检索结果-维普期刊中文期刊服务平台

基于模型的乳腺X线图像胸肌分割算法研究被引量：5: 1; 作者徐伟栋王小英 +1 位作者夏顺仁严勇《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2005年第3期427-432,共6页; 针对目前的乳腺X线图像胸肌分割算法自适应能力较弱的问题,提出了一种基于胸肌模型的新算法.该算法将一组不同尺寸的感兴趣区(ROI)作用到乳腺X线图像,在每个 ROI中用迭代阈值法得到最优阈值组成一条曲线,并计算出与该最优阈值曲线对应... 展开更多; 关键词感兴趣区(RO1) 乳腺x线图像胸肌分割算法直线拟合多边形拟合; 在线阅读下载PDF 职称材料

乳腺X线图像的增强与噪声抑制研究被引量：3: 2; 作者张新生高新波 +1 位作者王颖张士杰《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2010年第1期27-31,共5页; 提出了一种基于多尺度几何分析的乳腺X线图像增强与噪声抑制的新方法.首先对乳腺X线图像进行非下采样Contourlet变换分解,得到相应尺度和子带信息;然后根据变换系数的统计特性,应用广义高斯混合模型对其进行建模,并在此基础上引入贝叶... 展开更多; 关键词图像增强多尺度几何分析非下采样CONTOURLET变换广义高斯混合模型乳腺x线图像; 在线阅读下载PDF 职称材料

基于边缘几何特征的乳腺X线图像中微小肿瘤检测方法被引量：1: 3; 作者刘雅楠李靖宇 +5 位作者许东滨孟洪颜董静赵添羽唐丽邹鹤《影像科学与光化学》 CAS 北大核心 2022年第3期590-595,共6页; 乳腺癌是女性高发恶性疾病,乳腺X线图像是乳腺癌诊断的主要依据。目前乳腺X线图像中微小肿瘤检测方法的肿瘤边缘特征提取效果不佳,导致检测结果假阳性过高,影响病患的诊断与治疗,故研究基于边缘几何特征的乳腺X线图像中微小肿瘤检测方... 展开更多; 关键词乳腺x线图像微小肿瘤检测 HOG特征提取方法边缘几何特征; 在线阅读下载PDF 职称材料

基于数据挖掘的乳腺X线图像分类研究被引量：1: 4; 作者李利明李宏《陕西科技大学学报（自然科学版）》 2007年第1期117-120,共4页; 研究了基于灰度空域统计特征以及灰度共生矩阵的医学乳腺X线图像的特征提取方法,以及这些特征对于数据挖掘中的两种算法——基于神经网络的算法和基于关联规则挖掘的算法在乳腺肿瘤检查和分类中的作用,结果表明这些特征在两种分类方法... 展开更多; 关键词数据挖掘医学乳腺x线图像分类关联规则神经网络; 在线阅读下载PDF 职称材料

基于生理特征的乳腺X线图像多视图分析坐标系被引量：2: 5; 作者曹霖陈后金 +1 位作者李居朋程琳《电子与信息学报》 EI CSCD 北大核心 2017年第1期176-182,共7页; 该文针对乳腺X线图像病变的多视图检测与分析问题,建立了一种基于乳房生理特征的多视图坐标系。通过轴位、中侧斜位视图图像中的乳头、胸肌典型生理特征的提取,以及乳房边缘的椭圆拟合,建立乳腺X线图像多视图分析坐标系,可将乳腺X线图... 展开更多; 关键词乳腺x线图像多视图分析坐标系生理特征区域匹配; 在线阅读下载PDF 职称材料

基于特性模型与神经网络的乳腺图像肿块自动检测技术被引量：6: 6; 作者徐伟栋刘伟 +4 位作者厉力华夏顺仁马莉邵国良张娟《电子与信息学报》 EI CSCD 北大核心 2009年第7期1653-1658,共6页; 钼靶X线摄影是最常用的乳腺癌早期诊断手段。该文针对乳腺图像中的肿块提出了一种基于特性模型与神经网络的计算机辅助诊断技术。它首先建立两种特性模型分别描述脂肪组织和腺体组织中的肿块;然后对脂肪中的肿块采用迭代阈值法进行检测... 展开更多; 关键词乳腺x线图像计算机辅助诊断肿块 ANFIS MLP; 在线阅读下载PDF 职称材料

