基于SVM的乳腺肿块分层检测算法研究

发布时间：2022-11-12 15:36

　　乳腺癌是一种常见的恶性肿瘤,早期诊断和治疗是降低乳腺癌死亡率的关键。乳腺钼靶X线摄影是目前诊断乳腺癌的首选方法,但由于早期乳腺癌的影像学特征并不十分明显,因而即使富有经验的医生也很难及时发现图像中所有可能的病变区域。随着医学和计算机技术的迅速发展,根据乳腺钼靶X线摄影来进行乳腺中肿块及微钙化点的计算机辅助检测已成为乳腺癌早期诊断的研究热点。好的计算机辅助检测系统能够有效地防止因为视觉疲劳和疏忽而造成的误诊和漏诊,帮助医生更好地识别图像中的微小病变。 肿块是乳腺癌在X线图像上的一个主要表现,本文提出了几种新的检测算法来进行乳腺X线图像中肿块的自动检测。首先,提出了一种新的基于形态学的图像增强方法,有效地抑制了图像中的背景区域,凸现了肿块区域;在此基础上,根据增强图像及原图中象素的灰度和对比度等特征,提取出饱满的种子区域;利用这些种子区域,根据一种有效的模糊区域生长方法和Vague集的概念,提出了基于Vague集的模糊区域生长方法,保证了生长结果接近肿块真实形状,同时也确保了生长的稳定性;由于一些低密度肿块区域的存在,使得单一灰度尺度上的检测不够完全,于是本文又提出了... 

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
独创性(或创新性)声明
关于论文使用授权的说明
摘 要
Abstract
第一章 绪论
    1.1 课题背景及意义
    1.2 国内外研究进展及现状
        1.2.1 乳腺癌计算机辅助检测系统的研究现状
        1.2.2 乳腺X光图像中肿块自动检测的研究现状
    1.3 论文的主要研究成果及章节安排
第二章 乳腺X线图像的预处理
    2.1 引言
    2.2 乳腺癌的X线表现
    2.3 乳腺区域的提取
    2.4 乳腺X线图像的增强
        2.4.1 形态学基础
        2.4.2 形态学增强方法
        2.4.3 实验结果及分析
    2.5 小结
第三章 感兴趣区域提取
    3.1 引言
    3.2 种子区域选取方法
        3.2.1 种子区域自动提取
        3.2.2 实验结果及分析
    3.3 基于VAGUE集的模糊区域生长
        3.3.1 Vague集的基本原理
        3.3.2 基于Vague集的模糊区域生长方法
        3.3.3 实验结果及分析
    3.4 分层检测算法
        3.4.1 分层检测的基本原理
        3.4.2 实验结果及分析
    3.5 后处理
        3.5.1 感兴趣区域的筛选
        3.5.2 实验结果及分析
    3.6 小结
第四章 基于SVM的肿块检测方法
    4.1 引言
    4.2 SVM的基本原理及算法
        4.2.1 统计学习理论
        4.2.2 SVM的分类算法
    4.3 基于SVM的肿块检测方法
        4.3.1 样本的选取
        4.3.2 特征提取
        4.3.3 SVM分类器的模型选择
        4.3.4 SVM分类器的反馈学习
    4.4 实验结果及分析
        4.4.1 FROC曲线
        4.4.2 结果和分析
    4.5 小结
第五章 结束语
    5.1 总结
    5.2 今后的研究工作与展望
致谢
参考文献
攻读硕士学位期间发表的论文


【参考文献】：
期刊论文
[1]基于主动相关反馈的图像检索方法[J]. 陈可佳,姜远,周志华.  模式识别与人工智能. 2005(04)
[2]支持向量机方法与模糊系统[J]. 陈永义.  模糊系统与数学. 2005(01)
[3]一种新的基于SVM的相关反馈图像检索算法[J]. 许月华,李金龙,陈恩红,王煦法.  计算机工程. 2004(24)
[4]处理非线性分类和回归问题的一种新方法（Ⅱ）——支持向量机方法在天气预报中的应用[J]. 冯汉中,陈永义.  应用气象学报. 2004(03)
[5]乳腺癌的影像学诊断和治疗进展[J]. 蔡丰,张涛,任小波.  中华超声影像学杂志. 2000(11)
[6]乳腺癌危险因素病例对照研究[J]. 丁丽央,陈坤,沈高飞,沈永洲.  中国慢性病预防与控制. 1998(06)

博士论文
[1]乳腺X线影像的计算机辅助诊断新方法研究[D]. 王瑞平.天津大学 2003



本文编号：3706630