乳腺x线图像肿块分类方法研究.docVIP

乳腺X线图像肿块分类方法研究 魏杰 曹旭阳 陈后金 李艳凤 北京交通大学电子信息工程学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 乳腺X线图像肿块的良恶性分类是计算机辅助诊断的研究内容之一, 本文对乳腺X线图像肿块边缘分割及不同特征的肿块良恶性分类进行研究.基于最大化分割后图像类间方差的思想, 提出了一种改进控制标记分水岭方法完成粗分割, 然后采用无边缘活动轮廓 (CV) 模型对粗分割结果进行修正.为了验证不同特征在肿块良恶性分类中的性能, 对现有形状特征、纹理特征在不同分类器下的分类性能进行测试.实验在开源数据库DDSM上验证, 结果表明, 在通过自动分割方法得到肿块边缘的情况下, 纹理特征的分类性能更好. 关键词： 信息处理; 肿块分类; 肿块分割; 分水岭算法; 作者简介：魏杰 (1979—) , 女, 黑龙江肇东人, 副教授, 博士.研究方向为语音信号处理和雷达信号处理.email:jwei@. 收稿日期：2016-09-11 基金：国家自然科学基金项目 Research on benign and malignant masses classification in mammogram WEI Jie CAO Xuyang CHEN Houjin LI Yanfeng School of Electronic and Information Engineering, Beijing Jiaotong University; Abstract： The classification of mammographic masses into malignant or benign is one of the important contents in CAD (Computer-Aided Diagnosis) systems.In this paper, mass contour segmentation and mass classification under different features are studied.Based on the idea of maximizing the between-cluster variance of the segmented images, a modified marker controlled watershed segmentation algorithm is proposed and employed to give the coarse segmentation.Then CV (Active Contour without Edge) model is used to refine the coarse segmentation.The classification performance of existing shape features and texture features under different classifiers is tested for the purpose of validating how different features perform in the malignant-benign classification.The proposed method is evaluated on a public database, DDSM (Digital Database for Screening Mammography) .The results show that automatic segmentation can get texture features with better classification performances. Keyword： information processing; masses classification; masses segmentation; watershed algorithm; Received： 2016-09-11 目前乳腺癌已经成为全球范围女性最普遍的一种恶性肿瘤疾病, 而乳腺X线摄影是目前最有效的乳腺癌早期诊断方式之一.资料显示, 通过乳腺X线图像的早期普查诊断, 可以有效控制乳腺癌死亡率减少30%以上.世界卫生组织声明, 乳腺癌的早期检查可以在很大程度上降低乳腺癌死亡率.乳腺癌主要表现为两类, 一类是钙化点, 另一类是肿块, 相对于钙化点, 肿块更难以分辨.本文