基于标记脉冲耦合神经网络的乳腺肿块分层检测方法被引量：2: 7; 作者韩振中陈后金 +2 位作者李居朋姚畅程琳《电子与信息学报》 EI CSCD 北大核心 2013年第7期1664-1670,共7页; 乳腺X线图像中的肿块检测是乳腺癌早期诊断的重要手段。该文提出了一种新的肿块检测方法。将脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)与标记符相结合设计了标记PCNN图像分层方法,继而利用多同心层(Multiple Concentric La... 展开更多; 关键词乳腺x线图像乳腺癌早期诊断肿块检测标记脉冲耦合神经网络多同心层模型; 在线阅读下载PDF 职称材料

基于多层环形滤波和循环OTSU乳腺肿块检测: 8; 作者张桥新《电子科技》 2009年第10期89-94,共6页; 介绍了一种新的乳腺肿块计算机辅助检测算法。在对乳腺肿块计算机辅助检测目的和背景进行简单的介绍后,给出了基于多层环形滤波、循环OTSU的乳腺肿块计算机辅助检测算法的设计思想和具体实现过程,并采用此算法对大量数据进行测试,测试... 展开更多; 关键词乳腺x线图像乳腺肿块检测多层环形滤波 OTSU; 在线阅读下载PDF 职称材料

题名基于模型的乳腺X线图像胸肌分割算法研究被引量：5: 1; 作者徐伟栋王小英夏顺仁严勇; 机构浙江大学生物医学工程教育部重点实验室浙江大学校医院; 出处《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2005年第3期427-432,共6页; 基金国家自然科学基金资助项目(60272029) 浙江省自然科学基金资助项目(M603227).; 文摘针对目前的乳腺X线图像胸肌分割算法自适应能力较弱的问题,提出了一种基于胸肌模型的新算法.该算法将一组不同尺寸的感兴趣区(ROI)作用到乳腺X线图像,在每个 ROI中用迭代阈值法得到最优阈值组成一条曲线,并计算出与该最优阈值曲线对应的局部均方差曲线,根据提出的近似真实乳腺 X线图像胸肌模型的特征,自动确定乳腺X线图像中胸肌区域的最佳分割阈值.最后使用两段直线粗拟合和多边形精拟合,提取阈值化后的胸肌边界.实验结果表明该算法可以显著地提高胸肌分割的精度,并且具有较好的鲁棒性.; 关键词感兴趣区(RO1) 乳腺x线图像胸肌分割算法直线拟合多边形拟合; Keywords Algorithms Curve fitting Image segmentation Mammography Muscle; 分类号 R318.04 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

题名乳腺X线图像的增强与噪声抑制研究被引量：3: 2; 作者张新生高新波王颖张士杰; 机构西安建筑科技大学管理学院西安电子科技大学电子工程学院; 出处《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2010年第1期27-31,共5页; 基金国家自然科学基金(60771068) 陕西省自然科学基金(2007F248); 文摘提出了一种基于多尺度几何分析的乳腺X线图像增强与噪声抑制的新方法.首先对乳腺X线图像进行非下采样Contourlet变换分解,得到相应尺度和子带信息;然后根据变换系数的统计特性,应用广义高斯混合模型对其进行建模,并在此基础上引入贝叶斯分类方法将建模后的系数分为强弱边缘及噪声;再根据各个子带系数的类别属性,分别设计相应的非线性映射函数来对不同的系数进行自适应增强和抑制;最后采用增强和抑制后的系数对原图像进行重构,从而得到凸显病变区域特征的增强图像.实验结果表明,该方法具有良好的实用性和鲁棒性.; 关键词图像增强多尺度几何分析非下采样CONTOURLET变换广义高斯混合模型乳腺x线图像; Keywords image enhancement multiscale geometric analysis （MGA） nonsubsampled Contourlet transform （NSCT） generalized Gaussian mixture model mammograms; 分类号 TN391 [电子电信—物理电子学]; 在线阅读下载PDF 职称材料

