發(fā)布時(shí)間：2017-09-13 01:04

  本文關(guān)鍵詞：乳腺X線圖像腫塊特征提取與特征變換方法研究

  更多相關(guān)文章： 乳腺腫塊圖像 特征提取 詞袋模型 語義相似度 狄利克雷Fisher核

【摘要】：乳腺癌已經(jīng)成為威脅全球女性健康的惡性腫瘤疾病之一,其發(fā)病率和死亡率正在不斷上升,尤其是在年輕人當(dāng)中,由于生活習(xí)慣、工作壓力、社會(huì)環(huán)境等問題,乳腺癌的發(fā)病率呈現(xiàn)出年輕化趨勢(shì)。通過早發(fā)現(xiàn)、早治療可以有效地降低治療成本,提高生存幾率。為提高閱片效率,避免出現(xiàn)漏診、誤診,計(jì)算機(jī)輔助診斷系統(tǒng)已經(jīng)被應(yīng)用于臨床診斷當(dāng)中,輔助放射科醫(yī)生工作。腫塊是乳腺癌的常見癥狀,對(duì)其進(jìn)行良惡性病變程度的判別是計(jì)算機(jī)輔助診斷系統(tǒng)的主要功能之一。由于腫塊的形狀和邊緣復(fù)雜多變,經(jīng)常與周圍組織相互粘連,在圖像上呈現(xiàn)出對(duì)比度低且常伴有噪聲等,為特征的提取和良惡性的分類帶來了極大的挑戰(zhàn)。有效的特征提取方法是獲取精確分類結(jié)果的關(guān)鍵,本文針對(duì)現(xiàn)有腫塊特征提取方法存在的問題,分別從空間信息、語義信息、詞匯權(quán)重三個(gè)方面進(jìn)行了改進(jìn),主要工作如下:提出了一種基于各向異性邊緣環(huán)狀區(qū)域乳腺腫塊特征提取方法,突出了腫塊邊緣信息在良惡性分類中的重要性,使提取的BoW特征同時(shí)包含圖像的全局信息和局部信息;在各向異性邊緣環(huán)狀區(qū)域特征提取方法的基礎(chǔ)上,提出了一種基于語義相似度的乳腺腫塊特征融合方法,使提取的特征既包含圖像的語義信息,又包含圖像的空間信息,降低了算法復(fù)雜度,提高了運(yùn)算效率;針對(duì)BoW特征中視覺詞匯具有較低的代表性和判別能力,結(jié)合TF-IDF加權(quán)方法,提出了一種基于狄利克雷Fisher核的乳腺腫塊特征變換方法,對(duì)不同的視覺詞匯進(jìn)行不同程度的加權(quán),提高具有代表性的視覺詞匯的權(quán)重,降低非重要視覺詞匯的權(quán)重,增強(qiáng)了特征的判別能力。實(shí)驗(yàn)結(jié)果表明,本文提出的特征提取和特征變換方法能夠有效地表達(dá)乳腺腫塊圖像的空間結(jié)構(gòu)和語義信息,具有較高的分類性能,為計(jì)算機(jī)輔助診斷系統(tǒng)的研究提供了新的思路方法。
【關(guān)鍵詞】：乳腺腫塊圖像 特征提取 詞袋模型 語義相似度 狄利克雷Fisher核
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41;R737.9;R730.44
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號(hào)對(duì)照表10-11
• 縮略語對(duì)照表11-14
• 第一章 緒論14-20
• 1.1 研究背景及意義14-15
• 1.1.1 研究背景14
• 1.1.2 研究意義14-15
• 1.2 國內(nèi)外研究進(jìn)展及狀況15-18
• 1.2.1 乳腺CAD系統(tǒng)的研究現(xiàn)狀15-16
• 1.2.2 乳腺腫塊特征提取方法的研究現(xiàn)狀16-17
• 1.2.3 乳腺腫塊分類方法的研究現(xiàn)狀17-18
• 1.3 研究?jī)?nèi)容與章節(jié)安排18-20
• 第二章 乳腺腫塊圖像的預(yù)處理20-28
• 2.1 引言20-21
• 2.2 實(shí)驗(yàn)數(shù)據(jù)庫及準(zhǔn)備工作21-23
• 2.2.1 DDSM數(shù)據(jù)庫21-22
• 2.2.2 數(shù)據(jù)前期準(zhǔn)備22-23
• 2.3 乳腺腫塊的預(yù)處理23-27
• 2.3.1 乳腺腫塊圖像去噪23-24
• 2.3.2 乳腺腫塊圖像增強(qiáng)24-26
• 2.3.3 實(shí)驗(yàn)結(jié)果及分析26-27
• 2.4 本章小結(jié)27-28
• 第三章 乳腺腫塊圖像特征提取方法研究28-44
• 3.1 引言28
• 3.2 視覺詞匯與詞袋模型的構(gòu)建28-31
• 3.2.1 詞袋模型概述28-30
• 3.2.2 SIFT特征與Dense SIFT特征30-31
• 3.3 基于各向異性邊緣環(huán)狀區(qū)域的乳腺腫塊特征提取方法31-38
• 3.3.1 空間金字塔匹配模型31-32
• 3.3.2 基于各向異性邊緣環(huán)狀區(qū)域的腫塊特征提取方法32-34
• 3.3.3 實(shí)驗(yàn)結(jié)果與分析34-38
• 3.4 基于語義相似度的乳腺腫塊特征融合方法38-43
• 3.4.1 圖像語義信息38-39
• 3.4.2 基于語義相似度的乳腺腫塊特征融合方法39-41
• 3.4.3 實(shí)驗(yàn)結(jié)果與分析41-43
• 3.5 本章小結(jié)43-44
• 第四章 基于狄利克雷的乳腺腫塊特征變換方法研究44-54
• 4.1 引言44
• 4.2 狄利克雷分布和特征加權(quán)方法44-48
• 4.2.1 狄利克雷分布45-47
• 4.2.2 TF-IDF加權(quán)方法47-48
• 4.3 基于狄利克雷Fisher核的乳腺腫塊特征變換方法48-51
• 4.3.1 基于狄利克雷Fisher核的乳腺腫塊特征變換方法49-50
• 4.3.2 實(shí)驗(yàn)結(jié)果與分析50-51
• 4.4 本章小結(jié)51-54
• 第五章 總結(jié)與展望54-56
• 5.1 總結(jié)54-55
• 5.2 展望55-56
• 參考文獻(xiàn)56-60
• 致謝60-62
• 作者簡(jiǎn)介62-63

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 孫利;徐偉棟;厲力華;劉偉;彭芳青;張娟;;基于雙視角和多分類器信息融合的乳腺鉬靶圖像腫塊分類研究[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2011年01期

2 高雋;謝昭;張駿;吳克偉;;圖像語義分析與理解綜述[J];模式識(shí)別與人工智能;2010年02期

，

本文編號(hào)：840591