计算机辅助诊断中的肿瘤形状特征分类

为了克服传统的蛇形算法不能收敛于边缘凹陷处以及对蛇的初始化过于敏感的缺点，本文提出用基于可变形模型的梯度矢量流方法提取乳腺X光片中的肿瘤区域。在此基础上，提出三个新的基于边缘的价矩，和其它肿瘤的形状特征作为改进的支持向量机分类法的特征输入，进行恶性肿瘤和良性肿瘤的计算机辅助诊断，取得了良好效果。     

基于支持向量机的肿瘤形状特征分类

当两类中的样本数量差别较大时，支持向量机的分类能力将会下降。该文提出了一种支持向量机新算法——DFP-PSVM，将有约束条件的二次规划问题转换为无约束二次规划问题，并通过优化计算来实现。为了克服传统的蛇形算法不能收敛于边缘凹陷处以及初始化过于敏感的缺点，采用基于可变形模型的梯度矢量流方法，提取了乳腺X光片中的肿瘤区域，分析了3个基于边缘的价矩。将其他肿瘤形状特征作为DFP-PSVM分类算法的特征输入，进行恶性肿瘤和良性肿瘤的计算机辅助诊断。实验表明，在小样本、两类样本数量“严重不均衡”的情况下，该算法有着较强的分类能力。     

基于边缘检测的多类别医学图像分类方法

针对乳腺X光医学图像多类分类精度普遍较低的问题,提出了一种基于边缘检测的医学图像多类分类新方法。首先对乳腺X光医学图像进行预处理包括图像去噪和图像增强,再通过边缘检测方法,获取乳腺X光医学图像中的肿块区域,对检测到的肿块区域使用灰度共生矩阵提取特征,对于提取到的特征,采用支持向量机（Support vector machine,SVM）的方法进行分类;对于检测不到肿块区域的乳腺X光医学图像可直接分类为无乳腺癌（即正常）类。实验结果表明,与传统的支持向量机多类分类算法相比,基于边缘检测的医学图像多类分类新方法在乳腺X光医学图像上具有更高的分类精度。     

基于混合智能分类方法的微钙化簇检测系统

乳腺癌的早期症状检测,可在患病妇女的乳腺X光片中找到微钙化簇,但那些小尺寸低对比度的微钙化簇容易被忽略或被医生误诊.对此,提出一种用于混合智能分类方法判断乳腺X光片中微钙化点的计算机辅助诊断系统,以帮助放射科医生分析乳腺X光片并作出诊断决定,帮助增加真阳性的检出率和减少假阳性的诊断.该系统主要包括三个模块:预处理和分割;感兴趣区(ROI)的说明;特征提取和分类.诊断结果通过ROC曲线的性能来体现,并且根据ROC曲线下方的面积(即AZ)来量化.     

乳腺X射线数字影像中钙化点感兴趣区域提取方法

为乳腺X射线影像计算机辅助诊断做前期预处理,研究了乳腺图像处理中钙化点感兴趣区域提取的问题。在对乳腺X射线图像进行基本的背景分割后,首先运用改进的区域扩张法实现了对乳腺图像中乳腺区域的提取,然后对乳腺区域部分采用改进的反锐化掩模法进行图像增强,突出钙化点区域,再根据含钙化点的特征选取合适的阈值提取出可能含有钙化点的感兴趣区域（ROI）。试验表明,该方法可完成对乳腺影像的ROI提取处理,有助于提高乳腺疾病诊断的准确率。     

基于GVF Snake模型的人脸轮廓提取

活动轮廓模型是计算机视觉领域的重要研究方向。针对传统的活动轮廓模型（Snake模型）对凹形轮廓处理效果差、初始轮廓必须充分接近图像边缘的缺点,通过改进外部能量项,提出了一种基于梯度矢量流活动轮廓模型的人脸轮廓提取算法。该算法把梯度矢量场作为外部能量场,克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明,该方法能够快速、准确地提取人脸轮廓。     

