基于稀疏表示的乳腺圖像病變區(qū)域檢測.pdf

1、近年來,乳腺癌的發(fā)病率越來越高,嚴重危害著女性的身心健康。計算機輔助檢測系統(tǒng)能夠輔助醫(yī)生,提高病變區(qū)域檢出率,從而降低乳腺癌患者的死亡率。腫塊是乳腺癌的主要病癥之一,其有效檢測是計算機輔助診斷中非常重要的步驟。為此,通過學習腫塊的病理特征,綜合機器學習方法進行腫塊檢測,為醫(yī)生標記出圖像中的可疑區(qū)域,就能夠在減輕醫(yī)生壓力的同時輔助醫(yī)生更好的進行診斷。
　　本文以灰度、LBP特征以及稀疏表示理論為基礎,深入研究了乳腺圖像中疑似病變區(qū)域

2、的檢測方法。主要工作概括如下:
　　首先,提出了Pyramid-PCA灰度特征。針對腫塊區(qū)域中心密度大,向邊緣處密度逐漸減小的特點,設計了塔型特征表征表示方法,并對每層灰度特征進行不同維數(shù)的降維;由于Pyramid-PCA灰度特征的降維過程,損失了對原圖描述的部分信息,因此提出多尺度LBP特征,提取不同尺度下的LBP算子并進行融合,有效描述了圖像的全部信息,減少了原圖信息的損失。
　　其次,為精確標記腫塊區(qū)域,提出了滑動窗融

3、合算法。大大減少了第一次檢測結果中的假陽性率,同時獲得了疑似區(qū)域的大致方位,然后結合區(qū)域生長算法,將疑似區(qū)域更精確地提取出來,使得二次稀疏表示的檢測結果更準確。
　　最后,提出了二次稀疏表示的檢測算法。通過二次稀疏表示進行病變區(qū)域檢測,降低了第一次稀疏表示檢測中的假陽性率,通過二次稀疏將不同的特征進行交叉檢測,有效地降低了檢測結果的假陽性率,同時能夠更精確地標記出疑似腫塊區(qū)域。
　　實驗結果表明,本文提出的基于稀疏表示的病變