公共文化服务平台

共 5 条记录，以下是 1-3

全选清除导出

排序方式：

计算机辅助鉴别乳腺良、恶性肿块的临床价值被引量：2: 2009年; 目的提出～种基于灰度级二维直方图的计算机辅助分割算法，对乳腺高频超声图像中的肿块进行自动识别和分割处理，旨在提高乳腺良、恶性肿块的检出准确率。方法采集100个乳腺肿块二维超声图像共466张（原片），应用计算机软件对原片进行分割处理，得到分割后图片。超声医师采用双盲法分别根据原片和分割后图片中的超声征象进行良、恶性判断，运用受试者工作曲线（ROC曲线）计算曲线下面积（A），比较前后两次诊断结果，分析图片处理前后诊断结果的差异性。结果处理后的图片中乳腺肿块的边缘、钙化等信息明显突出。超声医师对良、恶性肿块的确诊率明显提高。当特异性为74．31％时，诊断敏感性由基于原片的70．32％提高到图片分割后的90．52％。ROC曲线下面积由分割前的80．8％上升到90．5％，差异有统计学意义（P〈0．01）。结论此分割算法能明显优化乳腺肿块的边缘信息，较好地突显肿块内微钙化，在一定程度上降低漏诊率和误诊率，提高乳腺良恶性肿块的确诊率。; 田家玮宁春平郭延辉王影张英涛郑桂霞刘研; 关键词：超声检查乳腺疾病

应用增强算法辅助乳腺肿块的超声诊断研究被引量：1: 2010年; 目的探讨基于模糊逻辑和纹理分析的增强算法对超声图像乳腺肿块良恶性的检测与分类的价值。方法研制增强算法和软件程序，选用211个病例603张乳腺肿块超声图片（其中良性109例，恶性102例）进行增强处理，以手术病理结果作为金标准，超声专家通过对原始乳腺肿块图片和处理后乳腺肿块图片进行分析，区分乳腺肿块的良、恶性，利用ROC曲线下面积（Az）表示增强前后的诊断性能，得出其敏感性、特异性、阳性预测值及阴性预测值，计算常规超声检查和增强后诊断的正确诊断率。结果增强后乳腺肿块的超声诊断结果与病理诊断结果符合率明显提高，敏感性从原片的75．4％提高至89．6％，特异性从66．7％提高至91．2％，准确率从78．20％提高至89．57％。ROC曲线计算出增强前、后乳腺图片对乳腺肿块的定性诊断Az面积：原始图片A1=0．842，增强图片A2=0．914，Z值为5．101，二者之间差异有显著统计学意义（P〈0．001）。结论新的超声图像增强算法明显改善了图像质量，提高了乳腺肿块的正确诊断率，减低误诊率，可为乳腺肿块良、恶性的诊断提供可靠依据。; 田家玮苏雁欣王影承恒达郭延辉张英涛; 关键词：超声检查乳腺疾病图像增强

多示例学习在多ROI乳腺肿瘤分类中的应用被引量：1: 2011年; 在传统超声乳腺肿瘤分类系统中，ROI提取算法的精确性很大程度上决定了最终分类效果的好坏，同时传统分类系统中每个样本都要求只提取肿瘤ROI，在样本被提取出多个ROI的情况下传统分类算法适用性差。本文提出了两种适合于本类图像的包结构构造方法，首先将多示例学习算法引入到超声乳腺肿瘤分类问题中，从而解决了上述多ROI分类问题。通过实验验证，文中方法在此类问题中较传统超声乳腺肿瘤分类方法分类效果有较大提高。; 胡聪黄剑华张英涛唐降龙; 关键词：乳腺超声多示例学习纹理特征

全选清除导出

共1页<1>

国家自然科学基金(30670546)