基于機器學習的宮頸細胞分類技術研究.pdf

1、宮頸癌是女性中最常見的第二大癌癥，每年有超過250，000個死亡病例，尤其在發(fā)展中國家，每年都有大量的新增病例，而這其中有四分之一左右來自于中國。雖然宮頸癌發(fā)病率高，但是幸運的是，宮頸癌在初期有一個相對較長的病變期，使得早期的篩查以及及時的治療能夠在很大程度上增加治愈率，因此宮頸癌篩查對于女性健康非常重要。宮頸癌的篩查方法有很多種，最常用的一種方法是巴氏涂片檢測，然而這種方法依賴于人工閱片，而這種人工閱片的方式會產(chǎn)生一系列問題，比如使得

2、工作醫(yī)師工作量大，篩查的成本極高，篩查結果的可靠性和準確性受到工作醫(yī)師的專業(yè)技術和主觀情緒的影響等。因此將計算機技術和宮頸癌篩查相結合的自動化篩查研究對于宮頸癌的防治有重要意義。
　　宮頸癌的自動化篩查技術主要分為五步，分別是宮頸細胞圖像的預處理、分割、特征提取、特征選擇和分類識別。
　　在宮頸癌的自動化篩查技術的研究中，很多的研究將重點放在了圖像分割和特征提取中，并取得了很好的效果。但在特征選擇和分類識別方面，研究工作仍有

3、不足，因此，本文的研究主要是針對宮頸細胞圖像的特征選擇和分類識別。本文的第一個研究重點是提出一種基于 ReliefF特征選擇和隨機森林分類識別的宮頸細胞自動分類方法。在特征選擇階段，利用 ReliefF方法對 Herlev數(shù)據(jù)集中的20維特征進行權重排序；在分類階段，隨機森林方法將Herlev數(shù)據(jù)分為兩大類：正常細胞和異常細胞，并利用不同維數(shù)的特征訓練分類器。經(jīng)過交叉驗證后，實驗結果顯示隨機森林方法在前13維特征時取得最好的分類效果，并

4、且優(yōu)于樸素貝葉斯方法、C4.5方法和邏輯回歸方法。
　　大部分已有的研究都是基于訓練數(shù)據(jù)和測試數(shù)據(jù)的概率同分布假設前提，然而在實際的應用中，宮頸細胞數(shù)據(jù)的分布可能受到地域、年齡等因素的影響，使得原有的分類器不能很好地適應新的測試數(shù)據(jù)，從而造成分類結果有一定的偏差，因此本文的第二個研究重點是將遷移學習引入到宮頸細胞的分類中。遷移學習方法在訓練分類器時，可根據(jù)宮頸細胞實際的分布對分類器進行調整，使分類結果更貼合實際。本文實現(xiàn)了兩種遷移

5、學習方法在宮頸細胞上的分類：第一個方法是基于偏差更正的宮頸細胞分類方法，該方法根據(jù)源域和目標域數(shù)據(jù)的分布，從源域中選擇出更接近目標域的數(shù)據(jù)，然后將其加入目標域得到新的訓練數(shù)據(jù)集，并在新的數(shù)據(jù)集上建立新的分類模型，使其更適合目標域。第二個方法是基于多模型局部加權的宮頸細胞分類方法，該方法利用目標域中數(shù)據(jù)樣本的分布對基礎分類器設置不同的權重，并將多個帶權重的基礎分類器構造成一個強分類器。通過交叉驗證的實驗方式對提出的兩種方法進行實驗，實驗結