乳腺X线图像结构扭曲检测的一种新方法

乳腺X线图像中结构扭曲的检测是乳腺癌诊断的重要手段之一.针对结构扭曲检测假阳性高的问题,运用系统工程原理, 本文提出了一种新的结构扭曲检测方法.该方法通过计算毛刺相似度收敛指数增强放射状毛刺,并利用三环区域模板和收敛门限得到可疑区域,最后使用支持向量机对可疑区域分类.该方法在Mini-MIAS (mammographic image analysis society)图像数据库的64幅乳腺图像和北京大学人民医院乳腺中心50幅临床乳腺图像上进行了验证,实验结果表明, 本文提出的方法能有效地降低假阳性,并且同时适用于东西方女性乳腺图像.     

基于SVM算法的乳腺图像钙化点检测方法

提出了一种基于支持向量机(ISVM)算法的钙化点检测方法.通过对乳腺图像进行预处理并提取可能含有微钙化点的感兴趣区域(ROI),对样本ROI进行小波变换确定优化参数,利用SVM检测微钙化点.试验中研究了SVM参数的选取对分类效果的影响,并利用ROC评估准则对SVM的检测效果进行评估.结果表明,SVM在微钙化点检测中是有效的,解决了目前微钙化点检测中普遍存在的假阳性率高、效率低的问题.     

一种基于上下文信息的乳腺肿块ROI检测方法

传统的ROI(region of interest)检测方法忽略了图像中的上下文信息,为了解决这个问题,本文利用概率潜在语义分析(probability latent semantic analysis,PLSA)来对图像中的每块区域周围的图像特征进行分析,并利用其作为上下文特征来辅助ROI的检测。实验表明,该方法与直接进行分类相比,能够取得更好的分类效果。     

乳腺X线图像肿块建模与分割

提出了一种基于模型分析与均值漂移聚类的乳腺肿块分割方法. 该方法根据肿块的临床特征表现建立了肿块的数学模型,并通过多重滤波实现肿块的准确定位. 在此基础上,结合均值漂移算法获得的像素点集合,筛选出初始肿块. 最后利用无边缘活动轮廓模型准确分割出肿块. 实验采用通用的MIAS数据库进行算法性能测试,结果表明本文方法在保证较低假阳性率的同时,肿块检测真阳性率高于形态学成分分析方法. 此外,本文方法分割出的肿块边界完整,可满足临床检验与诊断需求.      

多分辨率特征提取方法用于检测乳腺透视图象中的星形肿块

本文提出一种检测乳腺透视图象中星形肿块的多分辨率特征提取方法.首先使用线性相位、不可分小波变换得到原始乳腺透视图象的多分辨率表示;其次选择能将星形肿块从正常乳腺结构中区别开的4个特征,在每种分辨率上计算每个象素的特征.这一方法解决了需获取不同大小的目标但却无法预先选择确定大小邻域的难题.文中也简要介绍了根据这一特征提取方法得到的特征集来使用神经网络对象素分类的过程.最后给出了对于测试样本的特征提取结果。     

基于神经网络集成的乳腺肿瘤诊断系统

针状肿瘤是最难诊断的乳腺恶性肿瘤之一。在此研究了一种基于神经网络集成的诊断针状乳腺肿瘤系统,该系统首先通过阈值分割和小波变换对乳腺X光影像进行预处理,然后对预处理后得到的影像中每个10×10像素的小窗口提取4个特征,最后通过神经网络集成进行分类识别诊断乳腺X光影像中是否包含肿瘤。实验表明该系统能有效地诊断针状乳腺肿瘤。     

医学图像检索二进制码学习方法

近年来,乳腺癌的发病率逐年增长,严重影响了人们的生活.许多计算机辅助诊断技术被提出用于乳腺摄影图像的自动分析来辅助医生做出诊断.然而因图像差异较微妙、数据库小等原因,许多传统的方法在诊断准确率方面受到限制且缺乏可扩展性.针对以上问题,本文提出了一种基于哈希的大规模图像检索方法来实现乳腺癌的早期辅助诊断.该方法提取待判定图像与已确诊图像的局部特征,并用迭代量化(ITQ)的哈希学习方法将原始特征空间中的特征向量转化为保存了原始特征之间相似性的二进制码,然后比较汉明距离找出与待判定图像最相似的一系列图像,并根据返回图像做出诊断.实验表明该方法可用于大型数据库且具有可扩展性,有效地提高了诊断准确率,可以帮助医生做出正确的诊断.     

一种基于轮廓监督的动态规划乳腺X线影像肿块分割算法

肿块分割是基于乳腺X线影像的计算机辅助诊断系统的重要环节。良好的分割结果能够更好地反映肿块的病理特征。为后续可疑区域的特征提取和分类提供依据。已有大量文献探讨肿块的分割算法。基于动态规划（DP）的肿块分割算法结合了肿块的边缘信息,以及灰度和大小等先验知识。传统的基于DP的算法自适应性和鲁棒性不足。为克服这些缺点,提出一种基于轮廓监督的动态规划方法,该方法首先使用对比度受限的自适应直方图均衡增强肿块感兴趣区（ROI）的对比度,并使用高斯掩膜掩蔽外围组织;然后。将肿块ROI变换到极坐标,结合肿块的边缘、灰度和大小信息计算局部代价。并根据局部代价矩阵计算累积代价矩阵：最后,在基于动态规划的轮廓跟踪过程中,引入轮廓监督机制。避免周围组织和对比度不足的影响。本文对比了改进后算法与传统算法的分割效果。实验结果表明,高斯掩蔽和轮廓监督的引入,有效地掩蔽了肿块周围组织,避免了轮廓偏离。该算法提高了肿块分割准确性。且具有更好的鲁棒性。     

基于分层多模板匹配的乳腺肿块自动检测

为提高乳腺癌检测的精准度和效率,提出了一种基于多模板匹配的乳腺X线摄片肿块自动检测方法.该方法设计了一种基于灰度直方图先验信息的阈值分割法来提取乳房区域;构造了不同尺度的模板对肿块进行分层匹配;对匹配结果提取了灰度、形态学及层间特征以便尽可能地去掉假阳性区域.与DDSM数据库中的已确诊的306幅乳腺X线射片进行了比较,实验结果表明:该算法在检测各种不同类型和尺寸的肿块时,具有高敏感度和低假阳性率.     

基于小波的数字乳腺图像上肿块的处理

利用对原始乳腺图像进行小波变换后得到的子图来检测肿块,肿块在数字乳腺图像频域上的表现明显异于周围区域,使用适当的小波变换能够把这种特征在变换域中比较直观地显示出来,为了检测出肿块位置,利用Ｂｉｏｒｔｈｏｇｏｎａｌ（ｂｉｏｒＮｒ．Ｎｄ）小波函数族对３９幅原始乳腺图像进行小波变换,分解为包含不同频带的子图,分析子图的结果表明：这种基于小波变换的方法可用于检测数字乳腺图像上的肿块。