【摘要】：提出基于視覺顯著性特征的乳腺鉬靶X射線腫塊檢測方法:首先從局部顯著性、全局顯著性和稀少性三方面計算顯著圖,利用顯著圖加權(quán)增強目標(biāo);然后根據(jù)前景目標(biāo)數(shù)迭代確定分割閾值對加權(quán)后圖像閾值分割;最后將分割后的前景區(qū)域視為疑似腫塊區(qū)域,利用融合顯著性特征及基于中心-輪廓距離的腫塊形態(tài)特征識別腫塊。本文利用MIAS數(shù)據(jù)庫中多幅的乳腺X線圖像進行實驗驗證,結(jié)果表明,本文提出的方法能夠準(zhǔn)確地分割腫塊區(qū)域,腫塊識別準(zhǔn)確性較高。
[Abstract]:A method for mammography detection of mammary mammography masses based on visual saliency was proposed. Firstly, salience maps were calculated from three aspects: local saliency, global saliency and sparsity, and weighted enhancement targets by saliency maps. Then the weighted image threshold is determined according to the foreground target number iteration. Finally, the segmented foreground area is regarded as the suspected mass area, and the fusion salient feature and the mass morphological feature based on centro-contour distance are used to identify the mass. In this paper, many mammographic images in MIAS database are used for experimental verification. The results show that the method proposed in this paper can segment the area of mass accurately, and the accuracy of mass recognition is high.
【作者單位】： 遼寧石油化工大學(xué)信息與控制工程學(xué)院;遼寧工程技術(shù)大學(xué)電子與信息工程學(xué)院;
【基金】：遼寧省教育廳科學(xué)研究一般項目(L2012112)資助項目
【分類號】：R737.9;TP391.41

【參考文獻】

相關(guān)期刊論文 前1條

1 裴曉敏;李文娜;;超像素優(yōu)化Snake模型的乳腺X線圖像胸肌分割[J];光電子·激光;2015年08期

【二級參考文獻】

相關(guān)期刊論文 前8條

1 南柄飛;穆志純;;基于SLIC0融合紋理信息的超像素分割方法[J];儀器儀表學(xué)報;2014年03期

2 汪源源;原宗良;唐三;;利用自適應(yīng)紋理分布的活動形狀分割前列腺磁共振圖像[J];光學(xué)精密工程;2013年09期

3 王春瑤;陳俊周;李煒;;超像素分割算法研究綜述[J];計算機應(yīng)用研究;2014年01期

4 張勝君;;基于相關(guān)向量機的乳腺X線圖像結(jié)構(gòu)扭曲檢測[J];光電子.激光;2013年04期

5 祝世平;郭智超;高潔;馬麗;;基于Snake活動輪廓模型的視頻跟蹤分割方法[J];光電子.激光;2013年01期

6 石銳;黃向娟;;基于改進Snake模型的肺部圖像分割[J];計算機工程與應(yīng)用;2014年15期

7 李艷鳳;陳后金;楊娜;張勝君;;基于解剖學(xué)特征的乳腺X線圖像胸肌分割[J];自動化學(xué)報;2013年08期

8 ;Automatic pectoral muscle boundary detection in mammograms based on Markov chain and active contour model[J];Journal of Zhejiang University-Science C(Computer & Electronics);2010年02期

，

本文編號：2352439