检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于SVM算法的乳腺图像钙化点检测方法

科技导报 2009年第1期27卷 56-59页

作者：单净徐晶张秋杰黑龙江科技学院数力系哈尔滨150027

提出了一种基于支持向量机(SVM)算法的钙化点检测方法。通过对乳腺图像进行预处理并提取可能含有微钙化点的感兴趣区域(ROI),对样本ROI进行小波变换确定优化参数,利用SVM检测微钙化点。试验中研究了SVM参数的选取对分类效果的影响,并利... 详细信息

提出了一种基于支持向量机(SVM)算法的钙化点检测方法。通过对乳腺图像进行预处理并提取可能含有微钙化点的感兴趣区域(ROI),对样本ROI进行小波变换确定优化参数,利用SVM检测微钙化点。试验中研究了SVM参数的选取对分类效果的影响,并利用ROC评估准则对SVM的检测效果进行评估。结果表明,SVM在微钙化点检测中是有效的,解决了目前微钙化点检测中普遍存在的假阳性率高、效率低的问题。

关键词：支持向量机乳腺图像钙化点检测 ROC评估准则

基于尺度空间滤波的乳腺X线图像微钙化点检测及辅助诊断技术研究

在线全文

学校读者我要写书评

暂无评论

基于尺度空间滤波的乳腺X线图像微钙化点检测及辅助诊断技术研究

作者：刘敏华燕山大学

学位级别：硕士

乳腺癌是妇女常见的恶性肿瘤,防治的关键在于早期的诊断和治疗。目前,实现乳腺癌早期诊断的关键技术之一是及时发现乳腺X线影像中的微小钙化并判断其是否有恶化倾向,这主要是因为细小、颗粒状的成簇钙化点是乳腺癌一个重要早期表现。因... 详细信息

乳腺癌是妇女常见的恶性肿瘤,防治的关键在于早期的诊断和治疗。目前,实现乳腺癌早期诊断的关键技术之一是及时发现乳腺X线影像中的微小钙化并判断其是否有恶化倾向,这主要是因为细小、颗粒状的成簇钙化点是乳腺癌一个重要早期表现。因此,不断提高微小钙化点的检出率和准确判别其恶性度已成为众多学者孜孜以求的目标。本文在分析微钙化图像特征基础之上,研究了乳腺X线图像增强、微钙化点检测定位以及病变类型诊断算法。首先,为解决乳腺图像微钙化信息受背景组织以及噪声影响而可视性差的问题,提出一种基于形状选择性滤波和自适应背景抑制的乳腺钙化图像增强算法。利用形状选择性滤波器提取出潜在非线状钙化信息,将钙化图像分为前景和背景区域,通过对背景信息对比度进行自适应抑制,同时对前景钙化信息进行对比度增强处理,达到有选择地实现乳腺钙化图像中关键信息的可视化增强。其次,为解决乳腺图像微钙化点检出率较低和假阳性较高的问题,提出一种基于多尺度空间滤波和l1范数最近邻分类的乳腺图像微钙化点检测算法。利用尺度空间滤波方法得到原图像多尺度显著特征图,通过基于人眼视觉特性的钙化点分割方法得到粗检测钙化点二值图像,并提取有效特征送入l1范数最近邻分类器进行判决,达到去除假阳性点的目的。最后,在微钙化点检测基础上,根据良性和恶性钙化在形态、大小、分布等方面存在的差异,分析提取微钙化簇特征信息,并送入第二级l1范数最近邻分类器进行分类判决,达到准确提取微钙化簇并进行病变类型识别的目的。

关键词：乳腺图像钙化点检测形状选择性滤波尺度空间滤波 l1范数最近邻分类器计算机辅助诊断

一种基于Top-hat的乳腺图像中钙化点的检测方法

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

中国图象图形学报 2006年第12期11卷 1839-1843页

作者：董妍高新波王颖西安电子科技大学电子工程学院西安710071

钙化点是乳腺癌早期的一个主要放射学征象。为了实现数字乳腺图像中钙化点的自动检测,提出了一种基于Top-hat算子的钙化点检测方法。该方法采用形态学中的Top-hat算子对图像的背景进行抑制,然后结合孤立钙化点的灰度、纹理和对比度等特... 详细信息

