發(fā)布時(shí)間：2017-07-18 10:10

  本文關(guān)鍵詞：基于哈希的乳腺X線圖像病變區(qū)域檢測(cè)與分析

  更多相關(guān)文章： 乳腺圖像 哈希 成對(duì)多維度BoW 分層加權(quán)Gist特征 多特征融合

【摘要】：隨著社會(huì)的發(fā)展和生活質(zhì)量的提升,女性乳腺癌發(fā)病率呈逐年上升的趨勢(shì),已成為危害全球女性健康的第二大癌癥殺手。計(jì)算機(jī)輔助檢測(cè)系統(tǒng)旨在通過(guò)檢測(cè)出可疑病變區(qū)域,輔助醫(yī)生做出最終的診斷決策,從而提高乳腺癌患者的存活率和生活質(zhì)量。腫塊是乳腺癌主要表征之一,因此腫塊檢測(cè)是計(jì)算機(jī)輔助診斷中關(guān)鍵的步驟。由于腫塊形態(tài)各異,乳腺圖像尺寸龐大,設(shè)計(jì)一種普適于大數(shù)據(jù)庫(kù)的實(shí)時(shí)腫塊檢測(cè)系統(tǒng)至關(guān)重要。為此,本文通過(guò)研究乳腺腫塊的病理特性,結(jié)合人工智能、機(jī)器學(xué)習(xí)等方法自動(dòng)檢測(cè)并標(biāo)記出可疑腫塊區(qū)域并進(jìn)行概率預(yù)測(cè),從而科學(xué)地輔助醫(yī)生更好的進(jìn)行診斷。本文以哈希、基于內(nèi)容的圖像檢索以及基于語(yǔ)義的特征為基礎(chǔ),深入研究了乳腺圖像中疑似病變區(qū)域的檢測(cè)方法。主要工作概括如下:首先,本文提出了一種基于哈希的腫塊快速檢測(cè)方法。通過(guò)對(duì)多種哈希算法的研究,將HOG特征與KSH算法進(jìn)行結(jié)合,設(shè)計(jì)出一種普適于各種腫塊類型和大數(shù)據(jù)庫(kù)的腫塊檢測(cè)方法。該方法能有效的解決乳腺圖像分類的線性不可分性,并且充分利用已有的監(jiān)督信息提高腫塊檢出率。由于哈希算法的高效性,該方法能夠?qū)崿F(xiàn)計(jì)算機(jī)輔助檢測(cè)系統(tǒng)的實(shí)時(shí)性,提高了檢測(cè)算法的實(shí)用性。其次,為更準(zhǔn)確描述出腫塊特性,提出兩種乳腺圖像特征提取方法:成對(duì)多維度BoW和分層加權(quán)Gist特征。成對(duì)多維度Bo W對(duì)傳統(tǒng)BoW模型進(jìn)行多維拓展,結(jié)合腫塊生長(zhǎng)分布特性,實(shí)現(xiàn)將位置信息與局部特征信息融合;分層加權(quán)Gist特征對(duì)全局Gist特征進(jìn)行分層細(xì)化,根據(jù)腫塊延伸趨勢(shì),增強(qiáng)細(xì)節(jié)紋理特性。本文提出的兩種特征提取方法能夠有效的針對(duì)乳腺圖像進(jìn)行腫塊特征描述。最后,為更好地輔助醫(yī)生做出最終的診斷,提出了一種基于多特征融合哈希的檢索分析方法,實(shí)現(xiàn)對(duì)可疑區(qū)域的概率預(yù)測(cè)與分析。該方法對(duì)腫塊檢測(cè)方法得到的可疑區(qū)域提取多種不同的特征,從不同角度對(duì)圖像進(jìn)行更全面的表達(dá)。為了更科學(xué)地輔助醫(yī)生進(jìn)行診斷,本方法引入圖模型理論,得到基于多特征融合哈希的檢索結(jié)果,構(gòu)建概率預(yù)測(cè)模型,預(yù)測(cè)出可疑區(qū)域是腫塊的可能性大小,降低檢測(cè)假陽(yáng)個(gè)數(shù),實(shí)現(xiàn)檢測(cè)系統(tǒng)整體性能的提升。實(shí)驗(yàn)結(jié)果表明,本文提出的基于哈希的快速病變區(qū)域檢測(cè)與分析方法,能夠更好地區(qū)分腫塊區(qū)域與正常組織,在保證假陽(yáng)性率較低的同時(shí),提高腫塊檢測(cè)性能。
【關(guān)鍵詞】：乳腺圖像 哈希 成對(duì)多維度BoW 分層加權(quán)Gist特征 多特征融合
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;R737.9;R730.44
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號(hào)對(duì)照表10-11
• 縮略語(yǔ)對(duì)照表11-14
• 第一章 緒論14-20
• 1.1 研究背景及意義14-16
• 1.1.1 研究背景14-15
• 1.1.2 研究意義15-16
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀16-17
• 1.2.1 乳腺腫塊CAD系統(tǒng)研究現(xiàn)狀16-17
• 1.2.2 乳腺腫塊CAD系統(tǒng)的發(fā)展趨勢(shì)17
• 1.3 研究?jī)?nèi)容及章節(jié)安排17-20
• 第二章 圖像特征提取方法與哈希算法理論20-28
• 2.1 圖像特征提取方法20-24
• 2.1.1 基于梯度的特征20-21
• 2.1.2 詞袋模型21-22
• 2.1.3 基于場(chǎng)景信息的特征22-24
• 2.2 哈希算法理論24-27
• 2.2.1 圖像哈希算法概述24-25
• 2.2.2 圖像哈希算法中的經(jīng)典算法25-26
• 2.2.3 圖像哈希算法的應(yīng)用26-27
• 2.3 本章小結(jié)27-28
• 第三章 基于哈希的腫塊快速檢測(cè)方法28-46
• 3.1 引言28
• 3.2 乳腺鉬靶圖像預(yù)處理方法28-32
• 3.2.1 乳腺鉬靶圖像預(yù)處理流程28-31
• 3.2.2 可疑病變區(qū)域檢測(cè)方法框架31-32
• 3.3 基于哈希的可疑病變區(qū)域檢測(cè)方法32-38
• 3.3.1 滑動(dòng)窗檢測(cè)結(jié)構(gòu)32-34
• 3.3.2 基于哈希的分類算法34-37
• 3.3.3 可疑區(qū)域優(yōu)化標(biāo)記方法37-38
• 3.4 實(shí)驗(yàn)結(jié)果分析38-44
• 3.4.1 實(shí)驗(yàn)數(shù)據(jù)庫(kù)簡(jiǎn)介39
• 3.4.2 特征對(duì)比實(shí)驗(yàn)及結(jié)果分析39-40
• 3.4.3 腫塊檢測(cè)對(duì)比實(shí)驗(yàn)及結(jié)果分析40-44
• 3.5 本章小結(jié)44-46
• 第四章 基于多特征融合哈希的乳腺圖像檢索與分析46-60
• 4.1 引言46
• 4.2 成對(duì)多維度詞袋模型46-49
• 4.3 分層加權(quán)Gist特征49-51
• 4.4 基于多特征融合哈希的疑似腫塊檢索與分析51-55
• 4.4.1 基于內(nèi)容的圖像檢索51-52
• 4.4.2 基于多特征融合哈希的可疑腫塊分析52-55
• 4.5 實(shí)驗(yàn)結(jié)果分析55-59
• 4.6 本章小結(jié)59-60
• 第五章 總結(jié)與展望60-64
• 5.1 總結(jié)60-61
• 5.2 展望61-64
• 參考文獻(xiàn)64-68
• 致謝68-70
• 作者簡(jiǎn)介70-71

