基于機(jī)器學(xué)習(xí)的乳腺腫瘤識(shí)別.pdf

1、乳腺腫瘤嚴(yán)重危害到女性的健康，目前為止還沒有找到很好的預(yù)測(cè)乳腺癌的方法。目前，依照當(dāng)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(guān)鍵在于要提早發(fā)現(xiàn)，早發(fā)現(xiàn)可以及時(shí)治療，早診斷，不要耽誤最佳治療時(shí)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(gè)方向發(fā)展。隨著現(xiàn)在科學(xué)技術(shù)地不斷發(fā)展，人工智能技術(shù)不斷進(jìn)步，人工神經(jīng)網(wǎng)絡(luò)技術(shù)也日益成熟，它的分類能力也越來越強(qiáng)，并且具有智能性，為乳腺腫瘤識(shí)別提供了一種

2、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(xì)胞核組織的顯微圖像有所不同，因此采用分類能力比較強(qiáng)的算法來進(jìn)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(jī)器學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)對(duì)乳腺腫瘤的診斷進(jìn)行研究和實(shí)驗(yàn)，應(yīng)用了幾種方法進(jìn)行仿真實(shí)驗(yàn)，都具有良好的實(shí)驗(yàn)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(xué)應(yīng)用價(jià)值。本文主要研究?jī)?nèi)容包括:
　　(1)應(yīng)用了統(tǒng)計(jì)

3、學(xué)三種判別方法，fisher判別，距離判別，貝葉斯判別對(duì)乳腺腫瘤數(shù)據(jù)，進(jìn)行實(shí)驗(yàn)，三種方法進(jìn)行比較。通過仿真實(shí)驗(yàn)證明，fisher判別的準(zhǔn)確達(dá)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(shí)驗(yàn)效果。
　　(2)應(yīng)用K-means神經(jīng)網(wǎng)絡(luò)算法和自組織神經(jīng)網(wǎng)絡(luò)算法兩種方法，對(duì)乳腺腫瘤數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)，K-mea

4、ns神經(jīng)網(wǎng)絡(luò)和自組織神經(jīng)網(wǎng)絡(luò)的正確率分別為80％和81.58％。由于對(duì)乳腺腫瘤識(shí)別用的數(shù)據(jù)是乳腺腫瘤病灶組織的細(xì)胞核顯微圖像10個(gè)量化特征進(jìn)行的，而每組數(shù)據(jù)是由采樣細(xì)胞核的10個(gè)特征構(gòu)成的，為了避免誤差，取了10個(gè)特征的平均值、標(biāo)準(zhǔn)差和最壞值一共30個(gè)數(shù)據(jù)。由于輸入維數(shù)較大，冗余信息較多，運(yùn)行時(shí)間較長(zhǎng)，所以采用PCA對(duì)數(shù)據(jù)進(jìn)行降維，降到8維，累計(jì)貢獻(xiàn)率已經(jīng)達(dá)到了99.91％。然后在用K-means和自組織神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn)，運(yùn)行時(shí)間縮短了