近年來(lái),乳腺癌發(fā)病率逐漸呈現(xiàn)年輕化趨勢(shì),嚴(yán)重威脅女性健康。研究表明,早期篩查能夠及時(shí)發(fā)現(xiàn)病灶,有效降低死亡率。在乳腺癌診療領(lǐng)域,醫(yī)生主要通過(guò)閱片進(jìn)行病灶診斷,但是隨著患者逐漸增多,醫(yī)生的負(fù)擔(dān)日益加重,誤診和漏診的現(xiàn)象時(shí)有發(fā)生,對(duì)患者造成了嚴(yán)重的損害。計(jì)算機(jī)輔助檢測(cè)對(duì)提高乳腺癌診斷準(zhǔn)確率有很大的幫助,乳腺結(jié)構(gòu)扭曲是乳腺癌臨床表現(xiàn)的一種特征,但其結(jié)構(gòu)復(fù)雜,檢測(cè)準(zhǔn)確率偏低,嚴(yán)重影響診斷效果,因此,本文提出了一種新的計(jì)算機(jī)輔助檢測(cè)乳腺結(jié)構(gòu)扭曲方案,該方案能夠幫助醫(yī)生在乳腺鉬靶X線圖像中準(zhǔn)確標(biāo)注出乳腺結(jié)構(gòu)扭曲病灶區(qū)域。本論文根據(jù)乳腺鉬靶X線圖像和乳腺結(jié)構(gòu)扭曲病灶的特點(diǎn),以提高檢測(cè)乳腺結(jié)構(gòu)扭曲的準(zhǔn)確率為目標(biāo),針對(duì)計(jì)算機(jī)輔助檢測(cè)乳腺結(jié)構(gòu)扭曲方法進(jìn)行研究。本論文的主要工作和創(chuàng)新點(diǎn)如下:1.針對(duì)乳腺鉬靶X線圖像對(duì)比度低、圖像整體效果差的問(wèn)題,本文提出使用頂帽-底帽變換和伽馬變換相結(jié)合的方法用于乳腺鉬靶X線圖像的預(yù)處理。該方法首先通過(guò)頂帽變換排除圖像中尺寸小于形態(tài)結(jié)構(gòu)元素的亮細(xì)節(jié),從而突出圖像的前景部分,其次通過(guò)底帽變換填充圖像中的波谷信息,使圖像的背景部分更加暗,最后通過(guò)伽馬變換進(jìn)一步提高圖像的對(duì)比度。... 

【文章來(lái)源】：鄭州大學(xué)河南省 211工程院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 計(jì)算機(jī)輔助檢測(cè)乳腺癌的研究現(xiàn)狀
        1.2.2 計(jì)算機(jī)輔助檢測(cè)乳腺結(jié)構(gòu)扭曲的研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及章節(jié)安排
        1.3.1 研究?jī)?nèi)容
        1.3.2 章節(jié)安排
2 乳腺結(jié)構(gòu)扭曲檢測(cè)的關(guān)鍵技術(shù)分析
    2.1 乳腺結(jié)構(gòu)扭曲檢測(cè)方案框架
    2.2 各部分技術(shù)分析
        2.2.1 乳腺鉬靶X線圖像預(yù)處理
        2.2.2 可疑病灶區(qū)域的獲取
        2.2.3 乳腺結(jié)構(gòu)扭曲分割
    2.3 實(shí)驗(yàn)數(shù)據(jù)庫(kù)
    2.4 本章小結(jié)
3 圖像預(yù)處理及獲取可疑病灶區(qū)域
    3.1 基于頂帽-底帽變換和伽馬變換的圖像預(yù)處理算法
        3.1.1 相關(guān)算法介紹
        3.1.2 預(yù)處理算法的原理概述
        3.1.3 實(shí)驗(yàn)設(shè)置及評(píng)價(jià)指標(biāo)
        3.1.4 實(shí)驗(yàn)仿真及分析
    3.2 一種改進(jìn)的NSCT可疑病灶區(qū)域獲取算法
        3.2.1 相關(guān)算法介紹
        3.2.2 改進(jìn)的NSCT算法
        3.2.3 實(shí)驗(yàn)設(shè)置及評(píng)價(jià)指標(biāo)
        3.2.4 實(shí)驗(yàn)仿真及分析
    3.3 本章小結(jié)
4 基于Otsu-PCNN的乳腺結(jié)構(gòu)扭曲分割算法
    4.1 基于Otsu閾值的PCNN分割算法
        4.1.1 Otsu和 PCNN的相關(guān)理論
        4.1.2 基于Otsu-PCNN的分割算法原理
    4.2 實(shí)驗(yàn)設(shè)置及評(píng)價(jià)方法
    4.3 實(shí)驗(yàn)仿真及分析
        4.3.1 不同密度等級(jí)圖像檢測(cè)的實(shí)驗(yàn)仿真及分析
        4.3.2 不同方法檢測(cè)圖像的實(shí)驗(yàn)仿真及分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于灰度變換及邊緣檢測(cè)的腦地形圖像識(shí)別算法的研究[J]. 陳新磊.  電腦編程技巧與維護(hù). 2019(03)
[2]2015年中國(guó)惡性腫瘤流行情況分析[J]. 鄭榮壽,孫可欣,張思維,曾紅梅,鄒小農(nóng),陳茹,顧秀瑛,魏文強(qiáng),赫捷.  中華腫瘤雜志. 2019 (01)
[3]基于小波變換與數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測(cè)方法[J]. 李穎瑩,魏連鑫.  軟件工程. 2018(11)
[4]數(shù)字乳腺斷層攝影在乳腺結(jié)構(gòu)扭曲征象中的應(yīng)用[J]. 胡明芳,張惠美,楊君,田萍,吳曉,徐華軍,邵霞.  中國(guó)現(xiàn)代醫(yī)生. 2018(23)
[5]基于脈沖耦合神經(jīng)網(wǎng)絡(luò)和二維熵的圖像自適應(yīng)分割[J]. 張平康,張欣,李琪,張航.  通信技術(shù). 2017(10)
[6]基于非下采樣Contourlet變換的紅外圖像非線性增強(qiáng)新方法[J]. 郭珉,蔣愛(ài)民,曹美.  計(jì)算機(jī)與現(xiàn)代化. 2017(03)
[7]改進(jìn)的直方圖均衡化和NSCT變換的紅外圖像增強(qiáng)[J]. 曹美,程亞玲,盛惠興,仇春春,俞楷.  應(yīng)用科技. 2016(02)
[8]乳腺鉬靶X線腫塊檢測(cè)及分割方法[J]. 董敏,郭淼,馬義德.  計(jì)算機(jī)應(yīng)用. 2015(S1)
[9]基于Otsu與海域統(tǒng)計(jì)特性的SAR圖像海陸分割算法[J]. 陳祥,孫俊,尹奎英,于俊朋.  數(shù)據(jù)采集與處理. 2014(04)
[10]共同參與 成就抗癌奇跡[J]. 夕月.  綠色中國(guó). 2014(03)

碩士論文
[1]乳腺腫塊計(jì)算機(jī)輔助檢測(cè)算法研究[D]. 張橋新.西安電子科技大學(xué) 2009



本文編號(hào)：3076505