目的乳腺腫瘤特征提取是超聲乳腺腫瘤良惡性檢測(cè)的重要部分,針對(duì)傳統(tǒng)超聲乳腺腫瘤良惡性量化特征描述存在不準(zhǔn)確等缺點(diǎn),研究了一種簡(jiǎn)單、準(zhǔn)確的特征提取方法。方法提出一種新的邊界特征提取方法,首先構(gòu)造超聲乳腺腫瘤的形狀直方圖,然后從局部的角度計(jì)算相關(guān)邊界特征因子:最大曲率和、最大曲率峰值和、最大曲率標(biāo)準(zhǔn)差和;基于+邊界特征、形狀特征和紋理特征構(gòu)建線性支持向量機(jī)（support vectormachine,SVM）分類器,用于乳腺腫瘤良惡性判別。結(jié)果邊界特征判斷良惡性乳腺腫瘤的準(zhǔn)確率為82.69%,形狀特征為73.08%,紋理特征為63.46%,多特征（邊界特征、形狀特征和紋理特征）為86.54%。結(jié)論邊界特征相對(duì)于紋理特征和形狀特征具有較高的分類準(zhǔn)確性,結(jié)合三類特征的識(shí)別準(zhǔn)確率最高,從多角度描述腫瘤良惡性,研究結(jié)果具有實(shí)用價(jià)值。 

【文章來(lái)源】：中國(guó)醫(yī)療器械雜志. 2020,44(04)

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

超聲乳腺腫瘤圖

乳腺超聲腫瘤特征提取包括三大類：邊界特征、形狀特征、紋理特征，為了避免腫瘤自動(dòng)分割帶來(lái)的誤差，這里基于醫(yī)生的勾畫(huà)結(jié)果進(jìn)行腫瘤分割，三類特征的計(jì)算基于腫瘤所在具體區(qū)域進(jìn)行計(jì)算，如圖2所示。1.2.1 基于形狀直方圖的邊界特征提取

超聲乳腺腫瘤的形狀直方圖實(shí)現(xiàn)流程圖

【參考文獻(xiàn)】：
期刊論文
[1]基于超聲RF信號(hào)的乳腺腫瘤分級(jí)檢測(cè)方法[J]. 童瑩,嚴(yán)郁.  光電工程. 2019(01)
[2]基于改進(jìn)邊緣活動(dòng)輪廓模型的超聲圖像分割[J]. 倪曉航,肖明波.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(06)
[3]實(shí)時(shí)超聲造影對(duì)乳腺腫瘤BI-RADS分類的診斷價(jià)值分析[J]. 侯蘇蕓,崔可飛,付超,滑少華,張瑞芳.  實(shí)用癌癥雜志. 2018(05)
[4]一種層次化的乳腺腫瘤分割方法[J]. 襲肖明,杜亨方,孟憲靜,張春云,張光,于振,尹義龍.  南京大學(xué)學(xué)報(bào)(自然科學(xué)). 2018(01)
[5]超聲彈性成像對(duì)非腫塊型乳腺病變臨床診斷價(jià)值的研究[J]. �，�,楊敬春,葛曉玲,艾迪,何洋,王姮,王楠,張文怡,白雨晨.  中國(guó)醫(yī)藥科學(xué). 2017(24)
[6]數(shù)據(jù)挖掘算法對(duì)乳腺腫瘤超聲圖像特征的優(yōu)化及良惡性分類研究[J]. 孫梅,嚴(yán)傳波,張雨,畢雪華.  科技通報(bào). 2017(10)
[7]計(jì)算機(jī)輔助乳腺腫瘤分類方法研究與實(shí)現(xiàn)[J]. 朱一峰,柳海艷,董艷莉.  佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)

碩士論文
[1]基于超聲征象打分特征的乳腺腫瘤分類研究[D]. 陳永東.華南理工大學(xué) 2017
[2]基于顯著性檢測(cè)的乳腺超聲圖像全自動(dòng)分割方法[D]. 陳徽文.哈爾濱工業(yè)大學(xué) 2016
[3]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



本文編號(hào)：3614517