基于贝叶斯分类器的骨肉瘤MRI成像辅助诊断的研究

黄文博

骨肉瘤是原发性恶性肿瘤中发病率最高的肿瘤，生长迅速，易发生肺部转移。全世界的发病率约在4/100万人口/年，致死率及致残率极高，以青少年发病者居多，早期发现和及时治疗可以提高该病的生存率。骨肉瘤的诊断一般由医生根据核磁共振成像结果凭经验进行判断。但是骨肉瘤的发生、发展、转归或恶化是一个动态变化的过程，在此过程中由于病人个体的遗传、年龄、性别、体质、心理及生活状况和处理经过等不同，往往表现出很大的差异和随机性。典型的骨肉瘤诊断比较容易判断，不典型的骨肉瘤病症容易被误诊为骨化性肌炎或其他骨恶性肿瘤，医生容易存在主观的臆断。如何利用计算机辅助诊断技术提高对骨肉瘤的诊断变得尤为重要。我们提出利用贝叶斯分类器对骨肉瘤MRI成像进行诊断的方法。该方法将患者的骨肉瘤病灶MRI成像的纹理、颜色、粗糙度等特征进行提取，通过贝叶斯分类器对病灶进行自动分析、识别，来精确判断骨肉瘤的良恶性及肿瘤范围，从而帮助医生提高诊断的敏感性和特异性。

1 贝叶斯分类器

贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。贝叶斯网络中包含类节点C，其中C的取值来自于类集合(c1，c2，…，cm)，另外还包括节点 X=(X1，X2，…，Xn)，节点表示分类的特征。如果有一组待分类的样本D，其分类特征值为x=(x1，x2，…，xn)，则样本 D属于类别 Ci的概率P(C=ci|X1=x1，X2=x2，…，Xn=xn)，(i=1，2，…，m)应满足下式:

而由贝叶斯公式

其中P(C=ci)由专家的经验给出，而P(X=x|C=ci)和P(X=x)的计算较为困难［1］。

目前研究较多的贝叶斯分类器主要有四种，分别是朴素贝叶斯分类器(Naive Bayes)、TAN分类器(Tree Augmented Naive Bayes)、BAN分类器(BN Augmented Naive Bayes)和GBN分类器(General Bayesian Network)。朴素贝叶斯分类器如图1所示，系为了简化计算，假定各特征变量x是相对独立的。虽然条件独立的假设不能满足许多应用领域的需求，但对于规模较小的数据集而言，朴素贝叶斯分类器还是可以得到较好的分类精度;TAN分类器如图2所示，系对朴素贝叶斯分类器进行了扩展，允许各特征变量x所对应的节点构成树;BAN分类器如图3所示，系对TAN分类器进行了扩展，允许各特征变量x所对应的节点构成图;GBN分类器如图4所示，系无拘束的贝叶斯分类器，将根节点作为一个普通节点［1］。

图1 朴素贝叶斯分类器

图2 TAN分类器

图3 BAN分类器

图4 GBN分类器

2 实验设计及结果分析

2.1 实验设计

(1)实验环境:实验使用的操作系统环境为Windows 7，硬件环境为台式机，CPU为Intel酷睿2四核Q8300，主频为2.5GHz;4G内存。软件环境为OpenCV 2.4、C++。(2)实验数据:数据集来自长春市某三甲医院近三年已经过手术病理确诊的骨肉瘤MRI成像样本64例(其中良性15例，恶性49例，208幅成像)。另外，我们选择训练样本25例(其中良性5例，恶性20例，98幅成像)。骨肉瘤MRI成像信号与骨肉瘤的成分有关。瘤骨的数量与肿瘤信号成反比。患骨在T1WI呈略低～等信号，与好信号髓腔差异显著，T2WI表现多样，成骨性肿瘤以低～等信号较多，溶骨性肿瘤以等～高信号较多［2］。(3)实验方法:在骨肉瘤MRI成像的基础上利用四种贝叶斯分类器对骨肉瘤的良恶性及肿瘤范围进行判断。(4)实验结论:得出最适合骨肉瘤MRI成像分类的贝叶斯分类器。

2.2 实验结果与分析

表1 四种贝叶斯分类器对骨肉瘤良恶性的分类结果的比较

四种贝叶斯分类器对骨肉瘤良恶性的分类结果的比较如表1所示。针对于骨肉瘤病症MRI成像数据集规模较小，朴素贝叶斯分类器和TAN分类器分类的结果较好，并且当数据集属性间的关联性较弱时，朴素贝叶斯分类器的分类精度要高于TAN分类器。这说明朴素贝叶斯分类器的特征变量独立性假设不能满足许多应用领域的需求，但在数据集较小的情况下其分类精度较好。BAN分类器和GBN分类器适用于规模较大并且属性间关联性较强的数据集。

另外，我们邀请两位影像学医师对四种贝叶斯分类器对骨肉瘤MRI成像基本病变的分类结果进行评分［3］，满分为5分，如两位医师评分结果相差1分，则需要重新评分。评分结果证明朴素贝叶斯分类器相对其他三种贝叶斯分类器更适合骨肉瘤MRI成像的分类(表2)。

表2 四种贝叶斯分类器对骨肉瘤MRI成像基本病变的分类结果的评分

3 结语

本文在骨肉瘤MRI成像的基础上利用四种贝叶斯分类器对骨肉瘤的良恶性及肿瘤范围进行判断，可以有效地帮助医生提高诊断的敏感性和特异性。实验证明，四种贝叶斯分类器均较好地对骨肉瘤MRI成像进行分类，都达到了较为理想的分类结果，其中朴素贝叶斯分类器针对骨肉瘤MRI成像的分类效果最好。

［1］邓鞋，付长贺.四种贝叶斯分类器及其比较［J］.沈阳师范大学学报:自然科学版，2008，26(1):31－33.

［2］韩月东，徐朝霞，张学昕，等.骨肉瘤50例病理基础与MRI表现［J］.第四军医大学学报，2002，23(2):167－169.

［3］赵国库，赵绘萍，刘安，等.MRI评价骨肉瘤的初步研究［J］.中国现代医学杂志，2006，16(12):1893－1895.