采用多尺度多级组合分类器快速定位乳腺X片中的感兴趣区域

被引：3

作者：

阮松 ^{[1
]}

陈松灿 ^{[1
]}

王敏 ^{[2
]}

机构：

[1] 南京航空航天大学计算机科学与工程系

[2] 河海大学计算机及信息工程学院

来源：

中国生物医学工程学报 | 2009年 / 28卷 / 05期

关键词：

乳腺X光片; 微钙化簇; 感兴趣区域(ROI); 多级组合分类器;

D O I：

暂无

中图分类号：

R816.4 [胸部及呼吸系];

学科分类号：

摘要：

乳腺癌是妇女常见恶性肿瘤之一,早期诊断和治疗是降低乳腺癌患者死亡率的关键。微钙化是乳腺癌早期的一个重要标志,因此快速准确地找出乳腺X光片中含有微钙化簇的感兴趣区域(ROI)是成功诊断的第一步。乳腺X光片中含有大量无病变区域和少量微钙化区域,形成了一种典型的不对称分类问题。本研究结合大量无病变区域的信息训练多级组合分类器,并借助多尺度方法加快筛选速度,以定位ROI。在真实的数字化X线乳腺照片上的实验表明,该方法在无漏检的情况下,可以排除92.64%的正常区域,而且基于Matlab处理,对于每幅图片的平均处理时间仅为7 s。

引用

页码：674 / 679+685 +685

页数：7

共 8 条

[1] X线乳腺图像中微钙化检测的快速排除无病变区域法(英文) [J].

贾新华 ;

王哲 ;

陈松灿 .

Transactions of Nanjing University of Aeronautics & Astronautics, 2006, (01) :52-58

[2] 乳腺癌当前流行趋势分析 [J].

张忠清 ;

李广灿 ;

叶召 .

中国肿瘤, 2000, (10) :454-455

[3]

级联型乳腺微钙化点检测算法和乳腺图像压缩的研究[D]. 王小冬.南京航空航天大学 2007

[4]

乳腺癌自动诊断系统的预处理方法研究[D]. 王莹.南京航空航天大学 2006

[5] Robust real-time face detection [J].

Viola, P ;

Jones, MJ .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 57 (02) :137-154

[6] An automatic microcalcification detection system based on a hybrid neural network classifier [J].

Papadopoulos, A ;

Fotiadis, DI ;

Likas, A .

ARTIFICIAL INTELLIGENCE IN MEDICINE, 2002, 25 (02) :149-167

[7]

An unsupervised scheme for detection of microcalcifications on mammograms. T.Bhangale,U.B.Desai,U.Sharma. Proceedings 2000 international conference on image processing . 2000

[8]

Microcalcification detection using fuzzy logic and scale space approaches. H. D. Cheng,Jingli Wang and Xiangjun Shi. Pattern Recognition . 2004

← 1 →