结合图像分割和多特征融合识别乳腺钼靶图像

摘要：

目的:结合图像自动分割技术和机器学习方法对乳腺钼靶X线图像进行准确分类识别。方法:以数字钼靶X线图像数据库（DDSM）中的BI-RADS4类的簇状分布多形性钙化钼靶图像为研究对象，自动切分图像的感兴趣区域（ROI）。对小波变换、Gabor滤波和灰度共生矩阵法所提取的特征参数进行融合，并基于灵敏度分析对融合后的特征参数进行筛选。使用基于集成学习的方法，对多项式核支持向量机（SVM）、随机森林和逻辑（logistic）回归分类器进行投票集成，构成用于乳腺钼靶X线图像自动分类的分类器。投票集成方法为软投票。结果:提出的集成分类器可高效地识别与分类乳腺钼靶X线图像，其分类的灵敏度、特异度和准确率分别为99.1%、99.6%和99.3%。结论:所提出的乳腺钼靶X线图像处理与分类识别方法能为医生的临床判断提供辅助检测的依据，并为细分BI-RADS4类图像提供技术基础。

关键词：乳腺钼靶X线图像、图像自动分割、多特征融合、灵敏度分析、分类识别

所属期刊栏目：43

资助基金：国家重点研发计划2016YFC1303003;上海市一流本科建设引领计划Z32008.19.001;National Key Research and Development Project2016YFC1303003;First-class Undergraduate Construction Leading Plan of ShanghaiZ32008.19.001

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：220-225