基于小波變換的乳腺X線圖腫塊分割算法的研究.pdf

1、基于小波變換的乳腺基于小波變換的乳腺X線圖腫塊分割算法線圖腫塊分割算法的研究的研究StudyofWaveletbasedMethodsfMassSegmentationinMammograms學(xué)科專業(yè)：信息與通信工程研究生：劉靜媛指導(dǎo)教師：褚晶輝副教授天津大學(xué)電子信息工程學(xué)院二零一三年十二月摘要摘要乳腺癌的早期診斷和治療是能夠降低乳腺癌患者死亡率的有效途徑。通過乳腺X線圖像觀察乳腺狀況是目前乳腺癌普查的首選影像方法。隨著圖像處理技術(shù)的高

2、速發(fā)展，計算機輔助檢測技術(shù)在乳腺癌的檢測方面起到越來越重要的作用。本文主要介紹了作者在進行乳腺腫塊的計算機輔助診斷系統(tǒng)設(shè)計時的研究成果，主要包括圖像預(yù)處理，感興趣區(qū)域的提取以及腫塊邊緣檢測這三部分內(nèi)容。本文首先利用圖像處理領(lǐng)域的形態(tài)學(xué)處理、區(qū)域增長等相關(guān)知識，對乳腺X線圖像進行預(yù)處理操作。之后提出一種對圖像的灰度直方圖進行小波變換，并根據(jù)小波變換的模極大值點確定圖像分割閾值的方法，該方法可對乳腺X線圖像中的疑似腫塊區(qū)域進行粗分割。在通過

3、粗分割過程獲得乳腺腫塊的大致位置信息之后，再利用區(qū)域增長算法和基于局部活動輪廓模型算法獲得腫塊的邊緣信息。本文選取MIAS乳腺圖像數(shù)據(jù)庫中的65幅圖像作為測試圖像，保證每幅圖像至少包含一個乳腺腫塊。利用本文所提方法對這65幅圖像進行實驗，并將實驗結(jié)果與該數(shù)據(jù)庫中的專家標(biāo)注信息作對比，實驗結(jié)果為當(dāng)采用Daubechies小波時，檢出率為95.5%，平均每幅假陽性率為0.84。本文所述方法能夠有效地分割出乳腺X線圖中的腫塊區(qū)域，具有較高的檢