微钙化灶的自动检测

论文题目: 微钙化灶的自动检测

论文类型: 硕士论文

论文专业: 生物医学工程

作者: 钱云霞

导师: 舒华忠

关键词: 微钙化灶,计算机辅助诊断,支持向量机,网络,小波变换,数学形态学,多容许度区域增长

文献来源: 东南大学

发表年度: 2005

论文摘要: 乳腺癌是严重威胁女性健康的恶性肿瘤,其发病率已居女性恶性肿瘤的首位。但人们对其发病机理知之甚少,提前预防可能性很小,所以在癌症早期阶段进行治疗是提高乳腺癌患者生存率的关键方法。乳腺钼靶片是乳腺癌早期诊断的可靠方法之一,30-50%的乳癌患者在乳腺钼靶检查中存在微钙化簇,60-80%的乳腺癌在历史检查中出现过钙化灶。钙化灶和乳腺癌的高度相关性表明,能够自动检测出微钙化灶的计算机辅助诊断系统对乳腺癌的早期诊断具有重大意义。为了提高原始图像的视觉效果,让医生更容易找到微钙化灶,本文首先探讨了钙化灶增强方法。采用高帽算法,部分小波变换,加权后部分小波系数重构三种方法对图像进行增强,并对增强结果采用对比度增强指标进行评估,得出加权后部分小波系数重构方法优于其它两种方法。钙化灶的自动检测是本文的重点也是一大难点。我们的方法包括三步。第一步采用加权后部分小波系数重构方法实现图像增强,得到微小结构增强的图像。第二步采用多容许度的区域增长方法分割得到潜在微钙化灶。为了得到区域增长的种子点,首先采用自适应全局阈值的方法对增强后的图像进行初分割,阈值的确定方法是使得图像中98%的像素归于背景。如果几个钙化灶点相距较近,自适应全局阈值不能将它们完全分离开,这一问题可以采用形态学腐蚀和条件阈值的方法进一步处理。然后取原始图像上对应于得到的二值图像上的每一个四连通区域中的最大灰度值点作为区域增长的种子点。第三步,计算潜在微钙化灶的四个特征:面积、紧致度、边界线的离心率、对比度,采用神经网络和支持向量机两种方法来分类以降低假阳性率。最后我们以3.2×3.2mm2内是否存在三个或以上钙化灶,检测出微钙化簇。

论文目录:

摘要

ABSTRACT

第一章绪论

1.1 课题背景及意义

1.2 国内外研究现状

1.3 本文的组织

参考文献

第二章微钙化灶的增强

2.1 概述

2.2 预处理

2.3 微钙化增强

2.3.1 数学形态学

2.3.2 小波分析简介

2.3.2.1 一维小波变换

2.3.2.2 图像二维小波变换

2.3.2.3 基于小波变换微钙化灶增强

2.4 实验结果与结论

参考文献

第三章微钙化灶的自动分割

3.1 概述

3.2 微钙化灶的分割

3.2.1 微钙化灶分割方法简介

3.2.2 基于多容许度区域增长的分割

3.2.2.1 种子点的获取

3.2.2.2 多容许度区域增长

3.3 结果分析

参考文献

第四章微钙化灶特征提取及分类

4.1 概述

4.2 特征提取

4.3 基于BP 神经网络分类

4.3.1 人工神经网络模型

4.3.2 人工神经网络的分类及学习方式

4.3.3 BP 网络的原理

4.3.4 BP 网络样本的选择及组织

4.3.5 影像诊断结果评估

4.3.6 构造BP 神经网络

4.4 基于支持向量机分类

4.4.1 支持向量机简介

4.4.1.1 线性支持向量机

4.4.1.2 非线性支持向量机

4.4.2 构造支持向量机

4.4.3 调节支持矢量机的敏感度

4.5 支持向量机分类结果和钙化簇的检测

参考文献

第五章总结与展望

5.1 总结

5.2 展望

致谢

发布时间: 2007-06-11

参考文献

[1].颅咽管瘤钙化灶的元素组成与微观结构的研究及其临床意义[D]. 刘洋.南方医科大学2010
[2].是否保留肩袖对肩巨大钙化性肌腱炎手术疗效的影响[D]. 贺业腾.山东大学2008
[3].FFDM与超声萤火虫技术及DBT对乳腺微钙化显示的对比研究[D]. 张珍珍.山西医科大学2018
[4].BI-RADS 3-5类乳腺微钙化灶X线与MRI影像学表现对比研究[D]. 高子梅.河北医科大学2017
[5].乳腺X线影像报告与数据系统4级微钙化病变的超声应用研究[D]. 王文韬.南方医科大学2014

微钙化灶的自动检测

猜你喜欢