【摘要】：乳腺癌是女性最常見的癌癥之一，是當(dāng)今世界婦女惡性腫瘤死亡的首位原因。乳腺鉬靶X線影像計算機輔助診斷(Computer Aided Diagnosis，CAD)系統(tǒng)可以輔助醫(yī)生診斷，提高乳腺癌病變的檢測精度，這已經(jīng)被許多學(xué)者廣泛研究。 在目前的乳腺CAD系統(tǒng)中，已經(jīng)有很多乳腺癌鉬靶X線影像腫塊分類算法研究，分類器融合算法能夠提高分類精度，已在很多領(lǐng)域被證實。因此，，本文試圖構(gòu)造一種的融合分類器，并將其用于對乳腺癌鉬靶X線影像中的腫塊進(jìn)行分類。 傳統(tǒng)的融合方法一般是先提出某一計算模型，根據(jù)訓(xùn)練樣本估計模型中的參數(shù)，使該模型在統(tǒng)計意義上達(dá)到最優(yōu)，而沒有考慮各個樣本的具體情況，即不考慮各分類器關(guān)于某一樣本的置信度，這就使得分類器的輸出結(jié)果總是按固定的權(quán)值被融合在一起。Multi-Agent算法正好彌補這一缺陷，當(dāng)輸入一個新的樣本，多個自主Agent進(jìn)行交互協(xié)調(diào)，進(jìn)行調(diào)整各自的決策和行為，進(jìn)而給出一個比較滿意的決策結(jié)果。鑒于這一點，本論文將Multi-Agent融合算法應(yīng)用到乳腺鉬靶X線影像CAD系統(tǒng)的腫塊分類中，論文的工作內(nèi)容以及創(chuàng)新點主要有以下幾點: (1)、深入分析Multi-Agent算法的理論特點以及與乳腺鉬靶X線影像腫塊分類檢測的關(guān)聯(lián)，并在前人的理論基礎(chǔ)上進(jìn)行算法改進(jìn)，將單分類器的度量值信息引入到融合算法中。 (2)、提出兩種新的腫塊特征，并結(jié)合已有的5種特征構(gòu)成新的腫塊特征表征組，與傳統(tǒng)腫塊特征組進(jìn)行比較。實驗結(jié)果表明，新特征組可以用于腫塊分類。 (3)、首次提出并構(gòu)建基于Multi-Agent融合算法的腫塊分類模型，闡述了該模型的處理流程。將Multi-Agent算法和傳統(tǒng)的融合算法進(jìn)行比較，實驗結(jié)果表明，Multi-Agent算法可以提高乳腺CAD系統(tǒng)的腫塊分類性能，并且在分類精度和穩(wěn)定性上優(yōu)于實驗中的其他融合算法。 (4)、將Multi-Agent融合算法應(yīng)用到乳腺鉬靶X線影像雙視角信息融合腫塊分類當(dāng)中，并進(jìn)行實驗。初步探討了雙視角融合的意義以及雙視角模式下基于Multi-Agent的乳腺CAD腫塊分類性能。
【圖文】：

(a)、(b)為惡性微鈣化，(c)、(d)為良性微鈣化

(a) (b)(c) (d)圖2.2 (a)、(b)為惡性腫塊，(c)、(d)為良性腫塊乳腺鉬靶X線攝影是發(fā)現(xiàn)和診斷乳腺癌的最常用手段，其對乳腺惡性病灶有較高的敏感性和特異性，一般情況下，敏感性在82.0%和89.0%之間，特異性在87.0%和94.0%之間。放射科醫(yī)生的一個重要工作就是鑒別良性病灶與惡性病灶。在臨床實踐中，放射科醫(yī)生一般都要對所有檢測出的病灶經(jīng)過仔細(xì)分析。對于良
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2009
【分類號】：R816.4;TP391.5

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬永軍,方凱,方廷健;基于支持向量機和距離度量的紋理分類[J];中國圖象圖形學(xué)報;2002年11期

