欢迎来到天天文库
浏览记录
ID:36825703
大小:3.05 MB
页数:66页
时间:2019-05-16
《乳腺X线片中微钙化点感兴趣区域提取方法研究》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、摘要乳腺癌是妇女常见恶性肿瘤之一,防治的关键在于早期诊断。微钙化点是早期乳腺癌的重要征象,由于乳腺钼靶x线片对钙化十分敏感,所以成为早期诊断乳腺癌的重要工具。但钼靶x线影像的信息只有3%能为人眼所见,大量的信息不能为人眼分辨。即使有经验的医生也很难及时发现钼靶X线影像上早期乳腺癌的微小钙化点,以致延误病人的治疗时机。可以说,实现乳癌早期诊断的关键技术之一是及时发现乳腺癌X影像中的微小钙化点。随着计算机技术的飞速发展,基于传统乳腺钼钯X线影像的计算机辅助检测微小钙化点已成为乳癌早期诊断的研究热点。本课题尝试通过四个模块实
2、现微钙化点检测并判断良恶性:乳腺钢钯x片前处理、微钙化点感兴趣区域自动提取、微钙化点自动检测、微钙化点病变类型判定。本文主要完成微钙化点感兴趣区域自动提取这一部分的工作。根据乳腺x线片及微钙化点的特点,本文分两步完成微钙化点感兴趣区域的自动提取:①乳腺x线片中乳腺区域的提取:②乳腺区域中可疑含微钙化点区域的提取,前者是后者的基础。本文通过5个步骤实现了乳腺区域的提取:①通过基于直方图全局阈值法对乳腺图像进行二值化;②在二值图像上进行形态学滤波,以消除乳腺区域和背景区域的噪声:③确定乳腺定位;④在二值图像的每一行上选取最
3、优边界点,初步提取乳腺边缘;⑤通过傅立叶变换法去除乳腺边缘高频成分,对乳腺边缘进行平滑,再用邻域平均法进一步边缘平滑。运用上述方法对68幅乳腺图像进行了乳腺区域提取,成功率为97.06%。在成功提取乳腺区域的基础上,本文尝试用多分辨率小波分解的方法提取微钙化点感兴趣区域。具体思路为:在已提取出的乳腺区域顺序截取固定大小的正方形图像为基本单元,用Daubcchies小波对每个单元进行k阶分解以获得k阶细节图像,求该细节图像的特征参数P,若P大于阈值则确定该单元为含微钙化点区域,否则为正常组织区域。运用上述方法对40个样本
4、进行了判断,成功率为85%。本文所完成的工作减小了课题中后续模块的运算量,并提高了计算机辅助诊断的智能性。关键词:微钙化点、感兴趣区域、直方图、形态学滤波器、小波变换AbstractnIebreastcancerisoneofthemostprevalenttumordiseasesamongwomen.nekeyofitspreventionandcuringliesinitsearlydiagnosis.Microcalcificationisthemostimportantcharacteristicofearl
5、ybreasttulnors.AsthemolybdenumtargetX-rayimagingtechnologyissensitivetotissuecalcification.ithasbecomeanessentialtoolforearlydiagnosisoftheearlybreastcancer,Itisestimatedthatonly3%informationinthemammogramcanbeacquiredbyhumaneyes.Therefore,largeamountsofinformat
6、ioncannotbedetectedbydirectvision.Evenforexperienceddoctorsitisveryhardtofmdthemicmcalcificationoftheearlybreasttumorinthemamrnogram.Hence,thekeytechnologyfortheearlydiagnosisofbreastRlnloristodiscovermicrocalcificationinthemammography.蚴therapiddevelopmentofcomp
7、utertechnology,thecomputeraideddetectionofthemierocaicificationinthemammogramhasbeenahotresearchfield.Tllisthesistackledthedetectionanddiagnosisofthemicrecalcificationwithfourmodules,thepreprocessingofmammograms,theextractionofmien)calcificationregionsofinterest
8、,theautomateddetectionofmicroealcification,andthepathologicaldeterminationofmicrocaleification.Themainworkinthisdissertationisfocusedontheautomatedexlractionofmicroca
此文档下载收益归作者所有