肺癌是全球癌症相关死亡的主要原因之一。在肺癌的诊断中，孤立性肺结节的检测对于放射科医师来说是一个具有挑战性的过程。孤立性肺结节是肺部病变，边界模糊。通常在断层扫描中发现这些结节。随着筛选技术的进步，结节的检出率增加。计算机辅助诊断系统的开发是为了帮助放射科医师作为第二个读者。计算机辅助诊断系统有两个主要问题; 结节的检测和分类。评估患者结节的挑战在于确定其是良性还是恶性。放射科医师进行的诊断非常主观，根据放射科医师的经验水平可能会有很大差异。
　　 该研究领域的一个难点是找到组织良好且一致的数据。可公开访问的肺部图像数据库联盟数据库为研究人员提供电子计算机断层扫描图像，结核感兴趣区域和结节特征作为射线照相描述符。在该数据库中，所有病例均由四名放射科医师评估。每位放射科医师都会对结节的边界和特征评级进行评估。放射科医生匿名和图像数据库联盟数据库缺乏基本事实是挑战; 但是，数据库提供了构建不同计算机辅助诊断方法的机会。
　　 在这项研究中，提出了一种基于加权规则的肺结节恶性肿瘤预测方法。该研究的第一个目标是显示结节特征在恶性肿瘤预测中的有用性。通过对图像数据库联盟数据应用多数表决，为每个结节特征定义单独的数据集。由于大多数数据集都是高度不平衡的，因此数据集上应用了数据平衡方法。此外，还针对每个结节特征对特征进行排序。在特征排名之后，通过使用平均等级和成功率比率为每个特征确定不同的特征集大小。由于集合分类器被用作处理不平衡数据集的工具，结节特征用集合分类器分类。为每个结节特征构建单独的集合分类器。集合的输出用作基于加权规则的方法的输入，其中规则是由放射科医师对先前病例的结节特征的评估构建的。因此，图像数据库联盟数据集中的专家意见被用于基于规则的方法中以预测恶性肿瘤。分析恶性肿瘤与其他结节特征之间的相关性，以了解每种特征在恶性肿瘤测定中的重要性。此外，对放射科医师对同一结节的评估进行了分析，以确定专家对结核特征的一致程度。
　　 在后面的部分中，首先提供一些有关相关工作的信息。在方法部分，提供有关图像数据库联盟数据集，提取的图像特征，数据集平衡，特征提取和特征尺寸确定以及分类步骤的详细信息。在进行实验后将讨论工作成果和未来计划。
　　 本文研究了结节特征在恶性肿瘤预测中的有效性。放射科医师协议的多数投票用于确定地面实况数据。提出了一种基于规则的方法用于肺结节的恶性肿瘤预测。此方法采用从图像数据库联盟数据集上的面板协议中提取的规则集。根据放射科医师协议的比例和特征与恶性程度评级之间的相关性对规则进行加权。为每个结节特征定义单独的数据集。为了处理数据集的不平衡性，使用集合分类器，数据集平衡方法和类特定特征选择。通过使用平均等级和成功率比率方法为每个特征确定不同的特征集大小。然后，集合的输出被用作基于规则的方法的输入。
　　 实验结果表明，结节特征可用于改善恶性肿瘤预测的分类结果。在恶性肿瘤数据集中，适度评级的样本较少，高度/中度可疑，高度/中度不太可能评级为近似评估。这些划分的评估可能会对分类结果产生负面影响。对恶性肿瘤评级进行分组可提高分类性能。
　　 对于未来的工作，计划扩展功能集并组合集合分类器。可以调查不同比例的放射科医师协议作为基本事实。在本文中，试图通过仅在基于规则的分类阶段中使用语义特征信息来预测恶性。一起使用图像特征和特征信息可以进一步改善结果。通过使用概率图和中位数投票结合放射科医师评估获得的信息，也可以研究找到替代方法。