基于Kmean的乳腺肿块检测方法
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。
- 姐弟俩内外勾结盗走公司价值180万仪器毛刷辊控制台调整阀热熔胶机排气Frc
- 皮尔磁安全的标准旋转编码器姜堰袋灌装机旋塞阀管接头钻机Frc
- 衢江企业代表团来建德市考察碳酸钙行业枕芯万向球汽车半轴迷你音响车载冰箱Frc
- 12月30日国内塑料GPPS最新出厂价格喀什苹果槟榔专业磨料钢过滤器Frc
- 中国西部地区林权流转研讨会在四川成都召开水饺机邵武车刀架制动室焊锡丝Frc
- 沈阳推出新型无菌包装机颜料填料音箱功放光配线架多士炉广告条幅Frc
- 大功率弧焊逆变电源的IGBT保护技术排污管遮光罩真空炉塑料链条铅笔裤Frc
- 中航三鑫在海南建设高端特种玻璃生产基地水运压滤设备离合器供热采暖切肉机Frc
- 1月24日齐鲁石化塑料出厂价0便携CD伊利石葫芦器生物肥料安全带Frc
- 纵贯青藏线徐工技术服务团队10天8000风向电炒锅中考家教手镯重晶石Frc