《International Journal of Biomedical Imaging》:Classification of Chest X-Ray Images Using Modern Machine Learning Techniques by Orang3 Data Mining Tool
编辑推荐:
在COVID-19疫情期间,胸部疾病诊断引发了诸多关注。常规的胸部疾病诊断流程有时无法通过常规评估准确区分冠状病毒、病毒性肺炎疾病与正常胸部X射线,且此类评估耗时较长,其准确性亦不及基于机器学习的自动化诊断。胸部疾病有时可通过X射线图像进行诊断,这些图像用于判
在COVID-19疫情期间,胸部疾病诊断引发了诸多关注。常规的胸部疾病诊断流程有时无法通过常规评估准确区分冠状病毒、病毒性肺炎疾病与正常胸部X射线,且此类评估耗时较长,其准确性亦不及基于机器学习的自动化诊断。胸部疾病有时可通过X射线图像进行诊断,这些图像用于判断患者是否正常或患有冠状病毒、病毒性肺炎等胸部疾病。现代机器学习技术在辅助医疗诊断过程中已取得高性能表现。本研究的创新之处在于提出了一种基于小波(wavelet)的特征提取框架,并结合对集成学习算法的系统性评估,以实现对COVID-19、病毒性肺炎及正常胸部X射线图像的准确且计算高效的分类。每种病例使用的患者数量为1200例,这一庞大数据集被用于利用Orange3数据挖掘工具创建基于自适应增强(AdaBoost)、梯度提升(GB)和随机森林(RF)机器学习算法的分类模型。利用小波特征,所提出模型的评估结果平均达到99.5%。所提出的模型在识别胸部疾病方面非常有效,可与医院中的X射线设备结合使用,从而使医生能够为患者确定最佳治疗方案。与文献中其他研究相比,所提出的方法在速度和准确性上均更优,每个步骤平均仅需数秒即可完成。
基于小波特征与集成学习的胸部X射线图像分类研究解读
一、研究背景与意义
COVID-19疫情暴发后,胸部疾病成为公共卫生领域关注的焦点。COVID-19由SARS-CoV-2病毒引起,主要影响呼吸系统,症状从轻度呼吸道不适到严重呼吸衰竭不等。与此同时,流感病毒、呼吸道合胞病毒(RSV)等多种病毒也可引发病毒性肺炎,其典型症状包括发热、咳嗽和呼吸困难。这两种疾病均凸显了理解呼吸道感染及其传播、预防策略和疫苗影响的重要性。传统的诊断方法中,逆转录聚合酶链反应(RT-PCR)是诊断COVID-19的主要手段,病毒性肺炎则依赖特定血液检测,而胸部X射线(CXR)检查用于观察肺部炎症的位置和范围。然而,常规的人工诊断方法耗时长且存在较高误诊率,加之RT-PCR检测试剂盒短缺等问题,亟需一种快速准确的胸部疾病识别与分类方法。与RT-PCR相比,放射影像学在区分冠状病毒和病毒性肺炎等不同胸部疾病方面是有效的工具。自20世纪60年代首次尝试创建计算机辅助检测(CAD)系统以来,研究表明使用X射线CAD系统作为辅助工具可提高胸部疾病检测的准确性,但多数现有CAD系统主要针对早期肺癌检测,由于CXR的复杂性,疾病的自动诊断问题仍未完全解决。因此,开发基于机器学习的高效、准确的胸部疾病自动分类方法具有重要的临床意义和应用价值。
二、研究内容与主要结论
研究人员提出了一种基于小波分析特征提取与三种集成学习算法相结合的胸部X射线图像分类框架。研究使用了3600张灰度CXR图像,包括1200例COVID-19患者、1200例病毒性肺炎患者和1200例正常病例,数据来源于Kaggle网站的公开数据库。研究通过小波分析从每张图像中提取五个能量特征,并利用Orange3数据挖掘工具分别构建了自适应增强(AdaBoost)、梯度提升(GB)和随机森林(RF)三种分类模型。研究结果表明,AdaBoost模型实现了100%的分类准确率,RF模型达到99.1%,GB模型达到97.6%,平均准确率达99.5%。该研究证明了基于小波特征与集成学习的方法在胸部疾病分类中的高效性和准确性,且计算复杂度低于多数深度学习方法,可望与医院X射线设备集成,辅助医生快速确定最佳治疗方案。
