免费论文查重: 大雅 万方 维普 turnitin paperpass

简述规则性基于皮肤肿瘤轮廓不规则性和表面网状结构黑色素瘤检测技术

最后更新时间:2024-02-27 作者:用户投稿原创标记本站原创 点赞:8111 浏览:21440
论文导读:大的负担。探讨表明,若早期对黑色素瘤及时发现、及时治疗,患者存活率可达60%~80%。由此,黑色素瘤的早期检测显得非常重要。临床上,被用于黑色素瘤早期甄别的法则主要有—ABCD准则,7点检查法,孟席斯办法和方式识别办法。其中,ABCD准则和7点检查法运用较为广泛,前者主要基于肿瘤轮廓及颜色特点进行判别,后者则从黑色素瘤病变纹
摘要:黑色素瘤是死亡率最高的一种皮肤癌,约占所有皮肤癌死亡患者的三分之二左右,它具有恶性程度高,转移较快、危害性大的特征,往往在医生作出诊断之前,癌细胞已扩散到病人全身。近几十年来,全球黑色素瘤的发病率和死亡率从每年3%~5%的速度急速增长,我国虽属黑色素瘤低发区,但近年来发病率高达每10年增多两倍,对人们的物质生活与精神生活造成了很大的负担。探讨表明,若早期对黑色素瘤及时发现、及时治疗,患者存活率可达60%~80%。由此,黑色素瘤的早期检测显得非常重要。临床上,被用于黑色素瘤早期甄别的法则主要有—ABCD准则,7点检查法,孟席斯办法和方式识别办法。其中,ABCD准则和7点检查法运用较为广泛,前者主要基于肿瘤轮廓及颜色特点进行判别,后者则从黑色素瘤病变纹理及颜色作为探讨对象。本论文基于皮肤黑色素瘤临床体现出的肿瘤轮廓不规则和病变瘤体表面色素网状结构特点,使用图像处理技术和方式识别技术对皮肤肿瘤进行轮廓不规则性和表面色素网状结构的分析、特点提取从及分类探讨,为皮肤黑色素瘤的计算机辅助诊断提供技术支持,帮助医生区分良恶性肿瘤,提升诊断准确率。本论文的主要工作和贡献如下:1)针对肿瘤轮廓的自动准确提取,提出了一种基于视觉注意与F-Snake相结合的肿瘤轮廓提取算法。该算法以肿瘤病变区域的角度出发,使用视觉选择注意机制计算模型,实现了全自动的肿瘤轮廓提取。试验表明本论文提出的轮廓提取算法能准确快速地完成肿瘤轮廓的提取,并减小毛发的影响。2)本论文针对黑色素瘤外轮廓不规则性特点的提取不足,针对传统全局分形维忽视肿瘤轮廓不规则性细节信息、弱化了分类能力的缺点,提出了基于局部分行维的轮廓不规则特点提取办法,突出细节信息,对黑色素瘤轮廓不规则性进行准确度量。3)针对黑色素瘤表面特有的色素网状结构进行分析,本论文提出了一种新的基于Gabor小波和方向直方图检测色素网状结构的办法。针对色素网状结构视觉上线交叉、洞密集的特征,文中首先基于Gabor小波和分水岭分割对图像进行分块检测网状结构,然后度量子块之间的连接性对肿瘤整体网状结构进行判别。试验表明:在基于子块色素网状结构分析中,线的方向性量化了网状结构的分析,同时洞结构和网结构相结合使得色素网状结构的检测更加准确。4)针对获取的轮廓不规则和色素网状结构特点进行特点选择,使用支持向量机分类器对特点选择前后的特点值进行分类。考虑到临床缺少黑色素瘤样本图像的状况,在皮肤肿瘤分类时,设计了一种小样本分类器。经试验表明:小样本分类器亦能达到大样本的分类性能。关键词:黑色素瘤论文ABCD准则论文7点检查法论文视觉注意论文轮廓不规则性论文色素网状结构论文分类器设计论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要5-7
ABSTRACT7-12
第1章 绪论12-24

1.1 课题的探讨背景12-13

1.2 课题探讨的目的、作用和必要性13-14

1.3 国内外探讨近况和进展走势14-19

1.3.1 病变区域分割探讨近况14-15

1.3.2 黑色素瘤鉴别探讨近况15-19

1.3.3 分类器技术探讨近况19

1.4 本论文探讨的难点及主要内容19-21

1.5 本论文创新点及论文结构21-24

第2章 基本论述24-33

2.1 视觉选择注意24-26

2.

