基于Gabor特征的乳腺肿瘤MR图像分类识别模型

袁高腾¹(),刘毅慧^1,*(),黄伟²,胡兵³

1. 齐鲁工业大学(山东省科学院)计算机科学与技术学院，山东 济南 250353
2. 山东省肿瘤防治研究院，山东第一医科大学(山东省医学科学院)放疗科，山东 济南 250117
3. 济南大学医学与生命科学学院，山东 济南 250022

收稿日期:2019-06-13出版日期:2020-06-20发布日期:2020-06-16
通讯作者:刘毅慧E-mail:yuangaoteng@163.com;yxl@qlu.edu.cn
作者简介:袁高腾(1993—)，男，江苏盐城人，硕士研究生，主要研究方向为图像处理与模式识别. E-mail：yuangaoteng@163.com
基金资助:国家自然科学基金(81773232);国家自然科学基金(81530060);国家自然科学基金(81402538);国家自然科学基金(61375013);山东省自然科学基金(ZR2013FM20)

MR image classification and recognition model of breast cancer based onGabor feature

Gaoteng YUAN¹(),Yihui LIU^1,*(),Wei HUANG²,Bing HU³

1. School of Computer Science and Technology, Qilu University of Technology (Shandong Academy of Sciences), Jinan 205353, Shandong, China
2. Department of Radiation Oncology, Shandong Cancer Hospitaland Institute, Shandong First Medical University and Shandong Academy of Medical Sciences, Jinan 250117, Shandong, China
3. School of Medicine and Life Sciences, University of Jinan, Jinan 250022, Shandong, China

Received:2019-06-13Online:2020-06-20Published:2020-06-16
Contact:Yihui LIU E-mail:yuangaoteng@163.com;yxl@qlu.edu.cn

Supported by:国家自然科学基金(81773232);国家自然科学基金(81530060);国家自然科学基金(81402538);国家自然科学基金(61375013);山东省自然科学基金(ZR2013FM20)

摘要/Abstract

摘要： 为研究乳腺肿瘤核磁(Magnetic Resonance，MR)图像纹理分析在鉴别乳腺纤维瘤(fibroadenoma of breast, FB)、浸润性导管癌(invasive ductal carcinoma, IDC)和浸润性小叶癌(invasive lobular carcinoma, ILC)中的临床应用价值，选择MR图像的兴趣区域并使用小波变换对MR图像进行分解，结合K-means算法完成对肿瘤区域的勾画。使用Gabor小波从8个方向、5个尺度对兴趣区域滤波，并将肿瘤部位的均值作为特征。对提取的特征进行分析、筛选，得到关键特征。比较支持向量机、贝叶斯、神经网络等不同的分类算法对关键特征进行分类预测，计算分类的准确度、灵敏度和特异性，得到最适用于分类模型的参数设置。乳腺MR图像纹理分析能够区分出常见的三类乳腺肿瘤,预测精度为77.36%。乳腺MR图像在鉴别FB、IDC和ILC方面具有重要的临床价值。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1932