一种基于改进型Multi-Agent多分类器融合的乳腺钼靶肿块分类算法

乳腺钼靶摄影(mammography)是目前诊断乳腺癌的一种重要手段,肿块是钼靶图像中表征乳腺病变的主要病灶之一。文中提出了一种基于改进型Multi-Agent(MA)多分类器融合算法,用来对乳腺肿块的良恶性进行分类。它在经典MA算法思想的基础上,对各单分类器的分类效果、识别性能有所差别的情况进行针对性修正;同时在统计训练数据时,不再依靠分类结果的标签,而是用统计分类结果的置信度来代替;而当算法的迭代训练超过一定次数仍未能趋向稳定时,采用概率加权平均代替原来的简单平均进行整体决策,并用整体溯源情况调整决策结果,从而帮助算法收敛。此方法在公共数据库DDSM上做了测试,实验结果表明,在单视角下,改进型MA融合算法的分类精度达到了95.63%,优于经典的MA融合算法,其稳定性也较大多数单分类器以及多分类器融合算法要好;在双视角下,改进型MA融合算法的分类精度达到了97.79%,相较其他分类方式也具有一定的优势。