基于SVGG16的乳腺肿块图像识别

针对基于深度学习的乳腺X线摄片肿块识别过程中的特征冗余问题,对VGG16进行了改进,减少模型中卷积层和卷积核的个数,提出一种精简的卷积神经网络模型SVGG16,用于感兴趣区域中肿块的识别.同时,为避免网络模型受小样本量限制出现过拟合现象,通过旋转与翻转操作对感兴趣区域进行数据增强.通过实验对网络模型的性能进行评估,结果...     

基于CBAM YOLOv4-Mish的乳腺X线摄片肿块检测方法

为了提高乳腺肿块的检测精度,基于YOLOv4提出了一种CBAM YOLOv4-Mish模型进行乳腺X线摄片肿块检测.该模型采用平滑、连续可导的Mish激活函数替换原模型中的Leaky ReLU激活函数,并引入了卷积块注意力模块,使模型更加关注于肿块等关键信息而忽略背景等无关信息.在DDSM数据集上的实验结果表明：CBAM YOLOv4-Mish的AP_0.5为81.9%,比原始YOLOv4提升了3.6%.与其他乳腺肿块检测方法相比,该方法具有更好的检测能力.     

基于标记控制分水岭算法的乳腺X线摄片分割

乳房区域提取是基于乳腺X线摄片的计算机辅助诊断中的关键步骤。它能够将病灶的检测范围限定在乳房区域之内,减少背景区域的干扰,从而提高诊断效率。针对乳房区域边缘处的灰度与背景区域很接近,难以区分的问题,提出一种基于标记控制分水岭算法的乳房区域分割方法。首先对图像进行形态学平滑并计算梯度图;然后,基于改进的Otsu阈值法及形态学方法确定内部标记和外部标记;最后,在内外标记的控制下对图像进行分水岭分割。采用多种评估方式将算法的分割结果与金标准进行对比,其重叠率达到0.93±0.03,结果表明该算法能有效提高乳房区域分割精度。     

基于Half-UNet的乳腺肿块分割方法

乳腺癌是常见的高发病率肿瘤疾病,乳腺肿块分割是乳腺肿瘤分析的重要步骤.为了在保证乳腺肿瘤分割精度的同时提高分割效率,提出了一种基于Half-UNet的乳腺X线摄片图像分割方法 .该方法保留了U-Net中分而治之的部分,简化了特征融合的方式.固定U-Net编码器各步骤的特征图通道数以减少网络复杂度的同时有利于解码器的特征融合,并对编码器中的卷积操作增加了he＿normal和L2正则化,提升网络性能且缓解网络的过拟合现象.对U-Net解码器的网络结构进行简化,减少网络模型的参数量和训练时间.在DDSM数据集上的实验结果表明：Half-UNet在获得与U-Net、UNet3+模型相近的分割精度的情况下,训练时间相对于U-Net和UNet3+缩短了41.66%和83.33%,显著提升了分割效率.     

一种基于轮廓监督的动态规划乳腺X线影像肿块分割算法

肿块分割是基于乳腺X线影像的计算机辅助诊断系统的重要环节。良好的分割结果能够更好地反映肿块的病理特征。为后续可疑区域的特征提取和分类提供依据。已有大量文献探讨肿块的分割算法。基于动态规划（DP）的肿块分割算法结合了肿块的边缘信息,以及灰度和大小等先验知识。传统的基于DP的算法自适应性和鲁棒性不足。为克服这些缺点,提出一种基于轮廓监督的动态规划方法,该方法首先使用对比度受限的自适应直方图均衡增强肿块感兴趣区（ROI）的对比度,并使用高斯掩膜掩蔽外围组织;然后。将肿块ROI变换到极坐标,结合肿块的边缘、灰度和大小信息计算局部代价。并根据局部代价矩阵计算累积代价矩阵：最后,在基于动态规划的轮廓跟踪过程中,引入轮廓监督机制。避免周围组织和对比度不足的影响。本文对比了改进后算法与传统算法的分割效果。实验结果表明,高斯掩蔽和轮廓监督的引入,有效地掩蔽了肿块周围组织,避免了轮廓偏离。该算法提高了肿块分割准确性。且具有更好的鲁棒性。     

