论文部分内容阅读
目的:乳腺癌是严重威胁女性身体健康的恶性肿瘤之一,如不能及时发现病症并进行合理治疗,甚至会危及患者的生命安全。乳腺癌计算机辅助诊断系统有利于提高乳腺癌诊断的效率和精度,对乳腺癌的临床诊断和研究具有一定价值。乳腺肿瘤的分割及分类工作是乳腺癌计算机辅助诊断的支撑技术之一。为降低乳腺肿瘤分割算法的计算复杂度,提高乳腺分割的精度,本文提出一种基于超像素的乳腺肿瘤分割算法。在基于超像素技术的医学图像分割中,合理地选取超像素分割算法是提高乳腺肿瘤分割算法精度和通用性的关键,为选取适用于乳腺肿瘤分割的超像素算法,本文设计提出了一种适用于医学图像的超像素分割算法评价方法。单一的超声图像或钼靶图像对乳腺癌的诊断精度有限,为提高乳腺癌诊断的效率和精度,针对多模态乳腺医学图像的特点,本文提出一种选择性集成的乳腺肿瘤的分类方法。方法:本文提出一种基于超像素的乳腺肿瘤分割方法。该方法首先利用超像素分割算法对乳腺超声图像进行过分割,然后在超像素级上采用区域生长算法实现乳腺肿瘤的分割。基于医学图像的特点,为选择合适的超像素分割算法,本文提出了一种医学图像超像素分割算法评价体系,主要由算法运算速度、边界贴合性和边界重合度、规则度和同质性等指标组成。基于该评价体系,对归一化割算法,Turbopixels算法和SLIC算法做了系统的算法性能评价与分析,并选择将SLIC算法应用于本文乳腺超声图像分割算法研究中。本文设计一种基于评价指标R的选择性集成分类器方法。该方法首先提取乳腺超声图像的形态学特征、纹理特征和钼靶图像的纹理特征,再利用SVM分类器,朴素贝叶斯分类器和KNN分类器进行分类,采用指标R选取合适的个体分类器,使用最大投票策略,最终获取肿瘤分类结果。结论:本文提出的基于超像素的乳腺肿瘤分割方法精确性可达95.28%,灵敏性可达59.89%,为后续的乳腺肿瘤特征提取和分类工作奠定了良好基础。为选择合适的超像素分割算法,本文设计了一种超像素算法性能评价体系,为新型超像素技术设计及其在医学图像中的应用提供了一定的借鉴作用。本文设计了一种基于指标R的选择性集成乳腺肿瘤分类方法。研究结果表明,在乳腺肿瘤分类工作中,基于分类器级的融合效率优于基于特征集的融合;本文提出并采用的指标R可以有效地选择合适的个体分类器,并产生性能较好的集成分类器,该分类器精确度为88.73%、灵敏性为97.06%。该方法可用于辅助医生进行乳腺癌诊断,提高医生工作诊断效率和精度,对临床上乳腺癌的研究及大规模筛查具有一定意义。