超声乳腺肿瘤的全自动SVM检测与水平集分割算法

摘要：

超声图像检测是当前乳腺癌诊断的主要辅助手段之一.为实现超声乳腺肿瘤的计算机自动辅助诊断,提出一种基于支持向量机(SVM)目标检测与水平集图像分割相结合的全自动肿瘤提取算法.首先提取超声图像训练集的分块特征来训练SVM分类器,对测试集图像进行检测得到可疑病灶区域；然后提取可疑区域边缘作为水平集的初始轮廓,使用加入Bhattacharyya距离项的Chan-Vese主动轮廓改进模型进行可疑病灶区域的轮廓演化,得到准确的轮廓；最后综合面积、位置、灰度、纹理等因素设计区域评价筛选准则,去除可疑病灶中的干扰区域,得到最终的肿瘤分割结果.在真实病例数据集上的测试结果表明,利用该算法在良恶性肿瘤检测分割中均有较好表现.

关键词：超声乳腺肿瘤检测分割、支持向量机、水平集、Chan-Vese主动轮廓模型、Bhattacharyya距离

所属期刊栏目：24

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家“八六三”高技术研究发展计划2008AA121805-1

在线出版日期：2012-10-25（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：662-668,676