题名基于边缘几何特征的乳腺X线图像中微小肿瘤检测方法被引量：1: 3; 作者刘雅楠李靖宇许东滨孟洪颜董静赵添羽唐丽邹鹤; 机构齐齐哈尔医学院医学技术学院齐齐哈尔大学通信与电子工程学院齐齐哈尔建华医院乳腺科室; 出处《影像科学与光化学》 CAS 北大核心 2022年第3期590-595,共6页; 基金 2019年黑龙江省教育厅科研项目(2019-KYYWF-1250)。; 文摘乳腺癌是女性高发恶性疾病,乳腺X线图像是乳腺癌诊断的主要依据。目前乳腺X线图像中微小肿瘤检测方法的肿瘤边缘特征提取效果不佳,导致检测结果假阳性过高,影响病患的诊断与治疗,故研究基于边缘几何特征的乳腺X线图像中微小肿瘤检测方法。根据形态学原理,对乳腺X线图像进行增强处理。采用HOG特征提取方法获取乳腺微小肿瘤的边缘几何特征,并构建肿瘤边缘几何特征稀疏表示字典。使用边缘字典与差影技术,完成微小肿瘤检测。实验结果表明,与传统的检测方法相比,此方法可有效降低检测假阳性个数,能够提高微小肿瘤检测精度。因此,说明本文方法具有较高的可行性。; 关键词乳腺x线图像微小肿瘤检测 HOG特征提取方法边缘几何特征; Keywords breast x-ray images micro tumor detection HOG feature extraction method edge geometry; 分类号 R737.9 [医药卫生—肿瘤] TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于数据挖掘的乳腺X线图像分类研究被引量：1: 4; 作者李利明李宏; 机构中南大学信息与工程学院; 出处《陕西科技大学学报（自然科学版）》 2007年第1期117-120,共4页; 文摘研究了基于灰度空域统计特征以及灰度共生矩阵的医学乳腺X线图像的特征提取方法,以及这些特征对于数据挖掘中的两种算法——基于神经网络的算法和基于关联规则挖掘的算法在乳腺肿瘤检查和分类中的作用,结果表明这些特征在两种分类方法中均表现良好,对良性与恶性肿瘤分类的准确率均超过了75%.实验证明所提出的特征提取方法对于神经网络和关联规则的挖掘在乳腺X线图像分类中是有效的.; 关键词数据挖掘医学乳腺x线图像分类关联规则神经网络; Keywords data mining digital mammography classification association rule neural networks; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于生理特征的乳腺X线图像多视图分析坐标系被引量：2: 5; 作者曹霖陈后金李居朋程琳; 机构北京交通大学电子信息工程学院北京大学人民医院乳腺中心; 出处《电子与信息学报》 EI CSCD 北大核心 2017年第1期176-182,共7页; 基金国家自然科学基金(61271305) 北京市科技计划课题(D151100000415002) 中央高校基本科研业务费(2015JBM015)~~; 文摘该文针对乳腺X线图像病变的多视图检测与分析问题,建立了一种基于乳房生理特征的多视图坐标系。通过轴位、中侧斜位视图图像中的乳头、胸肌典型生理特征的提取,以及乳房边缘的椭圆拟合,建立乳腺X线图像多视图分析坐标系,可将乳腺X线图像双侧四视图经非线性映射至同一坐标框架内。以北京大学人民医院乳腺中心提供的图像库为实验数据,从生理特征定位精度、兴趣区域匹配精度等多方面进行坐标系匹配准确度的测试与验证,结果表明该坐标系有助于乳腺X线图像,特别是致密型图像的多视图病变检测。; 关键词乳腺x线图像多视图分析坐标系生理特征区域匹配; Keywords Mammogram Multi-view analysis Coordinate system Physiological features Region matching; 分类号 TP391 [自动化与计算机技术—计算机应用技术] R816.91 [医药卫生—放射医学]; 在线阅读下载PDF 职称材料

