本文關(guān)鍵詞：乳腺X線計(jì)算機(jī)輔助診斷關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】： 乳腺X線成像是檢測(cè)早期乳腺癌的主要手段。利用計(jì)算機(jī)輔助醫(yī)師閱讀X線乳腺圖像,減輕醫(yī)師在閱片時(shí)的負(fù)擔(dān),進(jìn)而提高乳腺癌診斷的準(zhǔn)確率具有重要的臨床意義。本文主要介紹了在乳腺圖像計(jì)算機(jī)輔助診斷技術(shù)的研究方面的工作,包括關(guān)于乳腺輪廓分割、圖像增強(qiáng)、腫塊異常ROI快速檢測(cè)。 乳腺輪廓提取的目的在于將乳腺區(qū)域從背景中分離出來,減少背景對(duì)算法穩(wěn)定性的干擾,同時(shí)也減少了運(yùn)算量。本課題結(jié)合直方圖統(tǒng)計(jì)技術(shù),利用雙閾值法將乳腺圖像分成三個(gè)部分,再利用分水嶺找出脊線,即乳腺輪廓。乳腺圖像增強(qiáng)的目的在于加強(qiáng)乳腺圖像的對(duì)比度,使異常區(qū)域更加突出。一方面,圖像增強(qiáng)強(qiáng)化乳腺的針狀特征,尤其是惡性的腫塊區(qū)域,血管異常豐富,通過增強(qiáng)可以使后續(xù)的算法更容易辨識(shí)出惡性腫塊;另一方面,我們的乳腺圖像增強(qiáng)工作,可以方便醫(yī)師快速定位異常區(qū)域,減少醫(yī)師的工作量。 在乳腺區(qū)域提取和圖像增強(qiáng)的基礎(chǔ)上,我們對(duì)乳腺區(qū)域進(jìn)行快速搜索,尋找可疑腫塊區(qū)域中心。腫塊區(qū)域特點(diǎn)是由中心向外圍灰度遞減,同時(shí)惡性腫塊往往還伴隨有針狀特征。在這里我們主要利用多尺度下的圖像梯度信息表現(xiàn)針狀特征,即被觀察點(diǎn)周圍像素灰度下降速率和梯度方向的向心率的統(tǒng)計(jì),進(jìn)行全局搜索,從而找到可疑區(qū)域。算法的評(píng)價(jià)標(biāo)準(zhǔn)是將搜索獲得的腫塊中心與醫(yī)師標(biāo)記的腫塊區(qū)域進(jìn)行比較,評(píng)價(jià)結(jié)果顯示我們的算法基本能將腫塊全部搜索出來。在第五章中我們給出了實(shí)驗(yàn)結(jié)果。 上述系統(tǒng)的開發(fā)工作是在實(shí)驗(yàn)室完成的,使用了美國(guó)乳腺X線圖像庫的數(shù)據(jù),若能結(jié)合醫(yī)院臨床的實(shí)踐將更有價(jià)值,同時(shí)臨床應(yīng)用也是我們的目標(biāo)。
【關(guān)鍵詞】：乳腺X線成像 乳腺癌 計(jì)算機(jī)輔助診斷技術(shù) ROI快速檢測(cè)
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類號(hào)】：R816.4;TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 概述9-17
• 1.1 研究目的和意義9-10
• 1.2 乳腺癌及診斷原理10-14
• 1.2.1 乳腺癌的診斷概況10-12
• 1.2.2 乳腺癌在X 線下的表現(xiàn)特征12-13
• 1.2.3 乳腺X 片診斷難點(diǎn)13-14
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀14-15
• 1.4 本文的創(chuàng)新點(diǎn)15-17
• 第二章 自動(dòng)檢測(cè)系統(tǒng)的實(shí)現(xiàn)與原理17-23
• 2.1 乳腺癌腫塊CAD 研究整體設(shè)計(jì)17-21
• 2.1.1 乳腺圖像數(shù)據(jù)庫建立18-20
• 2.1.2 乳腺腫塊特征分析20
• 2.1.3 主要算法介紹20-21
• 2.2 本章小結(jié)21-23
• 第三章 乳腺數(shù)字圖像去噪和乳腺輪廓提取23-36
• 3.1 乳腺圖像特征23-26
• 3.2 數(shù)學(xué)形態(tài)學(xué)和分水嶺變換26-30
• 3.3 輪廓提取算法30-34
• 3.3.1 迭代值法和乳腺灰度估計(jì)30-32
• 3.3.2 雙閾值法獲得分水嶺變換的“種子”32-33
• 3.3.3 分水嶺變換獲得邊界33-34
• 3.4 本章小結(jié)34-36
• 第四章 乳腺區(qū)域線性特征增強(qiáng)36-42
• 4.1 乳腺圖像針狀特征增強(qiáng)36-39
• 4.1.1 灰度線性變換法36-37
• 4.1.2 高通濾波法37-38
• 4.1.3 加權(quán)平均的圖像增強(qiáng)融合的實(shí)現(xiàn)38-39
• 4.2 試驗(yàn)結(jié)果與討論39-41
• 4.3 本章小結(jié)41-42
• 第五章 乳腺腫塊異常區(qū)域中心檢測(cè)42-59
• 5.1 ROI 快速檢測(cè)42-49
• 5.1.1 ROI 特征選擇42-46
• 5.1.2 非人工干預(yù)的ROI 搜索算法的設(shè)計(jì)46
• 5.1.3 預(yù)處理46-47
• 5.1.4 合并相鄰種子點(diǎn)47-48
• 5.1.5 計(jì)算一階梯度向心率48-49
• 5.2 腫塊異常區(qū)域檢測(cè)結(jié)果及討論49-58
• 5.3 本章小結(jié)58-59
• 第六章 總結(jié)與展望59-62
• 6.1 工作總結(jié)59-60
• 6.2 工作展望60-62
• 參考文獻(xiàn)62-65
• 致謝65-67

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 蘇曉娟;基于SVM的乳腺圖像微鈣化簇檢測(cè)算法的研究[D];蘭州大學(xué);2011年

2 閆勝武;基于小波變換的圖像融合技術(shù)研究[D];蘭州大學(xué);2012年

3 朱景升;基于乳腺X射線片的腫塊檢測(cè)方法研究[D];華中科技大學(xué);2012年

4 李男;基于PCA的乳腺腫塊輔助診斷方法研究[D];沈陽工業(yè)大學(xué);2013年

  本文關(guān)鍵詞：乳腺X線計(jì)算機(jī)輔助診斷關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：497980