乳腺腫瘤是近年來威脅女性健康的常見疾病,臨床表明,早期的乳腺腫瘤如果能被及時發(fā)現(xiàn)并給予治療,多數(shù)都可成功治愈,因此乳腺腫瘤的醫(yī)學(xué)診斷尤為重要。超聲成像技術(shù)利用超聲波聲束穿過人體,根據(jù)聲波反射的強(qiáng)弱形成超聲圖像,可以方便直觀地觀察人體內(nèi)的腫瘤、畸形等形態(tài)結(jié)構(gòu)發(fā)生變化的疾病。如今,該技術(shù)已經(jīng)憑借其無創(chuàng)、無痛、成本低廉的優(yōu)點(diǎn)廣泛應(yīng)用于乳腺腫瘤的檢測中。為了降低對乳腺超聲圖像的誤診率,輔助醫(yī)生工作,讓計(jì)算機(jī)能自動地識別出腫瘤區(qū)域及周圍組織結(jié)構(gòu)是本文研究的主要目的。在醫(yī)學(xué)圖像處理領(lǐng)域,識別目標(biāo)的主要方法是通過圖像分割來取得目標(biāo)區(qū)域。本文研究的方法是對圖像做語義分割,這種分割方法不僅能確定目標(biāo)的位置,同時還能夠識別出目標(biāo)的類別,通過分類模型計(jì)算每個像素點(diǎn)的類別概率分布,使用全連接條件隨機(jī)場模型來對整幅圖像進(jìn)行優(yōu)化,以確定每個像素點(diǎn)的類別,達(dá)到語義分割的目的。本文首先對目前國內(nèi)外在圖像分割領(lǐng)域的研究現(xiàn)狀作了總結(jié),接下來提出本文的圖像語義分割方法的思路,對取得的乳腺超聲圖像樣本提取多種不同的特征,之后分別對它們使用支持向量機(jī)模型訓(xùn)練,比較其在測試樣本上的圖像分割效果,實(shí)驗(yàn)中由全卷積神經(jīng)網(wǎng)絡(luò)提取的深層次特征具有較好的分割準(zhǔn)確性,本文將這種圖像分割得到的像素類別概率分布插值放大后得到本研究的圖像粗分割,然后提出了一種基于醫(yī)學(xué)先驗(yàn)約束的全連接條件隨機(jī)場模型,該模型考慮了乳腺超聲圖像中組織器官的層次特點(diǎn)與相鄰關(guān)系,增加了類別間距離約束項(xiàng),可以對不符合醫(yī)學(xué)常識的分割結(jié)果給予懲罰,以糾正粗分割中分類模型產(chǎn)生的錯誤分割。實(shí)驗(yàn)表明,本文的方法能夠很好的處理圖像特征不明朗、SVM分類器產(chǎn)生違反醫(yī)學(xué)常識的識別結(jié)果等問題,可以在乳腺超聲圖像上取得較好的分割效果。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;R737.9
【部分圖文】：

灰度共生矩陣的方向

灰度共生矩陣的生成過程

2222 后使用一階的差分算子計(jì)算圖像梯度的幅值和方向，再細(xì)化圖像對梯度幅值圖像的每個像素，求得梯度方向周圍的像素梯度，找部極大值的像素點(diǎn)，并認(rèn)為該點(diǎn)為邊緣點(diǎn)，最后通過給定的兩個緣并得到邊緣信息的圖像。乳腺超聲圖像在經(jīng)過 Canny 邊緣檢
【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王相海;方玲玲;;活動輪廓模型的圖像分割方法綜述[J];模式識別與人工智能;2013年08期

2 王劍平;張捷;;小波變換在數(shù)字圖像處理中的應(yīng)用[J];現(xiàn)代電子技術(shù);2011年01期

3 張一飛;修非;鮑玉斌;于戈;;基于小波紋理特征的醫(yī)學(xué)圖像檢索[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

相關(guān)碩士學(xué)位論文 前1條

1 張曉雪;基于概率圖模型的圖像語義分割技術(shù)研究[D];廈門大學(xué);2014年

本文編號：2839204