多视角乳腺X线图像的乳腺癌检测与分类方法研究的中期报告.docx

多视角乳腺X线图像的乳腺癌检测与分类方法研究的中期报告
本研究旨在利用多视角乳腺X线图像进行乳腺癌的检测与分类。本中期报告将介绍研究的背景、研究方法、实验结果以及未来工作计划。
一、研究背景
乳腺癌是女性常见的恶性肿瘤之一，也可能发生在男性身上。乳腺癌的早期检测和治疗对患者的生存和生命质量至关重要。乳腺X线检查是一项重要的乳腺癌筛查方法，但是对于图像的分析和诊断需要经验丰富的医生，而且存在主观性和误诊率高等问题。因此，研究如何利用计算机视觉技术辅助医生进行乳腺癌的检测和分类，具有重要的现实意义和应用价值。
二、研究方法
本研究采用了以下的研究方法：
1.数据集
从国际上公开的MIAS（MammographyImageAnalysisSociety）数据集中选择了240张不同视角的乳腺X线图像，其中120张为正常图像，120张为癌症图像（其中包括了61张恶性乳腺癌和59张良性乳腺癌）。
2.特征提取
采用了三种特征提取方法，包括局部二值模式（LBP）、灰度共生矩阵（GLCM）和颜色矩特征。
3.分类模型
采用了支持向量机（SVM）和多层感知器（MLP）两种机器学习算法进行分类。
4.实验评估
采用交叉验证的方法对模型进行评估，包括准确率、精确率、召回率和F1-score等指标。
三、实验结果
使用了三种特征提取方法和两种分类算法，实验结果如下：
1.特征提取方法对比
使用三种特征提取方法进行分类比较，结果如下表所示：
|特征提取方法|SVM准确率|MLP准确率|
|------------|---------|---------|
|LBP特征|80.75%|77.08%|
|GLCM特征|82.50%|80.42%|
|颜色矩特征|78.33%|75.83%|
2.分类算法对比
使用不同的分类算法进行分类比较，结果如下表所示：
|分类算法|LBP准确率|GLCM准确率|颜色矩准确率|
|--------|---------|---------|-----------|
|SVM|80.75%|82.50%|78.33%|
|MLP|77.08%|80.42%|75.83%|
四、未来工作计划
根据实验结果和分析，本研究的下一步工作计划如下：
1.尝试其他的特征提取方法，例如小波变换、Gabor滤波器等；
2.尝试其他的分类算法，例如决策树、逻辑回归等；
3.考虑图像增强和预处理方法，如直方图均衡化、去噪等；
4.扩充数据集，尽可能地覆盖更多种类的乳腺癌病例；
5.最终目标是开发一个准确性高、稳定性好、易用性强的乳腺癌检测和分类软件系统。