基于NSCT的乳腺图像分类方法

乳腺癌是女性最为常见的一种癌症。虽然随着医疗的发展,乳腺癌的诊断和治疗技术都有所提高,但是由于不能在乳腺癌早期及时做出诊断,导致乳腺癌的死亡率依然很高。针对此现象,对基于非下采样轮廓变换法(nonsubsampled contourlet transform,NSCT)的乳腺X线图像的分类方法进行了研究。该方法首先对乳腺X线图像的感兴趣区域(region of interest,ROI)进行多分辨的NSCT分解,然后用泽尼克矩(Z-Moments)对NSCT分解后的图像进行特征提取;其次对每一个感兴趣区域所提取的特征形成的矩阵进行奇异值分解(singular value decomposition,SVD),以提取重要的可以概括全局的特征。该方法组合了纹理和形状特征,使用支持向量机(support vector machines,SVM)分类算法将乳腺X线图像分类为正常、良性和恶性,实现了乳腺病变的检测和分类。通过实验可以看出,该方法的准确率达到了96.76%,并且训练时间大大减少,与其他目前最先进的方法相比,在准确率和时间效率上都取得了显著的成效。