乳腺实性病灶的半自动分割与超声表征
计算机视觉与模式识别
2017-03-27 v1
摘要
乳腺病灶的表征是在早期发现乳腺癌的关键前提。自动分割通过摆脱主观性和人为误差，使这一分类方法更加稳健。频谱特征和形态测量特征均已成功用于区分乳腺良性与恶性病灶。在本论文中，我们采用经验模态分解方法进行半自动分割。计算了回声强度、异质性、FNPA、边缘清晰度、Hurst系数、紧致度、圆度、纵横比、凸性、实性度、形状因子等声像图特征，作为表征参数。并非所有这些参数都能给出理想的对比结果，但其中回声强度、异质性、边缘清晰度、纵横比和凸性等参数表现良好，被用于表征。
引用
@article{arxiv.1703.08238,
title = {Semi-Automatic Segmentation and Ultrasonic Characterization of Solid Breast Lesions},
author = {Mohammad Saad Billah and Tahmida Binte Mahmud},
journal= {arXiv preprint arXiv:1703.08238},
year = {2017}
}