超声弹性成像在乳腺肿瘤诊断中的应用研究

发布时间：2017-10-20 03:32

  本文关键词：超声弹性成像在乳腺肿瘤诊断中的应用研究

  更多相关文章： 乳腺肿瘤 计算机辅助诊断系统 弹性特征 支持向量机 交叉验证

【摘要】：乳腺癌是女性最常见的恶性肿瘤之一,其发病率已居女性恶性肿瘤首位,并且呈逐年上升趋势。因此,对乳腺癌的诊断和治疗已经引起了医学界的广泛重视。报告显示早期乳腺癌多数是可以治愈,其五年生存率可以达到90%以上,因此早期发、早治疗就显得很必要。近年来,乳腺癌的死亡率却有明显的下降。原因是超声弹性成像技术的应用以及乳腺计算机辅助诊断系统(CAD)的介入,更加有效的发现潜在肿块,大大提高乳腺疾病的诊断精度,对乳腺癌的治愈有着重大意义。本文主要研究了超声弹性成像技术在乳腺肿瘤分类中的诊断方法。乳腺肿块是乳腺肿瘤的重要症状,因此本文提取肿块的弹性特征及纹理特征,作为判断肿块良恶性的重要依据。本文设计一套乳腺肿块特征的自动提取方法,利用支持向量机(SVM)分类器完成分类,实现乳腺肿块的诊断。研究思路是:第一,获取图像数据,并完成乳腺图像的预处理;第二,对肿块弹性信息进行图像重建;第三,运用水平集方法实现肿瘤区域自动分割;第四,实现肿块特征提取,根据乳腺肿块图像弹性方面信息,本文提取五个弹性特征来描述肿瘤的属性;根据乳腺肿块的纹理特征,提取了肿块的四个灰度共生矩阵特征;根据肿块的形状变化情况,提取了圆度特征;总共提取十个特征,作为肿块分类依据;第五,对SVM方法进行研究,包括SVM的理论基础、核函数的介绍,将SVM技术应用到乳腺肿块分类中,完成对乳腺肿块的诊断。采用上述方法对195幅乳腺图像进行检测,应用交叉验证的方法对SVM进行训练识别,使得到的SVM分类结果具有较高的可靠性,并且最终取得了有一定意义的实验结果,为进一步的研究奠定了较好的基础。
【关键词】：乳腺肿瘤 计算机辅助诊断系统 弹性特征 支持向量机 交叉验证
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R737.9;R445.1
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 绪论9-13
• 1.1 课题研究的背景及意义9
• 1.2 国内外研究状况9-11
• 1.3 本文研究内容11-13
• 第2章 乳腺癌概况及诊断方法13-26
• 2.1 乳腺癌概况13-14
• 2.2 影像学诊断方法14-17
• 2.3 乳腺肿瘤的超声诊断方法17-20
• 2.4 超声弹性成像技术20-22
• 2.4.1 UE的简介及原理20-21
• 2.4.2 UE技术在乳腺肿块中的临床诊断应用21
• 2.4.3 UE技术在乳腺肿块诊断中的前景与展望21-22
• 2.5 乳腺CAD系统22-24
• 2.5.1 乳腺辅助诊断系统的研究现状22-23
• 2.5.2 乳腺CAD系统的内部组成23-24
• 2.5.3 乳腺辅助诊断系统存在的问题24
• 2.6 研究思路24-25
• 2.7 本章小结25-26
• 第3章 乳腺图像预处理26-39
• 3.1 数据采集26
• 3.2 图像预处理26-28
• 3.3 弹性信息图像重建28-30
• 3.3.1 图像重建简介28-29
• 3.3.2 弹性图像重建结果29-30
• 3.4 肿瘤区域自动分割30-38
• 3.4.1 图像分割简介30-35
• 3.4.2 肿瘤区域自动分割35-38
• 3.5 总结38-39
• 第4章 可疑区域特征提取39-49
• 4.1 软硬区域自动界定39-40
• 4.2 弹性特征提取40-43
• 4.3 灰度共生矩阵特征43-46
• 4.4 形状特征(圆度)与UE诊断标准46-48
• 4.5 本章小结48-49
• 第5章 可疑区域的分类49-62
• 5.1 SVM基本理论49-56
• 5.1.1 SVM的研究现状50-51
• 5.1.2 SVM分类算法介绍51-54
• 5.1.3 核函数54-55
• 5.1.4 SVM的特点55-56
• 5.2 交叉验证56-57
• 5.3 特征选择标准57-61
• 5.4 本章小结61-62
• 第6章 结果与分析62-68
• 6.1 病理结果62
• 6.2 实验结果62-66
• 6.2.1 均值及t分布参数62-63
• 6.2.2 分类准确率(精度)及曲线下面积AUC63-65
• 6.2.3 ROC曲线65-66
• 6.3 数据分析66-67
• 6.4 本章小结67-68
• 第7章 总结与展望68-70
• 7.1 工作总结68-69
• 7.2 展望69-70
• 参考文献70-74
• 致谢74

