《基于svm的乳腺肿块分层检测算法研究》由会员分享，可在线阅读，更多相关《基于svm的乳腺肿块分层检测算法研究（61页珍藏版）》请在金锄头文库上搜索。
1、西安电子科技大学硕士学位论文基于SVM的乳腺肿块分层检测算法研究姓名：王颖申请学位级别：硕士专业：信号与信息处理指导教师：高新波20060101摘 要 摘 要 乳腺癌是一种常见的恶性肿瘤，早期诊断和治疗是降低乳腺癌死亡率的关键。乳腺钼靶 X 线摄影是目前诊断乳腺癌的首选方法，但由于早期乳腺癌的影像学特征并不十分明显，因而即使富有经验的医生也很难及时发现图像中所有可能的病变区域。随着医学和计算机技术的迅速发展，根据乳腺钼靶 X 线摄影来进行乳腺中肿块及微钙化点的计算机辅助检测已成为乳腺癌早期诊断的研究热点。好的计算机辅助检测系统能够有效地防止因为视觉疲劳和疏忽而造成的误诊和漏诊，帮助医生更好地识
2、别图像中的微小病变。 肿块是乳腺癌在 X 线图像上的一个主要表现，本文提出了几种新的检测算法来进行乳腺 X 线图像中肿块的自动检测。首先，提出了一种新的基于形态学的图像增强方法，有效地抑制了图像中的背景区域，凸现了肿块区域；在此基础上，根据增强图像及原图中象素的灰度和对比度等特征，提取出饱满的种子区域；利用这些种子区域，根据一种有效的模糊区域生长方法和 Vague 集的概念，提出了基于 Vague 集的模糊区域生长方法，保证了生长结果接近肿块真实形状，同时也确保了生长的稳定性；由于一些低密度肿块区域的存在，使得单一灰度尺度上的检测不够完全，于是本文又提出了一种在多个灰度尺度上检测肿块的分层检测
3、方法，有效地检测出了图像中特征不明显的肿块区域；由于提取出的感兴趣区域中存在大量假阳性区域，为了提高检测结果的精度，在对感兴趣区域进行了特征提取后，将 SVM 分类器应用于肿块区域和正常组织的分类中，取得了良好的检测结果；为了进一步提高真阳性率而降低假阳性率，还引入了相关反馈的方法，使得假阳性区域进一步减少。 实验结果表明，本文提出的检测方法取得了良好的检测结果，相信经过不断的努力和改进，这些检测算法将具有广阔的应用前景。 关键词：计算机辅助检测 肿块检测 Vague 集 SVM 相关反馈相关反馈 Abstract Abstract Breast cancer is one of the mo
4、st common malignant diseases, and the early diagnosis and treatment can significantly increase the chance of survival for patients. Mammography is the first choice to diagnose breast cancer. However, features of early breast cancer in mammograms are unconspicuous, so even the seasoned doctor cannot
5、easily discover all of the possible disease in time. With the rapid progress of physic and computer technology, detection of masses and calcifications on mammograms has been a hot research field in early detection of breast cancer. A good computer aided detection (CAD) system, which can effectively
6、avoid error and miss in diagnosis due to the eyestrain or negligence of human, could help doctors recognize micro disease better in medical images. Masses are the major indications of breast cancer on mammograms. For this purpose, this paper presents a series of new methods to detect masses automati
7、cally. Based on the morphological analysis, a new image enhancement method is proposed, which can effectively suppress the background and enhance the features of masses on mammograms simultaneously. Then the plump seed regions can be extracted from the images using features such as gray or contrast
8、in the enhanced and original images. A novel method inspired by vague set, is introduced to extend the fuzzy region growing to a vague version, which gauranttees the completeness as well as stability of region growing. Since some masses have low density, the detection on one gray scale cannot reach
