人工免疫演算法應用於超音波乳房腫瘤影像診斷之研究

由於在女性癌症死亡原因中，乳癌的排名一直居高不下，因此早期診斷和治療也變的越來越重要。然而早期診斷需要正確和可靠的方法讓醫生能夠判斷乳房腫瘤的良惡性。因此我們需要一套好的電腦輔助診斷系統來幫助經驗不足的醫生避免誤判和在不漏掉惡性腫瘤的情形下減少良性組織的切片檢查。電腦補助診斷系統之準確率往往與使用的資料探勘技術有關。現今有許多資料探勘技術被大量運用在分類問題上，而其中的決策樹(Decision Tree, DT)、類神經網路(Artificial Neural Network, ANN)和支援向量機(Support Vector Machine, SVM)更可應用在各種領域上。然而使用這些技術時，需要先決定參數，如果參數設計不好，便會獲得較差之結果。另外，資料集中包含著許多屬性資料，但其中的屬性並非全部對於分類都有所幫助。資料中可能存有高度相關的屬性、雜訊或是對於分類結果毫無助益的屬性，若不採用一些屬性篩選的方法，會因雜訊或過多的屬性而造成分類效能不佳。大多數研究僅利用參數調整或屬性篩選其中一種來改善分類器的正確率，因此本研究提出以人工免疫演算法(Artificial Immune System Algorithm, AIS)來尋找DT、BPN 與SVM之參數，並進行屬性篩選，透過AIS找出符合各種問題所需要的參數，並剔除對於分類正確率較無助益之屬性。上述的資料探勘方法各自有其優缺點及適用的問題特性，若能將其預測整合，便可得到更佳之結果，此種方法稱為集成(ensemble)架構。因此本計畫擬使用集成架構，希望能更進一步地提高分類正確性。

系統編號:PB9907-10780
原計畫編號:NSC99-2221-E182-041