论文部分内容阅读
乳腺癌的发病率在女性癌症中占据首位,近年来有不断上升的趋势,因此开展乳腺癌的诊断和防治研究具有重要的科学意义和临床实用价值。临床上常用的影象检测手段主要有X 线检查、超声、核磁共振、远红外、CT 等,超声因对人体无放射、价格相对低廉等优势被广泛用于乳腺癌的诊断。临床上乳腺癌的诊断很大程度上依赖于医生的经验,假阳性率较高,导致活检阳性检出率低。由于活检给病人带来痛苦并增加经济负担,如何减少不必要活检数量,提高诊断的效率和客观性成为计算机辅助诊断要解决的关键问题。基于B 超图象的计算机辅助诊断的研究目前主要集中于纹理特征,灰度特征信息和轮廓信息的研究较为少见。本研究将联合纹理、灰度、轮廓信息以更好地利用乳腺B 超声像图的特征对乳腺肿瘤进行识别。本文通过对乳腺B 超图像分析、数字化声像图特征、特征选择和分类识别,建立了基于B 超声像图的计算机辅助诊断系统。首先通过图像分析提取了基于灰度共生矩阵的纹理特征、基于肿瘤区及后部回声区域平均灰度特征以及基于平均半径的轮廓特征;特征选择阶段首先使用类间距对单个特征的分类能力进行评价,挑选出六个特征:基于轮廓的:似圆度特征C 和纵横比(LWR)、基于平均灰度信息的:肿瘤区与后部回声区灰度比(MIR)以及基于灰度共生矩阵的纹理特征:熵(ENT)、反差分矩(IDM)、灰角二阶矩ASM 特征;随后使用人工神经网络对多特征组合识别能力进行分析:将类间据挑选出的六个特征做全排列后用于识别,识别效果最好的组合被选为特征向量。最终为纵横比(LWR)、肿瘤区与后部回声区灰度比(MIR)、熵(ENT)和反差分矩(IDM);最后用BP(Back Propagation)人工神经网络对特征矢量进行识别。实验中共研