乳腺疾病在女性疾病中居第一位,對(duì)乳腺疾病的有效檢查對(duì)于醫(yī)生和患者有著不可取代的作用。目前,超聲檢查是診斷乳腺腫瘤最常用的方法,但是對(duì)于較小腫瘤的良惡性識(shí)別較為困難,且由于醫(yī)生的主觀因素,容易漏診和誤診,因此要實(shí)現(xiàn)對(duì)乳腺癌的診斷,需要豐富的臨床經(jīng)驗(yàn)。隨著科學(xué)技術(shù)的發(fā)展,通過計(jì)算機(jī)技術(shù)對(duì)乳腺腫瘤進(jìn)行輔助診斷已成為當(dāng)前研究熱點(diǎn)。本文針對(duì)乳腺腫瘤超聲圖像的特點(diǎn),從圖像預(yù)處理、分割、特征提取和選擇、分類識(shí)別四個(gè)方面對(duì)乳腺腫瘤輔助診斷技術(shù)進(jìn)行分析研究。由于超聲圖像存在的散斑噪聲問題,提出一種乳腺腫瘤超聲圖像去噪的新方法:結(jié)合各向異性擴(kuò)散模型,減少傳統(tǒng)雙邊濾波的迭代次數(shù);引入補(bǔ)償函數(shù)和指數(shù)函數(shù)對(duì)加權(quán)核函數(shù)進(jìn)行改進(jìn),控制傅里葉系數(shù)收縮速度。實(shí)驗(yàn)對(duì)比分析了小波變換、傳統(tǒng)雙邊濾波以及改進(jìn)后算法的去噪效果。結(jié)果表明,本文提出的改進(jìn)雙邊濾波算法,在峰值信噪比、結(jié)構(gòu)相似度以及運(yùn)行時(shí)間上均優(yōu)于其它兩種算法。在圖像分割過程中,針對(duì)傳統(tǒng)分水嶺算法的“過分割”問題,利用基于各向異性擴(kuò)散的分水嶺算法對(duì)圖像進(jìn)行分割。在預(yù)處理階段,利用直方圖均衡化增強(qiáng)圖像對(duì)比度,并通過形態(tài)學(xué)進(jìn)行預(yù)處理;在處理過程中,結(jié)合Otsu算法計(jì)算閾值... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

乳腺腫瘤超聲圖像邊界標(biāo)定圖

提的改進(jìn)算法對(duì)圖像進(jìn)行去除噪聲，并真實(shí)驗(yàn)對(duì)比。本章分別以 3 例不同類型了更加直觀清晰地觀察到圖像去噪后的對(duì)于良性腫瘤圖像，不同去噪算法a) 纖維腫瘤加噪 b) 小波變換去噪 e) 乳頭狀瘤加噪 f) 小波變換去噪

乳腺惡性腫瘤圖

【參考文獻(xiàn)】：
期刊論文
[1]基于Tamura紋理特征提取和SVM的多模態(tài)腦腫瘤MR圖像分割[J]. 李娜,熊志勇,謝瑾,彭川,任愷.  中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[2]基于雙域?yàn)V波與引導(dǎo)濾波的快速醫(yī)學(xué)MR圖像去噪[J]. 艾玲梅,任陽紅.  光電子·激光. 2018(07)
[3]圖像分割方法在醫(yī)學(xué)領(lǐng)域中的應(yīng)用[J]. 鄭彩俠,張同舟,孫長江,劉景鑫.  中國醫(yī)療設(shè)備. 2018(06)
[4]基于模糊邏輯和區(qū)域合并的分水嶺變換圖像分割[J]. 林振榮,黎嘉誠,劉九暢,俞鵬飛,李建民.  南昌大學(xué)學(xué)報(bào)(工科版). 2018(01)
[5]特征選擇研究綜述[J]. 黃鉉.  信息與電腦(理論版). 2017(24)
[6]基于自適應(yīng)標(biāo)記分水嶺算法的肝臟CT圖像自動(dòng)分割[J]. 黃展鵬,張琦,趙潔.  北京生物醫(yī)學(xué)工程. 2017(04)
[7]基于CT圖像統(tǒng)計(jì)紋理特征的甲狀腺結(jié)節(jié)識(shí)別技術(shù)[J]. 彭文獻(xiàn),劉晨彬,夏順仁,陳益紅,劉蕊.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2017(04)
[8]圖像增強(qiáng)算法綜述[J]. 王浩,張葉,沈宏海,張景忠.  中國光學(xué). 2017(04)
[9]基于形態(tài)學(xué)濾波的標(biāo)記分水嶺腦腫瘤圖像分割[J]. 王伏增,汪西原,宋佳乾.  寧夏大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[10]基于Local Jet變換空間紋理特征的肺結(jié)節(jié)分類方法[J]. 代美玲,祁瑾,周仲興,高峰.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2017(01)

博士論文
[1]醫(yī)學(xué)圖像特征提取方法及應(yīng)用研究[D]. 肖哲.電子科技大學(xué) 2017
[2]圖像質(zhì)量評(píng)價(jià)主客觀一致性的研究[D]. 張虎.武漢大學(xué) 2014
[3]乳腺X線影像的計(jì)算機(jī)輔助診斷新方法研究[D]. 王瑞平.天津大學(xué) 2003

碩士論文
[1]乳腺腫瘤圖像的識(shí)別方法研究[D]. 李珊珊.魯東大學(xué) 2018
[2]MRF模型在乳腺癌計(jì)算機(jī)輔助診斷中的應(yīng)用研究[D]. 張琦.太原理工大學(xué) 2018
[3]醫(yī)學(xué)磁共振圖像去噪算法研究與實(shí)現(xiàn)[D]. 任陽紅.陜西師范大學(xué) 2018
[4]基于聯(lián)合雙邊濾波的圖像去噪與融合方法研究[D]. 任芬.西安電子科技大學(xué) 2017
[5]基于深度學(xué)習(xí)的乳腺癌早期診斷研究[D]. 李靜.杭州電子科技大學(xué) 2017
[6]一種改進(jìn)的基于標(biāo)記的分水嶺方法在腦腫瘤MRI圖像分割上的應(yīng)用[D]. 楊瑞雪.山東中醫(yī)藥大學(xué) 2016
[7]基于小波與雙邊濾波的SAR圖像去噪算法研究[D]. 張飛.西北大學(xué) 2016
[8]乳腺腫瘤超聲圖像特征提取技術(shù)的研究[D]. 劉磊.重慶理工大學(xué) 2016
[9]改進(jìn)的混合雙域圖像去噪和基于融合差異圖及邊緣分類的SAR圖像變化檢測(cè)[D]. 劉金華.西安電子科技大學(xué) 2015
[10]超聲彈性成像在乳腺腫瘤診斷中的應(yīng)用研究[D]. 張永亮.東北大學(xué) 2015



本文編號(hào)：3381521