基于多尺度空间金字塔集成的乳腺影像肿块检测方法研究

发布时间：2017-10-25 05:22

  本文关键词：基于多尺度空间金字塔集成的乳腺影像肿块检测方法研究

  更多相关文章： 乳腺癌 多尺度空间金字塔集成 深度卷积神经网络 多目标遗传算 特征选择 特征学习

【摘要】：近年来,随着人们生活水平的不断提高,人们对身体的健康越来越关注,这使得医生的工作负担也越来越重,尤其对于放射科医生来说大量的检查不但加重他们的工作量更会降低检查的准确率。而医学影像技术的迅速发展,使人体各部位的观察更直接、更清晰,这为医学影像的计算机辅助诊断提供了更优厚的条件。本文在前人研究的基础上,对乳腺X射线影像完成了以下工作:1.针对乳腺X射线影像中对可疑的病灶区域的选取以及检测问题,本文提出了一种基于多尺度空间金字塔集成的乳腺X射线影像中的肿块检测方法。首先,对目标影像进行多尺度切分处理,当得到各个尺度的子图像块后,对子图像块提取特征,输入进选好的分类器中对数据进行分类,最后将分类器输出的结果采取集成操作,得到最终的可疑病变区域,方便后续精确检测。2.在本文第一部分运用了多尺度划分对整幅图像进行切分后,含有肿块的区域相比于正常区域的子图像块数量上较少,这便存在数据不平衡的问题导致分类结果中出现假阳性,所以,为了降低肿块检测的假阳性,本章将多目标遗传算法引入到肿块检测中,本文提出了一种基于多目标遗传算法和空间金字塔的的乳腺X射线影像中的肿块检测方法。在对图像进行多尺度空间金字塔切分处理之后,提取每个切片的特征,再利用多目标遗传算法对初级特征进行特征选择,解决了乳腺X射线影像中可疑的病灶区域与正常区域存在数量不平衡的问题,并降低了肿块检测的虚检率。3.针对乳腺影像中可疑的病灶区域的特征与背景区域的特征的差异性不是很大,依旧基于第一个创新点,本文提出了一种基于深度卷积神经网络和空间金字塔的乳腺X射线影像中的肿块检测方法。我们深度卷积神经网络(CNN)引入到肿块检测中,并且结合多尺度空间金字塔,训练一个CNN络模型,让它学习到各个尺度子图像块的高级特征,实现了一种基于CNN网络和多尺度空间金字塔集成方法来解决乳腺影像中肿块的检测问题。
【关键词】：乳腺癌 多尺度空间金字塔集成 深度卷积神经网络 多目标遗传算 特征选择 特征学习
【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
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 缩略语对照表9-12
• 第一章 绪论12-18
• 1.1 课题研究背景与意义12-13
• 1.2 医学影像处理方法的研究进展13-14
• 1.3 乳腺疾病影像学基础及影像学表现14-15
• 1.3.1 常规X射线成像原理14-15
• 1.3.2 乳腺癌的影像学表现15
• 1.4 论文的主要工作和内容安排15-18
• 第二章 基于多尺度空间金字塔集成的乳腺影像肿块检测18-32
• 2.1 引言18-19
• 2.2 医学影像的特征提取方法19-24
• 2.2.1 灰度共生矩阵19-21
• 2.2.2 灰度-梯度共生矩阵21-23
• 2.2.3 Hu矩23-24
• 2.3 多尺度空间金字塔集成24-26
• 2.3.1 空间金字塔划分25
• 2.3.2 多尺度集成25-26
• 2.4 基于多尺度空间金字塔集成的乳腺影像肿块检测方法26-28
• 2.4.1 乳腺影像的预处理26
• 2.4.2 空间金字塔划分26-27
• 2.4.3 多尺度集成27-28
• 2.5 实验结果及分析28-30
• 2.5.1 不平衡数据分类评价指标28
• 2.5.2 实验结果与分析28-30
• 2.6 本章小结30-32
• 第三章 基于多目标遗传算法和空间金字塔的乳腺影像肿块检测32-42
• 3.1 引言32
• 3.2 多目标遗传算法32-36
• 3.2.1 带精英策略的非支配排序遗传算法33
• 3.2.2 快速非支配排序法33-34
• 3.2.3 拥挤度比较算子34-35
• 3.2.4 精英策略35-36
• 3.2.5 NSGA-Ⅱ的算法流程36
• 3.3 基于多目标遗传算法和空间金字塔的乳腺影像肿块检测方法36-38
• 3.3.1 空间金字塔划分37
• 3.3.2 运用NSGA-Ⅱ进行特征选择37-38
• 3.3.3 多尺度集成38
• 3.4 实验结果及分析38-40
• 3.5 本章小结40-42
• 第四章 基于深度卷积神经网络和空间金字塔的乳腺影像肿块检测42-54
• 4.1 引言42
• 4.2 卷积神经网络42-47
• 4.2.1 稀疏连接43
• 4.2.2 权重共享43-44
• 4.2.3 最大池采样44
• 4.2.4 Softmax回归44-46
• 4.2.5 卷积神经网络整体架构46-47
• 4.3 基于深度卷积神经网络和空间金字塔的乳腺肿块检测方法47-49
• 4.3.1 空间金字塔划分48
• 4.3.2 深度卷积神经网络的网络模型构建48-49
• 4.3.3 多尺度集成49
• 4.4 实验结果及分析49-51
• 4.4.1 实验结果49-50
• 4.4.2 结果分析50-51
• 4.5 本章小结51-54
• 第五章 总结54-56
• 致谢56-58
• 参考文献58-62
• 作者简介62-63

【相似文献】

中国重要会议论文全文数据库 前4条

1 奚以成;;多尺度空间数据集成快速匹配显示方法[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年

2 李宗林;刘瑶;姚兴苗;胡光岷;;分布式隐蔽流量异常的多尺度空间检测[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

3 刘吉平;崔炜炜;;别拉洪河流域湿地变化的多尺度空间自相关分析[A];中国地理学会百年庆典学术论文摘要集[C];2009年

4 应荷香;;多尺度空间数据库一致性快速更新的研究[A];第十四届华东六省一市测绘学会学术交流会论文集[C];2012年

中国硕士学位论文全文数据库 前5条

1 潘，

本文编号：1092268