乳腺腫瘤圖像的識別方法研究

《乳腺腫瘤圖像的識別方法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、：ＴＰ３９分類號單位代碼：１０５１４１１密級：公開學(xué)號：２０１５１０１９碩士學(xué)位論文⑩Ｉ論文題目：乳腺腫瘤圖像的識別方法研究作者姓名：李珊珊指導(dǎo)教師姓名、職稱鄒海林教授學(xué)科專業(yè)名稱計算機應(yīng)用技術(shù)研究方向圖像處理與模式識別論文答辯日期２０１８年６月３日答辯委員會主席武玉強教授魯東大學(xué)碩士學(xué)位論文乳腺腫瘤圖像的識別方法研究作者姓名：李珊珊指導(dǎo)教師：鄒海林教授學(xué)科專業(yè)：計算機應(yīng)用技術(shù)研究方向：圖像處理與模式識別魯東大學(xué)信息與電氣工程學(xué)院二○一八年六月AThesisSubmittedtoLudongUniversityf

2、ortheDegreeofMasterResearchonRecognitionMethodsofBreastCancerImageM．D．Candidate：ShanshanLiSupervisor：HailinZouMajor：ComputerApplicationTechnologyResearchInterests：ImageProcessingandPatternRecognitionSchoolofInformationandElectricalEngineeringLudongUniversityJune，2018學(xué)位論文原創(chuàng)性聲明和使用授權(quán)說明

3、學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研宄所取得的。除了文中特別加以標(biāo)注引用的內(nèi)容外研究成果，本論文不包含任何其他個人或集體己經(jīng)發(fā)表或撰寫的成果作品。對本文的研宄做出重要貢獻的個人和集體，均己在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名：曰期變Ｉ胃：年廠月／曰學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)魯東大含可以將本學(xué)位論文的全部或部

4、分內(nèi)容編入有關(guān)數(shù)據(jù)庫講行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密□，在年解密后適用本授權(quán)書。本學(xué)位論文屬于不保密ｄ。“”（請在以上相應(yīng)方框內(nèi)打Ｖ）作者簽名挪？｝．曰期：上＃年月曰《＜導(dǎo)師簽名曰期年月ｇ曰《致謝隨著這篇論文的完成，三年的碩士研究生生活也即將畫上句號。回首三年的學(xué)術(shù)研究生活，在老師、同學(xué)和家人、朋友的幫助和鼓勵下，我不僅在科研上有所收獲，在為人處事方面也有所成長，在此我向他們致以我最真摯的感謝和敬意。首先我最應(yīng)該感謝的是我的導(dǎo)師鄒海林教授，鄒老師始終以身作則，用自己的行動來影響我們。

5、在工作上，他勤奮認(rèn)真，精益求精；在學(xué)術(shù)上，他嚴(yán)謹(jǐn)負(fù)責(zé)，追求卓越。他對學(xué)生關(guān)懷備至，精心栽培，不僅會細心地指導(dǎo)我，也為我提供了很多鍛煉和學(xué)習(xí)的機會，讓我在實踐中不斷地領(lǐng)悟和提升。感謝臧睦君老師、柳禪娟老師在學(xué)術(shù)研究上對我真誠的引導(dǎo)和幫助；感謝楊洪勇教授、周莉教授、岳俊教授、張志旺老師、雷鵬老師和寇光杰老師在學(xué)習(xí)上對我的指導(dǎo)；感謝張淑寧老師和曲海平老師在研究生工作中給予我們的幫助。感謝劉影師姐、陳彤彤師姐和申倩師姐在生活和學(xué)習(xí)中為我指點迷津、提供幫助，感謝我的同學(xué)李亞慶三年的陪伴，感謝師弟師妹們的幫助。特別感謝我的家人，他們是我堅強的后盾，他們無私的關(guān)心和愛護給了

6、我源源不斷的力量。李珊珊于魯東大學(xué)信息與電氣工程學(xué)院2018年6月I摘要乳腺疾病的初期檢查是拯救病患性命最可靠的辦法。當(dāng)前，乳腺X線圖像是診斷乳腺腫瘤最常用的圖像，但是初期乳腺腫瘤圖像特征的特異性不強，受醫(yī)生主觀因素影響，易出現(xiàn)誤診和漏診。目前，計算機發(fā)展迅速，用先進的計算機技術(shù)來幫助醫(yī)師對乳腺腫瘤進行診斷已經(jīng)發(fā)展為一個研究熱點。本文在經(jīng)典乳腺腫瘤圖像的模式識別方法的基礎(chǔ)上，提出了新的識別算法，實現(xiàn)了對乳腺腫瘤的有效識別，具體工作如下：（1）介紹了乳腺圖像處理的相關(guān)技術(shù)。使用對比度增強方法對圖像進行加強，提高了圖像質(zhì)量。通過模糊c均值算法，將潛在的腫塊區(qū)域有效

7、地分割出來。分別提取乳腺腫塊特征和乳腺密度特征作為有效特征，其中在乳腺腫塊區(qū)域，利用灰度共生矩陣紋理分析方法，提取48個紋理特征和5個形狀特征；在乳腺密度區(qū)域，提取2個灰度特征，并將提取的特征作為以下算法的實驗數(shù)據(jù)集。（2）提出了基于支持向量機的參數(shù)優(yōu)化算法。對面向乳腺腫瘤識別的支持向量機分類算法中懲罰系數(shù)和核函數(shù)參數(shù)展開優(yōu)化，提出將改進的果蠅優(yōu)化算法作為支持向量機參數(shù)的優(yōu)化算法，提高分類性能。通過建立實驗，分類結(jié)果表明算法可以提高識別準(zhǔn)確率。（3）提出了面向乳腺腫瘤圖像識別的聯(lián)合增強耦合特征表示方法，兼顧特征內(nèi)部耦合和相互耦合的相關(guān)關(guān)系，構(gòu)建基于相關(guān)關(guān)系的特

8、征表示，建立了基于聯(lián)合增強耦合特征表示