乳腺肿瘤超声图像的多特征提取及分类研究

发布时间：2022-02-05 03:56

　　目的乳腺肿瘤特征提取是超声乳腺肿瘤良恶性检测的重要部分,针对传统超声乳腺肿瘤良恶性量化特征描述存在不准确等缺点,研究了一种简单、准确的特征提取方法。方法提出一种新的边界特征提取方法,首先构造超声乳腺肿瘤的形状直方图,然后从局部的角度计算相关边界特征因子:最大曲率和、最大曲率峰值和、最大曲率标准差和;基于+边界特征、形状特征和纹理特征构建线性支持向量机（support vectormachine,SVM）分类器,用于乳腺肿瘤良恶性判别。结果边界特征判断良恶性乳腺肿瘤的准确率为82.69%,形状特征为73.08%,纹理特征为63.46%,多特征（边界特征、形状特征和纹理特征）为86.54%。结论边界特征相对于纹理特征和形状特征具有较高的分类准确性,结合三类特征的识别准确率最高,从多角度描述肿瘤良恶性,研究结果具有实用价值。 

【文章来源】：中国医疗器械杂志. 2020,44(04)

【文章页数】：8 页

【部分图文】：

超声乳腺肿瘤图

乳腺超声肿瘤特征提取包括三大类：边界特征、形状特征、纹理特征，为了避免肿瘤自动分割带来的误差，这里基于医生的勾画结果进行肿瘤分割，三类特征的计算基于肿瘤所在具体区域进行计算，如图2所示。1.2.1 基于形状直方图的边界特征提取

超声乳腺肿瘤的形状直方图实现流程图

【参考文献】：
期刊论文
[1]基于超声RF信号的乳腺肿瘤分级检测方法[J]. 童莹,严郁.  光电工程. 2019(01)
[2]基于改进边缘活动轮廓模型的超声图像分割[J]. 倪晓航,肖明波.  计算机工程与设计. 2018(06)
[3]实时超声造影对乳腺肿瘤BI-RADS分类的诊断价值分析[J]. 侯苏芸,崔可飞,付超,滑少华,张瑞芳.  实用癌症杂志. 2018(05)
[4]一种层次化的乳腺肿瘤分割方法[J]. 袭肖明,杜亨方,孟宪静,张春云,张光,于振,尹义龙.  南京大学学报(自然科学). 2018(01)
[5]超声弹性成像对非肿块型乳腺病变临床诊断价值的研究[J]. 常莹,杨敬春,葛晓玲,艾迪,何洋,王姮,王楠,张文怡,白雨晨.  中国医药科学. 2017(24)
[6]数据挖掘算法对乳腺肿瘤超声图像特征的优化及良恶性分类研究[J]. 孙梅,严传波,张雨,毕雪华.  科技通报. 2017(10)
[7]计算机辅助乳腺肿瘤分类方法研究与实现[J]. 朱一峰,柳海艳,董艳莉.  佳木斯大学学报(自然科学版). 2016(02)

硕士论文
[1]基于超声征象打分特征的乳腺肿瘤分类研究[D]. 陈永东.华南理工大学 2017
[2]基于显著性检测的乳腺超声图像全自动分割方法[D]. 陈徽文.哈尔滨工业大学 2016
[3]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



本文编号：3614517