隨著超聲成像成為乳腺癌早期篩查的主流手段,基于超聲乳腺腫瘤圖像的計(jì)算機(jī)輔助診斷技術(shù)越來(lái)越受到科研學(xué)者和臨床專(zhuān)家的重視。然而,目前大多數(shù)超聲乳腺腫瘤分類(lèi)方法都依賴(lài)于低級(jí)圖像特征,其診斷過(guò)程不能被醫(yī)生理解。這類(lèi)基于低級(jí)圖像特征的方法十分依賴(lài)圖像質(zhì)量,在處理不同超聲設(shè)備采集的圖像時(shí),無(wú)法保證性能的可靠性。此外,在超聲乳腺腫瘤分類(lèi)問(wèn)題中,帶有標(biāo)注的樣本稀缺,而目前大多數(shù)方法都無(wú)法在少量標(biāo)注數(shù)據(jù)集上取得足夠好的效果。這些問(wèn)題一定程度上限制了超聲乳腺腫瘤分類(lèi)方法在臨床中的應(yīng)用和推廣。本文針對(duì)這些問(wèn)題提出了三種具有較高可解釋性的超聲乳腺腫瘤分類(lèi)方法。本文先利用BI-RADS特征打分方案和決策樹(shù)算法,建立便于人類(lèi)專(zhuān)家理解的乳腺腫瘤分類(lèi)模型,極大的縮小了專(zhuān)家與計(jì)算機(jī)間的語(yǔ)義鴻溝。然后,在這一工作的基礎(chǔ)上,提出半監(jiān)督?jīng)Q策樹(shù)算法,利用支持向量機(jī)分類(lèi)超平面設(shè)計(jì)了偽標(biāo)簽機(jī)制,挖掘無(wú)標(biāo)注數(shù)據(jù)信息,降低模型對(duì)有標(biāo)注數(shù)據(jù)的依賴(lài)。最后,本文基于雙聚類(lèi)算法與模糊推理提出了一種模擬人類(lèi)專(zhuān)家診斷思路的超聲乳腺腫瘤分類(lèi)方法。方法利用雙聚類(lèi)挖掘診斷模式,基于診斷模式構(gòu)建診斷規(guī)則,利用模糊推理方法對(duì)超聲乳腺腫瘤進(jìn)行分類(lèi),在保證分類(lèi)... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 超聲乳腺腫瘤CAD技術(shù)概述
    1.3 基于統(tǒng)計(jì)學(xué)習(xí)的超聲乳腺腫瘤分類(lèi)研究現(xiàn)狀
        1.3.1 特征提取
        1.3.2 分類(lèi)器
    1.4 基于深度學(xué)習(xí)的超聲乳腺腫瘤分類(lèi)研究現(xiàn)狀
    1.5 當(dāng)前技術(shù)面臨的問(wèn)題
    1.6 本文主要工作及章節(jié)安排
        1.6.1 本文主要工作
        1.6.2 本文章節(jié)安排
第二章 基于BI-RADS特征與決策樹(shù)的乳腺腫瘤分類(lèi)
    2.1 BI-RADS特征提取
        2.1.1 BI-RADS特征簡(jiǎn)介
        2.1.2 BI-RADS特征打分方案
    2.2 基于決策樹(shù)的超聲乳腺腫瘤分類(lèi)
        2.2.1 決策樹(shù)簡(jiǎn)介
        2.2.2 分類(lèi)回歸樹(shù)構(gòu)建
        2.2.3 基于決策樹(shù)的BI-RADS特征診斷價(jià)值排序
    2.3 模型工作流程
    2.4 本章小結(jié)
第三章 基于半監(jiān)督?jīng)Q策樹(shù)的乳腺腫瘤分類(lèi)
    3.1 半監(jiān)督學(xué)習(xí)簡(jiǎn)介
    3.2 基于支持向量機(jī)的半監(jiān)督?jīng)Q策樹(shù)算法
        3.2.1 支持向量機(jī)分類(lèi)超平面構(gòu)建
        3.2.2 基于支持向量機(jī)的偽標(biāo)注生成
    3.3 模型工作流程
    3.4 本章小結(jié)
