利用X光乳房攝影產生之紋理特徵影像在腫瘤偵測上之研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：36

、訪客IP：3.144.172.115

姓名

黃俊忠(Chun-Chung Huang) 查詢紙本館藏

畢業系所

資訊工程學系在職專班

論文名稱

利用X光乳房攝影產生之紋理特徵影像在腫瘤偵測上之研究
(The Mass Detection in Mammography Using Feature Images)

相關論文

★ 基於GPU的SAR資料庫模擬器：SAR回波訊號與影像資料庫平行化架構 (PASSED)	★ 高頻譜影像物質含量估計運用加權最小平方法
★ 高光譜影像雜訊模式估計	★ 利用高光譜影像作異常物偵測
★ 無參數加權特徵萃取對遙測及醫學影像目標偵測的應用	★ 利用電腦自動化對數值高程模型作線形偵測
★ 高光譜影像異常物偵測與識別之平行運算方法與其效能評估	★ 利用多光譜影像的光譜與空間資訊結合數學型態學進行海洋油汙偵測
★ 低解析度車牌視訊之強化與辨識	★ 利用遙測影像自動萃取校正點
★ 新的影像融合演算法應用於多光譜遙測影像	★ 利用影像處理進行遙測影像的河道偵測與醫學影像的血管偵測
★ 可調式都卜勒主動雷達校正器之改良研究	★ 基於色彩校正的遙測影像變遷偵測
★ 利用固定式攝影機即時偵測土石流	★ 藉由電腦視覺自動偵測土石流

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

乳癌是目前台灣女性所有癌症死亡率排名的第四位，對國內婦女造成相當大的威脅，而早期診斷、早期發現與早期治療是減少死亡率以及延長患者存活年限的最佳方法，目前以乳房X光攝影為早期乳癌診斷最有效的方法。
由於腫瘤屬於乳房組織的一部分，所以必須找出腫瘤組織與正常組織之間的差異性，以作為其偵測及判斷的依據。本論文中，將利用腫瘤在各種特徵值上的不同表現，得到不同的特徵值影像，並透過正交次空間投影法（Orthogonal Subspace Projection；OSP）及自動目標物偵測及分類演算法(Automatic Mixed Pixel Classification；AMPC)之方法，以達到腫瘤偵測的目的。
本論文使用的實驗影像資料，是由歐洲The Mammographic Image Analysis Society（MIAS）所提供的MIAS　MiniMammographic　Database。在這組資料庫中，有161位受試者的左右乳房影像，共322張數位影像。其中有115張影像是經過醫師判讀與病理證實具有腫瘤或鈣化等異常組織，其餘207張影像是正常的影像。
根據實驗結果影像顯示，本論文所採取之特徵值適合描述腫瘤影像與正常影像之間的差異性，而利用本論文所提出的偵測方式，可以判斷出影像中是否有腫瘤存在，並標示出該腫瘤區域。應用在臨床醫學上，可以輔助醫師對於乳房腫瘤之診斷，提高診斷的正確率，以降低乳癌對於生命的危害。

摘要(英)

The breast cancer is at the forth place of female cancer mortality rate in Taiwan. It poses a big threat to the domestic women. The early diagnosis, discover and treatment is the best way to reduce the mortality rate as well as increase the length of the surviving of the patients. The most effective for breast cancer diagnosis method at present is the X-ray mammography.
Because of the tumor is part of the breast, we must distinguish the tumor from the normal tissue, and then we can detect it. In this thesis, the features of the tumor is used to obtain different feature images, and then we adopt Orthogonal Subspace Projection and Automatic Mixed Pixel Classification method to achieve the tumor detection.
The data to be used for experiments is MIAS MiniMammographic Database provided by the Mammographic Image Analysis Society (MIAS) in Europe. The data we have 322 digital breast images from 161 participants. Among them, 115 images are confirmed with tumor or microcalcification after pathology, and the other 207 images only contain normal tissue.
The experimental results show that the features adopted in this thesis are suitable to distinguish the difference between tumor and normal tissue. And the proposed detection methods, not only detect the tumor, but also indicate its position. For clinical medicine, our method may assist doctor’s diagnosis, to increase the accuracy of detecting tumors and reduce its threats to our lives.

關鍵字(中)

★ 自動目標物偵測及分類演算法
★ 腫瘤偵測
★ 特徵影像
★ 正交次空間投影法

關鍵字(英)

★ orthogonal subspace projection
★ automatic mixed pixel classification method
★ Tumor detection
★ feature images

論文目次

目錄
摘要 i
Abstract ii
目錄 iii
圖目錄 iv
表目錄 vi
第一章　緒論 1
1.1 研究動機 1
1.2 研究目標 3
1.3 研究架構 6
第二章　資料庫說明 8
第三章　特徵值擷取與分析 13
3.1 灰階值強度統計圖 13
3.2 空間灰階相關特徵值 14
3.3 紋路頻譜 18
3.4 紋路特徵編碼 23
第四章　腫瘤偵測方法 27
4.1 線性混合模型 (Linear Mixture Model) 27
4.2 正交次空間投影法（Orthogonal Subspace Projection；OSP） 27
4.3 自動目標物偵測及分類演算法(Automatic Mixed Pixel Classification；AMPC) 28
第五章　腫瘤偵測實驗結果 30
5.1 實驗資料取得 30
5.2 特徵值選取 31
5.3 腫瘤偵測步驟 32
5.4 實驗結果 38
第六章　結論與未來發展 69
參考文獻 70

