基于自步学习的多经验核映射集成分类器在乳腺癌超声计算机辅助诊断上的应用

• 作者: 汪琳琳 沈璐 施俊 费晓燕 周玮珺 徐浩煜 刘立庄
• 来源期刊: 生物医学工程学杂志
• 关键词: 乳腺癌 超声成像 多经验核映射 自步学习 排他性正则化机 集成学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 论著|Articles
• 页码范围: 30-38
• 页数: 9页
• 语种: 中文
• DOI: 10.7507/1001-5515.202002004

摘要

特征表达和分类器的性能是决定计算机辅助诊断(CAD)系统性能的重要因素.为了提升基于超声成像的乳腺癌CAD系统的性能,本文提出了一种基于自步学习(SPL)的多经验核映射(MEKM)排他性正则化机(ERM)集成分类器算法,能同时提升特征表达和分类器模型的性能.该算法首先通过MEKM映射得到多组特征,以增强特征表达能力,并嵌入到ERM作为多个支持向量机的核变换;然后采用SPL策略自适应地选择样本,由易到难地逐步训练ERM集成分类器模型,从而提升分类器的性能.该算法分别在乳腺癌B型超声数据库和弹性超声数据库上进行了验证,结果显示B型超声的分类准确率、敏感度和特异性分别为(86.36±6.45)％、(88.15±7.12)％和(84.52±9.38)％,而弹性超声的分类准确率、敏感度和特异性分别为(85.97±3.75)％、(85.93±6.09)％和(86.03±5.88)％.实验结果表明,本文所提出算法能有效提升乳腺超声CAD的性能,具有投人实用的潜能.