导读:本文包含了乳腺图像分析论文开题报告文献综述及选题提纲参考文献，主要关键词:乳腺导管内乳头状瘤,高频超声,图像特征
乳腺图像分析论文文献综述
陈晓惠,张又红,周剑辉,钟冬梅[1]（2019）在《120例乳腺导管内乳头状瘤患者HFUS检查的图像分析》一文中研究指出目的:分析乳腺导管内乳头状瘤患者高频超声(HFUS)检查的图像特征。方法:选取我院乳腺导管内乳头状瘤患者120例作为研究对象,均行HFUS检查,分析其图像特征。结果:病理结果:120例乳腺导管内乳头状瘤患者中Ⅰ型43例,Ⅱ型34例,Ⅲ型11例,Ⅳ型17例,Ⅴ型15例。经HFUS检查Ⅰ型诊断准确率为93.02%(40/43),其中漏诊3例;Ⅱ型诊断准确率91.18%(31/34),其中误诊为纤维腺瘤3例;Ⅲ型诊断准确率54.55%(6/11),其中漏诊5例;Ⅳ型诊断准确率82.35%(14/17),其中漏诊3例;Ⅴ型诊断准确率60.00%(9/15),其中4例误诊为纤维腺瘤,2例误诊为乳腺癌。结论:乳腺导管内乳头状瘤患者应用HFUS检查不同分型具有不同图像特征,可为临床判断具体病情情况、制定治疗方案提供可靠信息支持。(本文来源于《现代医用影像学》期刊2019年09期）
任孟群[2]（2019）在《影响数字乳腺钼靶图像质量的因素分析及探讨》一文中研究指出目的探讨数字乳腺钼靶图像质量的影响因素。方法选取接受数字乳腺钼靶X线摄影检查的受检女性269例作为研究对象,受检者均进行头尾位(CC)、内外斜位(MLO)检查,对其图片质量及影响因素进行分析。结果甲级片152例,乙级片114例,不合格3例;影响数字乳腺钼靶图像质量的因素中受检者因素最多见,其次是技师因素。结论影响数字乳腺钼靶图像质量的因素主要是受检者因素、技师因素,工作中在这两块不断改进可提高图像质量。(本文来源于《航空航天医学杂志》期刊2019年08期）
余权新,谭鑫源,陈梅娇[3]（2019）在《数字化乳腺X线摄影的图像质量分析》一文中研究指出目的:研究数字化乳腺X线摄影的图像质量。方法:选择2019年4月—2021年3月我院接受乳腺X线摄影检查的受检者80例,根据不同的MLO位投照角度分为叁个研究组,其中MLO位30°为A组、MLO位45°为B组、MLO位60°为C组,和一个对照组,MLO位30°～60°间以平行于胸大肌角度投射为D组,每组分别20例。对4组患者的图像分别进行评价和统计学分析,将A、B、C组各级图像例数与D组进行比较。结果:B组甲级片90.00%,与对照组无显着差异(P> 0.05);A组甲级片50.00%、C组甲级片55.00%,均低于对照组(P <0.05)。结论:数字化乳腺X线摄影中,采取MLO位45°,获得的图像质量更高。(本文来源于《影像研究与医学应用》期刊2019年16期）
薛刚[4]（2019）在《MR动态增强图像纹理分析判断乳腺结节良恶性的价值》一文中研究指出目的:评估MR动态增强图像纹理分析诊断乳腺结节的价值。方法:选择2017年4月—2018年12月收治的31例乳腺结节患者为研究对象。给予患者MR动态增强纹理分析。结果:MR动态增强诊断乳腺结节特异度88.46%、敏感度78.95%。结论:MR动态增强纹理分析用于乳腺结节诊断,结果较为可靠。(本文来源于《影像研究与医学应用》期刊2019年15期）
左浩,饶荣生[5]（2019）在《BI-RADS 4类的乳腺纤维腺瘤超声图像与病理对比分析》一文中研究指出目的对BI-RADS 4类乳腺纤维腺瘤的超声图像与病理对比分析,提高超声对乳腺纤维腺瘤的诊断率。方法对57例经病理证实为乳腺纤维腺瘤的超声图像与病理作对比。结果 BI-RADS 4类乳腺纤维腺瘤表现有类恶性特征,可表现为形态欠规则、垂直生长、边缘模糊、回声不均匀、周边导管扩张、后方衰减、伴钙化等表现。结论 BI-RADS 4类纤维腺瘤图像表现不典型,较易误诊,结合病理分析其不典型的原因,有助于进一步提高超声对BI-RADS 4类乳腺纤维腺瘤的诊断率。(本文来源于《世界最新医学信息文摘》期刊2019年59期）
佘义梅,寇新红[6]（2019）在《浆细胞性乳腺炎超声图像特点及其诊断价值分析》一文中研究指出目的分析浆细胞性乳腺炎超声图像特点及其诊断价值。方法回顾性分析2017年2月至2018年7月在我院接受超声检查的120例浆细胞性乳腺炎患者的临床资料,所有患者均经手术病理确诊。分析不同类型浆细胞性乳腺炎超声图像表现,并对比超声与病理诊断的符合率。结果浆液性乳腺炎不同病理时期超声表现也不尽相同,分为Ⅰ型单纯导管扩张型、Ⅱ型囊肿型、Ⅲ型实性团块型、Ⅳ型囊实混合型、Ⅴ型脓肿型;所有患者中超声检查误诊6例,误诊率为5.00%,诊断符合率为95.00%。结论浆细胞性乳腺炎不同时期临床表现不同,根据超声图像特点可分析出不同时期病变组织的相关表现,以为临床诊治提供依据。(本文来源于《世界最新医学信息文摘》期刊2019年43期）
