阐释肿块基于视觉感知信息乳腺钼靶肿块辅助诊断
最后更新时间:2024-02-25
作者:用户投稿本站原创
点赞:22464
浏览:97366
论文导读:
摘要:乳腺癌是危害妇女身体健康的最常见恶性肿瘤之一。目前,我国乳腺癌发病率正从每年3%~4%的增长率急剧上升。探讨表明早期诊断和治疗能够有效提升乳腺癌病人的生存率。钼靶X线摄影检查是目前临床上乳腺癌检测的最主要手段。计算机辅助诊断技术(Computer-Aided Diagnosis,CAD)可从对乳腺钼靶X线摄影进行初步检测,将图像中的疑似病灶区报告给医生进行决策,但是目前检测精度仍无法完全满足临床需求。由此,如何有效使用最新的信息技术有效提升乳腺钼靶CAD的检测精度成为一个有重要运用价值的探讨课题。临床医学影像诊断是一个医生视觉感知与决策的历程,其很大程度根据医生自身经验进行。医生的视觉感知行为和医学影像诊断之间有着着紧密的内在关系,如何有效使用该信息从提升医学影像辅助诊断中的决策准确性是一个具有国际前沿性的探讨课题。本论文围绕医生临床诊断时其视觉感知行为的分析和使用不足展开探讨,目标是回答两个不足:(1)医生读片时单纯的视觉注视信息多大程度上能反映肿块位置(可检测性);(2)如何使用视觉注视信息提取病灶。根据上面陈述的目的,本论文展开基于视觉感知信息的乳腺钼靶肿块检测分析与自动提取的探讨。探讨办法包括三个步骤:首先用眼动仪采集医生诊断影像时的视觉注视点序列,每个注视点都包含其在钼靶全图中的相对坐标位置、停留时间和瞳孔直径等视觉特点;基于从上三个视觉特点和DBSCAN算法对视觉注视点序列进行聚类分析,找出医生诊断影像时的关注点位置,并且对比分析关注点与真实肿块的位置联系,从评价“单纯的视觉注意信息对肿块位置的反映程度”;从关注点为种子点,采取区域生长办法初步提取疑似病灶区,本论文称之为“粗分割”,之后采取本论文作者提出的基于水平集的多尺度乳腺肿块病灶分割办法对提取的疑似病灶区进行“细分割”从得到最终的提取结果。本论文办法实验结果显示,医生诊断历程中单纯的视觉感知行为能够定位60%的真实乳腺癌肿块。这对揭示“感知反馈”办法的内在机理具有很重要的探讨价值。关键词:乳腺X线影像论文辅助诊断论文视觉感知论文DBSCAN论文肿块检测论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要5-6
ABSTRA论文导读:
第一章 绪论9-17
4.
展望52-54
参考文献55-59
附录59
摘要:乳腺癌是危害妇女身体健康的最常见恶性肿瘤之一。目前,我国乳腺癌发病率正从每年3%~4%的增长率急剧上升。探讨表明早期诊断和治疗能够有效提升乳腺癌病人的生存率。钼靶X线摄影检查是目前临床上乳腺癌检测的最主要手段。计算机辅助诊断技术(Computer-Aided Diagnosis,CAD)可从对乳腺钼靶X线摄影进行初步检测,将图像中的疑似病灶区报告给医生进行决策,但是目前检测精度仍无法完全满足临床需求。由此,如何有效使用最新的信息技术有效提升乳腺钼靶CAD的检测精度成为一个有重要运用价值的探讨课题。临床医学影像诊断是一个医生视觉感知与决策的历程,其很大程度根据医生自身经验进行。医生的视觉感知行为和医学影像诊断之间有着着紧密的内在关系,如何有效使用该信息从提升医学影像辅助诊断中的决策准确性是一个具有国际前沿性的探讨课题。本论文围绕医生临床诊断时其视觉感知行为的分析和使用不足展开探讨,目标是回答两个不足:(1)医生读片时单纯的视觉注视信息多大程度上能反映肿块位置(可检测性);(2)如何使用视觉注视信息提取病灶。根据上面陈述的目的,本论文展开基于视觉感知信息的乳腺钼靶肿块检测分析与自动提取的探讨。