钙化点是乳腺癌早期的一个主要放射学征象。为了实现数字乳腺图像中钙化点的自动检测,提出了一种基于Top-hat算子的钙化点检测方法。该方法采用形态学中的Top-hat算子对图像的背景进行抑制,然后结合孤立钙化点的灰度、纹理和对比度等特征对乳腺图像中的钙化点进行检测。与一般的检测方法相比,这种方法能够有效地检测到强背景中的弱小钙化点目标,而且检测结果贴近于钙化点病灶的真实形状。

关键词： Top-hat算子钙化点检测计算机辅助诊断

基于神经网络的乳腺钙化点形态学检测算法研究

在线全文

学校读者我要写书评

暂无评论

基于神经网络的乳腺钙化点形态学检测算法研究

作者：董妍西安电子科技大学

学位级别：硕士

乳腺癌是一种常见高发的恶性肿瘤,防治的关键在于早期的诊断和治疗。目前,乳腺钼靶X线摄影是诊断乳腺癌的首选方法,簇化的钙化点是乳腺恶性肿瘤在X线图像上的主要表现之一。由于钙化点非常小而且形态各异,即使在分辨率很高的X线图像中,... 详细信息

乳腺癌是一种常见高发的恶性肿瘤,防治的关键在于早期的诊断和治疗。目前,乳腺钼靶X线摄影是诊断乳腺癌的首选方法,簇化的钙化点是乳腺恶性肿瘤在X线图像上的主要表现之一。由于钙化点非常小而且形态各异,即使在分辨率很高的X线图像中,也很难用肉眼有效地识别出来。因此,随着医学影像设备的进步和计算机技术的飞速发展,计算机辅助检测微小钙化点成为乳腺癌早期诊断课题中的研究热点之一。为了能够有效地检测出乳腺X线图像中的微钙化点,本文在前人研究的基础上,提出了一种包含三个模块的钙化点自动检测系统模型。首先,提出了一种X线图像中自动提取乳腺区域的方法,不仅减小了胶片上背景区域对后续检测的影响,而且简化了处理的过程;根据钙化点在X线图像中的影像学特征,选取基于多分辨率小波变换和独立分量分析(ICA: Independent Component Analysis)的方法对钙化点进行描述,在此基础上,采用经典的BP神经网络对待分辨感兴趣区域(ROI: Region of Interest)进行判别,其中的待分辨感兴趣区域来自于对乳腺区域的分块;为了在感兴趣区域中检测到钙化点的精确位置,提出了一种基于Top-hat形态学处理的自动检测方法,通过背景的抑制以及提取孤立钙化点的灰度、纹理和对比度等特征,有效地检测出了感兴趣区域中的微钙化点。为了验证本文提出的检测算法的有效性,对其中的每个模块都进行了仿真实验。实验结果表明,这种检测方法具有良好的实用性和鲁棒性,能够有效地检测出乳腺图像中的感兴趣区域以及其中的微钙化点,提高了乳腺癌计算机辅助检测的性能。

关键词：计算机辅助检测钙化点检测小波变换独立分量分析 Top-hat算子

前景与背景分离的直方图重调整乳腺图像增强的新方法

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

光学技术 2005年第6期31卷 868-870页

作者：胡正平吴燕张晔哈尔滨工业大学通信电子工程系图像信息处理研究所黑龙江哈尔滨150001 燕山大学通信电子工程系河北秦皇岛066004

提出了前景与背景分离的直方图重调整乳腺图像增强的新方法。首先利用高阶统计特征,并结合数学形态学方法检测出钙化点的感兴趣区域,得到了可靠性较高的前景图像,剩余部分设定为背景图像;然后分别对前景和背景的直方图进行重调整,得到... 详细信息

提出了前景与背景分离的直方图重调整乳腺图像增强的新方法。首先利用高阶统计特征,并结合数学形态学方法检测出钙化点的感兴趣区域,得到了可靠性较高的前景图像,剩余部分设定为背景图像;然后分别对前景和背景的直方图进行重调整,得到了对比度增强的钙化点图像。通过与常规的增强方法进行比较发现,所提出的方法目标明确,能够较好的抑制非目标区域的影响。该方法在支持向量学习钙化点检测的预处理中得到了应用,较好的检测性能证实了算法的合理性。

