基于特征融合的乳腺肿瘤超声图像辅助诊断研究

发布时间：2021-09-03 17:12

　　乳腺疾病在女性疾病中居第一位,对乳腺疾病的有效检查对于医生和患者有着不可取代的作用。目前,超声检查是诊断乳腺肿瘤最常用的方法,但是对于较小肿瘤的良恶性识别较为困难,且由于医生的主观因素,容易漏诊和误诊,因此要实现对乳腺癌的诊断,需要丰富的临床经验。随着科学技术的发展,通过计算机技术对乳腺肿瘤进行辅助诊断已成为当前研究热点。本文针对乳腺肿瘤超声图像的特点,从图像预处理、分割、特征提取和选择、分类识别四个方面对乳腺肿瘤辅助诊断技术进行分析研究。由于超声图像存在的散斑噪声问题,提出一种乳腺肿瘤超声图像去噪的新方法:结合各向异性扩散模型,减少传统双边滤波的迭代次数;引入补偿函数和指数函数对加权核函数进行改进,控制傅里叶系数收缩速度。实验对比分析了小波变换、传统双边滤波以及改进后算法的去噪效果。结果表明,本文提出的改进双边滤波算法,在峰值信噪比、结构相似度以及运行时间上均优于其它两种算法。在图像分割过程中,针对传统分水岭算法的“过分割”问题,利用基于各向异性扩散的分水岭算法对图像进行分割。在预处理阶段,利用直方图均衡化增强图像对比度,并通过形态学进行预处理;在处理过程中,结合Otsu算法计算阈值... 

【文章来源】：燕山大学河北省

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

乳腺肿瘤超声图像边界标定图

提的改进算法对图像进行去除噪声，并真实验对比。本章分别以 3 例不同类型了更加直观清晰地观察到图像去噪后的对于良性肿瘤图像，不同去噪算法a) 纤维肿瘤加噪 b) 小波变换去噪 e) 乳头状瘤加噪 f) 小波变换去噪

乳腺恶性肿瘤图

【参考文献】：
期刊论文
[1]基于Tamura纹理特征提取和SVM的多模态脑肿瘤MR图像分割[J]. 李娜,熊志勇,谢瑾,彭川,任恺.  中南民族大学学报(自然科学版). 2018(03)
[2]基于双域滤波与引导滤波的快速医学MR图像去噪[J]. 艾玲梅,任阳红.  光电子·激光. 2018(07)
[3]图像分割方法在医学领域中的应用[J]. 郑彩侠,张同舟,孙长江,刘景鑫.  中国医疗设备. 2018(06)
[4]基于模糊逻辑和区域合并的分水岭变换图像分割[J]. 林振荣,黎嘉诚,刘九畅,俞鹏飞,李建民.  南昌大学学报(工科版). 2018(01)
[5]特征选择研究综述[J]. 黄铉.  信息与电脑(理论版). 2017(24)
[6]基于自适应标记分水岭算法的肝脏CT图像自动分割[J]. 黄展鹏,张琦,赵洁.  北京生物医学工程. 2017(04)
[7]基于CT图像统计纹理特征的甲状腺结节识别技术[J]. 彭文献,刘晨彬,夏顺仁,陈益红,刘蕊.  航天医学与医学工程. 2017(04)
[8]图像增强算法综述[J]. 王浩,张叶,沈宏海,张景忠.  中国光学. 2017(04)
[9]基于形态学滤波的标记分水岭脑肿瘤图像分割[J]. 王伏增,汪西原,宋佳乾.  宁夏大学学报(自然科学版). 2017(01)
[10]基于Local Jet变换空间纹理特征的肺结节分类方法[J]. 代美玲,祁瑾,周仲兴,高峰.  中国生物医学工程学报. 2017(01)

博士论文
[1]医学图像特征提取方法及应用研究[D]. 肖哲.电子科技大学 2017
[2]图像质量评价主客观一致性的研究[D]. 张虎.武汉大学 2014
[3]乳腺X线影像的计算机辅助诊断新方法研究[D]. 王瑞平.天津大学 2003

硕士论文
[1]乳腺肿瘤图像的识别方法研究[D]. 李珊珊.鲁东大学 2018
[2]MRF模型在乳腺癌计算机辅助诊断中的应用研究[D]. 张琦.太原理工大学 2018
[3]医学磁共振图像去噪算法研究与实现[D]. 任阳红.陕西师范大学 2018
[4]基于联合双边滤波的图像去噪与融合方法研究[D]. 任芬.西安电子科技大学 2017
[5]基于深度学习的乳腺癌早期诊断研究[D]. 李静.杭州电子科技大学 2017
[6]一种改进的基于标记的分水岭方法在脑肿瘤MRI图像分割上的应用[D]. 杨瑞雪.山东中医药大学 2016
[7]基于小波与双边滤波的SAR图像去噪算法研究[D]. 张飞.西北大学 2016
[8]乳腺肿瘤超声图像特征提取技术的研究[D]. 刘磊.重庆理工大学 2016
[9]改进的混合双域图像去噪和基于融合差异图及边缘分类的SAR图像变化检测[D]. 刘金华.西安电子科技大学 2015
[10]超声弹性成像在乳腺肿瘤诊断中的应用研究[D]. 张永亮.东北大学 2015



本文编号：3381521