重庆理工大学学报（自然科学） ›› 2020, Vol. 34 ›› Issue (2): 147-157.doi: 10.3969/j.issn.1674-8425(z).2020.02.021
杨 珍，王 俊，辛春花
摘要： 为鉴别乳腺良、恶性肿瘤，利用动态增强磁共振成像（ＤＣＥＭＲＩ）技术，结合混合集 成的改进卷积神经网络（ＭＥＩＣＮＮ），设计了一种计算机辅助诊断（ＣＡＤ）方法。首先，在预处理 阶段对输入的肿瘤图像进行背景缩减、对比度增强和乳房区域裁剪，采用全局 Ｏｔｓｕ阈值分割和 形态学顶帽变换去除非损伤结构；然后，在定位阶段使用 ＣｈａｎＶｅｓｅ活动轮廓模型自动选取最 佳 ＲＯＩ，采用基于紧致度的滤波方法减少假阳性；最后，在诊断阶段提出一种新的卷积神经网络 混合集成模型 ＭＥＩＣＮＮ，用于乳腺良恶性肿瘤的分类。通过 １１２例 ＤＣＥＭＲＩ数据库上的实验 结果表明：相比其他几种较新的卷积神经网络分类方法，所提出的 ＭＥＩＣＮＮ方法具有训练和测 试执行时间快、自由参数少、分类精度高等优点，可作为放射科专家分析乳腺 ＤＣＥＭＲＩ图像的 有效工具。
中图分类号:
主管单位：重庆市教育委员会