乳腺钼靶X线肿块检测及分割方法

乳腺癌临床中最常见的病理征象是可疑的钙化点及肿块,钙化点的检测技术已经相对成熟,而对肿块进行检测及分割仍是众多学者研究的热点。首先简要介绍了乳腺癌的研究意义、现状及常用的乳腺X线图像库;其次针对目前乳腺肿块的热点研究,重点综述了最新的常用于乳腺肿块检测及分割的方法,对这些方法进行归类,并给出不同方法的优缺点;最后总结并讨论了乳腺X线图像中肿块检测及分割的发展趋势。     

乳腺X线图像计算机辅助诊断技术综述

近年来,乳腺癌严重威胁全球女性的身体健康,乳腺X线摄影是乳腺癌筛查的有效影像检查手段.乳腺X线图像计算机辅助诊断(computer aided diagnosis,CAD)运用计算机视觉、图像处理、机器学习等人工智能先进技术,自动分析处理乳腺X线图像,可为医生在临床中提供重要的诊断参考.主要面向肿块和微钙化病变检测、分...     

乳腺X线图像肿块分割研究

乳腺癌是女性最常见的恶性肿瘤疾病。肿块是乳腺癌一个很重要的征象。首先描述乳腺癌的研究现状,接着介绍了乳腺X线图像库,然后从以下四类对乳腺钼靶X线图像中的肿块分割技术进行综述:基于阈值的分割技术、基于区域的分割技术、基于特定理论的分割技术和基于模型的分割技术,最后对乳腺X线图像中肿块分割的发展前景进行讨论。     

基于逻辑滤波器的乳腺X光片中肿块检测方法

在数字乳腺Ｘ光片中检测可疑肿块的方法,首先,介绍了逻辑滤波器的基本要领并提出了一种改进的逻辑滤波器。使用滤波器后,输出图旬在灰度直方,科上表现出显著的特征,这使得对可疑肿块的分段过程变得很容易。作者用２５张乳腺Ｘ光片作为测试用例,验证了这一方法的效果。文中还将这种方法与别的边缘检测,增强方法作了比较。     

改进标记分水岭的乳腺X线图像肿块检测方法

乳腺X线图像肿块大小不一,固定参数的传统标记分水岭算法无法实现乳腺X线图像肿块的有效检测。针对此问题,文中提出了一种结合形状特征和改进型标记分水岭的乳腺X线图像肿块检测方法。在计算前景标记时,结合标记的形状特征判定前景标记,通过对前景标记进行形态学膨胀并提取边缘以获得背景标记,利用改进型自适应参数标记分水岭算法实现肿块检测。实验结果表明,文中算法通过结合形状特征,自适应地选择合适的形态学参数,使得肿块检测准确率高于传统标记分水岭算法。     

基于深度语义模型的乳腺X线图像检索

图像特征是基于内容的图像检索（Content-based image retrieval,CBIR）的关键,大部分使用的手工特征难以有效地表示乳腺肿块的特征,底层特征与高层语义之间存在语义鸿沟。为了提高CBIR的检索性能,本文采用深度学习来提取图像的高层语义特征。由于乳腺X线图像的深度卷积特征在空间和特征维度上存在一定的冗余和噪声,本文在词汇树和倒排文件的基础上,对深度特征的空间和语义进行优化,构建了两种不同的深度语义树。为了充分发挥深度卷积特征的识别能力,根据乳腺图像深度特征的局部特性对树节点的权重进行细化,提出了两种节点加权方法,得到了更好的检索结果。本文从乳腺X线图像数据库（Digital database for screening mammography, DDSM）中提取了2 200个感兴趣区域（Region of interest,ROIs）作为数据集,实验结果表明,该方法能够有效提高感兴趣肿块区域的检索精度和分类准确率,并且具有良好的可扩展性。     

基于深度学习乳腺X线摄影钙化识别分类模型的临床应用价值

【目的】引入基于深度学习乳腺X线摄影钙化识别及分类模型,探讨深度学习技术对钙化灶的准确识别、分类和临床应用价值。【方法】采用多中心乳腺X线检查数据,分别由高-初级诊断医生及两名初级诊断医生采用不结合及结合深度学习模型进行病灶评估,评价其诊断效能。【结果】引入深度学习模型识别钙化灶能力与高-初级诊断医生及两名初级诊断医生识别钙化灶能力相仿（漏检率分别为0.81%vs.0.65%,1.14%vs.1.63%,P>0.05）,深度学习模型能够有效帮助高-初级诊断医生(灵敏度0.926,AUC0.81,P=0.014)及两名初级诊断医生（灵敏度0.896,AUC0.79,P=0.049）检出可疑恶性钙化灶,特别是在良性病变中的准确率提升作用明显。【局限】仍需更多前瞻性多中心数据验证模型稳健性,也需引入不同深度学习模型比较其临床应用价值。【结论】深度学习模型有助于乳腺X线摄影钙化识别及分类评估,有助于乳腺癌大规模筛查背景下提供辅助诊断及临床策略支持。     

