基于卷积神经网络的乳腺肿瘤良恶性鉴定技术研究

发布时间：2020-07-18 18:58

【摘要】：世界卫生组织调查统计显示,在所有女性恶性肿瘤中,乳腺癌的发病率高居首位,严重威胁着女性的健康。目前乳腺癌病症临床表现多样,给医生的诊断增加了难度,为了降低乳腺癌的恶化致死率,论文在对目前乳腺癌计算机辅助诊断系统研究的基础上,设计乳腺肿瘤良恶性分类模型,为医生的诊断提供了可靠的依据,同时有效的提高诊断效率。本文开展的主要工作包括:(1)设计基于核遗传模糊聚类算法的乳腺肿块分割方法,实现了准确分割乳腺肿块区域。从合作医院获取相关数据并在医生的指导下完成数据库的构建与乳腺肿瘤的良恶性标记,本文使用小波变换处理去除图像中的噪声。利用遗传算法优化核模糊聚类算法的聚类中心,提取乳腺肿块区域分割轮廓。(2)提出基于迁移学习的卷积神经网络的乳腺肿瘤良恶性分类方法,完成了乳腺肿瘤的良恶性鉴定。该方法将迁移学习引入到深度学习中,通过利用开源的大数据集ImageNet预训练深度卷积神经网络优化网络初始参数,解决了因已标记乳腺X线图像数量不足,导致大规模卷积神经网络易陷入过拟合的难点。实验仿真证明,基于核遗传模糊聚类算法对乳腺X线图像肿块的分割精度、过分割率、欠分割率分别为94.75%、0.27%、3.56%。且最终对乳腺肿瘤良恶性分类准确率、敏感度、特异性、F1-Measure分别为90.8%、89.8%、89.9%和88.4%。算法可以在一定程度上为乳腺肿瘤分类诊断提供一定参考。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R737.9;TP183
【图文】：

上的初始轮廓，最后，利用局部活动轮廓模型对粗分割的结果进行精细化处理，验验证了这种分割方法有更高的分割精度和鲁棒性。针对成像过程中，固有的噪伪影斑点多、低对比度等特点，杨宜等［２７］在ＣＶ和ＬＢＰ模型优点的基础上，了动态变化制导的全局信息和局部信息的方法，在能量曲线演化过程中，权重系动态更新。在乳腺Ｘ线图像上的实验结果表明，较之其它方法，该算法分割更，分割速度更快，临床实用性更强。逡逑

图２４深度置信网络逡逑Ｆｉｇ．２－４邋Ｄｅｅｐ邋Ｂｅｌｉｅｆ邋Ｎｅｔｗｏｒｋ逡逑

图２－５ＬｅＮｅｔ网络逡逑Ｆｉｇ．２－５邋ＬｅＮｅｔ邋ｎｅｔｗｏｒｋ逡逑

【参考文献】

相关期刊论文 前10条

1 周莉莉;姜枫;;图像分割方法综述研究[J];计算机应用研究;2017年07期

2 侯晓凡;吴成茂;;一种嵌入局部信息的快速KFCM聚类分割算法[J];计算机工程与应用;2017年13期

3 江贵平;秦文健;周寿军;王昌淼;;医学图像分割及其发展现状[J];计算机学报;2015年06期

4 胡少波;王海霞;;乳腺肿瘤X线摄影临床价值分析[J];医学影像学杂志;2015年04期

5 余滨;李绍滋;徐素霞;纪荣嵘;;深度学习:开启大数据时代的钥匙[J];工程研究-跨学科视野中的工程;2014年03期

6 余凯;贾磊;陈雨强;徐伟;;深度学习的昨天、今天和明天[J];计算机研究与发展;2013年09期

7 杨谊;申洪;;自适应水平集方法乳腺超声肿块分割应用[J];计算机应用研究;2013年12期

8 J.M.H.Timmers;H.J.van Doorne-Nagtegaal;H.M.Zonderland;H.van Tinteren;O.Visser;A.L.M.Verbeek;梁雪;;乳腺影像报告和数据系统(BI-RADS)在荷兰的乳腺癌筛查方案中具有评估和分级工具的作用[J];国际医学放射学杂志;2012年05期

9 虞红伟;厉力华;徐伟栋;刘伟;张娟;邵国良;;一种基于水平集的多尺度乳腺肿块分割方法[J];仪器仪表学报;2010年06期

10 张召长;戴耀东;周正东;;基于Otsu多阈值和分水岭算法的乳腺肿块分割[J];计算机应用;2008年S2期

相关硕士学位论文 前2条

1 曾辉;基于深度卷积特征的乳腺X线摄影钙化良恶性鉴别及BI-RADS分类初步研究[D];南方医科大学;2016年

2 李雯;基于深度卷积神经网络的CT图像肝脏肿瘤分割方法研究[D];中国科学院深圳先进技术研究院;2016年

本文编号：2761299