关键词：医学图像增强直方图重调整钙化点检测

在线全文

学校读者我要写书评

暂无评论

超声乳腺肿瘤辅助诊断关键技术研究

超声乳腺肿瘤辅助诊断关键技术研究

作者：任丽南京邮电大学

学位级别：硕士

乳腺癌是全球女性发病率最高、危害最大的恶性疾病之一,早期筛查和及早治疗是降低死亡率的有效方法。超声检查凭借其无辐射、无创伤、价格低廉、便于携带等优点,已经成为乳腺癌早期筛查的一种重要手段。在传统超声检查中,医生根据临床... 详细信息

乳腺癌是全球女性发病率最高、危害最大的恶性疾病之一,早期筛查和及早治疗是降低死亡率的有效方法。超声检查凭借其无辐射、无创伤、价格低廉、便于携带等优点,已经成为乳腺癌早期筛查的一种重要手段。在传统超声检查中,医生根据临床实践经验,分析超声图像中的乳腺肿瘤特征,并与BI-RADS(Breast Imaging Reporting And Data System)标准相匹配,从而实现乳腺肿瘤的临床诊断。这是一个主观判断过程,不同医生由于操作手法、临床经验、知识水平、疲劳程度等方面的差异,对同一病灶的诊断结果有可能完全不同。因此,如何利用计算机辅助诊断系统提高医生疾病解释的一致性,降低误诊率和漏诊率,在乳腺癌早期筛查中具有十分重要的研究价值和临床意义。鉴于此,本文从乳腺肿瘤的良恶性分类、BI-RADS分级检测和钙化点检测三个方面进行研究,提出一些改进算法,旨在辅助医生对超声乳腺肿瘤进行准确诊断。具体工作内容如下:(1)针对传统量化特征描述乳腺肿瘤形态不准确等缺点,提出一种新形态量化特征提取方法,首先从超声乳腺肿瘤原图中分割出乳腺肿瘤区域,获取乳腺肿瘤边缘;采用椭圆或圆拟合乳腺肿瘤轮廓,两者相减得到超声乳腺肿瘤的形状直方图;最后基于形状直方图设计出描述乳腺肿瘤的三个新的形态量化特征:最大曲率和、最大曲率峰值和、最大曲率标准差和。采用SVM(Support vector machine)分类器在71张超声乳腺肿瘤恶性图片和121张良性图片上进行实验,得到新形态量化特征判别良恶性乳腺肿瘤的准确率为82.69%,传统形态量化特征为73.08%。实验结果表明新形态量化特征相对于传统形态量化特征具有较高的分类准确性。(2)针对超声乳腺肿瘤BI-RADS分级图像的原始数据样本个数极度不平衡以及不同分级肿瘤特征区分度不明显等问题,设计出CH-ResNeSt50神经网络用以提高超声乳腺肿瘤BI-RADS分级诊断的准确性。该网络是在ResNeSt50(Residual Split-Attention Network 50)网络的基础上进行改进,通过增加跨层连接支路(Cross-layer connection branch,CLC)模块与多尺度混合空洞卷积(Hybrid Dilated Convolution,HDC)模块提高不同分级乳腺肿瘤特征的区分度。在1543张超声乳腺肿瘤图片(3级774张,4A级207张,4B级178张,4C级150张,5级234张)上实验,CH-ResNeSt50的识别准确率为81.18%,相比原始网络ResNeSt50提高了5.3%。实验结果表明,相比于ResNeSt50,最终的优化网络模型CH-ResNeSt50对于超声乳腺肿瘤BI-RADS分级检测有更加准确的分级效果。(3)在乳腺癌早期筛查中,超声乳腺肿瘤钙化点的准确检测对辅助医生进行准确诊断具有重要临床研究价值。针对该问题,本文提出了一种基于多尺度超像素分割的超声乳腺肿瘤钙化点检测方法。首先,采用多尺度超像素分割算法对不同大小的肿瘤区域进行划分,并根据区域之间的灰度分布不均匀和纹理对比度检测弱钙化点,以保证检测出的超声乳腺肿瘤钙化点边界尽可能贴近真实目标边缘。其次,基于原始图像进行单尺度超像素分割,通过比较灰度值差异和钙化灰度距离特征来检测强钙化点,以保证检测出的钙化点准确可靠。最终,通过结合强和弱钙化点获得最终目标准确且边缘紧致的钙化点。本文提出的检测算法可以有效检测超声乳腺图像中的钙化点,检测良恶性病例中钙化点的准确性可以达到81.8%。

关键词：超声乳腺肿瘤计算机辅助诊断良恶性分类 BI-RADS分级钙化点检测残差神经网络超像素分割