臺灣博碩士論文加值系統

本研究主要針對陰道鏡的子宮頸影像進行子宮頸癌偵測和分類。我們與其他相關研究不同的地方在於我們發現除了一般常用的判讀特徵之外，病灶邊緣白化的型態是一個可能的特徵。所以我們在分類之前先針對病灶的邊緣的型態進行分群的動作，讓每一個分群的病灶其邊緣有著一致的型態，然後針對每一個分群抽取白化和邊緣灰階對比的程度作為特徵來訓練分類器，進行子宮頸癌的分類。我們使用434張影像來進行實驗，測試分群前後的分類正確率，我們測試了其中一個分群證實分群之後的正確率達到97.17%，此研究之成果可作為醫師診斷癌化等級時的輔助參考，更準確的診斷出癌化等級，使病人接受最適當的醫治，減少因誤判所造成之遺憾。

This study is focus on the detection and classification of the cervical cancer by the colposcopic cervical images. We found that the pattern of the edge changes could also be a feature for the interpreter of lesion upon cervix. In this study, we first cluster lesions according to the pattern of the edge changes. Then we train classifier for each cluster with the features of whiteness and gradient of contour. We collected 434 images for the experiments and test one of the clusters for the precision and compared to the results generated from all images. In the experimental results, we demonstrated that after clustering the precision will be 97.17%. Our research can help doctor to improve their diagnosis and the quality of treatment as well.

目 錄
摘要 I
Abstract II
第一章 緒論 1
1.1研究動機 1
1.2研究目的 2
1.3論文架構 2
第二章 文獻探討 3
2.1子宮頸與子宮頸癌 3
2.2 自我組織網路圖 6
2.3支援向量機SVM[16] 10
2.4 數學形態學[13] 11
第三章 研究方法 12
3.1研究材料與設備 12
3.2無監督式分割 12
3.3邊緣樣式分群 14
3.4特徵抽取與分類 18
3.4.1特徵抽取 18
3.4.2選擇SVM、KNN[16] 20
第四章 實驗與結果 21
4.1影像來源 21
4.2實驗設備 22
4.3實驗結果與討論 22
4.4特徵擷取與組合的方法 23
4.4.1 實驗方式 23
4.4.2建立最佳決策樹 24
4.5結果之比較 29
第五章 未來工作與結論 31
5.1未來工作 31
5.2結論 31
參考文獻 32
附件1 未使用邊緣變化的分群來測試各特徵的分類效果 34
附件2 使用邊緣變化的分群來測試各特徵的分類效果 44































圖目錄
圖 1. 子宮頸影像 3
圖 2. 塗抹醋酸前後影像[1] 5
圖 3. N維映射到2維 6
圖 4. 支援向量機(SVM) 10
圖 5. 膨脹與侵蝕的範例 11
圖 6. 影像切割流程圖 14
圖 7. 取得帶狀區塊 16
圖 8. 各個帶狀之平均值 16
圖 9. 最大斜率與左右各兩個斜率 17
圖10. 編碼對照圖 17
圖11. 最優化決策樹流程圖 20
圖12. 使用邊緣變化之最優化決策樹 29
圖13. 未使用邊緣變化之最優化決策樹 29









表目錄
表1. 病灶程度與異常增生程度對應表 4
表2. 灰階影像對應之編碼 18
表3. 實驗樣本分佈表 21
表4. 邊緣變化分群數量 22
表5. 22322分群之樣本分佈 22
表6. 癌化程度之組合樣式 24
表7. 未使用邊緣變化之所有組合的決策樹1到8 25
表8. 使用邊緣變化之所有組合的決策樹1到8 27
表9. 邊緣變化對辨識率之影響 30
表10. 辨識出Normal 34
表11. 辨識出Normal和 CIN I 34
表12. 辨識出Normal、CIN I和CIN II 35
表13. 辨識出Normal、CIN I、CIN II和CIN III 35
表14. 辨識出Normal 36
表15. 辨識出Normal和CIN I 36
表16. 辨識出Normal、CIN I和CIN II 37
表17. 辨識出CIN I 37
表18. 辨識出CIN I和CIN II 38
表19. 辨識出CIN I、CIN II和CIN III 38
表20. 辨識出Normal 39
表21. 辨識出Normal 39
表22. 辨識出CIN I 40
表23. 辨識出CIN I和CIN II 40
表24. 辨識出CIN II 41
表25. 辨識出CIN II和CIN III 41
表26. 辨識出Normal 42
表27. 辨識出CIN I 42
表28. 辨識出CIN II 43
表29. 辨識出CIN III 43
表30. 辨識出Normal 44
表31. 辨識出Normal和 CIN I 44
表32. 辨識出Normal、CIN I和CIN II 45
表33. 辨識出Normal、CIN I、CIN II和CIN III 45
表34. 辨識出Normal 45
表35. 辨識出Normal和CIN I 45
表36. 辨識出Normal、CIN I和CIN II 45
表37. 辨識出CIN I 45
表38. 辨識出CIN I和CIN II 45
表39. 辨識出CIN I、CIN II和CIN III 45
表40. 辨識出Normal 45
表41. 辨識出Normal和CIN I 45
表42. 辨識出CIN I 45
表43. 辨識出CIN I和CIN II 45
表44. 辨識出CIN II 45
表45. 辨識出CIN II和CIN III 45
表46. 辨識出Normal 45
表47. 辨識出CIN I 45
表48. 辨識出CIN II 45
表49. 辨識出CIN III 45

