基于高級語義特征映射的乳腺超聲圖像分類研究.pdf

1、乳腺癌是最普遍的癌癥之一,是導致女性死亡的第二大癌癥,它嚴重影響著女性的身心健康。由于成本低廉、性價比高的原因,超聲成像技術已成為檢測乳腺癌的重要手段。為了幫助醫(yī)生提高超聲乳腺癌診斷的正確率和客觀性,并且降低惡性腫瘤錯分的概率,越來越多的乳腺計算機輔助診斷(CAD)系統(tǒng)被廣泛使用。但是大多的CAD分類結果很難被醫(yī)生理解和接受,所以乳腺超聲CAD系統(tǒng)在應用上存在局限性。如何使醫(yī)生更易接受并認可CAD系統(tǒng)對乳腺超聲圖像的分類結果是一個亟待解

2、決的問題。
　　傳統(tǒng)的乳腺超聲CAD系統(tǒng)僅僅是在計算機提取的低級特征,如形態(tài)學、紋理和基于模型等特征上進行分類。然而,醫(yī)生將BI-RADS標準作為判斷乳腺腫瘤良惡性的重要依據(jù)。BI-RADS標準里的描述特征可以作為高級語義特征,它結合了人類的視覺特征和對圖像的理解。在這里,只選取良惡性預測率最高的三個BI-RADS標準里的特征:形狀、方位和邊界。在低級特征和高級語義特征之間存在著很大的“語義鴻溝”。為了解決“語義鴻溝”問題,使用S

3、VM作為映射方法將低級特征有效的映射到高級語義特征上。然后使用C4.5決策樹在映射后的高級語義特征上進行分類。實驗表明在高級語義特征上的分類效果高于直接在低級特征上的分類效果。
　　針對有些樣本在這三個高級語義特征上良惡性表現(xiàn)不明顯的情況,提出最小分類風險模型并結合紋理特征來輔助分類,進一步提高分類正確率。該模型考慮了錯分良惡性樣本的不同代價,既能保證較高的準確率,又能保證較低的錯分代價。通過實驗驗證,使用最小分類風險模型對高級語