基于子空間學習和支持向量機的微鈣化簇檢測.pdf

1、乳腺癌是一種常見的惡性腫瘤之一，是導致婦女死亡率上升的重要原因，早發(fā)現(xiàn)、早治療是降低乳腺癌死亡率的關(guān)鍵。目前，鉬靶X射線檢測被公認為最主要、最有效的檢測手段，乳腺圖像中的微鈣化簇是乳腺癌的一個主要征象，在乳腺癌的早期診斷中占有特別重要的地位。然而，圖像中的信息只有3％能為人眼所見，即使經(jīng)驗豐富的醫(yī)生也很難及時發(fā)現(xiàn)圖像中早期乳腺癌的微鈣化簇，以致延誤病人的最佳治療時機。隨著計算機技術(shù)的飛速發(fā)展，乳腺X線圖像的計算機輔助檢測成為乳腺癌早期診

2、斷的研究熱點。
　　 為了有效的檢測出乳腺圖像中的微鈣化簇，更好地輔助醫(yī)生發(fā)現(xiàn)早期乳腺癌，本文針對微鈣化簇檢測問題進行了深入的研究。首先，為了有效的提取乳腺圖像中的感興趣區(qū)域(Region of Interest,ROI)，本文提出了一種基于獨立分量分析(Independent Component Analysis,ICA)和支持向量機(Support Vector Machine,SVM)的感興趣區(qū)域自動提取新方法，首先提取微

3、鈣化簇的特征，在此基礎(chǔ)上訓練SVM分類器對待識別圖像進行模式分類。該方法不僅簡單有效，而且具有較高的智能性，為感興趣區(qū)域的自動提取提供了新的研究思路；其次，為了進一步提高檢測的速度和精度，本文提出了基于子空間學習和SVM的微鈣化簇檢測算法，采用子空間學習提取圖像的判別特征，然后利用特征矢量訓練SVM分類器進行模式分類。最后，由于子空間學習容易受到數(shù)據(jù)噪聲的影響，使檢測性能具有不穩(wěn)定性，為了克服單個子空間的局限性，本文提出了基于選擇性支持