基于字典学习和稀疏表示分类的癌症预测

《基于字典学习和稀疏表示分类的癌症预测》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、基于字典学习和稀疏表示分类的癌症预测作者姓名黄瑞瑞指导教师姓名、职称刘芳教授申请学位类别工学硕士万方数据万方数据学校代码10701学号1403121698分类号TP391.4密级公开西安电子科技大学硕士学位论文基于字典学习和稀疏表示分类的癌症预测作者姓名：黄瑞瑞一级学科：计算机科学与技术二级学科：计算机应用技术学位类别：工学硕士指导教师姓名、职称：刘芳教授学院：计算机学院提交日期：2017年6月万方数据万方数据ThePredictionofCancerBasedonDictionaryLearningandSparseRep

2、resentationClassificationAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerApplicationTechnologyByHuangRuiruiSupervisor:LiuFangProfessorMay2017万方数据万方数据西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行

3、的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印

4、件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研究成果完成的论文、发明专利等成果，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：万方数据万方数据摘要摘要癌症是严重威胁人类健康的疾病之一。刚召开的2017年国际胃癌大会指出，中国胃癌发病例已经占到全球发病人数的40%以上，且大多已发展为中晚期胃癌，患者的5年生存率低于30%。而肺癌，则是众多癌症中的第一杀手，在我国及世界范围内都是发病率和致死率最高

5、的恶性肿瘤。因此，肿瘤的早期准确诊断，对合理制定治疗方案，改善癌症患者预后将起到至关重要的作用。在临床诊断中，淋巴结的转移状态是界定胃癌患者所处分期，判断肿瘤是否发生转移的重要依据，而肺结节的良恶性诊断则是确诊肺癌肿瘤性质及早晚期的重要依据，基于此本文的主要工作如下：（1）提出了一种基于K-SVD字典学习及稀疏表示分类的胃癌预测方法：针对胃癌患者所处的不同分期，首先，把胃癌患者分类，这样就把对胃癌分期的预测问题转化为分类问题，由于胃癌数据是不稀疏的，为了更好地逼近样本的稀疏域，用机器学习中的K-SVD字典学习的方法对从两类病

6、人的临床属性中提取的样本特征进行学习。在学习训练样本之前，根据病人所处的胃癌分期把训练样本分为未转移样本和转移样本，通过对两类样本特征进行字典学习，得到可以表示两类患者的两个字典，最后用学到的字典中的原子表示被测试样本，根据误差最小原则来进行胃癌预测分类。这样，胃癌患者的样本通过字典学习就实现了特征空间的变换，在新的特征空间上进行胃癌的分期预测取得的预测效果要比在原始特征空间上好。（2）针对肺部CT图像中肺结节（PN）区域的确定问题，提出了一种肺结节自适应窗口的获取方法，基于肺结节自适应窗口获取多尺度下肺结节样本，最后用基于

7、K-SVD字典学习及稀疏表示分类的方法，确定并验证肺结节最佳尺度窗口。首先，根据放射学家的标记获取单个结节的区域，综合考虑四位放射学家在同一切片的标记，得到单个结节在同一切片中唯一的综合性肺结节区域；然后，获取同一个结节在多个切片中的肺结节自适应窗口，这些窗口大小是不完全相同的。最后，基于自适应窗口在不同尺度窗口下获取肺结节样本，并分别用K-SVD字典学习的方法进行验证，分析得出针对该数据库获取肺结节样本时的最佳窗口的尺度。（3）在第三章得到的最佳尺度窗口下，根据获取的肺结节数据，提出了一种基于脊波超完备冗余字典和稀疏表示分

8、类的肺结节定性诊断方法，因为第三章中通过K-SVD字典学习得到的字典维数是固定的，其虽然具有冗余性，但不是超完备的，基于脊波构造的字典不仅具有冗余性，而且是超完备的，可以同时对肺结节的方向性和高维奇异性进行逼近。首先，构造脊波超完备冗余字典；然后，将训练样本根据良恶性分类，在超完备冗余字典