黃文博

骨肉瘤是原發(fā)性惡性腫瘤中發(fā)病率最高的腫瘤，生長迅速，易發(fā)生肺部轉(zhuǎn)移。全世界的發(fā)病率約在4/100萬人口/年，致死率及致殘率極高，以青少年發(fā)病者居多，早期發(fā)現(xiàn)和及時治療可以提高該病的生存率。骨肉瘤的診斷一般由醫(yī)生根據(jù)核磁共振成像結(jié)果憑經(jīng)驗進行判斷。但是骨肉瘤的發(fā)生、發(fā)展、轉(zhuǎn)歸或惡化是一個動態(tài)變化的過程，在此過程中由于病人個體的遺傳、年齡、性別、體質(zhì)、心理及生活狀況和處理經(jīng)過等不同，往往表現(xiàn)出很大的差異和隨機性。典型的骨肉瘤診斷比較容易判斷，不典型的骨肉瘤病癥容易被誤診為骨化性肌炎或其他骨惡性腫瘤，醫(yī)生容易存在主觀的臆斷。如何利用計算機輔助診斷技術(shù)提高對骨肉瘤的診斷變得尤為重要。我們提出利用貝葉斯分類器對骨肉瘤MRI成像進行診斷的方法。該方法將患者的骨肉瘤病灶MRI成像的紋理、顏色、粗糙度等特征進行提取，通過貝葉斯分類器對病灶進行自動分析、識別，來精確判斷骨肉瘤的良惡性及腫瘤范圍，從而幫助醫(yī)生提高診斷的敏感性和特異性。

1 貝葉斯分類器

貝葉斯分類器的分類原理是通過某對象的先驗概率，利用貝葉斯公式計算出其后驗概率，即該對象屬于某一類的概率，選擇具有最大后驗概率的類作為該對象所屬的類。貝葉斯網(wǎng)絡(luò)中包含類節(jié)點C，其中C的取值來自于類集合(c1，c2，…，cm)，另外還包括節(jié)點 X=(X1，X2，…，Xn)，節(jié)點表示分類的特征。如果有一組待分類的樣本D，其分類特征值為x=(x1，x2，…，xn)，則樣本 D屬于類別 Ci的概率P(C=ci|X1=x1，X2=x2，…，Xn=xn)，(i=1，2，…，m)應(yīng)滿足下式:

而由貝葉斯公式

其中P(C=ci)由專家的經(jīng)驗給出，而P(X=x|C=ci)和P(X=x)的計算較為困難［1］。

目前研究較多的貝葉斯分類器主要有四種，分別是樸素貝葉斯分類器(Naive Bayes)、TAN分類器(Tree Augmented Naive Bayes)、BAN分類器(BN Augmented Naive Bayes)和GBN分類器(General Bayesian Network)。樸素貝葉斯分類器如圖1所示，系為了簡化計算，假定各特征變量x是相對獨立的。雖然條件獨立的假設(shè)不能滿足許多應(yīng)用領(lǐng)域的需求，但對于規(guī)模較小的數(shù)據(jù)集而言，樸素貝葉斯分類器還是可以得到較好的分類精度;TAN分類器如圖2所示，系對樸素貝葉斯分類器進行了擴展，允許各特征變量x所對應(yīng)的節(jié)點構(gòu)成樹;BAN分類器如圖3所示，系對TAN分類器進行了擴展，允許各特征變量x所對應(yīng)的節(jié)點構(gòu)成圖;GBN分類器如圖4所示，系無拘束的貝葉斯分類器，將根節(jié)點作為一個普通節(jié)點［1］。