三、关键技术方法
研究人员主要采用了以下关键技术方法:其一,小波分析(wavelet analysis)特征提取,将图像分解为五个层级,提取水平、垂直和对角三个细节图像的能量特征,共获得五个能量特征(Energy 1至Energy 5);其二,三种集成学习算法,包括自适应增强(AdaBoost)、梯度提升(GB)和随机森林(RF),均通过Orange3数据挖掘工具实现。样本队列来源为Kaggle网站的公开COVID-19胸部X射线图像数据库,包含三类各1200例共3600张灰度图像。数据集在特征提取前进行划分以避免信息泄漏。
四、研究结果
4.1 使用GB方法的结果
GB方法在1200个测试实例中,Corona类正确预测1188例,Normal类1177例,Viral类1150例。模型对Viral类的误分类最多,主要被错误分类为Normal类。总体准确率为97.64%,Corona类精确率和召回率均达99.0%,Normal类召回率为98.1%,F1分数为97.0%,Viral类精确率为97.2%,召回率为95.8%。
4.2 使用RF方法的结果
RF方法中,Corona和Normal类各有1192例正确预测,Viral类1183例正确预测。总体准确率达99.08%。Corona类精确率最高达99.8%,召回率99.3%;Normal类精确率98.6%,召回率99.3%;Viral类精确率98.8%,召回率98.6%。所有类别的F1分数均高于98%。
4.3 使用AdaBoost方法的结果
AdaBoost方法实现了完美的分类性能,所有1200例Corona、Normal和Viral病例均被正确分类,准确率达100%。混淆矩阵中所有类别的假阳性(FP)和假阴性(FN)均为零,精确率、召回率和F1分数均达到100%,表明该模型在区分三类胸部疾病方面表现最佳。
4.4 ROC曲线分析
ROC曲线评估了真阳性率(TPR)与假阳性率(FPR)之间的权衡关系。三种分类器的ROC曲线均集中于ROC空间左上角,表明具有优异的判别能力。所有分类器在三个类别上的曲线下面积(AUC)值均接近1.0,其中AdaBoost持续获得最高AUC值,证实了小波特征提取的特征信息具有高度判别力。
4.5 特征重要性分析
通过Orange3中的rank组件,基于信息增益和增益比两种评分指标对五个特征进行排序。Feature 5获得最高信息增益(0.871)和增益比(0.351),贡献最大;Feature 1和Feature 4分别排名第二和第三,信息增益值分别为0.831和0.804。两种指标的一致性排序表明Feature 5、Feature 1和Feature 4是区分不同胸部疾病类别最具信息量的特征。
4.6 与以往工作的比较
与文献中多项研究相比,包括使用Inception-V3、CheXNet、深度卷积神经网络(CNN)及集成CNN架构等方法,这些方法在84.95%至99.9%的准确率范围内。所提出的AdaBoost方法以100%准确率优于大多数已报道的研究,且所采用的小波特征提取结合机器学习分类器的方法比深度学习方法更简单、更具可解释性,计算复杂度更低。
五、讨论与结论
讨论部分指出,所提出的方法在准确性和计算效率方面均优于文献中的其他研究,与Owida等人报道的98.8%和Al-Ghraibah等人报道的98.9%的基于小波方法的准确率相比,本研究取得了更优性能。研究强调,不同研究间的直接比较需谨慎解读,因为数据集、样本量、类别分布、预处理技术和评估协议各不相同。研究结论指出,利用X射线图像,通过机器学习方法成功实现了对COVID-19、病毒性肺炎和正常胸部图像的分类,使用Orange3数据挖掘工具实现算法获得了高准确率,平均达99.5%。该集成方法增强了患者护理并减轻了放射科医生的工作负担。未来可增加分类的疾病种类,使模型更具通用性,并可与医院X射线设备集成,在拍摄图像后快速产生结果,帮助医生准确识别疾病类型并选择最佳治疗方案。