發(fā)布時(shí)間：2017-10-20 03:32

  本文關(guān)鍵詞：超聲彈性成像在乳腺腫瘤診斷中的應(yīng)用研究

  更多相關(guān)文章： 乳腺腫瘤 計(jì)算機(jī)輔助診斷系統(tǒng) 彈性特征 支持向量機(jī) 交叉驗(yàn)證

【摘要】：乳腺癌是女性最常見的惡性腫瘤之一,其發(fā)病率已居女性惡性腫瘤首位,并且呈逐年上升趨勢(shì)。因此,對(duì)乳腺癌的診斷和治療已經(jīng)引起了醫(yī)學(xué)界的廣泛重視。報(bào)告顯示早期乳腺癌多數(shù)是可以治愈,其五年生存率可以達(dá)到90%以上,因此早期發(fā)、早治療就顯得很必要。近年來(lái),乳腺癌的死亡率卻有明顯的下降。原因是超聲彈性成像技術(shù)的應(yīng)用以及乳腺計(jì)算機(jī)輔助診斷系統(tǒng)(CAD)的介入,更加有效的發(fā)現(xiàn)潛在腫塊,大大提高乳腺疾病的診斷精度,對(duì)乳腺癌的治愈有著重大意義。本文主要研究了超聲彈性成像技術(shù)在乳腺腫瘤分類中的診斷方法。乳腺腫塊是乳腺腫瘤的重要癥狀,因此本文提取腫塊的彈性特征及紋理特征,作為判斷腫塊良惡性的重要依據(jù)。本文設(shè)計(jì)一套乳腺腫塊特征的自動(dòng)提取方法,利用支持向量機(jī)(SVM)分類器完成分類,實(shí)現(xiàn)乳腺腫塊的診斷。研究思路是:第一,獲取圖像數(shù)據(jù),并完成乳腺圖像的預(yù)處理;第二,對(duì)腫塊彈性信息進(jìn)行圖像重建;第三,運(yùn)用水平集方法實(shí)現(xiàn)腫瘤區(qū)域自動(dòng)分割;第四,實(shí)現(xiàn)腫塊特征提取,根據(jù)乳腺腫塊圖像彈性方面信息,本文提取五個(gè)彈性特征來(lái)描述腫瘤的屬性;根據(jù)乳腺腫塊的紋理特征,提取了腫塊的四個(gè)灰度共生矩陣特征;根據(jù)腫塊的形狀變化情況,提取了圓度特征;總共提取十個(gè)特征,作為腫塊分類依據(jù);第五,對(duì)SVM方法進(jìn)行研究,包括SVM的理論基礎(chǔ)、核函數(shù)的介紹,將SVM技術(shù)應(yīng)用到乳腺腫塊分類中,完成對(duì)乳腺腫塊的診斷。采用上述方法對(duì)195幅乳腺圖像進(jìn)行檢測(cè),應(yīng)用交叉驗(yàn)證的方法對(duì)SVM進(jìn)行訓(xùn)練識(shí)別,使得到的SVM分類結(jié)果具有較高的可靠性,并且最終取得了有一定意義的實(shí)驗(yàn)結(jié)果,為進(jìn)一步的研究奠定了較好的基礎(chǔ)。
【關(guān)鍵詞】：乳腺腫瘤 計(jì)算機(jī)輔助診斷系統(tǒng) 彈性特征 支持向量機(jī) 交叉驗(yàn)證
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R737.9;R445.1
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-13
• 1.1 課題研究的背景及意義9
• 1.2 國(guó)內(nèi)外研究狀況9-11
• 1.3 本文研究?jī)?nèi)容11-13
• 第2章 乳腺癌概況及診斷方法13-26
• 2.1 乳腺癌概況13-14
• 2.2 影像學(xué)診斷方法14-17
• 2.3 乳腺腫瘤的超聲診斷方法17-20
• 2.4 超聲彈性成像技術(shù)20-22
• 2.4.1 UE的簡(jiǎn)介及原理20-21
• 2.4.2 UE技術(shù)在乳腺腫塊中的臨床診斷應(yīng)用21
• 2.4.3 UE技術(shù)在乳腺腫塊診斷中的前景與展望21-22
• 2.5 乳腺CAD系統(tǒng)22-24
• 2.5.1 乳腺輔助診斷系統(tǒng)的研究現(xiàn)狀22-23
• 2.5.2 乳腺CAD系統(tǒng)的內(nèi)部組成23-24
• 2.5.3 乳腺輔助診斷系統(tǒng)存在的問題24
• 2.6 研究思路24-25
• 2.7 本章小結(jié)25-26
• 第3章 乳腺圖像預(yù)處理26-39
• 3.1 數(shù)據(jù)采集26
• 3.2 圖像預(yù)處理26-28
• 3.3 彈性信息圖像重建28-30
• 3.3.1 圖像重建簡(jiǎn)介28-29
• 3.3.2 彈性圖像重建結(jié)果29-30
• 3.4 腫瘤區(qū)域自動(dòng)分割30-38
• 3.4.1 圖像分割簡(jiǎn)介30-35
• 3.4.2 腫瘤區(qū)域自動(dòng)分割35-38
• 3.5 總結(jié)38-39
• 第4章 可疑區(qū)域特征提取39-49
• 4.1 軟硬區(qū)域自動(dòng)界定39-40
• 4.2 彈性特征提取40-43
• 4.3 灰度共生矩陣特征43-46
• 4.4 形狀特征(圓度)與UE診斷標(biāo)準(zhǔn)46-48
• 4.5 本章小結(jié)48-49
• 第5章 可疑區(qū)域的分類49-62
• 5.1 SVM基本理論49-56
• 5.1.1 SVM的研究現(xiàn)狀50-51
• 5.1.2 SVM分類算法介紹51-54
• 5.1.3 核函數(shù)54-55
• 5.1.4 SVM的特點(diǎn)55-56
• 5.2 交叉驗(yàn)證56-57
• 5.3 特征選擇標(biāo)準(zhǔn)57-61
• 5.4 本章小結(jié)61-62
• 第6章 結(jié)果與分析62-68
• 6.1 病理結(jié)果62
• 6.2 實(shí)驗(yàn)結(jié)果62-66
• 6.2.1 均值及t分布參數(shù)62-63
• 6.2.2 分類準(zhǔn)確率(精度)及曲線下面積AUC63-65
• 6.2.3 ROC曲線65-66
• 6.3 數(shù)據(jù)分析66-67
• 6.4 本章小結(jié)67-68
• 第7章 總結(jié)與展望68-70
• 7.1 工作總結(jié)68-69
• 7.2 展望69-70
• 參考文獻(xiàn)70-74
• 致謝74

