检索结果-南通市图书馆

基于支持向量机和相关反馈技术的肿块检测算法

在线全文

学校读者我要写书评

暂无评论

西安电子科技大学学报 2007年第2期34卷 239-245页

作者：王颖高新波西安电子科技大学电子工程学院陕西西安710071

为了避免由于乳腺中的致密组织与肿块类似的特征表现而造成的肿块检测精度不高,设计了基于典型特征的支持向量机分类器对提取出的感兴趣区域进行分类,并引入了相关反馈算法以进一步提高分类器的性能,提出了一种新的基于支持向量机和相... 详细信息

为了避免由于乳腺中的致密组织与肿块类似的特征表现而造成的肿块检测精度不高,设计了基于典型特征的支持向量机分类器对提取出的感兴趣区域进行分类,并引入了相关反馈算法以进一步提高分类器的性能,提出了一种新的基于支持向量机和相关反馈技术的乳腺图像中肿块的检测方案.通过对大量乳腺图像的仿真实验显示,基于典型特征的支持向量机分类器能够将无特征支持向量机分类器的检出率提高约5%,而相关反馈技术的引入则使系统的检出率进一步提高到约90%.

关键词：支持向量机相关反馈肿块检测特征提取

在线全文

学校读者我要写书评

暂无评论

一种部分监督的乳腺肿块检测方法

中国医学影像技术 2005年第10期21卷 1572-1575页

作者：王颖高新波董妍西安电子科技大学电子工程学院陕西西安710071

目的从医学影像中准确地提取出可疑肿块区域。方法通过引入主动相关反馈的思想,提出一种部分监督的乳腺肿块检测方法,在肿块区域预检测的基础上,主动提供部分可疑区域由专家(或用户)标定正负样本,通过几次交互反馈,最终得到待分析的肿... 详细信息

目的从医学影像中准确地提取出可疑肿块区域。方法通过引入主动相关反馈的思想,提出一种部分监督的乳腺肿块检测方法,在肿块区域预检测的基础上,主动提供部分可疑区域由专家(或用户)标定正负样本,通过几次交互反馈,最终得到待分析的肿块区域。结果方法能够较准确地提取出肿块区域,有效的去除检测结果中的假阳性区域。结论方法准确性较好,有助于计算机辅助诊断系统的进一步分析。

关键词：主动相关反馈部分监督肿块检测 Relief算法

基于多光谱通道注意力和双向特征融合的乳腺肿块检测

在线全文

学校读者我要写书评

暂无评论

中南民族大学学报（自然科学版） 2023年第1期42卷 111-119页

作者：陈罗林周煜松徐胜舟中南民族大学计算机科学学院&湖北省制造企业智能管理工程技术研究中心武汉430074

乳腺钼靶X线摄影是诊断乳腺疾病的有效手段,计算机辅助诊断系统在乳腺肿块检测中起着重要作用,针对检测过程中易出现漏检、误检导致精度不理想的情况,提出了一种改进的RetinaNet乳腺肿块检测算法.首先,在RetinaNet的基础上对特征提取部... 详细信息

乳腺钼靶X线摄影是诊断乳腺疾病的有效手段,计算机辅助诊断系统在乳腺肿块检测中起着重要作用,针对检测过程中易出现漏检、误检导致精度不理想的情况,提出了一种改进的RetinaNet乳腺肿块检测算法.首先,在RetinaNet的基础上对特征提取部分进行改进,在每个残差块中引入多光谱通道注意力机制,使网络能更加关注到目标区域;然后,在特征融合部分,以两种不同方式添加一条自底向上的路径,并通过横向连接最终实现深浅层特征的双向融合,加快浅层信息流通,使得到的特征信息更加丰富.实验表明:改进后的算法在乳腺钼靶图像的肿块检测中具有良好的检测效果,既减少了漏检率,平均精度也提升了3.2%,并且相比其他出色的检测算法,也具有一定的优势.

