發(fā)布時間：2021-12-31 04:40

　　乳腺癌是一種女性中常見的惡性腫瘤,早期診斷是治愈該病的最有效手段。在乳腺癌早期診斷的諸多方法之中,乳腺X線攝影術(shù)被公認為最可靠、最便捷的方法,然而早期的乳腺癌影像學(xué)特征一般不夠明顯,且易受醫(yī)師主觀影響,以至于假陰性與假陽性情況時有出現(xiàn)�；谌橄賆線圖像的乳腺癌計算機輔助診斷系統(tǒng)可以有效輔助放射科專業(yè)醫(yī)師提高乳腺癌診斷的精度、效率和一致性�，F(xiàn)有的乳腺癌診斷方法性能還達不到專業(yè)醫(yī)師的認可要求,還有非常大的提升空間。本文以提高基于乳腺X線圖像的乳腺癌診斷方法性能為目標,針對乳腺X線圖像中的腫塊檢測與診斷方法進行深入研究,開展的主要創(chuàng)新性研究工作以及獲得的貢獻總結(jié)如下：1.針對現(xiàn)有腫塊檢測方法檢測速度較慢的問題,提出了一種基于乳房腫塊攝影特點的乳腺x線腫塊建模方法,利用該模型定義的腫塊內(nèi)部點特征能夠快速定位腫塊。在此基礎(chǔ)上,結(jié)合相應(yīng)的聚類算法最終獲得完整的腫塊區(qū)域。2.針對現(xiàn)有腫塊分層檢測算法的不足,提出了一種基于簡化型標記脈沖耦合神經(jīng)網(wǎng)絡(luò)（Marker Simplified Pulse Coupled Neural Network, Marker-SPCNN）模型的乳腺X線腫塊分層檢測方法,... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：119 頁

【學(xué)位級別】：博士

【部分圖文】：

乳房結(jié)構(gòu)示意圖

于隨機游走算法的乳腺腫塊分割算法15。]。然而，這些方法都有其致命僅僅依賴于單一的灰度信息或者一些簡單特征來獲取分割結(jié)果。由于單征不足以準確地描述腫塊，這些方法雖然實現(xiàn)起來較為容易，但是在緣腫塊時往往得不到令人不滿意的結(jié)果。到腫塊輪廓的重要性，為了使分割結(jié)果更加精確，不少學(xué)者提出使用模型對初始分割結(jié)果進行優(yōu)化。Xu等人在通過canny邊緣算子得到腫塊后，使用活動輪廓模型進一步處理，使得到的腫塊邊緣精確度進一步Y(jié)u等人采用同樣的算法設(shè)計思路，首先結(jié)合形態(tài)學(xué)和sobel邊緣檢測算獲得腫塊初始邊緣，然后使用梯度矢量流的方法分割出最終腫塊[52]。他思路大致為：首先利用一些方法對圖像中像素點灰度信息進行分析得到，然后利用水平集方法細化初始分割得到最終結(jié)果。通過引入基于像息的水平集方法使得分割結(jié)果得到了一些改進，但是這些方法仍然還不足。

中可疑腫塊區(qū)域位置。如圖3-3 (b)所示，在XOY平面內(nèi)任取一點(■xo,}^)。以(10,3?)為圓心，^為半徑做一個圓柱，該圓柱與球冠相交出一個曲面。計算該曲面到XOY平面的平均距離I。圓柱可以表示為= jCq + r * cos 0< =少o + r*sin0 (3-3)此圓柱與球冠圍成部分的體積為2 — (Xfj + rcos沒)2 -(Vo + f sin0)^ -t)*rdrd6 (3-4)因此，該部分的平均高度為2 = - = -^ [‘“ r HKioJ -(^0+^ cos 6)^ -{yf^+rs\n0f)'-t)* rdrde (3-5)Sr nr 山由此，可得此平均高度與該圓柱半徑的微分關(guān)系25

【參考文獻】：
期刊論文
[1]基于自適應(yīng)核學(xué)習相關(guān)向量機的乳腺X線圖像微鈣化點簇處理方法研究[J]. 姚暢,陳后金,Yang Yong-Yi,李艷鳳,韓振中,張勝君.  物理學(xué)報. 2013(08)
[2]超寬帶微波檢測早期乳腺腫瘤三維仿真[J]. 肖夏,徐立,劉冰雨.  物理學(xué)報. 2013(04)
[3]乳腺腫塊影像特征與病理[J]. 黃貴,邰亦成,方琦.  吉林醫(yī)學(xué). 2011(33)
[4]基于自動隨機游走的乳腺腫塊分割算法[J]. 曹穎,郝欣,朱曉恩,夏順仁.  浙江大學(xué)學(xué)報(工學(xué)版). 2011(10)
[5]一種基于改進型Multi-Agent多分類器融合的乳腺鉬靶腫塊分類算法[J]. 趙浣萍,徐偉棟,厲力華,劉偉,張娟.  儀器儀表學(xué)報. 2011(09)
[6]鉬靶X線征象與不同類型乳腺癌關(guān)系的病理基礎(chǔ)研究[J]. 王秀麗,柴麗敏,張偉,許艷梅.  醫(yī)學(xué)影像學(xué)雜志. 2011(08)
[7]乳腺癌檢測的三維微波熱聲成像技術(shù)[J]. 劉廣東,張業(yè)榮.  物理學(xué)報. 2011(07)
[8]基于MCA的乳腺X線圖像中腫塊的自適應(yīng)檢測方法[J]. 王穎,李潔,高新波.  電子學(xué)報. 2011(03)
[9]一種基于水平集的多尺度乳腺腫塊分割方法[J]. 虞紅偉,厲力華,徐偉棟,劉偉,張娟,邵國良.  儀器儀表學(xué)報. 2010(06)
[10]采用多尺度多級組合分類器快速定位乳腺X片中的感興趣區(qū)域[J]. 阮松,陳松燦,王敏.  中國生物醫(yī)學(xué)工程學(xué)報. 2009(05)



本文編號：3559632