微钙化簇相关论文
乳腺癌是女性最常见的恶性肿瘤,由于其发病率较高,受到广泛研究人员的关注。研究表明,通过筛查能预防乳腺癌,发现病灶并及时做出诊......
为了克服乳腺图像微钙化簇检测中假阳性率高、泛化性差等缺点,本文提出了一种结合判别式深度置信网络(DDBNs)自动快速定位乳腺X线......
针对疑似区域内的乳腺微钙化簇和正常乳腺组织特征的多源性这个一直被忽略的问题,提出基于分组特征多核支持向量机(GF-SVM)的乳腺......
考虑到乳腺微钙化簇样本分布不平衡以及特征的多样性,提出了基于K均值聚类的多核支持向量机。即首先将训练样本聚合成K类,对每类样......
乳腺癌在X光图像下的主要表现是肿块和微钙化点．传统的诊断方法一般假设从图像肿块和微钙化点中提取的特征是正确有效的，且采用监督......
以数字化医学X光片为例,检测和确定图像中癌症标志物—微钙化簇(MCC)的位置和数量。在算法上,主要采用"对比度增强—Tophat滤波—......
乳腺癌是妇女常见恶性肿瘤之一,早期诊断和治疗是降低乳腺癌患者死亡率的关键。微钙化是乳腺癌早期的一个重要标志,因此快速准确地......
提出一种基于主动学习的微钙化簇区域检测新算法,利用方向差分滤波器组对微钙化区域进行增强和特征提取,同时抑制高亮血管和导管等......
深度学习是近些年提出的一种具有广泛多层级结构的神经网络模型,其早先的应用研究主要针对图像识别领域。随着当前人工智能技术的......
为了准确识别X线图像中的微钙化簇以进行乳腺癌的辅助诊断与早期预防,结合细粒度级联增强网络(FCE-Net)与多尺度特征融合算法(MFF)......
在女性的恶性肿瘤中,乳腺癌是仅次于肺癌的第二大癌症。乳腺X线图像是乳腺癌早期诊断中最重要的技术之一,但由于图片质量低劣或人......
乳腺X线图像分析是乳腺癌早期诊断最重要的技术之一。但如何在X线图像中识别良性和恶性微钙化簇仍然很难。计算机辅助医疗诊断(CAD......
乳腺癌已成为继肺癌之后导致妇女死亡的第二大病症。作为诊断乳腺癌最主要手段之一的X线乳腺癌照片有着分辨率高、单点象素深度大......