关键词：乳腺钼靶肿块检测注意力机制双向特征融合

维普期刊数据库博看期刊

基于YOLOv3的乳腺X线图像肿块检测方法

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2024年第7期41卷 136-144页

作者：潘以轩陈智丽高皓张辉夏兴华沈阳建筑大学信息与控制工程学院辽宁沈阳110168

乳腺X线摄影术是目前国际上公认的有效的乳腺癌早期筛查手段。提出一种基于YOLOv3网络的乳腺X线图像肿块检测方法。该方法能够在保证精度的同时,以较快的速度一次完成对整幅图像中肿块的检测。应用迁移学习技术,将由数字化乳腺X线图像... 详细信息

乳腺X线摄影术是目前国际上公认的有效的乳腺癌早期筛查手段。提出一种基于YOLOv3网络的乳腺X线图像肿块检测方法。该方法能够在保证精度的同时,以较快的速度一次完成对整幅图像中肿块的检测。应用迁移学习技术,将由数字化乳腺X线图像学习到的肿块病变检测知识迁移到全域数字图像,有效解决了目前全域数字图像数据集缺乏的问题。使用五折交叉验证方法,在DDSM和INbreast数据集上进行实验验证,最终得到的五折间肿块检测平均准确率为81.34%。

关键词：深度学习 YOLOv3 乳腺X线图像肿块检测迁移学习

基于改进YOLOv4模型的乳腺钼靶图像肿块检测

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2023年第4期45卷 654-664页

作者：白钰杰裴以建朱秀军云南大学信息学院云南昆明650504

针对目前主流目标检测算法在乳腺钼靶图像的良恶性肿块目标检测中存在应用较少、检测准确率低和检测速度慢等问题,提出一种基于改进YOLOv4的乳腺钼靶图像肿块检测模型。该方法可以在一个框架中同时高效进行肿块的检测和分类。首先,引入... 详细信息

针对目前主流目标检测算法在乳腺钼靶图像的良恶性肿块目标检测中存在应用较少、检测准确率低和检测速度慢等问题,提出一种基于改进YOLOv4的乳腺钼靶图像肿块检测模型。该方法可以在一个框架中同时高效进行肿块的检测和分类。首先,引入了分流聚合双通道(JAnet)残差结构对模型的骨干网络进行改进;其次,引入深度可分离卷积来替换原YOLOv4模型中的标准卷积;最后,在后处理阶段提出了较大值求平均方法。以DDSM数据集作为训练集训练检测模型,并以INbreast数据集作为独立测试集。实验结果表明,提出的基于改进YOLOv4的乳腺钼靶图像肿块检测模型的Recall值、mAP值、FPS和AUC值相比原YOLOv4算法的分别提高了7.3%,6.45%,5.9 fps和13.02%。模型整体效果优于目前主流的目标检测模型的,体现出了良好的鲁棒性和有效性,可以在医师对乳腺癌临床诊断过程中发挥计算机辅助诊断作用。

关键词：肿块检测乳腺钼靶图像 JAnet 深度可分离卷积 YOLOv4

在线全文

学校读者我要写书评

暂无评论

乳腺钼靶X线肿块检测及分割方法

计算机应用 2015年第A01期35卷 262-266页

作者：董敏郭淼马义德兰州大学信息科学与工程学院兰州730000 郑州成功财经学院郑州451200

乳腺癌临床中最常见的病理征象是可疑的钙化点及肿块,钙化点的检测技术已经相对成熟,而对肿块进行检测及分割仍是众多学者研究的热点。首先简要介绍了乳腺癌的研究意义、现状及常用的乳腺X线图像库;其次针对目前乳腺肿块的热点研究,重... 详细信息

乳腺癌临床中最常见的病理征象是可疑的钙化点及肿块,钙化点的检测技术已经相对成熟,而对肿块进行检测及分割仍是众多学者研究的热点。首先简要介绍了乳腺癌的研究意义、现状及常用的乳腺X线图像库;其次针对目前乳腺肿块的热点研究,重点综述了最新的常用于乳腺肿块检测及分割的方法,对这些方法进行归类,并给出不同方法的优缺点;最后总结并讨论了乳腺X线图像中肿块检测及分割的发展趋势。