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 姚宇華,嚴(yán)洪,熊江輝;基于灰度共生矩陣特征的對(duì)模擬微重力條件下心肌細(xì)胞骨架的圖像分析[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2003年06期

2 高園園;傅蓉;鄺勇;呂慶文;;基于灰度共生矩陣的腹部圖像分類與檢索[J];醫(yī)療衛(wèi)生裝備;2012年03期

3 鞏萍;王阿明;;基于灰度共生矩陣和人工神經(jīng)網(wǎng)絡(luò)的肺癌CT圖像的分類研究[J];生物醫(yī)學(xué)工程與臨床;2013年06期

4 朱福珍;吳斌;;基于灰度共生矩陣的脂肪肝B超圖像特征提取[J];中國(guó)醫(yī)學(xué)影像技術(shù);2006年02期

5 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 王亞軍;李德勝;蘇少昌;王希軍;;基于灰度共生矩陣的光盤測(cè)量[A];第十二屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2008年

2 黃勃;李乃民;劉春雨;張大鵬;王寬全;林曉東;張宏;王淑英;張宏志;;基于灰度共生矩陣的中醫(yī)虛實(shí)證舌象分類研究[A];第一屆全國(guó)中西醫(yī)結(jié)合診斷學(xué)術(shù)會(huì)議論文選集[C];2006年

3 盧易楓;;基于灰度共生矩陣的金剛石瑕疵自動(dòng)識(shí)別技術(shù)研究[A];經(jīng)濟(jì)策論（上）[C];2011年

4 趙亞偉;周晨波;王同樂;王剛;郭冰;劉華;;基于灰度共生矩陣的連續(xù)多幅非平面散斑圖像特征研究[A];第十三屆全國(guó)光學(xué)測(cè)試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2010年

5 陳明麗;黃詠紅;單潔玲;楊永明;秦茜淼;王怡;;探討適用于大鼠肝纖維化聲像圖紋理灰度共生矩陣分析的構(gòu)造因子[A];2010年超聲醫(yī)學(xué)和醫(yī)學(xué)超聲論壇會(huì)議論文集[C];2010年

6 蘇慧;費(fèi)樹岷;;基于多分辨率分析及灰度共生矩陣的織物紋理識(shí)別[A];第25屆中國(guó)控制會(huì)議論文集（下冊(cè)）[C];2006年

7 馬德新;楊帆;侯景忠;高金喬;;基于灰度共生矩陣的掌紋識(shí)別技術(shù)研究[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

8 高硯軍;徐華平;;基于窗口自適應(yīng)灰度共生矩陣的SAR圖像分類[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

9 蔣圣;羌鑫林;汪閩;;基于灰度共生矩陣改進(jìn)的紋理分割算法[A];江蘇省測(cè)繪學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2008年

10 嚴(yán)洪;姚宇華;熊江輝;;基于灰度共生矩陣和分形的細(xì)胞骨架圖像的分析[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 張娟;基于圖像分析的梅花種類識(shí)別關(guān)鍵技術(shù)研究[D];北京林業(yè)大學(xué);2011年

2 劉成霞;模擬實(shí)際著裝的織物折皺測(cè)試及等級(jí)評(píng)價(jià)方法研究[D];浙江理工大學(xué);2015年

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

1 袁森林;基于紋理分析的羊絨羊毛鑒別[D];東華大學(xué);2016年

2 井寒;面向X光胸片的塵肺病灶輔助檢測(cè)系統(tǒng)研究[D];西北大學(xué);2015年

3 童逸舟;基于圖像處理的智能割草機(jī)器人路徑規(guī)劃研究[D];浙江理工大學(xué);2016年

4 楊龍飛;基于局部二值模式和灰度共生矩陣的紋理特征提取技術(shù)研究[D];蘭州大學(xué);2016年

5 李天棋;皮膚表面粗糙度檢測(cè)技術(shù)的研究[D];東北林業(yè)大學(xué);2016年

6 楊建;基于灰度共生矩陣的癌細(xì)胞識(shí)別技術(shù)研究[D];長(zhǎng)春理工大學(xué);2016年

7 王華峰;基于灰度共生矩陣的沖擊斷口形貌分析[D];濟(jì)南大學(xué);2016年

8 劉啟全;基于線陣相機(jī)的哈密瓜分級(jí)機(jī)改進(jìn)設(shè)計(jì)與試驗(yàn)研究[D];新疆農(nóng)業(yè)大學(xué);2016年

9 林澤通;利用CT影像的肺功能評(píng)估關(guān)鍵問題研究[D];東北大學(xué);2011年

10 崔蕊;基于肝臟超聲圖像的脂肪肝計(jì)算機(jī)輔助診斷研究[D];南陽(yáng)師范學(xué)院;2017年

，

本文編號(hào)：1065026