在女性人群中乳腺癌的新發(fā)病例占比越來越大,且在臨床檢測中具有一定的病發(fā)隱匿性,不易被察覺,因此很多患者在被醫(yī)生確診時已成為晚期。為了有效減少乳腺癌死亡率,防止患者錯失最佳治療時機,我們亟需加大對早期檢測治療的宣傳力度。惡性腫塊是乳腺癌變的重要表現(xiàn)形式,計算機輔助診斷對乳腺腫瘤的良惡性自動識別具有重要研究意義。本文不同以往的研究思路,在分析乳腺腫瘤數(shù)據(jù)特性的基礎(chǔ)上,提出一種新的融合影像學(xué)特征和醫(yī)學(xué)臨床特征的方法;針對這些融合產(chǎn)生的新特征,又提出了特有的分類方法和進(jìn)一步的良惡性分類改進(jìn)算法。本文具體研究工作如下:一、分析多源乳腺腫瘤數(shù)據(jù)的樣本特點,提出一種融合影像學(xué)特征和臨床特征的方法,即基于典型相關(guān)分析的語義特征組融合算法。該算法先對乳腺腫瘤感興趣區(qū)進(jìn)行分析計算,產(chǎn)生定性的語義特征;然后把高級語義特征進(jìn)行分組,設(shè)定語義特征間融合規(guī)則;最后利用基于典型相關(guān)思想的特征向量組融合算法對影像學(xué)特征及患者的臨床特征進(jìn)行融合,從而生成新的乳腺腫瘤特征,即融合特征。實驗結(jié)果表明,該算法生成的融合特征更有利于乳腺腫瘤的良惡性分類。二、圍繞融合特征本身固有的特性,研究討論對融合特征進(jìn)行分類存在的問題與難點... 

【文章來源】：西北大學(xué)陜西省 211工程院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

醫(yī)學(xué)影像學(xué)特征和臨床特征的融合

第二章 基于多源影像的乳腺腫瘤特征融合算法研究佳。邊界檢測方法是在梯度算子的基礎(chǔ)上找較一個像素和其相鄰像素，直接確定圖像中。這可以通過區(qū)域生長、像素聚類或拆分和of[37]提出的區(qū)域增長圖像分割算法不僅穩(wěn)健，始，每個點對應(yīng)于一個單獨的區(qū)域。然后根較。要想確保分割的精確性，區(qū)域生長準(zhǔn)則是基于區(qū)域灰度差的，采用 8-鄰域法（8 個，如圖 2 所示，在 8-鄰域法中鄰接像素是水子像素點和此 8-鄰域像素點的灰度差小于指進(jìn)行合并和標(biāo)記。

像低層像素級特征、圖像高層語義特征、圖像三者的像中獲得的低級特征映射為醫(yī)生可以理解的語識，對乳腺腫瘤的感興趣區(qū)進(jìn)行分析計算，把的語義特征。以下為通過分析計算從底層圖像，良性腫塊是圓形或橢圓形的，而一個典型的。圓度定義為：24PAe 是腫塊的面積和周長。圓度越小，它是一個良惡性腫瘤。是一種重要的乳腺腫瘤形態(tài)學(xué)特征。如果邊緣之如果邊緣呈鋸齒狀或毛刺狀，腫瘤往往是惡

【參考文獻(xiàn)】：
期刊論文
[1]差異性隨機子空間集成[J]. 丁毅,王明亮,張道強.  計算機科學(xué)與探索. 2018(09)
[2]基于區(qū)域生長的圖像分割研究進(jìn)展[J]. 徐蔚波,劉穎,章浩偉.  北京生物醫(yī)學(xué)工程. 2017(03)
[3]基于遺傳算法—BP神經(jīng)網(wǎng)絡(luò)的乳腺腫瘤輔助診斷模型[J]. 馬滿芳,陸惠玲,王媛媛,吳華鋒,季明,周濤.  軟件導(dǎo)刊. 2016(11)
[4]機器學(xué)習(xí)在乳腺腫瘤分類檢測中的應(yīng)用研究[J]. 李喆,呂衛(wèi),閔行,褚晶輝.  計算機工程與科學(xué). 2016(11)
[5]Fatigue driving detection based on Haar feature and extreme learning machine[J]. Chang Zheng,Ban Xiaojuan,Wang Yu.  The Journal of China Universities of Posts and Telecommunications. 2016(04)
[6]噪聲數(shù)據(jù)下基于模型權(quán)重與隨機子空間的集成學(xué)習(xí)[J]. 林培榕,林耀進(jìn).  合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[7]Lasso極限最小學(xué)習(xí)機[J]. 冉楊鋆,孫曉光.  計算機應(yīng)用與軟件. 2013(02)
[8]基于極限學(xué)習(xí)機的配電網(wǎng)重構(gòu)[J]. 吳登國,李曉明.  電力自動化設(shè)備. 2013(02)
[9]AdaBoost算法研究進(jìn)展與展望[J]. 曹瑩,苗啟廣,劉家辰,高琳.  自動化學(xué)報. 2013(06)
[10]乳腺良惡性病變的3.0T磁共振擴散加權(quán)成像鑒別診斷及b值優(yōu)化[J]. 張雪梅,林江,葉芳,姚秀忠,曾蒙蘇.  中國醫(yī)學(xué)計算機成像雜志. 2012(03)

博士論文
[1]基于極限學(xué)習(xí)機的乳腺腫塊檢測技術(shù)研究[D]. 王之瓊.東北大學(xué) 2014

碩士論文
[1]基于高級語義特征映射的乳腺超聲圖像分類研究[D]. 任姣姣.哈爾濱工業(yè)大學(xué) 2012
[2]基于多特征動態(tài)融合的圖像分割研究[D]. 艾國紅.中國科學(xué)技術(shù)大學(xué) 2011
[3]基于內(nèi)容的彩色圖像檢索研究[D]. 余云鵬.南京航空航天大學(xué) 2009
[4]基于典型相關(guān)分析的鑒別特征抽取方法研究[D]. 彭倩倩.揚州大學(xué) 2008



本文編號：3122004