基于深K近鄰和樸素貝葉斯分類算法的腫瘤診斷

摘要：本文試圖將深k近鄰和樸素葉貝斯分類算法來解決腫瘤診斷的問題。腫瘤現在已經成為我國乃至世界范圍內的常見病和多發病，盡早診斷和治療對腫瘤患者的未來至關重要。異型性是腫瘤異常分化在形態上的表現。腫瘤細胞異型性小，與正常組織相似，分化和低惡性。腫瘤細胞異型性大，與正常組織相似度小，分化程度低，惡性程度高。區別這種異型性的大小是診斷腫瘤，確定其良性、惡性的主要組織學依據，但最大的問題在于準確診斷存在困難。本文從概率的角度，結合深K近鄰與樸素貝葉斯分類算法開展研究，對盡可能準確的診斷提出合理的算法。

關鍵詞：K最近鄰分類算法;樸素貝葉斯分類算法;深度學習;機器學習

中圖分類號：TP391.41?? 文獻標識碼：A?? 文章編號：1672-9129（2020）16-0067-01

1 深K最近鄰算法腫瘤診斷的原理

K最近鄰（Deep-k-Nearest Neighbor，DNN）分類算法是最簡單的機器學習算法之一。該方法的思路是：在特征空間中，如果一個樣本附近的k個最近樣本的大多數屬于某一個類別，則該樣本也屬于這個類別。

本文建立在深度神經網絡上，索引為λ的層將前一層fλ-1的輸出作為其輸入，并應用非線性變換來計算其自己的輸出fλ。這些非線性行為通過一組參數θλ來控制，這些θλ是每個層的特定參數，這些參數將給定層的神經元鏈接到其前面的層的神經元。因此，對于給定輸入x，神經網絡f執行以下計算以預測其類：

fθ，x=fl-1（θl-1，fl-2（θl-2，…f0（θ0，x）））

2 樸素貝葉斯分類算法原理

設w為腫瘤組織與正常組織異型性的特征向量，表示組織異型性數值大小是否達到惡性腫瘤的值，1表示異型性達到，0表示未達到。用ci表示腫瘤的類別，分為良性腫瘤和惡性腫瘤，1表示惡性腫瘤，0表示良性腫瘤，則核心公式如下：

pci|w=p（w|ci）p（ci）p（w）

由于對腫瘤組織與正常組織異型性的診斷需要對多個節點進行測試，可以進一步將w擴展為多個屬性節點Xi，令每個屬性節點相互獨立，只與該節點的相應組織C相關。那么各屬性節點與組織C的關系就可表示為一個離散隨機變量的有限集X1，X2，…，Xn，C，條件屬性值xi是屬性Xi的取值，條件屬性值ci是屬性C的取值，則本組織屬于ci類腫瘤的概率由貝葉斯定理可表示為：

pci|w=p（x1，x2，…，xn|ci）p（ci）p（x1，x2，…，xn）

3 基于K最近鄰算法和樸素貝葉斯分類算法的腫瘤診斷流程

DNN分類算法的主要思想是：首先算出待分類樣本與已知樣本之間的距離，進而找到距離與待分類樣本數據最接近的K個樣本，再根據這些樣本所屬的類別來判斷待分類樣本數據類別的分類。因為同時使用多個參數值不同的DNN算法對待同一特征數據分類得到的結果相互獨立，符合樸素貝葉斯算法中所有屬性相互獨立的假設，所以結合樸素貝葉斯算法可以提高DNN分類的性能。

組合算法構造算法步驟如下：

Step 1：設樣本集

D={（x11，x12，…，x1n，C1），（x21，x22，…，x2n，C2），…，（xm1，xm2，…，xmn，Cm）}為提取的組織C和該屬性的屬性節點特征向量的集合，其中Ci（i=1，2，…m）表示樣本類別，取值為c1，c2，…，cn。

Step 2：將樣本集D分為訓練集Dtrain和測試集Dtext兩部分。

Step 3：分別對屬于Di的子樣本集進行計算，計算出其中特征Xi=ai的概率，p=（Xi=ai|C=Ci）

Step4：計算訓練集樣本數據和測試集樣本數據的距離，為測試集樣本數據選擇若干個與其距離最小的樣本，對每個測試樣本統計出最鄰近若干個樣本中大多數樣本所屬的分類。

Step5：針對測試集Dtext，得到C（C1，C2，…，Cn）對每個特征屬性計算所有劃分的概率PC=Ci|X=xtext=p（C=Ci）Πnj=1p（Xj=xtextj|C=Ci）。

4 結論

本文實現了將樸素貝葉斯分類算法合并到k深度近鄰算法之中，以便提高它的效率，提高診斷的準確率，為抽象的據概率分類的算法整合出具體的步驟。雖然腫瘤診斷需要考慮的因素更加復雜，本文中形成的簡單系統總體上可能不如更加復雜的系統有效。盡管如此，考慮到明顯簡化而達成的算法，可以認為這種簡化的系統是有效的。

參考文獻：

[1]李雙杰，張開翔，王士棟，王淑琴.基于加權K近鄰的特征選擇方法[J].天津師范大學學報（自然科學版），2020，40（02）：63-67.

[2]何偉. 基于樸素貝葉斯的文本分類算法研究[D].南京郵電大學，2018.

作者簡介：申淑逸（2000—），女，漢族，籍貫：山東臨沂，學歷：本科，單位：曲阜師范大學，計算機學院。