[1]李新澤，「陰道鏡對子宮頸癌的自動化輔助診斷」，朝陽科技大學資訊管理系學位論文，2012。
[2]陳美如，「由國外經驗檢視我國子宮頸癌篩檢政策」，台灣大學衛生政策與管理研究所學位論文，2005。
[3]陳雅萍、葉淑惠、龔福財、何美瑤，「子宮頸癌病人症狀困擾、憂鬱及生活品質之相關性研究」，實證護理，Vol.3，No.2，pp.89-98，2007。
[4]簡大任、季瑋珠，「台北市有偶婦女接受子宮頸抹片檢查影響因素之探討」，中華公共衛生雜誌，Vol.14，No.2，pp.111-128，1995。
[5][Online].國家衛生研究院: http://www.nhri.org.tw
[6][Online].Cancer Facts & Figures 2006, available at: http://www.cancer.org.
[7][Online].Cervical Disease and Neoplasia(2009), Brookside Associates Medical Education Division website.
[8][Online].www.sis.pitt.edu/~ssyn/som/som.html
[9]Cox, J. T., Schiffman, M. and Solomon, D., “Prospective follow-upsuggests similar risk of subsequent cervical intraepithelial neoplasiagrade 2 or 3 among women with cervical intraepithelial neoplasiagrade 1 or negative colposcopy and directed biopsy,” Am. J. Obstet.Gynecol., 188, 1406-1412, 2003.
[10]Ferris, D., Cox, J. T., O’Connor, D. M., Wright, V. C. and Foerster, J., “Modern Colposcopy Textbook and Atlas, American Society for Colposcopy and Cervical Pathology”, Dubuque, IA, 2004.
[11]Gasch, A. P., Eisen, “M. B. Exploring the conditional coregulation of yeast gene expression through fuzzy k-means clustering,” Genome. Biol. 2002, 3 (11), RESEARCH0059.
[12]Gordon, S., Zimmerman, G., Long, R., Antani, S., Jeronimo, J. and Greenspan, H., “Content analysis of uterine cervix images: initial stepstowards content based indexing and retrieval of cervigrams,” Proc. SPIE, 6144, 1549-1556, 2006.
[13]J. Serra, “Iamge Analysis and Mathematical Morphology, Party II: Theoretical Advances,” 1988 :Academic Press.
[14]Kohonen, T., “The self-organizing map,” Dept. of Comput. Sci., Helsinki Univ. of Technol., Espoo, Vol. 78, No. 9, pp. 1464-1480, 1990.
[15]Li, Wenjing, VenkataramanSankar, Gustafsson Ulf, Oyama Jody C., Ferris Daron G., Lieberman Rich W., “Using acetowhite opacity index for detecting cervical intraepithelial neoplasia,” j.Biomed. Opt., 14(1), 014020, 2009.
[16]Mills, Peter., “Efficient statistical classification of satellite measurements,” International Journal of Remote Sensing.
[17]Park, S. Y., Follen, M., Milbourne, A., Rhodes, H., Malpica, A., Mackinnon, N., MacAulay, C., Markey, M. K. and Richards-Kortum, R., “Automated image analysis of digital colposcopy for the detection ofcervical noplasia,” J. Biomed. Opt. 13, 014029-1-014029-10, 2008.
[18]Pogue, B. W., Mycek, M. A. and Harper, D., “Image analysis fordiscrimination of cervical neoplasia,” J. Biomed. Opt., 5, 72-82, 2000.
[19]Reid, R. and Scalzi, P., “Genital warts and cervical cancer. VII. Animproved colposcopic index for differentiating benign papillomaviralinfections from high-grade cervical intraepithelial neoplasia,” Am. J.Obstet. Gynecol., 153, 611-618, 1985.
[20]Sankaranarayanan, R., Rajkumar, R., Theresa, R., Esmy, P. O., Mahe, C., Bagyalakshmi, K. R., Thara, S., Frappart, L., Lucas, E., Muwonge, R., Shanthakumari, S., Jeevan, D., Subbarao, T. M., Parkin, D. M. and Cherian, J., “Initial results from a randomized trial of cervicalvisual screening in rural south India,” Int. J. Cancer, 109, 461-467, 2004.
[21]Tai, S. K., Li, C. Y., Wu, Y. C., Jan, Y. J., Lin, S. C., Dept. of Inf. Manage., Chaoyang Univ. of Technol., Taichung, Taiwan.
[22]Yang, S., Guo, J., King, P., Sriraja，Y., Mitra, S., Nutter, B. Ferris, D., Schiffman, M., Jeronimo, J. and Long, R., “A multi-spectral digital cervigramanalyzer in the wavelet domain for early detection of cervicalcancer,” Proc. SPIE, 5370, 1833-1844, 2004.