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:
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.
推荐文章
一种改进的二叉树SVM多类分类算法
SVM多类分类
二叉树
缺陷分类
基于加权模糊隶属度的二叉树多分类算法
二叉树
支持向量机
模糊隶属度
模糊支持向量机
多分类算法
一种改进的偏二叉树孪生支持向量机算法及其应用
偏二叉树
孪生支持向量机
混合分离性测度
故障识别
基于二叉树SVM的动态称重系统作弊检测的研究
作弊检测
动态称重
SVM
二叉树
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 一种基于二叉树决策分类的乳腺肿块自动检测方法
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
研究方向 页码范围 329-334
页数 分类号 TP92
字数 2617字 语种 中文
DOI 10.3969/j.issn.1003-0530.2012.03.004
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 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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (45)
参考文献  (8)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
计算机辅助诊断
乳腺肿块
特征
二叉决策树
分割
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
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
总被引数(次)
32728
论文1v1指导