基于视觉认知模型的乳腺肿块诊断算法研究

发布时间：2020-12-28 22:36

　　乳腺癌是女性最常见的恶性肿瘤之一,早发现、早诊断、早治疗对降低乳腺癌死亡率、提高患者的生活质量具有举足轻重的作用。医学影像投射技术对发现早期的隐匿性病灶具有较强的检测能力,因此,研发可靠的基于医学影像处理的计算机诊断系统,辅助医生工作具有重要的意义。乳腺肿块是一种典型的乳腺癌征象,是判定癌变的重要依据,基于乳腺肿块的诊断是乳腺癌研究中的热点和重点。目前普遍使用的基于乳腺肿块的计算机诊断方法,存在肿块检出假阳率高、正确识别率低等问题,还远远不能满足临床应用的要求。主要包括两方面的原因,首先,肿块常常与周围致密的组织相连,大小形状变化较大,即肿块诊断问题本身存在较大难度;其次,传统的计算机诊断系统主要采用自底向上的计算模型,缺乏医生的先验知识,往往不能取得与医生一致的诊断结果。因此,本文针对乳腺X线钼靶图像和核磁共振图像,基于视觉认知模型展开了关于乳腺肿块诊断的一系列关键问题研究,包括:肿块检测、肿块分割、肿块良恶性诊断等,提出了二套完整的乳腺肿块诊断方案,解决了不同的领域问题。方法一:基于多源图像特征集成的肿块诊断算法,该方法对格式塔视觉认知模型进行建模,实现了肿块的自动化检测与分割。然... 

【文章来源】：西北大学陕西省 211工程院校

【文章页数】：135 页

【学位级别】：博士

【部分图文】：

图１．１不同类型的乳腺癌影像技术（ａ）超声，（ｂ）钼祀，（ｃ＞核磁共振，＜ｄ）ＰＥＴ／ＭＲ??

很多计算机辅助诊断算法均没有取得很好效果，因此开发高效的基于乳腺肿块??的计算机诊断算法尤为重要。??基于乳腺肿块的ＣＡＤ系统主要包括两部分如图１．２所示，第一部分为乳腺??肿块检测模块，首先，对输入的乳腺图像进行预处理操作，例如：去除背景、去除??噪声、图像增强等。图像预处理简化了图像表示，突出了病灶区域的特征。然后，??对预处理后的图像进行筛查，检测出可疑肿块区域，目前己经衍生了大量的肿块检??测算法，在论文的第二章，本文提出了一种新的基于格式塔视觉认知规则的肿块检??测算法。第二部分为计算机辅助诊断模块，一般包括：肿块分割、特征提取／选择、??病灶识别等操作。为了提取更为有效的肿块特征，肿块分割在很多研宄中是必要??的，在论文的第三章，本文提出了一种基于先验知识和视觉块的肿块分割算法。随??着人工智能技术爆发性发展

图１．３论文结构图??第四章：针对从不同源的乳腺图像中分割的肿块，抽取了肿块的语义特征表示，??采用提出的面向分组语义特征集成的肿块诊断框架对肿块的良恶性进行识别。??第五章：借鉴了医生综合肿块多源特征进行诊断的特点，利用卷积网络自动化??学习肿块图像特征，提出了一种基于多视角融合的深度学习乳腺肿块诊断算法。??第六章：为了进一步提高肿块良恶性分类的性能，分析了卷积神经网络的肿块??分类方法，在第五章算法框架的基础上，提出了一种基于视觉注意力的深度学习肿??块诊断算法。??第七章：对本文研宄工作进行总结，并对进一步研究进行展望。??


本文编号：2944500