基于B超图像的乳腺肿瘤的计算机辅助诊断

《基于B超图像的乳腺肿瘤的计算机辅助诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、四川大学硕士学位论文基于B超图像的乳腺肿瘤的计算机辅助诊断生物医学工程专业硕士研究生杨盈指导教师李德玉摘要乳腺癌是妇女常见的恶性肿瘤之一，近年来发病率呈明显上升趋势。超声被广泛用于乳腺癌的诊断，因为超声成像具有对人体无放射、价格相对较低廉等优势。临床上，医生主要是通过肉眼观察B型超声图像的特征，凭经验和感性的认识来对乳腺肿瘤进行诊断，缺乏客观指标，有时会造成误诊，特别是对良性肿瘤的误检率较高导致了活检结果为良性的病例增加，给病人带来了不必要的痛苦和经济负担。计算机辅助诊断能进行定量分析，减轻医生诊断工作量，降低活检数，提高诊断效率和客观性。本研究的目的是

2、为B超诊断乳腺肿瘤提供计算机辅助诊断手段，在保证恶性识别率达到100％的同时，尽量提高对良性肿瘤的识别率，从而降低不必要的活检数量，为医生的临床诊断提供相对客观的参考。本论文研究一种基于B型和Doppler血流超声图像分析技术和BP人工神经网络的计算机辅助乳腺肿瘤诊断方法。首先通过对乳腺B超图像进行分析，提取了基于肿瘤形态和边界的七个特征以及基于灰度的两个特征；然后根据类间距对各个特征的分类能力进行评价，选出类间距较大的特征：灰度比、付里叶描述子、粗糙度和似圆度：再对这四个特征进行组合，用K均值聚类的方法，筛选出由灰度比、付里叶描述子和似圆度组成的最优特

3、征矢量；最后，在特征选择的基础上，先采用灰度比、似圆度和付里叶描述子作为BP人工神经网络的输入，进行良、恶性肿瘤的识别。根据恶性肿瘤血管和血供都比较丰富的特点，本文进一步引入Doppler血流图像特征，并通过大量临床四川大学硕士学位论文确诊病理的统计分析，确定了超声Doppler血流图像特征的阈值，作为进一步判断良、恶性肿瘤的依据。通过500例临床样本的实验结果表明，本文所建立的方法在只采用B超图像特征矢量的情况下，良、恶性识别率分别达到64．8％和91．2％，而引入Doppter血流图像特征后，良、恶性肿瘤的识别率可分别达到80．8％和100％。本论文

4、首次引入了血流特征，利用付立叶描述予从频率域的角度描述肿瘤边界的粗糙度。并用双阈值的方法把BP网络的识别结果分为三类，对中间型样本加入血流特征。本论文的研究表明，血流特征作为一个辅助特征，有较强的判别良性和恶性样本的能力。本研究所建立的辅助诊断系统能够不遗漏恶性样本，与此同时，系统也达到较高的对良性肿瘤的识别率，从而降低不必要的活检数。关键词：乳腺肿瘤付里叶描述子血流DopplerB超图像人工神经网络11]四川大学硕士学位论文Computer—aidedDiagnosisofBreastTumorBasedonUltrasonicImage、M．S．Ca

5、ndidate：YingYANGSupervisor：DeyuLIAbstractBreastcanceristhemostprevalentcanceramongwomen．Thefatalityratioiskeepingrisingintheseyears．Sonographyhasbeenwidelyusedfordiagnosisofbreastcancerbecauseofitsnon—invasiveandlowCOStforthepatients．HoweveLitheavilydependsonoperator’Sexperience，

6、whichleadstoahighfalsepositivepredictivevalue．Thatmeanslargenumberofunnecessarybiopsies，whicharepainfulandeconomicalburdentOthepatients．Computer-aideddiagnosisofbreastcancercanreducebreastbiopsiesandimprovebreastcancerdiagnosisaccuracyandobjectivity．Anditalsocanlargelyreducethedo

7、ctors‘work．Thisresearchfocusedondevelopingacomputer-aideddiagnosissystem，improvingthesystem’Saccuracyofbothmalignantandbenignbreastdiagnosisandofferingthesecondaryopiniontothedoctors．Acomputer-aideddiagnosingMethodbasedonB—modegrayscaleandcolorDopplerimageanalysisandBackPropagati

8、onartificialneuralnetworkwasproposed．Fir