Multi-Agent算法在乳腺鉬靶X影像CAD系統(tǒng)腫塊分類中的研究與應用.pdf

1、乳腺癌是女性最常見的癌癥之一，是當今世界婦女惡性腫瘤死亡的首位原因。乳腺鉬靶X線影像計算機輔助診斷(Computer Aided Diagnosis，CAD)系統(tǒng)可以輔助醫(yī)生診斷，提高乳腺癌病變的檢測精度，這已經被許多學者廣泛研究。
　　 在目前的乳腺CAD系統(tǒng)中，已經有很多乳腺癌鉬靶X線影像腫塊分類算法研究，分類器融合算法能夠提高分類精度，已在很多領域被證實。因此，本文試圖構造一種的融合分類器，并將其用于對乳腺癌鉬靶X線影像中

2、的腫塊進行分類。
　　 傳統(tǒng)的融合方法一般是先提出某一計算模型，根據訓練樣本估計模型中的參數，使該模型在統(tǒng)計意義上達到最優(yōu)，而沒有考慮各個樣本的具體情況，即不考慮各分類器關于某一樣本的置信度，這就使得分類器的輸出結果總是按固定的權值被融合在一起。Multi-Agent算法正好彌補這一缺陷，當輸入一個新的樣本，多個自主Agent進行交互協(xié)調，進行調整各自的決策和行為，進而給出一個比較滿意的決策結果。鑒于這一點，本論文將Multi-

3、Agent融合算法應用到乳腺鉬靶X線影像CAD系統(tǒng)的腫塊分類中，論文的工作內容以及創(chuàng)新點主要有以下幾點：
　　 (1)、深入分析Multi-Agent算法的理論特點以及與乳腺鉬靶X線影像腫塊分類檢測的關聯，并在前人的理論基礎上進行算法改進，將單分類器的度量值信息引入到融合算法中。
　　 (2)、提出兩種新的腫塊特征，并結合已有的5種特征構成新的腫塊特征表征組，與傳統(tǒng)腫塊特征組進行比較。實驗結果表明，新特征組可以用于腫塊分

4、類。
　　 (3)、首次提出并構建基于Multi-Agent融合算法的腫塊分類模型，闡述了該模型的處理流程。將Multi-Agent算法和傳統(tǒng)的融合算法進行比較，實驗結果表明，Multi-Agent算法可以提高乳腺CAD系統(tǒng)的腫塊分類性能，并且在分類精度和穩(wěn)定性上優(yōu)于實驗中的其他融合算法。
　　 (4)、將Multi-Agent融合算法應用到乳腺鉬靶X線影像雙視角信息融合腫塊分類當中，并進行實驗。初步探討了雙視角融合的意