基于哈希的乳腺X线图像病变区域检测与分析

发布时间：2017-07-18 10:10

  本文关键词：基于哈希的乳腺X线图像病变区域检测与分析

  更多相关文章： 乳腺图像 哈希 成对多维度BoW 分层加权Gist特征 多特征融合

【摘要】：随着社会的发展和生活质量的提升,女性乳腺癌发病率呈逐年上升的趋势,已成为危害全球女性健康的第二大癌症杀手。计算机辅助检测系统旨在通过检测出可疑病变区域,辅助医生做出最终的诊断决策,从而提高乳腺癌患者的存活率和生活质量。肿块是乳腺癌主要表征之一,因此肿块检测是计算机辅助诊断中关键的步骤。由于肿块形态各异,乳腺图像尺寸庞大,设计一种普适于大数据库的实时肿块检测系统至关重要。为此,本文通过研究乳腺肿块的病理特性,结合人工智能、机器学习等方法自动检测并标记出可疑肿块区域并进行概率预测,从而科学地辅助医生更好的进行诊断。本文以哈希、基于内容的图像检索以及基于语义的特征为基础,深入研究了乳腺图像中疑似病变区域的检测方法。主要工作概括如下:首先,本文提出了一种基于哈希的肿块快速检测方法。通过对多种哈希算法的研究,将HOG特征与KSH算法进行结合,设计出一种普适于各种肿块类型和大数据库的肿块检测方法。该方法能有效的解决乳腺图像分类的线性不可分性,并且充分利用已有的监督信息提高肿块检出率。由于哈希算法的高效性,该方法能够实现计算机辅助检测系统的实时性,提高了检测算法的实用性。其次,为更准确描述出肿块特性,提出两种乳腺图像特征提取方法:成对多维度BoW和分层加权Gist特征。成对多维度Bo W对传统BoW模型进行多维拓展,结合肿块生长分布特性,实现将位置信息与局部特征信息融合;分层加权Gist特征对全局Gist特征进行分层细化,根据肿块延伸趋势,增强细节纹理特性。本文提出的两种特征提取方法能够有效的针对乳腺图像进行肿块特征描述。最后,为更好地辅助医生做出最终的诊断,提出了一种基于多特征融合哈希的检索分析方法,实现对可疑区域的概率预测与分析。该方法对肿块检测方法得到的可疑区域提取多种不同的特征,从不同角度对图像进行更全面的表达。为了更科学地辅助医生进行诊断,本方法引入图模型理论,得到基于多特征融合哈希的检索结果,构建概率预测模型,预测出可疑区域是肿块的可能性大小,降低检测假阳个数,实现检测系统整体性能的提升。实验结果表明,本文提出的基于哈希的快速病变区域检测与分析方法,能够更好地区分肿块区域与正常组织,在保证假阳性率较低的同时,提高肿块检测性能。
【关键词】：乳腺图像 哈希 成对多维度BoW 分层加权Gist特征 多特征融合
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41;R737.9;R730.44
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-20
• 1.1 研究背景及意义14-16
• 1.1.1 研究背景14-15
• 1.1.2 研究意义15-16
• 1.2 国内外研究现状16-17
• 1.2.1 乳腺肿块CAD系统研究现状16-17
• 1.2.2 乳腺肿块CAD系统的发展趋势17
• 1.3 研究内容及章节安排17-20
• 第二章 图像特征提取方法与哈希算法理论20-28
• 2.1 图像特征提取方法20-24
• 2.1.1 基于梯度的特征20-21
• 2.1.2 词袋模型21-22
• 2.1.3 基于场景信息的特征22-24
• 2.2 哈希算法理论24-27
• 2.2.1 图像哈希算法概述24-25
• 2.2.2 图像哈希算法中的经典算法25-26
• 2.2.3 图像哈希算法的应用26-27
• 2.3 本章小结27-28
• 第三章 基于哈希的肿块快速检测方法28-46
• 3.1 引言28
• 3.2 乳腺钼靶图像预处理方法28-32
• 3.2.1 乳腺钼靶图像预处理流程28-31
• 3.2.2 可疑病变区域检测方法框架31-32
• 3.3 基于哈希的可疑病变区域检测方法32-38
• 3.3.1 滑动窗检测结构32-34
• 3.3.2 基于哈希的分类算法34-37
• 3.3.3 可疑区域优化标记方法37-38
• 3.4 实验结果分析38-44
• 3.4.1 实验数据库简介39
• 3.4.2 特征对比实验及结果分析39-40
• 3.4.3 肿块检测对比实验及结果分析40-44
• 3.5 本章小结44-46
• 第四章 基于多特征融合哈希的乳腺图像检索与分析46-60
• 4.1 引言46
• 4.2 成对多维度词袋模型46-49
• 4.3 分层加权Gist特征49-51
• 4.4 基于多特征融合哈希的疑似肿块检索与分析51-55
• 4.4.1 基于内容的图像检索51-52
• 4.4.2 基于多特征融合哈希的可疑肿块分析52-55
• 4.5 实验结果分析55-59
• 4.6 本章小结59-60
• 第五章 总结与展望60-64
• 5.1 总结60-61
• 5.2 展望61-64
• 参考文献64-68
• 致谢68-70
• 作者简介70-71

【相似文献】

中国重要会议论文全文数据库 前5条

1 张维克;孔祥维;尤新刚;;安全鲁棒的图像感知哈希技术[A];第七届全国信息隐藏暨多媒体信息安全学术大会论文集[C];2007年

2 夏斌;王斌;关志峰;;一种基于多维哈希链的M-Commerce微支付方案[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

3 尚凤军;潘英俊;;一种双哈希IP数据包分类算法研究[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 吴万烽;王汝传;黄海平;孙力娟;;Sead协议哈希链机制的分析与改进[A];第十一届保密通信与信息安全现状研讨会论文集[C];2009年

5 蒋惠萍;杨晨雨;袁杰;;基于深空网络化感知系统抗功耗快速哈希验证方法研究[A];中国宇航学会深空探测技术专业委员会第五届学术年会论文集[C];2008年

中国博士学位论文全文数据库 前3条

1 李金凤;基于感知哈希及数字水印的音频认证技术研究[D];西南交通大学;2015年

2 张慧;图像感知哈希测评基准及算法研究[D];哈尔滨工业大学;2009年

3 刘兆庆;图像感知哈希若干关键技术研究[D];哈尔滨工业大学;2013年

中国硕士学位论文全文数据库 前10条

1 周新生;一种面向用户的无线局域网冗余消除机制[D];上海交通大学;2015年

2 汪胜圣;基于哈希的大规模多标签图像搜索方法研究[D];山东大学;2016年

3 梁小龙;关于拓扑保持的哈希方法研究[D];山东大学;2016年

4 杨W，

本文编号：557185