改进型脉冲耦合神经网络检测乳腺肿瘤超声图像感兴趣区域

摘要：

为了解决超声图像斑点噪声、伪影、低图像对比度和图像亮度不均匀等问题,提出了一种改进的简化脉冲耦合神经网络(SPCNN)结合模糊互信息量的方法来自动检测乳腺肿瘤超声图像的感兴趣区域(ROI).首先,对超声图像进行模糊增强预处理；然后,通过改进SPCNN对超声图像进行点火,以最大模糊互信息量作为最优判决准则,获得相应的分类结果；最后,对分类后的二值图像进行形态学等处理,从而得到乳腺超声图像的ROI.对包含118幅乳腺肿瘤超声图像的数据库进行处理,结果表明,该方法自动识别ROI准确率达到87.3％,处理每一幅图像的平均时间为4.68 s.本算法能有效快速地检测乳腺肿瘤超声图像的ROI,有望用于基于超声图像的乳腺肿瘤CAD中.

关键词：乳腺肿瘤、超声图像、感兴趣区域、脉冲耦合神经网络、模糊互信息

所属期刊栏目：19

分类号：R445.1;TP183(诊断学)

资助基金：国家自然科学基金资助项目No.10974035；上海市优秀学科带头人计划资助项目10XD1400600

在线出版日期：2011-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1398-1405