乳腺腫塊檢測(cè)和分析關(guān)鍵技術(shù)研究.pdf

1、乳腺癌發(fā)病率每年持續(xù)增長(zhǎng)，現(xiàn)已經(jīng)成為危害女性健康的癌癥之首。早期發(fā)現(xiàn)、早期診斷和早期治療成為乳腺癌最主要的診斷手段，由于高空間分辨率和對(duì)乳腺腫塊和鈣化高敏感率，乳腺X線攝影術(shù)已經(jīng)成為診斷乳腺癌最主要的影像學(xué)手段。在乳腺X線影像圖像中，乳腺腫塊是最基本、最常見(jiàn)和最重要的惡性病變特征。本文基于乳腺X線影像圖像，提出一種自動(dòng)的適用性較強(qiáng)的乳腺腫塊檢測(cè)算法為醫(yī)生診斷提供更正確的參考信息，同時(shí)在乳腺腫塊檢測(cè)基礎(chǔ)上，研究乳腺腫塊位置分布規(guī)律，為乳腺

2、癌早期診斷和病理分析提供一種可靠的魯棒性較強(qiáng)的分析乳腺腫塊分布規(guī)律的工具。
　　本文提出的一種自動(dòng)的適應(yīng)性較強(qiáng)的乳腺腫塊檢測(cè)算法分為以下三個(gè)部分。第一，本文針對(duì)乳腺腫塊特征多樣性，提出一種改進(jìn)的基于動(dòng)態(tài)規(guī)劃的分割方法，對(duì)乳腺腫塊尺寸、位置和密度均有很高的魯棒性，得到了乳腺腫塊精確的邊界。第二，針對(duì)乳腺腫塊明顯的紋理特性，本文在分割基礎(chǔ)上，擬合乳腺腫塊輪廓，得到腫塊環(huán)形感興趣區(qū)域，將其展開(kāi)得到RBST圖像，在RBST圖像上提出基于灰

3、度共生矩陣的紋理特征提出方法。由于RBST圖像和灰度共生矩陣均能更好地反映紋理特征，從而基于RBST圖像的基于灰度共生矩陣的紋理特征提取方法能提取有效的腫塊特征。第三，為提高分類器泛化性能，本文采用自適應(yīng)確定參數(shù)的支持向量機(jī)分類器進(jìn)行分類識(shí)別。對(duì)于灰度不均勻的腫塊數(shù)據(jù)，與基于感興趣區(qū)域形態(tài)學(xué)特征的腫塊檢測(cè)算法相比，本文提出的腫塊檢測(cè)算法在保證假陽(yáng)率不變情況下，檢出率提升了15％。
　　在腫塊檢測(cè)基礎(chǔ)上，研究乳腺腫塊位置分布規(guī)律，提