学位论文 > 优秀研究生学位论文题录展示

基于DCE-MRI的乳腺病灶良恶性计算机辅助诊断研究

作　者: 李珂
导　师: 刘惠
学　校: 大连理工大学
专　业: 生物医学工程
关键词: 计算机辅助诊断 乳腺癌 DCE-MRI 医学图像处理 模式识别
分类号: TP391.7
类　型: 硕士论文
年　份: 2011年
下　载: 87次
引　用: 0次
阅　读: 论文下载
 

内容摘要


乳腺癌是严重危害女性身心健康的常见、多发病,其早发现和早诊断是制定正确治疗方案、提高患者生存率的关键。基于动态增强磁共振成像(Dynamic Contrast-Enhanced Magnetic Resonance Imaging, DCE-MRI)的计算机辅助诊断(Computer-Aided Diagnosis,CAD)技术为实现上述目标提供了良好平台。本文系统研究CAD整体框架,根据DCE-MRI特点分割乳腺病灶,提取并分析其动态增强特征、纹理特征和形态学特征,经特征选择后设计分类器实现良恶性分类。主要工作如下：第一,基于临床知识和建模需要的指导对病例数据进行分类整理,并讨论大津律法和水平集方法的病灶分割效果。结果显示,大津律法能够满足快速实时的乳腺病灶分割要求。第二,针对乳腺病灶特征复杂、诊断需综合多方面信息的特点,本文着重进行特征分析研究。首先,由于以往研究中时间强度曲线(Time Intensity Cureve, TIC)测绘方式不明确,本文提出了基于区域的生成方法。该方法在一定程度上削弱呼吸等运动引发的时相形变,能提供较准确的动态增强特征,且某些情况下本文方法比设备自带TIC可靠。其次,本文通过分析病灶的动态增强、纹理和形态学特征发现：动态增强特征的良恶性分类能力较好。针对特征存在冗余的问题,本文以类内类间距离准则为标准进行特征选择,发现结合紧致度、基于纹理特征的熵等9维特征组合的分类性能较好,可为乳腺CAD系统的特征选取提供参考。第三,针对乳腺病灶良恶性CAD系统中的分类器设计问题,本文比较了目前研究中常用的支持向量机(Surpport Vector Machine, SVM)分类器、人工神经网络(Artificial Neural Network, ANN)分类器、K紧邻(K Nearest Neighbors, KNN)分类器和回归树分类器。实验结果显示：结合前面选出的9维DCE-MRI图像特征,SVM分类器对于乳腺病灶良恶性的诊断性能最好。这有助于开发乳腺病灶CAD系统,辅助提高医师的诊断效率。最后,搭建了基于DCE-MRI的乳腺良恶性CAD平台,以便开展后续研究。

全文目录


摘要  4-5
Abstract  5-8
1. 绪论  8-14
  1.1 研究背景  8-10
    1.1.1 乳腺DCE-MRI与计算机辅助诊断  8-9
    1.1.2 基于DCE-MRI的乳腺病灶良恶性CAD系统  9-10
  1.2 国内外研究现状  10-13
    1.2.1 DCE-MRI中的病灶提取  11
    1.2.2 乳腺病灶DCE-MRI图像特征  11-12
    1.2.3 乳腺病灶良恶性的分类识别方法  12
    1.2.4 商业化CAD系统  12-13
  1.3 本文的工作内容  13-14
2. 实验数据及预处理  14-21
  2.1 实验数据  14-15
    2.1.1 数据采集  14-15
    2.1.2 数据整理  15
  2.2 图像预处理  15-20
    2.2.1 减影序列  16-17
    2.2.2 ROI区域分割  17-20
  2.3 本章小结  20-21
3. 特征分析  21-42
  3.1 特征提取  21-38
    3.1.1 动态增强特征  21-27
    3.1.2 形态学特征  27-33
    3.1.3 纹理特征  33-38
  3.2 特征选择  38-41
    3.2.1 特征初筛  38-40
    3.2.2 特征的二次筛选  40-41
  3.3 本章小结  41-42
4. 分类器实现  42-46
  4.1 SVM分类器  42-43
  4.2 ANN分类器  43-44
  4.3 KNN分类器  44
  4.4 回归树分类器  44-45
  4.5 本章小结  45-46
5. 实验结果与分析  46-56
  5.1 分类评价指标介绍  46-47
  5.2 特征筛选结果与分析  47-50
    5.2.1 特征初次筛选  47-49
    5.2.2 特征二次筛选  49-50
  5.3 分类器的实验结果与分析  50-54
  5.4 基于DCE-MRI的乳腺CAD研究平台的搭建  54
  5.5 本章小结  54-56
结论  56-57
参考文献  57-61
附录A 关于TIC生成模板尺寸的讨论  61-64
附录B 特征筛选过程的实验数据补充  64-67
攻读硕士学位期间发表学术论文情况  67-68
致谢  68-69

相似论文

  1. 基于流形学习的高维流场数据分类研究,V231.3
  2. 基于仿生模式识别的文本分类技术研究,TP391.1
  3. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  4. 基于回波包络的超声波入侵探测在军队警戒巡逻中的应用,E919
  5. 基于健康信念模式的健康教育干预对乳腺癌患者术后淋巴水肿预防效果的研究,R473.73
  6. 乳腺癌保乳术后切线照射的相关研究,R737.9
  7. 乳腺钙化检测算法的研究与实现,R816.4
  8. 乳腺癌钙化X线表现与病理相关性研究,R737.9
  9. CIF与CEF方案用于Ⅱ期乳腺癌辅助化疗的临床观察,R737.9
  10. 乳腺癌超声弹性成像与ER、PR及C-erbB-2表达的相关性研究,R445.1
  11. HOXA9 HOXA10 HOXA11在乳腺癌中的表达,R737.9
  12. 乳腺癌免疫分型与临床病理参数相关性及用于预后判断的可行性,R737.9
  13. 环磷酰胺LDM联合MTD在乳腺癌抗血管生成、诱导凋亡方面的研究,R737.9
  14. MTD化疗联合节律化疗对乳腺癌血管生成和细胞增殖的研究,R737.9
  15. 甲状旁腺激素相关蛋白在骨转移乳腺癌中的表达及意义,R737.9
  16. 全乳腺大切片观察乳腺癌新辅助化疗后残留灶形态学变化及部分分子生物学特点研究,R737.9
  17. 维吾尔族与汉族女性三阴性乳腺癌患者的临床病理特征和预后分析,R737.9
  18. 联合检测乳腺癌肿瘤标志物的临床意义,R737.9
  19. 大豆异黄酮摄入与乳腺癌及前列腺癌发生风险的Meta分析,R737.25
  20. 乳腺X线摄影假阴性乳腺癌临床分析,R737.9
  21. 乳腺癌中表皮生长因子1、2的表达及临床意义,R737.9

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