论文部分内容阅读
乳腺癌是一种严重影响妇女身心健康的常见恶性肿瘤。在全球范围内,乳腺癌的发病率和死亡数量在不断上升,而且呈现出年轻化的趋势,面对日益严峻的乳腺癌防控形势,只有早发现和早治疗才能有效提高疗效、降低死亡率。肿块是乳腺癌最主要也是最常见的病灶特征,大部分乳腺癌病例有致密的肿块阴影。由于肿块大小不一,形状各异,与周边组织特征极为相似,一直是乳腺癌计算机辅助检测的热点和难点。因此研究乳腺图像中肿块的特征提取和性质分析方法,结合计算机视觉技术对乳腺图像进行良、恶性自动分类,进而辅助医生诊断,对于提高乳腺癌的诊断准确性和存活率,具有重要意义。本文分别从图像预处理、特征提取和性质分析三个方面对乳腺图像中的肿块区域进行了分析和研究。本文的主要工作如下:首先,提出了一种基于形态学预聚类的肿块图像预处理方法,有效抑制了肿块图像的亮噪声和暗背景区域,增强了肿块区域对比度;在此基础上,提出了一种基于边缘邻域的肿块区域特征提取方法,该方法结合了词袋模型和Chan-Vese主动轮廓模型,对预处理之后的肿块图像进行边缘提取,利用自适应参数调节边缘邻域,对邻域内的特征进行组合或者加权,得到最终特征表示;针对空间金字塔模型网格分块的局限性,提出了一种基于同心圆的乳腺肿块特征提取方法,该方法对肿块图像进行不同尺度同心圆划分,并提取图像的主题特征;为了进一步提高分类准确率,引入弱监督分类器思想,对未知类标进行重预测,使得分类准确率进一步提高。实验结果表明,本文提出的方法能有效表征肿块区域的全局和局部特性,提高了肿块性质分析的准确率。