隨著超聲成像成為乳腺癌早期篩查的主流手段,基于超聲乳腺腫瘤圖像的計算機(jī)輔助診斷技術(shù)越來越受到科研學(xué)者和臨床專家的重視。然而,目前大多數(shù)超聲乳腺腫瘤分類方法都依賴于低級圖像特征,其診斷過程不能被醫(yī)生理解。這類基于低級圖像特征的方法十分依賴圖像質(zhì)量,在處理不同超聲設(shè)備采集的圖像時,無法保證性能的可靠性。此外,在超聲乳腺腫瘤分類問題中,帶有標(biāo)注的樣本稀缺,而目前大多數(shù)方法都無法在少量標(biāo)注數(shù)據(jù)集上取得足夠好的效果。這些問題一定程度上限制了超聲乳腺腫瘤分類方法在臨床中的應(yīng)用和推廣。本文針對這些問題提出了三種具有較高可解釋性的超聲乳腺腫瘤分類方法。本文先利用BI-RADS特征打分方案和決策樹算法,建立便于人類專家理解的乳腺腫瘤分類模型,極大的縮小了專家與計算機(jī)間的語義鴻溝。然后,在這一工作的基礎(chǔ)上,提出半監(jiān)督?jīng)Q策樹算法,利用支持向量機(jī)分類超平面設(shè)計了偽標(biāo)簽機(jī)制,挖掘無標(biāo)注數(shù)據(jù)信息,降低模型對有標(biāo)注數(shù)據(jù)的依賴。最后,本文基于雙聚類算法與模糊推理提出了一種模擬人類專家診斷思路的超聲乳腺腫瘤分類方法。方法利用雙聚類挖掘診斷模式,基于診斷模式構(gòu)建診斷規(guī)則,利用模糊推理方法對超聲乳腺腫瘤進(jìn)行分類,在保證分類... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 超聲乳腺腫瘤CAD技術(shù)概述
    1.3 基于統(tǒng)計學(xué)習(xí)的超聲乳腺腫瘤分類研究現(xiàn)狀
        1.3.1 特征提取
        1.3.2 分類器
    1.4 基于深度學(xué)習(xí)的超聲乳腺腫瘤分類研究現(xiàn)狀
    1.5 當(dāng)前技術(shù)面臨的問題
    1.6 本文主要工作及章節(jié)安排
        1.6.1 本文主要工作
        1.6.2 本文章節(jié)安排
第二章 基于BI-RADS特征與決策樹的乳腺腫瘤分類
    2.1 BI-RADS特征提取
        2.1.1 BI-RADS特征簡介
        2.1.2 BI-RADS特征打分方案
    2.2 基于決策樹的超聲乳腺腫瘤分類
        2.2.1 決策樹簡介
        2.2.2 分類回歸樹構(gòu)建
        2.2.3 基于決策樹的BI-RADS特征診斷價值排序
    2.3 模型工作流程
    2.4 本章小結(jié)
第三章 基于半監(jiān)督?jīng)Q策樹的乳腺腫瘤分類
    3.1 半監(jiān)督學(xué)習(xí)簡介
    3.2 基于支持向量機(jī)的半監(jiān)督?jīng)Q策樹算法
        3.2.1 支持向量機(jī)分類超平面構(gòu)建
        3.2.2 基于支持向量機(jī)的偽標(biāo)注生成
    3.3 模型工作流程
    3.4 本章小結(jié)
第四章 基于雙聚類和模糊推理的乳腺腫瘤分類
    4.1 雙聚類挖掘診斷模式
        4.1.1 雙聚類簡介
        4.1.2 診斷模式定義
        4.1.3 診斷模式挖掘
    4.2 基于診斷模式的模糊推理
        4.2.1 模糊推理簡介
        4.2.2 診斷規(guī)則構(gòu)建
        4.2.3 診斷規(guī)則過濾
        4.2.4 模糊推理過程
    4.3 模型工作流程
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)集及平臺描述
    5.2 特征篩選
    5.3 分類評估指標(biāo)
    5.4 基于決策樹的乳腺腫瘤分類實(shí)驗(yàn)
        5.4.1 性能比較
        5.4.2 決策樹深度對分類性能的影響
        5.4.3 特征診斷價值排序
    5.5 基于半監(jiān)督?jīng)Q策樹的乳腺腫瘤分類實(shí)驗(yàn)
        5.5.1 性能比較
        5.5.2 半監(jiān)督?jīng)Q策樹與決策樹性能對比
        5.5.3 偽標(biāo)簽置信度閾值對模型性能影響
    5.6 基于雙聚類與模糊推理的乳腺腫瘤分類實(shí)驗(yàn)
        5.6.1 性能比較
        5.6.2 規(guī)則支持度閾值對分類性能的影響
    5.7 人類專家與三種方法對比實(shí)驗(yàn)
    5.8 本章小結(jié)
總結(jié)與展望
    本文工作總結(jié)
    未來展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]隨機(jī)森林和支持向量機(jī)在利用超聲影像特征信息診斷乳腺病變性質(zhì)的應(yīng)用價值探索[J]. 趙子龍,何英劍,歐陽濤,姚晨.  中國衛(wèi)生統(tǒng)計. 2018(05)
[2]2014年中國分地區(qū)惡性腫瘤發(fā)病和死亡分析[J]. 陳萬青,孫可欣,鄭榮壽,張思維,曾紅梅,鄒小農(nóng),赫捷.  中國腫瘤. 2018(01)
[3]多種影像學(xué)方法在中國乳腺癌篩查中的應(yīng)用[J]. 張建興.  實(shí)用醫(yī)學(xué)雜志. 2017(09)
[4]超聲造影與增強(qiáng)磁共振成像在乳腺良惡性腫瘤鑒別診斷中的應(yīng)用[J]. 楊勇,呂秀花,崔光彬,楊一林,王瑧,袁麗君,段云友.  中國超聲醫(yī)學(xué)雜志. 2015(07)
[5]彩色超聲和X線鉬靶攝影對乳腺積乳囊腫的診斷價值[J]. 羅巧云,王濤,許晨.  臨床合理用藥雜志. 2015(06)
[6]基于半監(jiān)督學(xué)習(xí)的應(yīng)用流分類方法[J]. 柳斌,李之棠,涂浩.  微電子學(xué)與計算機(jī). 2010(08)
[7]一種基于層次聚類的雙聚類算法[J]. 朱嫻,馬衛(wèi).  微計算機(jī)應(yīng)用. 2009(05)

碩士論文
[1]基于超聲征象打分特征的乳腺腫瘤分類研究[D]. 陳永東.華南理工大學(xué) 2017



本文編號：3163144