基于子空間學(xué)習(xí)和支持向量機(jī)的微鈣化簇檢測(cè).pdf

1、乳腺癌是一種常見(jiàn)的惡性腫瘤之一，是導(dǎo)致婦女死亡率上升的重要原因，早發(fā)現(xiàn)、早治療是降低乳腺癌死亡率的關(guān)鍵。目前，鉬靶X射線檢測(cè)被公認(rèn)為最主要、最有效的檢測(cè)手段，乳腺圖像中的微鈣化簇是乳腺癌的一個(gè)主要征象，在乳腺癌的早期診斷中占有特別重要的地位。然而，圖像中的信息只有3％能為人眼所見(jiàn)，即使經(jīng)驗(yàn)豐富的醫(yī)生也很難及時(shí)發(fā)現(xiàn)圖像中早期乳腺癌的微鈣化簇，以致延誤病人的最佳治療時(shí)機(jī)。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，乳腺X線圖像的計(jì)算機(jī)輔助檢測(cè)成為乳腺癌早期診

2、斷的研究熱點(diǎn)。
　　 為了有效的檢測(cè)出乳腺圖像中的微鈣化簇，更好地輔助醫(yī)生發(fā)現(xiàn)早期乳腺癌，本文針對(duì)微鈣化簇檢測(cè)問(wèn)題進(jìn)行了深入的研究。首先，為了有效的提取乳腺圖像中的感興趣區(qū)域(Region of Interest,ROI)，本文提出了一種基于獨(dú)立分量分析(Independent Component Analysis,ICA)和支持向量機(jī)(Support Vector Machine,SVM)的感興趣區(qū)域自動(dòng)提取新方法，首先提取微

3、鈣化簇的特征，在此基礎(chǔ)上訓(xùn)練SVM分類(lèi)器對(duì)待識(shí)別圖像進(jìn)行模式分類(lèi)。該方法不僅簡(jiǎn)單有效，而且具有較高的智能性，為感興趣區(qū)域的自動(dòng)提取提供了新的研究思路；其次，為了進(jìn)一步提高檢測(cè)的速度和精度，本文提出了基于子空間學(xué)習(xí)和SVM的微鈣化簇檢測(cè)算法，采用子空間學(xué)習(xí)提取圖像的判別特征，然后利用特征矢量訓(xùn)練SVM分類(lèi)器進(jìn)行模式分類(lèi)。最后，由于子空間學(xué)習(xí)容易受到數(shù)據(jù)噪聲的影響，使檢測(cè)性能具有不穩(wěn)定性，為了克服單個(gè)子空間的局限性，本文提出了基于選擇性支持