双侧特征融合的乳腺肿块检测

乳腺癌是妇女最常见的恶性肿瘤之一,面向乳腺钼靶X线图像的计算机辅助肿块检测技术可以帮助影像科医师早期发现乳腺病变.针对于单侧的乳腺肿块检测中准确率有待提升的问题,提出双侧特征融合的乳腺肿块检测算法.首先,进行图像预处理,并利用相干点漂移完成乳腺轮廓配准;然后,利用配准得到的变换矩阵获得双侧乳腺感兴趣区域,再在其中提取左右侧乳腺的单侧特征向量和双侧对比特征向量,从而建立融合的特征模型,并采用遗传选择算法对特征向量进行特征选择;最后利用极限学习机基于选择后的特征进行乳腺肿块检测.实验结果表明,与传统的基于单侧的乳腺肿块检测算法相比,文中算法能有效地提高检测准确率.

基于Kmean和ELM的乳腺肿块检测方法

肿块是乳腺癌在X线图像上的一个主要表现。提出了一种肿块自动检测算法。该方法包括四个步骤:在图像预处理阶段,去除背景、标记、胸肌和噪声,图像分割和图像增强;利用Kmean方法找到感兴趣区域(ROI);提取能够表征肿块的特征;利用极限学习机(Extreme Learning Machine,ELM)分类器去除假阳性,将图像中的肿块和非肿块分离开来。通过对MIAS数据库中乳腺X线图像的测试实验,得到的检测肿块的准确率为93.5%。

基于Kmean的乳腺肿块检测方法

乳腺癌是一种常见的恶性肿瘤,早期诊断和治疗是降低乳腺癌死亡率的关键。肿块是乳腺癌在X线图像上的一个主要表现,本文提出了一种基于Kmean的乳腺肿块检测方法。该方法包括四个步骤:首先是图像预处理,该阶段包括去除背景、标记、胸肌和噪声,以及乳腺分割;其次利用Kmean方法找到感兴趣区域(ROI);然后提取能够表征肿块的特征;最后根据提取到的特征将肿块和正常组织分离开来。通过在MIAS数据库中乳腺X线图像的测试实验,得到的检测肿块的准确率为93.2%,结果表明,该方法能够有效的检测出肿块。本文网络版地址:http://www.eepw.com.cn/article/184614.

基于多层环形滤波和循环OTSU乳腺肿块检测

介绍了一种新的乳腺肿块计算机辅助检测算法。在对乳腺肿块计算机辅助检测目的和背景进行简单的介绍后,给出了基于多层环形滤波、循环OTSU的乳腺肿块计算机辅助检测算法的设计思想和具体实现过程,并采用此算法对大量数据进行测试,测试结果表明,此算法可以快速且准确地定位乳腺肿块疑似区域。

基于多尺度特征的乳腺肿块检测方法研究

提升乳腺肿块病变检测的准确率,从而提升乳腺钼靶X光检查的效率对乳腺癌的及早防治有重要意义。针对乳腺钼靶图像中形态大小不一的肿块病变,本文提出了一种基于多尺度特征的乳腺肿块病变检测方法,将在自然图像检测领域取得优秀性能的SSD网络应用到乳腺肿块病变检测中。首先利用特征提取网络对输入的乳腺钼靶图像进行特征提取,特征提取网络的每个特征层中的特征图的尺度随着层次加深而减小,再在不同尺度的特征图上对肿块目标进行预测,最后将各个特征层的结果综合起来作为最后的检测结果。通过FROC曲线进行性能分析,并在相同Sensitivity值下的FPI值大小这一评测指标上与其它目前性能较佳的乳腺肿块检测方法进行比较,本文方法的有效性得以证实。

基于Cascade R-CNN的乳腺钼靶肿块检测算法研究

乳腺癌生物学特性复杂,恶性程度极高,位于女性恶性肿瘤发病率首位。乳腺钼靶肿块的X射线检查是早期确诊乳腺癌的重要方式。但乳腺钼靶肿块的检测尚处于早期阶段,现有的计算机辅助检测检测精度较低。针对这一问题,论文提出了一种基于Cascade R-CNN的乳腺钼靶肿块检测方法。实验使用南佛罗里达大学的乳房X光检查数据集,将乳腺钼靶肿块分为良性和恶性两类。通过在特征网络中加入注意力模块,提取了较为丰富的乳腺钼靶肿块特征。此外,论文提出了一种新的FPN网络FA-FPN,进一步提高了乳腺钼靶肿块病灶特征的提取,解决了深层网络在下采样中特征出现稀释的问题,提高了乳腺钼靶肿块的检测准确率。经实验验证,该模型在南佛罗里达大学的乳房X光检查数据集上的mAP值达到82.9%,在AP75下表现尤为突出。该方法在乳腺钼靶肿块的检测中具有良好的性能,可以提高乳腺钼靶肿块的检测精度,并在一定程度上避免了误检和漏检。

基于CBAM YOLOv4-Mish的乳腺X线摄片肿块检测方法

为了提高乳腺肿块的检测精度,基于YOLOv4提出了一种CBAM YOLOv4-Mish模型进行乳腺X线摄片肿块检测.该模型采用平滑、连续可导的Mish激活函数替换原模型中的Leaky ReLU激活函数,并引入了卷积块注意力模块,使模型更加关注于肿块等关键信息而忽略背景等无关信息.在DDSM数据集上的实验结果表明:CBAM YOLOv4-Mish的AP_(0.5)为81.9%,比原始YOLOv4提升了3.6%.与其他乳腺肿块检测方法相比,该方法具有更好的检测能力.

基于乳腺X线摄影的肿块检测综述

早期筛查和及时治疗是控制乳腺癌死亡率最为有效的方法.乳腺X线摄影检查作为医学界公认的最有效的早期乳腺癌筛检工具,可以很好地反映出乳腺存在的异常情况.在临床应用中,乳腺癌的X线摄影直接征象为钙化和肿块,对乳腺X线摄影中钙化点的检测技术已经相当的成熟,但对肿块区域的检测和分类依旧是一项具有挑战性的任务.因此,本文对近几年提出的基于全乳腺X线摄影的肿块检测方法进行简要综述,分别从基于传统的乳腺肿块检测与分割方法和基于深度学习的乳腺肿块检测方法进行介绍,并讨论了乳腺X线摄影中肿块检测未来研究的发展趋势.