• 1. 哈尔滨理工大学 电气与电子工程学院(哈尔滨 150080);
  • 2. 哈尔滨理工大学 计算机科学与技术学院(哈尔滨 150080);
导出 下载 收藏 扫码 引用

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 线图像中微钙化簇区域的方法。首先,对乳腺区域进行提取及增强,将增强后的乳腺区域进行子块重叠分割和小波滤波;之后,构建用于乳腺子块特征提取和分类的 DDBNs 模型,将预训练后的 DDBNs 转换成使用 softmax 分类器的深度神经网络(DNN),并通过反向传播对网络进行微调;最后,输入待检乳腺 X 线图像,完成可疑病灶区域的定位。通过对乳腺摄影筛查数据库(DDSM)中的 105 幅含有微钙化点的图像进行实验验证,本文方法获得了 99.45% 的真阳性率和 1.89%的假阳性率,且检测一幅 2 888 × 4 680 大小图像的时间约 16 s。实验结果表明:该算法在保证较高真阳性率的同时有效地降低了假阳性率,检测到的微钙化簇区域与专家标记区域具有高度一致性,为乳腺 X 线图像中微钙化簇区域的自动检测提供了新的研究思路。