第四章 基于雙聚類(lèi)和模糊推理的乳腺腫瘤分類(lèi)
    4.1 雙聚類(lèi)挖掘診斷模式
        4.1.1 雙聚類(lèi)簡(jiǎn)介
        4.1.2 診斷模式定義
        4.1.3 診斷模式挖掘
    4.2 基于診斷模式的模糊推理
        4.2.1 模糊推理簡(jiǎn)介
        4.2.2 診斷規(guī)則構(gòu)建
        4.2.3 診斷規(guī)則過(guò)濾
        4.2.4 模糊推理過(guò)程
    4.3 模型工作流程
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)集及平臺(tái)描述
    5.2 特征篩選
    5.3 分類(lèi)評(píng)估指標(biāo)
    5.4 基于決策樹(shù)的乳腺腫瘤分類(lèi)實(shí)驗(yàn)
        5.4.1 性能比較
        5.4.2 決策樹(shù)深度對(duì)分類(lèi)性能的影響
        5.4.3 特征診斷價(jià)值排序
    5.5 基于半監(jiān)督?jīng)Q策樹(shù)的乳腺腫瘤分類(lèi)實(shí)驗(yàn)
        5.5.1 性能比較
        5.5.2 半監(jiān)督?jīng)Q策樹(shù)與決策樹(shù)性能對(duì)比
        5.5.3 偽標(biāo)簽置信度閾值對(duì)模型性能影響
    5.6 基于雙聚類(lèi)與模糊推理的乳腺腫瘤分類(lèi)實(shí)驗(yàn)
        5.6.1 性能比較
        5.6.2 規(guī)則支持度閾值對(duì)分類(lèi)性能的影響
    5.7 人類(lèi)專(zhuān)家與三種方法對(duì)比實(shí)驗(yàn)
    5.8 本章小結(jié)
總結(jié)與展望
    本文工作總結(jié)
    未來(lái)展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]隨機(jī)森林和支持向量機(jī)在利用超聲影像特征信息診斷乳腺病變性質(zhì)的應(yīng)用價(jià)值探索[J]. 趙子龍,何英劍,歐陽(yáng)濤,姚晨.  中國(guó)衛(wèi)生統(tǒng)計(jì). 2018(05)
[2]2014年中國(guó)分地區(qū)惡性腫瘤發(fā)病和死亡分析[J]. 陳萬(wàn)青,孫可欣,鄭榮壽,張思維,曾紅梅,鄒小農(nóng),赫捷.  中國(guó)腫瘤. 2018(01)
[3]多種影像學(xué)方法在中國(guó)乳腺癌篩查中的應(yīng)用[J]. 張建興.  實(shí)用醫(yī)學(xué)雜志. 2017(09)
[4]超聲造影與增強(qiáng)磁共振成像在乳腺良惡性腫瘤鑒別診斷中的應(yīng)用[J]. 楊勇,呂秀花,崔光彬,楊一林,王瑧,袁麗君,段云友.  中國(guó)超聲醫(yī)學(xué)雜志. 2015(07)
[5]彩色超聲和X線鉬靶攝影對(duì)乳腺積乳囊腫的診斷價(jià)值[J]. 羅巧云,王濤,許晨.  臨床合理用藥雜志. 2015(06)
[6]基于半監(jiān)督學(xué)習(xí)的應(yīng)用流分類(lèi)方法[J]. 柳斌,李之棠,涂浩.  微電子學(xué)與計(jì)算機(jī). 2010(08)
[7]一種基于層次聚類(lèi)的雙聚類(lèi)算法[J]. 朱嫻,馬衛(wèi).  微計(jì)算機(jī)應(yīng)用. 2009(05)

碩士論文
[1]基于超聲征象打分特征的乳腺腫瘤分類(lèi)研究[D]. 陳永東.華南理工大學(xué) 2017



本文編號(hào)：3163144