基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在乳腺图像中,肿块大多被埋没在复杂的、高密度的腺体背景中难以检出和识别.针对这一问题,提出了一种基于多分辨率图像锥结构的乳腺肿块自动识别方法,在低分辨率图像上检测肿块种子区域,在高分辨率图像上实现肿块的边缘细化和描绘.文中介绍了多分辨率图像锥结构的生成方法,并对几种典型的构造方法做了比较;结合传统种子识别的原则,提出了一种使用BP人工神经网络用于实现低分辨率图像中肿块种子区域检测的新方法;在实现由低至高的边缘描绘细化的生长算法中,提出了一种新的权值判别规则,同时添加了标志锥,使得生长算法不再严格受限于肿块种子的面积和形状.用该文提出的方法对MIAS数据库中54幅带有肿块的乳腺图像做了验证,识别率为89%,实验结果证明这种方法对于辅助临床医生诊断乳腺病变是有效的.
推荐文章
基于多分辨率图像锥与Hausdorff距离的医学图像配准
图像配准
多分率图像锥
Hausdorff距离
基于小波变换的多分辨率图像分割
图像分割
小波变换
分水岭算法
形态学滤波
基于多分辨率分析的储粮害虫图像预处理研究
储粮害虫
多分辨率分析
图像预处理
形态学滤波
特征提取
图像多分辨率表示方法概述
图像表示
多分辨率
图像处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多分辨率图像锥结构的乳腺肿块自动识别和描绘方法
来源期刊 计算机工程与应用 学科 工学
关键词 多分辨率 人工神经网络 自动识别
年,卷(期) 2003,(8) 所属期刊栏目 工程与应用
研究方向 页码范围 198-200,231
页数 4页 分类号 TP391
字数 5103字 语种 中文
DOI 10.3321/j.issn:1002-8331.2003.08.066
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 严壮志 上海大学通信与信息工程学院 80 604 13.0 21.0
2 童頫 上海大学通信与信息工程学院 4 22 3.0 4.0
3 徐晓燕 上海大学通信与信息工程学院 2 12 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (5)
同被引文献  (0)
二级引证文献  (3)
1987(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
多分辨率
人工神经网络
自动识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导