31、基于模糊算法的乳腺肿瘤检测性能分析

基于模糊算法的乳腺肿瘤检测性能分析

1. 引言

母乳喂养对宝宝健康有益，它能调节多种代谢过程，如蛋白质合成、激素敏感性和能量消耗等。在更年期，女性乳房的新陈代谢会发生变化，因此密切监测乳房状况至关重要。缺乏运动、睡眠不足或饮食不健康的女性，患乳腺癌等敏感器官疾病的风险较高。

将临床检查与计算机辅助诊断系统相结合，有助于医疗人员更好地检测乳房异常。若算法识别出可能受感染区域，可对临床扫描图像进行分割以便进一步检查。不过，实体解剖治疗乳腺癌是一项繁琐的过程，且由于缺乏公开可用的高质量生物医学治疗记录，给相关研究带来了挑战。

目前，机器学习、深度学习以及计算机辅助检测和医疗技术的进步，催生了许多用于临床图像分析的新算法。CAD系统可帮助精确分类用于乳腺癌组织学检查的超声图像，乳腺钼靶检查也提高了乳腺癌筛查的成功率。CAD系统通过解剖和分类模块以及感兴趣区域（ROI）特征，能更精准地识别乳房病变，提高乳腺癌分类的准确性。对于早期无症状的乳腺癌，乳腺钼靶检查是主要的检测手段，且约10%接受乳腺钼靶检查的女性会被查出患有癌症，因此提醒患者进一步检查十分关键。

为了实现预期性能，需要大量的训练内存。本研究旨在比较创新的空间模糊c均值过滤带前提条件（SFCM - P）算法和双边模糊k均值聚类（BiFKC）算法在乳腺肿瘤检测中的准确性。

2. 材料与方法

本研究在Saveetha工程学院电子与通信工程系的嵌入式系统实验室进行。从Kaggle.com数据集选取40名参与者，分为两组：第一组使用创新的SFCM - P算法，第二组使用BiFKC算法。统计参数设定为G - power 80%和alpha 0.05，算法代码在MATLAB中编写