9、them. So a hierarchical detected method is developed, which can detect the unconspicuous masses effectively. Owing to a great deal of false positives lie in ROI, the SVM classifier is designed to distinguish masses from nomal areas with good detected result. To improve the ture positive while reduce
10、 false positive, the relevance feedback is introduced to filter out the number of false positives. The experimental results show that the proposed detection algorithms can obtain good detection result. It is believed that these detection algorithms will be of extensive application prospect. Keyword:
11、 CAD, Mass Detection, Vague Set, SVM, Relevance Feedback 独创性（或创新性）声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其它人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。 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。 本人签名： 日期： 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保
12、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西安电子科技大学。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单位仍然为西安电子科技大学。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。 （保密的论文在解密后遵守此规定） 本人签名： 日期： 导师签名： 日期： 第一章 绪论 1 第一章 绪论 1.1 课题背景及意义 乳腺癌是女性最常见的恶性肿瘤之一，严重威胁着妇女的健康甚至生命。据统计1，全球每年约有上百万妇女罹患乳腺癌，其中约一半都死于乳腺癌。在西方发达国家，乳腺癌的发病率和死
13、亡率早已位列女性恶性肿瘤前列，而在我国，随着生活方式及饮食习惯的改变，乳腺癌的发病率也呈明显的上升趋势，甚至已经超过了一些欧美发达国家。由此可见，乳腺癌已经成为一个全球性的健康问题，对它进行系统深入的了解和研究更是刻不容缓。 近年来，随着科学技术的不断发展，乳腺癌的诊断技术和治疗方法都有了较大的进步。在诊断技术方面，较为常见的主要有钼靶软 X 射线检查、乳腺干板摄影、乳腺 CT 检查、乳腺 MRI 检查以及乳腺血管造影术等方法；在治疗发法方面，也已经从以前的外科手术治疗为主转变成为综合治疗的方法，如内分泌治疗、CSRT 治疗、细胞治疗、基因治疗等等。 尽管如此，乳腺癌的死亡率却始终没有明显下降
14、。这是由于多数晚期癌症因为较多发生远处转移，无论采用任何现代化的治疗措施，疗效仍然不好，只有在早期癌症未发生远处转移的情况下，这些治疗措施才能有效地治疗乳腺癌。上述事实充分表明，乳腺癌的早期发现和诊断对挽救患者的生命尤为重要。以美国为例，由于90年代广泛开展了乳腺X线摄像检查，使得大量的早期乳腺癌得以及时治疗，并且致使乳腺癌的相对5年存活率从1975年左右的75%上升到了1990年左右的86%。因此，在对乳腺癌一级预防尚无良策的情况下，提高恶性肿瘤生存率、降低其死亡率的关键，还应该是大力开展早期发现、诊断和治疗。为此，寻找更为有效的乳腺癌普查和早期诊断的方法，一直都是众多学者孜孜以求的目标。
15、由于钼靶软X射线检查空间分辨率较高，对肿块和钙化敏感，并且所需设备简单、价格低廉，因此这种方法已经成为目前早期发现乳腺癌的最可靠和最常用的手段。但由于乳腺本身的特殊性，即乳腺组织中的腺体、结缔组织、血管、脂肪组织等软组织的密度都很近似，会使得到的X线图像质量受到一定影响。而低劣的图像质量和一些恶性病变的良性表现就会影响放射专家的诊断，再加上观察者本身的视觉疲劳和疏忽，就会在一定程度上降低乳腺癌检查的准确性。因此如何在成像设备精度无法很快提高的情况下，从客观上提高图像的质量，改善诊断的准确性是我们所关心的问题。 2 基于 SVM 的乳腺肿块分层检测算法研究 随着计算机及其相关技术的大力发展，使得
16、利用计算机进行乳腺癌辅助探测和诊断成为可能。如果我们能够利用数字图像处理方法对乳腺X光片进行处理，帮助医生更好地对图像进行判断和理解，即提供给医生一致性和重复性均好的“第二观感”，避免因为主观原因而造成的疏漏和误诊，那么将会有效地提高诊断的真阳性率，降低假阳性率，使诊断的结果更加准确。近年来，专家学者们相继提出了许多计算机辅助检测和诊断的算法，也有一些已经投入临床使用，但总的来说，还存在很多不足，例如算法的应用只局限于某种类型的乳腺癌，诊断的假阳性率较高，需要一定程度的人工干预等等，因此有必要研究新的检测和诊断方法，为医生提供良好的诊断信息，帮助医生提高诊断的准确性。 肿块和钙化点簇是乳腺癌最常见的影像学征象