圖1 樸素貝葉斯分類器

圖2 TAN分類器

圖3 BAN分類器

圖4 GBN分類器

2 實驗設(shè)計及結(jié)果分析

2.1 實驗設(shè)計

(1)實驗環(huán)境:實驗使用的操作系統(tǒng)環(huán)境為Windows 7，硬件環(huán)境為臺式機，CPU為Intel酷睿2四核Q8300，主頻為2.5GHz;4G內(nèi)存。軟件環(huán)境為OpenCV 2.4、C++。(2)實驗數(shù)據(jù):數(shù)據(jù)集來自長春市某三甲醫(yī)院近三年已經(jīng)過手術(shù)病理確診的骨肉瘤MRI成像樣本64例(其中良性15例，惡性49例，208幅成像)。另外，我們選擇訓(xùn)練樣本25例(其中良性5例，惡性20例，98幅成像)。骨肉瘤MRI成像信號與骨肉瘤的成分有關(guān)。瘤骨的數(shù)量與腫瘤信號成反比?；脊窃赥1WI呈略低～等信號，與好信號髓腔差異顯著，T2WI表現(xiàn)多樣，成骨性腫瘤以低～等信號較多，溶骨性腫瘤以等～高信號較多［2］。(3)實驗方法:在骨肉瘤MRI成像的基礎(chǔ)上利用四種貝葉斯分類器對骨肉瘤的良惡性及腫瘤范圍進行判斷。(4)實驗結(jié)論:得出最適合骨肉瘤MRI成像分類的貝葉斯分類器。

2.2 實驗結(jié)果與分析

表1 四種貝葉斯分類器對骨肉瘤良惡性的分類結(jié)果的比較

四種貝葉斯分類器對骨肉瘤良惡性的分類結(jié)果的比較如表1所示。針對于骨肉瘤病癥MRI成像數(shù)據(jù)集規(guī)模較小，樸素貝葉斯分類器和TAN分類器分類的結(jié)果較好，并且當(dāng)數(shù)據(jù)集屬性間的關(guān)聯(lián)性較弱時，樸素貝葉斯分類器的分類精度要高于TAN分類器。這說明樸素貝葉斯分類器的特征變量獨立性假設(shè)不能滿足許多應(yīng)用領(lǐng)域的需求，但在數(shù)據(jù)集較小的情況下其分類精度較好。BAN分類器和GBN分類器適用于規(guī)模較大并且屬性間關(guān)聯(lián)性較強的數(shù)據(jù)集。

另外，我們邀請兩位影像學(xué)醫(yī)師對四種貝葉斯分類器對骨肉瘤MRI成像基本病變的分類結(jié)果進行評分［3］，滿分為5分，如兩位醫(yī)師評分結(jié)果相差1分，則需要重新評分。評分結(jié)果證明樸素貝葉斯分類器相對其他三種貝葉斯分類器更適合骨肉瘤MRI成像的分類(表2)。

表2 四種貝葉斯分類器對骨肉瘤MRI成像基本病變的分類結(jié)果的評分

3 結(jié)語

本文在骨肉瘤MRI成像的基礎(chǔ)上利用四種貝葉斯分類器對骨肉瘤的良惡性及腫瘤范圍進行判斷，可以有效地幫助醫(yī)生提高診斷的敏感性和特異性。實驗證明，四種貝葉斯分類器均較好地對骨肉瘤MRI成像進行分類，都達到了較為理想的分類結(jié)果，其中樸素貝葉斯分類器針對骨肉瘤MRI成像的分類效果最好。

［1］鄧鞋，付長賀.四種貝葉斯分類器及其比較［J］.沈陽師范大學(xué)學(xué)報:自然科學(xué)版，2008，26(1):31－33.

［2］韓月東，徐朝霞，張學(xué)昕，等.骨肉瘤50例病理基礎(chǔ)與MRI表現(xiàn)［J］.第四軍醫(yī)大學(xué)學(xué)報，2002，23(2):167－169.

［3］趙國庫，趙繪萍，劉安，等.MRI評價骨肉瘤的初步研究［J］.中國現(xiàn)代醫(yī)學(xué)雜志，2006，16(12):1893－1895.