利用基于梯度的分割算法和神经分类器对乳腺 X 线摄影肿块进行表征

我们开发的用于肿块表征的计算机辅助诊断系统主要基于一种分割算法以及对在分割肿块上计算的若干特征的神经分类。肿块分割在大多数计算机化系统中起着关键作用。我们的技术是一种基于梯度的技术，其主要特点是在本分析所用的数据集上没有评估任何自由参数，因此可以直接应用于在不同条件下获取的数据集，而无需任何特设修改。本研究使用了包含 226 个肿块（109 个恶性和 117 个良性）的数据集。该分割算法在恶性和良性肿块上均具有相当的效率。多层感知器神经网络分析了基于分割肿块的形状、大小和强度的十六个特征。基于特征的判别能力及其之间的线性相关性，进行了特征选择过程。通过改变待分类特征数量所获得的 ROC 曲线下面积的比较表明，在计算的 16 个特征中选出的 12 个特征足以实现最佳的分类器性能。放射科医生将分割后的肿块分为三类：正确分割、可接受分割和不可接受分割的肿块。我们最初仅在第一类分割肿块（占数据集的 88.5%）上估计 ROC 曲线下面积，然后将数据集扩展至第二个子类（达到数据集的 97.8%），最后扩展至整个数据集，分别获得 Az = 0.805+-0.030、0.787+-0.024 和 0.780+-0.023。