超声乳腺肿瘤的全自动SVM检测与水平集分割算法

作     者：徐静 高鑫 Xu Jing;Gao Xin

作者机构：中国科学院电子学研究所航空微波遥感系统部北京100190 中国科学院研究生院北京100049 

基　　金：国家"八六三"高技术研究发展计划(2008AA121805-1) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2012年第24卷第5期

页      码：662-668,676页

摘      要：超声图像检测是当前乳腺癌诊断的主要辅助手段之一.为实现超声乳腺肿瘤的计算机自动辅助诊断,提出一种基于支持向量机(SVM)目标检测与水平集图像分割相结合的全自动肿瘤提取算法.首先提取超声图像训练集的分块特征来训练SVM分类器,对测试集图像进行检测得到可疑病灶区域;然后提取可疑区域边缘作为水平集的初始轮廓,使用加入Bhattacharyya距离项的Chan-Vese主动轮廓改进模型进行可疑病灶区域的轮廓演化,得到准确的轮廓;最后综合面积、位置、灰度、纹理等因素设计区域评价筛选准则,去除可疑病灶中的干扰区域,得到最终的肿瘤分割结果.在真实病例数据集上的测试结果表明,利用该算法在良恶性肿瘤检测分割中均有较好表现.

主 题 词：超声乳腺肿瘤检测分割 支持向量机 水平集 Chan-Vese主动轮廓模型 Bhattacharyya距离 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.3969/j.issn.1003-9775.2012.05.013

馆 藏 号：203771955...