基于小波变换的乳腺X线影像微钙化点感兴趣区域提取新技术

为乳腺癌早期诊断和乳腺X线影像微钙化点计算机辅助检测作前期预处理,提出了一种基于小波变换的微钙化点感兴趣区提取新技术。其具体思路是:(1)将乳腺区域图像提取成等大的子图像;(2 )对每一幅子图像进行小波变换,根据特征参数ρ讨论最优小波变化参数和阈值T;(3)根据阈值T判别子图像是否属于感兴趣区。对临床实际病例(2 0幅乳腺X线影像)的试验结果表明,该方法具有较高的检出率(89.7% ) ,和较为满意的假阳性率(2 .1% )。

SVM算法及其在乳腺X片微钙化点自动检测中的应用

支持矢量机(SVM)是一种新的统计学习方法,其学习原则是使结构风险最小,而非经典学习方法所遵循经验风险最小原则.这使得SVM具有更强的泛化能力.并且,由于SVM求解的是凸二次优化问题,使之能保证所找到的极值解就是全局最优解.本文首次将SVM算法用于乳腺X影像微钙化点自动检测中,对临床实际病例的试用结果表明,同目前常用的基于经验风险最小的人工神经网络(ANN)分类方法相比,SVM具有更高的识别率,值得应用推广.

微钙化点增强成像检出乳腺肿瘤内微钙化

目的评价超声微钙化点增强成像技术显示乳腺肿瘤内微钙化的能力。方法分别应用高频超声及微钙化点增强技术检查57个乳腺肿瘤内微钙化灶,评价两种技术显示乳腺肿瘤内微钙化的能力。结果微钙化点增强技术对57个乳腺肿瘤内微钙化的检出率(47/57,82.45%)明显高于高频超声(35/57,61.40%),差异有统计学意义(P<0.01)。微钙化点增强技术对乳腺良性、恶性肿瘤内微钙化灶的检出率分别为85.71%(18/21)、80.56%(29/36),均高于高频超声(12/21,57.14%;23/36,63.89%),差异均有统计学意义(P均<0.05)。微钙化点增强技术对低回声肿瘤内微钙化灶的检出率(26/33,78.78%)高于高频超声(21/33,63.63%),但差异无统计学意义(P>0.05);对非低回声肿瘤内微钙化的检出率(21/24,87.50%)高于高频超声(14/24,58.33%),差异有统计学意义(P<0.05)。结论微钙化点增强技术较高频超声能够更好地显示乳腺肿瘤内的微钙化。

基于迭代顺序滤波子空间约束的可拒识-支持向量机微钙化点检测

为提高钙化点检测速度,克服微钙化点检测中假阳性高的缺点,本文构造了一种迭代顺序滤波子空间约束的可拒识-支持向量机分类器用于钙化点检测.训练时利用迭代顺序滤波检测作为钙化点的粗检测算子,然后在其约束的子空间内收集非钙化点训练样本.对于输入模式,首先利用基于最大软间隔超平面的支持向量分类器(SVC)进行分类判决;然后对真实的钙化点样本特征空间求取最小的包含球形边界,得到钙化点样本的球形支持向量域表示(SVDD).对于输入模式即可利用钙化点的支持向量域表示进行拒识或接受处理.仿真实验结果表明,本文提出的算法在不影响微钙化点的检出率的情况下,大大提高了检测速度,部分解决了假阳性高的问题.

基于乳腺X线图像的微钙化点区域自动检测算法研究

目的:乳腺癌是女性最常见和多发的恶性肿瘤之一。恶性乳腺肿瘤早期重要表征是伴有微钙化现象。人工识别乳腺X射线图像微钙化点和微小肿块等病变遗漏率较高。探讨乳腺X线影像中微钙化点区域的自动提取算法,以提高诊断速度和准确率。方法:在综合运用各种算法的基础上,基于乳腺X线图像微钙化点特征提出应用小波变换等研究乳腺X影像中微钙化点感兴趣区域的自动提取方法,并仿真验证算法的有效性。结果:应用ROC模型对医院临床80个病例的150副图像对提出的小波改进算法和相关算法进行了测试和比较。基于小波的微钙化点区域自动提取算法,可以获得高达98.8%的检出率和5%的误检率,实现了乳腺图像中含钙化点感兴趣区域的自动提取,验证了算法对提高检出率的可行性。结论:应用小波改进算法对乳腺X线图像中含钙化点感兴趣区域的自动提取是可行的,具有较高的微钙化点检出率,有利于实现乳腺影像可疑病灶区域的自动定位和早期发现,有利于加强对导致乳腺癌危险因素的研究和积极干预。

Top-hat与SVM在乳腺微钙化点检测中的应用

乳腺X线图像中微钙化点的检测对于乳腺癌的早期诊断非常有意义,然而目前常用的钙化点检测方法普遍存在假阳性高的缺点。采用小波与Top-hat算子相结合的方法对乳腺图像进行钙化点粗检测,并在此基础上,用SVM对钙化点粗检结果进一步甄别,去假存真。这样做可以在基本不降低真阳性率的情况下,大大降低假阳性率。仿真实验证明,该方法的钙化点检出率达到98.46%,错检率仅为3.597%,说明该方法能够有效地从复杂背景中提取出微钙化点。

