💻 计算机科学

Lung Cancer Classification from CT Images: A Comparative Study of SVM, Modified CNN, and EfficientNet–SVM Hybrid Models

本文提出了一种针对 IQ-OTH/NCCD CT 数据集的肺癌分类综合计算机辅助诊断框架，证明了通过引入批归一化增强的改进型 CNN 架构在实现 99.41% 的测试准确率方面，优于传统的基于 SVM 的方法以及混合型 EfficientNet–SVM 模型。

原作者： Nuran Binte Habib, Shahida Akther, Rabiul Islam

发布于 2026-11-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Nuran Binte Habib, Shahida Akther, Rabiul Islam

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

肺癌仍然是全球范围内导致癌症死亡的首要原因，每年夺走数百万人的生命。生存与悲剧之间的区别往往取决于时机。当疾病被早期发现，仍处于微小的局部病灶阶段时，五年的生存率很高。一旦扩散，这个机会就会急剧下降。医生高度依赖计算机断层扫描（CT 扫描）来寻找这些早期迹象。CT 扫描通过拍摄数百张薄的横截面图像，创建出一幅详细的三维肺部地图。然而，解读这些扫描图像对人类放射科医生来说是一项艰巨的任务。单个患者的扫描可能包含数百个切片，而预示癌症的早期结节可能非常细微，容易被忽视或与无害的斑点混淆。这种认知负荷和人为错误的风险，促使研究人员开发能够辅助识别这些危险模式的计算机系统。

在这种背景下，一个由来自孟加拉国和美国的科研团队致力于构建并测试一种新型的计算机辅助诊断系统。他们专注于一个特定的挑战：教计算机观察 CT 扫描切片，并将它们正确地分为三类——正常肺组织、良性（无害）结节和恶性（癌变）结节。研究人员使用了一个包含 110 名患者、一千多个 CT 切片的公开数据集。这项工作中的一个主要障碍是数据是不平衡的；癌变肺部的图像远多于无害肺部的图像。如果计算机是在这种不平衡的数据上进行训练，它往往会忽略那些罕见的病例，而这恰恰是医生最需要的。为了解决这个问题，该团队并没有依赖单一的方法。相反，他们构建了一个综合框架，通过并排测试四种不同的方法，以观察哪一种效果最好。

团队探索的第一种方法是依赖于人类设计规则的传统方法。他们对原始 CT 图像进行了一系列清理步骤：平滑颗粒噪声、增强对比度以突出特征，以及追踪肺部组织的边缘以将其从身体其他部分分离出来。从这些清理后的图像中，他们提取了关于斑点纹理、形状和亮度的特定数值描述。然后，他们将这些数值输入到一个被称为支持向量机（Support Vector Machine）的数学分类器中。为了处理数据不平衡问题，他们测试了六种不同的策略，通过人工手段平衡计算机看到的样本数量，例如复制稀有病例或创建看起来像稀有病例的新合成样本。他们还测试了三种不同的计算数据点之间距离的方法。这种传统方法中最成功的一个版本使用了特定的数据平衡策略和非线性距离测量方式，实现了接近 99% 的平衡准确率。

第二种方法完全放弃了人类设计的规则，而是利用一种称为卷积神经网络（CNN）的深度学习模型让计算机自主学习模式。团队从一个基础版本的网络开始，这个网络本质上是一个扫描图像以寻找简单边缘、形状，最后寻找复杂结构的层级堆叠。这个基础模型表现得非常好，正确识别了近 99% 的测试案例中的肺部状况。然而，研究人员进行了特定的改进以进一步提升性能。他们添加了一个称为批归一化（batch normalization）的步骤，它就像是学习过程的稳定器，帮助计算机在训练过程中更高效地调整其内部设置。这一项改变将准确率进一步推高至 99.41%，使其成为了研究中最成功的模型。

第三种方法是一种混合模式，结合了前两种方法的优势。研究人员使用了一个强大的预训练深度学习模型——EfficientNet 作为特征提取器。该模型已经学习了如何识别数百万张日常照片中的物体，在此被用于将每个 CT 切片转换为紧凑的数学摘要。他们没有让深度学习模型做出最终决定，而是将这个摘要传递给支持向量机来进行最终判定。这种职责分离使得系统既能利用深度学习模型识别复杂模式的能力，又能利用传统分类器的稳健决策能力。这种混合模型达到了 98% 的准确率，证明了结合不同类型的智能可以在不需要极其庞大、复杂的系统的情况下，产生强大的结果。

研究人员将他们的发现与使用相同数据集的其他近期研究进行了对比。虽然其他一些团队也取得了类似的高分，但他们通常依赖于更复杂的技术，例如生成虚假图像来训练系统，或者使用庞大且沉重的神经网络。该团队经过修改的 CNN 实现了最高的准确率，即 99.41%，且无需这些额外的、计算成本高昂的步骤。他们还注意到，他们的系统在识别恶性病例方面表现尤为出色，而这是挽救生命的 most 关键任务。研究结论指出，一个经过精心调优的中等规模计算机模型可以媲美性能更强、更复杂的系统。通过系统地测试处理数据不平衡的不同方式以及不同的架构微调，研究人员证明了在医学影像领域，高性能并不一定需要最复杂的工具，而是需要对既有方法进行周密的结合。

技术摘要：基于 CT 图像的肺癌分类

问题陈述
肺癌仍是全球范围内导致癌症死亡的首要原因，早期检测对于提高五年生存率至关重要。虽然计算机断层扫描（CT）是筛查的首选模态，但 CT 扫描的体积特性（通常每个病例包含 80–200 层切片）给放射科医生带来了显著的认知负荷，导致其可能忽略细微的早期结节。此外，现有的针对 IQ-OTH/NCCD 数据集的自动化研究往往存在方法论上的缺陷：它们通常孤立地评估深度学习或经典机器学习模型，而非进行对比性评估，缺乏对类别不平衡处理策略的系统性消融研究，并且依赖于有限的评估指标，这些指标可能无法充分捕捉偏斜的多分类性能。

