近紅外乳腺圖像的腫瘤識(shí)別方法研究.pdf

1、乳腺是人類(lèi)哺育后代的一種外分泌腺，由皮膚、纖維組織、乳腺腺體和脂肪組成。乳腺癌是一種惡性癌癥，中國(guó)婦女的乳腺癌發(fā)病率逐年上升，已經(jīng)嚴(yán)重威脅到中國(guó)婦女的健康。將近紅外光譜技術(shù)(Near Infrared，NIR)用于乳腺檢測(cè)，是比較新的檢查方式。近紅外乳腺圖像的判讀和診斷是主觀性的，醫(yī)師在判讀時(shí)不可避免地存在主觀差異。因此，用信息技術(shù)實(shí)現(xiàn)近紅外乳腺圖像腫瘤的自動(dòng)識(shí)別供醫(yī)師參考，能有效的提升乳腺檢查的準(zhǔn)確率。
　　本文提出了基于卷積神

2、經(jīng)網(wǎng)絡(luò)、基于支持向量機(jī)的近紅外乳腺圖像的腫瘤的自動(dòng)識(shí)別，主要工作和成果如下:
　　1.使用支持向量機(jī)(Support Vector Machines，SVM)根據(jù)近紅外乳腺圖像中各區(qū)域的基于灰度共生矩陣的紋理特征進(jìn)行訓(xùn)練，對(duì)待識(shí)別的近紅外乳腺圖像中的每一個(gè)點(diǎn)進(jìn)行分類(lèi)，實(shí)現(xiàn)了腫瘤的自動(dòng)分割。
　　2.針對(duì)不同尺寸的訓(xùn)練圖像方塊，設(shè)計(jì)了多種淺層卷積神經(jīng)網(wǎng)絡(luò)(Convolution Neural Networks，CNN)，將多種

3、尺寸的訓(xùn)練圖片輸入對(duì)應(yīng)輸入尺寸的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后對(duì)待識(shí)別的近紅外乳腺圖像中的每一個(gè)點(diǎn)進(jìn)行分類(lèi)，自動(dòng)分割出了的腫瘤區(qū)域。該方法無(wú)需手工提取特征，其分割效果優(yōu)于支持向量機(jī)，速度大幅提升。
　　3.提出了基于殘差網(wǎng)絡(luò)(Residual Networks，ResNet)的近紅外乳腺圖像分割，自動(dòng)分割出了圖像的腫瘤區(qū)域，分割效果優(yōu)于淺層卷積神經(jīng)網(wǎng)絡(luò)，速度優(yōu)于支持向量機(jī)。
　　4.在ResNet分割結(jié)果的基礎(chǔ)上進(jìn)行一系列圖像處