目前乳腺癌疾病已經逐漸發(fā)展成為發(fā)病率最高的危害女性健康的疾病之一,通過積極檢查并獲得初期治療,能夠有效降低乳腺癌死亡率。在以往人工閱片診斷乳腺腫塊良惡性過程中,診斷結果很大程度上依賴于醫(yī)師的經驗,同時由于視覺疲勞等原因導致醫(yī)師診斷過程中的診斷錯誤、遺漏的現象時有發(fā)生。隨著計算機科學技術的發(fā)展,醫(yī)學計算機輔助診斷系統(tǒng)出現,并在很大程度上降低診斷結果對醫(yī)師經驗的依賴,可以對醫(yī)學圖像做出客觀的分析,極大提高了醫(yī)師診斷的效率及準確率,對提高乳腺癌檢出率使患者獲得及時有效的治療具有重要的意義。提取圖像中的腫塊部分是乳腺癌計算機輔助診斷系統(tǒng)實現良惡性分類的基礎。針對常用點對馬爾科夫隨機場（Markov RandoField,MRF）分割算法中采用簡單先驗模型,在對乳腺鉬靶X圖像中的乳腺腫塊分割時產生的過分割問題,提出一種基于簡單線性迭代聚類（SimpleLinear Iterative Cluster,SLIC）算法改進的MRF分割算法。該算法第一步采用SLIC算法將圖像預分割為局部區(qū)域一致性較高的超像素塊,根據超像素區(qū)域的特征構建對應的鄰域系統(tǒng)并構建MRF,以超像素區(qū)域代替像素點作為分割單位實現... 

【文章來源】：太原理工大學山西省 211工程院校

【文章頁數】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內外研究現狀
        1.2.1 圖像分割算法研究現狀
        1.2.2 特征提取算法研究現狀
        1.2.3 腫塊良惡性檢測研究現狀
    1.3 課題來源及主要研究內容
        1.3.1 本文主要研究內容
        1.3.2 本文章節(jié)安排
第二章 醫(yī)學圖像處理相關理論
    2.1 乳腺鉬靶X圖像處理基本流程
    2.2 醫(yī)學圖像分割算法
        2.2.1 基于閾值的分割方法
        2.2.2 基于區(qū)域的分割方法
        2.2.3 基于邊緣信息的分割方法
        2.2.4 基于圖的分割方法
    2.3 醫(yī)學圖像的特征提取
        2.3.1 灰度特征
        2.3.2 形狀特征
        2.3.3 紋理特征
    2.4 分類器介紹
        2.4.1 Fisher線性判別分類器
        2.4.2 隨機森林分類器
        2.4.3 K-近鄰分類器
    2.5 本章小結
第三章 基于改進的MRF乳腺鉬靶腫塊分割算法
    3.1 乳腺鉬靶圖像的預處理
        3.1.1 去除背景干擾區(qū)域
        3.1.2 乳腺鉬靶圖像去噪處理
    3.2 乳腺鉬靶圖像SLIC預分割
        3.2.1 SLIC預分割算法
        3.2.2 預分割算法步驟
    3.3 基于SLIC的MRF分割算法
        3.3.1 構建基于正六邊形超像素的鄰域系統(tǒng)
x的MRF模型">        3.3.2 構建基于鄰域系統(tǒng)N_x的MRF模型
        3.3.3 Gibbs分布與MRF等價性
        3.3.4 乳腺鉬靶X圖像分割算法
    3.4 實驗結果與分析
        3.4.1 分割效果
        3.4.2 定量分析
    3.5 本章小結
第四章 乳腺腫塊特征提取及分類
    4.1 乳腺腫塊特征提取
        4.1.1 灰度特征的提取
        4.1.2 形狀及邊緣特征的提取
        4.1.3 基于改進的LBP算法提取紋理特征
    4.2 支持向量機
    4.3 實驗結果與分析
    4.4 本章小結
第五章 總結與展望
    5.1 本文總結
    5.2 研究展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文



本文編號：2895578