乳腺癌具有發(fā)病率高、死亡率高的特點,已成為威脅婦女健康和生命的主要疾病。乳腺癌的早期篩查和早期診斷是挽救患者生命最有效的方法。乳房X線檢測是乳腺癌篩查中最重要的影像學(xué)檢查方法。早期乳腺癌的影像學(xué)特征尚不明確。其密度分類、微鈣化檢測和腫塊良惡性分類是早期乳腺癌篩查的主要難點。它很容易受到醫(yī)生的主觀影響,易發(fā)生誤診和漏診。隨著計算機(jī)技術(shù)的不斷發(fā)展,計算機(jī)輔助檢測乳腺癌已成為醫(yī)學(xué)影像學(xué)研究的一個熱點領(lǐng)域。有效的計算機(jī)輔助檢測方法可以幫助醫(yī)生更好地分析乳房X線照片,提高乳腺癌診斷的準(zhǔn)確性。本研究將計算機(jī)視覺與機(jī)器學(xué)習(xí)相結(jié)合,構(gòu)建了一種乳腺癌檢測算法。研究工作概括如下:(1)提出了一種基于小波變換的乳腺X線圖像乳腺密度分類算法。乳腺密度高的女性患乳腺癌的風(fēng)險是低密度的4⁵倍。本研究在專業(yè)醫(yī)師指導(dǎo)下,乳腺密度的分析研究分為三個階段:首先,將乳腺圖像分別進(jìn)行去噪處理和自適應(yīng)直方圖均衡化處理,再進(jìn)行小波技術(shù)融合前者,增強(qiáng)不同密度乳腺的灰度直方圖特征。然后,通過多次迭代來確定乳腺區(qū)域的閾值,并得到標(biāo)準(zhǔn)二值化乳腺X線圖像,計算圖像黑白像素的比值得乳腺密度。我們根據(jù)乳腺影像報告和數(shù)據(jù)系...

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題背景及課題意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 乳腺密度分類算法的研究現(xiàn)狀
        1.2.2 乳腺鈣化檢測算法的研究現(xiàn)狀
        1.2.3 乳腺腫塊良惡性分類算法的研究現(xiàn)狀
    1.3 數(shù)據(jù)集
    1.4 性能評價指標(biāo)
    1.5 本文主要研究內(nèi)容與結(jié)構(gòu)安排
    1.6 本文結(jié)構(gòu)安排
第2章 相關(guān)理論介紹
    2.1 小波變換基本理論
    2.2 SVM算法基本理論
    2.3 深度學(xué)習(xí)基本理論
        2.3.1 VGG網(wǎng)絡(luò)模型
        2.3.2 ResNet網(wǎng)絡(luò)模型
        2.3.3 Inception網(wǎng)絡(luò)模型
        2.3.4 Xception網(wǎng)絡(luò)模型
        2.3.5 DenseNet網(wǎng)絡(luò)模型
    2.4 小結(jié)
第3章 基于小波變換的乳腺密度分類算法
    3.1 引言
    3.2 圖像預(yù)處理
        3.2.1 灰度歸一化
        3.2.2 直方圖均衡化
        3.2.3 中值濾波
        3.2.4 小波變換圖像融合
    3.3 圖像閾值分割
    3.4 密度分類
    3.5 實驗結(jié)果及討論
    3.6 本章小結(jié)
第4章 基于ASVM的乳腺鈣化檢測算法
    4.1 引言
    4.2 圖像預(yù)處理
    4.3 K均值聚類分割
    4.4 特征提取
    4.5 自適應(yīng)支持向量機(jī)
    4.6 實驗結(jié)果及討論
    4.7 本章小結(jié)
第5章 基于微調(diào)網(wǎng)絡(luò)的乳腺腫塊良惡性分類算法
    5.1 引言
    5.2 遷移學(xué)習(xí)算法
    5.3 乳腺腫塊良惡性分類算法流程
    5.4 實驗參數(shù)設(shè)置
    5.5 實驗結(jié)果及討論
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 未來的工作展望
參考文獻(xiàn)
致謝
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果



本文編號：3775652