导读:本文包含了钙化点论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:乳腺,乳腺癌,卷积,微小,肿块,神经网络,多普勒。
钙化点论文文献综述
周飞[1]（2019）在《超声中乳腺肿块微小钙化点的显示与临床分析》一文中研究指出目的探讨乳腺肿块微小钙化点在超声中的显示以及意义。方法选取2016年4月至2018年4月我院手术病理证实且术前经超声检查的58例乳腺癌患者为研究组,另选取同期的58例经手术病理证实为良性乳腺肿块的患者为对照组。对两组患者的超声诊断结果进行对比分析。结果观察组的钙化检出率明显高于对照组(P <0.05);在≤50岁的患者中,观察组的钙化检出率明显高于对照组,微钙化中的差别更为显着;在> 50岁的患者中,两组的差异无显着差异;根据肿块的大小,将其分为≤2 cm、> 2 cm的患者,对两组钙化检出率进行比较,其差异无统计学意义(P> 0.05)。结论超声可以有效的检出和识别乳腺内的微小钙化灶,对乳腺癌的治疗具有很高的价值。(本文来源于《中国医药指南》期刊2019年09期）
邸俊丽[2]（2019）在《乳腺肿块微小钙化点在超声中的显示与意义探究》一文中研究指出目的探讨乳腺肿块微小钙化点在超声中的显示与意义。方法采用回顾性方法分析,选取我院2016年5月～2018年5月的收治的76例乳腺肿块患者的临床资料,所有患者均采用多普勒超声仪检测,分析乳腺肿块微小钙化点,与术后病理进行对比分析。结果 76例乳腺肿块患者经过术后病理证实为恶性56例,良性20例。56例恶性肿瘤中微小钙化40例(71.43%),20例良性肿瘤中微小钙化6例(30.00%)。43例浸润性导管癌检测出40例钙化,钙化率93.02%。结论高频彩色多普勒超声可检测出乳腺肿块微小钙化点,其征像对于乳腺癌的诊断有着重要意义,值得临床推广应用。(本文来源于《临床医药文献电子杂志》期刊2019年18期）
左东奇,韩霖,陈科,李程,花瞻[3]（2018）在《基于卷积神经网络提取超声图像甲状腺结节钙化点的研究》一文中研究指出超声是检测甲状腺结节的首选方法,钙化特征是甲状腺结节良恶性判别的重要特征。但是由于囊壁等结节内部结构的干扰,钙化点提取一直是医学影像处理技术中的难点。本文提出了一种基于深度学习算法的钙化点提取法,并在阿列克谢(Alexnet)卷积神经网络的基础上提出了两种改进方法:(1)通过添加逐层对应的反池化(unpooling)和反卷积层(deconv2D)使网络向着所需要的特征进行训练并最终提取出钙化特征;(2)通过修改Alexnet模型卷积模板的数量和全连接层节点的数量,使其特征提取更加精细;最终通过两种方法的结合得到改进网络。为了验证本文所提出的方法,本文从数据集中选取钙化结节图像8 416张、无钙化结节图像10 844张。改进的Alexnet卷积神经网络方法的钙化特征提取准确率为86%,较传统方法有了较大提升,为甲状腺结节的良恶性识别提供了有效的手段。(本文来源于《生物医学工程学杂志》期刊2018年05期）
赵建中[4]（2018）在《基于钼靶X线影像的乳腺微钙化点良恶性识别算法研究》一文中研究指出乳腺癌在临床上十分常见,属于女性恶性肿瘤的一种,为了降低患者死亡率,提高疾病治愈率,提高对患者进行科学合理的诊断十分必要。现阶段,计算机辅助诊断早期乳腺癌属于临床热点研究问题之一,社会意义与理论价值显着。本研究针对以上问题,探究早期乳腺癌的计算机辅助诊断算法。(本文来源于《影像研究与医学应用》期刊2018年18期）