方法论
作者提出了一个统一的计算机辅助诊断（CAD）框架，并在 IQ-OTH/NCCD 数据集上进行了评估。该数据集包含来自 110 名患者的 1,097 个 CT 切片，分为三类：正常（416）、良性（120）和恶性（561）。该框架整合了六个连续阶段：

图像预处理： 一个确定性流水线应用高斯平滑（ $\sigma=1$ ）、直方图均衡化、Canny 边缘检测（阈值 50/150）以及形态学闭运算，以抑制噪声并增强病灶清晰度。
肺部分割： 使用 Otsu 阈值法进行初步分割，随后通过形态学清洗、小目标移除和孔洞填充生成二值化肺部掩模。
特征提取（针对经典模型）： 构建了一个基于分割区域的手工特征向量，结合了四类特征：
- 统计特征： 均值、标准差、方差、中位数、最小值/最大值、百分位数、偏度和峰度。
- 纹理特征： 包括旋转不变变体在内的局部二值模式（LBP）。
- 梯度特征： 通过 Sobel 核获取的一阶空间导数（幅度与方向）。
- 形状特征： 面积、周长、紧凑度、长宽比、延伸度及实度。
类别不平衡处理： 为了应对严重的类别不平衡问题（恶性与良性类别比例约为 4.67:1），系统地评估了六种策略：SMOTE、ADASYN、Borderline-SMOTE、随机过采样（ROS）、SMOTE–Tomek 以及代价敏感类别权重。
模型架构： 实现了并比较了三种不同的分类范式：
- SVM： 在 $6 \times 3$ 的消融网格上对支持向量机进行基准测试，测试了六种不平衡策略与三种核函数（线性、RBF、多项式）。
- 基准 CNN： 一个自定义的三块卷积网络（32、64、128 个滤波器），包含最大池化、全连接层和 Dropout，训练时不使用批归一化。
- 改进型 CNN： 基准 CNN 的增强版本，在每次卷积操作后、ReLU 激活前引入了批归一化（Batch Normalization），以加速收敛并减少内部协变量偏移。
- 混合 EfficientNet–SVM： 一种使用预训练的 EfficientNet-B0 作为骨干网络（冻结）来提取 1,280 维嵌入的模型，随后将这些嵌入输入到核支持向量机中。这种方法将深度表示学习与最大间隔决策边界拟合解耦。
评估： 除了标准准确率外，研究还采用了针对不平衡问题的指标，包括平衡准确率（Balanced Accuracy）、宏平均 AUC-ROC、马修斯相关系数（MCC）以及 Cohen's $\kappa$ 系数。

核心贡献
本文声称有五项主要贡献：

统一流水线： 一个可复现、轻量级的图像处理与特征提取流水线，将确定性预处理与四类手工特征集相结合。
系统性消融： 对 IQ-OTH/NCCD 数据集进行了迄今为止最全面的比较，评估了 $6 \times 3$ 的不平衡处理策略与 SVM 核函数的组合。
改进型 CNN 的性能： 证明了仅通过简单的架构修改（添加批归一化）即可使基准 CNN 达到 99.41% 的测试准确率，而无需使用基于 GAN 的数据增强或复杂的注意力机制。
混合模型验证： 展示了实现 98.00% 准确率且对恶性病例具有完美召回率的 EfficientNet-B0–SVM 混合模型，说明了将特征提取与分类解耦的有效性。
严谨评估： 引入了 MCC 和 Cohen's $\kappa$ ，为偏斜分布下的多分类性能提供了更真实的表征。

结果
在留出测试集（占数据的 15%）上的实验结果如下：

改进型 CNN： 实现了最高的整体测试准确率 99.41%，宏 F1 分数为 0.99。它在良性和恶性病例上表现出完美的精确率，并在正常病例上表现近乎完美。
SVM (ROS + RBF)： 表现最好的经典模型达到了 98.81% 的平衡准确率和 98.81% 的宏 F1 分数。在所有不平衡策略中，RBF 核函数始终优于线性核和多项式核。
混合 EfficientNet–SVM： 达到了 98.00% 的测试准确率，宏 F1 分数为 0.957。值得注意的是，它在测试集上的恶性病例召回率达到了完美（1.00）。
基准 CNN： 实现了 98.79% 的准确率，作为参考点表明改进型 CNN 的提升归功于批归一化。

意义与主张
作者断言，其工作展示了在 IQ-OTH/NCCD 数据集上具有竞争力的最先进性能，且无需借助计算昂贵的基于 GAN 的数据增强或大型 Transformer 骨干网络。研究强调：

简单性 vs. 复杂性： 带有批归一化的改进型 CNN 可以超越更复杂的架构（如带有 GAN 的 Lung-EffNet），同时保持更简单的拓扑结构。
不平衡策略： 对于该特定数据集的不平衡剖面，显式过采样（特别是随机过采样 ROS 和 ADASYN）结合 RBF 核函数，优于单纯的代价敏感权重法。
混合模型的可行性： 混合模型可以有效地利用预训练深度特征进行表示，同时利用 SVM 强大的决策边界，从而在深度学习能力与经典可解释性之间取得平衡。

论文总结道，尽管数据集规模（110 名患者）是一个局限性，但所提出的框架为肺癌分类提供了一个稳健且可复现的基准，并建议未来工作应包括多中心验证以及时空架构的集成。

技术摘要：基于 CT 图像的肺癌分类

类似论文