发箍厂家
免费服务热线

Free service

hotline

010-00000000
发箍厂家
热门搜索:
行业资讯
当前位置:首页 > 行业资讯

基于Kmean的乳腺肿块检测方法

发布时间:2020-07-01 02:33:18 阅读: 来源:发箍厂家

摘要: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。

本文引用地址:引言

乳腺癌是女性最常见的恶性肿瘤之一,严重威胁着妇女的健康甚至生命。肿块和钙化簇是乳腺癌最常见的特征。本文的目的就在于研究并提出一种能够在乳腺X线图像中自动检测出肿块的方法。一般的计算机辅助检测系统大都包括以下几个部分:首先输入原始图像;然后进行预处理;然后提取感兴趣区域(ROI);再对这些ROI进行特征提取;最后根据这些特征,经过分类,得到肿块和正常组织。大多学者注重研究如何提出乳腺图像中的可能病灶区域以及如何对这些感兴趣区域(ROI)区域进行进一步判断。

对于感兴趣疑似病灶的提取,Matsubara等人[2]提出了一种自适应阈值技术来检测;而Petrick等人[3]则是通过一种自适应灰度加权对比度增强滤波器(DWCE)来实现的。对于ROI区域的分类,Sahiner等人[4]在提取出了感兴趣区域的纹理特征后,采用一种卷积神经网络的方法进行分类;Wei等人[5]则通过计算基于灰度共生矩阵的纹理特征,利用线性误差分类器进行分类;而Kupinsk等人[6]根据几何特征、灰度特征以及梯度特征采用一种正规化神经网络进行分类。

检测方法

本文提出的方法分为以下几步:(1)预处理;(2)提取感兴趣区域;(3)特征提取;(4)肿块检测。其流程图如图1所示。

预处理

在预处理阶段,我们手动去除了图像的背景、胸肌(斜侧位图像中存在胸肌)、标记以及噪声,并且将图像中的乳腺分割出来。如图2所示,(a)为一幅斜侧位乳腺X线原图像,(b)为经过预处理之后的图像。整个预处理过程是在医生的监督下进行的。

山东订制职业装

潍坊订做工服

制做职业装

相关阅读