代价敏感分类策略在肺癌细胞识别诊断中的应用

摘要：

目的 代价敏感分类策略可以最小化误分类代价并有效提高识别率.针对计算机辅助肺穿刺样本的病理图像分析,提出一种新的代价敏感图像层的肺癌诊断系统(cost-sensitive image-level lung cancer diagnosis system,CILCDS).方法基于潜在狄利克雷分配模型(latent dirichlet allocation,LDA)、代价敏感支持向量机(cost-sensitive support vector machine,CSSVM)以及多类支持向量机(multi-class support vector machines,mcSVM)等最新计算机技术,对肺穿刺病理细胞学涂片进行识别诊断.实验数据集是271例肺穿刺样本图像,其中240例肺癌样本有术后组织病理诊断结果对照.结果 通过与基于轴平行矩形(axis-parallel rectangles,APR)、K近邻(citation K-nearest neighbors,Citation-Knn)、集成多样性密度 (ensemble of diversity density,EM-DD)、多分类多示例自适应增强法(multi-class multi-instance adaptive boosting,MCMI-AdaBoost)等方法进行对比,CILCDS在癌与正常细胞的判断以及癌细胞的分类识别诊断过程中能够取得更低的错误分类代价以及较好的组织病理结果符合率.结论 CILCDS对肺癌细胞涂片诊断率高,并能减少既往肺癌细胞病理诊断过程中假阳性结果.

关键词：代价敏感图像层肺癌诊断系统、肺肿瘤/诊断/病理学、图像处理、计算机辅助

所属期刊栏目：25

分类号：R734.2(肿瘤学)

资助基金：国家自然科学基金61035003

在线出版日期：2012-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：567-570