磁共振圖像造影劑動力學曲線的定量描述在惡性乳腺癌鑒別診斷的應用

磁共振圖像造影劑動力學曲線的定量描述在惡性乳腺癌鑒別診斷的應用

摘要

我國乳腺癌發(fā)病率已躍居女性惡性腫瘤的首位，且發(fā)病年齡趨于年輕化，30歲后患病女性增多。早期發(fā)現(xiàn)、早期診斷、早期治療是降低乳腺癌病死率的關鍵。針對這一問題，本文通過研究乳腺癌磁共振圖像造影劑動力學曲線，采用動力學曲線特征描述良性和惡性乳腺癌在增強模式的差異，為有效的區(qū)分良性和惡性乳腺癌提供一種新的描述手段。首先，本文利用Matlab工具，采用多項式擬合模型對初始數(shù)據(jù)進行曲線擬合，嘗試從低階到高階的多項式擬合，并比較擬合結果，生成造影劑動力學曲線。在生成造影劑動力學曲線的基礎上，提取動力學曲線特征參數(shù)，為下一步圖像分類做準備。接下來使用支持向量機（Support Vector Machines ，SVM）分類器，選取核函數(shù)并訓練，把特征選擇得到的造影劑動力學曲線參數(shù)組成向量輸入到訓練好的SVM分類器進行分類識別，從而區(qū)分良性和惡性乳腺癌。最后得到了分類結果的預測值，利用Matlab編程實現(xiàn)分類結果與真是結果的對比，查看分類準確度。分類準確度最低為0.5123，最高為0.7699。結果顯示，6階擬合后的數(shù)據(jù)分類準確度最高，效果最好。

本研究通過生成造影劑動力學曲線，對比良性和惡性乳腺癌動力學曲線，使用曲線擬合模型描述曲線特征，利用支持向量機分類器分類，能夠有效的區(qū)分良惡性乳腺癌，從而提高了診斷的準確度

關鍵詞：動力學曲線，多項式擬合，支持向量機

Abstract

...

目       錄

1.緒論1

1.1研究意義1

1.2研究現(xiàn)狀分析3

2.研究方案7

2.1研究目標7

2.2研究內容7

2.3研究方案9

2.4研究創(chuàng)新點10

2.5研究可行性分析10

2.6預期研究結果10

3.研究過程11

3.1 數(shù)據(jù)整理11

3.2對比劑動力學曲線的生成12

3.3曲線擬合13

3.4曲線特征參數(shù)提取14

3.5良性和惡性腫瘤的區(qū)分15

3.6分類結果評判16

4.結論17

4.1 結論17

4.2 存在的問題17

4.3 展望18

致謝19

參考文獻20

附錄224