乳腺癌自動診斷系統(tǒng)的預處理及檢測算法研究.pdf

1、乳腺癌已成為繼肺癌之后導致婦女死亡的第二大病癥。作為診斷乳腺癌最主要手段之一的X線乳腺癌照片有著分辨率高、單點象素深度大的特點，從而使得普通的乳腺癌檢測算法會遇到速度這一瓶頸問題。本文旨在保證有效性的前提下解決速度瓶頸問題，從而展開以下工作：提出一種新的尋找感興趣區(qū)域的策略，并據(jù)此進行快速特征提取和分類；引入層疊思想，加快感興趣區(qū)域提取的速度；并將多尺度引進感興趣區(qū)域提取的域框架中，進一步提高排除非微鈣化區(qū)域的能力。現(xiàn)分別介紹如下：

2、 1、目前尋找感興趣區(qū)域的算法都是直接尋找可能包含微鈣化的區(qū)域，由于微鈣化本身比較復雜，從而加大了尋找算法過于復雜的可能性。本文通過一種相反的策略來達到降低算法的復雜度，即尋找相對比較簡單的背景，通過排除這些背景來達到間接地獲取可能包含微鈣化的區(qū)域。 2、為加速整個算法的速度，采用兩級分類器層疊的思想。首先采用相對簡單的閥值法進行大規(guī)模的分類，然后對剩余的還不能夠確定的區(qū)域采用相對復雜的代價敏感的支持向量分類器進行進一步

3、分類，從而在保證精確度的同時，極大地提高了算法執(zhí)行速度。 3、采用多尺度思想，從不同角度提取特征。低尺度能夠反映全局信息，對噪聲有較強的抗干擾能力，但對小區(qū)域的微鈣化不敏感，容易丟失較小的微鈣化區(qū)域；高尺度能夠反映局部信息，尤其當尺度接近微鈣化的平均直徑時區(qū)分普通區(qū)域和微鈣化區(qū)域的能力將會最大化，但卻會導致計算量增加，對噪聲也會變得非常敏感。為此，采用多種尺度的集成方式，結合它們各自的優(yōu)點，從而提高算法排除非病變區(qū)域的能力。