基于SVM的乳腺腫塊分層檢測算法研究
發(fā)布時間:2022-11-12 15:36
乳腺癌是一種常見的惡性腫瘤,早期診斷和治療是降低乳腺癌死亡率的關(guān)鍵。乳腺鉬靶X線攝影是目前診斷乳腺癌的首選方法,但由于早期乳腺癌的影像學(xué)特征并不十分明顯,因而即使富有經(jīng)驗的醫(yī)生也很難及時發(fā)現(xiàn)圖像中所有可能的病變區(qū)域。隨著醫(yī)學(xué)和計算機技術(shù)的迅速發(fā)展,根據(jù)乳腺鉬靶X線攝影來進(jìn)行乳腺中腫塊及微鈣化點的計算機輔助檢測已成為乳腺癌早期診斷的研究熱點。好的計算機輔助檢測系統(tǒng)能夠有效地防止因為視覺疲勞和疏忽而造成的誤診和漏診,幫助醫(yī)生更好地識別圖像中的微小病變。 腫塊是乳腺癌在X線圖像上的一個主要表現(xiàn),本文提出了幾種新的檢測算法來進(jìn)行乳腺X線圖像中腫塊的自動檢測。首先,提出了一種新的基于形態(tài)學(xué)的圖像增強方法,有效地抑制了圖像中的背景區(qū)域,凸現(xiàn)了腫塊區(qū)域;在此基礎(chǔ)上,根據(jù)增強圖像及原圖中象素的灰度和對比度等特征,提取出飽滿的種子區(qū)域;利用這些種子區(qū)域,根據(jù)一種有效的模糊區(qū)域生長方法和Vague集的概念,提出了基于Vague集的模糊區(qū)域生長方法,保證了生長結(jié)果接近腫塊真實形狀,同時也確保了生長的穩(wěn)定性;由于一些低密度腫塊區(qū)域的存在,使得單一灰度尺度上的檢測不夠完全,于是本文又提出了...
【文章頁數(shù)】:67 頁
【學(xué)位級別】:碩士
【文章目錄】:
獨創(chuàng)性(或創(chuàng)新性)聲明
關(guān)于論文使用授權(quán)的說明
摘 要
Abstract
第一章 緒論
1.1 課題背景及意義
1.2 國內(nèi)外研究進(jìn)展及現(xiàn)狀
1.2.1 乳腺癌計算機輔助檢測系統(tǒng)的研究現(xiàn)狀
1.2.2 乳腺X光圖像中腫塊自動檢測的研究現(xiàn)狀
1.3 論文的主要研究成果及章節(jié)安排
第二章 乳腺X線圖像的預(yù)處理
2.1 引言
2.2 乳腺癌的X線表現(xiàn)
2.3 乳腺區(qū)域的提取
2.4 乳腺X線圖像的增強
2.4.1 形態(tài)學(xué)基礎(chǔ)
2.4.2 形態(tài)學(xué)增強方法
2.4.3 實驗結(jié)果及分析
2.5 小結(jié)
第三章 感興趣區(qū)域提取
3.1 引言
3.2 種子區(qū)域選取方法
3.2.1 種子區(qū)域自動提取
3.2.2 實驗結(jié)果及分析
3.3 基于VAGUE集的模糊區(qū)域生長
3.3.1 Vague集的基本原理
3.3.2 基于Vague集的模糊區(qū)域生長方法
3.3.3 實驗結(jié)果及分析
3.4 分層檢測算法
3.4.1 分層檢測的基本原理
3.4.2 實驗結(jié)果及分析
3.5 后處理
3.5.1 感興趣區(qū)域的篩選
3.5.2 實驗結(jié)果及分析
3.6 小結(jié)
第四章 基于SVM的腫塊檢測方法
4.1 引言
4.2 SVM的基本原理及算法
4.2.1 統(tǒng)計學(xué)習(xí)理論
4.2.2 SVM的分類算法
4.3 基于SVM的腫塊檢測方法
4.3.1 樣本的選取
4.3.2 特征提取
4.3.3 SVM分類器的模型選擇
4.3.4 SVM分類器的反饋學(xué)習(xí)
4.4 實驗結(jié)果及分析
4.4.1 FROC曲線
4.4.2 結(jié)果和分析
4.5 小結(jié)
第五章 結(jié)束語
5.1 總結(jié)
5.2 今后的研究工作與展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
【參考文獻(xiàn)】:
期刊論文
[1]基于主動相關(guān)反饋的圖像檢索方法[J]. 陳可佳,姜遠(yuǎn),周志華. 模式識別與人工智能. 2005(04)
[2]支持向量機方法與模糊系統(tǒng)[J]. 陳永義. 模糊系統(tǒng)與數(shù)學(xué). 2005(01)
[3]一種新的基于SVM的相關(guān)反饋圖像檢索算法[J]. 許月華,李金龍,陳恩紅,王煦法. 計算機工程. 2004(24)
