学位论文 > 优秀研究生学位论文题录展示

MRI乳腺病灶分割研究

作　者: 张承杰
导　师: 厉力华
学　校: 杭州电子科技大学
专　业: 模式识别与智能系统
关键词: 乳腺DCE-MRI图像病灶分割 FCM-MRF 三维分割参数自适应分割评价
分类号: R737.9
类　型: 硕士论文
年　份: 2014年
下　载: 1次
引　用: 0次
阅　读: 论文下载

内容摘要

乳腺癌是全世界中年女性中死亡率很高的常见癌症。目前，对于乳腺癌的发病机理尚未完全搞清楚。治疗乳腺癌的最有效手段仍然是早发现、早治疗。图像成像方式是乳腺癌早期检测的主要工具之一。在多种常见成像方式中，动态对比增强磁共振成像(Dynamic contrastenhanced breast magnetic resonance imaging, DCE-MRI)在检测致密乳房中的早期癌症时表现出了较高的灵敏度。因此，DCE-MRI越来越广泛的用于乳腺癌的诊断和治疗评估中。通常乳腺MRI图像的诊断大多依靠临床医生的个人经验与专业知识；为了降低误诊率，提高诊断效率，乳腺MRI计算机辅助诊断技术(Computer-Aided Diagnosis, CAD)逐渐引起了研究者的关注。乳腺肿块分割作为乳腺MRI影像CAD系统的重要组成部分，分割结果的好坏将直接影响后续可疑区域的特征提取与分类效果。然而，由于乳腺组织的复杂性、乳腺MRI图像有限的分辨率以及部分容积效应和偏场等因素影响，乳腺MRI图像中各种组织之间的边界往往模糊不清，现有的乳腺MRI图像病灶分割算法的分割表现尚未达到十分令人满意的程度。本研究根据乳腺DCE-MRI图像的特点，从三维和参数自适应角度出发，提出了一种参数自适应乳腺DCE-MRI病灶三维分割方法。该分割方法整体上分为两个过程：粗分割过程与精分割过程。粗分割过程主要为精分割过程提供标号场。在精分割过程中，本研究根据分割表现，对其进行了改进，分别加入了三维空间信息和对模型参数采取了自适应策略。结合三维信息能解决无法分割出三维病灶两端部分的难题；而采用参数自适应策略则解决了分割三维病灶两端部分时分割精度不高的难题。该方法由于在分割过程中结合了三维空间信息和采用了参数自适应策略，能在保证三维病灶中间部分分割精度的同时提高病灶两端的分割精度，而且，整个分割过程为自动过程，分割结果相对客观。为了对分割方法进行直接评价，本研究巧妙的将计算重叠率评价方法与“非监督”评价方法相结合；评价结果显示本研究提出的分割方法具有较高的分割精度。同时，为了进一步对分割方法进行间接评价，本研究将分割方法运用于肿瘤分类实验：基于分割肿块，提取了动态增强特征、形态学特征、统计学特征和纹理特征共17维特征，并进行了SVM-RFE特征选择和SVM特征分类实验，分类结果表明，基于分割区域提取的病灶特征具有良好的分类率，从而佐证了本文方法具有良好的分割效果。

全文目录

摘要  5-6
ABSTRACT  6-11
第1章绪论  11-17
  1.1 研究背景  11
  1.2 乳腺影像技术  11-12
  1.3 乳腺 DCE-MRI 成像技术  12
  1.4 计算机辅助诊断  12-13
  1.5 乳腺 MRI 图像肿块分割概述  13-14
  1.6 本研究主要工作及创新点  14-16
  1.7 本章小结  16-17
第2章乳腺 DCE-MRI 影像及病灶分割  17-25
  2.1 乳腺 MRI 成像原理  17
  2.2 乳腺 DCE-MRI 影像数据  17-19
  2.3 乳腺 DCE-MRI 图像预处理  19-23
    2.3.1 滤波分析  19-21
    2.3.2 图像配准分析  21
    2.3.3 乳腺 MRI 序列图像 ROI 分割  21-23
  2.4 乳腺 DCE-MRI 病灶分割  23
  2.5 本章小结  23-25
第3章基于空间 FCM 与参数自适应 MRF 的乳腺 MRI 病灶分割方法  25-37
  3.1 空间 FCM 与 MRF 图像分割理论  25-28
    3.1.1 空间 FCM 图像分割理论  25-26
    3.1.2 马尔科夫随机场图像分割理论  26-28
  3.2 空间 FCM 与 MRF 相级联的乳腺 DCE-MRI 图像病灶分割方法  28-31
    3.2.1 空间 FCM 与 MRF 级联分割方法框架  28-29
    3.2.2 乳腺 DCE-MRI 图像病灶粗分割  29-30
    3.2.3 乳腺 DCE-MRI 图像病灶精分割  30-31
  3.3 空间 FCM 与参数自适应 MRF 三维分割方法  31-35
    3.3.1 算法改进策略  31
    3.3.2 加入三维信息  31-33
    3.3.3 参数自适应  33-35
    3.3.4 分割结果优化策略  35
  3.5 本章小结  35-37
第4章病灶分割结果与评价  37-45
  4.1 实验数据  37-38
  4.2 分割流程  38-39
  4.3 分割结果  39
  4.4 分割评价  39-44
    4.4.1 重叠率评价  39-41
    4.4.2 无监督评价  41-44
  4.5 本章小结  44-45
第5章乳腺 MRI 肿块特征提取与分类  45-54
  5.1 引言  45-46
  5.2 肿块特征提取  46-50
    5.2.1 动态增强特征  46-47
    5.2.2 统计学特征  47-48
    5.2.3 形态学特征  48-49
    5.2.4 纹理特征  49-50
  5.3 特征选择与分类  50-51
    5.3.1 SVM-RFE 特征选择算法简介  50
    5.3.2 SVM 分类器简介  50-51
  5.4 特征分类性能评价标准  51
  5.5 实验结果与分析  51-52
    5.5.1 SVM-RFE 特征选择结果与分析  51-52
    5.5.2 SVM 分类结果与分析  52
  5.6 本章小结  52-54
第6章总结与展望  54-56
  6.1 本文工作总结  54-55
  6.2 未来展望  55-56
致谢  56-57
参考文献  57-60
附录  60

MRI乳腺病灶分割研究

内容摘要

全文目录

相似论文