參考文獻

【1】http://www.doh.gov.tw/statistic/data/衛生動向/93/貳.pdf
【2】http://www.doh.gov.tw/statistic/data/死因摘要/93年/統計圖/7.女性主要癌症死亡率.xls
【3】季瑋珠,張金堅,“本土醫學資料庫之建立及衛生政策上之應用”,1993
【4】“The national breast a and cervical cancer early detection program”，CDC U.S.Department of health and human services,1997
【5】S.M.Lai,X.Li,W.F.Bischof,“On techniques for detecting circumscribed masses in mammograms,”IEEE Trans.Med.Image,Vol.8, pp.377-386,1990
【6】D.Brzakovic,X.M.Luo,P.Brzakovic,“An approach to automated detection of tumors in mammography,”IEEE Trans.Med.Image,Vol.9, pp.233-241,1990.
【7】F.F.Yin,M.L.Giger,K.Doi,C.D.Metz,C.J.Vyborny,R.A.Schmidt,“Computerized detection of masses in digital mammograms:Analysis of bilateral subtraction images,”Med.Phys.Vol.18,pp.955- 963,1991.
【8】I.Christoyianni,E.Dermatas,G.Kokkinakis,”Neural classification of abnormals tissue in digital mammography using statistical features of the texture,”Electronics,Ciruits and Systems,1999.Proceedings of ICECS’99.The 6th IEEE International Conference on,Volume:1,1999.
【9】I.Christoyianni,E.Dermatas,G.Kokkinakis,”Fast detection of masses in computer-aided mammography,”IEEE Signal Processing Magazine,pp.54-64.January 2000.
【10】B.Aldrich,M.Desai,”Application of spatial grey level dependence methods to digitized mammograms,”IEEE,1994.
【11】H.P.Chan,”Image feature analysis and computer-aided diagnosis in digital radiology:Automated detection of microcalcifications in mammography,”Med.Phy.,Vol.14,No.4,pp.538-548,1987.
【12】A.P.Dhawan,”Enhancement of mammographic features by optimal adaptive neighborhood image processing,”IEEE Trans.Medical Image,Vol.M2-5,No.5,March 1986.
【13】C.M.Kocur,S.K.Rogers,L.R. Myers, T. Burns, M Kabrisky., J.W. Hoffmeister, K.W Bauer, J.M. Steppq, “Using neural networks to select wavelet features for breast cancer diagnosis,“IEEE Engineering in Med. and Bio.,Vol. 15,Issue 3,pp. 95-102,May/June 1996.
【14】H.Kobatake, Y. Yosinaga, M. Murakai.”Automatic detection of malignant tumors mammogram,”IEEE Trans.Med.Inage,Vol.3,pp. 407-410,1994.
【15】H.Kobatake,Y.Yoshinaga,”Detection of spicules on mammogran based on skeleotn analysis,”IEEE Trans.Med.Inage,Vol.15,Issue 3,pp.235-245,June 1996.
【16】M.Sameti,R.K.Ward,J.Morgan-Parkes,B.Palcic,”A method for detection of malignant masses in digitized mammograms using a fuzzy segmentation algorithm,”IEEE Engineering in Med. and Bio., Vol.2,pp.513-516,Nov.1997.
【17】L. Hadjiiski, B. Sahiner, Heang-Ping chan, N. Petrick, M. Helvie,”Classification of malignant and benign masses based on hybrid ART2LDA approach,”IEEE Trans. Med. Iage,Vol.18,Issue 12,pp.1178-1187,Dec.1999.
【18】N.R.Mudigonda,R.M.Rangayyan,J.E.Leo Desautels,”Gradient and texture analysis for the classification of mammographic masses,”IEEE Trans.Med.Image,Vol.19,No.10,pp.1032-1043,Oct. 2000.
【19】B. Verma and J. Zakos,”A comuter-aided diagnosis system for digital mammograms based on fuzzy-neural and feature extraction techniques,”IEEE Trans.Biomedi,Vol.5,No.1,pp.46-54,Mar.2001.
【20】于南書,“最佳特徵選擇-乳房X光片腫瘤偵測.”國立成功大學資訊工程學系碩士論文,93年度.
【21】蔡宗恩,“二階段特徵向量篩選法：乳房X光片腫瘤偵測.”國立成功大學資訊工程學系碩士論文,94年度.
【22】H.Kobatake,M.Murakami,H Takeo and S.Nawano,”Computerized detection of malignant tumors on digital mammograms,”IEEE Trans.Med.Image,Vol.18,No,pp.369-378,May 1999.
【23】A.K.Jain,”Fundamentals of Digital Image Processing,”Englewood Cliffs,NJ:Prentice-Hall,1989.
【24】廖有千,“紋路特徵值分析應用於乳房X光片攝影之腫瘤偵測.”國立成功大學資訊工程學系碩士論文,90年度.

指導教授

任玄(Hsuan Ren)

審核日期

2006-7-6

推文