基于超声特征集成学习的甲状腺结节分类方法研究

陈德华++吴迪++潘乔

摘要：甲状腺结节是一种比较常见的疾病，并且发病率有逐年上升的趋势。如何及时并准确地鉴别出结节的良恶性，采取相应的治疗措施，是甲状腺结节治疗过程中的核心问题。超声作为甲状腺结节初步诊断的主要检查方式，其特征数据对于鉴别结节良恶性具有指导意义。本文针对甲状腺结节超声特征数据存在稀疏和不平衡的问题，通过在目标函数中加入自定义项对集成学习算法进行改进，提出一种基于改进集成学习的甲状腺结节良恶性鉴别方法。实验在真实医疗数据集和UCI标准数据集上分别对比了本算法与随机森林、支持向量机、神经网络算法，结果表明该方法具有最高的准确率，分别达到92.43%和94%。

关键词： [甲状腺结节； 超声特征； 不平衡性； 改进的集成学习

中图分类号： TP391

文献标志码： A

文章编号： 2095-2163（2016）06-0012-05

0引言

在甲状腺结节的临床治疗过程中，医生的首要内置目标即是判别结节的良恶性，而对于恶性结节患者需及时采取有效重要的手术治疗。但是在临床实践中，为了准确判别患者结节的良恶性特征属性，医生首先对疑似或确诊为甲状腺结节的患者设计指定超声检查，然后根据超声检查的各项指标，对疑似恶性结节患者增加细针穿刺活检，由此方可初步确定患者的良恶属性，最后才会得出推荐手术治疗的终诊论断[1]。不难看出，患者诊断结果的准确性主要依赖于医生的主观判断。由于不同医生的临床经验和医院医疗设施等存在差异，势必会造成不同程度的结果误诊。……