基于标记脉冲耦合神经网络的乳腺肿块分层检测方法.pdfVIP

第35 卷第7 期 电 子 与 信 息 学 报 Vol.35No.7 2013 年7 月 Journal of Electronics Information Technology Jul. 2013 基于标记脉冲耦合神经网络的乳腺肿块分层检测方法 韩振中① 陈后金*① 李居朋① 姚 畅① 程 琳② ①(北京交通大学电子信息工程学院 北京 100044) ②(北京大学人民医院乳腺中心 北京 100044) 摘 要：乳腺X线图像中的肿块检测是乳腺癌早期诊断的重要手段。该文提出了一种新的肿块检测方法。将脉冲耦 合神经网络(Pulse Coupled Neural Networks, PCNN)与标记符相结合设计了标记PCNN图像分层方法，继而利用 多同心层 (Multiple Concentric Layers, MCL)模型得到可疑区域。最后，借助肿块的形态学特征剔除假阳性区域 得到最终的肿块。实验结果表明，该文方法在保证假阳性率(False Positive Rate, FPR)的同时，肿块真阳性率(True Positive Rate, TPR)达到92.08%。同时针对东方女性致密型乳腺案例中检测结果明显优于MCL方法和MCA方法。 关键词：乳腺X线图像；乳腺癌早期诊断；肿块检测；标记脉冲耦合神经网络；多同心层模型 中图分类号：TP391; R814 文献标识码： A 文章编号：1009-5896(2013)07-1664-07 DOI: 10.3724/SP.J.1146.2012.01473 Mass Detection in Mammogram Based on Marker-pulse Coupled Neural Networks ① ① ① ① ② Han Zhen-zhong Chen Hou-jin Li Ju-peng Yao Chang Cheng Lin ① (School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing 100044, China) ② (Center of Breast Disease, Peking University People’s Hospital, Beijing 100044, China) Abstract: Mass detection in mammogram plays an important role in early breast cancer diagnosis. A novel method of mass detection in mammogram is proposed. Combined with Pulse Coupled Neural Network (PCNN) model and marker-controlled watershed method, an image slicing method based on Marker-PCNN is presented. Then the suspicious regions are extracted though the Multiple Concentric Layers (MCL) analysis. Finally, the morphological features of mass are employed to eliminate the false positive areas. The