基于统计模型的乳腺癌微钙化点病灶辅助检测研究

详细内容

本文提出利用纹理统计模型对钼靶X光片乳腺癌钙化簇病灶进行形状描述和检测。首先对钼靶X光片样本进行疑似区域提取,然后利用主成分分析法分别对病灶和正常区域进行纹理建模和参数训练,最后利用训练得到的统计参数对未知样本进行参数化表示和分类,并分析乳腺病灶的纹理信息。同时,对疑似区域进行傅里叶变换和高维特征提取,对比分析频域建模检测结果、特征建模检测结果、纹理建模检测结果与支撑向量机分类的实验结果。本文主要研究进展有：

1)乳腺钼靶X光片图像感兴趣区域特征提取。利用贡献矩阵方法提取特征明显的乳腺病灶图像与正常图像,并提取它们的纹理特征、空域特征以及频域特征,将这些特征作为统计建模时的训练样本。

2)乳腺统计模型的建立。利用预处理后的训练样本建立三种不同的统计模型,即纹理统计模型、频域统计模型、特征统计模型,形成了一系列可以表示乳腺图像的统计参数。

3)基于统计模型的乳腺病灶检测。利用三种不同的模型分别对乳腺图像进行检测,分析检测结果,同时与SVM算法进行实验对比。

4)通过以上研究,设计并实现了一个乳腺癌计算机辅助检测系统。

实验结果表明,纹理建模结果在一定程度上依赖于样本选择,频域建模检测结果较好,与国际主流算法SVM相媲美。纹理建模的优点是建模后形成的参数可以对乳腺病灶和正常图像进行量化的纹理描述和精简表示。