīng)網(wǎng)絡算法和自組織神經(jīng)網(wǎng)絡算法兩種方法,對乳腺腫瘤數(shù)據(jù)進行了實驗,K-means神經(jīng)網(wǎng)絡和自組織神經(jīng)網(wǎng)絡的正確率分別為80%和81.58%。由于對乳腺腫瘤識別用的數(shù)據(jù)是乳腺腫瘤病灶組織的細胞核顯微圖像10個量化特征進行的,而每組數(shù)據(jù)是由采樣細胞核的10個特征構成的,為了避免誤差,取了10個特征的平均值、標準差和最壞值一共30個數(shù)據(jù)。由于輸入維數(shù)較大,冗余信息較多,運行時間較長,所以采用PCA對數(shù)據(jù)進行降維,降到8維,累計貢獻率已經(jīng)達到了99.91%。然后在用K-means和自組織神經(jīng)網(wǎng)絡進行實驗,運行時間縮短了,并且正確率也提高了。經(jīng)過主成分分析以后用K-means和自組織神經(jīng)網(wǎng)絡的正確率分別為88.95%和88.42%。(3)由于LVQ算法對初始權值敏感,本文提出采用遺傳算法對LVQ優(yōu)化。針對應用LVQ對乳腺腫瘤診斷的不足,提出了改進的LVQ,采用遺傳算法優(yōu)化的LVQ算法,有效提高識別精度。實驗結果證明,改進的LVQ對乳腺腫瘤進行診斷,其正確率為91.3%,比LVQ的正確率提高了4.4%.
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R737.9;TP181

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 左婷婷;陳萬青;;中國乳腺癌全人群生存率分析研究進展[J];中國腫瘤臨床;2016年14期

2 王平;單文英;;改進的隨機森林算法在乳腺腫瘤診斷中的應用[J];計算機應用與軟件;2016年04期

3 于波;;超聲彈性成像技術在乳腺良惡性病變診斷中的應用價值[J];中國當代醫(yī)藥;2016年10期

4 謝勇;馮瑤;王爽;樸美花;;基于主成分分析的農(nóng)業(yè)總產(chǎn)值評價方法[J];吉林農(nóng)業(yè);2016年02期

5 姜喜春;;數(shù)據(jù)挖掘中的距離判別分析法[J];科技資訊;2015年27期

6 葉明喜;黃鈺;蔣昊;;改進主成分分析(PCA)魯棒性的算法比較[J];赤峰學院學報(自然科學版);2015年14期

7 吳桐;劉吉成;邱永強;李美謙;何寧;李鴻梅;李喜春;;rs6551328位點多態(tài)性與黑龍江地區(qū)漢族女性乳腺癌發(fā)病風險相關性研究[J];中國衛(wèi)生產(chǎn)業(yè);2015年19期

8 霍記平;趙志剛;;生物標志物在乳腺腫瘤治療中的應用及進展[J];藥品評價;2015年04期

9 劉永春;雷躍榮;;基于計算機輔助檢測乳腺腫瘤的圖像處理與識別的研究[J];激光雜志;2014年08期

10 劉永春;宋弘;;基于隨機森林的乳腺腫瘤診斷研究[J];電視技術;2014年15期

，

本文編號：1304569