洪美娟,杨子文[7]（2019）在《乳腺错构瘤的超声图像特征和误诊分析》一文中研究指出目的探究乳腺错构瘤的超声图像特征,并分析其误诊情况和相关原因。方法选取28例乳腺错构瘤患者作为研究对象,均对患者实施超声检查和手术病理检查,观察乳腺错构瘤的超声图像特征,比较超声检查和病理检查的准备率和误诊率。结果 28例患者中12例患者的肿块位于外上象限,占比为42.86%, 5例患者的肿块位位于外下象限,占比为17.86%, 7例患者的肿块位于乳腺脂肪层内,占比为25.00%,其余患者未作出明确显示。患者的肿瘤最小直径为0.4～7.1cm,平均直径为(2.27±1.75)cm;20例患者肿瘤的表现为低回声结节或团块,占比为71.43%,其中有1例患者的回声表现不均匀,占比3.57%;5例患者为稍高的回声肿块,占比为17.86%, 2例患者肿瘤为等回声,占比为7.14%。6例患者的肿瘤边界欠清晰,此外准确检测到的患者肿瘤边界均相对清晰。28例患者均未见明显的血流信号,同时未见其腋窝肿大淋巴结。超声检查乳腺错构瘤诊断准确2例(7.14%),漏诊1例(3.57%),误诊25例(89.29%);其中有11例患者被误诊为脂肪瘤、占比为39.29%, 8例患者被误诊为增生结节、占比为28.57%, 3例患者被误诊为恶性肿瘤、占比为10.71%, 3例患者被误诊为腺纤维瘤、占比为10.71%。病理检查乳腺错构瘤诊断准确28例(100.0),漏诊0例,误诊0例;病理检查乳腺错构瘤的准确率高于超声检查,误诊率低于超声检查,差异有统计学意义(P<0.05)。结论乳腺错构瘤的超声图像特征和其他乳腺疾病存在类似性,容易出现误诊现象,故而临床应注重做好相关鉴别,最终减少误诊率,为准确治疗的开展提供指导。(本文来源于《中国实用医药》期刊2019年14期）
庞国栋,K.Drukker,M.L.Giger,B.N.Joe,K.Kerlikowske[8]（2019）在《在临床数据研究中定量叁分隔乳腺图像分析结合乳腺X线摄影影像组学对乳腺肿块分类的综合优势》一文中研究指出摘要目的研究分析乳腺X线摄影影像组学与双能量X线检测的定量叁分隔乳腺图像分析的结合可以减少不必要的乳腺良性肿瘤活检。材料与方法本项回顾性研究自(本文来源于《国际医学放射学杂志》期刊2019年03期）
梁翠霞[9]（2019）在《乳腺肿瘤FFDM图像特征分析与良恶性鉴别研究》一文中研究指出全数字乳腺成像(Full-filed Digital Mammography,FFDM)是一种具有高空间分辨率双视图的乳腺肿瘤筛查工具。然而,临床上医生通过人眼识别FFDM图像的病灶仍然存在困难,其诊断结果受主观性和人为因素影响,存在假阳性高的问题。随着技术的发展,计算机辅助诊断技术(Computer-aided diagnosis technology,CADx)在医学图像的诊断任务上显示出巨大的潜力。CADx可从医学图像中提取出定量的图像特征,客观地进行分析和诊断,减少误诊和漏诊。深度学习方法能自动地学习特征,拓展了特征提取的研究方向。受此启发,本文分别研究了传统的手工设计特征(Handcrafted features,HCFs)提取方法和深度特征(Deepfeatures,DFs)提取方法,发现具有诊断能效的乳腺肿瘤图像特征的量化方法;利用不同类型的定量图像特征,构建乳腺肿瘤良恶性鉴别模型,挖掘图像特征与肿瘤良恶性之间的关系,并使得模型在保持较高水平性能的同时降低假阳性。本文的主要研究内容有:(1)FFDM图像的预处理。实验对比和分析了一些常用的滤波器在FFDM图像上的去噪效果,并且选择了同时能够滤除噪声,保持图像纹理、边缘信息的高斯滤波用于滤除FFDM图像的噪声;研究和对比了不同离散化程度对图像分类精度的影响,选择出最佳图像离散化等级,为后面的图像特征分析奠定基础。(2)FFDM乳腺肿瘤图像特征的提取。依据临床医生的诊断行为和信息,提取了面积、长度、直径、离心率、固牢程度和扩展范围程度等11个形态特征,以及引入了间隙长度的不均匀性度量、低灰度间隙优势、高灰度间隙优势、长间隙优势、短间隙优势和间隙总数百分比等13个灰度间隙矩阵(Gray Level Gap Length Matrix,GLGLM)纹理特征这两类HCFs进行肿瘤特性量化。