基于双视角乳腺X线图像的微钙化簇检测

本文提出了一种通过将两个视角的图像信息进行综合分析的方法,以降低乳腺X线图像中微钙化簇检测中的假阳性率。基于微钙化簇通常出现在两个视角图像中这一事实,文中提出了一种微钙化簇匹配技术:首先把MLO视角探测到的可疑微钙化簇通过空间位置天系找到CC视角中与其相对应的病变区域,形成微钙化簇对;然后对匹配后的每对微钙化簇提取面积、形态、灰度等簇特征,通过特征之间的相似度判断所对应微钙化簇的真伪。实验结果表明:本文的微钙化簇检测算法较单视角检测特异度增加了15%。

基于代价敏感SVM优化组合算法的微钙化簇识别

微钙化簇是乳腺癌一个重要的早期发现,现有的检测技术为了达到高敏感性要求,产生很多假阳性数据.根据微钙化簇特点,提出一种整体和局部相组合的分类识别策略,并根据真假阳性样本错分代价的不同,使用代价敏感SVM方法进行分类学习.在构造分类器模型过程中利用粒子群进行分类器的参数优化及特征集合的选择,以提升分类学习的泛化能力.该算法在保证高敏感性的同时,降低了过多的假阳性数据,并删除了冗余和不相关的特征.实验结果表明,基于粒子群优化的代价敏感SVM组合分类算法提高了传统方法的识别能力.