【摘要】：世界衛(wèi)生組織調(diào)查統(tǒng)計(jì)顯示,在所有女性惡性腫瘤中,乳腺癌的發(fā)病率高居首位,嚴(yán)重威脅著女性的健康。目前乳腺癌病癥臨床表現(xiàn)多樣,給醫(yī)生的診斷增加了難度,為了降低乳腺癌的惡化致死率,論文在對(duì)目前乳腺癌計(jì)算機(jī)輔助診斷系統(tǒng)研究的基礎(chǔ)上,設(shè)計(jì)乳腺腫瘤良惡性分類(lèi)模型,為醫(yī)生的診斷提供了可靠的依據(jù),同時(shí)有效的提高診斷效率。本文開(kāi)展的主要工作包括:(1)設(shè)計(jì)基于核遺傳模糊聚類(lèi)算法的乳腺腫塊分割方法,實(shí)現(xiàn)了準(zhǔn)確分割乳腺腫塊區(qū)域。從合作醫(yī)院獲取相關(guān)數(shù)據(jù)并在醫(yī)生的指導(dǎo)下完成數(shù)據(jù)庫(kù)的構(gòu)建與乳腺腫瘤的良惡性標(biāo)記,本文使用小波變換處理去除圖像中的噪聲。利用遺傳算法優(yōu)化核模糊聚類(lèi)算法的聚類(lèi)中心,提取乳腺腫塊區(qū)域分割輪廓。(2)提出基于遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)的乳腺腫瘤良惡性分類(lèi)方法,完成了乳腺腫瘤的良惡性鑒定。該方法將遷移學(xué)習(xí)引入到深度學(xué)習(xí)中,通過(guò)利用開(kāi)源的大數(shù)據(jù)集ImageNet預(yù)訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化網(wǎng)絡(luò)初始參數(shù),解決了因已標(biāo)記乳腺X線圖像數(shù)量不足,導(dǎo)致大規(guī)模卷積神經(jīng)網(wǎng)絡(luò)易陷入過(guò)擬合的難點(diǎn)。實(shí)驗(yàn)仿真證明,基于核遺傳模糊聚類(lèi)算法對(duì)乳腺X線圖像腫塊的分割精度、過(guò)分割率、欠分割率分別為94.75%、0.27%、3.56%。且最終對(duì)乳腺腫瘤良惡性分類(lèi)準(zhǔn)確率、敏感度、特異性、F1-Measure分別為90.8%、89.8%、89.9%和88.4%。算法可以在一定程度上為乳腺腫瘤分類(lèi)診斷提供一定參考。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：R737.9;TP183
【圖文】：

上的初始輪廓，最后，利用局部活動(dòng)輪廓模型對(duì)粗分割的結(jié)果進(jìn)行精細(xì)化處理，驗(yàn)驗(yàn)證了這種分割方法有更高的分割精度和魯棒性。針對(duì)成像過(guò)程中，固有的噪偽影斑點(diǎn)多、低對(duì)比度等特點(diǎn)，楊宜等［２７］在ＣＶ和ＬＢＰ模型優(yōu)點(diǎn)的基礎(chǔ)上，了動(dòng)態(tài)變化制導(dǎo)的全局信息和局部信息的方法，在能量曲線演化過(guò)程中，權(quán)重系動(dòng)態(tài)更新。在乳腺Ｘ線圖像上的實(shí)驗(yàn)結(jié)果表明，較之其它方法，該算法分割更，分割速度更快，臨床實(shí)用性更強(qiáng)。逡逑

圖２４深度置信網(wǎng)絡(luò)逡逑Ｆｉｇ．２－４邋Ｄｅｅｐ邋Ｂｅｌｉｅｆ邋Ｎｅｔｗｏｒｋ逡逑

圖２－５ＬｅＮｅｔ網(wǎng)絡(luò)逡逑Ｆｉｇ．２－５邋ＬｅＮｅｔ邋ｎｅｔｗｏｒｋ逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周莉莉;姜楓;;圖像分割方法綜述研究[J];計(jì)算機(jī)應(yīng)用研究;2017年07期

2 侯曉凡;吳成茂;;一種嵌入局部信息的快速KFCM聚類(lèi)分割算法[J];計(jì)算機(jī)工程與應(yīng)用;2017年13期

3 江貴平;秦文健;周壽軍;王昌淼;;醫(yī)學(xué)圖像分割及其發(fā)展現(xiàn)狀[J];計(jì)算機(jī)學(xué)報(bào);2015年06期

4 胡少波;王海霞;;乳腺腫瘤X線攝影臨床價(jià)值分析[J];醫(yī)學(xué)影像學(xué)雜志;2015年04期

5 余濱;李紹滋;徐素霞;紀(jì)榮嶸;;深度學(xué)習(xí):開(kāi)啟大數(shù)據(jù)時(shí)代的鑰匙[J];工程研究-跨學(xué)科視野中的工程;2014年03期

6 余凱;賈磊;陳雨強(qiáng);徐偉;;深度學(xué)習(xí)的昨天、今天和明天[J];計(jì)算機(jī)研究與發(fā)展;2013年09期

7 楊誼;申洪;;自適應(yīng)水平集方法乳腺超聲腫塊分割應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2013年12期

8 J.M.H.Timmers;H.J.van Doorne-Nagtegaal;H.M.Zonderland;H.van Tinteren;O.Visser;A.L.M.Verbeek;梁雪;;乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(BI-RADS)在荷蘭的乳腺癌篩查方案中具有評(píng)估和分級(jí)工具的作用[J];國(guó)際醫(yī)學(xué)放射學(xué)雜志;2012年05期

9 虞紅偉;厲力華;徐偉棟;劉偉;張娟;邵國(guó)良;;一種基于水平集的多尺度乳腺腫塊分割方法[J];儀器儀表學(xué)報(bào);2010年06期

10 張召長(zhǎng);戴耀東;周正東;;基于Otsu多閾值和分水嶺算法的乳腺腫塊分割[J];計(jì)算機(jī)應(yīng)用;2008年S2期

相關(guān)碩士學(xué)位論文 前2條

1 曾輝;基于深度卷積特征的乳腺X線攝影鈣化良惡性鑒別及BI-RADS分類(lèi)初步研究[D];南方醫(yī)科大學(xué);2016年

2 李雯;基于深度卷積神經(jīng)網(wǎng)絡(luò)的CT圖像肝臟腫瘤分割方法研究[D];中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院;2016年

本文編號(hào)：2761299