基于神经网络的肿瘤细胞检测

导读:肿瘤已经成为影响人类健康的一大杀手,肿瘤的治疗方法越来越多,但是肿瘤早期的诊断却是一个比较大的难题,特别是对于肿瘤的良性与恶性的诊断仍然是一个科学难题,基于BP神经网络建立诊断模型,降低源于对临床细胞形态学诊断方法经验不足时的误判率,本文使用BP神经网络,肿瘤数据采用美国新墨西哥州立大学Neuroimaging中心提供的、由高性能光学,在Matlab环境下通过采取肿瘤患者的医学指标,建立BP神

基于神经网络的肿瘤细胞检测

摘要

肿瘤已经成为影响人类健康的一大杀手。近年来,肿瘤的治疗方法越来越多,治疗效果也越来越好,但是肿瘤早期的诊断却是一个比较大的难题,特别是对于肿瘤的良性与恶性的诊断仍然是一个科学难题。针对这一问题,基于BP神经网络建立诊断模型,从而建立应用于乳腺癌早期诊断的计算机辅助方法,降低源于对临床细胞形态学诊断方法经验不足时的误判率。

本文使用BP神经网络,肿瘤数据采用美国新墨西哥州立大学Neuroimaging中心提供的、由高性能光学显微镜采集的肿瘤细胞和健康组织细胞的一系列数据,在Matlab环境下通过采取肿瘤患者的医学指标,建立BP神经网络,使用500组数据对网络进行训练,并且通过调整隐层节点的数量以及参数来达到网络的快速收敛和更高的准确率,最终使用随机的69组数据进行网络测试,得到较好的预测精度。BP网络的应用,为解决肿瘤的良性与恶性的早期诊断,给出了一定的参考方法。

关键词:肿瘤;医学诊断;BP神经网络

Abstract

Tumor has become a major killer of human health. In recent years, there emerges more and more cancer treatment and the treatment is getting better, but the diagnosis of cancer on early stage is still a big problem, especially in the diagnosis of the benign and malignant tumors. To solve this problem, a diagnostic model is established based on BP neural networks,a computer-aided diagnostic system can be further developed for early detection of breast tumor, and finally reduce the misdiagnosis ratio resulting from the lack of experience derived from clinical cell morphological diagnostic methods.

In this paper, we apply the BP neural network to deal with the medical data including tumor cells and healthy tissue cells acquired from the Neuroimaging Center of the New Mexico State University collecting through high-performance optical microscope. After establishing the BP neural network, we pick 500 samples to train the network, adjust the number of hidden layer nodes and the corresponding parameters to achieve the networks with faster convergence and higher accuracy rate. At last, we use random 69 samples for network testing, and get good prediction accuracy. The application of the BP neural networks to the early diagnosis of the benign and malignant tumors is a good reference for future study.

Key words: Cancer; Medical diagnosis; BP neural network

目录

1 绪论 ............................................................................................................................. 1

1.1 课题背景与意义 ................................................................................................. 1 1.2 课题研究现状 ..................................................................................................... 1 1.3 课题研究的主要内容 ......................................................................................... 2 1.4 Matlab工具介绍 ................................................................................................. 3 1.4 研究步骤及方法 ................................................................................................. 5 2 神经网络方法 ............................................................................................................. 6

2.1 人工神经网络概述 ............................................................................................. 6

2.1.1 人工神经网络的概念 ............................................................................... 6 2.1.2 人工神经网络的主要方向 ....................................................................... 8 2.1.3 人工神经网络特点 ................................................................................... 8 2.1.4 人工神经网络优缺点 ............................................................................... 9 2.2 径向基网络 ....................................................................................................... 10 2.3 支持向量机 ....................................................................................................... 11 2.4 小波神经网络 ................................................................................................... 12 2.5 BP神经网络 ...................................................................................................... 12

2.5.1 BP神经网络优点 .................................................................................... 13 2.5.2 BP神经网络缺点 .................................................................................... 13 2.5.3 BP神经网络算法与步骤 ........................................................................ 14

3 研究方法 ................................................................................................................... 16

3.1 数据解释 ........................................................................................................... 16 3.2 模型建立 ........................................................................................................... 16 3.3 训练过程 ........................................................................................................... 17 4 结果 ........................................................................................................................... 21

4.1 网络优化 ........................................................................................................... 21 4.2 数据实测 ........................................................................................................... 21 5 讨论 ........................................................................................................................... 23 总结 ................................................................................................................................. 24 致谢 ................................................................................................................................. 25 参考文献 ......................................................................................................................... 26

杭州电子科技大学本科毕业设计

1 绪论

1.1 课题背景与意义

肿瘤按照最简单的分类为两种:良性肿瘤与恶性肿瘤。

顾名思义,良性肿瘤对于人类并无致命性,可通过现代医疗手段治愈,而恶性肿瘤又称癌症,乃是当今医学无法攻克的难题之一,其极高的病死率常年来都威胁着人类的生命健康。

一连串惊人的数字、例证,无情的发射出惊醒人类的信号。当今世界,对人类生命威胁最严重的疾病之一仍属癌症。在我们生活的这个地球上,每年约有500余万人因癌症而绝望的离世。据调查,在我们中国,每年便有100万人患上癌症,每年死于癌症的病人约80万人。仅在台湾省每年因癌症而死亡的人数就达2万余人,从该省所有死亡人数的统计来看,每5人中就有1人死于癌症。

