一种基于二叉树决策分类的乳腺肿块自动检测方法

• 作者: 胡健 黄琳琳
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 计算机辅助诊断 乳腺肿块 特征 二叉决策树 分割
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 论文与技术报告
• 页码范围: 329-334
• 分类号: TP92
• 字数: 2617字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2012.03.004

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡健	北京交通大学电子信息工程学院	24	107	6.0	9.0
2	黄琳琳	北京交通大学电子信息工程学院	18	72	5.0	8.0