版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Graph Cuts算法的乳腺X線圖像腫塊分割方法研究.pdf
- 基于小波變換的乳腺X線圖像增強研究.pdf
- 基于小波變換的x射線圖像壓縮算法的研究(1)
- 基于小波變換的紋理分割算法研究.pdf
- 基于活動輪廓模型的乳腺X線圖像腫塊分割方法的研究.pdf
- 基于小波變換的X-射線圖像壓縮算法的研究.pdf
- 基于小波變換的乳腺X線圖像計算機輔助分析.pdf
- 基于小波分析和遺傳算法的乳腺X線圖像分割.pdf
- 基于X線乳腺腫塊分割與檢測的研究.pdf
- 基于小波變換的紋理圖象分割算法研究.pdf
- 乳腺X線圖像腫塊特征提取與特征變換方法研究.pdf
- 基于小波變換和圖論的彩色圖像分割算法研究.pdf
- 基于圖像分割和小波變換的信息隱藏算法研究.pdf
- 基于X線圖像的乳腺腫塊檢測與分類方法研究.pdf
- 基于小波變換和分水嶺算法的圖像分割算法研究.pdf
- 基于Mexihat小波變換的數(shù)字圖像分割算法研究.pdf
- 基于小波變換的紋理圖像多尺度分割算法研究.pdf
- 基于小波變換和梯度矢量流的圖像分割算法研究.pdf
- 基于小波變換和聚類技術(shù)的紋理分割算法研究.pdf
- 基于小波變換并行圖像分割算法的分析與優(yōu)化.pdf
評論
0/150
提交評論