乳腺辅助诊断系统中可疑肿块分割方法研究

乳腺癌是女性最常见的恶性肿瘤之一,早发现早治疗是防治的关键。而计算机辅助诊断技术能够有效地对具有乳腺癌重要特征的可疑肿块进行分割、检测和分类,从而提高影像医生的诊断效率和准确率。综述了目前出现的一些较好的乳腺可疑肿块分割方法,对这些算法进行了深入的研究,对它们的优点和性能进行了对比和分析。最后展望了基于肿块分割方法可能提高精准度的一些途径。     

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。      

双侧特征融合的乳腺肿块检测

乳腺癌是妇女最常见的恶性肿瘤之一,面向乳腺钼靶X线图像的计算机辅助肿块检测技术可以帮助影像科医师早期发现乳腺病变.针对于单侧的乳腺肿块检测中准确率有待提升的问题,提出双侧特征融合的乳腺肿块检测算法.首先,进行图像预处理,并利用相干点漂移完成乳腺轮廓配准;然后,利用配准得到的变换矩阵获得双侧乳腺感兴趣区域,再在其中提取左右侧乳腺的单侧特征向量和双侧对比特征向量,从而建立融合的特征模型,并采用遗传选择算法对特征向量进行特征选择;最后利用极限学习机基于选择后的特征进行乳腺肿块检测.实验结果表明,与传统的基于单侧的乳腺肿块检测算法相比,文中算法能有效地提高检测准确率.     

缺陷检测技术的发展与应用研究综述

为满足智能制造企业对产品质量检测的需求, 服务制造企业生产管理, 对缺陷检测技术的研究现状、典型方法和应用进行梳理.首先总结了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉和基于深度学习的缺陷检测技术的优缺点; 对比分析了磁粉检测法、渗透检测法、涡流检测法、超声波检测法、机器视觉检测的主流缺陷检测技术和基于深度学习的缺陷检测技术的研究现状; 然后, 梳理了缺陷检测技术在电子元器件、管道、焊接件、机械零件和质量控制中的典型应用; 最后, 对缺陷检测技术的研究情况进行了总结和展望, 指出该研究领域亟需解决的问题和未来发展的方向, 并从高精度、高定位、快速检测、小目标、复杂背景、被遮挡物体检测、物体关联关系等几个方面总结近年来发表在ICCV (International Conference on Computer Vision)和CVPR (International Conference on Computer Vision and Pattern Recognition)等知名国际会议上相关论文的核心思想和源代码, 为缺陷检测技术的进一步发展提供理论和应用上的借鉴与参考.     

一种单因子的可撤销生物特征认证方法

将令牌化随机数作为外部因子的双因子可撤销生物特征认证方法存在令牌泄露、丢失等安全威胁. 本文提出了一种生物特征作为唯一输入的解决方法, 即单因子的可撤销生物特征认证方法. 首先, 利用扩展的特征向量, 通过预定义的滑动窗口和哈希函数随机化生成二进制种子; 然后替换不同的辅助数据来生成可撤销模板; 最后, 由查询生物特征向量对辅助数据进行解码, 提高了性能和安全性. 在指纹数据库FVC2002和FVC2004的实验结果表明, 该方法不仅满足可撤销生物特征识别的4个设计标准, 同时防御了3种安全攻击.     

基于深度学习的行人重识别研究进展

行人重识别是计算机视觉领域近年来非常热的一个研究课题,可以被视为图像检索的一个子问题,其目标是给定一个监控行人图像检索跨设备下的该行人图像.传统的方法依赖手工特征,不能适应数据量很大的复杂环境.近年来随着深度学习的发展,大量基于深度学习的行人重识别方法被提出.本文先简单介绍了该问题的定义及传统方法的局限,并列举了一些适用于深度学习方法的行人重识别数据集.此外我们详细地总结了一些比较典型的基于深度学习的行人重识别方法,并比较了部分算法在Market1501数据集上的性能表现.最后我们对该问题未来的研究方向做了一个展望.     

基于随机森林误分类处理的3D人体姿态估计

为解决基于随机森林的3D人体姿态估计算法容易出现的误分类问题, 提出一种基于自适应融合特征提取和误分类处理机制的改进算法.该算法利用自适应融合特征提取方法自适应提取深度融合特征, 此特征可表达图像距离信息和部位尺寸信息, 增强特征的表征能力; 针对识别部位误分类问题, 分别从识别部位误分点聚集情况和迭代整合思想出发, 提出误分类处理机制, 改善部位识别结果; 最后提出可进一步处理误分点的改进主方向分析(Principal direction analysis, PDA)算法, 自适应计算出部位主方向向量, 实现3D人体姿态估计.结果表明, 该算法能有效去除部位误分点, 并显著改善了3D人体姿态估计.     