朱丽丽[5]（2018）在《基于非下采样剪切波变换和PCNN模型的乳腺钙化点检测》一文中研究指出乳腺癌是一种常见的恶性肿瘤。目前,乳腺癌已成为全球女性癌症死亡的主要原因。由于乳腺癌的病因尚不清楚且没有预防措施,因此早期的诊断至关重要。临床试验表明:将近一半的早期乳腺癌是通过乳腺X线影像上出现的微钙化点簇来判断的,因此钙化点检测对乳腺癌的早期诊断和治疗有重大意义。本文提出了一种基于非下采样剪切波变换(NSST)和脉冲耦合神经网络(PCNN)模型的新方法来检测乳腺X线影像中的微钙化点簇。该方法主要包括图像预处理、感兴趣区提取和钙化点检测叁部分。在图像预处理阶段,本文采用最大连通区域的方法去除标签和多余背景,并提出了一种新型的基于顶帽变换和指数变换的乳腺区域增强算法。在感兴趣区提取阶段,本文使用NSST变换获取钙化点细节信息。在钙化点检测阶段,本文应用PCNN模型完成钙化点的检测。最后,将本文所提算法在大量乳腺X线影像上进行实验,并与其它经典算法进行对比,实验结果表明本文所提算法的的检测结果与乳腺癌专家的诊断结果完全一致,并且各项指标均优于经典方法。本文的研究内容主要有下面叁部分:1.提出了一种新型的基于顶帽变换和指数变换的乳腺区域增强算法。考虑到顶帽变换在图像增强方面的优势,本文将其与指数变换相结合,实现对乳腺区域的增强,实验结果表明该算法可以在有效增强钙化点信息的同时抑制周围组织和背景的信息,为后续钙化点的检测奠定了良好基础。2.首次提出采用非下采样剪切波变换提取钙化点感兴趣区,并与传统的小波变换以及轮廓波变换进行对比。本文详细介绍了这叁种方法在钙化点提取方面的优势及不足。通过大量实验,我们发现NSST变换不仅可以检测到感兴趣区,还可以重点突出钙化点信息。3.选取PCNN模型检测钙化点,详细介绍了PCNN模型以及本文的参数设定,最后通过最大密度原则去除孤立点,从而获取准确的钙化点区域。实验结果表明本文算法检测到的钙化点区域与专家给出的诊断结果完全一致,相较于对比方法,本文算法可以得到更高的准确性、特异性和敏感性,同时取得了较低的假阳性率,可以更好的帮助医生检测早期乳腺癌。(本文来源于《兰州大学》期刊2018-05-01）
温治军[6]（2018）在《一种基于标记的分水岭算法在乳腺图像钙化点分割中的应用》一文中研究指出乳腺癌是威胁女性生命健康的主要恶性疾病之一,它的早期检测是这一疾病能够被治愈的关键,其中,乳腺钼靶X线摄影技术是目前最常用、最有效的早期检测手段。乳腺癌的早期症状主要呈现为钙化点,大小约为0.1mm-1mm,在乳腺图像中通常表现为一些小亮点。由于一些钙化点的尺寸较小,亮度较低,肉眼识别有时比较困难,且容易出错。误诊断可能使患者错过最佳的治疗时机,降低患者生存几率。CAD(Computer Aided Detection),即计算机辅助检测技术,是通过计算机辅助运算检测钙化点的一种方法,很好地弥补了人工检测的不足,提高了检测的准确性。CAD技术通常包含预处理、增强、分割、检测、分类等几个主要步骤,本文就CAD技术提出了一种在增强图像中使用分水岭算法分割钙化点的方法。本文处理的数字乳腺图像来自于MIAS数据库。伽马变换被用于图像的预处理步骤以增强钙化点和背景组织的对比度。在最后的增强中,实验使用小波变换和contourlet变换针对性地增强钙化点特征。增强结果有效地突出了钙化点,为后续的实验过程奠定了良好的基础。基于增强图像,实验使用一种基于标记的分水岭分割算法来分割钙化点。该方法可以清晰地分割出每个单独的钙化点,尤其在钙化点密集的区域,也可以保证分割的有效性。同时,分割结果会包含一些非钙化点的分割区域,这些区域可通过后续的分类步骤筛除。在保证每个钙化点都能被正确分割的前提下,实验通过SVM(支持向量机)分类以确定最终的钙化点。首先实验对前一步骤的分割区域进行统计和计算,获得每个区域对应的一系列特征值,包括面积、周长、平均值、标准差等,然后用它们构成特征向量。使用训练集训练SVM分类模型,然后对测试集进行分类,得到最终的钙化点分割图像。(本文来源于《兰州大学》期刊2018-04-01）
