论文部分内容阅读
肝细胞癌是肝癌最常见的一种,占原发性肝癌的90%。肝细胞癌在全球范围内是最常见的死亡率位居前三的恶性肿瘤。微血管浸润MVI作为肿瘤侵袭的指标,对肝癌及其术后的诊断效果很好。通过MRI诊断肝细胞癌的工作量极大,且需要医生有极强的专业知识。提取肝细胞癌图像的纹理特征、通过纹理特征训练分类模型,可对医生的诊断提供可靠的建议。肝细胞癌微血管浸润分析的难点在于难以通过人工设计获得有效特征,为此需要结合ResNet等深度学习模型获得大量深度特征,而大量的深度特征和少量训练样本容易导致分类模型出现过拟合。为了满足上海联影实际项目的需求,需要开发一个有效的提取图像特征、选择特征、准确分类的模型和系统。为此通过如下方式进行了特征选择实验:相关系数法结合SVM模型、PCA结合SVM模型以及LDA结合SVM模型。实验发现:基于Filter的特征选择方法不能得到期望的分类准确度。最后,使用基于支持向量机的递归特征消除(RFE-SVM)算法,采用基于Wrapper的特征选择方法得到了期望的分类准确度。在此基础上,开发了一个能够利用少量肝细胞癌图像样本诊断肝细胞癌有无“微血管浸润”的软件系统。主要算法包括:(1)提取肝细胞癌图像的肝纹理特征,包括传统图像纹理特征和ResNet深度特征;(2)设计递归特征消除算法RFE过滤不相关特征;(3)建立支持向量机模型对有无“微血管浸润”进行诊断。通过5折交叉验证实验发现:RFE结合SVM分类器获得了令人满意的预测性能,“微血管浸润”有无准确率达81%。该研究表明,所提出的方法在本项目中,提取的肝纹理特征具有良好的适用性,“微血管浸润有无”分类的效果优于联影医疗公司以往的系统。