鉬靶X線乳腺圖像中的腫塊檢測與識(shí)別.pdf

1、乳腺癌是全世界女性最常見的惡性腫瘤之一，且其發(fā)病率和死亡率在近年呈現(xiàn)迅速增長的趨勢，早期的發(fā)現(xiàn)與確診是降低乳腺癌死亡率的關(guān)鍵，也是早期診斷的關(guān)鍵。其中，腫塊是乳腺疾病X線攝影診斷中最常見的直接征象之一，在此背景下，本文主要研究腫塊的檢測與良惡性識(shí)別。
　　本文主要分為兩個(gè)部分:腫塊的檢測和良惡性識(shí)別。檢測部分使用的是一種分析雙視圖乳腺圖像的方法。在現(xiàn)有的腫塊檢測方法中，只使用單個(gè)視圖的乳腺信息，會(huì)產(chǎn)生較多的假陽性。本文首先使用多同

2、心層(Multiple Concentric Layers，MCL)初始檢測方法檢測出單側(cè)乳腺的可疑區(qū)域;然后利用基于圓弧的方法，在乳腺的頭足軸(CC)視圖和側(cè)斜(MLO)視圖上對相應(yīng)區(qū)域進(jìn)行匹配。除了提取幾何特征和紋理特征之外，在匹配后的一對可疑區(qū)域中提取了相似特征，有效的利用了兩個(gè)視圖上的信息;接著使用雙支持向量機(jī)遞歸特征消除(MTWSVM-RFE)進(jìn)行特征選擇，雙支持向量機(jī)(TWSVM)進(jìn)行分類，有效的減少了假陽性。
　　腫

3、塊良惡性識(shí)別部分主要提出一個(gè)非平行的雙支持向量機(jī)聯(lián)合L21范數(shù)(TWSVML21)的特征選擇方法，新加入的L21正則項(xiàng)具有組稀疏性，能從正負(fù)樣本中選出重要的特征。由于新加入了L21正則項(xiàng)，會(huì)導(dǎo)致目標(biāo)函數(shù)求解困難。本文提出了一種迭代的算法來求解目標(biāo)函數(shù)。在實(shí)驗(yàn)部分，將提出的TWSVML21應(yīng)用到了腫塊的良惡性識(shí)別問題上，在其他的三個(gè)基準(zhǔn)數(shù)據(jù)集上也進(jìn)行了試驗(yàn)。結(jié)果表明，本文提出的TWSVML21具有可行性和有效性。
　　DDSM數(shù)據(jù)集