[论文解读] Using Machine Learning to Automate Mammogram Images Analysis

Xuejiao Tang, Zhang Liu-hua+7 more|arXiv (Cornell University)|Dec 6, 2020

AI in cancer detection参考文献 18被引用 7

一句话总结

本研究提出了一种基于机器学习的计算机辅助诊断系统，用于自动化乳腺X线摄影分析，整合离散小波变换与傅里叶变换进行特征提取，采用基于熵的特征选择方法，并结合多种分类器（包括投票机制），在加拿大数据集上使用最优特征实现96.06%的准确率和97.45%的特异性。

ABSTRACT

Breast cancer is the second leading cause of cancer-related death after lung cancer in women. Early detection of breast cancer in X-ray mammography is believed to have effectively reduced the mortality rate. However, a relatively high false positive rate and a low specificity in mammography technology still exist. In this work, a computer-aided automatic mammogram analysis system is proposed to process the mammogram images and automatically discriminate them as either normal or cancerous, consisting of three consecutive image processing, feature selection, and image classification stages. In designing the system, the discrete wavelet transforms (Daubechies 2, Daubechies 4, and Biorthogonal 6.8) and the Fourier cosine transform were first used to parse the mammogram images and extract statistical features. Then, an entropy-based feature selection method was implemented to reduce the number of features. Finally, different pattern recognition methods (including the Back-propagation Network, the Linear Discriminant Analysis, and the Naive Bayes Classifier) and a voting classification scheme were employed. The performance of each classification strategy was evaluated for sensitivity, specificity, and accuracy and for general performance using the Receiver Operating Curve. Our method is validated on the dataset from the Eastern Health in Newfoundland and Labrador of Canada. The experimental results demonstrated that the proposed automatic mammogram analysis system could effectively improve the classification performances.

研究动机与目标

• 解决乳腺X线摄影筛查中高假阳性率和低特异性的问题，这些问题会阻碍早期乳腺癌的检测。
• 通过自动化分类乳腺X线摄影图像为正常或癌变，减少对放射科医生专业判断和双读片协议的依赖。
• 通过先进的特征提取和基于机器学习的智能分类，提高诊断准确性。
• 评估并比较多种分类器（LDA、BP、NB、投票）以确定最有效的乳腺X线摄影分类方法。
• 通过基于熵的信息增益优化特征选择，以提升分类性能并降低维度。

提出的方法

• 应用离散小波变换（Daubechies 2、4 和 Biorthogonal 6.8）以及余弦傅里叶变换，从乳腺X线摄影图像中提取统计特征。
• 采用基于熵的特征选择方法，根据信息增益对特征进行排序，并选择12个最具信息量的特征。
• 实现三种基础分类器：线性判别分析（LDA）、反向传播（BP）神经网络和朴素贝叶斯（NB）分类器。
• 通过投票机制组合三种分类器，以提升整体分类性能。
• 使用敏感性、特异性、准确率和受试者工作特征（ROC）曲线评估性能。
• 在加拿大纽芬兰与拉布拉多省东部健康机构的真实世界数据集上进行系统训练与测试。

Figure 1: Framework of automatic mammogram analysis system.

实验结果

研究问题

• RQ1 与传统方法相比，机器学习技术是否能显著提高自动化乳腺X线摄影分类的特异性和准确率？
• RQ2 小波变换与傅里叶变换的集成在乳腺癌检测的特征提取中起到何种增强作用？
• RQ3 基于熵的特征选择在减少无关或冗余特征方面，能在多大程度上提升分类性能？
• RQ4 在敏感性、特异性和准确率方面，哪种单一分类器（LDA、BP、NB）以及哪种集成策略（投票）能实现最高的诊断性能？
• RQ5 通过信息增益选择的最优特征是否能带来优于单一变换组合特征的分类结果？

主要发现

• 当使用最优特征集时，投票分类方案实现了最高的准确率（96.06%）和特异性（97.45%），优于所有单一分类器。
• 在投票集成中，朴素贝叶斯分类器表现出最高的敏感性（96.45%）和特异性（97.45%），表明其在检测癌变病例方面表现优异。
• 反向传播神经网络在单一分类器中实现了最高的准确率（94.14%），显示出在正常与癌变病例间具有良好的泛化能力。
• 通过基于熵的信息增益选择的最优特征集，性能显著优于db2-傅里叶、bior6.8-傅里叶和db4-傅里叶组合的特征。
• 与db2-傅里叶和bior6.8-傅里叶特征相比，使用最优特征时特异性分别提高了5.42%和7.04%，凸显了特征选择的重要性。
• ROC曲线分析表明，投票分类器在所有特征集上均持续优于其他分类器，尤其在高特异性区域表现更优。