首页/论文/0911.0490

arXiv 0911.04902009-11-03cs.CV

使用多级阈值的乳腺癌检测

Breast Cancer Detection Using Multilevel Thresholding

Noorul Islam College of Engineering（努鲁尔伊斯兰工程学院）；MIT（马德拉斯理工学院）

Y. Ireaneus Anna Rejani, S. Thamarai Selvi

备注：: 5 pages IEEE format, International Journal of Computer Science and Information Security, IJCSIS 2009, ISSN 1947 5500, Impact Factor 0.423, http://sites.google.com/site/ijcsis/
发表信息：: International Journal of Computer Science and Information Security, IJCSIS, Vol. 6, No. 1, pp. 111-115, October 2009, USA

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文提出了一种算法，其目的是帮助放射科医生在其早期阶段识别乳腺癌。它结合了几种图像处理技术，如图像负片，阈值和分割技术，用于检测乳房X线照片中的肿瘤。该算法是通过使用乳房X线图像分析协会的乳房X线照片进行验证。通过应用这些技术所获得的结果进行了说明。

英文摘要：

This paper presents an algorithm which aims to assist the radiologist in identifying breast cancer at its earlier stages. It combines several image processing techniques like image negative, thresholding and segmentation techniques for detection of tumor in mammograms. The algorithm is verified by using mammograms from Mammographic Image Analysis Society. The results obtained by applying these techniques are described.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

一种用于发现多级图像阈值计数和值的动态规划框架

A Dynamic Programming Framework for Discovering Count and Values of Multilevel Image Thresholding

German University in Cairo（埃及盖尔马大学）

提出一种基于动态规划和改进最小误差阈值准则的自动多级阈值方法，能自动确定阈值数量，在速度上优于传统动态规划方法，但SSIM和PSNR略低。

2026-05-26cs.CV

基于收敛异质粒子群算法的T2加权脑MRI图像多尺度分割

Multilevel Thresholding Segmentation of T2 weighted Brain MRI images using Convergent Heterogeneous Particle Swarm Optimization

University of Ottawa（渥太华大学）

提出了一种新的基于探试法的图像阈值分割方法--收敛异构粒子群优化算法。该算法采用了一种新的策略，搜索问题空间划分成子群的群体。每个子群粒子分别寻找更好的解，导致更好的开发，而他们相互合作，以找到最佳的全局位置。上述合作的结果是更好的探索，收敛，它能够使算法从局部最优解跳到更好的点。并以医学图像的阈值分割为例说明了该方法的实际应用。我们考虑了两个经典的阈值技术的大津和Kapur分别作为优化方法的目标函数，并应用于一组脑MR图像。对比实验结果表明，该方法优于另一个国家的最先进的方法从文献中的准确性，计算时间和稳定的结果。

2016-05-16cs.CV

基于电磁优化的多级阈值分割算法

A multilevel thresholding algorithm using Electromagnetism Optimization

Universidad Complutense（马德里康普顿斯大学）；Universidad de Guadalajara（瓜达拉哈拉大学）；Centro de Investigación en Computación-IPN（墨西哥国立理工学院计算研究中心）

图像分割是图像处理中的重要任务之一。其在于根据像素的强度水平和阈值将像素分类为两个或更多个组。分割的质量取决于应用于选择阈值的方法。使用经典的实现多级阈值是计算昂贵的，因为他们穷尽搜索最佳值，以优化目标函数。在这样的条件下，优化进化方法的使用得到了扩展。类电磁算法（EMO）是一种模拟电荷之间的吸引排斥机制来进化种群成员的进化方法。与其他算法不同的是，EMO具有有趣的搜索能力，同时保持了较低的计算开销。提出了一种基于EMO的多级阈值分割算法。该方法结合了EMO算法的良好搜索能力和由流行的MT方法Otsu和Kapur提出的目标函数。该算法从图像直方图内部的可行搜索空间中随机抽取样本。这样的样本在EMO上下文中构建每个粒子，而考虑到Otsu或Kapur方法所采用的函数的目标来评估其质量。在这些目标值的指导下，通过EMO算子对候选解集进行进化，直到找到最优解，该方法生成一个多级分割算法，该算法可以在减少的迭代次数内有效地识别数字图像的阈值。实验结果表明，EMO的实施数字图像分割的性能证据。

