乳腺医学图像中肿瘤分割与分类方法研究

发布时间：2017-08-22 18:41

  本文关键词：乳腺医学图像中肿瘤分割与分类方法研究

  更多相关文章： 医学图像处理 乳腺癌 超像素 乳腺超声图像 乳腺钼靶图像

【摘要】：目的:乳腺癌是严重威胁女性身体健康的恶性肿瘤之一,如不能及时发现病症并进行合理治疗,甚至会危及患者的生命安全。乳腺癌计算机辅助诊断系统有利于提高乳腺癌诊断的效率和精度,对乳腺癌的临床诊断和研究具有一定价值。乳腺肿瘤的分割及分类工作是乳腺癌计算机辅助诊断的支撑技术之一。为降低乳腺肿瘤分割算法的计算复杂度,提高乳腺分割的精度,本文提出一种基于超像素的乳腺肿瘤分割算法。在基于超像素技术的医学图像分割中,合理地选取超像素分割算法是提高乳腺肿瘤分割算法精度和通用性的关键,为选取适用于乳腺肿瘤分割的超像素算法,本文设计提出了一种适用于医学图像的超像素分割算法评价方法。单一的超声图像或钼靶图像对乳腺癌的诊断精度有限,为提高乳腺癌诊断的效率和精度,针对多模态乳腺医学图像的特点,本文提出一种选择性集成的乳腺肿瘤的分类方法。方法:本文提出一种基于超像素的乳腺肿瘤分割方法。该方法首先利用超像素分割算法对乳腺超声图像进行过分割,然后在超像素级上采用区域生长算法实现乳腺肿瘤的分割。基于医学图像的特点,为选择合适的超像素分割算法,本文提出了一种医学图像超像素分割算法评价体系,主要由算法运算速度、边界贴合性和边界重合度、规则度和同质性等指标组成。基于该评价体系,对归一化割算法,Turbopixels算法和SLIC算法做了系统的算法性能评价与分析,并选择将SLIC算法应用于本文乳腺超声图像分割算法研究中。本文设计一种基于评价指标R的选择性集成分类器方法。该方法首先提取乳腺超声图像的形态学特征、纹理特征和钼靶图像的纹理特征,再利用SVM分类器,朴素贝叶斯分类器和KNN分类器进行分类,采用指标R选取合适的个体分类器,使用最大投票策略,最终获取肿瘤分类结果。结论:本文提出的基于超像素的乳腺肿瘤分割方法精确性可达95.28%,灵敏性可达59.89%,为后续的乳腺肿瘤特征提取和分类工作奠定了良好基础。为选择合适的超像素分割算法,本文设计了一种超像素算法性能评价体系,为新型超像素技术设计及其在医学图像中的应用提供了一定的借鉴作用。本文设计了一种基于指标R的选择性集成乳腺肿瘤分类方法。研究结果表明,在乳腺肿瘤分类工作中,基于分类器级的融合效率优于基于特征集的融合;本文提出并采用的指标R可以有效地选择合适的个体分类器,并产生性能较好的集成分类器,该分类器精确度为88.73%、灵敏性为97.06%。该方法可用于辅助医生进行乳腺癌诊断,提高医生工作诊断效率和精度,对临床上乳腺癌的研究及大规模筛查具有一定意义。
【关键词】：医学图像处理 乳腺癌 超像素 乳腺超声图像 乳腺钼靶图像
【学位授予单位】：山东中医药大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R737.9;TP391.41
【目录】：

• 提要3-5
• Abstract5-10
• 引言10-12
• 第一章 绪论12-18
• 1.1 研究背景及意义12-13
• 1.2 研究现状13-16
• 1.2.1 医学图像分割算法研究现状13-15
• 1.2.2 乳腺肿瘤分类工作研究现状15-16
• 1.3 本文工作16-17
• 1.3.1 乳腺癌图像分割算法研究16
• 1.3.2 乳腺癌图像分类算法研究16-17
• 1.4 论文组成17-18
• 第二章 乳腺肿瘤分割算法研究18-35
• 2.1 超像素分割算法评价体系18-30
• 2.1.1 超像素分割算法18-22
• 2.1.2 超像素分割算法评价指标22-24
• 2.1.3 超像素分割算法性能测试实验及分析24-30
• 2.2 基于超像素技术的乳腺超声图像分割算法30-34
• 2.2.1 基本方法30-32
• 2.2.2 实验结果及分析32-34
• 2.3 本章小结34-35
• 第三章 乳腺肿瘤分类方法研究35-48
• 3.1 特征提取35-37
• 3.2 选择性集成分类器37-39
• 3.3 实验结果及分析39-47
• 3.3.1 评价指标39-41
• 3.3.2 集成分类器方法性能分析41-47
• 3.4 本章小结47-48
• 第四章 总结与展望48-50
• 4.1 本文方法总结与意义48
• 4.2 问题分析与展望48-50
• 参考文献50-55
• 致谢55-56
• 攻读学位期间发表的学术论文56
• 攻读学位期间所获奖励情况56

【相似文献】

中国期刊全文数据库 前10条

1 朱碧云;陈卉;;医学图像纹理分析的方法及应用[J];中国医学装备;2013年08期

2 张勇;王t，

本文编号：720800