基于超声图像混合特征与AutoML的乳腺癌智能分类新方法

本研究针对乳腺癌超声图像分类难题，创新性地提出融合纹理特征（Haralick）与形状特征（Hu矩）的混合特征（HF）构建方法，通过多项式回归整合两类特征，并采用PyCaret和TPOT两种AutoML工具进行模型优化。实验表明，基于熵和Hu矩的HF组合经AdaBoost分类器（ADB）准确率达91.4%，MLP分类器达90.6%，显著提升分类性能。研究通过Bagging、Boosting和Stacking等集成学习（EML）技术验证结果，为乳腺癌精准诊断提供新思路。

　　

乳腺癌是全球女性健康的首要威胁之一，世界卫生组织数据显示，2020年新增病例超过226万例，死亡人数近68.5万。传统诊断依赖医生对超声图像中病灶形状和纹理的主观判断，存在效率低、一致性差等问题。尽管已有研究尝试利用机器学习（ML）或深度学习分析单一类型特征（如纹理或几何特征），但分类准确率仍受限于特征表达不充分和模型泛化能力不足。

为解决这一难题，罗马尼亚"Dunarea de Jos"大学（"Dunarea de Jos" University of Galati）的Gigi Tabacaru团队在《Scientific Reports》发表研究，首次提出通过多项式回归融合Haralick纹理特征与Hu形状矩的混合特征（HF）构建方法，并引入自动化机器学习（AutoML）技术优化分类流程。该研究通过提取超声图像病灶区域的能量（EN）、熵（ENT）等6种Haralick特征，结合6个Hu不变矩，生成6组HF（y₁-y₆），利用PyCaret和TPOT自动筛选最优分类器及超参数，最终通过集成学习（EML）验证模型稳定性。

关键技术包括：1）基于乳腺超声图像数据库（BUSI）的病灶区域分割与特征提取；2）多项式回归构建HF；3）PyCaret和TPOT双AutoML系统优化；4）Bagging、Boosting和Stacking三重验证。研究采用公开BUSI数据集（487例良性/210例恶性），通过十折交叉验证确保结果可靠性。

研究方法与结果

混合特征构建

通过将Haralick纹理特征（如能量EN=∑p(i,j)²）与Hu形状矩（η₁=μ₂₀+μ₀₂）进行六次多项式回归，生成6组HF。如图1所示，病灶区域（ROI）经掩膜提取后，分别计算纹理与形状特征。

数据分布分析

如图3所示，y₁（EN+Hu矩）和y₂特征在良恶性样本中呈现显著分布差异（良性中位数0.18 vs 恶性0.14），而y₃-y₆分布混乱，预示前两组特征更具分类潜力。

AutoML分类性能

如表2-4所示，PyCaret优选ADB分类器（学习率1.0，n_estimators=50），对y₁特征实现91.4%准确率（AUC 0.955）；TPOT优选MLP分类器（α=0.0001）达90.6%准确率（AUC 0.981）。

集成学习验证

如表5所示，Stacking方法验证y₁特征最高准确率达92.8%，显著优于单一模型，证实HF的鲁棒性。

结论与意义

该研究开创性地将纹理与形状特征通过多项式回归融合，解决了单一特征表达能力不足的问题。通过AutoML自动化优化，避免了传统ML调参的盲目性，其中能量（EN）与第一Hu矩的组合被证明最具鉴别力。临床层面，该方法可辅助医生快速区分良恶性病灶，减少不必要的活检；技术层面，为医学影像分析提供了特征融合与AutoML协同优化的新范式。未来可进一步探索 fractal特征与深度特征的结合，拓展至其他癌症的智能诊断领域。