针对乳腺X线图像的乳腺癌症检测方法

发布时间：2023-03-31 19:26

　　乳腺癌具有发病率高、死亡率高的特点,已成为威胁妇女健康和生命的主要疾病。乳腺癌的早期筛查和早期诊断是挽救患者生命最有效的方法。乳房X线检测是乳腺癌筛查中最重要的影像学检查方法。早期乳腺癌的影像学特征尚不明确。其密度分类、微钙化检测和肿块良恶性分类是早期乳腺癌筛查的主要难点。它很容易受到医生的主观影响,易发生误诊和漏诊。随着计算机技术的不断发展,计算机辅助检测乳腺癌已成为医学影像学研究的一个热点领域。有效的计算机辅助检测方法可以帮助医生更好地分析乳房X线照片,提高乳腺癌诊断的准确性。本研究将计算机视觉与机器学习相结合,构建了一种乳腺癌检测算法。研究工作概括如下:(1)提出了一种基于小波变换的乳腺X线图像乳腺密度分类算法。乳腺密度高的女性患乳腺癌的风险是低密度的4⁵倍。本研究在专业医师指导下,乳腺密度的分析研究分为三个阶段:首先,将乳腺图像分别进行去噪处理和自适应直方图均衡化处理,再进行小波技术融合前者,增强不同密度乳腺的灰度直方图特征。然后,通过多次迭代来确定乳腺区域的阈值,并得到标准二值化乳腺X线图像,计算图像黑白像素的比值得乳腺密度。我们根据乳腺影像报告和数据系...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题背景及课题意义
    1.2 国内外研究现状
        1.2.1 乳腺密度分类算法的研究现状
        1.2.2 乳腺钙化检测算法的研究现状
        1.2.3 乳腺肿块良恶性分类算法的研究现状
    1.3 数据集
    1.4 性能评价指标
    1.5 本文主要研究内容与结构安排
    1.6 本文结构安排
第2章 相关理论介绍
    2.1 小波变换基本理论
    2.2 SVM算法基本理论
    2.3 深度学习基本理论
        2.3.1 VGG网络模型
        2.3.2 ResNet网络模型
        2.3.3 Inception网络模型
        2.3.4 Xception网络模型
        2.3.5 DenseNet网络模型
    2.4 小结
第3章 基于小波变换的乳腺密度分类算法
    3.1 引言
    3.2 图像预处理
        3.2.1 灰度归一化
        3.2.2 直方图均衡化
        3.2.3 中值滤波
        3.2.4 小波变换图像融合
    3.3 图像阈值分割
    3.4 密度分类
    3.5 实验结果及讨论
    3.6 本章小结
第4章 基于ASVM的乳腺钙化检测算法
    4.1 引言
    4.2 图像预处理
    4.3 K均值聚类分割
    4.4 特征提取
    4.5 自适应支持向量机
    4.6 实验结果及讨论
    4.7 本章小结
第5章 基于微调网络的乳腺肿块良恶性分类算法
    5.1 引言
    5.2 迁移学习算法
    5.3 乳腺肿块良恶性分类算法流程
    5.4 实验参数设置
    5.5 实验结果及讨论
    5.6 本章小结
第6章 总结与展望
    6.1 研究工作总结
    6.2 未来的工作展望
参考文献
致谢
个人简历、在学期间发表的学术论文及研究成果



本文编号：3775652