关键词：乳腺X线摄影计算机辅助检测与诊断肿块检测肿块分割

基于改进YOLOv4模型的乳腺钼靶图像肿块检测与诊断

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv4模型的乳腺钼靶图像肿块检测与诊断

作者：白钰杰云南大学

学位级别：硕士

乳腺癌是全球女性当中最常见的一类恶性肿瘤,它的发生率居于全球女性恶性肿瘤的前列且死亡率很高。在临床实践中,乳腺钼靶图像常被用于乳腺癌的早期筛查。为了准确检测和诊断乳腺癌的良恶性,放射科医师们每天必须筛查大量的乳腺钼靶图... 详细信息

乳腺癌是全球女性当中最常见的一类恶性肿瘤,它的发生率居于全球女性恶性肿瘤的前列且死亡率很高。在临床实践中,乳腺钼靶图像常被用于乳腺癌的早期筛查。为了准确检测和诊断乳腺癌的良恶性,放射科医师们每天必须筛查大量的乳腺钼靶图像。但是,仅仅依靠人工对肿块进行准确诊断面临着巨大挑战。因此,通过计算机视觉、深度学习等技术来辅助医师做出诊断是十分必要的,通过现代计算机科学技术可以给医师提供科学视角的第二种诊断意见,以协助医师们更加便捷高效地做出准确诊断。针对目前主流目标检测算法在乳腺钼靶图像的良恶性肿块目标检测中存在应用较少、检测准确率低和检测速度慢以及乳腺癌筛查得益于常规乳腺钼靶图像的多视角视觉分析,但因为技术发展的种种限制,目前现有关于乳腺癌目标检测模型未充分利用多视图信息融合分析等问题,本文主要以乳腺钼靶图像中的乳腺肿块为研究对象,根据乳腺肿块的特点并结合深度学习算法,针对以上问题,在以下两个方面开展研究:1.基于改进YOLOv4的乳腺钼靶图像肿块检测模型:为了提高乳腺钼靶图像目标检测的准确率和检测速度,提出一种基于改进YOLOv4的乳腺钼靶图像肿块检测模型。该方法可以在一个框架中同时高效进行肿块的检测和分类。首先,该检测模型引入了分流聚合双通道(JAnet)残差结构对模型的骨干网络进行改进;其次,利用深度卷积和点卷积替换原YOLOv4模型中的标准卷积;最后在后处理阶段提出了较大值求平均方法。实验结果表明,使用DDSM(Digital Database for Screening Mammography)数据集作为训练集以训练检测模型,并以INbreast数据集作为独立测试集,提出的基于改进YOLOv4的乳腺钼靶图像肿块检测模型的Recall值、m AP值、FPS、AUC值比原YOLOv4算法分别提高了7.3%、6.45%、5.9fps和13.02%。模型整体效果优于目前主流的目标检测模型,体现出了良好的鲁棒性和有效性,可以在医师对乳腺癌临床诊断过程中发挥计算机辅助诊断作用。2.基于改进YOLOv4匹配分类联合网络模型:乳腺癌筛查得益于常规乳腺钼靶图像的多视角视觉分析。在临床实践中,可以通过集成多视图信息来增强目标检测模型的鲁棒性,提高检测准确率。为了进一步提高乳腺钼靶图像目标检测的准确率并根据乳腺钼靶图像数据采集特点充分利用双视图之间存在的潜在信息,提出基于改进YOLOv4匹配分类联合网络模型。首先,通过Siamese网络对乳腺钼靶图像的乳腺头足位(CC)和乳腺侧斜位(MLO)两个视图对进行匹配度检测,并在匹配度检测网络中引入Mish激活函数以计算肿块间的相似度,得到双视图图像对的匹配度,提取符合匹配度阈值范围的图像区域以对肿块预先粗定位,然后将所有可能存在肿块的乳腺钼靶图像输入本文提出的基于改进YOLOv4的乳腺钼靶图像肿块检测模型中,对肿块进行精准定位和分类。实验结果表明:基于改进YOLOv4匹配分类联合网络模型通过充分利用多视图信息其检测精度优于最新同类目标检测模型,在INbreast数据集上,利用该模型对乳腺钼靶图像目标检测的Recall值达到93.22%,m AP值达到92.88%,AUC值达到97.93%,优于传统的单分类目标检测方法,相较于原YOLOv4模型Recall值提高9.1%,m AP值提高9.05%,AUC值提高13.72%。本文提出的基于改进YOLOv4匹配分类联合网络模型在乳腺钼靶图像肿块检测中有效降低了漏检率和误检率,证明了分类和匹配两个任务之间存在互补性,显示出双视图匹配对肿块目标检测任务性能提升的作用。该方法通过提供准确的双视图肿块对应关系提高了目标检测模型的定位精度和检测准确率,进一步指导临床医生在进行乳腺癌诊断时提供有效辅助诊断意见。