基于格式塔认知框架的乳腺肿块分割算法

针对X线图像乳腺肿块分割易受边缘及周围腺体组织干扰,分割精度不高的问题,该文提出了一种基于格式塔认知框架的乳腺肿块分割算法。该算法利用格式塔心理学理论,对人类视觉自下而上的感知和自上而下的认知过程建模,并将其在肿块分割问题中实例化表示。首先,抽取视觉块,并将其作为基本认知单元;然后,利用图像局部自相似性及格式塔规则进一步简化图像;最后,从全局特征出发,融入专家诊断知识,通过最优化实现肿块的自动化分割。在公开数据集INbreast上进行实验,对比其他流行算法,分割准确率提高了10%。该算法实现了无监督的自动化病灶分割,无需人工干预,对图像噪声具有强抗干扰性。     

乳腺X线图像肿块建模与分割

提出了一种基于模型分析与均值漂移聚类的乳腺肿块分割方法. 该方法根据肿块的临床特征表现建立了肿块的数学模型,并通过多重滤波实现肿块的准确定位. 在此基础上,结合均值漂移算法获得的像素点集合,筛选出初始肿块. 最后利用无边缘活动轮廓模型准确分割出肿块. 实验采用通用的MIAS数据库进行算法性能测试,结果表明本文方法在保证较低假阳性率的同时,肿块检测真阳性率高于形态学成分分析方法. 此外,本文方法分割出的肿块边界完整,可满足临床检验与诊断需求.      

基于全卷积神经网络迁移学习的乳腺肿块图像分割

针对乳腺X线摄片中肿块通常会被周围致密组织所掩盖,对比度低,且其形状不规则,肿块图像分割困难的问题,设计了一种基于全卷积神经网络迁移学习的乳腺肿块图像分割方法.该方法首先对乳腺肿块图像进行数据增强,然后利用迁移学习,对设计的全卷积神经网络模型载入参数并训练分割模型,最后在训练好的模型上对待分割图像进行处理.分割结果采用区域面积重叠率、Dice相似系数、Hausdorff距离等指标进行评价分析,在公开数据集的483幅图像上的实验结果表明:提出的方法的分割效果明显优于传统分割算法.     

基于多光谱通道注意力和双向特征融合的乳腺肿块检测

乳腺钼靶X线摄影是诊断乳腺疾病的有效手段,计算机辅助诊断系统在乳腺肿块检测中起着重要作用,针对检测过程中易出现漏检、误检导致精度不理想的情况,提出了一种改进的RetinaNet乳腺肿块检测算法.首先,在RetinaNet的基础上对特征提取部分进行改进,在每个残差块中引入多光谱通道注意力机制,使网络能更加关注到目标区域;然后,在特征融合部分,以两种不同方式添加一条自底向上的路径,并通过横向连接最终实现深浅层特征的双向融合,加快浅层信息流通,使得到的特征信息更加丰富.实验表明：改进后的算法在乳腺钼靶图像的肿块检测中具有良好的检测效果,既减少了漏检率,平均精度也提升了3.2%,并且相比其他出色的检测算法,也具有一定的优势.     

基于肤色分割和椭圆匹配的人脸检测方法

提出了一种在彩色图像中基于肤色分割和椭圆匹配的人脸检测方法,结果显示该方法具有一定的实用性。     

基于肤色分割和模板匹配的人脸检测技术研究与实现

针对基于肤色分割方法利用特征点信息不充分的不足和基于模板匹配方法计算量大的不足,提出了基于肤色分割和模板匹配两种方法相结合的人脸检测技术.通过肤色分割方法研究,虽不能最终确认人脸,但可利用人脸特征确定人脸区域,并筛选出大部分的假脸区域,在模板匹配研究中,可以确认出人脸图像,并给出检测结果.     

