乳腺肿瘤超声图像特征提取技术的研究

发布时间：2017-11-08 10:23

  本文关键词：乳腺肿瘤超声图像特征提取技术的研究

  更多相关文章： 乳腺肿瘤 超声图像 图像分割 自动分割 特征提取

【摘要】：乳腺肿瘤是当今社会中女性的一种常见、多发疾病,早发现、早诊断、早治疗是乳腺肿瘤疾病的防治原则。超声影像技术凭借其适应面广、价格低廉、无辐射、快捷及无创等特点,逐渐成为乳腺肿瘤早期筛查的重要工具。本文针对乳腺肿瘤超声图像,提出了一种准确、快速的自动分割算法,并从分割后的图像中提取可疑病变区的形态特征和纹理特征,进而为后期乳腺肿瘤的良恶性判别奠定基础,为乳腺肿瘤的临床诊断提供参考意见,提高诊断效率、降低误诊率和漏诊率。本文主要研究内容包含以下三部分:超声图像预处理、乳腺超声图像肿瘤边界的分割以及乳腺肿瘤超声图像的特征提取。在超声图像预处理部分,实验对比、分析了一些常用滤波模型在超声图像处理方面的降噪效果,并选择了在滤除噪声的同时,能保持图像边缘细节信息的各向异性扩散模型用于滤除乳腺超声图像中的斑点噪声。在乳腺超声图像肿瘤边界分割部分,首先提出了一种基于图割理论和基于距离正则化的水平集(Distance Regularized Level Set Evolution,DRLSE)模型相结合的半自动分割算法,解决了DRLSE模型迭代次数较多、演化速度较慢、容易陷入局部极小值和图割模型不能分割凹形区域的缺陷。接着,提出了一种基于Otsu阈值和改进CV模型的乳腺超声肿瘤自动分割算法,利用Otsu阈值分割算法对图像进行粗分割,结合形态学滤波、孔洞填充等后续处理自动获取肿瘤边界的大致轮廓;将粗分割的结果作为初始轮廓,并采用改进的CV模型对其进行演化,得到最终的分割结果。在乳腺肿瘤特征提取部分,结合临床诊断中常用的参数以及乳腺影像报告数据系统(BI-RADS)描述肿块的7个方面,提取了基于灰度共生矩阵和基于Tamura纹理的11个纹理特征和圆形度、纵横比、紧密度、平均方向数等7维形态特征。为了更好地找出类间区分能力较强的特征,本文引入了类间距的概念,并根据良恶性肿瘤特征间的类间距,挑选出具有最优分类能力的特征组合,为后续的肿瘤分类做准备。
【学位授予单位】：重庆理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TB559

【相似文献】

中国期刊全文数据库 前10条

1 赵元黎;吕晶;葛向红;姚淑霞;梁二军;;乳腺肿瘤周边组织的拉曼光谱研究[J];光谱学与光谱分析;2006年07期

2 钟瑾;施俊;周世崇;胡文婕;;基于分数阶Fourier变换的乳腺肿瘤纹理特征提取[J];上海大学学报(自然科学版);2012年03期

3 陈志宏;严壮志;刘书朋;;基于模糊自适应共振网络简化模型方法的乳腺肿瘤基因分类[J];上海大学学报(自然科学版);2006年04期

4 计钟;娄存广;杨思华;;三维微波热声成像系统及早期乳腺肿瘤检测研究[J];激光生物学报;2012年05期

5 夏厚军;王春艳;张海林;何保丽;角建林;陈策实;;自发性树，

本文编号：1156754