基于相关特征选择的乳腺钼靶图像肿块检测

论文摘要

近年来，乳腺癌已成为威胁女性健康的主要疾病之一，因此人们开始越来越重视对乳腺癌肿块的早期诊断，同时乳腺钼靶图像也被认为是辅助医师诊断最得力的助手，但当图像质量难以保证或某种人为失误的因素发生时，专家们很难识别图像中细微的病变，在探索治愈乳腺癌的过程中，研究人员发现在计算机辅助诊断(computer aideddiagnosis，CAD)技术的帮助下，不仅能识别图像中的细节部分，还能很大程度上提高诊断的正确率，继而为癌症的防治赢得一定的时间，并最终可以大幅度的降低死亡率和发病率。目前，数字钼靶图像已成为早期乳腺癌检测最有效的技术之一，本论文的目的在于使用一种基于相关的特征选择算法，以更有效地检测钼靶图像中的肿块。首先，利用基于地形表示的分割方法得到感兴趣区域，然后我们从感兴趣区域中提取纹理，亮度以及形状方面的特征。为了提高检测效率及其准确性，本文采用基于相关的特征选择方法优化得到的特征集并引入敏感代价的学习方法。最后，利用得到的特征子集训练BP神经网络，并将感兴趣区域划分为肿块与非肿块两部分。实验结果表明，与该领域一些较成熟的方法相比，本文提出的方法可以更有效的提高检测结果。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 引言
• 1.1 研究背景及意义
• 1.2 发展现状及应用
• 1.3 本文主要工作
• 第二章 乳腺钼靶成像及特征选择算法概述
• 2.1 乳腺钼靶成像原理
• 2.2 特征选择方法概述
• 第三章 乳腺钼靶图像肿块的检测
• 3.1 图像预处理
• 3.2 图像分割
• 3.3 特征提取
• 3.4 特征选择
• 3.5 样本分类
• 3.6 本章小结
• 第四章 实验结果
• 4.1 实验数据库
• 4.2 评价标准
• 4.3 实验结果及分析
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 在学期间公开发表论文及著作情况