Исследование методов классификации для анализа сегментированных объектов на люминесцентных изображениях раковых клеток

Abstract

Исследованы методы классификации для анализа многоканальных изображений раковых клеток опухоли молочной железы. Каждый объект описывался 13 признаками, из которых 11 признаков описывали форму, 2 признака – цвет. Для тестирования использовался метод перекрестной проверки с контролем по отдельному объекту. Рассмотрены следующие методы: линейного и квадратичного дискриминантного анализа, наивный байесовский классификатор, многослойный персептрон, случайного леса, опорных векторов. Наилучшие результаты классификации получены для метода случайного леса, который показал точность классификации 0,97 при использовании всех признаков. Точность классификации этим методом на основе только признаков цвета – 0,96, а при классификации на основе только признаков формы – 0,92. Следующим по точности классификации является метод линейного дискриминантного анализа, обеспечивающий точность классификации 0,97 по всем признакам, 0,96 – по признакам цвета и 0,90 – по признакам формы. Наихудшие результаты получены для многослойного персептрона.= The methods of classification to analyze the multi-сhannel fluorescent images of breast cancer were studied. Each object is described by 13 features, where 11 features are geometry characteristics and 2 features corresponds to color characteristics. The methods were studied onb the standardized and not-standardized data. The cross validation was used. The considered methods are linear and quadratic discriminant analysis, Naive Bayes, Support Vector Machines, Decision Trees, Random Forest, Neural network models. The most sufficient result were received for the Random Forest methods, where the accuracy of the classification is 0,97, when all features are used. If only color features are exploited, the accuracy is 0,96, and finally it is 0,92 for form features. The same results received the linear discriminant analysis, where the accuracy based on all features is 0,97, the accuracy received by color features is 0,96. Which is the same as for random forest classification. However for form features it is only 0,90. The most unsufficient results are obtained for Multi-layer Perceptron.