学位论文 > 优秀研究生学位论文题录展示

支持向量机方法在乳腺肿块分类中的应用研究

作　者: 苟茹君
导　师: 张二虎
学　校: 西安理工大学
专　业: 信号与信息处理
关键词: 计算机辅助医学诊断乳腺肿块分类支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 144次
引　用: 2次
阅　读: 论文下载

内容摘要

乳腺癌是女性最常见的恶性肿瘤之一,发病率已居女性恶性肿瘤首位,并且逐年以3%的速率递增,且呈发病年龄不断降低的趋势。因此,对乳腺癌的诊断和防治已引起了医学界的广泛重视,其对人类健康的严重危害已引起了世界卫生组织和医疗界人士的高度重视。如果能早期发现癌症,早期诊断则有利于选择有效的治疗方法。但是乳腺肿块的研究存在一定的难点,比如乳腺肿块的大小不固定,具有较小的对比度,经常被具有相似特性的背景环绕等。本文在对目前乳腺肿块诊断技术研究的基础上,深入研究了支持向量机在乳腺肿块分类中的应用问题。为了既能减少噪声,又不对乳腺肿块的边缘增加模糊,本文选择了具有保边性质的中值滤波来去除噪声。由于乳腺图片存在一定的模糊边缘,因此本文应用模糊对比度增强的方法增强图像,以满足医生的视觉需要,取得了比较满意的效果。在乳腺图像肿块分割方面,应用了模糊集的知识对乳腺图片进行了分割,得到感兴趣区域。进一步,根据不同乳腺肿块所表现出不同的纹理特性,利用灰度共生矩阵提取出了8个纹理特征参数,作为肿块分类的依据。最后,对SVM方法进行了研究,包括SVM的理论基础、核函数的选择、关键参数的选取,尝试将SVM技术应用到乳腺肿块的分类中并实现了基于SVM的乳腺肿块分类器。最后,应用设计的分类器对乳腺肿块的分类进行了实验研究,以达到区分良性和恶性肿块的目的。选择了高斯核函数和多项式核函数,应用交叉验证的方法对SVM进行训练识别,得到了最优的参数模型,取得了有一定意义的实验结果,为进一步的研究奠定了较好的基础。

全文目录

摘要  3-4
Abstract  4-6
1 绪论  6-12
  1.1 研究背景  6
  1.2 国内外研究现状及课题意义  6-8
  1.3 课题研究内容及本文结构  8-12
2 SVM的基本理论  12-18
  2.1 SVM分类算法  12-14
  2.2 SVM核函数  14-15
  2.3 SVM的研究现状  15-16
  2.4 本章小节  16-18
3 乳腺数字图片预处理  18-24
  3.1 乳腺图片的去噪声  18-19
  3.2 乳腺图片的增强  19-23
    3.2.1 直方图均衡化处理  20-21
    3.2.2 模糊集理论在图像增强中的应用  21-23
  3.3 本章小结  23-24
4 感兴趣区域的提取  24-28
  4.1 阀值分割技术  25
  4.2 区域增长技术  25-26
  4.3 模糊区域生长  26-27
  4.4 本章小结  27-28
5 特征的提取  28-34
  5.1 乳腺肿块的特征描述  28-29
  5.2 特征的提取  29-31
  5.3 本章小结  31-34
6 基于SVM的乳腺肿块良、恶性分类器的设计  34-42
  6.1 乳腺图片样本介绍  34-36
  6.2 模式选择与训练  36
  6.3 核函数的选择  36-37
  6.4 分类结果的数据和分析  37-40
  6.5 本章小结  40-42
7 总结与展望  42-44
致谢  44-46
参考文献  46-47

支持向量机方法在乳腺肿块分类中的应用研究

内容摘要

全文目录

相似论文