基于相關向量機的致密型乳腺X線圖像微鈣化點簇檢測方法研究.pdf

1、乳腺癌是當今女性健康的第一殺手，及時發(fā)現(xiàn)和早期治療能有效降低其發(fā)病和死亡率。目前，乳腺鉬靶X線檢查被認為是乳腺癌早期診斷最可靠且最有效的方法，放射科醫(yī)師通過觀察乳腺X線圖像中是否存在微鈣化點簇來進行判斷。利用計算機技術自動檢測乳腺X線圖像中的微鈣化點簇能夠有效地輔助放射科醫(yī)師提高早期乳腺癌檢測的精準度及效率。當前微鈣化點簇檢測方法大多基于國外非致密型乳腺X線圖像，致密型乳腺X線圖像中復雜的腺體組織使得圖像對比度變低，當前檢測方法檢測其微

2、鈣化點簇的精度還有待提高。相關向量機(Relevance Vector Machine，簡稱RVM)是結合馬爾科夫性質、貝葉斯原理、自動相關決定先驗和最大似然等理論的基于概率預測的稀疏貝葉斯學習模型，其具有能夠提供概率性預測和任意使用核函數(shù)等優(yōu)點?；诖耍菊撐膶ο嚓P向量機模型進行改進，提出了一種基于旋轉方法的改進相關向量機模型，并將其應用于致密型乳腺X線圖像中微鈣化點簇的檢測以期提高致密型乳腺X線圖像中微鈣化點簇的檢測精度。論文完成的

3、主要工作和創(chuàng)新點有:
　　(1)針對相關向量機模型訓練過程中微鈣化點個數(shù)有限、易出現(xiàn)學習不充分等問題，本文提出了一種基于旋轉方法的改進相關向量機模型。該模型首先通過交叉驗證法優(yōu)化核函數(shù)的參數(shù)，然后通過分析訓練樣本中樣本特點，將旋轉方法應用于相關向量，并將旋轉后相關向量加入到原有訓練樣本中，以此增加訓練樣本特征差異性和訓練樣本個數(shù)。
　　(2)針對致密型乳腺X線圖像中微鈣化點簇檢測精度不高的問題，本文將改進相關向量機模型應用于

4、致密型乳腺X線圖像微鈣化點簇的檢測中。首先手動選取圖像庫中致密型乳腺X線圖像，對高通濾波等預處理增強后的致密型乳腺X線圖像提取特征向量并訓練得到相關向量，然后將相關向量進行特定旋轉變化后加入原有訓練樣本構成新的訓練樣本集，接著用新訓練樣本集訓練的改進相關向量機模型對致密型乳腺X線圖像進行檢測，將檢測出的微鈣化點進行分簇，最后用自由響應受試者工作特征(FROC)曲線對算法檢測性能進行評價。實驗結果表明改進后的相關向量機模型能夠有效提高致密