关键词：肿块检测乳腺钼靶图像 JAnet 双视图匹配 YOLOv4

基于深度学习的乳腺X线图像肿块检测方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的乳腺X线图像肿块检测方法研究

作者：张林林北京交通大学

学位级别：硕士

乳腺癌是女性最常见的癌症之一,其严重影响患者的生活质量。乳腺造影是筛查乳腺癌最常用的方法,在众多成像技术中,乳腺X线成像被广泛应用。肿块是乳腺癌最常见的表现形式之一,与正常组织相比,肿块区域在乳腺X线图像中亮度较高。由于筛... 详细信息

乳腺癌是女性最常见的癌症之一,其严重影响患者的生活质量。乳腺造影是筛查乳腺癌最常用的方法,在众多成像技术中,乳腺X线成像被广泛应用。肿块是乳腺癌最常见的表现形式之一,与正常组织相比,肿块区域在乳腺X线图像中亮度较高。由于筛查乳腺X线图像是一项耗时的工作,且检测结果多基于医生主观分析,缺少定量评价,因此基于图像处理和模式识别方法的计算机辅助诊断具有重要的研究意义。乳腺X线图像中肿块尺寸差异较大,肿块与腺体组织叠加,造成肿块与周围组织对比度较小,此外致密性乳腺中包含较多的腺体组织,使得检测结果中假阳性率偏高,因此肿块的自动检测是一项具有挑战性的工作。本章以西方以及我国乳腺图像为研究对象,深入研究基于深度学习的乳腺X线图像肿块检测方法,论文主要完成工作及创新点如下:(1)为解决检测网络对肿块尺寸敏感而造成检测性能不佳的问题,提出了一种基于显著性检测的单边图像肿块检测方法。为充分利用深度的语义信息和准确的空间信息,设计了一种多级连接的编码-解码器模块以融合不同层级的特征图。为保留显著性检测图的完整肿块区域并减少特征图的干扰信息,构建了一种级联的显著性检测图生成结构。实验结果表明,该方法可以实现不同尺寸的肿块检测,在肿块与背景信息对比明显的图像中具有较好的检测性能。(2)针对Anchor尺寸较难合理设定以及正负样本不平衡问题,提出了一种基于Anchor-Free(AF)思想的肿块检测网络。通过修改YOLOv3的输出为AF模式,避免了设置Anchor尺寸的问题。为提高边框回归的准确性,采用一般化交并比(Generalized Intersection over Union,GIo U)损失函数训练边框回归任务。为解决正负样本不平衡使网络性能退化问题,采用焦点损失(Focal loss,FL)函数优化目标预测损失。实验结果表明,相比基于Anchor的YOLOv3检测方法,该方法具有更好的肿块检测性能。(3)针对检测结果假阳性率偏高的问题,提出了一种基于双边分析的肿块检测方法。为实现无标注点情况下的双边乳腺图像配准,设计了一种自监督配准网络,该网络通过最大化图像相似性度量直接估计空间变换。为融合单边图像肿块检测和双边图像信息去除假阳性功能,将区域建议网络与孪生全连接网络相结合,设计了Siamese-Faster-RCNN检测网络。实验结果表明,相比于单边Faster-RCNN检测,Siamese-Faster-RCNN在不降低真阳性率的同时可有效降低假阳性率。