2014-06-24cs.CV

基于快速统计递归算法的图像分割的多级保持

Multilevel Thresholding for Image Segmentation through a Fast Statistical Recursive Algorithm

提出了一种利用图像的均值和方差进行多层次分割的新算法。从直方图两端的极端像素值开始，该算法递归地应用于从上一步骤计算的子范围，以便为下一步骤找到阈值水平和新的子范围，直到不能实现图像质量的显著改善。该方法利用了这样一个事实：在方差消失的限制条件下，许多分布倾向于狄拉克δ函数，在均值处达到峰值。该过程自然地提供了可变大小的分割，其中在极端像素值附近具有较大的块，并且在平均值或其他选择的值周围具有更精细的划分，以实现更好的可视化。对多种图像的实验表明，新算法在计算量很小的情况下有效地分割了图像。

2006-02-12cs.CV

基于完全信息布谷鸟搜索算法的多级图像保持

Multilevel Image Thresholding Using a Fully Informed Cuckoo Search Algorithm

College of Electronic Science, National University of Defense Technology（国防科技大学电子科学学院）

虽然有效的分割，传统的多级阈值的方法是计算昂贵的穷举搜索用于最佳阈值，以优化目标函数。为了克服这个问题，基于种群的元启发式算法被广泛用于提高搜索能力。在本文中，我们改进了一个流行的元启发式称为布谷鸟搜索使用环拓扑结构的完全知情的战略。在该策略中，种群中的每个个体都从其邻域中学习，以提高种群的合作性和学习效率。该方法从初始随机阈值出发，得到最优解或最佳适应值，并通过相关函数评价其优劣。实验结果已被检查的各种数量的阈值。实验结果表明，该算法比其他四种常用的方法具有更高的精度和效率。

2020-05-31cs.CVcs.NE

一种小波域多级采样的快速统计方法

A Fast Statistical Method for Multilevel Thresholding in Wavelet Domain

Jaypee University of Engineering & Technology（杰皮工程与技术大学）；Indian Institute of Science Education and Research- Kolkata（印度科学教育与研究学院-加尔各答）

提出了一种基于小波域均值和标准差的图像多层次分割算法。该过程提供了可变大小分割，其中在平均值周围具有较大的块大小，并且在每个水平、垂直和对角分量的直方图的端部处具有较小的块，而对于近似分量，其提供了在平均值周围的更精细的块大小，并且在直方图系数的端部处具有较大的块。实验结果表明，与同类空域算法相比，该算法具有更低的时间复杂度、更好的PSNR和结构相似性度量指标[1]。在这个过程中，它突出显示了原始图像中不可感知的更精细的图像结构。值得强调的是，在分割后，只有16个（在阈值水平3）小波系数捕捉图像的显着变化。

2010-12-30cs.CVnlin.CD

更多相关论文收起更多论文

用于超声图像中乳腺病灶分割的多级感知边界引导网络

Multilevel Perception Boundary-guided Network for Breast Lesion Segmentation in Ultrasound Images

Guizhou University（贵州大学）；College of Computer Science and Technology, Guizhou University（贵州大学计算机科学与技术学院）；Engineering Research Center of Text Computing & Cognitive Intelligence, Ministry of Education（教育部文本计算与认知智能工程研究中心）；Key Laboratory of Intelligent Medical Image Analysis and Precise Diagnosis of Guizhou Province（贵州省智能医学影像分析与精准诊断重点实验室）；State Key Laboratory of Public Big Data（公共大数据国家重点实验室）

针对超声图像中乳腺肿瘤边界分割不佳的问题，提出多级感知边界引导网络PBNet，通过融合多级语义信息与边界引导特征，并引入多级边界增强损失，显著提升了分割精度。

2023-10-23cs.CVeess.IV

一种基于无偏估计的快速图像分层分割方法

A Fast Hierarchical Multilevel Image Segmentation Method using Unbiased Estimators

University of California San Diego（加州大学圣迭戈分校）；Schlumberger Technology Center（斯伦贝谢技术中心）

本文提出了一种新的方法，图像分割的分层多级阈值。该方法是全球性的，凝聚的性质和无视像素位置。它涉及类内方差与类间方差的无偏估计量之比的优化。我们得到一个递归关系，在每一步的方差，加快了这一进程。该方法的有效性与一些众所周知的方法进行了比较。

