标题:一种层次化的乳腺肿瘤分割方法
作者:袭肖明;杜亨方;孟宪静;张春云;张光;于振;尹义龙
作者机构:[袭肖明] 山东财经大学计算机科学与技术学院;;山东财经大学, ;;山东省数字媒体重点实验室, 济南;;济南, ;; 250014;;250014.;[杜亨方] 山东财经大学计算机科学与技 更多
来源:南京大学学报. 自然科学版
出版年:2018
卷:54
期:1
页码:64-74
DOI:10.13232/j.cnki.jnju.2018.01.008
关键词:乳腺肿瘤分割; 层次化分割; 高层分割; 底层分割
摘要:超声图像是乳腺癌辅助诊断常用的工具之一.肿瘤分割是乳腺超声图像分析的基础.乳腺超声图像中的灰度不同质性、纹理及形状的多变性等复杂特点使得肿瘤的精 确分割较为困难.提出了一种层次化的分割框架.首先将局部灰度聚类假设引入活动轮廓模型作为底层分割模型,对图像进行初始分割;然后提出基于超像素和支持 向量机(Support Vector Machine,SVM)的高层分割模型,对初始结果再进行高层分割.在高层分割过程中,首先使用简单线性迭代聚类(Simple Linear Interactive Cluster,SLIC)提取超像素,然后提取超像素的灰度、纹理和局部特征,最后使用SVM进行分类.高层分割模型是基于底层模型的分割结果学习获取 的,能够检测到底层模型可能分割错误的区域,与底层模型具有较好的互补性.因此,提出的层次化分割框架具有较好的鲁棒性.在自建乳腺超声数据库上的实验结 果证明了提出方法的有效性和鲁棒性.
收录类别:CSCD
资源类型:期刊论文
原文链接:http://kns.cnki.net/kns/detail/detail.aspx?FileName=NJDZ201801008&DbName=CJFQTEMP
TOP