基于NSCT的乳腺图像分类方法

• 作者: 冯晓宁 张志强 潘海为 胡良田 谢晓芹
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 非下采样轮廓变换(NSCT) 泽尼克矩 乳腺癌 乳腺X线图像 支持向量机(SVM)
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 618-628
• 页数: 11页
• 分类号: TP311
• 字数: 8490字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1709044

摘要

乳腺癌是女性最为常见的一种癌症.虽然随着医疗的发展,乳腺癌的诊断和治疗技术都有所提高,但是由于不能在乳腺癌早期及时做出诊断,导致乳腺癌的死亡率依然很高.针对此现象,对基于非下采样轮廓变换法(nonsubsampled contourlet transform,NSCT)的乳腺X线图像的分类方法进行了研究.该方法首先对乳腺X线图像的感兴趣区域(region of interest,ROI)进行多分辨的NSCT分解,然后用泽尼克矩(Z-Moments)对NSCT分解后的图像进行特征提取;其次对每一个感兴趣区域所提取的特征形成的矩阵进行奇异值分解(singular value decomposition,SVD),以提取重要的可以概括全局的特征.该方法组合了纹理和形状特征,使用支持向量机(support vector machines,SVM)分类算法将乳腺X线图像分类为正常、良性和恶性,实现了乳腺病变的检测和分类.通过实验可以看出,该方法的准确率达到了96.76%,并且训练时间大大减少,与其他目前最先进的方法相比,在准确率和时间效率上都取得了显著的成效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张志强	哈尔滨工程大学计算机科学与技术学院	44	504	13.0	21.0
2	潘海为	哈尔滨工程大学计算机科学与技术学院	33	212	8.0	13.0
3	谢晓芹	哈尔滨工程大学计算机科学与技术学院	28	293	8.0	16.0
4	冯晓宁	哈尔滨工程大学计算机科学与技术学院	19	112	5.0	9.0
5	胡良田	哈尔滨工程大学计算机科学与技术学院	1	4	1.0	1.0