【相似文献】

中国期刊全文数据库 前5条

1 姚宇华,严洪,熊江辉;基于灰度共生矩阵特征的对模拟微重力条件下心肌细胞骨架的图像分析[J];航天医学与医学工程;2003年06期

2 高园园;傅蓉;邝勇;吕庆文;;基于灰度共生矩阵的腹部图像分类与检索[J];医疗卫生装备;2012年03期

3 巩萍;王阿明;;基于灰度共生矩阵和人工神经网络的肺癌CT图像的分类研究[J];生物医学工程与临床;2013年06期

4 朱福珍;吴斌;;基于灰度共生矩阵的脂肪肝B超图像特征提取[J];中国医学影像技术;2006年02期

5 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 王亚军;李德胜;苏少昌;王希军;;基于灰度共生矩阵的光盘测量[A];第十二届全国光学测试学术讨论会论文（摘要集）[C];2008年

2 黄勃;李乃民;刘春雨;张大鹏;王宽全;林晓东;张宏;王淑英;张宏志;;基于灰度共生矩阵的中医虚实证舌象分类研究[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

3 卢易枫;;基于灰度共生矩阵的金刚石瑕疵自动识别技术研究[A];经济策论（上）[C];2011年

4 赵亚伟;周晨波;王同乐;王刚;郭冰;刘华;;基于灰度共生矩阵的连续多幅非平面散斑图像特征研究[A];第十三届全国光学测试学术讨论会论文（摘要集）[C];2010年

5 陈明丽;黄咏红;单洁玲;杨永明;秦茜淼;王怡;;探讨适用于大鼠肝纤维化声像图纹理灰度共生矩阵分析的构造因子[A];2010年超声医学和医学超声论坛会议论文集[C];2010年

6 苏慧;费树岷;;基于多分辨率分析及灰度共生矩阵的织物纹理识别[A];第25届中国控制会议论文集（下册）[C];2006年

7 马德新;杨帆;侯景忠;高金乔;;基于灰度共生矩阵的掌纹识别技术研究[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

8 高砚军;徐华平;;基于窗口自适应灰度共生矩阵的SAR图像分类[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

9 蒋圣;羌鑫林;汪闽;;基于灰度共生矩阵改进的纹理分割算法[A];江苏省测绘学会2007年学术年会论文集[C];2008年

10 严洪;姚宇华;熊江辉;;基于灰度共生矩阵和分形的细胞骨架图像的分析[A];第十二届全国图象图形学学术会议论文集[C];2005年

中国博士学位论文全文数据库 前2条

1 张娟;基于图像分析的梅花种类识别关键技术研究[D];北京林业大学;2011年

2 刘成霞;模拟实际着装的织物折皱测试及等级评价方法研究[D];浙江理工大学;2015年

中国硕士学位论文全文数据库 前10条

1 袁森林;基于纹理分析的羊绒羊毛鉴别[D];东华大学;2016年

2 井寒;面向X光胸片的尘肺病灶辅助检测系统研究[D];西北大学;2015年

3 童逸舟;基于图像处理的智能割草机器人路径规划研究[D];浙江理工大学;2016年

4 杨龙飞;基于局部二值模式和灰度共生矩阵的纹理特征提取技术研究[D];兰州大学;2016年

5 李天棋;皮肤表面粗糙度检测技术的研究[D];东北林业大学;2016年

6 杨建;基于灰度共生矩阵的癌细胞识别技术研究[D];长春理工大学;2016年

7 王华峰;基于灰度共生矩阵的冲击断口形貌分析[D];济南大学;2016年

8 刘启全;基于线阵相机的哈密瓜分级机改进设计与试验研究[D];新疆农业大学;2016年

9 林泽通;利用CT影像的肺功能评估关键问题研究[D];东北大学;2011年

10 崔蕊;基于肝脏超声图像的脂肪肝计算机辅助诊断研究[D];南阳师范学院;2017年

，

本文编号：1065026