基于改进型multi-agent多分类器融合算法在乳腺钼靶肿块分类中的研究

《基于改进型multi-agent多分类器融合算法在乳腺钼靶肿块分类中的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、杭州电子科技大学硕士学位论文基于改进型Multi--Agent多分类器融合算法在乳腺钼靶肿块分类中的研究姓名：赵浣萍申请学位级别：硕士专业：模式识别与智能系统指导教师：厉力华；徐伟栋201201杭州电子科技大学硕士学位论文摘要乳腺癌是女性最常见的恶性癌症之一，严重影响女性身心健康，甚至会危及生命。在乳腺癌的早期诊断方法中，乳腺钼靶X线摄影是国际公认的早期诊断乳腺癌的好手段。清晰的乳腺钼靶x线摄影是乳腺癌征象记录的良好媒介，但是人眼识别能力有限，乳腺钼靶图像的计算机辅助诊断(Computer-aidedDiagnosis，CAD

2、)系统使临床医师能掌握到比以往更多的诊断依据，提高了早期乳腺癌诊断的可靠性，减少了人为的误诊因素，是提高乳腺癌患者早期诊断率的新途径。乳腺肿块分类是乳腺CAD系统中重要一部分。目前乳腺肿块分类算法的研究已经很多，主要有神经网络、决策树、k．最近邻、模糊聚类法及贝叶斯等，但每种方法都有一定的偏好和局限性。特定的方法往往在一个问题或数据集上取得好的效果，而在另一个问题或数据集上不尽如人意。近年来，有关多分类器融合算法的研究越来越多，大量实验证明多分类器融合算法在一定范围内可以提高分类精度。Multi．Agent(MA)是近几年来提

3、出的一种多分类器融合方法。课题组前期的研究中已经证实，与传统的分类方法比较MA提高了乳腺肿块分类精度，但是经典的MA多分类器融合算法在多个Agent(智能体)进行相互协商时，没有考虑各单分类器的分类效果、识别性能有所差别的情况，同时在做良恶性决策的时候没有考虑到迭代次数不收敛，拒绝决策的情况。本文提出的是一种改进型MA多分类器融合算法，它建立在MA算法思想的基础上，着重考虑到了各分类器之间的差异性，并致力于保证算法的收敛性和对单分类器输出结果的充分利用。在统计训练数据时，不再依靠分类结果的标签，而是通过统计分类结果的置信度来代

4、替。论文的工作内容以及创新点主要有以下几点：1)改进型MA多分类器融合算法在经典MA算法思想的基础上，引入权重矩阵对各单分类器的分类效果有所差别的情况进行针对性修正。实验结果表明，改进型MA融合算法的分类精度优于经典的MA融合算法，同时具有较好的稳定性。，——．。—／一、。2)改进型MA多分类器融合算法当迭代次数到达某一阈值时，用概率加权平均代替原来的简单平均进行整体决策。实验结果表明，改进型MA融合算法保证了收敛。3)改进型MA多分类器融合算法研究了组成多分类器融合的单分类器数量变化对分类结果的影响。实验表明当单分类器的个数

5、变化时，改进型MA受分类器数目的影响比较小。4)引入乳腺钼靶X线摄影双视角信息，改进型Multi．Agent融合算法与双视角信息融合应用于肿块分类问题上。实验结果表明，分类精度显著提高。关键词：乳腺钼靶x线摄影，分类器，肿块，Multi—Agent杭州电子科技大学硕十学位论文ABSTRACTBreastcancerisoneofthemostcomlnonmalignantcancersamongthewomenandhasaseriousnegativeeffectonphysicalandmentalhealth．Inth

6、emethodsforearlydiagnosingbreastCanC％mammographyisconsidered嬲agoodwayfortheearlydetectionofbreastCanCer．However,theabilityofhumaneyesinreadingmammographyislimited，computeraideddiagnosis(CAD)systemcouldimprovesthereliabilityofearlydiagnosisandreducesthehumanfactorsof

7、misdiagnosis．Itisanewwaytoin．easethediagnosticaccuracyoftheearlydiagnosisofbreastCanCeLClassificationofbreastmassesplaysanimportantroleinmammographicCADsystem．ManyclassificationalgorithmshavebeenproposedformassclassificationinmammographicCADsystem．Theyareneuralnetwo

8、rks，decisiontrees，k—nearestneighbor,fuzzyclusteringandBayesian，etc．，whileeachmethodhasitslimitationsaswellaspreferences．Amethodoftenachiev