本文關(guān)鍵詞：乳腺醫(yī)學(xué)圖像中腫瘤分割與分類方法研究

  更多相關(guān)文章： 醫(yī)學(xué)圖像處理 乳腺癌 超像素 乳腺超聲圖像 乳腺鉬靶圖像

【摘要】：目的:乳腺癌是嚴(yán)重威脅女性身體健康的惡性腫瘤之一,如不能及時發(fā)現(xiàn)病癥并進(jìn)行合理治療,甚至?xí)＜盎颊叩纳踩Ｈ橄侔┯嬎銠C(jī)輔助診斷系統(tǒng)有利于提高乳腺癌診斷的效率和精度,對乳腺癌的臨床診斷和研究具有一定價值。乳腺腫瘤的分割及分類工作是乳腺癌計算機(jī)輔助診斷的支撐技術(shù)之一。為降低乳腺腫瘤分割算法的計算復(fù)雜度,提高乳腺分割的精度,本文提出一種基于超像素的乳腺腫瘤分割算法。在基于超像素技術(shù)的醫(yī)學(xué)圖像分割中,合理地選取超像素分割算法是提高乳腺腫瘤分割算法精度和通用性的關(guān)鍵,為選取適用于乳腺腫瘤分割的超像素算法,本文設(shè)計提出了一種適用于醫(yī)學(xué)圖像的超像素分割算法評價方法。單一的超聲圖像或鉬靶圖像對乳腺癌的診斷精度有限,為提高乳腺癌診斷的效率和精度,針對多模態(tài)乳腺醫(yī)學(xué)圖像的特點(diǎn),本文提出一種選擇性集成的乳腺腫瘤的分類方法。方法:本文提出一種基于超像素的乳腺腫瘤分割方法。該方法首先利用超像素分割算法對乳腺超聲圖像進(jìn)行過分割,然后在超像素級上采用區(qū)域生長算法實(shí)現(xiàn)乳腺腫瘤的分割。基于醫(yī)學(xué)圖像的特點(diǎn),為選擇合適的超像素分割算法,本文提出了一種醫(yī)學(xué)圖像超像素分割算法評價體系,主要由算法運(yùn)算速度、邊界貼合性和邊界重合度、規(guī)則度和同質(zhì)性等指標(biāo)組成�；谠撛u價體系,對歸一化割算法,Turbopixels算法和SLIC算法做了系統(tǒng)的算法性能評價與分析,并選擇將SLIC算法應(yīng)用于本文乳腺超聲圖像分割算法研究中。本文設(shè)計一種基于評價指標(biāo)R的選擇性集成分類器方法。該方法首先提取乳腺超聲圖像的形態(tài)學(xué)特征、紋理特征和鉬靶圖像的紋理特征,再利用SVM分類器,樸素貝葉斯分類器和KNN分類器進(jìn)行分類,采用指標(biāo)R選取合適的個體分類器,使用最大投票策略,最終獲取腫瘤分類結(jié)果。結(jié)論:本文提出的基于超像素的乳腺腫瘤分割方法精確性可達(dá)95.28%,靈敏性可達(dá)59.89%,為后續(xù)的乳腺腫瘤特征提取和分類工作奠定了良好基礎(chǔ)。為選擇合適的超像素分割算法,本文設(shè)計了一種超像素算法性能評價體系,為新型超像素技術(shù)設(shè)計及其在醫(yī)學(xué)圖像中的應(yīng)用提供了一定的借鑒作用。本文設(shè)計了一種基于指標(biāo)R的選擇性集成乳腺腫瘤分類方法。研究結(jié)果表明,在乳腺腫瘤分類工作中,基于分類器級的融合效率優(yōu)于基于特征集的融合;本文提出并采用的指標(biāo)R可以有效地選擇合適的個體分類器,并產(chǎn)生性能較好的集成分類器,該分類器精確度為88.73%、靈敏性為97.06%。該方法可用于輔助醫(yī)生進(jìn)行乳腺癌診斷,提高醫(yī)生工作診斷效率和精度,對臨床上乳腺癌的研究及大規(guī)模篩查具有一定意義。
【關(guān)鍵詞】：醫(yī)學(xué)圖像處理 乳腺癌 超像素 乳腺超聲圖像 乳腺鉬靶圖像
【學(xué)位授予單位】：山東中醫(yī)藥大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：R737.9;TP391.41
【目錄】：

• 提要3-5
• Abstract5-10
• 引言10-12
• 第一章 緒論12-18
• 1.1 研究背景及意義12-13
• 1.2 研究現(xiàn)狀13-16
• 1.2.1 醫(yī)學(xué)圖像分割算法研究現(xiàn)狀13-15
• 1.2.2 乳腺腫瘤分類工作研究現(xiàn)狀15-16
• 1.3 本文工作16-17
• 1.3.1 乳腺癌圖像分割算法研究16
• 1.3.2 乳腺癌圖像分類算法研究16-17
• 1.4 論文組成17-18
• 第二章 乳腺腫瘤分割算法研究18-35
• 2.1 超像素分割算法評價體系18-30
• 2.1.1 超像素分割算法18-22
• 2.1.2 超像素分割算法評價指標(biāo)22-24
• 2.1.3 超像素分割算法性能測試實(shí)驗(yàn)及分析24-30
• 2.2 基于超像素技術(shù)的乳腺超聲圖像分割算法30-34
• 2.2.1 基本方法30-32
• 2.2.2 實(shí)驗(yàn)結(jié)果及分析32-34
• 2.3 本章小結(jié)34-35
• 第三章 乳腺腫瘤分類方法研究35-48
• 3.1 特征提取35-37
• 3.2 選擇性集成分類器37-39
• 3.3 實(shí)驗(yàn)結(jié)果及分析39-47
• 3.3.1 評價指標(biāo)39-41
• 3.3.2 集成分類器方法性能分析41-47
• 3.4 本章小結(jié)47-48
• 第四章 總結(jié)與展望48-50
• 4.1 本文方法總結(jié)與意義48
• 4.2 問題分析與展望48-50
• 參考文獻(xiàn)50-55
• 致謝55-56
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文56
• 攻讀學(xué)位期間所獲獎勵情況56

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱碧云;陳卉;;醫(yī)學(xué)圖像紋理分析的方法及應(yīng)用[J];中國醫(yī)學(xué)裝備;2013年08期

2 張勇;王t，

本文編號：720800