山东大学学报(工学版)

作者：袁高腾,刘毅慧,黄伟,胡兵

单位：1. 齐鲁工业大学(山东省科学院)计算机科学与技术学院，山东 济南 250353；2. 山东省肿瘤防治研究院，山东第一医科大学(山东省医学科学院)放疗科，山东 济南 250117；3. 济南大学医学与生命科学学院，山东 济南 250022

关键词：乳腺肿瘤,核磁图像,Gabor,纹理分析,机器学习,

基金：国家自然科学基金(81773232);国家自然科学基金(81530060);国家自然科学基金(81402538);国家自然科学基金(61375013);山东省自然科学基金(ZR2013FM20)

为研究乳腺肿瘤核磁(Magnetic Resonance，MR)图像纹理分析在鉴别乳腺纤维瘤(fibroadenoma of breast, FB)、浸润性导管癌(invasive ductal carcinoma, IDC)和浸润性小叶癌(invasive lobular carcinoma, ILC)中的临床应用价值，选择MR图像的兴趣区域并使用小波变换对MR图像进行分解，结合K-means算法完成对肿瘤区域的勾画。使用Gabor小波从8个方向、5个尺度对兴趣区域滤波，并将肿瘤部位的均值作为特征。对提取的特征进行分析、筛选，得到关键特征。比较支持向量机、贝叶斯、神经网络等不同的分类算法对关键特征进行分类预测，计算分类的准确度、灵敏度和特异性，得到最适用于分类模型的参数设置。乳腺MR图像纹理分析能够区分出常见的三类乳腺肿瘤,预测精度为77.36%。乳腺MR图像在鉴别FB、IDC和ILC方面具有重要的临床价值。

来源：2020年第3期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2020年第3期