项目名称: 基于乳腺X线图像处理的乳腺癌检测方法研究

项目编号: No.61271305

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 陈后金

作者单位: 北京交通大学

项目金额: 80万元

中文摘要: 乳腺癌是女性最常见的一种恶性肿瘤,其发病率正在不断上升,我国己成为乳腺癌发病率增长最快的国家之一。乳腺癌若能在早期得到诊断,可提高患者治疗后的生存期和生活质量。乳腺X线摄影术被认为是最可靠和最有效的乳腺癌检测方法,本课题研究基于乳腺X线的乳腺癌检测方法具有重要意义。 现有检测方法存在诸多问题:主要以美国或英国数据库为研究对象,缺乏针对中国女性常见的致密型乳腺X线图像分析;主要基于单视角乳腺X线图像,缺少多视角的病灶分析;主要进行钙化点和肿块病灶检测,缺少结构扭曲和不对称性等病理特征分析。本课题属于信息学科与医学学科的交叉学科,将针对中国女性高致密性乳腺图像的特点,利用多学科理论来研究乳腺X线图像乳腺癌检测的关键问题,建立基于信息融合思想的乳腺X线多视角分析模型,提出鲁棒的可疑病灶提取与分类方法,有效实现乳腺癌早期筛查与诊断,为临床乳腺癌风险等级评估奠定基础,提高我国乳腺癌检测和诊断水平。

中文关键词: 图像处理;乳腺癌检测;多视角融合;致密型乳腺;风险等级

英文摘要: Breast cancer is one of most common cancers among women and its morbidity is rapidly increasing. Now China has become one of the countries with the highest morbidity of breast cancers. If detected and diagnosed at the early stage, breast cancer is treatable, which will improve the life equality of patients. Mammography is considered as the most reliable and effective method for breast cancer detection. The study on breast cancer detection based on mammography images is greatly significant. There exist some disadvantages in previous detection methods. They were focused more on the American or England mammogram database and less on Chinese women's mammograms mostly with high density, more on single-view mammograms and less on multiple-view mammograms, more on micro-calcifications and masses, less on architecture distortion and bilateral asymmetry. The information discipline and medical discipline will be combined in this project research. According to the characteristics of mammograms with high density, the key problems in breast cancer detection will be studied by use of cross-discipline theory. The multiple-view analysis model will be established based on information fusion. The robust extraction and classification methods for suspicious lesions will be proposed. The screening and the diagnosis will be effective

英文关键词: Image Processing;Breast Cancer Detection;Multiple-view Fusion;Dense Mammogram;Risk Assessment

成为VIP会员查看完整内容
0

相关内容

图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
迁移学习方法在医学图像领域的应用综述
专知会员服务
59+阅读 · 2022年1月6日
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
27+阅读 · 2021年1月29日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
自动化所人工智能辅助诊断方法进入肿瘤诊疗指南
中国科学院自动化研究所
1+阅读 · 2021年9月3日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
综述 | 图像配准 Image registration
计算机视觉life
18+阅读 · 2019年9月12日
最全综述 | 图像目标检测
计算机视觉life
31+阅读 · 2019年6月24日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月14日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
迁移学习方法在医学图像领域的应用综述
专知会员服务
59+阅读 · 2022年1月6日
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
18+阅读 · 2021年11月16日
专知会员服务
27+阅读 · 2021年10月6日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
27+阅读 · 2021年1月29日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
最新《医学图像深度语义分割》综述论文
专知会员服务
94+阅读 · 2020年6月7日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
自动化所人工智能辅助诊断方法进入肿瘤诊疗指南
中国科学院自动化研究所
1+阅读 · 2021年9月3日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
综述 | 图像配准 Image registration
计算机视觉life
18+阅读 · 2019年9月12日
最全综述 | 图像目标检测
计算机视觉life
31+阅读 · 2019年6月24日
最全综述 | 医学图像处理
计算机视觉life
57+阅读 · 2019年6月15日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员