题名基于特性模型与神经网络的乳腺图像肿块自动检测技术被引量：6: 6; 作者徐伟栋刘伟厉力华夏顺仁马莉邵国良张娟; 机构杭州电子科技大学生物医学工程及仪器研究所浙江大学生物医学工程系浙江省肿瘤医院放射科; 出处《电子与信息学报》 EI CSCD 北大核心 2009年第7期1653-1658,共6页; 基金国家杰出青年基金(60788101) 国家自然科学基金(60705016 +2 种基金 60775016) 浙江省自然科学基金(Y1080740) 浙江省科技计划重大攻关项目(2006C14026)资助课题; 文摘钼靶X线摄影是最常用的乳腺癌早期诊断手段。该文针对乳腺图像中的肿块提出了一种基于特性模型与神经网络的计算机辅助诊断技术。它首先建立两种特性模型分别描述脂肪组织和腺体组织中的肿块;然后对脂肪中的肿块采用迭代阈值法进行检测,对腺体中的肿块采用小波域黑洞检索法进行标记;接着采用一种基于Canny算子和能量场约束以及ANFIS控制的填充膨胀方法分割疑似肿块;最后使用一种MLP分类器剔除假阳性。实验结果表明,该算法在面对特性迥异的多种肿块时可取得较高的检测精度,并保证较低的假阳性率。; 关键词乳腺x线图像计算机辅助诊断肿块 ANFIS MLP; Keywords Mammogram Computer-Aided Diagnosis （CAD） Mass Adaptive-Network-based Fuzzy Inference System（ANFIS） Multi-Layer Perceptrons（MLP）; 分类号 R318.04 [医药卫生—生物医学工程] TP391.76 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于标记脉冲耦合神经网络的乳腺肿块分层检测方法被引量：2: 7; 作者韩振中陈后金李居朋姚畅程琳; 机构北京交通大学电子信息工程学院北京大学人民医院乳腺中心; 出处《电子与信息学报》 EI CSCD 北大核心 2013年第7期1664-1670,共7页; 基金国家自然科学基金(61271305 61201363 +4 种基金 60972093) 2012JBM012) 北京交通大学人才基金(2012RC036)资助课题; 文摘乳腺X线图像中的肿块检测是乳腺癌早期诊断的重要手段。该文提出了一种新的肿块检测方法。将脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)与标记符相结合设计了标记PCNN图像分层方法,继而利用多同心层(Multiple Concentric Layers,MCL)模型得到可疑区域。最后,借助肿块的形态学特征剔除假阳性区域得到最终的肿块。实验结果表明,该文方法在保证假阳性率(False Positive Rate,FPR)的同时,肿块真阳性率(True Positive Rate,TPR)达到92.08%。同时针对东方女性致密型乳腺案例中检测结果明显优于MCL方法和MCA方法。; 关键词乳腺x线图像乳腺癌早期诊断肿块检测标记脉冲耦合神经网络多同心层模型; Keywords Mammogram Early breast cancer diagnosis Mass detection Marker-Pulse Coupled Neural Network（PCNN） Multiple Concentric Layers（MCL）; 分类号 TP391 [自动化与计算机技术—计算机应用技术] R814 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名基于多层环形滤波和循环OTSU乳腺肿块检测: 8; 作者张桥新; 机构西安电子科技大学电子工程学院; 出处《电子科技》 2009年第10期89-94,共6页; 文摘介绍了一种新的乳腺肿块计算机辅助检测算法。在对乳腺肿块计算机辅助检测目的和背景进行简单的介绍后,给出了基于多层环形滤波、循环OTSU的乳腺肿块计算机辅助检测算法的设计思想和具体实现过程,并采用此算法对大量数据进行测试,测试结果表明,此算法可以快速且准确地定位乳腺肿块疑似区域。; 关键词乳腺x线图像乳腺肿块检测多层环形滤波 OTSU; Keywords mammography detection of breast masses multi-layer ring filter OTSU; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] R814.3 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于模型的乳腺X线图像胸肌分割算法研究	徐伟栋王小英夏顺仁严勇	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2005	5	在线阅读下载PDF 职称材料
2	乳腺X线图像的增强与噪声抑制研究	张新生高新波王颖张士杰	《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心	2010	3	在线阅读下载PDF 职称材料
3	基于边缘几何特征的乳腺X线图像中微小肿瘤检测方法	刘雅楠李靖宇许东滨孟洪颜董静赵添羽唐丽邹鹤	《影像科学与光化学》 CAS 北大核心	2022	1	在线阅读下载PDF 职称材料
4	基于数据挖掘的乳腺X线图像分类研究	李利明李宏	《陕西科技大学学报（自然科学版）》	2007	1	在线阅读下载PDF 职称材料
5	基于生理特征的乳腺X线图像多视图分析坐标系	曹霖陈后金李居朋程琳	《电子与信息学报》 EI CSCD 北大核心	2017	2	在线阅读下载PDF 职称材料
6	基于特性模型与神经网络的乳腺图像肿块自动检测技术	徐伟栋刘伟厉力华夏顺仁马莉邵国良张娟	《电子与信息学报》 EI CSCD 北大核心	2009	6	在线阅读下载PDF 职称材料
7	基于标记脉冲耦合神经网络的乳腺肿块分层检测方法	韩振中陈后金李居朋姚畅程琳	《电子与信息学报》 EI CSCD 北大核心	2013	2	在线阅读下载PDF 职称材料
8	基于多层环形滤波和循环OTSU乳腺肿块检测	张桥新	《电子科技》	2009	0	在线阅读下载PDF 职称材料