1.1 视觉选择注意机制24-25

2.

1.2 视觉选择注意模型25-26

2.2 主动轮廓模型----SNE 模型26-28

2.3 GABOR 小波滤波器基本论述28-29

2.4 分水岭模型29-30

2.5 支持向量机30-33

2.5.1 最优分类面30-31

2.5.2 支持向量机31-33

第3章 基于视觉注意与 F-SNE 算法的皮肤肿瘤轮廓提取33-40

3.1 皮肤肿瘤轮廓特征33

3.2 皮肤肿瘤轮廓算法描述33-39

3.

2.1 基于视觉注意模型的肿瘤区域 ROI 定位34-37

3.2.

1.1 视觉注意机制34-37

3.2.

1.2 ROI 的生成37

3.2.2 基于 F-Snake 模型的肿瘤轮廓精细化37-39

3.3 本章小结39-40

第4章 皮肤肿瘤轮廓不规则性分析40-45
4论文导读:持向量机的小样本分类器设计56-596.1.1核函数选择56-576.1.2小样本分类器57-596.1.2.1小样本分类器设计思想58-596.1.2.2小样本分类器结构设计596.2分类器的输入特点选择59-606.3本章小结60-61第7章皮肤肿瘤轮廓不规则性与表面网状结构检测实验分析61-70

7.1皮肤肿瘤轮廓提取实验与分析61-642基于局部分形维分析轮

.1 目标轮廓描述与不规则性度量40-42
4.

1.1 LFD40-41

4.

1.2 基于局部分形维分析的不规则度量41-42

4.2 轮廓不规则特点提取42-43

4.3 皮肤肿瘤轮廓特点提取与特点描述43-44

4.4 本章小结44-45

第5章 黑色素瘤表面色素网状结构检测探讨45-56

5.1 色素网状结构检测探讨综述45-46

5.2 皮肤肿瘤表面纹理增强46-48

5.3 肿瘤表面方向图获取和洞检测48-50

5.

3.1 基于 Gabor 小波的肿瘤表面方向图提取48-49

5.3.

1.1 采取 Gabor 小波的网结构提取48

5.3.

1.2 方向直方图48-49

5.3.2 基于制约标记符分水岭法的肿瘤表面洞检测49-50

5.4 基于图像子块的肿瘤表面网状结构检测50-52

5.

4.1 基于方向直方图的图像子块网结构模型51-52

5.

4.2 基于图像子块的异形洞特点描述52

5.5 肿瘤表面网状结构度量52-55

5.1 基于图像子块的网状结构连接性度量53-54

5.2 肿瘤表面网状结构度量54-55

5.5.

2.1 网状结构面积选择54

5.5.

2.2 黑色素瘤洞状结构异型性分析54-55

5.6 本章小结55-56
第6章 基于肿瘤轮廓不规则性和网状结构特点的分类器设计56-61

6.1 基于支持向量机的小样本分类器设计56-59

6.

1.1 核函数选择56-57

6.

1.2 小样本分类器57-59

6.

1.2.1 小样本分类器设计思想58-59

6.

1.2.2 小样本分类器结构设计59

6.2 分类器的输入特点选择59-60

6.3 本章小结60-61

第7章 皮肤肿瘤轮廓不规则性与表面网状结构检测实验分析61-70

7.1 皮肤肿瘤轮廓提取实验与分析61-64

7.2 基于局部分形维分析轮廓不规则性的实验结果64-65

7.3 基于图像子块的肿瘤表面网状结构检测实验与分析65-68

7.

3.1 黑色素瘤表面网状结构检测65-66

7.

3.2 黑色素瘤表面洞结构异型性分析66-68

7.4 基于小样本分类器的肿瘤分类结果68-69

7.5 本章小结69-70

第8章 总结与展望70-73
8.1 论文工作总结和创新点70-71
8.2 探讨展望71-73
致谢73-74
参考文献74-79
附录79