基于多分类器和双视角信息融合的乳腺钼靶图像病灶分类算法分析

《基于多分类器和双视角信息融合的乳腺钼靶图像病灶分类算法分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、杭州电子科技大学硕士学位论文基于多分类器和双视角信息融合的乳腺钼靶图像病灶分类算法研究研究生：孙利指导教师：厉力华教授DissertationSubmittedtoHangzhouDianziUniversityfortheDegreeofMasterClassificationofMassesinMammographybasedonInformationFusionofMulti．．classifierandCandidate：LiSunMulti．．viewSupervisor：Prof．LihuaLiDecember，2010杭州电子科技大学学位论文原

2、创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。申请学位论文与资料若有不实之处，本人承担一切相关责任。论文作者签名：初、刹日期：知f1年7月／2，日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名

3、单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。(保密论文在解密后遵守此规定)论文作者签名：翻、利日期：劲¨年1月／≯日特溯躲陆罕日期：刈7年／月少杭州电子科技大学硕士学位论文摘要乳腺癌是女性最常见的恶性癌症之一。最近二十多年，我国乳腺癌的发病率和死亡率都表现出了持续高速增长的趋势。钼靶X线摄影是目前临床上检测乳腺癌的主要手段。乳腺钼靶X线摄像计算机辅助诊断(ComputerAidedDiagnosis，CAD)系统可以辅助医生诊断，快速有效地提高乳

4、腺癌病变的检测准确率，这已被许多学者广泛研究。、乳腺肿块良恶性分类是CAD系统的重要环节，如何提高分类的准确率和稳定性是分类研究的重点。然而，目前的计算机辅助检测乳腺癌肿块病灶方法的性能没有被放射科医师认可和信赖，这严重影响了该类型系统在临床上的应用。论文主要根据临床上同一肿块两个视角的乳腺钼靶图像肿块的轮廓与背景组织之间的对比度情况，通过多分类器融合和双视角信息融合，研究出不同情况下具有更高的分类准确度、敏感性、特异性和稳定性的分类模式。本研究的工作内容和创新点主要体现在：(1)将双视角信息融合算法应用于乳腺钼靶肿块的分类研究中，并且实验证实该方法提高了分

5、类的有效性。(2)对肿块钼靶图像，使用单视角下的多分类器融合算法进行分类。(3)先对每个单分类器在两个视角下的输出进行视角融合，再对其融合结果进行多分类器融合。(4)分别先在每个视角下进行多分类器融合，再对两个视角的多分类器结果进行视角融合。(5)先对特征向量在两个视角下的取值进行融合，再基于新的特征向量进行单分类器分类和多分类器融合。(6)根据临床同一肿块两个视角良恶性的分辨难易程度不同，将实验数据分成三组，并分别使用(2)一(5)中的方法，评判不同的分类融合模式对不同情况的肿块的分类效果。实验结果表明，(3)和(4)的分类模式由于有效地利用了乳腺钼靶图像

6、两个视角的肿块区域的信息，在肿块分类的正确率、敏感性、特异性和稳定性等方面的表现优于(2)和(5)的分类模式，而且这两种模式更符合放射科医师的读片习惯，能够更好的改善CAD系统的临床可用性。本研究通过对基于双视角和多分类器信息融合的研究，为实现计算机辅助检测系统在临床中的广泛应用奠定了理论基础。关键词：乳腺钼靶图像，肿块，双视角，多分类器，分类模式杭州电子科技大学硕士学位论文ABSTRACTBreastcancerisoneofthemostfrequentlydiagnosedmalignanttumorsofwomenintheworld．Inthela

7、testtwentyyears，theincidenceandmortalityofbreastcancerinChinaincreaserapidly．AndmammographyisthemostreliablemethodtodetectbreastCanCel'．Computer-aideddiagnosis(CAD)systemofthemammogramsthatcallassisttheradiologistsasasecondopiniontoimprovethedetectionefficiencyhasbeenstudiedextensi

8、vely．Classificationofmasse