基于小波分析和灰度纹理特征的乳腺X线图像微钙化点区域的提取

目的乳腺癌的早期发现对患者意义重大。为帮助医生进行乳腺癌的早期检查和诊断,本文提出利用小波分析与图像纹理特征提取相结合的方法来提取乳腺X线图像微钙化点区域,在提高检查准确性的同时避免漏检误检。方法首先利用灰度共生矩阵所提取的能量、熵、对比度、相关性以及小波分解后得到的各层高频系数的方差、能量作为图像的特征向量,然后利用支持向量机进行训练建立最优分类模型。最后利用建立的最优分类模型实现乳腺X线图像微钙化点区域的提取并利用检出率和误检率对结果进行评估。结果使用临床数据进行验证,结果表明利用小波分析与图像纹理特征提取相结合的方法能有效提取乳腺图像中的微钙化点区域。结论基于小波分析和灰度纹理特征的乳腺X线图像微钙化点区域的提取方法比单一的图像纹理特征提取或小波分析等方法,提取的效果更好。另外,该方法设计简单,更易于实现乳腺癌的自动化诊断。

使用遗传算法的乳腺微钙化点特征优化

乳腺微钙化点包含众多属性,由于其中存在的冗余和不相关属性降低了微钙化点病变类型判别的性能。因此,特征子集选择问题成为微钙化点病变类型识别中的重要问题。该文针对传统优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征子集选择测算法。经乳腺微钙化点特征选择实例分析,证明该方法拥有较强的并行性和寻优能力,在特征选择领域有广阔的应用前景。

模糊遗传人工神经网络算法提取乳腺微钙化点的效果

【目的】微钙化点是早期乳腺癌的重要征象之一,本研究联合运用遗传算法、模糊数学和人工神经网络,建议一种乳腺微钙化点提取的新方法,为乳腺病变的自动识别提供前期处理,为早期乳腺癌的临床诊断提供帮助。【方法】首先利用随机方法产生大量的样本,然后,利用模糊遗传算法对产生的随机样本进行分类,将分类后的样本输入人工神经网络进行训练,将310幅乳腺图像的感兴趣区域输入训练后的人工神经网络分类器进行分类。【结果】与微钙化点提取方面的同类文献相比较,结果表明该算法在相同误检率下得到较高的阳性检出率。【结论】研究表明综合运用遗传算法、模糊数学和人工神经网络进行乳腺微钙化点提取比单纯运用人工神经网络提取效果好。

基于综合处理方法的乳腺X影像中微钙化点检测新技术

针对目前乳腺X线影像中微钙化点的计算机辅助检测普遍假阳性较高的难点 ,提出一种能发挥差值、小波及神经网络等多种技术优势的综合处理检测方法。对临床实际病例 (10名患者 ,2 44个微钙化点 )的试用结果表明 ,与单纯使用上述检测技术比较 ,该方法不仅操作简单 ,且具有较高的检出率 (TP达 93 % ) ,同时还明显地降低了假阳性 ,值得深入研究。

数字乳腺X射线影像中微钙化点的检测方法的探讨与研究

乳腺癌是女性最常见的恶性肿瘤之一,防治的关键在于早期诊断。实现乳腺癌早期诊断的关键技术之一是及时发现乳腺X线影像中的微小钙化点。随着计算机技术的飞速发展,采用计算机辅助诊断技术检测微钙化点已成为乳腺癌早期诊断的研究热点。对一些传统的微钙化点检测方法和近年来广泛收到关注的微钙化点检测方法进行了介绍。文中只涉及到检测方法,而没有讨论检测方法的效果评价。

基于形态学灰度重构的乳腺微钙化点提取

针对乳腺X线摄片,提出了一种计算机辅助检测乳腺微钙化点的方法:首先利用灰度形态重构完成穹顶提取,除去乳腺背景结构同时又能很好地保留微钙化点;其次运用拉普拉斯算子在空间域内对图像进行锐化以增强微钙化点;然后在频率域内利用巴特沃思高通滤波器对图像进行高通滤波;最后利用二维最大熵阈值分割对图像二值化,从而检测出微钙化点并在图像上标识出来。计算机辅助诊断的方法不仅避免了医生因大量阅片引起疲劳而造成误诊,起到了协助医生诊断的作用,而且提高了诊断的效率和准确率。

乳腺钼钯X射线影像中微钙化点的检测方法

乳腺癌是一种常见的妇科恶性肿瘤。早期发现、早期诊断、早期治疗对医治乳腺癌、降低死亡率至关重要。实现乳癌早期诊断的关键技术之一是及时发现乳腺 X线影像中的微小钙化点并判断其是否有恶化倾向。本文就目前为止乳腺 X片微钙化点的检测方法进行了综述 ,并展望其近期发展趋势。

