10.3969/j.issn.1003-0530.2012.03.004
一种基于二叉树决策分类的乳腺肿块自动检测方法
乳腺癌是严重威胁女性健康的重要疾病,乳腺癌计算机辅助诊断能够提高乳腺普查的效率和精度.乳腺肿块的自动检测是实现乳腺癌计算机辅助诊断的重要一步.由于肿块和背景之间的对比度低,肿块大小、位置、灰度不确定等,肿块的准确检测非常困难.预处理、疑似区域分割、特征提取以及分类器设计是乳腺肿块分割的关键.本文对经过增强的乳腺X光图像采用一种自适应阈值方法分割出疑似区域,提取疑似区域表征乳腺肿块 的面积、紧凑度、圆形度、灰度方差、灰度均值以及偏离度六种特征,最后利用二叉决策树把疑似区域分为两类:肿块和正常乳腺组织.利用50幅图像测试系统的性能,肿块的检测率(TP)为86.18%,且每幅图像的平均误检(FP)为1.18个.实验结果证明了本文提出方法的有效性.
计算机辅助诊断、乳腺肿块、特征、二叉决策树、分割
28
TP92
教育部留学回国人员基金资助项目2007024
2012-06-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
329-334