医学图像识别中多分类器融合方法的研究进展

张丽娜

摘要：在进行临床诊断的过程中计算机辅助医学图像的应用能够发挥重要的作用。但是由于临床病例具有复杂性的特点，因此单一的分离器难以满足需求。因而在临床诊断上使用多分类器进行医学图像识别已经成为一个重要发展趋势，并在越来越多的领域得到应用。本文基于这一背景对医学图像识别中多分类器融合方法的研究进行进行总结。

关键词：医学图像;多分类器;研究进展

引言

医学图像的分类识别在临床诊断中发挥着重要的作用，目前已经在神经网络等多个领域得到广泛的应用，提高了临床诊断的效率与准确率，但是由于临床诊断的复杂性，以及技术的发展，多分类器融合已经成为医学图像识别的重要发展方向。了解医学图像识别多分类器的发展进程能够更好地应用这一技术，因此文章对其发展进行进行了解。

1多分类器融合

多分类器融合是为了能够满足临床诊断的要求，将不同的分类器进行融合，改变分类器功能单一的缺陷，能够更好地发挥其作用。对当前比较盛行的融合方法进行了解可以发现他们之所以能够使得单一分类方法的性能得到改变，主要依靠以下几个方面：其一可以把分类问题看作是从特征空间到类别空间的映射，而分类器训练则是使用一种算法获得一种一侧，这种训练集相对比较少，因此不具有很强的推广性，因此实现对不同算法的综合具有现实意义。其二在进行算法设计的过程中如果使用局部搜索的分类算法则容易出现局部极值，使用融合算法则能够把不同局部的最优初始点作为新的搜索，这样就能够得到进一步的逼近。

2成员分类器的生成

2.1对训练数据集的处理

在不同的训练子集上对同一个算法进行训练从而能够得到成员分类器的技术，这一技术对于训练数据的微小变动而引起的预测结果较大的变动具有较好的效果。在进行训练数据集处理的过程中最有效的方法就是以重復取样为前提的Bagging。在这样的情况下进行多次训练，从而能够得到一个分类器的序列，以投票的方式对分类进行判别。通过这样的方式能够提高融合成员的差异度，从而能够使算法的适用范围更加广泛，能够在临床诊断上发挥出更大的作用。

2.2对输入特征的处理

在对高维特征的样本进行处理的过程中，为了能够获得更为精准的处理结果，可以从具有不同特征的子空间上进行成员分类器的训练。而进行特征子控件的抽取的过程中常用到的方法包括c队、特征子集分解等，不同的方法具有不同的优势，实际应用过程中根据需求进行选择。而基于不同特征的分类结果也具有较强的互补性，能够降低其复杂性，在实际应用的过程中发挥更大的作用。

2.3成员分类器的处理

上文中提到的Bagging方法属于元学习方法，元学习方法的成员构造和具体的分类器的关系不大，采用这种学习方法主要是通过一个基分类器从而得到不同的成员。在进行算法设置的过程中如果对成员分类器的数据进行不同的设置，最后获得的数据具有相异性，其适用的范围也更加的广泛。例如在进行处理的过程中可以借助遗传算法建造神经网络;在学习算法中进行随机因子的添加，都能够提高成员分类器的处理效果。因此在对成员分类器进行处理的过程中，应该根据实际的需要，从不同的角度人手进行设置，从而能够更好地满足实际的需要。

2.4成员分类器的筛选

在进行分类器融合的过程中，分类器的种类繁多可能会出现运行速度较慢，系统识别性差等情况，针对这一隋况，为了能够提高多分类器的融合效果，使其发挥更佳的作用，应该对成员分类器进行筛选，只允许有效的分类器进入。首先应该构建一个候选分类器的集合，根据任务需求从中进行选择。而在这一过程中可以采用的算法也比较多，比较常见的算法包括向前向搜索算法，在使用这一算法的过程中应该注意以下内容：首先选择一个分类器，这个分类器会承担起初始融合系统的任务，之后会不断加入新的成员，系统在这个过程中不断优化，但是在这一过程中要高度重视的一点是当新加入的成员不能够再提高系统的作用，则应该控制成员数量。这样的操作能够减少系统中无用成员较多的情况，从而能够不断提高系统的准确性。

3多分类器融合

在实现多分类器融合的过程中可以选择的方法比较多，下面对比较常见的融合方法进行介绍：多分类器级联组合。在这种处理方面下，级联系统有多个子系统组成，而不同的子系统的侧重点又有所不同，因而应该对输入的数据进行识别，使得输入的数据的覆盖面比较广。而在对数据进行提取的时候要注意，受不同提取方法的影响，提取出来的数据往往具有一定的类别偏向性，这样才能够进行有效识别。单分类器输出结果的融合。采用这一分类器融合方法，可以根据信息量的大小对分类器输出进行层次划分，而每一个层次对应了严重输出转化类型，最后直接对输出结果进行分析，从而能够借助多种类型的融合方法对数据进行处理。一般而言，应该先在理论的指导下进针对某一问题进行建模，使最后的模型能够满足处理问题的需要。参数对于分类器的性能能够进行良好的展示。而在进行分类融合的过程中应该做好以下准备工作，把分类输入器的概率等进行处理，使其规则简单化，借助一种算法对其进行融合，使其使用起来效果更佳，而在多个分类器输出的情况下，可以将其看作是一个第二类分类器的输入，之后再借助一定的方法对其进行处理。

4结束语

分类器融合已经体现出这一技术发展的有事，能够更好地满足临床诊断的需要。相信随着技术的不断发展与完善，分类器融合也能够得到进一步的发展，为人们提供更优质的服务。目前虽然分类器融合发展中仍然存在一定的问题，但是相信经过技术的发展，一定能够克服这一问题，更好地满足人们的需要。