乳腺醫(yī)學(xué)圖像中腫瘤分割與分類(lèi)方法研究

《乳腺醫(yī)學(xué)圖像中腫瘤分割與分類(lèi)方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、．．分類(lèi)號(hào)：單位代碼：１０４４１，、苗密級(jí)：２０１３０２１８５扣祗：，；，學(xué)號(hào)雙議Ｉ扣．＇＇■咕飛：＇＼＾．奪：（Ｉ篇ｉ③馬系中：今扁品心麵麵麵職扁苗?。崳娢念}Ｓ：ＲｅｓｅａｒｃｈｏｎＢｒｅａｓｔＴｕｍｏｒＳｅｇｍｅｎｔａｔｉｏｎ．１．ａｎｄＣｌａｓｓｉｆｉｃａｔｉｏｎＭｅｔｈｏｄｏｆｉｃａｌ辦Ｍｅｄ申請(qǐng)人姓名么金玉入學(xué)年月２０１３年９月＇學(xué)科專(zhuān)業(yè)生物醫(yī)學(xué)工程７ｋ：＾；：：＾：．４ｖ＇指導(dǎo)教師＾本征副教授學(xué)位類(lèi)型

2、工學(xué)專(zhuān)業(yè)學(xué)位．．，．．＇．ｉ．，．Ｖ．，Ｖ、，Ｖ’．、纏志Ｖ２０１６年６月１６曰，．：．‘Ｖ．．．．Ｖ．＇斗；．？、１■，．：．；，恥１賊，ｉ巧爾ｉｉｉ原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是在導(dǎo)師的指導(dǎo)下獨(dú)立完成的，文中除注明引用的內(nèi)容外，不包含任何其他已經(jīng)發(fā)表的科研成果。對(duì)本文研究做出重要貢獻(xiàn)者，巧已在文中臥明確方式表明。本聲明的法律責(zé)任完全由自己承擔(dān)。ｂ論文作者簽名４＾言扛導(dǎo)師鞭臺(tái)＾期如／如句ｆ良巧平關(guān)于學(xué)位論義使用授權(quán)的聲明

3、本人完全了解山東中醫(yī)藥大學(xué)有關(guān)保留使用學(xué)位論文的規(guī)定，同意學(xué)校保留或向國(guó)家有關(guān)部口機(jī)構(gòu)送交論文印件和電的復(fù)，化許被查子版閱巧借閱。本人授權(quán)山東藥大學(xué)可臥將本學(xué)中醫(yī)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可采用影印、縮印或其他復(fù)段保存和匯。印手編本學(xué)位論文（保密論文在解密后應(yīng)遵）守此規(guī)定論文作者簽名＾玉＾＇飾導(dǎo)師簽吝每畫(huà)單提要目的：乳腺癌是嚴(yán)重威脅女性身體健康的惡性腫瘤之一，如不能及時(shí)發(fā)現(xiàn)病癥并進(jìn)行合理治療，甚至?xí)＜盎颊叩纳踩?。乳腺癌?jì)算機(jī)輔助診斷系統(tǒng)有利于提高乳腺癌診

4、斷的效率和精度，對(duì)乳腺癌的臨床診斷和研究具有一定價(jià)值。乳腺腫瘤的分割及分類(lèi)工作是乳腺癌計(jì)算機(jī)輔助診斷的支撐技術(shù)之一。為降低乳腺腫瘤分割算法的計(jì)算復(fù)雜度，提高乳腺分割的精度，本文提出一種基于超像素的乳腺腫瘤分割算法。在基于超像素技術(shù)的醫(yī)學(xué)圖像分割中，合理地選取超像素分割算法是提高乳腺腫瘤分割算法精度和通用性的關(guān)鍵，為選取適用于乳腺腫瘤分割的超像素算法，本文設(shè)計(jì)提出了一種適用于醫(yī)學(xué)圖像的超像素分割算法評(píng)價(jià)方法。單一的超聲圖像或鉬靶圖像對(duì)乳腺癌的診斷精度有限，為提高乳腺癌診斷的效率和精度，針對(duì)多模態(tài)乳腺醫(yī)學(xué)圖像的特點(diǎn)

5、，本文提出一種選擇性集成的乳腺腫瘤的分類(lèi)方法。方法：本文提出一種基于超像素的乳腺腫瘤分割方法。該方法首先利用超像素分割算法對(duì)乳腺超聲圖像進(jìn)行過(guò)分割，然后在超像素級(jí)上采用區(qū)域生長(zhǎng)算法實(shí)現(xiàn)乳腺腫瘤的分割?；卺t(yī)學(xué)圖像的特點(diǎn)，為選擇合適的超像素分割算法，本文提出了一種醫(yī)學(xué)圖像超像素分割算法評(píng)價(jià)體系，主要由算法運(yùn)算速度、邊界貼合性和邊界重合度、規(guī)則度和同質(zhì)性等指標(biāo)組成。基于該評(píng)價(jià)體系，對(duì)歸一化割算法，Turbopixels算法和SLIC算法做了系統(tǒng)的算法性能評(píng)價(jià)與分析，并選擇將SLIC算法應(yīng)用于本文乳腺超聲圖像分割算法

6、研究中。本文設(shè)計(jì)一種基于評(píng)價(jià)指標(biāo)R的選擇性集成分類(lèi)器方法。該方法首先提取乳腺超聲圖像的形態(tài)學(xué)特征、紋理特征和鉬靶圖像的紋理特征，再利用SVM分類(lèi)器，樸素貝葉斯分類(lèi)器和KNN分類(lèi)器進(jìn)行分類(lèi)，采用指標(biāo)R選取合適的個(gè)體分類(lèi)器，使用最大投票策略，最終獲取腫瘤分類(lèi)結(jié)果。結(jié)論：本文提出的基于超像素的乳腺腫瘤分割方法精確性可達(dá)95.28%，靈敏性可達(dá)59.89%,為后續(xù)的乳腺腫瘤特征提取和分類(lèi)工作奠定了良好基礎(chǔ)。為選擇合適的超像素分割算法，本文設(shè)計(jì)了一種超像素算法性能評(píng)價(jià)體系，為新型超像素技術(shù)設(shè)計(jì)及其在醫(yī)學(xué)圖像中的應(yīng)用提供了

7、一定的借鑒作用。本文設(shè)計(jì)了一種基于指標(biāo)R的選擇性集成乳腺腫瘤分類(lèi)方法。研究結(jié)果表明，在乳腺腫瘤分類(lèi)工作中，基于分類(lèi)器級(jí)的融合效率優(yōu)于基于特征集的融合；本文提出并采用的指標(biāo)R可以有效地選擇合適的個(gè)體分類(lèi)器，并產(chǎn)生性能較好的集成分類(lèi)器，該分類(lèi)器精確度為88.73%、靈敏性為97.06%。該方法可用于輔助醫(yī)生進(jìn)行乳腺癌診斷，提高醫(yī)生工作診斷效率和精度，對(duì)臨床上乳腺癌的研究及大規(guī)模篩查具有一定意義。關(guān)鍵詞：醫(yī)學(xué)圖像處理；乳腺癌；超像素；乳腺超聲圖像;乳腺鉬靶圖像ResearchonBreastTumorSegmenta

8、tionandClassificationMethodofMedicalImagesSpeciality:BiomedicalEngineeringAuthor:JinyuCongTutor:BenzhengWeiAbstractPurpose:Breastcancerisoneofthemalignanttumorswhichseriouslythreatenthewomen’she