近紅外乳腺圖像的處理與分類算法研究.pdf

1、乳腺癌是全球女性最常見的惡性腫瘤之一，目前尚無有效的預防措施。隨著乳腺癌的發(fā)病率逐年上升，乳腺癌的早發(fā)現(xiàn)、早診斷是降低乳腺癌患者死亡率的有效手段。由于近紅外光譜掃描操作方便，成本較低，是乳腺疾病檢測的重要方法之一，廣泛應用于乳腺疾病的普查中。但是得到的近紅外乳腺圖像中，通過肉眼診斷乳腺癌變的成功率并不十分理想，而且需要醫(yī)生有很高的專業(yè)能力。因此，對近紅外乳腺圖像進行處理，以輔助醫(yī)生診斷，并在此基礎上，實現(xiàn)癌變部位的自動分類，具有重大意義

2、。本文的主要研究工作與成果如下:
　　(1)針對近紅外乳腺圖像提出了基于Canny算子的加權引導濾波，對圖像進行預處理，并與基于方差的加權引導濾波進行了對比。采用不同的窗口半徑及規(guī)整化因子對圖像進行處理，減小噪聲的同時又加強了邊緣紋理信息，得到了良好的預處理效果，驗證了本文預處理算法的優(yōu)越性。
　　(2)在預處理的基礎上采用模糊C-均值聚類算法對圖像進行分割，詳細的分析了網絡初始化的參數(shù)的設定，不需要任何人工干預即可進行自動

3、分割，可以將癌變部位和正常的乳房組織分割開來，得到了良好的分割結果，可以有效輔助醫(yī)生定位癌變部位。
　　(3)提出了11層的VGG(Visual Geometry Group)卷積神經網絡。采用該網絡對近紅外乳腺訓練圖像進行訓練學習，利用不同尺度的測試圖像塊進行測試，并進行對比，確定了測試效果最優(yōu)的圖像塊尺度，得到了良好的分類結果，分類的準確率較高。通過與FCM聚類分析算法的結果進行比較，VGG卷積神經網絡不需要預先設定各種參數(shù)，