基于深度置信网络的乳腺肿瘤辅助诊断

乳腺肿瘤的计算机辅助诊断对乳腺肿瘤的诊断和治疗有着重要意义。本文提出一种基于深度置信网络(Deep Belief Network, DBN)的乳腺肿瘤辅助诊断方法。将病人的细胞核图像参数作为深度置信网络的输入,对病人乳腺肿瘤恶性与良性进行判断,并与传统的基于支持向量机、概率神经网络和随机森林模型进行比较。实验结果表明,基于深度置信网络的乳腺肿瘤辅助诊断方法能够进行准确的判断,并且具有较高的准确率。     

对比双侧视图信息的致密型乳腺X线图像肿块检测

针对现有双视图肿块检测方法存在的问题,提出一种适用于致密型乳腺X线图像的直接对比双侧视图信息的计算机辅助肿块检测方法.为提高双侧图像对称区域的匹配精度,分割图像中的胸肌区域及腋窝区域,建立仅包含乳房区域的生理坐标系;综合乳腺生理特征及肿块病理性质提取感兴趣区域,以梯度图像的局部三元模式特征距离作为尺度测量对称像素的相似度,有效地降低了肿块检测假阳性率.采用北京大学人民医院乳腺中心提供的临床图像进行算法性能实验,结果表明,生理坐标系在定位与匹配对称区域方面具有良好的性能;与现有双视图肿块检测方法相比,在相同的肿块检测正确率下,文中方法获得更低的检测假阳性率.     

从乳腺X线图像中检测肿块的基于内容的图像检索

为辅助医生从乳腺X线图像中检测肿块,提出了一种基于内容的图像检索方法.建立一个乳腺X线图像感兴趣区域(ROI)数据库,包含已确认有肿块和虽高度可疑但无肿块的ROI.每ROI提取24个特征.对任意一个待确定的ROI,通过在图像数据库中检索,计算出它含有肿块的疑似程度的量化值.通过实验测试了在不同灵敏度要求下的假阳性率,ROC曲线下的面积指标AZ=0.841.优于美国匹兹堡大学提出的一种基于人工神经网络的方法.     

改进鱼群算法优化的ELM在乳腺肿瘤辅助诊断中的应用研究

针对传统极限学习机的输入权值矩阵和隐含层偏差是随机给定进而可能会导致在乳腺肿瘤的辅助诊断应用研究中存在精度明显不足的情况,提出用改进鱼群算法优化ELM方法。在完成对乳腺肿瘤有效的辅助诊断的过程中,本研究工作充分利用ELM能快速地完成训练过程且具有很好的泛化能力的特点,并结合用改进鱼群算法对ELM的隐含层偏差进行优化,构造出了乳腺肿瘤与从乳腺肿瘤样本数据中提取的10个特征向量之间的非线性映射关系。将本文提出的乳腺肿瘤识别方法的仿真结果与AFSA-ELM方法、ELM方法、LVQ方法、BP方法的仿真结果分别从识别准确率、假阴性率、学习速度三个方面做对比分析,仿真结果表明,本文所提方法对乳腺肿瘤诊断具有较高的分类识别准确率、假阴性率以及较快的学习速率。     

基于解析形式的二维参数可变形模板匹配算法

为了更好地进行图像轮廓提取，对基于解析形式的二维参数可变形模板匹配方法中的模板结构、形变方式、离散化方案、内外部能量函数及优化算法等方面进行了研究与改进，并以生物体为原型，提出了一种具有3种生物组织结构的、形变方式可通过模板结构加以明确控制的、新的参数可变形模板匹配算法，该新算法是利用Gaussian函数来扩展外部力的作用域，并采用贪心优化快速算法进行能量函数优化。实验结果表明，这一新的模板匹配算法具有良好的轮廓提取速度、提取精度及稳定性。     

基于形变模型的图像分割和非刚性目标的跟踪

本文在活动轮廓的基础上,提出了基于形变模型的图像分割和非刚性目标的跟踪方法.为了克服活动轮廓的一些缺陷,引入了新的与图像特性有关的外部能量和松弛法;将形变模型和光流模型相结合用于非刚性目标跟踪.该方法对噪声不敏感,能准确、可靠地检测物体曲率高的边缘部分,跟踪非刚性运动目标.实验结果验证了该方法的有效性.     

