根植於動態輪廓之乳房腫瘤影像擷取

勤益科大機構典藏 > 電資學院 > 電子工程系(所) > 【電子工程系所】博碩士論文 > Item 987654321/5057

請使用永久網址來引用或連結此文件: http://ir.lib.ncut.edu.tw/handle/987654321/5057

題名:	根植於動態輪廓之乳房腫瘤影像擷取
作者:	鄭勝文劉正忠
貢獻者:	電子工程系
關鍵詞:	隨機漫步乳房X光攝影檢查術腫瘤側面乳房X光片乳房X光片影像分析協會
日期:	2013
上傳時間:	2013-08-05 15:36:31 (UTC+8)
出版者:	台中;國立勤益科技大學
摘要:	乳腺癌是由乳腺導管或腺泡細胞的異常分裂和繁殖所增生的惡性腫瘤，而乳腺癌早期發現早期治療的治癒率會越高。檢測初期的乳腺癌，乳房X光片檢測是目前效率最高、成本最低且經常被拿來檢測乳房腫瘤的技術。本文的主要目的是提出一個準確和有效的演算法，擷取側面乳房X光片(Mediolateral-oblique, MLO)的乳腺腫瘤。對於已移除胸大肌之數位乳房X光片，先使用4次Otsu閾值法進行二值化，再使用三層特徵做過濾，第一層先針對過於細小的乳腺區域及較大的肌肉部分，分別做刪除過大及過小的面積，第二層的過濾是根據乳腺管的細長特性，故將主副軸長比過於懸殊的面積移除。第三層利用像素與像素之間灰階值的數理差異，計算兩相對位置的像素，在不同的距離及不同角度情況下，統計所發生次數而得到一個共發生矩陣，再使用共發生矩陣為基礎去計算一些數量的特徵值，藉由腫瘤和肌肉組織在特徵值上的不同，使用常態分佈的離群值協助判斷，可過濾出只剩腫瘤的二值化影像。然後將腫瘤及其附近的矩形區域擷取獨立出來，取出邊緣像素以作為初始輪廓。接下來的第三個部份，利用梯度向量流蛇型 (Gradient vector field snake, GVF-Snake) 輪廓及隨機漫步(Random walk)找出腫瘤輪廓。GVF-Snake會對初始輪廓做多次形變，利用一個適當的外部力計算方式，使得GVF-Snake在每次的形變中，可以接近腫瘤的真實輪廓，最終輪廓所圍起的區域就是最接近真實腫瘤部份的區域。Random walk計算像素點和種子點間的機率問題，由最大狄利克雷邊界(Dirichlet boundary)機率找出腫瘤的二元遮罩影像，再使用索貝爾(Sobel)邊緣檢測找出腫瘤邊緣。比對GVF-Snake和Random walk兩種動態輪廓邊緣擷取方法的實驗結果並與專家所劃分出的腫瘤輪廓範圍做確認，可以發現本文所提出的方法能擷取出正確的腫瘤區域。
顯示於類別:	[電子工程系(所)] 【電子工程系所】博碩士論文

文件中的檔案:

沒有與此文件相關的檔案.

檢視Licence

在NCUTIR中所有的資料項目都受到原著作權保護.

資料載入中.....