[4]處理非線性分類和回歸問題的一種新方法(Ⅱ)——支持向量機方法在天氣預(yù)報中的應(yīng)用[J]. 馮漢中,陳永義. 應(yīng)用氣象學(xué)報. 2004(03)
[5]乳腺癌的影像學(xué)診斷和治療進(jìn)展[J]. 蔡豐,張濤,任小波. 中華超聲影像學(xué)雜志. 2000(11)
[6]乳腺癌危險因素病例對照研究[J]. 丁麗央,陳坤,沈高飛,沈永洲. 中國慢性病預(yù)防與控制. 1998(06)
博士論文
[1]乳腺X線影像的計算機輔助診斷新方法研究[D]. 王瑞平.天津大學(xué) 2003
本文編號:3706630
【文章頁數(shù)】:67 頁
【學(xué)位級別】:碩士
【文章目錄】:
獨創(chuàng)性(或創(chuàng)新性)聲明
關(guān)于論文使用授權(quán)的說明
摘 要
Abstract
第一章 緒論
1.1 課題背景及意義
1.2 國內(nèi)外研究進(jìn)展及現(xiàn)狀
1.2.1 乳腺癌計算機輔助檢測系統(tǒng)的研究現(xiàn)狀
1.2.2 乳腺X光圖像中腫塊自動檢測的研究現(xiàn)狀
1.3 論文的主要研究成果及章節(jié)安排
第二章 乳腺X線圖像的預(yù)處理
2.1 引言
2.2 乳腺癌的X線表現(xiàn)
2.3 乳腺區(qū)域的提取
2.4 乳腺X線圖像的增強
2.4.1 形態(tài)學(xué)基礎(chǔ)
2.4.2 形態(tài)學(xué)增強方法
2.4.3 實驗結(jié)果及分析
2.5 小結(jié)
第三章 感興趣區(qū)域提取
3.1 引言
3.2 種子區(qū)域選取方法
3.2.1 種子區(qū)域自動提取
3.2.2 實驗結(jié)果及分析
3.3 基于VAGUE集的模糊區(qū)域生長
3.3.1 Vague集的基本原理
3.3.2 基于Vague集的模糊區(qū)域生長方法
3.3.3 實驗結(jié)果及分析
3.4 分層檢測算法
3.4.1 分層檢測的基本原理
3.4.2 實驗結(jié)果及分析
3.5 后處理
3.5.1 感興趣區(qū)域的篩選
3.5.2 實驗結(jié)果及分析
3.6 小結(jié)
第四章 基于SVM的腫塊檢測方法
4.1 引言
4.2 SVM的基本原理及算法
4.2.1 統(tǒng)計學(xué)習(xí)理論
4.2.2 SVM的分類算法
4.3 基于SVM的腫塊檢測方法
4.3.1 樣本的選取
4.3.2 特征提取
4.3.3 SVM分類器的模型選擇
4.3.4 SVM分類器的反饋學(xué)習(xí)
4.4 實驗結(jié)果及分析
4.4.1 FROC曲線
4.4.2 結(jié)果和分析
4.5 小結(jié)
第五章 結(jié)束語
5.1 總結(jié)
5.2 今后的研究工作與展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
【參考文獻(xiàn)】:
期刊論文
[1]基于主動相關(guān)反饋的圖像檢索方法[J]. 陳可佳,姜遠(yuǎn),周志華. 模式識別與人工智能. 2005(04)
[2]支持向量機方法與模糊系統(tǒng)[J]. 陳永義. 模糊系統(tǒng)與數(shù)學(xué). 2005(01)
[3]一種新的基于SVM的相關(guān)反饋圖像檢索算法[J]. 許月華,李金龍,陳恩紅,王煦法. 計算機工程. 2004(24)
[4]處理非線性分類和回歸問題的一種新方法(Ⅱ)——支持向量機方法在天氣預(yù)報中的應(yīng)用[J]. 馮漢中,陳永義. 應(yīng)用氣象學(xué)報. 2004(03)
[5]乳腺癌的影像學(xué)診斷和治療進(jìn)展[J]. 蔡豐,張濤,任小波. 中華超聲影像學(xué)雜志. 2000(11)
[6]乳腺癌危險因素病例對照研究[J]. 丁麗央,陳坤,沈高飛,沈永洲. 中國慢性病預(yù)防與控制. 1998(06)
博士論文
[1]乳腺X線影像的計算機輔助診斷新方法研究[D]. 王瑞平.天津大學(xué) 2003
本文編號:3706630
本文鏈接:http://sikaile.net/yixuelunwen/swyx/3706630.html
最近更新
教材專著