發(fā)布時(shí)間：2020-06-01 06:01

【摘要】：隨著社會的發(fā)展,乳腺疾病的發(fā)病率呈明顯上升趨勢,嚴(yán)重威脅著婦女的健康乃至寶貴的生命。乳腺疾病的早期檢測和及時(shí)治療是目前研究的熱點(diǎn),對降低乳腺疾病的死亡率有著重要的作用。目前,乳腺數(shù)字x線攝影是乳腺疾病影像診斷主要工具,而乳腺計(jì)算機(jī)輔助診斷系統(tǒng)(CAD)將為醫(yī)生提供重要的診斷信息,提高乳腺疾病的檢出率。 乳腺腫塊是是乳腺疾病的重要表征,而乳腺腫塊的檢測也是乳腺CAD系統(tǒng)的一個難點(diǎn)。本文研究并設(shè)計(jì)了乳腺腫塊的自動檢測算法,其中主要包括乳腺腫塊的初步檢測算法,乳腺腫塊區(qū)域的紋理特征提取,基于紋理特征的支持向量機(jī)分類算法等設(shè)計(jì)。 首先根據(jù)乳腺組織的對稱性,而腫塊形成的非對稱性,設(shè)計(jì)了雙側(cè)對照分析腫塊初檢算法,得到了腫塊可疑區(qū)域的初步檢測結(jié)果。其次對提取的初檢區(qū)域進(jìn)行了紋理特征的提取,針對腫塊和乳腺正常組織的紋理規(guī)律,設(shè)計(jì)了基于多級灰度分層的分形維數(shù)特征提取方法,結(jié)合可疑區(qū)域的二維熵特征作為腫塊判別特征。實(shí)驗(yàn)證明,分形維數(shù)特征和二維熵特征能夠很好的表征腫塊區(qū)域與正常組織區(qū)域之間的差異。最后,利用支持向量機(jī)分類方法進(jìn)行可疑病變區(qū)域的性質(zhì)分類,減少了腫塊自動檢測算法的錯誤率。 本文對隨機(jī)的106組乳腺圖像數(shù)據(jù)進(jìn)行了測試,腫塊的正確檢出效率達(dá)到了85.11%,假陽效率為1.44。該結(jié)果表明,本文所提出的乳腺輔助診斷算法有一定的檢出效率,對提高乳腺CAD系統(tǒng)性能具有重要意義。
【圖文】：

這種射線對人體的傷害程度較小，并且呈現(xiàn)的影像清晰，分辨率高，可以呈現(xiàn)較小的細(xì)微病變，所以相靶X線檢查適合對組織致密的乳腺進(jìn)行病變檢測，這種檢測方法已成為診斷乳腺病最有效、可靠的方法之一。圖2.1給出了一款用于臨床的乳腺X線機(jī)。圖2.1乳腺X線機(jī) F19.2.1BreastX一 raymaehine

鈣化是乳腺疾病的第二種影像表現(xiàn)，它多數(shù)由細(xì)胞的壞死或鈣的大量沉積所引起，鈣化多數(shù)成點(diǎn)狀，多數(shù)以聚集形式表現(xiàn)，多數(shù)出現(xiàn)在腫塊內(nèi)部或周圍，極少數(shù)鈣化出現(xiàn)在遠(yuǎn)離腫塊的正常組織內(nèi)。圖2.3中是良惡性腫塊圖片和鈣化圖片。觀察異常影像學(xué)表現(xiàn)應(yīng)著重分析下列幾點(diǎn):①病變部位:某些病變有一定的好發(fā)部位，例如乳腺腫塊多發(fā)于內(nèi)上限部位;②數(shù)目:乳腺腫塊多見于單側(cè)乳房，多數(shù)顯現(xiàn)一個或二個腫塊，但鈣化數(shù)目不定，多枚鈣化點(diǎn)聚集出現(xiàn)為多數(shù);③形態(tài):腫塊的形狀可分為圓形、卵圓形、分葉狀及不規(guī)則形，按照此順序，良性病變的可能性依次減小，惡性的可能性依次增加;④密度:多數(shù)惡性腫塊的密度較高，在影像中呈致密高亮影，而良性腫塊的密度相對惡性腫塊來講較低，與周圍組織密度相近，，這類腫塊不易檢測。⑤邊緣:邊緣特征是區(qū)分良性和惡性腫塊的一個重要指標(biāo)，惡性腫塊邊界模糊并伴有大量毛刺
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：R816.4;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 李利明;李宏;;基于神經(jīng)網(wǎng)絡(luò)的乳腺X線圖像分類研究[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年02期

2 單雅靜;馬莉;;基于分形與灰度特征的無監(jiān)督紋理分割技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2008年09期

3 唐述敏,方景龍;基于支持向量機(jī)的人臉識別[J];計(jì)算機(jī)與數(shù)字工程;2005年07期

4 王立偉,林立;分形在生物醫(yī)學(xué)上的應(yīng)用[J];牡丹江醫(yī)學(xué)院學(xué)報(bào);2003年01期

5 曹加恒,張凱,舒風(fēng)笛,劉茂福,彭敏;多媒體數(shù)據(jù)挖掘的相關(guān)媒體特征庫方法[J];武漢大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年05期

6 劉 f ,程敬之;肝臟超聲圖像分形特性的研究[J];西安交通大學(xué)學(xué)報(bào);1999年05期

7 駱慶飛,陳國躍,包尚聯(lián);基于離散余弦變換的空間歸一化方法(英文)[J];中國醫(yī)學(xué)物理學(xué)雜志;2002年04期

8 蔣勇;基于分形維數(shù)的肺部軟組織CT圖像的紋理特征研究[J];中國醫(yī)學(xué)裝備;2004年03期

9 黃亞麗,李芬華,趙真;B超肝臟圖像紋理特征提取方法的實(shí)驗(yàn)研究[J];中國醫(yī)學(xué)影像技術(shù);2004年12期

相關(guān)碩士學(xué)位論文 前2條

1 王植;多尺度自適應(yīng)邊緣檢測方法研究[D];武漢大學(xué);2004年

2 梁琰;肺部CT圖像分析及特征提取研究[D];重慶大學(xué);2007年

本文編號：2691051