论文部分内容阅读
乳腺癌是危害女性健康最常见的恶性肿瘤之一，早期检测与诊断能为患者赢得宝贵的治疗时间并减少不必要的痛苦。乳腺钼靶X线摄影作为常规的检查手段，可以检测出医生触摸不到的乳腺肿块，是乳腺癌早期检测与诊断的重要途径。基于影像的计算机辅助诊断(computer-aided diagnosis，CAD)系统被称为放射科医师的“第二双眼”，为医师的诊断提供了客观有效的辅助信息，特别在提高乳腺癌检出率降低假阴性方面发挥着重要作用，成为近几年研究的热点。然而，现有计算机辅助诊断系统的性能依赖于图像增强，病灶分割，特征提取与选择以及分类器学习等诸多环节，过高的假阳性率限制了它的临床应用。尽管这种传统CAD系统在一定程度上能够对可疑病灶做出相应的诊断，但是在整个乳腺钼靶X线摄影检查过程中，放射科医师才具有最终决定权。医师凭借自己的专业知识对一病例作出诊断的过程是一项有目的有规律的思维运动。对这一特殊行为规律的分析将有助于了解医师决策思考的过程。若能将医师固有的经验能力和传统计算机辅助诊断系统客观的分析计算能力融为一体，设计新型即混合智能体型CAD系统有望解决现有系统存在的敏感性低或假阳性率高等一系列问题。本文探索性的研究了一种基于人机智能融合的乳腺癌辅助诊断新方法。研究的主要内容及创新工作有如下几点：（1）研发了一款基于Web的乳腺钼靶肿块诊断平台作为人机交互的接口，为医师诊断数据的挖掘和诊断行为分析建模奠定了基础。医师操作实践证明，借助互联网技术搭建一个远程Web平台作为人机智能接口是可行的。（2）在乳腺影像报告和数据系统（Breast Imaging Reporting And Data System, BI-RADS）的基础上分析医师的诊断行为，提出BI-RADS等级阳性预测值的概念，量化医师的诊断意图。实验表明，医师分级诊断确实存在一定规律性，并能够与传统CAD系统进行协同互补。（3）提出了基于Alpha-Integration（AI）算法和Multi-Agent (MA)算法的人机智能融合模型，详细阐述了模型的工作机制和实现流程。（4）探索性的研究了基于人机智能融合的乳腺钼靶肿块诊断方法，并合理设计实验评估了基于AI和MA模型的智能融合诊断系统，实验结果表明，人机智能融合的肿块诊断方法优于纯机器智能的传统CAD系统诊断。