A new Image Registration technique with free boundary constraints: application to mammography

In this paper, a new image-matching mathematical model is presented with its application to mammogram registration. In a variational framework, an energy minimization problem is formulated and a multigrid resolution algorithm is designed. The model focuses on the matching of regions of interest. It also combines several constraints which are both intensity- and segmentation-based. A new feature of our model is combining region matching and segmentation by formulation of the energy minimization problem with free boundary conditions. Moreover, the energy has a new registration constraint. The performances of the new model and an equivalent model with fixed boundary conditions are compared on simulated mammogram pairs. It is shown that the model with free boundary is more robust to initialization inaccuracies than the one with fixed boundary conditions. Both models are applied to several real bilateral mammogram pairs. The model ability to compensate significantly for some normal differences between mammograms is illustrated. Results suggest that the new model could enable some improvements of mammogram comparisons and tumor detection system performances.     

多视角乳腺X线图像匹配方法综述

乳腺X线摄影术是目前乳腺疾病的主要检查方式之一,采用图像处理与模式识别的方法对乳腺X线图像进行分析,可以辅助医生发现漏检的病变,识别出假阳性组织,有效降低漏诊率和误诊率。基于图像处理的方法应模拟医生阅片机制,因而基于多视角的乳腺癌检测与分类方法更加适合临床的要求。多视角乳腺癌检测的基础是确定不同视角图像间的匹配关系,本文较为全面地讨论了乳腺X线图像多视角匹配方法。首先对现有乳头检测和胸肌分割方法进行回顾,并对比分析了不同方法之间的优缺点;然后讨论了现有双视角匹配以及双边匹配方法;最后对现有匹配方法存在的问题进行分析,并提出了改善措施。      

基于可变形模型的轮廓提取方法与应用

基于可变形模型的轮廓提取方法是目前研究的热点。从几何表达,图像势能及优化方法三个方面对基于可变形模型的轮廓提取的理论研究及进展进行了综述,并介绍了其在医学图像、脸部特征以及航空影像等方面的应用研究。最后对可变形模型及其在轮廓提取方面的应用进行了总结和展望。     

一种基于变形模板的椭圆提取算法

针对普通的动态轮廓算法对曲线仅提供有限的连续与正则性约束,虽然带来了局部的灵活性,却丧失了全局的完整性,从而导致轮廓提取结果强烈敏感于图像噪声及邻近边缘点,针对这一问题,给出了一种基于椭圆变形模板的椭圆提取新算法。该算法使用一种基于椭圆形状约束的变形模板,由于其能量最小化过程直接在椭圆的参数空间中进行,从而可保证提取的结果一定是椭圆。此外,算法还容许同时提取多个椭圆,并可充分利用各个椭圆参数及其相关性(例如同心椭圆)等先验知识来实现快速、准确、鲁棒的椭圆提取。仿真结果与实际图像应用表明,该新算法是有效的。     

基于先验模型和区域生长的乳腺图像钙化点检测

早期乳腺癌的一个重要特征就是钙化点,快速准确地找出乳腺图像中的钙化点是成功诊断的第一步。提出了一种先验模板和区域生长的钙化点快速检测方法。根据钙化点检测的临床经验,选用一直径为0.5mm的模板找出乳腺图像中的局部峰值点。以这些峰值点为初始种子点,进行区域生长;计算每个区域的面积、平均灰度、对比度,保留满足钙化点特征的区域。根据先验知识,对生长获得的钙化点是否成簇进行判别,保留成簇的微钙化点。实验表明,该算法实现了乳腺图像中钙化点的快速自动检测,提高了医生诊断的正确性。