2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論