遗传算法优化模糊神经网络在肺癌诊断中的应用

摘要

在当今世界中，肺癌已经逐渐成为最常见的恶性肿瘤。在我国，肺癌的发病率呈现逐年上升的趋势，肺癌已经成为我国死亡人数最多的癌症。男性得肺癌的概率要远大于女性，且城市肺癌的发病率要大于农村。由于肺癌早期的症状不明显或与其他疾病的病理特征有一些相似之处，所以不易察觉，往往发现时已经是晚期。肺癌的特点是确诊越早，越容易治愈，所以肺癌的早期诊断具有十分重要的价值，对治疗方案和治疗效果有显著的影响。因此，改善早期肺癌的检测方法对于提高患者的存活率具有十分重要的现实意义。
　　 模糊神经网络结合了人工神经网络和模糊理论的优点，具有良好的自适应性和自组织性，学习能力很强。利用神经网络进行模糊信息处理，可以有效的解决模糊规则的提取和隶属度函数的产生；而将具有逻辑推理能力的模糊技术引入神经网络，可以大大提高神经网络在处理模糊信息方面的能力。但是神经网络也有其不可避免的缺陷，收敛速度较慢，容易陷入局部极小等问题。而遗传算法(Genetic Algorithm-GA)是一种从大自然的发展规律-生物进化论中得到启示而产生的算法，其使用了自然选择和仿真生物遗传学的机理，通过遗传、变异等机制来提高单个个体的适应性。将遗传算法和模糊神经网络结合起来，可以优化神经网络的权值和阈值，进而优化神经网络的结构，从而改善神经网络的预测准确性。
　　 方法：利用遗传算法优化模糊神经网络并应用于肺癌诊断。网络输入是经模糊化处理的13个非二值变量和其它13个二值变量的组合。先建立简单的BP神经网络，然后通过遗传算法优化神经网络的权值和阈值，再将优化后得到的权值和阈值代入网络中对输入样本进行训练，并利用测试样本检验网络的优化程度。最后将网络输出结果与优化前的网络的输出结果进行对比。
　　 结果：通过对网络输出结果的比较，发现经过遗传算法优化的神经网络的虚警和漏检率较低，比优化前的网络结果有所提高。经过遗传算法优化的模糊神经网络有2例错误(良性第5例，肺癌第40例)，而没有优化的模糊神经网络有4例错误(良性第5、6例，肺癌第36、38例)。经遗传算法优化的模糊神经网络的总诊断正确率为95.5％，高于优化前的模糊神经网络的91％。