乳腺X线图像的计算机辅助诊断技术研究

乳腺X线图像的计算机辅助诊断技术研究

ID:36758998

大小:7.88 MB

页数:213页

时间:2019-05-14

乳腺X线图像的计算机辅助诊断技术研究_第1页
乳腺X线图像的计算机辅助诊断技术研究_第2页
乳腺X线图像的计算机辅助诊断技术研究_第3页
乳腺X线图像的计算机辅助诊断技术研究_第4页
乳腺X线图像的计算机辅助诊断技术研究_第5页
资源描述:

《乳腺X线图像的计算机辅助诊断技术研究》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、浙江大学博士学位论文摘簧·摘要-乳腺癌是危害中老邻妇女健康的最常风的恶性肿瘤,最近二十多年来,我国乳腺癌的发瘸辩和死亡率都表现出了持续的高速增长。锢靶x线摄影是目前临床上乳腺癌检测的主要手段。为了让乳腺癌的诊断工作受嬲准确翻快速,乳腺X线圈像的诗算极鞍助诊颤技术已经敲广泛应惩。论文熬主要任务藏楚鍪骚究出雯热毫羧、捷速秘嚣豫瘗瘸洼(徽锈纯窬肿块)检测方法,获得烫好的诊断准礁率,篡内容可以分为以下五部分。第一部分,提取乳房区域,作为病灶的檎测范围。首先通过迭代闽值法对背景区域实施分离,然后采用晟小二乘法估测横向边框的外沿走向,用弹性线技术将其姆乳房分离,最后用分水岭技术精细化乳魔边缘

2、。第二熬分,分割爨房巾靛勰腿区域,遴一步缭小病灶戆羧溅藏匿。蓄筑将一系魂不蘑尺寸瓣感兴趣区域应躅戮魏魏邻域,鬏据冀辩痰豹最德阏馕馥线秘均方差棘线搜索胸肌边界阚德。然后使用带状Hough变换对胸肌边界进行直线拟龠,并采用弹性线和多边形逼近技术进行精细化,第三部分,检测乳房区域中的微钙化并提取其区域。首先谯离散小波分姆之后的第2、3艨商频检索域中进行滞詹闺值化,以获得所有疑似徽钙德戆位置。然后饿耀基于填充膨胀浆区域扩张方法来提取激鸯基耩嚣域。在定燕与分割避穗中,采瘸了蠢鼙FiS来对鹜景特短帮梭溯标准之闯的映射关系进行学习和遥近,从而让整个检测过程变得自适墩。第四部分,定位乳房区域中的

3、肿块并避行分割。首先建立两种模型来椭述各种肿块的特蚀,对于脂肪组织中的II型肿块,利用迭代阚值法进杼定位;对于致密组织中的I型肿块,通避离频黑洞区域检索来定位;对予致密组织边缘豹黪嫒,利囊基于局部秘发增强斡垂适应阕镶镬:寒定位。然螽接霆e熊ny冀予燕螫下豹壤充黪蒎技术(峦矗静IS投粼)分裁舯块区域,能量场方法被用来修正多肿块之间的区域扩张。第五部分,将分割所得的微钙化和肿块进行分类。首先确定:i吝两类病烛备自的分类特征和撼取方法,然后通邋比较MLP、C姒c、ANFIS在分类工作中的效果,得到了MLP综合表现最健的结论。最后将分割和分类结聚续会,获褥了魄搀绕宠法更强的簧捧熬耧更裹的

4、梭测耩发。关键淘巍骧癌,巍稼x线鬻像,诗篓凝辚麴诊凝,薅块,徽锈纯’论文课题受到了国家自然科学基金(№.60272029)和浙江省自然科学撼盒(No.M603227)的资助浙江犬学博士论文AbstractmassesmatchingModelIIcouldbelocatedwithiterativethresholdin鸯whilethoseInassesmatchingModelIcouldbelocatedbydetectingthere垂onswithlowmOmllus洫龟ehig圭l·懿quencywaveleldomain,a_ndthosemassesont腑edg

5、eoftlledensertissuecouldbelocatedwithadaptivethresholdingbasedon10calgradientenhancement.Atlast,fillingdilationrestrictedw油C柚nyedgedetectorisutilizedtoox矗acttlle越assfegions.Thesegmentationprocess远alwayscon枉olledwithANFIS,蹁denergy嚣eldmemodisgppliedtoa萄8st穗eregionexn_actionwhenthemassesareclose

6、t0eachotller.ThefifthpartistoclassifyallthesuspiciousMCsalldmassesextractedaboVe.Themostappfopriatefeatllresoffhese铆ofocusesare6rstlyselected,alld氇ee媳ationmetho瓠of荡em曩red童scussed,And诹enMLEC蠢虎A£a珏dANFISaresimultaneouslyu8edforclassi矗cationofMCsandm船ses.Bycomparingtheclassi蠡cationeffbctsofthese

7、threeneuralnetworks,aconclusioncouldbed“l帆th砒MLPperfomsbestas也eclassifierof饿efocusesinthemammograms.Rnal默却comb主n协g穗esegment越ionandckssi壬主c3tion指sIll专’highefde

8、ecdonprecisionandstrDngermbus恤essthaIltheconveIltionalmethodsisgained.Keywordsbreas

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。