关键词：乳腺癌乳腺X线图像肿块检测深度学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度核哈希的乳腺X线图像肿块检测方法

基于深度核哈希的乳腺X线图像肿块检测方法

作者：吕鑫西安电子科技大学

学位级别：硕士

据癌症统计调查报告显示,乳腺癌在女性的恶性肿瘤新发病例中高居首位,并呈逐年上升的趋势,已成为危害女性健康的头号杀手,及早发现和诊断是预防乳腺癌最为有效的方法。面对大规模乳腺癌普查工作的复杂性,以及医生们能力经验和评判标准... 详细信息

据癌症统计调查报告显示,乳腺癌在女性的恶性肿瘤新发病例中高居首位,并呈逐年上升的趋势,已成为危害女性健康的头号杀手,及早发现和诊断是预防乳腺癌最为有效的方法。面对大规模乳腺癌普查工作的复杂性,以及医生们能力经验和评判标准存在差异性,计算机辅助检测系统被设计并广泛应用,其目的在于快速检测出可疑病变区域,辅助医生做出诊断决策,进而提高乳腺癌患者的存活率。面对乳腺X线图像中肿块的复杂度和模糊性,设计一种检测性能优异的肿块实时检测系统至关重要。为此,本文通过研究乳腺肿块的病理学特性,结合传统机器学习和深度学习等方法,自动检测并标记出可疑肿块区域,从而科学地辅助医生做出更好诊断。本文以监督核哈希,对边缘、纹理和梯度信息敏感的特征,以及卷积神经网络CNN为基础,深入研究了乳腺图像中可疑肿块区域的检测方法,主要工作概括如下:首先,本文提出基于多特征核哈希的肿块快速检测方法。通过对乳腺肿块的病理学特征研究,对乳腺图像分别提取HOG特征、分层加权Gist特征和卷积神经网络CNN特征,在监督核哈希KSH算法构造的核空间中,将多种特征进行融合,实现一种适于较大数据库的肿块检测方法。该方法拥有强大的肿块信息表征能力,并且充分利用标签信息实现监督学习,提高肿块检出率。凭借哈希算法的高效性,基于多特征核哈希的肿块检测系统能够进行实时检测,大大提高了该系统的实用性。其次,本文提出多层核哈希算法框架。在监督核哈希KSH算法中,原数据空间通过构造核空间实现降维,而在降维过程中将损失大量的有用信息,降低了编码精度。为了解决单层次映射导致的信息损失问题,本文构建多层次非线性映射框架,结合监督信息和损失函数,将映射后的信息量损失降到最小,实现从原始数据映射到二进制编码的过程中,学习得到的哈希编码之间保持原始数据之间的相似性,损失信息量最小化。提高编码精度,进而提升基于多层核哈希分类方法的准确度。最后,本文提出基于深度核哈希的乳腺肿块检测方法。为了能更精准地描述肿块特性,进一步降低误检率,本文基于卷积神经网络CNN模型和多层核哈希模型,搭建深度哈希监督学习框架。该框架拥有强大的肿块信息表达能力、学习能力和分类能力,有效地解决了高维数据线性不可分的问题,实现肿块检测系统整体性能的提升。实验结果表明,本文提出的基于深度哈希的乳腺X线图像肿块检测方法,能够高效地实现肿块检测与标记,在保证误检率较低的同时,进一步提高肿块检测性能。

关键词：乳腺图像肿块检测多特征核哈希深度核哈希卷积神经网络CNN