谷宇,吕晓琪,吴凉,郝小静,赵瑛[7]（2018）在《基于NSCT和CLAHE的乳腺钼靶X线图像微钙化点增强方法》一文中研究指出针对微钙化点容易漏检的问题,提出一种非下采样轮廓波变换结合对比度受限自适应直方图均衡的乳腺图像微钙化点增强新算法。对乳腺图像预处理,提取乳房区域并将胸肌区域去除;再对图像进行非下采样轮廓波变换提取多尺度、多方向的子带,对其中的多个高频子带采用高斯拉普拉斯算子检测边缘并增强;进一步采用对比度受限自适应直方图均衡算法,提高图像局部小区域的对比度,实现乳腺图像微钙化点增强算法。结果表明该方法是一种有效的乳腺钼靶图像微钙化点增强方法,为微钙化点检测和乳腺癌诊断提供支持。(本文来源于《光学技术》期刊2018年01期）
陈妙薇[8]（2017）在《基于相关向量机的致密型乳腺X线图像微钙化点簇检测方法研究》一文中研究指出乳腺癌是当今女性健康的第一杀手,及时发现和早期治疗能有效降低其发病和死亡率。目前,乳腺钼靶X线检查被认为是乳腺癌早期诊断最可靠且最有效的方法,放射科医师通过观察乳腺X线图像中是否存在微钙化点簇来进行判断。利用计算机技术自动检测乳腺X线图像中的微钙化点簇能够有效地辅助放射科医师提高早期乳腺癌检测的精准度及效率。当前微钙化点簇检测方法大多基于国外非致密型乳腺X线图像,致密型乳腺X线图像中复杂的腺体组织使得图像对比度变低,当前检测方法检测其微钙化点簇的精度还有待提高。相关向量机(Relevance Vector Machine,简称RVM)是结合马尔科夫性质、贝叶斯原理、自动相关决定先验和最大似然等理论的基于概率预测的稀疏贝叶斯学习模型,其具有能够提供概率性预测和任意使用核函数等优点。基于此,本论文对相关向量机模型进行改进,提出了一种基于旋转方法的改进相关向量机模型,并将其应用于致密型乳腺X线图像中微钙化点簇的检测以期提高致密型乳腺X线图像中微钙化点簇的检测精度。论文完成的主要工作和创新点有:(1)针对相关向量机模型训练过程中微钙化点个数有限、易出现学习不充分等问题,本文提出了一种基于旋转方法的改进相关向量机模型。该模型首先通过交叉验证法优化核函数的参数,然后通过分析训练样本中样本特点,将旋转方法应用于相关向量,并将旋转后相关向量加入到原有训练样本中,以此增加训练样本特征差异性和训练样本个数。(2)针对致密型乳腺X线图像中微钙化点簇检测精度不高的问题,本文将改进相关向量机模型应用于致密型乳腺X线图像微钙化点簇的检测中。首先手动选取图像库中致密型乳腺X线图像,对高通滤波等预处理增强后的致密型乳腺X线图像提取特征向量并训练得到相关向量,然后将相关向量进行特定旋转变化后加入原有训练样本构成新的训练样本集,接着用新训练样本集训练的改进相关向量机模型对致密型乳腺X线图像进行检测,将检测出的微钙化点进行分簇,最后用自由响应受试者工作特征(FROC)曲线对算法检测性能进行评价。实验结果表明改进后的相关向量机模型能够有效提高致密型乳腺X线图像中微钙化点簇的检测精度。(本文来源于《北京交通大学》期刊2017-06-11）
王科举[9]（2017）在《基于周围区域矩阵反映射特征的乳腺钙化点区域检测》一文中研究指出乳腺癌是女性中最常见的一种疾病。钙化点簇在乳腺X光图像中是一种比较明显的异常现象,钙化点簇的提取对于早期乳腺癌的检测是一种非常有效的手段。Surrounding Region Dependence Method(SRDM)是一种基于纹理统计分析的钙化点感兴趣区域检测方法。受到SRDM方法的启发,我们提出了基于灰度和一些其他特征来更有效预测阳性或者阴性乳腺钙化点区域的方法。通过构筑一组人工的只含有钙化点簇图像,我们可以大致定位在SRDM矩阵中可疑钙化点像素对应的元素反映射回乳腺图像中的位置。提取这些可疑钙化点像素的灰度等相关特征,利用随机森林分类器对不平衡的数据样本进行分类。真阳性和真阴性率反应了结果的优劣。当设定阈值为10时,真阳性率达到90%并且真阴性率达到了88.8%。不同方法ROC(Receiver Operating Characteristic)曲线之间的对比和该方法AUC(Area Under the ROC Curve)值达到了0.9224。实验结果表明了方法有效。该乳腺钙化点区域检测方法的提出能够有效地提高计算机辅助诊断乳腺癌的准确率。本文从以下几个方面进行了介绍:1.