近紅外乳腺圖像的腫瘤識別方法研究.pdf

1、乳腺是人類哺育后代的一種外分泌腺，由皮膚、纖維組織、乳腺腺體和脂肪組成。乳腺癌是一種惡性癌癥，中國婦女的乳腺癌發(fā)病率逐年上升，已經(jīng)嚴重威脅到中國婦女的健康。將近紅外光譜技術(Near Infrared，NIR)用于乳腺檢測，是比較新的檢查方式。近紅外乳腺圖像的判讀和診斷是主觀性的，醫(yī)師在判讀時不可避免地存在主觀差異。因此，用信息技術實現(xiàn)近紅外乳腺圖像腫瘤的自動識別供醫(yī)師參考，能有效的提升乳腺檢查的準確率。
　　本文提出了基于卷積神

2、經(jīng)網(wǎng)絡、基于支持向量機的近紅外乳腺圖像的腫瘤的自動識別，主要工作和成果如下:
　　1.使用支持向量機(Support Vector Machines，SVM)根據(jù)近紅外乳腺圖像中各區(qū)域的基于灰度共生矩陣的紋理特征進行訓練，對待識別的近紅外乳腺圖像中的每一個點進行分類，實現(xiàn)了腫瘤的自動分割。
　　2.針對不同尺寸的訓練圖像方塊，設計了多種淺層卷積神經(jīng)網(wǎng)絡(Convolution Neural Networks，CNN)，將多種

3、尺寸的訓練圖片輸入對應輸入尺寸的卷積神經(jīng)網(wǎng)絡進行訓練，然后對待識別的近紅外乳腺圖像中的每一個點進行分類，自動分割出了的腫瘤區(qū)域。該方法無需手工提取特征，其分割效果優(yōu)于支持向量機，速度大幅提升。
　　3.提出了基于殘差網(wǎng)絡(Residual Networks，ResNet)的近紅外乳腺圖像分割，自動分割出了圖像的腫瘤區(qū)域，分割效果優(yōu)于淺層卷積神經(jīng)網(wǎng)絡，速度優(yōu)于支持向量機。
　　4.在ResNet分割結(jié)果的基礎上進行一系列圖像處