基于Gabor特征的乳腺肿瘤MR图像分类识别模型

作者：袁高腾; 刘毅慧^*; 黄伟; 胡兵

来源：山东大学学报(工学版), 2020, 50(03): 15-23.

• 乳腺肿瘤
• 核磁图像
• Gabor
• 纹理分析
• 机器学习

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。

• 单位
  生命科学学院; 山东省医学科学院; 山东省肿瘤防治研究院; 济南大学; 齐鲁工业大学; 山东第一医科大学