本文關(guān)鍵詞：基于皮膚鏡的惡性黑色素瘤檢測(cè)研究

  更多相關(guān)文章： 黑色素瘤 皮損分割 視覺詞組包模型 稀疏性編碼 圖像分類

【摘要】：黑色素瘤,又名惡性黑色素瘤,是世界上增長(zhǎng)最快的癌癥之一。黑色素瘤作為皮膚癌癥的一種,具有轉(zhuǎn)移迅速的特點(diǎn)。統(tǒng)計(jì)數(shù)據(jù)顯示由惡性黑色素瘤導(dǎo)致的死亡,占據(jù)了皮膚癌癥死亡的很大比例。黑色素瘤患者的生存率嚴(yán)重依賴于早期的及時(shí)診斷和臨床干預(yù)。由于皮膚科醫(yī)生在經(jīng)驗(yàn)上的差異性和個(gè)體上的主觀性,黑色素瘤的早期診斷一直以來都是一個(gè)巨大的挑戰(zhàn)。本文通過對(duì)基于皮膚鏡圖像的惡性黑色素瘤檢測(cè)方法的研究,來解決黑色素瘤自動(dòng)檢測(cè)所涉及的關(guān)鍵技術(shù)問題。針對(duì)皮膚鏡圖像中皮損所具有的噪聲明顯、顏色各異、形態(tài)多樣的特點(diǎn),本文對(duì)皮膚鏡圖像的噪聲處理,皮損分割,特征提取和分類算法進(jìn)行了深入研究和探索,主要研究?jī)?nèi)容包括以下部分:1.針對(duì)皮膚鏡圖像采集過程中產(chǎn)生的黑框,毛發(fā)及氣泡等噪聲,研究了皮膚鏡圖像噪聲處理算法。利用該框架能有效去除黑框,消除毛發(fā)并且移除氣泡,為后續(xù)的皮損邊緣檢測(cè)和特征提取以及分類的研究工作打下了堅(jiān)實(shí)的基礎(chǔ)。2.針對(duì)現(xiàn)有皮膚鏡圖像分割算法的不足,提出了基于超級(jí)像素塊分類的皮損分割算法,對(duì)皮膚鏡圖像進(jìn)行超級(jí)像素分割,提取超級(jí)像素塊的特征,并訓(xùn)練分類器進(jìn)行分類,從而得到皮膚鏡圖像的初始分割結(jié)果。在此基礎(chǔ)上,研究了超級(jí)像素算法中,顏色相似性度量對(duì)超級(jí)像素生成的影響。最后,通過一系列的后處理操作,消除皮損邊緣的誤分類皮膚背景,填充皮損區(qū)域中的孔洞,得到準(zhǔn)確的皮損邊緣。實(shí)驗(yàn)結(jié)果表明,本文提出的基于超級(jí)像素塊分類的皮損分割算法較現(xiàn)有流行皮損分割算法具有更好的準(zhǔn)確性,特異性,靈敏度和魯棒性。3.在皮損特征提取階段,研究了特征設(shè)計(jì)與特征學(xué)習(xí)兩種特征生成方式。針對(duì)特征設(shè)計(jì)方式,本文根據(jù)傳統(tǒng)的臨床惡性黑色素瘤診斷方法設(shè)計(jì)了一套顏色、紋理和形狀特征。在特征學(xué)習(xí)方式中,主要是探討了詞組包模型與稀疏性編碼模型在黑色素瘤特征提取中的作用。在詞組包模型中,本文研究了詞包模型,并且基于詞包模型的空間信息丟失,一詞多義和多詞一義的情況,研究了基于頻繁項(xiàng)挖掘的詞組包模型,最后基于空間金字塔模型來解決空間信息丟失的問題。對(duì)于稀疏性編碼,本文研究了稀疏編碼和組稀疏編碼兩種模型來表示皮損特征。分類實(shí)驗(yàn)結(jié)果表明,本文提出的基于頻繁項(xiàng)集挖掘的詞組模型與組稀疏模型具有更好的分類性能。4.在獲取圖像的特征之后,使用支持向量機(jī)分別對(duì)上述的低級(jí)特征視圖,視覺詞組包特征視圖和組稀疏編碼特征視圖進(jìn)行二分類。為了進(jìn)一步的利用低級(jí)特征視圖,視覺詞組包特征視圖和組稀疏編碼特征視圖之間的互補(bǔ)性,本文還提出了基于多視圖機(jī)制的分類器融合方法,實(shí)驗(yàn)表明,多視圖機(jī)制的分類器融合對(duì)黑色素瘤的檢測(cè)效果具有顯著的提高。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;R739.5

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前7條

1 徐舒暢;;采用獨(dú)立色素濃度分布分割皮損圖像[J];中國(guó)圖象圖形學(xué)報(bào);2013年11期

2 孟如松;孟曉;姜志國(guó);謝鳳英;劉瑋;羅衛(wèi);郭廣進(jìn);蔡瑞康;;基于國(guó)人皮膚鏡黑素細(xì)胞腫瘤圖像的智能化分類與識(shí)別研究[J];中國(guó)體視學(xué)與圖像分析;2012年03期

3 尤艷;尤敏;耿敬姝;孫國(guó)榮;李海燕;;皮膚鏡對(duì)惡性黑素瘤診斷體系的初步探討[J];實(shí)用腫瘤學(xué)雜志;2012年03期

4 斯璐;郭軍;;新版中國(guó)黑素瘤診治指南解讀[J];臨床腫瘤學(xué)雜志;2012年02期

5 韓超;謝鳳英;孟如松;姜志國(guó);;基于Mean Shift和遺傳算法的皮膚鏡圖像分割(英文)[J];中國(guó)體視學(xué)與圖像分析;2011年04期

6 謝鳳英;秦世引;姜志國(guó);孟如松;;基于改進(jìn)自生成神經(jīng)網(wǎng)絡(luò)的皮膚鏡黑色素細(xì)胞瘤圖像分割[J];中國(guó)體視學(xué)與圖像分析;2008年04期

7 田慶飛;孟如松;姜志國(guó);謝鳳英;趙丹培;;皮膚黑素細(xì)胞腫瘤圖像綜合分割方法研究[J];中國(guó)體視學(xué)與圖像分析;2007年03期

，

本文編號(hào)：1150377