發(fā)布時間：2017-07-18 10:10

  本文關鍵詞：基于哈希的乳腺X線圖像病變區(qū)域檢測與分析

  更多相關文章： 乳腺圖像 哈希 成對多維度BoW 分層加權Gist特征 多特征融合

【摘要】：隨著社會的發(fā)展和生活質量的提升,女性乳腺癌發(fā)病率呈逐年上升的趨勢,已成為危害全球女性健康的第二大癌癥殺手。計算機輔助檢測系統(tǒng)旨在通過檢測出可疑病變區(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量。腫塊是乳腺癌主要表征之一,因此腫塊檢測是計算機輔助診斷中關鍵的步驟。由于腫塊形態(tài)各異,乳腺圖像尺寸龐大,設計一種普適于大數(shù)據(jù)庫的實時腫塊檢測系統(tǒng)至關重要。為此,本文通過研究乳腺腫塊的病理特性,結合人工智能、機器學習等方法自動檢測并標記出可疑腫塊區(qū)域并進行概率預測,從而科學地輔助醫(yī)生更好的進行診斷。本文以哈希、基于內(nèi)容的圖像檢索以及基于語義的特征為基礎,深入研究了乳腺圖像中疑似病變區(qū)域的檢測方法。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方法。通過對多種哈希算法的研究,將HOG特征與KSH算法進行結合,設計出一種普適于各種腫塊類型和大數(shù)據(jù)庫的腫塊檢測方法。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,該方法能夠實現(xiàn)計算機輔助檢測系統(tǒng)的實時性,提高了檢測算法的實用性。其次,為更準確描述出腫塊特性,提出兩種乳腺圖像特征提取方法:成對多維度BoW和分層加權Gist特征。成對多維度Bo W對傳統(tǒng)BoW模型進行多維拓展,結合腫塊生長分布特性,實現(xiàn)將位置信息與局部特征信息融合;分層加權Gist特征對全局Gist特征進行分層細化,根據(jù)腫塊延伸趨勢,增強細節(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乳腺圖像進行腫塊特征描述。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,實現(xiàn)對可疑區(qū)域的概率預測與分析。該方法對腫塊檢測方法得到的可疑區(qū)域提取多種不同的特征,從不同角度對圖像進行更全面的表達。為了更科學地輔助醫(yī)生進行診斷,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果,構建概率預測模型,預測出可疑區(qū)域是腫塊的可能性大小,降低檢測假陽個數(shù),實現(xiàn)檢測系統(tǒng)整體性能的提升。實驗結果表明,本文提出的基于哈希的快速病變區(qū)域檢測與分析方法,能夠更好地區(qū)分腫塊區(qū)域與正常組織,在保證假陽性率較低的同時,提高腫塊檢測性能。
【關鍵詞】：乳腺圖像 哈希 成對多維度BoW 分層加權Gist特征 多特征融合
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41;R737.9;R730.44
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表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17
• 1.3 研究內(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 圖像哈希算法的應用26-27
• 2.3 本章小結27-28
• 第三章 基于哈希的腫塊快速檢測方法28-46
• 3.1 引言28
• 3.2 乳腺鉬靶圖像預處理方法28-32
• 3.2.1 乳腺鉬靶圖像預處理流程28-31
• 3.2.2 可疑病變區(qū)域檢測方法框架31-32
• 3.3 基于哈希的可疑病變區(qū)域檢測方法32-38
• 3.3.1 滑動窗檢測結構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)化標記方法37-38
• 3.4 實驗結果分析38-44
• 3.4.1 實驗數(shù)據(jù)庫簡介39
• 3.4.2 特征對比實驗及結果分析39-40
• 3.4.3 腫塊檢測對比實驗及結果分析40-44
• 3.5 本章小結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 成對多維度詞袋模型46-49
• 4.3 分層加權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 實驗結果分析55-59
• 4.6 本章小結59-60
• 第五章 總結與展望60-64
• 5.1 總結60-61
• 5.2 展望61-64
• 參考文獻64-68
• 致謝68-70
• 作者簡介70-71

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 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[A];第七屆全國信息隱藏暨多媒體信息安全學術大會論文集[C];2007年

2 夏斌;王斌;關志峰;;一種基于多維哈希鏈的M-Commerce微支付方案[A];第一屆中國高校通信類院系學術研討會論文集[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];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 吳萬烽;王汝傳;黃海平;孫力娟;;Sead協(xié)議哈希鏈機制的分析與改進[A];第十一屆保密通信與信息安全現(xiàn)狀研討會論文集[C];2009年

5 蔣惠萍;楊晨雨;袁杰;;基于深空網(wǎng)絡化感知系統(tǒng)抗功耗快速哈希驗證方法研究[A];中國宇航學會深空探測技術專業(yè)委員會第五屆學術年會論文集[C];2008年

中國博士學位論文全文數(shù)據(jù)庫 前3條

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

2 張慧;圖像感知哈希測評基準及算法研究[D];哈爾濱工業(yè)大學;2009年

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

中國碩士學位論文全文數(shù)據(jù)庫 前10條

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

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

3 梁小龍;關于拓撲保持的哈希方法研究[D];山東大學;2016年

4 楊W，

本文編號：557185