探讨办法包括三个步骤:首先用眼动仪采集医生诊断影像时的视觉注视点序列,每个注视点都包含其在钼靶全图中的相对坐标位置、停留时间和瞳孔直径等视觉特点;基于从上三个视觉特点和DBSCAN算法对视觉注视点序列进行聚类分析,找出医生诊断影像时的关注点位置,并且对比分析关注点与真实肿块的位置联系,从评价“单纯的视觉注意信息对肿块位置的反映程度”;从关注点为种子点,采取区域生长办法初步提取疑似病灶区,本论文称之为“粗分割”,之后采取本论文作者提出的基于水平集的多尺度乳腺肿块病灶分割办法对提取的疑似病灶区进行“细分割”从得到最终的提取结果。本论文办法实验结果显示,医生诊断历程中单纯的视觉感知行为能够定位60%的真实乳腺癌肿块。这对揭示“感知反馈”办法的内在机理具有很重要的探讨价值。关键词:乳腺X线影像论文辅助诊断论文视觉感知论文DBSCAN论文肿块检测论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要5-6
ABSTRA论文导读:
5.4本章小结51-52总结与上一页123下一页
CT6-9第一章 绪论9-17
1.1 探讨背景与作用9-12
1.2 国内外探讨近况12-15
1.2.1 眼动跟踪进展情况12-13
1.2.2 视觉感知在医学影像诊断中的探讨13-15
1.3 本论文的主要工作及章节安排15-17
第二章 视觉感知信息与感兴趣区域分析17-282.1 引言17
2.2 视觉感知信息采集17-23
2.1 乳腺钼靶病灶数据库的建立17-19
2.2 眼动数据记录设备19-20
2.3 眼动数据采集实验设计20-23
2.3 视觉感知信息包含的主要参数23-24
2.4 基于视觉感知信息的感兴趣分析探讨24-27
2.4.1 基于模糊 C 均值聚类的感知信息聚类分析25-26
2.4.2 基于 DBSCAN 的感知信息聚类分析26
2.4.3 两种聚类结果比较分析26-27
2.5 本章小结27-28
第三章 DBSCAN 聚类算法极为自适应实现28-353.1 引言28
3.2 DBSCAN 算法相关知识28-29
3.3 DBSCAN 算法与自适应探讨29-32
3.1 DBSCAN 算法原理29-30
3.2 DBSCAN 算法的自适应探讨30-32
3.4 DBSCAN 算法自适应实现32-34
3.4.1 领域半径ε计算32-33
3.4.2 邻域内最少对象数 MinPts 计算33-34
3.5 本章小结34-35
第四章 基于视觉感知信息的乳腺钼靶肿块检测分析35-474.1 引言35-36
4.2 基于 DBSCAN 算法的视觉感知信息分析36-38
4.2.1 领域半径计算37-38
4.2.2 最少对象点数计算38
4.3 “关注点”捕捉38-444.
3.1 基于注视点停留时间的“关注点”捕捉39-41
4.3.2 基于注视点瞳孔直径的“关注点”捕捉41-42
4.3.3 基于综合指标的“关注点”捕捉42-44
4.3.4 基于不同指标的“关注点”提取效果对比44
4.4 实验结果及分析44-464.1 肿块检测结果及评价44-46
4.5 本章小结46-47
第五章 结合视觉感知信息分析与乳腺肿块分割的感知反馈办法探讨47-525.1 引言47
5.2 基于视觉感知信息分析的疑似肿块提取实现47-49
5.2.1 基于区域生长的疑似肿块粗分割48
5.2.2 基于水平集办法的疑似肿块细分割48-49
5.3 实验结果及评价49-515.4 本章小结51-52
总结与论文导读:展望52-546.1工作总结52-536.2探讨展望53-54致谢54-55参考文献55-59附录59上一页123展望52-54
6.1 工作总结52-53
6.2 探讨展望53-54
致谢54-55参考文献55-59
附录59