【相似文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 張維克;孔祥維;尤新剛;;安全魯棒的圖像感知哈希技術(shù)[A];第七屆全國(guó)信息隱藏暨多媒體信息安全學(xué)術(shù)大會(huì)論文集[C];2007年

2 夏斌;王斌;關(guān)志峰;;一種基于多維哈希鏈的M-Commerce微支付方案[A];第一屆中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

3 尚鳳軍;潘英俊;;一種雙哈希IP數(shù)據(jù)包分類算法研究[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2004年

4 吳萬(wàn)烽;王汝傳;黃海平;孫力娟;;Sead協(xié)議哈希鏈機(jī)制的分析與改進(jìn)[A];第十一屆保密通信與信息安全現(xiàn)狀研討會(huì)論文集[C];2009年

5 蔣惠萍;楊晨雨;袁杰;;基于深空網(wǎng)絡(luò)化感知系統(tǒng)抗功耗快速哈希驗(yàn)證方法研究[A];中國(guó)宇航學(xué)會(huì)深空探測(cè)技術(shù)專業(yè)委員會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 李金鳳;基于感知哈希及數(shù)字水印的音頻認(rèn)證技術(shù)研究[D];西南交通大學(xué);2015年

2 張慧;圖像感知哈希測(cè)評(píng)基準(zhǔn)及算法研究[D];哈爾濱工業(yè)大學(xué);2009年

3 劉兆慶;圖像感知哈希若干關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 周新生;一種面向用戶的無(wú)線局域網(wǎng)冗余消除機(jī)制[D];上海交通大學(xué);2015年

2 汪勝圣;基于哈希的大規(guī)模多標(biāo)簽圖像搜索方法研究[D];山東大學(xué);2016年

3 梁小龍;關(guān)于拓?fù)浔３值墓７椒ㄑ芯縖D];山東大學(xué);2016年

4 楊W，

本文編號(hào)：557185