世界衛(wèi)生組織相關數(shù)據(jù)顯示,乳腺癌已成為威脅女性健康的首要疾病,在世界范圍內(nèi)新增病例逐年增長,嚴重危害女性身心健康。臨床研究表明,早期診斷能有效降低乳腺疾病的死亡率。乳腺鉬靶X線攝影術(shù)作為乳腺疾病篩查和檢測的首選方法,有很好的敏感性和特異性,且操作簡潔,成像直觀,安全無創(chuàng)傷,所以,被業(yè)界視為乳腺疾病早期預防和診斷最可靠的工具。在乳腺X線圖像中,腫塊和微鈣化點簇是乳腺癌的主要征兆,但腫塊和鈣化點對比度低、形態(tài)多樣且極不規(guī)則,易受胸肌及腺體等高致密組織的影響。因此,在臨床診斷中,放射醫(yī)師面臨很大的困境。實現(xiàn)乳腺腫塊和鈣化點簇的精確分割和檢測,為醫(yī)師提供參考性意見,能有效提高臨床診斷的準確率。本文主要以乳腺鉬靶X線圖像為研究對象,旨在探索、分析和研究乳腺病灶檢測方面的難點和困境,提高乳腺癌早期診斷的準確率。通過調(diào)研和分析國內(nèi)外學者在病灶檢測領域的現(xiàn)狀,搜集并整理乳腺X線數(shù)據(jù)庫,并從病灶內(nèi)在屬性出發(fā),有針對性地探究乳腺X線鈣化點和腫塊檢測方法。論文主要工作歸納如下:1.提出基于Contourlet變換和無耦合鏈接SPCNN（Simplified Pulse CoupledNeural Netwo... 

【文章來源】：蘭州大學甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：149 頁

【學位級別】：博士

【部分圖文】：

MIAS數(shù)據(jù)庫圖像展示

10（a）正常（b）腫塊 （c）鈣化點 圖 1-5 DDSM 數(shù)據(jù)庫圖像展示庫中的圖像來源于東方女性，庫中包含病例 4圖像 15 幅，正常圖像 33 幅，腫塊圖像 17 m，數(shù)字化后的圖像大小為 2510×2000，圖像灰

（a）正常 （b）鈣化點（c）腫塊圖 1-6 JSMIT 數(shù)據(jù)庫圖像展示1.4.4 INbreast 數(shù)據(jù)庫INbreast[58]數(shù)字乳腺攝影圖像是于 2008 年 4 月~2010 年 7 月在葡萄牙波爾圖乳房中心獲得。圖像大小為 3328×4084 或 2560×3328 像素，總共 115 例（410 張圖像），其中 90 例患乳腺癌（每例 4 幅圖像），25 例乳房切除患者（每例 2 幅）。病變類型主要有腫塊，鈣化，不對稱以及結(jié)構(gòu)扭曲。對于病變圖像，專家提供了精確的病灶輪廓，以 XML 格式保存。在 56 例腫塊病變圖像中，11 例良性病例，45 例惡性，總共包含 107 幅腫塊圖像，總計包括 116 個腫塊。其中有 301 幅圖像存在鈣化點，被專家標記為含有鈣化點簇的圖像為 21 幅，總計 27 個鈣化點簇集。圖 1-7 展示了 INbreast 數(shù)據(jù)庫中常見的鈣化點和腫塊病變圖像。

【參考文獻】：
期刊論文
[1]活動輪廓模型在醫(yī)學圖像分割的綜述[J]. 蘭紅,韓紀東,方毅.  科學技術(shù)與工程. 2018(16)
[2]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[3]圖像理解中的卷積神經(jīng)網(wǎng)絡[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動化學報. 2016(09)
[4]高頻超聲、1.5T磁共振（MRI）診斷乳腺癌的臨床價值[J]. 劉偉.  中國CT和MRI雜志. 2015(12)
[5]乳腺鉬靶X線腫塊檢測及分割方法[J]. 董敏,郭淼,馬義德.  計算機應用. 2015(S1)
[6]視覺注意與顯著性計算綜述[J]. 孫曉帥,姚鴻勛.  智能計算機與應用. 2014(05)
[7]乳腺脂肪瘤鉬靶X線及B超診斷的研究分析[J]. 劉克禮,周永利,劉斐,李淵博,頡小俠.  內(nèi)蒙古中醫(yī)藥. 2014(15)
[8]超像素分割算法研究綜述[J]. 王春瑤,陳俊周,李煒.  計算機應用研究. 2014(01)
[9]基于PCNN的圖像邊緣檢測方法[J]. 鄧翔宇.  自動化與儀器儀表. 2012(03)
[10]Automatic pectoral muscle boundary detection in mammograms based on Markov chain and active contour model[J]. Lei WANG,Miao-liang ZHU,Li-ping DENG,Xin YUAN (School of Computer Science and Technology,Zhejiang University,Hangzhou 310027,China).  Journal of Zhejiang University-Science C（Computer & Electronics）. 2010(02)

博士論文
[1]基于乳腺X線圖像的乳腺癌檢測方法研究[D]. 張勝君.北京交通大學 2013
[2]視覺顯著性應用研究[D]. 敖歡歡.中國科學技術(shù)大學 2013
[3]基于PCNN的圖像去噪和圖像增強方法研究[D]. 張紅娟.蘭州大學 2011
[4]乳腺鉬靶X光片上微鈣化點的計算機輔助檢測技術(shù)的研究[D]. 王磊.浙江大學 2010
[5]方向性多分辨率圖像分析研究：理論和應用[D]. 張久文.蘭州大學 2009

碩士論文
[1]基于雙視圖的乳腺腫塊輔助檢測[D]. 胡陽.西安電子科技大學 2017
[2]基于視覺注意機制的圖像顯著性檢測[D]. 范青.江南大學 2015
[3]輪廓波變換及其在圖像處理中的應用[D]. 肖玉梅.蘇州大學 2011
[4]乳腺腫塊計算機輔助檢測算法研究[D]. 張橋新.西安電子科技大學 2009
[5]計算機輔助檢測在乳腺X線攝影中應用價值的研究[D]. 張小梅.天津醫(yī)科大學 2008



本文編號：2979579