肺癌是发达国家的主要公共卫生问题之一，早期发现肺结节是早期肺癌诊断的重要临床指征。根据美国癌症协会的统计，肺癌是美国癌症相关死亡的主要原因。肺结节是指肺组织异常，大致为球形，圆形不透明，直径可达30 毫米。目前，结节主要由一名或多名专家放射科医师检查肺部计算机断层扫描图像。然而，最近的研究表明，可能存在由专家放射科医师检测结节之间的读者间可变性。另外，由于三维图像处理和分析技术适用于薄切片计算机断层扫描，薄切片计算机断层扫描包括数百个切片，并且在放射科医师的图像解释中需要相当多的时间和精力。十多年来，一直致力于开发自动化系统，以检测/识别胸部计算机断层扫描图像中的可疑病变以及其他类型的图像。因此，开发能够帮助/增强放射科医师工作流程并可能减少假阴性结果的计算机辅助检测系统是一项重要任务。计算机辅助检测是一种自动检测某些身体部位的医学图像中的可疑病变并向放射科医师提供其位置的方案。计算机辅助检测已成为医学成像和诊断放射学的主要研究课题之一，并已应用于各种医学成像模式，包括计算机断层扫描，磁共振成像和超声成像。目前用于结节表征的计算机辅助检测方案已经达到了高性能水平，并且能够改善放射科医师在薄切片计算机断层扫描结节表征中的表现，而目前的结节检测方案似乎报告了许多假阳性。这是因为检测算法具有高灵敏度，一些非结节结构在初始结节识别步骤中不可避免地被标记为结节。由于放射科医师必须检查每个识别的对象，因此非常希望在保留真阳性的同时尽可能消除这些假阳性。因此，需要做出重大努力以提高当前用于薄切片计算机断层扫描结节检测的计算机辅助检测方案的性能水平。
　　 假阳性减少的目的是尽可能地去除这些假阳性，同时保持相对高的灵敏度。它是结节和非结节之间的二元分类。在机器学习中，分类的目的是学习能够预测具有良好泛化能力的先前未见过的实例的未知输出类的系统。假阳性减少步骤或分类步骤是肺结节检测系统的关键部分。在过去的二十年中，数据挖掘技术的使用已经在医学应用中被广泛接受，以更有效地支持患者诊断。挖掘医学图像已被选为十大数据挖掘案例研究之一。分类是数据挖掘中的常见任务。潜在结节的分类存在两个重要问题：一个是可疑结节对象的体积，形状和外观的巨大差异，难以构建单个分类器来描述和建模复杂数据; 另一个是这两个类是倾斜的，并且具有极不平等的错误分类成本，这是典型的类不平衡问题。不平衡的数据问题通常发生在计算机辅助检测系统中，因为健康类比收集的数据的患病类更好地代表，包括其他计算机辅助检测，如乳腺，结肠。类不平衡数据对传统分类器的性能有不利影响。通常，分类器尝试在不考虑数据分布的情况下降低全局错误率。因此，所有实例都被错误分类为高分类准确性的否定。最近，类不平衡问题已被确定为数据挖掘的十大主要挑战之一。迄今为止，还没有关于肺结节检测中类不平衡学习问题的系统研究。
　　 两个类的实例之间存在的不平衡通常称为类间不平衡。传统分类器在少数民族阶层表现不佳的实际原因并不一定只与阶级间的不平衡有关。类内不平衡的存在与小分离的问题密切相关，这已被证明会显着降低分类绩效。类内不平衡是指类由多个具有不同大小的子集组成的情况，其关注于类中子类的代表性数据的分布。子概念的存在也增加了问题的复杂性，因为它们之间的实例数量通常不平衡。事实证明，与每个类只有同质概念的数据集相比，它更难处理。类内不平衡的数据分布可能产生小的分离，这是类内不平衡数据问题中的重要挑战。一种现象有时被称为小分离的问题，而这些小分离共同造成了总测试误差的很大一部分。此外，在处理类不平衡预测时，高维性带来了额外的挑战，具有高维度和不均衡类分布的数据通常是不可避免的; 一些具体的例子包括文本分类和基因表达数据分析。随着维度的增加，少数群体的实例容易稀疏，从而放大了不平衡数据分类的问题。上述挑战在肺结节计算机辅助检测假阳性减少阶段也至关重要。首先，对于结节候选者，从初始检测生成的数据可能包含几个子概念，因为真假结节对象涉及多个不同类型或不同特征，这导致实例在每个类概念上的分布，并且可能产生具有不等大小的簇。。其次，没有一个特征可以有效地区分真假结节，如果选择的特征太少，它将产生不充分的分类器。然而，选择太多特征来表征潜在的结节对象会导致高计算成本以及过度拟合的可能性。由于传统分类器对类不平衡的敏感性随着域复杂性和不平衡程度的增加而增加，因此结节候选实例的复杂数据分布加剧了对结节的识别。
　　 为了解决上述问题，提出了一种结合多种随机子空间集成算法的混合概率抽样方法。混合概率抽样方法采用过采样和欠采样的组合，并在其数据分布重采样机制中结合概率函数。它生成更准确的实例以概括结节类的决策区域，并在不破坏数据结构的情况下删除非结节类的冗余实例。它可以同时处理类间不平衡和类内不平衡问题。另外，为了避免由于特征集对概率估计的负面影响，提高分类性能，设计了一种基于随机子空间方法的新集合。它不仅通过学习算法为集合注入更多的多样性，而且通过采样算法的偏差，从而获得更好的分类性能和泛化能力。此外，它可以解决高维数据的分类并减轻由于不相关和冗余特征而产生的负面影响。为了对系统进行严格的验证，使用多个数据集，包括医学成像数据集和机器学习数据集。通过实证研究和比较所提出的方法与类别不平衡分类和假阳性减少的最新方法;
　　 虽然文献中已经讨论了其他几种计算机辅助检测系统，但方法有几个新颖的方面。采用全自动算法识别和分割计算机断层扫描中的两个肺。接下来，提出了一种基于集合的重采样方法，该方法可以提高对不平衡数据分布数据的分类性能。据所知，从结核候选者的数据分布特征方面来看，计算机辅助检测系统中结节候选者的分类，例如类间或类内不平衡，高维度以前没有报道过。
　　 假阳性减少是肺结节检测中的一类失衡任务。在本文中，提出了一种新的算法，混合概率抽样方法结合加权随机子空间方法。是不平衡数据学习的有效框架，因为它根据每个分类器性能提供不同的子集和加权投票。此外，过敏性肺炎可以同时解决班级间和班级内的不平衡问题。通过理论证明和实证研究，证明了该方法对减少假阳性的有效性。所提出的方法可以应用于许多其他潜在的病变检测，例如质量，息肉和微钙化。此外，它还可以应用于其他机器学习问题，例如计算机辅助诊断。此外，在本文中，方法仅在二元类不平衡分类上进行评估。将来，会将方法扩展到多级不平衡分类。