声明
致谢
摘要
1 绪论
1.1 引言
1.2 研究背景及意义
1.2.1 乳腺癌及早期检查
1.2.2 乳腺癌的影像学诊断
1.2.3 计算机辅助检测和诊断
1.3 钼靶X线摄影基础知识
1.3.1 乳腺钼靶X线摄影
1.3.2 乳腺癌的X线表现
1.4 国内外研究现状
1.4.1 微钙化点检测研究现状
1.4.2 肿块检测研究现状
1.4.3 结构扭曲检测研究现状
1.5 论文研究内容、主要贡献及创新
1.6 论文结构
2 乳腺癌辅助检测系统研究
2.1 系统的总体结构
2.2 主要模块的处理流程
2.3 实验数据的来源
2.4 系统性能的评价方法
2.5 本章小结
3 基于多分辨率区域生长和图像差值的微钙化点检测
3.1 引言
3.2 乳腺区域分割
3.2.1 乳腺X线图像的构成
3.2.2 乳腺区域的分割
3.3 预处理
3.3.1 图像平滑去噪
3.3.2 图像增强
3.4 差值分割
3.5 基于多分辨率区域生长和图像差值的微钙化点分割
3.5.1 经典区域生长
3.5.2 多分辨率区域生长
3.5.3 微钙化点分割方法
3.6 实验结果与分析
3.7 本章小节
4 基于自适应核学习相关向量机的肿块检测
4.1 引言
4.2 乳腺肿块检测的基本原理
4.3 机器学习方法
4.3.1 分类问题原理概述
4.3.2 支持向量机
4.4 相关向量机
4.4.1 RVM理论
4.4.2 RVM分类
4.4.3 RVM核函数
4.5 自适应核学习相关向量机
4.5.1 aRVM回归
4.5.2 aRVM分类
4.6 基于自适应核学习相关向量机的肿块检测
4.6.1 肿块检测算法
4.6.2 图像预处理
4.6.3 特征提取
4.6.4 训练参数设置
4.6.5 检测算法实现
4.7 实验结果与分析
4.7.1 实验数据与配置
4.7.2 aRVM训练设置
4.7.3 检测结果与分析
4.8 本章小节
5 基于毛刺相似度收敛指数的结构扭曲检测
5.1 引言
5.2 总体算法与预处理
5.2.1 总体算法
5.2.2 图像预处理
5.3 线结构的增强
5.3.1 Radon变换
5.3.2 Gabor滤波
5.4 候选点的提取
5.4.1 收敛指数
5.4.2 相似度收敛指数
5.4.3 计算候选点
5.5 候选点的分类
5.5.1 特征选取
5.5.2 分类算法
5.6 实验结果与分析
5.6.1 实验数据与配置
5.6.2 检测结果
5.6.3 性能分析
5.7 本章小节
6 结论
6.1 总结
6.2 展望
参考文献
索引
作者简历
学位论文数据集