学位论文 > 优秀研究生学位论文题录展示

基于多示例学习的超声乳腺肿瘤良恶性分类

作 者: 胡聪
导 师: 唐降龙
学 校: 哈尔滨工业大学
专 业: 计算机科学与技术
关键词: 乳腺超声 多示例学习 纹理特征 分类 计算机辅助诊断系统
分类号: TP391.7
类 型: 硕士论文
年 份: 2011年
下 载: 93次
引 用: 0次
阅 读: 论文下载
 

内容摘要


乳腺癌是当今发病率最高的女性疾病之一,其对女性健康造成了严重的影响。在乳腺癌诊断与治疗中,医学超声成像扮演着重要角色,它具有有效,安全,方便以及廉价等特性。近年来,计算机辅助诊断(CAD)技术越来越成为帮助医生作出正确诊断的重要工具,在CAD系统中分类问题一直是主要难题之一。本文将针对超声乳腺肿瘤良恶性分类问题提出相应的算法,文中引入多示例学习算法用于改进一种现有算法同时在Citation-kNN算法的基础上提出不同的加权决策改进。引入多示例学习算法使得在乳腺肿瘤诊断中可以忽略ROI(Region Of Interest感兴趣区域)分割步骤,这样既可以避免自动分割算法不精确带来的分类误差,也可以很大程度上减少医生提供训练样本时手画ROI的工作量。1.“对肿瘤区域分割具有健壮性的乳腺肿瘤良恶性分类系统”改进此部分主要针对“对肿瘤区域分割具有健壮性的乳腺肿瘤良恶性分类系统”进行改进,以便提供分类准确性。此系统中分割算法所得到的ROI信息需要经过较多先验限制进行过滤才能准确得到肿瘤ROI,所以不适合于普遍分类情况。本文在此系统中粗提取的多ROI基础上提出多种包结构构造方法,并利用多示例学习的方法替代原有基于局部纹理特征以及支持向量机(SVM)的分类算法,改进后的系统适用性提高,且分类效果有所提升。2.基于综合局部加权的改进算法此部分将针对一种常用多示例分类算法Citation-kNN进行改进。改进前,本文详细分析了特征空间中样本的分布情况,并提出了相对距离,散乱程度以及稀疏程度三种分布特征同时针对每种特征提出相应的加权方法,包括基于相对距离的局部与全局距离加权方式,基于散乱度的加权方式,基于修正类别信息的散乱度加权方式以及综合加权方式。本文还相应将各种加权方式都引入到Citation-kNN算法中,通过对比实验验证各种改进算法的分类能力,其中基于全局距离和修正离散度的综合加权方式的分类效果更好。此部分提出的各种加权决策方式适合于任何一种局部学习方法中。

全文目录


摘要  3-4
Abstract  4-8
第1章 绪 论  8-16
  1.1 课题背景  8-10
  1.2 乳腺超声成像  10-12
    1.2.1 B 超成像的原理  10
    1.2.2 乳腺B 超图像特性  10-12
  1.3 超声乳腺肿瘤图像特征提取与分类方法概述  12-14
    1.3.1 基于纹理特征的分类方法  12-13
    1.3.2 基于形态学特征的分类方法  13-14
  1.4 本文的研究内容以及文章结构  14-16
    1.4.1 基于多示例学习的超声乳腺肿瘤分类  14
    1.4.2 本文的文章结构  14-16
第2章 多示例学习与局部加权学习  16-29
  2.1 多示例学习  16-24
    2.1.1 多示例学习背景与应用  16-19
    2.1.2 多示例学习算法  19-24
  2.2 局部加权学习  24-28
    2.2.1 即时学习  24
    2.2.2 局部加权学习  24-27
    2.2.3 局部加权学习框架中的kNN  27-28
  2.3 本章小结  28-29
第3章 基于多示例学习的乳腺超声图像分类方法  29-40
  3.1 对肿瘤区域分割具有健壮性的乳腺肿瘤良恶性分类系统  29-32
  3.2 基于多示例学习的乳腺超声肿瘤良恶性分类  32-36
    3.2.1 基于多示例学习的分类算法流程  33
    3.2.2 多示例包构建  33-35
    3.2.3 特征提取  35-36
  3.3 实验结果  36-39
  3.4 本章小结  39-40
第4章 基于综合局部加权的Citation-kNN (LWCKNN)  40-60
  4.1 Citation-kNN  40-42
  4.2 Locally weighted Citation-kNN 算法  42-45
    4.2.1 算法流程  43-44
    4.2.2 包空间分布特征分析  44-45
  4.3 多种局部加权的Citation-kNN 改进算法  45-53
    4.3.1 相对距离与相应改进算法  45-48
    4.3.2 散乱程度与相应改进算法  48-51
    4.3.3 稀疏程度  51-52
    4.3.4 综合加权算法  52-53
  4.4 实验结果  53-59
    4.4.1 超声乳腺肿瘤良恶性分类实验  53-58
    4.4.2 MUSK 库分类实验  58-59
  4.5 本章小结  59-60
结论  60-62
参考文献  62-69
攻读硕士学位期间发表的论文及其它成果  69-71
致谢  71

相似论文

  1. K公司计划及预测改进对于合理库存配置的研究,F224
  2. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  3. 基于词义及语义分析的问答技术研究,TP391.1
  4. 基于三维重建的焊点质量分类方法研究,TP391.41
  5. 基于多示例学习的用户关注概念区域发现,TP391.41
  6. 基于串核的蛋白质分类算法的研究与实现,TP301.6
  7. 统计与语言学相结合的词对齐及相关融合策略研究,TP391.2
  8. 上下文相关的词汇复述研究,TP391.1
  9. 基于仿生模式识别的文本分类技术研究,TP391.1
  10. 互联网上旅游评论的情感分析及其有用性研究,TP391.1
  11. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  12. 基于图像的路面破损识别,TP391.41
  13. 多样性密度学习算法的研究与应用,TP181
  14. 运动特征及地形约束的感知网目标跟踪算法及系统研究,TP212.9
  15. 计算智能在数字化卷烟叶组配方中的应用研究,TS44
  16. 基于中国土壤系统分类的土壤类型和界线确定研究,S155
  17. 弯孢属种分子鉴定体系的建立及其在疑难种上的应用,Q949.32
  18. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  19. 面向公众的教育视频共建共享平台的设计与实践研究,G434
  20. 基于土壤系统分类的土壤调查方法研究,S155
  21. 西藏生防芽孢杆菌鉴定及其脂肽化合物分析,S476.1

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 机器辅助技术
© 2012 www.xueweilunwen.com