(3)基于HCFs的乳腺良恶性肿瘤分类方法。研究了形态特征和GLGLM纹理特征的分类识别能力,解释重要性图像特征与肿瘤良恶性的内在联系;还研究和比较离散化程度、特征选择方法和分类器对图像分类的影响,以此采用集成学习策略构建多分类器集成的分类模型,并对比其他方法以及在MIAS数据集上验证,证明了该方法的有效性。(4)基于HCFs和DFs的乳腺良恶性肿瘤分类方法。为了更加全面地描述肿瘤信息,本文采用深度学习的方法建立自动式的图像特征提取器,引入更高层次的DFs进行乳腺肿瘤特性表达,提出了一种结合HCFs和DFs的乳腺肿瘤良恶性分类方法,并比较和分析不同特征集的分类准确性,实验训练多分类器集成的分类模型。结果证明,该方法能够提升乳腺肿瘤分类模型的性能。(本文来源于《南方医科大学》期刊2019-05-01）
邓义,杨壁然,刘志强,鲍军芳,唐亚霞[10]（2019）在《磁共振增强图像叁维纹理分析对乳腺良恶性病变的鉴别诊断价值》一文中研究指出目的:探讨基于磁共振增强图像的叁维纹理分析方法对乳腺良恶性病变的鉴别诊断价值。方法:回顾性分析经手术病理证实的16例乳腺癌和18例乳腺良性病变患者的临床和MRI资料。磁共振检查在术前1周内完成。采用MaZda软件对早期动态增强图像进行叁维纹理分析,提取整个病变的纹理参数,使用Fisher系数、交互信息(MI)、分类错误概率联合平均相关系数(POE+ACC)叁种方法获得30个最优纹理参数,进一步对这些纹理参数进行分类分析,方法包括原始数据分析(RDA)、主成分分析(PCA)、线性分类分析(LDA)和非线性分类分析(NDA)。采用SPSS 16.0统计软件比较乳腺良恶性病变的30个纹理参数有间的差异,采用MedCalc 15.8统计软件,对具有统计学意义的纹理参数进行受试者工作特征(ROC)曲线分析。结果:基于早期动态增强图像的叁维纹理特征,采用非线性分类分析(NDA)的误判率最低,其中POE+ACC联合非线性分类分析(NDA)的误判率最低,误判率为5.88%。在乳腺病变的30个最优纹理参数中,有10个纹理参数在良恶性组间的差异具有统计学意义(P<0.05),相应的ROC曲线下面积(AUC)为0.717～0.755。结论:磁共振增强图像叁维纹理分析方法对乳腺良恶性病变的鉴别诊断具有良好的临床应用价值。(本文来源于《放射学实践》期刊2019年04期）
乳腺图像分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的探讨数字乳腺钼靶图像质量的影响因素。方法选取接受数字乳腺钼靶X线摄影检查的受检女性269例作为研究对象,受检者均进行头尾位(CC)、内外斜位(MLO)检查,对其图片质量及影响因素进行分析。结果甲级片152例,乙级片114例,不合格3例;影响数字乳腺钼靶图像质量的因素中受检者因素最多见,其次是技师因素。结论影响数字乳腺钼靶图像质量的因素主要是受检者因素、技师因素,工作中在这两块不断改进可提高图像质量。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
乳腺图像分析论文参考文献
[1].陈晓惠,张又红,周剑辉,钟冬梅.120例乳腺导管内乳头状瘤患者HFUS检查的图像分析[J].现代医用影像学.2019
[2].任孟群.影响数字乳腺钼靶图像质量的因素分析及探讨[J].航空航天医学杂志.2019
[3].余权新,谭鑫源,陈梅娇.数字化乳腺X线摄影的图像质量分析[J].影像研究与医学应用.2019
[4].薛刚.MR动态增强图像纹理分析判断乳腺结节良恶性的价值[J].影像研究与医学应用.2019
[5].左浩,饶荣生.BI-RADS4类的乳腺纤维腺瘤超声图像与病理对比分析[J].世界最新医学信息文摘.2019
[6].佘义梅,寇新红.浆细胞性乳腺炎超声图像特点及其诊断价值分析[J].世界最新医学信息文摘.2019
[7].洪美娟,杨子文.乳腺错构瘤的超声图像特征和误诊分析[J].中国实用医药.2019
[8].庞国栋,K.Drukker,M.L.Giger,B.N.Joe,K.Kerlikowske.在临床数据研究中定量叁分隔乳腺图像分析结合乳腺X线摄影影像组学对乳腺肿块分类的综合优势[J].国际医学放射学杂志.2019
[9].梁翠霞.乳腺肿瘤FFDM图像特征分析与良恶性鉴别研究[D].南方医科大学.2019
[10].邓义,杨壁然,刘志强,鲍军芳,唐亚霞.磁共振增强图像叁维纹理分析对乳腺良恶性病变的鉴别诊断价值[J].放射学实践.2019