2007-12-24cs.CV

基于迭代VMD辅助Zernike矩和纹理特征的乳腺癌组织病理图像分类

Classification of histopathological breast cancer images using iterative VMD aided Zernike moments & textural signatures

Techno India University, West Bengal（西孟加拉邦Techno印度大学）

本文提出了一种基于多层迭代变分模式分解（VMD）的乳腺癌自动诊断新方法，并从VMD分量中提取了包含Zernaike矩、分形维数和熵特征的纹理特征，即Kapoor熵、Renyi熵和Yager熵特征。该方法将组织病理学图像视为一组多维空间演化信号。采用ReliefF算法选择判别特征，将统计上最显著的特征输入平方支持向量机进行分类。我们评估了所提出的方法在公开的Breakhis数据集上的效率，该数据集包含从82名良性和恶性病例中收集的7，909张乳腺癌组织学图像。实验结果表明，所提出的方法在性能优于最先进的，同时实现了89.61%和88：23%的平均分类率分别使用三倍和十倍交叉验证策略的有效性。该系统可以帮助病理学家对活检样本进行准确可靠的诊断。BreakHis，一个公开的数据集，可在http://web.inf.ufpr.br/vri/breast-cancer-database上获得。

2018-01-15cs.CV

基于多级阈值的布谷鸟搜索灰度图像分割

Multilevel Threshold Based Gray Scale Image Segmentation using Cuckoo Search

Gobindapur Sephali Memorial Polytechnique；JIS College of Engineering（JIS工程学院）；Jadavpur University（贾达普大学）

图像分割是一种将原始图像划分为不同类别的技术。许多可能的解决方案可用于将图像分割成一定数量的类，每个类具有不同的分割质量。在我们提出的方法中，多级阈值技术已被用于图像分割。提出了一种新的布谷鸟搜索算法来选择最优阈值。换句话说，该算法用于从初始随机阈值或解中获得最佳解，并使用相关函数来评估解的质量。最后，测量MSE和PSNR以了解分割质量。

2013-07-01cs.CV

基于深度神经网络的乳腺癌淋巴结自动分级

Automatic breast cancer grading in lymph nodes using a deep neural network

University of Heidelberg（海德堡大学）；DKFZ Heidelberg（海德堡德国癌症研究中心）

乳腺癌的进展可以在淋巴结全载玻片图像（WSIs）中量化。我们描述了一种新的方法，有效地进行分类的全载玻片图像和患者水平的乳腺癌分级。我们的方法利用了深度神经网络。该方法对小块进行分类，并使用模型平均进行提升。在第一步中，感兴趣区域的补丁被确定和裁剪自动颜色阈值，然后由深层神经网络分类。分类结果用于确定载玻片级别类别，并用于进一步聚合以预测患者级别等级。我们的方法的快速处理速度使得高通量图像分析成为可能。

2017-07-24cs.CVcs.LG

图像阈值化：理解评估指标对特定评估函数的偏差

Image Thresholding: Understanding Bias of Evaluation Metrics towards Specific Evaluation Functions

German University in Cairo（埃及开罗德国大学）

本文通过分析BSDS500数据集上所有可能阈值的阈值化目标函数与质量指标的相关性，揭示了Otsu准则与SSIM和PSNR的高相关性，以及Kapur熵的弱相关性，表明存在固有的指标-目标函数偏差。

2026-05-26cs.CV

基于MultiResUnet神经网络的红外乳腺图像分割

Segmentation of Infrared Breast Images Using MultiResUnet Neural Network

The George Washington University Medical Center（乔治华盛顿大学医学中心）

乳腺癌是美国女性死亡的第二大原因。早期发现乳腺癌是提高乳腺癌患者生存率的关键。我们正在研究红外线（IR）热成像作为一种非侵入性的辅助乳房X线摄影乳腺癌筛查。红外成像是无辐射、无痛和非接触的。从采集的全尺寸乳腺IR图像中自动分割乳腺区域将有助于限制肿瘤搜索的区域，并减少手动分割的时间和精力成本。在以往的研究中，类似自动编码器的卷积和去卷积神经网络（C-DCNN）已被应用于自动分割红外图像中的乳腺区域。在这项研究中，我们应用了最先进的深度学习分割模型MultiResUnet，该模型由捕获特征的编码器部分和精确定位的解码器部分组成。它被用来分割乳房区域，通过使用一组乳房红外图像，在我们的试点研究中收集的成像乳腺癌患者和正常志愿者与热红外相机（N2成像仪）。我们使用的数据库有450张图像，来自14名患者和16名志愿者。我们使用阈值化的方法去除原始图像中的干扰，并将它们从原始的16位重新映射到8位，然后手动裁剪和分割8位图像。使用留一法交叉验证（LOOCV）的实验和使用Tanimoto相似性与地面真实图像的比较表明，MultiResUnet的平均准确率为91.47%，比自动编码器高出约2%。MultiResUnet提供了一种比我们以前的模型更好的方法来分割乳腺IR图像。

