基于字典学习和稀疏表示分类的癌症预测

摘要

癌症是严重威胁人类健康的疾病之一。刚召开的2017年国际胃癌大会指出，中国胃癌发病例已经占到全球发病人数的40％以上，且大多已发展为中晚期胃癌，患者的5年生存率低于30%。而肺癌，则是众多癌症中的第一杀手，在我国及世界范围内都是发病率和致死率最高的恶性肿瘤。因此，肿瘤的早期准确诊断，对合理制定治疗方案，改善癌症患者预后将起到至关重要的作用。在临床诊断中，淋巴结的转移状态是界定胃癌患者所处分期，判断肿瘤是否发生转移的重要依据，而肺结节的良恶性诊断则是确诊肺癌肿瘤性质及早晚期的重要依据，基于此本文的主要工作如下：
　　（1）提出了一种基于K-SVD字典学习及稀疏表示分类的胃癌预测方法：针对胃癌患者所处的不同分期，首先，把胃癌患者分类，这样就把对胃癌分期的预测问题转化为分类问题，由于胃癌数据是不稀疏的，为了更好地逼近样本的稀疏域，用机器学习中的K-SVD字典学习的方法对从两类病人的临床属性中提取的样本特征进行学习。在学习训练样本之前，根据病人所处的胃癌分期把训练样本分为未转移样本和转移样本，通过对两类样本特征进行字典学习，得到可以表示两类患者的两个字典，最后用学到的字典中的原子表示被测试样本，根据误差最小原则来进行胃癌预测分类。这样，胃癌患者的样本通过字典学习就实现了特征空间的变换，在新的特征空间上进行胃癌的分期预测取得的预测效果要比在原始特征空间上好。
　　（2）针对肺部CT图像中肺结节（PN）区域的确定问题，提出了一种肺结节自适应窗口的获取方法，基于肺结节自适应窗口获取多尺度下肺结节样本，最后用基于K-SVD字典学习及稀疏表示分类的方法，确定并验证肺结节最佳尺度窗口。首先，根据放射学家的标记获取单个结节的区域，综合考虑四位放射学家在同一切片的标记，得到单个结节在同一切片中唯一的综合性肺结节区域；然后，获取同一个结节在多个切片中的肺结节自适应窗口，这些窗口大小是不完全相同的。最后，基于自适应窗口在不同尺度窗口下获取肺结节样本，并分别用K-SVD字典学习的方法进行验证，分析得出针对该数据库获取肺结节样本时的最佳窗口的尺度。
　　（3）在第三章得到的最佳尺度窗口下，根据获取的肺结节数据，提出了一种基于脊波超完备冗余字典和稀疏表示分类的肺结节定性诊断方法，因为第三章中通过K-SVD字典学习得到的字典维数是固定的，其虽然具有冗余性，但不是超完备的，基于脊波构造的字典不仅具有冗余性，而且是超完备的，可以同时对肺结节的方向性和高维奇异性进行逼近。首先，构造脊波超完备冗余字典；然后，将训练样本根据良恶性分类，在超完备冗余字典中搜索可以最佳表示良恶性样本的原子，组成良恶性子字典；最后，用良恶性子字典中的原子分别表示测试样本，基于误差最小原则进行肺结节的定性诊断。实验结果表明：对于同一个尺度窗口下的肺结节样本，本章中基于脊波超完备冗余字典和稀疏表示分类的诊断效果要比第三章中基于K-SVD字典学习的诊断效果要好，同时在实验过程中，针对参数L取不同的值做了对比分析，发现在表示子块的原子个数L取值为8时，肺结节定性诊断的预测效果达到最佳。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.1课题研究的背景与意义

1.2癌症诊断的研究现状

1.3稀疏表示的研究现状

1.4字典学习的研究现状

1.5本文的主要研究内容与结构安排

第二章 基于K-SVD字典学习和稀疏表示分类的胃癌预测

2.1引言

2.2胃癌临床数据的预处理

2.3基于K-SVD字典学习和稀疏表示分类的胃癌预测

2.4仿真实验结果展示与分析

2.5本章小结

第三章 肺结节自适应窗口的获取及最佳尺度窗口的确定

3.1引言

3.2 LIDC-IDRI影像数据库的理论

3.3基于自适应窗口的肺结节区域获取策略

3.4基于K-SVD字典学习和稀疏表示分类的最佳尺度窗口的确定

3.5本章小结

第四章 基于脊波超完备冗余字典和稀疏表示分类的肺结节定性诊断

4.1引言

4.2基于脊波的超完备冗余字典的构造

4.3基于脊波超完备冗余字典及稀疏表示分类的肺结节定性诊断

4.4仿真实验及结果分析

4.5本章小结

第五章 总结与展望

5.1论文工作总结

5.2论文工作展望

参考文献

致谢

作者简介