基于計算智能和機器學習的胃癌淋巴結(jié)檢測及淋巴結(jié)轉(zhuǎn)移診斷方法研究.pdf

1、胃癌在全球惡性腫瘤死亡率中排名第二。淋巴結(jié)轉(zhuǎn)移是影響胃癌預后的重要獨立因素，內(nèi)外科治療前需要盡可能準確的了解淋巴結(jié)情況，以確定治療方案和評價預后。當前，淋巴結(jié)主要采用影像學的手段檢測，并且從中提取多個診斷特征。然后利用一些特征提取方法提取出有效診斷特征后，對淋巴結(jié)轉(zhuǎn)移實現(xiàn)診斷?；诖耍搯栴}可以分解為兩個子問題：（1）淋巴結(jié)檢測；（2）淋巴結(jié)轉(zhuǎn)移診斷。本論文在國家自然科學基金、教育部博士點基金、北京市重點基金等項目的聯(lián)合資助下，通過綜合

2、利用解剖學，胃癌影像學，人工智能，模式識別，圖像處理，機器學習和進化計算等領域的知識，深入研究了上述問題，并且提出了相應的解決方案。所取得的創(chuàng)新性成果有：
　?。?）當前主要依靠影像學的手段實現(xiàn)淋巴結(jié)的檢測。根據(jù)臨床經(jīng)驗，胃癌的淋巴結(jié)位于胃部周圍的脂肪組織內(nèi)。如果能夠有效地提取脂肪組織，將極大地降低淋巴結(jié)檢測的難度。由于胃部圖像的結(jié)構和紋理較為復雜，自動提取面臨很大的挑戰(zhàn)。而人工提取費時費力，導致放射師工作效率低下。相比之下，半自

3、動方法，也就是交互式分割的方法能夠避免上述兩種方法的缺點。為了進一步提高放射師的工作效率，提出了一種基于目標信息的交互式分割算法用于脂肪組織的提取。與傳統(tǒng)方法的區(qū)別是：該方法只需要在目標區(qū)域輸入交互式信息，脂肪組織就能提取出來。與此同時，還將以上算法拓展到三維圖像，提出了基于目標信息的交互式三維分割算法。該方法只需要在一幅或者多幅圖像輸入目標的交互式信息，就可以提取出CT圖像中所有幀的脂肪組織。實驗表明所提算法能夠有效地提取脂肪組織，并

4、且滿足淋巴結(jié)檢測的需要。
　?。?）在提取脂肪組織之后，將檢測淋巴結(jié)。根據(jù)臨床經(jīng)驗，提出了一種分層模型用于淋巴結(jié)的檢測。該模型包括四層：原始圖像層，脂肪組織層，疑似淋巴結(jié)層以及淋巴結(jié)層。在輸入原始圖像后，首先提取脂肪組織。由于脂肪組織中有一些臟器和淋巴結(jié)非常類似，因此首先檢測出疑似淋巴結(jié)，然后利用一些特有的特征檢測淋巴結(jié)。其中，脂肪組織層利用（1）中所述算法提取。對疑似淋巴結(jié)層，提出了一種稀疏動態(tài)集成選擇算法用于疑似淋巴結(jié)的提取。

5、對淋巴結(jié)層，提出了一種基于證據(jù)推理的淋巴結(jié)檢測方法。實驗表明，所提模型以及兩種算法能夠有效地檢測淋巴結(jié)。
　?。?）在檢測到淋巴結(jié)之后，將提取多個特征用于診斷淋巴結(jié)轉(zhuǎn)移。如果采用較少特征依然能夠取得好的診斷結(jié)果，將極大的提高醫(yī)生的工作效率。與此同時，在當前的研究中，醫(yī)學界對哪些特征對診斷淋巴結(jié)轉(zhuǎn)移有效還未給出定論。為了解決這一問題，提出了一種新的基于相關性克隆選擇算法用于診斷特征的選擇。該方法將診斷特征選擇視為一個組合優(yōu)化問題，然

6、后利用所提算法通過優(yōu)化該問題實現(xiàn)特征選擇。相對于其他算法，本算法不僅能有效的選擇出診斷特征，還能在保證診斷性能的前提下，選擇更少的診斷特征。通過對實驗結(jié)果的分析，所提取的診斷特征不僅具有臨床價值，而且對診斷淋巴結(jié)轉(zhuǎn)移具有較強的指導意義。
　?。?）在提取出有效的診斷特征后，將診斷淋巴結(jié)轉(zhuǎn)移。通過對相關文獻的調(diào)研，當前主要通過兩種方式診斷淋巴結(jié)轉(zhuǎn)移：一種是只利用淋巴結(jié)特征；另一種是綜合利用腫瘤和淋巴結(jié)特征。由于目前醫(yī)學上對其尚沒有定

7、論，因而將從這兩個方面對淋巴結(jié)轉(zhuǎn)移診斷展開研究。
　　對只采用淋巴結(jié)特征的情況，基于置信規(guī)則庫的方法，提出了一種新的雙層置信規(guī)則庫模型用于淋巴結(jié)轉(zhuǎn)移診斷。該模型由兩個置信規(guī)則庫組成。與此同時，為了提高所提模型的性能，提出了一種新的克隆選擇優(yōu)化算法訓練所提模型。實驗研究表明所提模型能夠有效地實現(xiàn)淋巴結(jié)轉(zhuǎn)移的診斷，所提優(yōu)化算法能夠顯著提高診斷性能。
　　對同時利用淋巴結(jié)特征和腫瘤特征的情況，提出了一種新的協(xié)同置信規(guī)則庫模型。該模