学位论文 > 优秀研究生学位论文题录展示
乳腺钙化检测算法的研究与实现
作 者: 蔡惠芳
导 师: 曹玉珍;樊小敏
学 校: 天津大学
专 业: 生物医学工程
关键词: 计算机辅助诊断 钙化检测 Bayes决策函数 乳腺配准
分类号: R816.4
类 型: 硕士论文
年 份: 2011年
下 载: 6次
引 用: 0次
阅 读: 论文下载
内容摘要
乳腺X线片作为一种有力工具,越来越多的医生在临床中借助它进行早期的乳腺癌诊断,而采用计算机辅助诊断有助于提高医生诊断的敏感性和特异性,因此乳腺计算机辅助诊断(乳腺CAD)逐渐成为乳腺癌早期诊断研究的热门课题。钙化检测是乳腺CAD的重要部分,本文将钙化形状和尺寸结合,首先提出两种检测方法:一种是用小波和Hessian矩阵,将图像进行三尺度分解,每一尺度的结果经钙化增强算子增强,用局部方差直方图设定阈值,大于阈值的区域为钙化;另一种是用高斯函数和Hessian矩阵,求高斯函数的二阶导数,将其与图像卷积,卷积后图像经Hessian增强算子增强,用局部方差直方图设定阈值,大于阈值的区域为钙化。在研究过程中,为了减少纹理钙化假阳,提出Bayes分类方法,提取图像的8个特征,训练Bayes分类器剔除纹理假阳。将分类器与两种钙化检测算法结合后,用医院实际数据对两种算法进行评估,与平台中的原算法相比,检出率均有提高。前者的检出率提高12.3%,假阳率降低11.5%;后者的检出率提高14.9%,假阳率降低23.1%。通过将第二种算法与Bayes分类器结合,能够显著提高乳腺X线片的钙化检出率和降低纹理假阳率。最后,结合实际项目的需求,将高斯函数与Hessian矩阵结合的钙化检测算法及Bayes分类器加入乳腺CAD平台。
|
全文目录
摘要 3-4ABSTRACT 4-7第一章 绪论 7-14 1.1 研究背景、目的和意义 7 1.2 钙化检测方法的国内外研究现状 7-10 1.3 乳腺计算机辅助诊断简介 10-13 1.4 本文的主要研究内容 13-14第二章 基于小波和高斯函数的钙化检测算法 14-28 2.1 引言 14 2.2 小波分析原理及其在钙化检测中的应用 14-20 2.2.1 小波及小波变换 14-15 2.2.2 多分辨率分析与小波变换的实现 15-16 2.2.3 二维小波变换 16-17 2.2.4 算法中用到的小波滤波器族 17-20 2.3 高斯滤波的原理及其在钙化检测中的应用 20-23 2.3.1 高斯函数 20 2.3.2 图像滤波 20-21 2.3.3 高斯滤波器 21 2.3.4 算法中用到的高斯卷积核 21-23 2.4 Hessian 矩阵及其在钙化检测中的应用 23-26 2.4.1 Hessian 矩阵的定义及性质 23-24 2.4.2 Hessian 增强滤波器 24-25 2.4.3 算法中用到的Hessian 增强算子 25-26 2.5 本章小结 26-28第三章 BAYES 分类器去纹理钙化假阳算法 28-36 3.1 引言 28 3.2 Bayes 决策的基本概念 28-31 3.2.1 几种Bayes 决策规则 28-30 3.2.2 分类器设计 30-31 3.3 Bayes 分类器去纹理假阳 31-35 3.3.1 特征提取 31-34 3.3.2 Bayes 分类器 34-35 3.4 本章小结 35-36第四章 钙化检测算法实验结果和临床评估 36-49 4.1 引言 36 4.2 数据来源 36 4.3 实验流程及结果 36-45 4.3.1 小波钙化检测的实验结果 37-41 4.3.2 高斯函数钙化检测的实验结果 41-42 4.3.3 Bayes 分类器去纹理钙化假阳的实验结果 42-45 4.4 临床评估方案及评估结果 45-48 4.4.1 小波钙化检测算法评估 46 4.4.2 高斯钙化检测算法评估 46-47 4.4.3 Bayes 分类器去纹理钙化假阳评估 47 4.4.4 不同钙化检测算法的评估结果对比 47-48 4.5 本章小结 48-49第五章 总结与展望 49-51 5.1 总结 49-50 5.2 展望 50-51参考文献 51-54致谢 54
|
相似论文
- 基于参考图像的乳腺肿块诊断方法研究,TP391.41
- CT图像的肺结节特征提取的方法研究,TP391.41
- 基于DCE-MRI的乳腺病灶良恶性计算机辅助诊断研究,TP391.7
- 计算机辅助消化道内窥镜图像诊断技术研究,TP391.41
- 数据挖掘在计算机辅助诊断中的应用研究,TP311.13
- 基于CT图像的肺结节计算机辅助检测方法研究,TP391.41
- 基于CT图像的孤立性肺结节诊断模型研究,TP391.41
- MRI成像下膀胱肿瘤的计算机辅助诊断,TP391.41
- 基于乳腺数字X光片的病变检测算法研究,TP391.41
- 肛管外病症计算机辅助诊断的图像分割和目标跟踪,TP391.41
- 基于多示例学习的超声乳腺肿瘤良恶性分类,TP391.7
- 计算机辅助诊断尘肺的研究,TP391.41
- 基于先验知识模型的乳腺超声图像自动分割技术研究,TP391.41
- 基于CT图像肺部异常阴影的自动检测,TP391.41
- 双源CT在主动脉病变的应用及影像研究,R816.2
- 基于小波域隐马尔可夫树模型的乳腺微钙化辅助诊断研究,TP391.41
- 胸片计算机辅助诊断——系统有效性、图像的一致化处理及去噪,TP391.5
- 数字乳腺X线影像的计算机辅助诊断方法研究,TP391.41
- X线图像乳腺肿块辅助诊断方法研究,TP391.41
- 眼底照相机中图像处理技术的研究与实现,TP391.41
中图分类: > 医药、卫生 > 特种医学 > 放射医学 > 各部位及各科疾病的X线诊断与疗法 > 胸部及呼吸系
© 2012 www.xueweilunwen.com
|