乳腺X光影像中微鈣化點檢測技術的研究.pdf

1、盡管在過去的20年中有眾多國內(nèi)外專家對微鈣化點目標的計算機輔助檢測算法做了大量的研究，但迄今為止，在微鈣化點目標的自動識別算法上面仍然存在目標難以檢出以及檢測結果假陽性高的問題，通過對這些問題進行探討，以及對微鈣化點目標特征提取問題的研究，本文結合數(shù)學形態(tài)學和機器學習分類器等知識解決此類困難。本文所研究的對微鈣化點目標的檢測技術主要分為兩部分。首先，針對微鈣化點目標檢測困難的問題，結合微鈣化點多呈小尺寸且近似圓形顆粒狀的這一形態(tài)信息，提

2、出了一種基于數(shù)學形態(tài)學的多結構元素多路加權的形態(tài)梯度合成的目標增強算法，該算法能夠增強圖像中具有微鈣化點形狀特征區(qū)域的灰度，非常有利于后面對真實的目標檢測。在此基礎之上我們使用迭代順序濾波法粗檢測出圖像中的微鈣化點目標。實驗證明這種基于形態(tài)增強的目標粗檢測算法對真實微鈣化點目標的檢測率較高，但是此時的檢測結果中存在一定數(shù)量的假陽性目標。為了降低粗檢測結果的假陽性，我們分析驗證并且提取了粗檢測結果中真實和假陽的微鈣化點目標在空域和小波域上

3、面的一些有效的特征，用以訓練SVM學習機，最后，用構造出來的SVM分類器對未經(jīng)過訓練的粗檢測的疑似目標做去偽判決。實驗證明該方法可以去除粗檢測結果中大量的假陽性目標，顯著降低最終檢測結果的假陽性，提高了微鈣化點目標的檢測性能。實驗結果表明，本文所提出的算法對微鈣化點目標具有良好的檢測性能，即使在致密的乳腺圖像中也能夠正確檢測出真實目標，并且檢測結果具有較低的假陽性率。對大量乳腺圖像所進行的微鈣化點目標檢出率達到81.7%，假陽性率為12