钼靶X线乳腺图像中的肿块检测与识别

摘要

乳腺癌是全世界女性最常见的恶性肿瘤之一，且其发病率和死亡率在近年呈现迅速增长的趋势，早期的发现与确诊是降低乳腺癌死亡率的关键，也是早期诊断的关键。其中，肿块是乳腺疾病X线摄影诊断中最常见的直接征象之一，在此背景下，本文主要研究肿块的检测与良恶性识别。
　　本文主要分为两个部分:肿块的检测和良恶性识别。检测部分使用的是一种分析双视图乳腺图像的方法。在现有的肿块检测方法中，只使用单个视图的乳腺信息，会产生较多的假阳性。本文首先使用多同心层(Multiple Concentric Layers，MCL)初始检测方法检测出单侧乳腺的可疑区域;然后利用基于圆弧的方法，在乳腺的头足轴(CC)视图和侧斜(MLO)视图上对相应区域进行匹配。除了提取几何特征和纹理特征之外，在匹配后的一对可疑区域中提取了相似特征，有效的利用了两个视图上的信息;接着使用双支持向量机递归特征消除(MTWSVM-RFE)进行特征选择，双支持向量机(TWSVM)进行分类，有效的减少了假阳性。
　　肿块良恶性识别部分主要提出一个非平行的双支持向量机联合L21范数(TWSVML21)的特征选择方法，新加入的L21正则项具有组稀疏性，能从正负样本中选出重要的特征。由于新加入了L21正则项，会导致目标函数求解困难。本文提出了一种迭代的算法来求解目标函数。在实验部分，将提出的TWSVML21应用到了肿块的良恶性识别问题上，在其他的三个基准数据集上也进行了试验。结果表明，本文提出的TWSVML21具有可行性和有效性。
　　DDSM数据集上的测试结果表明，双视图的肿块检测能有效的减少假阳性，基于TWSVML21的肿块良恶性识别也能达到预期的效果。

目录

声明

摘要

1．1 课题研究的目的和意义

1．2 国内外研究进展及现状

1．3 本文研究内容以及创新点

1．3．1 本文研究内容

1．3．2 本文的创新点

1．4 论文章节安排

第2章 基于双视图的肿块检测

2．1 分割和预处理

2．1．1 基准区域的定位

2．1．2 单视图的可疑区域的定位

2．2 多视图的配准

2．3 特征提取

2．3．1 几何特征

2．3．2 纹理特征

2．3．3 相似特征

2．4 特征选择

2．5 分类器

2．6 实验结果

2．6．1 数据集

2．6．2 分类器的比较

2．6．3 特征选择方法的分析

2．6．4 检测结果

2．7 本章小结

第3章 基于TWSVML21的肿块良恶性识别

3．1 相关背景

3．1．1 基于L21范式的特征选择方法

3．1．2 一种改进的TWSVM

3．1．3 最小二乘的TWSVM特征选择方法

3．1．4 NSVMOOP

3．2 联合L21范式的非平行的TWSVM

3．2．1 线性的TWSVML21

3．2．2 非线性的TWSVML21

3．2．3 实现部分

3．3 在肿块良恶性识别中的应用

3．3．1 数据集

3．3．2 特征选择

3．4 实验结果

3．4．1 分类器的比较

3．4．2 特征选择

3．4．3 参数的敏感度

3．4．4 在INbreast，BCDR-F03和UCI数据集上的结果

3．5 讨论

3．6 本章小结

第4章 结论与展望

4．1 内容总结

4．2 研究展望

致谢

参考文献

附录