乳腺癌作為全球女性最�；嫉膼盒阅[瘤之一,是由乳腺組織發(fā)展而成的癌癥。由于其較高的死亡率,乳腺癌的早期篩查和診斷顯得尤為重要。超聲成像技術(shù)憑借其實(shí)時(shí)便捷、價(jià)格低廉、無輻射創(chuàng)傷等優(yōu)勢(shì),成為乳腺腫瘤早期篩查的重要手段,可以極大程度地避免不必要的活檢。由于超聲圖像的讀取嚴(yán)重依賴于超聲科醫(yī)師自身的經(jīng)驗(yàn)水平,培養(yǎng)經(jīng)驗(yàn)豐富的超聲科醫(yī)師需要耗費(fèi)極大的心力物力,因此計(jì)算機(jī)輔助診斷系統(tǒng)應(yīng)運(yùn)而生。然而,傳統(tǒng)的輔助診斷系統(tǒng)都是基于低級(jí)圖像特征,當(dāng)超聲圖像來自不同設(shè)備源時(shí),診斷系統(tǒng)的性能急劇下降。此外,其診斷結(jié)果常常難以被醫(yī)師理解和接受。據(jù)此,本文提出了人機(jī)協(xié)同CAD機(jī)制以克服上述傳統(tǒng)方法中存在的缺陷,但此方法嚴(yán)重依賴于人工評(píng)分的效果。對(duì)于同一張乳腺腫瘤超聲影像,經(jīng)驗(yàn)水平有所差異的醫(yī)師可能會(huì)給出不同的評(píng)分分?jǐn)?shù),最終對(duì)分類結(jié)果造成不利影響;同時(shí),醫(yī)生打分具有主觀判斷性。上述問題在一定程度上,限制了超聲乳腺腫瘤分類技術(shù)在乳腺癌早期篩查與診斷中的臨床應(yīng)用和推廣。針對(duì)傳統(tǒng)輔助診斷系統(tǒng)中使用的低級(jí)圖像特征與醫(yī)師理解的高級(jí)語(yǔ)義特征中的巨大語(yǔ)義鴻溝,本文結(jié)合專家經(jīng)驗(yàn),提出了一種基于BI-RADS超聲特征打分方案的診斷系統(tǒng)。通... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

超聲乳腺腫瘤CAD系統(tǒng)流程圖

LDA圖示

華南理工大學(xué)碩士學(xué)位論文6圖1-3決策樹分類乳腺腫瘤良惡性示意圖4.支持向量機(jī)SVM屬于監(jiān)督學(xué)習(xí)技術(shù)的一種，對(duì)于圖1-4所示的二分類問題，通過尋求一個(gè)最佳分離超平面來分割數(shù)據(jù)集中的樣本。對(duì)于非線性可分問題，核函數(shù)的使用可以將輸入數(shù)據(jù)映射到更高維空間，以求得到更好的數(shù)據(jù)分布，使得高維空間中的分離超平面性能更優(yōu)。憑借優(yōu)秀的性能表現(xiàn)，SVM被廣泛應(yīng)用在腫瘤的診斷系統(tǒng)中[16],[22]。2010年，Huang等人提出了基于模糊SVM的超聲圖像質(zhì)量檢測(cè)與分類CAD系統(tǒng)，取得了94.25%的準(zhǔn)確度[24]。SVM算法性能出色，適用范圍廣泛，但是對(duì)于非線性問題，核函數(shù)的選擇至關(guān)重要，并且隨著輸入數(shù)據(jù)的維數(shù)增加，訓(xùn)練時(shí)間指數(shù)級(jí)增長(zhǎng)。在超聲乳腺腫瘤的臨床診斷中，SVM需要訓(xùn)練樣本具有標(biāo)記。圖1-4二分類問題5.集成學(xué)習(xí)集成學(xué)習(xí)算法通過構(gòu)建并整合多個(gè)弱分類器來完成訓(xùn)練樣本的分類任務(wù)。圖1-5展

【參考文獻(xiàn)】：
期刊論文
[1]2018全球癌癥統(tǒng)計(jì)報(bào)告解讀[J]. 王寧,劉碩,楊雷,張希,袁延楠,李慧超,季加孚.  腫瘤綜合治療電子雜志. 2019(01)
[2]乳腺癌在中國(guó)的流行狀況和疾病特征[J]. 柏尚柱.  世界最新醫(yī)學(xué)信息文摘. 2017(41)
[3]基于粒子群優(yōu)化算法的非線性控制系統(tǒng)參數(shù)優(yōu)化[J]. 王功明,袁德成.  沈陽(yáng)化工大學(xué)學(xué)報(bào). 2016(04)
[4]超聲造影與增強(qiáng)磁共振成像在乳腺良惡性腫瘤鑒別診斷中的應(yīng)用[J]. 楊勇,呂秀花,崔光彬,楊一林,王瑧,袁麗君,段云友.  中國(guó)超聲醫(yī)學(xué)雜志. 2015(07)
[5]彩色超聲和X線鉬靶攝影對(duì)乳腺積乳囊腫的診斷價(jià)值[J]. 羅巧云,王濤,許晨.  臨床合理用藥雜志. 2015(06)
[6]乳腺癌超聲診斷進(jìn)展[J]. 吳松松,陳亞青.  中國(guó)醫(yī)學(xué)影像技術(shù). 2006(04)

博士論文
[1]MRI圖像的腦腫瘤分割方法研究[D]. 鄧萬凱.華中科技大學(xué) 2011



本文編號(hào)：3404189