基于Kmean和ELM的乳腺肿块检测方法OA北大核心CSCDCSTPCD
Detection of masses in mammograms using Kmeans and Extreme Learning Machine
肿块是乳腺癌在X线图像上的一个主要表现。提出了一种肿块自动检测算法。该方法包括四个步骤：在图像预处理阶段，去除背景、标记、胸肌和噪声，图像分割和图像增强；利用Kmean方法找到感兴趣区域（ROI）；提取能够表征肿块的特征；利用极限学习机（Extreme Learning Machine，ELM）分类器去除假阳性，将图像中的肿块和非肿块分离开来。通过对MIAS数据库中乳腺X线图像的测试实验，得到的检测肿块的准确率为93.5%。
Mass detection on mammography is an effective method for breast cancer diagnoses. An automated mass detection method is proposed, including four steps:mammograms are preprocessed to remove background, tags, pectoral muscles;K-mean method is used to segment the Region Of Interest(ROI);features of mass such as shape and texture are extracted;a machine learning method is then applied to identify masses from ROIs using features. The mammograms of MIA…查看全部>>
王梦珍;刘立;王建
天津大学 电子信息工程学院，天津 300072天津大学 电子信息工程学院，天津 300072天津大学 电子信息工程学院，天津 300072
信息技术与安全科学
乳腺肿块检测Kmean特征提取极限学习机(ELM)
detection of massesKmeanfeature extractionExtreme Learning Machine(ELM)
《计算机工程与应用》 2015 (12)
基于Kansa建模的单幅彩色图像阴影去除方法研究
171-175,5
国家自然科学基金（No.61002030）。
评论