基于DCCNN的乳腺钼靶图像辅助分类系统的设计与研究

发布时间：2025-04-11 03:02

　　随着生活节奏和环境的不断变化,具有高发病率和高死亡率的乳腺癌已经成为最常见的癌症类型,正在严重威胁女性的生理健康和生命安全。由于乳腺癌发病机理的不确定性使乳腺癌在发病早期很难被发现。乳腺钼靶X线摄影检查是目前乳腺癌筛查的首选影像学检查方法,也是目前最简单、最可靠的检测方法。因此,本文将对乳腺钼靶X线摄影检查得到的乳腺钼靶图像作为研究对象,对其中的病变检测和分类进行研究,旨在辅助医生做出更加快速、准确的诊断,这对乳腺癌的早期诊断和治疗具有非常重要的意义。肿块和钙化是乳腺钼靶图像的主要阳性征象,但目前对其进行检测和分类的方法大多只针对肿块或钙化单独研究,没有将二者同时考虑在内。同时,现有方法还存在对病变的检测精度低、分类准确率不高等问题。随着科学技术的发展,人工智能(Artificial Intelligence,AI)技术在乳腺癌诊断中的研究越来越广泛,希望可以为他们提供客观依据以辅助诊断,所以本文使用深度学习方法对乳腺钼靶图像中的病变进行检测和分类。由于临床中乳腺病变不仅包含肿块,同时也包含钙化,为了提高乳腺癌筛查的准确率,本文将乳腺中的肿块和钙化同时考虑在内进行检测和分类:首先,选定深...

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图3-5预处理后

天津工业大学硕士学位论文34图3-5预处理后的乳腺钼靶图像3.2.2肿块和钙化的特征提取网络CNN可以自动提取乳腺钼靶图像中肿块和钙化的特征，网络层数较浅时，可以提取到轮廓、纹理等低级特征，当网络层数加深时，所提取出来的特征所代表的含义越丰富，对ROI的提取具有重要的作用。VGG....

图3-7数据集中的5类图像

天津工业大学硕士学位论文383.3.1图像预处理本节同样采用目标检测模型中的数据，与此同时又加入一些阴性数据，阴性数据来自DDSM，包含695个正常乳房图像，阳性数据来自CBIS-DDSM，包含753个钙化病例和891个肿块病例。本节对阴性图像随机截取尺寸为598×598的ROI....

图4-1乳腺钼靶

第四章实验结果与分析49(a)乳腺肿块(b)乳腺钙化图4-1乳腺钼靶图像的检测结果(2)本节采用不同的特征提取网络结构，使用训练集对FasterR-CNN目标检测模型进行不同迭代次数的训练，使用测试集对训练好的模型进行测试，得到不同迭代次数的训练模型下测试集的mAP值，如图4-2....

图4-2不同训练迭代次数下测试集的mAP值

第四章实验结果与分析49(a)乳腺肿块(b)乳腺钙化图4-1乳腺钼靶图像的检测结果(2)本节采用不同的特征提取网络结构，使用训练集对FasterR-CNN目标检测模型进行不同迭代次数的训练，使用测试集对训练好的模型进行测试，得到不同迭代次数的训练模型下测试集的mAP值，如图4-2....

本文编号：4039399