2020-10-31cs.CVeess.IV

基于细菌觅食优化的脑磁共振图像分割

Bacterial foraging optimization based brain magnetic resonance image segmentation

National Institute of Technology, Silchar（锡尔杰尔国立技术学院）

分割将图像分割成其组成部分。它本质上是图像分析和计算机视觉的预处理阶段。在这项工作中，T1和T2加权脑磁共振图像分割使用多级阈值和细菌觅食优化（BFO）算法。通过最大化图像的类间方差（多级Otsu方法）来获得阈值。采用BFO算法对阈值搜索过程进行优化。然后通过比较每个像素与其八个连接邻域的强度从阈值化图像获得边缘。执行后处理以去除分割图像中的伪响应。建议的分割技术进行评估，使用边缘检测评价参数，如品质因数，兰德指数和变化的信息。提出的脑MR图像分割技术优于传统的边缘检测器，如canny和sobel。

2016-05-19cs.CVcs.NE

基于Otsu的差分进化图像分割方法

Otsu based Differential Evolution Method for Image Segmentation

National Institute of Technology, Warangal（瓦朗加尔国家理工学院）

提出了一种基于最大类间方差（OTSU）的差分进化算法用于卫星图像分割，并将该算法与其他四种基于最大类间方差（OTSU）的目标函数的改进人工蜂群算法（MABC）、人工蜂群算法（ABC）、遗传算法（GA）和粒子群算法（PSO）进行了比较。实验结果表明，本文提出的DE和OTSU分割算法能够有效、准确地分割出输入图像，其分割结果接近于其他方法。在所提出的DE和OTSU算法中，不是传递适应度函数变量，而是在获得OTSU算法中的输入级别数的阈值之后将整个图像作为输入传递到DE算法。图像分割结果是在学习图像之后获得的，而不是学习适应度变量。与其他分割方法相比，所提出的DE和OTSU算法与一些算法相比，计算时间最小化，结果令人鼓舞。

2022-10-18cs.CV

基于直方图采样的多阈值图像分割

Image Segmentation using Multi-Threshold technique by Histogram Sampling

Martin Luther Christian University（马丁·路德基督教大学）

数字图像的分割是图像处理或计算机视觉系统中必不可少的步骤之一。它有助于根据像素的强度水平将像素分成不同的区域。已经提出了大量的分割技术，其中一些使用复杂的计算操作。其中，最简单的程序，可以很容易地实现是阈值。在本文中，我们提出了一种独特的启发式方法，自动确定多级阈值的数字图像的直方图采样的图像分割。我们的方法强调选择一个山谷作为最佳阈值。我们证明了我们的方法优于流行的大津的方法在CPU的计算时间。我们证明了我们的方法优于流行的大津的方法在CPU的计算时间。我们在流行的图像处理基准测试中观察到了35.58倍的最大加速和10.21倍的最小加速。为了证明我们的方法在确定阈值的正确性，我们计算的PSNR，SSIM，和FSIM值进行比较，通过大津的方法获得的值。这种评估表明，我们的方法是可比的，更好地在许多情况下，相比，众所周知的大津的方法。

2019-09-11cs.CV

用于精确彩色皮肤癌图像分割的混合鲸鱼-泥环优化算法

Hybrid Whale-Mud-Ring Optimization for Precise Color Skin Cancer Image Segmentation

University of Jijel（吉杰尔大学）；Research Center in Industrial Technologies (CRTI)（工业技术研究中心）；University of Dubai（迪拜大学）

本文提出混合鲸鱼优化与泥环算法的WMRA方法，通过气泡网攻击和泥环策略克服局部最优停滞，实现彩色皮肤癌图像的精确多级阈值分割，在适应度、PSNR和MSE上优于现有方法。

2023-11-22cs.CVcs.CY