MRF模型在乳腺癌计算机辅助诊断中的应用研究

发布时间：2020-12-02 18:42

　　目前乳腺癌疾病已经逐渐发展成为发病率最高的危害女性健康的疾病之一,通过积极检查并获得初期治疗,能够有效降低乳腺癌死亡率。在以往人工阅片诊断乳腺肿块良恶性过程中,诊断结果很大程度上依赖于医师的经验,同时由于视觉疲劳等原因导致医师诊断过程中的诊断错误、遗漏的现象时有发生。随着计算机科学技术的发展,医学计算机辅助诊断系统出现,并在很大程度上降低诊断结果对医师经验的依赖,可以对医学图像做出客观的分析,极大提高了医师诊断的效率及准确率,对提高乳腺癌检出率使患者获得及时有效的治疗具有重要的意义。提取图像中的肿块部分是乳腺癌计算机辅助诊断系统实现良恶性分类的基础。针对常用点对马尔科夫随机场（Markov RandoField,MRF）分割算法中采用简单先验模型,在对乳腺钼靶X图像中的乳腺肿块分割时产生的过分割问题,提出一种基于简单线性迭代聚类（SimpleLinear Iterative Cluster,SLIC）算法改进的MRF分割算法。该算法第一步采用SLIC算法将图像预分割为局部区域一致性较高的超像素块,根据超像素区域的特征构建对应的邻域系统并构建MRF,以超像素区域代替像素点作为分割单位实现... 

【文章来源】：太原理工大学山西省 211工程院校

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 图像分割算法研究现状
        1.2.2 特征提取算法研究现状
        1.2.3 肿块良恶性检测研究现状
    1.3 课题来源及主要研究内容
        1.3.1 本文主要研究内容
        1.3.2 本文章节安排
第二章 医学图像处理相关理论
    2.1 乳腺钼靶X图像处理基本流程
    2.2 医学图像分割算法
        2.2.1 基于阈值的分割方法
        2.2.2 基于区域的分割方法
        2.2.3 基于边缘信息的分割方法
        2.2.4 基于图的分割方法
    2.3 医学图像的特征提取
        2.3.1 灰度特征
        2.3.2 形状特征
        2.3.3 纹理特征
    2.4 分类器介绍
        2.4.1 Fisher线性判别分类器
        2.4.2 随机森林分类器
        2.4.3 K-近邻分类器
    2.5 本章小结
第三章 基于改进的MRF乳腺钼靶肿块分割算法
    3.1 乳腺钼靶图像的预处理
        3.1.1 去除背景干扰区域
        3.1.2 乳腺钼靶图像去噪处理
    3.2 乳腺钼靶图像SLIC预分割
        3.2.1 SLIC预分割算法
        3.2.2 预分割算法步骤
    3.3 基于SLIC的MRF分割算法
        3.3.1 构建基于正六边形超像素的邻域系统
x的MRF模型">        3.3.2 构建基于邻域系统N_x的MRF模型
        3.3.3 Gibbs分布与MRF等价性
        3.3.4 乳腺钼靶X图像分割算法
    3.4 实验结果与分析
        3.4.1 分割效果
        3.4.2 定量分析
    3.5 本章小结
第四章 乳腺肿块特征提取及分类
    4.1 乳腺肿块特征提取
        4.1.1 灰度特征的提取
        4.1.2 形状及边缘特征的提取
        4.1.3 基于改进的LBP算法提取纹理特征
    4.2 支持向量机
    4.3 实验结果与分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文总结
    5.2 研究展望
参考文献
致谢
攻读学位期间发表的学术论文



本文编号：2895578