详细的描述SRDM方法的原理,从理论上分析了方法的可行性,对为何提出自己的方法做出了因果推理。2.详细介绍了自己提出的基于SRDM矩阵反映射的原理,根据反映射回的像素点提取了一系列的跟原始图像相关的特征,并对这些特征进行了解释,阐述了特征在理论上的有效性。3.根据自己实验数据样本不平衡这一特点,借鉴使用随机下采样方法配合随机森林分类器进行分类,进而通过统计分类的结果准确率来评判方法的优劣,包括原始方法,其他文献中的方法以及自己方法,所有对比的前提都是基于同一数据库。同绝大多数图像处理的流程相似,我们的处理流程包括图像预处理,乳腺区域定位,乳腺区域分成子图像,用我们的方法对子图像处理,特征提取和分类,结果统计。具体的流程介绍如下:乳腺X图像中通常包含标签,背景区域等干扰项,所以要先去标签,然后提取乳腺区域的边缘。将乳腺区域裁剪出来后再将裁剪出的图像进行分割,裁剪为128*128像素大小的子图像,并且这些图像之间有重迭,详细的情况后续章节有详细解释。利用SRDM方法对子图像进行处理,得到相应的矩阵后在分别用原始方法和自己的方法进行处理,即提取不同的特征,然后利用不平衡分类方法并采用随机森林分类器分类。最终会统计结果的正确率,做出比较。(本文来源于《兰州大学》期刊2017-06-01）
王骏[10]（2016）在《微小钙化点会是癌吗》一文中研究指出前一段时间,一位患者感觉乳腺微痛,去医院就诊时,医生给她拍了乳腺X线片,看到一些微小钙化点,建议做X线下穿刺活检。她还不到35岁,自觉不可能是癌,就没做。尽管如此,但她还是被吓得够呛。于是来电咨询,微小钙化点有必要做X线下穿刺活检吗?能否2个月或3个月后再拍X线片观察进展?如果真是乳腺癌,那么X线片上看到的微小钙化点属于哪一期?是乳腺癌前期吗?(本文来源于《家庭医学(下半月)》期刊2016年02期）
钙化点论文开题报告
（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：
目的探讨乳腺肿块微小钙化点在超声中的显示与意义。方法采用回顾性方法分析,选取我院2016年5月～2018年5月的收治的76例乳腺肿块患者的临床资料,所有患者均采用多普勒超声仪检测,分析乳腺肿块微小钙化点,与术后病理进行对比分析。结果 76例乳腺肿块患者经过术后病理证实为恶性56例,良性20例。56例恶性肿瘤中微小钙化40例(71.43%),20例良性肿瘤中微小钙化6例(30.00%)。43例浸润性导管癌检测出40例钙化,钙化率93.02%。结论高频彩色多普勒超声可检测出乳腺肿块微小钙化点,其征像对于乳腺癌的诊断有着重要意义,值得临床推广应用。
（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。
钙化点论文参考文献
[1].周飞.超声中乳腺肿块微小钙化点的显示与临床分析[J].中国医药指南.2019
[2].邸俊丽.乳腺肿块微小钙化点在超声中的显示与意义探究[J].临床医药文献电子杂志.2019
[3].左东奇,韩霖,陈科,李程,花瞻.基于卷积神经网络提取超声图像甲状腺结节钙化点的研究[J].生物医学工程学杂志.2018
[4].赵建中.基于钼靶X线影像的乳腺微钙化点良恶性识别算法研究[J].影像研究与医学应用.2018
[5].朱丽丽.基于非下采样剪切波变换和PCNN模型的乳腺钙化点检测[D].兰州大学.2018
[6].温治军.一种基于标记的分水岭算法在乳腺图像钙化点分割中的应用[D].兰州大学.2018
[7].谷宇,吕晓琪,吴凉,郝小静,赵瑛.基于NSCT和CLAHE的乳腺钼靶X线图像微钙化点增强方法[J].光学技术.2018
[8].陈妙薇.基于相关向量机的致密型乳腺X线图像微钙化点簇检测方法研究[D].北京交通大学.2017
[9].王科举.基于周围区域矩阵反映射特征的乳腺钙化点区域检测[D].兰州大学.2017
[10].王骏.微小钙化点会是癌吗[J].家庭医学(下半月).2016
论文知识图
