基于SVM的乳腺图像微钙化簇检测算法的研究

论文摘要

本文对乳腺图像的微钙化簇检测做了深入研究,提出了一种基于非采样Contourlet变换和支持向量机的微钙化点簇检测算法,有效的提高了检测微钙化簇的正确率。乳腺X线图像是目前检测乳腺癌的有效工具,而乳腺图像中微钙化点是早期乳腺癌的重要征象,因此乳腺图像微钙化的检测在乳腺癌的早期诊断中有很重要的地位。本文研究内容主要有以下方面：(1)针对乳腺X线图像对比度低的特点,提出了一种基于非采样Contourlet变换的乳腺X图像增强方法,该方法能有效的抑制噪声和极易造成干扰的高亮线型结构,同时增强钙化点。(2)为了降低微钙化检测中的假阳性率,提出了在图像的非采样Contourlet变换域中提取其有效特征,作为SVM分类器的输入。实验表明与小波变换相比,在非采样Contourlet变换域中提取的图像特征能更好的表示图像信息。(3)为了检测出乳腺图像是否正常以及异常的严重程度是良性还是恶性(即微钙化点是否成簇),本文中采用了两级SVM分类器。第一级的分类器判定乳腺图像是否正常即是否含有微钙化点,若正常则直接输出结果,若为异常则通过第二级的分类器进行判定其严重程度。实验表明,本文提出的算法相对于传统算法有较好的实用性,能有效的检测出异常的乳腺X图像,并对其病变程度进行分类,为乳腺癌计算机辅助检测提供了新的方法。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景及研究意义
• 1.2 国内外研究进展及现状
• 1.2.1 计算机辅助检测医学图像研究现状
• 1.2.2 乳腺X图像微钙化点簇检测
• 1.2.3 乳腺X图像微钙化检测发展趋势
• 1.3 本文的内容安排
• 第二章 基于非采样Contourlet变换的乳腺图像增强
• 2.1 乳腺图像增强
• 2.2 非采样的Contourlet变换
• 2.2.1 Contourlet变换
• 2.2.2 非采样的Contourlet变换
• 2.3 用非采样Contourlet变换对乳腺图像增强
• 2.4 对乳腺图像增强的实验结果比较
• 2.5 本章小结
• 第三章 基于SVM的乳腺图像微钙化簇检测
• 3.1 支持向量机
• 3.1.1 支持向量机的理论支持
• 3.1.2 支持向量机分类原理
• 3.1.3 支持向量机的特点
• 3.2 乳腺图像预处理
• 3.2.1 ROI选择
• 3.2.2 乳腺图像增强去噪
• 3.3 基于SVM的乳腺微钙化检测
• 3.3.1 样本生成
• 3.3.2 特征向量提取
• 3.3.3 样本SVM训练
• 3.3.4 实验结果与分析
• 3.4 乳腺图像微钙化簇分类
• 3.4.1 样本获取与SVM训练
• 3.4.2 实验结果与分析
• 3.5 小结
• 第四章 总结与展望
• 4.1 主要结论
• 4.2 研究展望
• 参考文献
• 在读期间所发论文
• 致谢