计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2015年
12期
171-175
,共5页
乳腺肿块检测%Kmean%特征提取%极限学习机(ELM)
乳腺腫塊檢測%Kmean%特徵提取%極限學習機(ELM)
유선종괴검측%Kmean%특정제취%겁한학습궤(ELM)
detection of masses%Kmean%feature extraction%Extreme Learning Machine(ELM)
肿块是乳腺癌在X线图像上的一个主要表现。提出了一种肿块自动检测算法。该方法包括四个步骤：在图像预处理阶段，去除背景、标记、胸肌和噪声，图像分割和图像增强；利用Kmean方法找到感兴趣区域（ROI）；提取能够表征肿块的特征；利用极限学习机（Extreme Learning Machine，ELM）分类器去除假阳性，将图像中的肿块和非肿块分离开来。通过对MIAS数据库中乳腺X线图像的测试实验，得到的检测肿块的准确率为93.5%。
腫塊是乳腺癌在X線圖像上的一箇主要錶現。提齣瞭一種腫塊自動檢測算法。該方法包括四箇步驟：在圖像預處理階段，去除揹景、標記、胸肌和譟聲，圖像分割和圖像增彊；利用Kmean方法找到感興趣區域（ROI）；提取能夠錶徵腫塊的特徵；利用極限學習機（Extreme Learning Machine，ELM）分類器去除假暘性，將圖像中的腫塊和非腫塊分離開來。通過對MIAS數據庫中乳腺X線圖像的測試實驗，得到的檢測腫塊的準確率為93.5%。
종괴시유선암재X선도상상적일개주요표현。제출료일충종괴자동검측산법。해방법포괄사개보취：재도상예처리계단，거제배경、표기、흉기화조성，도상분할화도상증강；이용Kmean방법조도감흥취구역（ROI）；제취능구표정종괴적특정；이용겁한학습궤（Extreme Learning Machine，ELM）분류기거제가양성，장도상중적종괴화비종괴분리개래。통과대MIAS수거고중유선X선도상적측시실험，득도적검측종괴적준학솔위93.5%。
Mass detection on mammography is an effective method for breast cancer diagnoses. An automated mass detection method is proposed, including four steps:mammograms are preprocessed to remove background, tags, pectoral muscles;K-mean method is used to segment the Region Of Interest(ROI);features of mass such as shape and texture are extracted;a machine learning method is then applied to identify masses from ROIs using features. The mammograms of MIAS data-base are used for testing, and the accuracy of the masses detection is 93.5%.