基于SVM算法的乳腺图像钙化点检测方法

提出了一种基于支持向量机(ISVM)算法的钙化点检测方法.通过对乳腺图像进行预处理并提取可能含有微钙化点的感兴趣区域(ROI),对样本ROI进行小波变换确定优化参数,利用SVM检测微钙化点.试验中研究了SVM参数的选取对分类效果的影响,并利用ROC评估准则对SVM的检测效果进行评估.结果表明,SVM在微钙化点检测中是有效的,解决了目前微钙化点检测中普遍存在的假阳性率高、效率低的问题.     

基于相位角点检测的特征匹配研究

基于特征的匹配是立体匹配中最常用的方法,但是匹配结果受特征检测精度的影响较大.针对这一问题,提出一种基于相位一致性角点检测的匹配算法,该算法采用相位一致性模型对图像中的角点特征进行检测,检测结果不受亮度、对比度等因素影响,因此在不同光照环境下的多幅图像可以使用相同的固定阈值,避免了特征检测中阈值选取的困难.在此基础上,结合场景的深度信息采用图像的灰度局部区域相关系数进行特征匹配.实验结果表明,该算法获得的匹配结果具有很高的正确匹配率.     

基于语义匹配的抄袭检测方法

现有的抄袭检测方法大多根据相似度来判定文档间是否存在抄袭.与常见的复制检测不同,在抄袭检测中,占文档很小比例且未加引用的复制文本也将被认定为抄袭.受文档尺寸、复制篇幅和干扰信息的影响,现有方法的检测效果均不理想.针对这种局限性,文中分析了文本语义与指纹排列顺序的关系,提出了语义匹配方法,将指纹向量投影到一个二进制向量,在降低维数的同时保留了指纹的位置信息.在PAN公用语料集上将该方法与Jaccard和Hamming距离法进行了对比测试,发现文中方法的召回率和准确度均更优.     

基于改进模板匹配算法的靶标图像检测

针对现代靶场所面临的测量目标小、距离远、目标与背景对比度低的实际问题,提出了一种基于数字图像处理的靶标检测方法。该方法对传统的模板匹配方法进行了改进,能够在靶场测试仪器捕获的图像中,精确并快速地定位靶标十字的中心,从而实现武器装备动态、静态性能测试。     

内容匹配入侵检测技术研究

本文对入侵检测技术及其分类进行了概述,简要介绍了模式匹配的方法,并对改进的内容匹配技术以及改进的AC-BM字符串匹配算法进行了详细论述、分析,总结了其优缺点。     

基于双尺度Sech模板的浸润性乳腺癌检测方法研究

乳腺肿块的准确检测是目前计算机辅助诊断系统的关键。为了准确检测X线乳腺图像中的可疑肿块区域,提出一种基于双尺度Sech模板的早期乳腺癌检测方法。首先根据乳腺X线图像的特征对图像进行预处理,包括乳腺区域提取和内外侧斜位图像胸肌提取;然后对提取的乳腺图像进行基于两个不同尺寸的Sech模板的模板匹配,将模板匹配后得到的相似度图像进行融合和阈值截断;最后进行可疑乳腺肿块区域的定位。结果表明,基于双尺度的Sech模板的检测具有更好的检测效果,改善了基于单尺度模板检测准确率低的问题,并降低了假阳率。     

基于分级策略的自动人眼检测与定位

为了能在正面人脸图像上对人眼位置进行检测和精确定位, 提出了一种新颖高效的分级策略。利用Gabor变换计算显著极值图, 得到若干具有最大显著极值的候选人眼区域; 通过PCA(Principal Component Analysis)重构对候选区域进行验证, 将具有最小重构误差的两个区域选定为眼睛区域; 通过两级邻域运算对瞳孔进行精确定位。该方法对面部表情变化不敏感, 同时具有非迭代和计算简单的优点。通过在JAFFE数据库上的对比实验, 检测精度达到99.6%, 验证了该方法的有效性。