就世界范围而言,癌症的总发病率近年来不断增高,虽然由于医学技术的进步,癌症的死亡率已经呈下降趋势,但是由于现代生活节奏的紊乱,环境的恶化,总体癌症死亡人数仍然在增加。

癌症也并非完全不可治愈,癌症是否可以治愈,在于两个关键点—— 1. 癌症发生部位 2. 癌症发现时间

本文讨论的重点也在于此,癌症的发生部位无法人为改变与控制,但是癌症的发现时间却是可以通过先进的检测技术,及早的检测与确认,为癌症的治疗带来宝贵的时间。

本文使用BP神经网络,通过采取肿瘤患者的医学指标,并且通过调整隐层节点的数量来达到网络的快速收敛和更高的准确率,为解决肿瘤的良性与恶性的早期诊断,给出了一定的参考方法。

1.2 课题研究现状

人工神经网络(简称神经网络)具有复杂模式和进行联想、推理记忆的功能,它是解决某些传统方法无法解决的问题的有力工具。目前,它日益受到重视,同时其他科学的发展,为其提供了更大的机会。1986年,由Rumelhart和McCelland为首的科学家小组提出了误差反向传播算法(Error Back Propagation Algorithm,简称BP算法),由于多层前馈网络的训练经常采用误差反向传播算法,人们也常把多层前馈网络成为BP网络。由于具有结构简单、工作状态稳定、易于硬件实现等优点,在众多的神经网络模型中,BP网络的应用最为广泛,尤其是在模式识别及分类、系统仿真、故障只能诊断、图像处理、函数拟合、最优预测等方面。

1

杭州电子科技大学本科毕业设计

人工神经网络是模仿生物神经系统中神经元的一种数学处理方法。由于它具有并行处理方式、自组织、自学习能力、联想记忆和容错等能力,因而可以起到专家系统的作用。特别是在分类诊断以及基于分类的智能控制和优化求解方面,神经网络专家系统比传统的专家系统性能更为优越。神经网络在医疗诊断中已经有了一些应用,如在生物医学中的高分子序列分析、图像分析及辅助诊断等许多领域取得了很好的效果。目前,人工神经网络在医疗诊断中主要有以下几个方面:

(1)临床疾病诊断

急性心肌梗塞是最早应用神经网络进行诊断的疾病之一,始于1989年,主要应用了前馈式神经网络BP学习算法。此后,陆续有其他疾病应用人工神经网络进行诊断,如呼吸衰竭、痴呆、精神疾病、性传播疾病等,均取得了良好的诊断结果。神经网络没过UCI数据库中有4个关于心脏病诊断的数据库,每个数据库中有76个属性,但是只有14个是有用的。1989年,Detrano R等利用对数回归判别函数,分别用Hungarian、Longbeach、Swiss 3个数据库的数据进行冠心病的诊断,准确率约为77%;David、Aha Dennis Kibler用Clevelland数据库的数据进行冠心病的诊断,准确率为78.9%。

(2)影像学分析

应用于X线的骨肿瘤、胸部及肺部肿瘤诊断、PET扫描、核磁共振扫描等。 (3)医学信号检测与识别(图像识别、影像判别等)

波形分析,如心电图的波形分析(心肌梗塞、心室肥厚、房性、室性异位节律、房颤、室颤、室扑。ST-T波形改变等)、肌电图分析、脑电图分析(老年性痴呆、癫痫等)。

(4)后果预测

重大疾病的后果预测,如ICU病房患者的死亡率、存活率预测,前列腺癌症的死亡率、复发率、存活率预测等。

(5)生物医药领域

在基础研究方面,应用ANN模型进行基因识别和DNA序列分析。在药学方面,应用ANN进行药物分析和药代动力学研究、中草药鉴别、药物设计、化学结构识别、生产工艺控制等。

1.3 课题研究的主要内容

研究的基本内容是理解和人工神经网络方法的基本原理,利用上述方法处理和分析肿瘤细胞数据(美国新墨西哥州立大学Neuroimaging中心提供的、由高性能光学显微镜采集的肿瘤细胞和正常组织细胞的一系列数据),研究人工神经网络在鉴别肿瘤细胞中应用的可行方法。

拟解决的主要问题是如何针对细胞光学检测技术的特点(数据量大,特征参数与肿瘤细胞的关系不明显,细胞个体差异和操作误差的影响),应用人工神经网络来建立适当的数学模型和算法分析,通过对样本进行训练来优化神经网络的参数,再用测试样本来检验神经网络的分类精度,最终达到识别肿瘤细胞的目的。

2

五星文库wxphp.com包含总结汇报、外语学习、IT计算机、计划方案、专业文献、资格考试、考试资料、旅游景点、出国留学、行业论文、word文档、办公文档、应用文书以及基于神经网络的肿瘤细胞检测等内容。