基于形式概念分析和语义关联规则的目标图像标注

基于目标的图像标注一直是图像处理和计算机视觉领域中一个重要的研究问题.图像目标的多尺度性、多形变性使得图像标注十分困难.目标分割和目标识别是目标图像标注任务中两大关键问题.本文提出一种基于形式概念分析(Formal concept analysis, FCA)和语义关联规则的目标图像标注方法, 针对目标建议算法生成图像块中存在的高度重叠问题, 借鉴形式概念分析中概念格的思想, 按照图像块的共性将其归成几个图像簇挖掘图像类别模式, 利用类别概率分布判决和平坦度判决分别去除目标噪声块和背景噪声块, 最终得到目标语义簇; 针对语义目标判别问题, 首先对有效图像簇进行特征融合形成共性特征描述, 通过分类器进行类别判决, 生成初始目标图像标注, 然后利用图像语义标注词挖掘语义关联规则, 进行图像标注的语义补充, 以避免挖掘类别模式时丢失较小的语义目标.实验表明, 本文提出的图像标注算法既能保证语义标注的准确性, 又能保证语义标注的完整性, 具有较好的图像标注性能.     

基于FPDE的红外与可见光图像融合算法

针对传统红外与可见光图像融合算法中存在的细节信息不够丰富, 边缘信息保留不够充分等问题, 文中提出了一种基于四阶偏微分方程(Fourth-order partial differential equation, FPDE)的改进的图像融合算法.算法首先采用FPDE将已配准的红外与可见光图像进行分解, 得到高频分量和低频分量; 然后, 对高频分量采用基于主成分分析(Principal component analysis, PCA)的融合规则来得到细节图像, 对低频分量采用基于期望值最大(Expectation maximization, EM)的融合规则来得到近似图像; 最后, 通过组合最终的高频分量和低频分量来重构得到最终的融合结果.实验是建立在标准的融合数据集上进行的, 并与传统的和最近的融合方法进行比较, 结果证明所提方法得到的融合图像比现有的融合方法能有效地综合红外与可见光图像中的重要信息, 有更好的视觉效果.     

基于深度学习的乳腺癌病理图像分类研究综述

准确、高效的乳腺癌病理图像分类是计算机辅助诊断的重要研究内容之一。随着机器学习技术的发展,深度学习日渐成为一种有效的乳腺癌病理图像分类处理方法。分析了乳腺癌病理图像分类方法及目前存在的问题;介绍了四种相关的深度学习模型,对基于深度学习的乳腺癌病理图像分类方法进行梳理,并通过实验对比分析现有模型的性能;最后对乳腺癌病理图像分类的关键问题进行了总结,并讨论了未来研究的发展趋势。     

基于图像的空气质量等级检测

目前国内主要依靠各种精密仪器检测空气中的污染物浓度.由于仪器的成本较高,国家通过在每个城市设立监测站来检测空气质量,这种空气质量检测方法是粗粒度的,不能覆盖城市的每个角落.本文提出了一种基于图像的空气质量等级检测方法,旨在通过移动设备采集的图像检测空气质量等级,移动设备的普及使得通过图像细粒度检测空气质量成为可能,该方法利用空气污染对图像颜色通道和灰度通道局部信息熵的影响构建空气质量等级检测模型.在本文构建的空气质量图像库进行了模型测试和比较分析,实验结果表明:本文方法能够准确地评估空气质量等级,比其他已有相关方法更适用于空气质量等级检测.     

一种基于细节层分离的单曝光HDR图像生成算法

针对利用单幅低动态范围（Low dynamic range,LDR）图像生成高动态范围（High dynamic range,HDR）图像细节信息不足的问题,本文提出了一种基于细节层分离的单曝光HDR图像生成算法.该算法基于人类视觉系统模型,首先分别提取出LDR图像的亮度分量和色度分量,对伽马校正后的亮度分量进行双边滤波,提取出亮度分量的基本层,再对基本层和亮度分量进行遍历运算,得到亮度分量的细节层;然后,构造反色调映射函数,分别对细节层和伽马校正后的亮度图像进行扩展,得到各自的反色调映图像;之后,将反色调映射后亮度分量与压缩后的细节层进行融合,得到新的亮度分量.最后,融合色度分量与新的亮度分量,并对融合后图像进行去噪,得到最终的HDR图像.实验表明该算法能挖掘出部分隐藏的图像细节信息,处理效果较好,运行效率高,具有较好的鲁棒性.     

基于状态集员估计的主动故障检测

对于现代复杂控制系统, 微小故障往往很难发现. 在系统过程干扰和测量噪声未知但有界的前提下, 提出了一种新的基于状态集员估计的主动故障检测方法. 首先设计全对称多胞形卡尔曼滤波器对系统状态进行估计, 并利用全对称多胞形对受未知干扰影响的状态集合进行描述, 然后设计辅助输入信号使得加入辅助输入信号后正常模型的状态集合与故障模型的状态集合交集为空, 从而实现主动故障检测. 为了使得所设计的辅助输入信号对原系统影响最小, 需要求得最小的辅助输入信号, 本文将最优化问题转化为混合整数二次规划问题进行求解. 最后, 与基于输出集合的辅助输入信号设计方法对比, 仿真验证本文所提出的基于状态集合的主动故障检测方法由于未受下一时刻测量噪声的影响, 所求得的辅助输入信号更小, 保守性更低.