基于相关向量机的致密型乳腺X线图像微钙化点簇检测方法研究

发布时间：2019-05-30 08:04

【摘要】：乳腺癌是当今女性健康的第一杀手,及时发现和早期治疗能有效降低其发病和死亡率。目前,乳腺钼靶X线检查被认为是乳腺癌早期诊断最可靠且最有效的方法,放射科医师通过观察乳腺X线图像中是否存在微钙化点簇来进行判断。利用计算机技术自动检测乳腺X线图像中的微钙化点簇能够有效地辅助放射科医师提高早期乳腺癌检测的精准度及效率。当前微钙化点簇检测方法大多基于国外非致密型乳腺X线图像,致密型乳腺X线图像中复杂的腺体组织使得图像对比度变低,当前检测方法检测其微钙化点簇的精度还有待提高。相关向量机(Relevance Vector Machine,简称RVM)是结合马尔科夫性质、贝叶斯原理、自动相关决定先验和最大似然等理论的基于概率预测的稀疏贝叶斯学习模型,其具有能够提供概率性预测和任意使用核函数等优点。基于此,本论文对相关向量机模型进行改进,提出了一种基于旋转方法的改进相关向量机模型,并将其应用于致密型乳腺X线图像中微钙化点簇的检测以期提高致密型乳腺X线图像中微钙化点簇的检测精度。论文完成的主要工作和创新点有:(1)针对相关向量机模型训练过程中微钙化点个数有限、易出现学习不充分等问题,本文提出了一种基于旋转方法的改进相关向量机模型。该模型首先通过交叉验证法优化核函数的参数,然后通过分析训练样本中样本特点,将旋转方法应用于相关向量,并将旋转后相关向量加入到原有训练样本中,以此增加训练样本特征差异性和训练样本个数。(2)针对致密型乳腺X线图像中微钙化点簇检测精度不高的问题,本文将改进相关向量机模型应用于致密型乳腺X线图像微钙化点簇的检测中。首先手动选取图像库中致密型乳腺X线图像,对高通滤波等预处理增强后的致密型乳腺X线图像提取特征向量并训练得到相关向量,然后将相关向量进行特定旋转变化后加入原有训练样本构成新的训练样本集,接着用新训练样本集训练的改进相关向量机模型对致密型乳腺X线图像进行检测,将检测出的微钙化点进行分簇,最后用自由响应受试者工作特征(FROC)曲线对算法检测性能进行评价。实验结果表明改进后的相关向量机模型能够有效提高致密型乳腺X线图像中微钙化点簇的检测精度。
[Abstract]:......
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：R197.1;TP391.41

【参考文献】

相关期刊论文 前10条

1 郑丹;马尚昌;赵静;;基于空域滤波的图像增强法的探讨[J];微型机与应用;2017年04期

2 邹晓辉;;基于Logistic回归的数据分类问题研究[J];智能计算机与应用;2016年06期

3 彭庆涛;吴水才;高宏建;曹红光;;基于小波分析和灰度纹理特征的乳腺X线图像微钙化点区域的提取[J];北京生物医学工程;2015年05期

4 胡局新;张功杰;;基于K折交叉验证的选择性集成分类算法[J];科技通报;2013年12期

5 王建伟;卜文娟;;k-近邻算法在肝癌检测中的应用[J];电脑知识与技术;2013年34期

6 姚畅;陈后金;Yang Yong-Yi;李艳凤;韩振中;张胜君;;基于自适应核学习相关向量机的乳腺X线图像微钙化点簇处理方法研究[J];物理学报;2013年08期

7 杨阳;张健;李爱东;;早期乳腺癌的诊断及治疗进展[J];现代生物医学进展;2012年31期

8 姜婷婷;李志;汪登斌;柴维敏;;MRI对X线上致密型乳腺中乳腺癌的诊断价值[J];中国医学计算机成像杂志;2012年04期

9 关雪梅;;基于空域的图像增强技术研究[J];赤峰学院学报(自然科学版);2012年08期

10 许敏恒;林玮;;致密型乳腺X线图像CAD系统研究进展[J];自动化与信息工程;2007年04期

相关博士学位论文 前6条

1 李艳凤;多视角乳腺X线图像的乳腺癌检测与分类方法研究[D];北京交通大学;2015年

2 张胜君;基于乳腺X线图像的乳腺癌检测方法研究[D];北京交通大学;2013年

3 李艳梅;图像增强的相关技术及应用研究[D];电子科技大学;2013年

4 柳长源;相关向量机多分类算法的研究与应用[D];哈尔滨工程大学;2013年

5 吴冰;相关向量回归元建模关键技术及其应用研究[D];国防科学技术大学;2011年

6 王磊;乳腺钼靶X光片上微钙化点的计算机辅助检测技术的研究[D];浙江大学;2010年

相关硕士学位论文 前5条

1 刘莉;相关向量机核函数研究及其在污水系统中的应用[D];华南理工大学;2016年

2 彭庆涛;基于乳腺X线图像的微钙化点检测算法研究[D];北京工业大学;2015年

3 王蓉;图像增强算法实现[D];长江大学;2014年

4 陈梦旭;乳腺X线图像增强算法研究[D];上海交通大学;2014年

5 王国才;朴素贝叶斯分类器的研究与应用[D];重庆交通大学;2010年

，

本文编号：2488665