2 馬永軍,方凱,王定成,方廷健,陳衛(wèi);基于支持向量機和距離度量的管道內(nèi)表面圖像分類方法研究[J];數(shù)據(jù)采集與處理;2002年02期

3 李凱,郭子雪;一種基于SVM的函數(shù)模擬方法[J];微機發(fā)展;2001年03期

4 陶卿,孫德敏,范勁松,方廷健;基于閉凸包收縮的最大邊緣線性分類器[J];軟件學(xué)報;2002年03期

5 陳治平,林亞平,彭雅,王雷,童調(diào)生;基于最小類差異的無關(guān)信息預(yù)處理算法[J];電子學(xué)報;2003年11期

6 辛秀華,楊宣訪,卜樂平;現(xiàn)代模擬電路故障診斷方法發(fā)展綜述[J];航空計算技術(shù);2004年04期

7 張偉豐;鄭建國;;多智能體遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值研究[J];湖北汽車工業(yè)學(xué)院學(xué)報;2005年04期

8 楊利英,覃征,王向華;多分類器融合實現(xiàn)機型識別[J];計算機工程與應(yīng)用;2004年15期

9 季艷,高大啟;基于Borda規(guī)則的分類器組合方法及其在手寫字符識別中的應(yīng)用[J];計算機與數(shù)字工程;2005年05期

10 辛秀華,楊宣訪,卜樂平;現(xiàn)代模擬電路故障診斷方法綜述[J];自動化與儀器儀表;2005年02期

相關(guān)博士學(xué)位論文 前10條

1 張永梅;基于融合的人臉識別方法研究[D];中北大學(xué);2005年

2 李興;高光譜數(shù)據(jù)庫及數(shù)據(jù)挖掘研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2006年

3 唐萬梅;幾個預(yù)測方法及模型的研究[D];內(nèi)蒙古大學(xué);2006年

4 陳伏兵;人臉識別中鑒別特征抽取若干方法研究[D];南京理工大學(xué);2006年

5 鄭宇杰;特征提取方法及其應(yīng)用研究[D];南京理工大學(xué);2007年

6 程軍圣;基于Hilbert-Huang變換的旋轉(zhuǎn)機械故障診斷方法研究[D];湖南大學(xué);2005年

7 陳治平;智能搜索引擎理論與應(yīng)用研究[D];湖南大學(xué);2003年

8 蔡從中;支持向量機及其在生物材料功能研究中的應(yīng)用[D];重慶大學(xué);2003年

9 徐芳;航空影像分割的支持向量機方法[D];武漢大學(xué);2004年

10 高秀梅;基于核投影分析的特征抽取及應(yīng)用研究[D];南京理工大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 車志軍;人工智能在搜索引擎資源獲取中的應(yīng)用[D];浙江大學(xué);2006年

2 周春艷;面向?qū)ο蟮母叻直媛蔬b感影像信息提取技術(shù)[D];山東科技大學(xué);2006年

3 常軍民;基于多特征多分類器融合決策的印鑒識別[D];浙江工業(yè)大學(xué);2005年

4 易昂;MAS應(yīng)用于分布式數(shù)據(jù)挖掘的研究[D];長沙理工大學(xué);2004年

5 高倩;基于高分辨率雷達(dá)距離像的自動目標(biāo)識別研究[D];南京航空航天大學(xué);2002年

6 沈培華;支持矢量機的算法研究和應(yīng)用[D];南京理工大學(xué);2002年

7 董西國;支持向量機在數(shù)據(jù)挖掘中的應(yīng)用[D];哈爾濱工程大學(xué);2002年

8 張海燕;基于分詞的中文文本自動分類研究與實現(xiàn)[D];湖南大學(xué);2002年

9 田萱;基于Internet的信息檢索若干問題的研究[D];山東師范大學(xué);2003年

10 袁小勇;基于模板匹配、馬賽克圖以及支持向量機的人臉檢測[D];蘇州大學(xué);2003年

本文編號：2592209