基于快速可拒识-双层支持向量分类器的微钙化点的检测算法

为克服微钙化点检测中假阳性高的缺点,本文构造了一种带拒识能力的双层支持向量模型分类器用于钙化点检测。对于输入模式,首先利用基于最大间隔超平面的支持向量分类器(SVM)进行分类判决;然后对真实的钙化点样本特征空间求取最小包含球形的边界,得到钙化点样本的球形支持向量域表示(SVDD),对于输入模式即可利用钙化点的支持向量域表示进行拒识或接受处理;最后利用SVM与SVDD两个分类器的结果进行综合判决。无论是第一层的求取最优分类超平面,还是第二层的边界优化训练,都根据各个训练数据的类间最近邻距离进行排序操作,选择合适的训练样本子空间进行SVM和SVDD训练。仿真实验结果表明,本文提出的算法在不影响微钙化点检出率的情况下,可以部分解决钙化点检测中假阳性高的问题。

基于加权变异免疫算法的微钙化点特征选择

给出了一种乳腺X线照片微钙化点的特征选择方法,该方法运用基于加权变异算子的免疫算法进行特征优选。加权变异算子能够动态调整抗体各部位的变异率,在高亲和力抗体的邻近小范围搜索,在低亲和力抗体的周围跳跃式搜索;为了与支持向量机的分类准则保持一致性,该免疫算法在特征空间中通过核函数计算亲和力。实验使用该方法对微钙化点的20种常用特征进行选择,其结果与经验特征集基本相符但更精简,提高了计算效率,是一种可行的特征选择方法。

基于可拒识-双层支持向量分类器的微钙化点检测

为克服医学图像微钙化点检测中假阳性高的缺点,构造了一种带拒识能力的双层支持向量模型分类器,用于钙化点检测。检测时,首先利用基于最大间隔超平面的支持向量分类器(SVC)对输入模式进行分类判决;然后通过求取真实钙化点样本特征空间最小的包含球形边界来得到钙化点样本的球形支持向量域表示(SVDD);接着利用钙化点的支持向量域表示对输入模式进行拒识或接受处理;最后利用SVC与SVDD两个分类器的结果来进行综合判决。仿真实验结果表明,该算法在不影响微钙化点的检出率的情况下,可部分解决假阳性高的问题。

基于差影技术的乳腺微钙化点检测方法

目的协助医生进行诊断,避免医生因大量阅片引起疲劳而造成误诊,提高乳腺癌早期诊断的效率和准确率。方法先对乳腺钼靶X线照片数字化;再对数字化的乳腺影像归一化;然后从中选取感兴趣区域;最后利用差影技术检测出微钙化点并标示于影像中。结果对于16幅(其中13幅含有微钙化)经过病理解剖确诊的乳腺钼靶片进行实验,利用本文方法共检测出14幅钙化图像。结论该方法检出率高,微钙化点定位准确,值得进一步研究。

基于多尺度空间滤波和l_1范数最近邻分类的乳腺图像微钙化点检测

钙化信息是乳腺癌早期诊断的一个重要依据,针对钙化点检测检出率较低和假阳性较高的问题,提出一种基于多尺度空间滤波和l1范数最近邻分类的乳腺图像微钙化点检测算法。首先利用多尺度空间滤波方法得到原图像的多尺度显著特征图,然后通过基于人眼视觉特性的钙化点分割方法得到粗检测钙化点的二值图像,并送入l1范数最近邻分类器去除假阳性点。仿真实验结果表明,本文的钙化点粗检测算法可较好的检测出可疑钙化点,对于对比度较低的钙化图像也可得到较好的检测结果,同时后续的分类器判决效果良好,使钙化点检测结果具有较高检出率的同时具有较低的假阳性率。

基于分形技术的乳腺X射线影像中簇形微钙化点增强技术的研究

乳腺X线影像中的簇形微钙化点是早期乳腺癌的重要症状。微钙化点的增强是乳腺X线影像中微小钙化点提取的重要处理技术。本文提出了一种乳腺微钙化点增强检测的新方法。首先,通过Kirsch方法提取乳腺微钙化点的边缘,利用分形技术来获得钙化点连续的边缘;然后利用种子填充算法来填充微钙化点闭合轮廓,用原始图像的像素值替换被填充部分的像素值,最后通过被填充图像与原始图像的融合增强乳腺X线影像中的微钙化点。用DDSM数据库中含乳腺簇形微钙化点的50幅图像的感兴趣区的仿真实验验证了CAD检测系统有更好的增强效果。

一种基于二维粒子的自动检测乳腺钼靶片上微钙化点簇的方法

乳腺钼靶片上的微钙化点簇是早期乳腺癌的重要信号,目前,无论是采用人工阅片或是计算机辅助诊断系统都很难对微钙化点簇进行可靠的检测.提出了一种基于二维粒子的自动检测乳腺钼靶片上微钙化点簇的方法,以二维粒子为单位进行可疑区域的提取和微钙化点的判别,很好地克服了传统的基于像素级别的检测方法容易受到干扰和基于数学形态学的检测方法很难确定合适结构元素的问题.提出的快速多元分割算法克服了基于经典Fast Marching的多元分割算法在乳腺钼靶片上进行二维粒子分割时运算时间过长的问题,显著提高了二维粒子的分割速度.在DDSM数据库上的实验结果表明,新的检测方法具有比较满意的检测精度和处理速度.