乳腺X线计算机辅助诊断关键技术研究

发布时间：2017-06-29 13:09

  本文关键词：乳腺X线计算机辅助诊断关键技术研究，，由笔耕文化传播整理发布。

【摘要】： 乳腺X线成像是检测早期乳腺癌的主要手段。利用计算机辅助医师阅读X线乳腺图像,减轻医师在阅片时的负担,进而提高乳腺癌诊断的准确率具有重要的临床意义。本文主要介绍了在乳腺图像计算机辅助诊断技术的研究方面的工作,包括关于乳腺轮廓分割、图像增强、肿块异常ROI快速检测。 乳腺轮廓提取的目的在于将乳腺区域从背景中分离出来,减少背景对算法稳定性的干扰,同时也减少了运算量。本课题结合直方图统计技术,利用双阈值法将乳腺图像分成三个部分,再利用分水岭找出脊线,即乳腺轮廓。乳腺图像增强的目的在于加强乳腺图像的对比度,使异常区域更加突出。一方面,图像增强强化乳腺的针状特征,尤其是恶性的肿块区域,血管异常丰富,通过增强可以使后续的算法更容易辨识出恶性肿块;另一方面,我们的乳腺图像增强工作,可以方便医师快速定位异常区域,减少医师的工作量。 在乳腺区域提取和图像增强的基础上,我们对乳腺区域进行快速搜索,寻找可疑肿块区域中心。肿块区域特点是由中心向外围灰度递减,同时恶性肿块往往还伴随有针状特征。在这里我们主要利用多尺度下的图像梯度信息表现针状特征,即被观察点周围像素灰度下降速率和梯度方向的向心率的统计,进行全局搜索,从而找到可疑区域。算法的评价标准是将搜索获得的肿块中心与医师标记的肿块区域进行比较,评价结果显示我们的算法基本能将肿块全部搜索出来。在第五章中我们给出了实验结果。 上述系统的开发工作是在实验室完成的,使用了美国乳腺X线图像库的数据,若能结合医院临床的实践将更有价值,同时临床应用也是我们的目标。
【关键词】：乳腺X线成像 乳腺癌 计算机辅助诊断技术 ROI快速检测
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：R816.4;TP391.41
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 概述9-17
• 1.1 研究目的和意义9-10
• 1.2 乳腺癌及诊断原理10-14
• 1.2.1 乳腺癌的诊断概况10-12
• 1.2.2 乳腺癌在X 线下的表现特征12-13
• 1.2.3 乳腺X 片诊断难点13-14
• 1.3 国内外研究现状14-15
• 1.4 本文的创新点15-17
• 第二章 自动检测系统的实现与原理17-23
• 2.1 乳腺癌肿块CAD 研究整体设计17-21
• 2.1.1 乳腺图像数据库建立18-20
• 2.1.2 乳腺肿块特征分析20
• 2.1.3 主要算法介绍20-21
• 2.2 本章小结21-23
• 第三章 乳腺数字图像去噪和乳腺轮廓提取23-36
• 3.1 乳腺图像特征23-26
• 3.2 数学形态学和分水岭变换26-30
• 3.3 轮廓提取算法30-34
• 3.3.1 迭代值法和乳腺灰度估计30-32
• 3.3.2 双阈值法获得分水岭变换的“种子”32-33
• 3.3.3 分水岭变换获得边界33-34
• 3.4 本章小结34-36
• 第四章 乳腺区域线性特征增强36-42
• 4.1 乳腺图像针状特征增强36-39
• 4.1.1 灰度线性变换法36-37
• 4.1.2 高通滤波法37-38
• 4.1.3 加权平均的图像增强融合的实现38-39
• 4.2 试验结果与讨论39-41
• 4.3 本章小结41-42
• 第五章 乳腺肿块异常区域中心检测42-59
• 5.1 ROI 快速检测42-49
• 5.1.1 ROI 特征选择42-46
• 5.1.2 非人工干预的ROI 搜索算法的设计46
• 5.1.3 预处理46-47
• 5.1.4 合并相邻种子点47-48
• 5.1.5 计算一阶梯度向心率48-49
• 5.2 肿块异常区域检测结果及讨论49-58
• 5.3 本章小结58-59
• 第六章 总结与展望59-62
• 6.1 工作总结59-60
• 6.2 工作展望60-62
• 参考文献62-65
• 致谢65-67

【引证文献】

中国硕士学位论文全文数据库 前4条

1 苏晓娟;基于SVM的乳腺图像微钙化簇检测算法的研究[D];兰州大学;2011年

2 闫胜武;基于小波变换的图像融合技术研究[D];兰州大学;2012年

3 朱景升;基于乳腺X射线片的肿块检测方法研究[D];华中科技大学;2012年

4 李男;基于PCA的乳腺肿块辅助诊断方法研究[D];沈阳工业大学;2013年

  本文关键词：乳腺X线计算机辅助诊断关键技术研究，由笔耕文化传播整理发布。

本文编号：497980