基于触诊成像的肿块识别系统研究与设计

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (10): 218-222.

基于触诊成像的肿块识别系统研究与设计

王向鸿，钟莹，孙一心，李醒飞

天津大学精密测试技术与仪器国家重点实验室，天津 300072

出版日期:2016-05-15 发布日期:2016-05-16

Research and design of tumor recognition system based on tactile imaging

WANG Xianghong, ZHONG Ying, SUN Yixin, LI Xingfei

State Key Laboratory of Precision Measurement Technology and Instruments, Tianjin University, Tianjin 300072, China

Online:2016-05-15 Published:2016-05-16

摘要/Abstract

摘要： 乳腺癌的早期发现对于乳腺癌的治疗有十分重要的意义，设计了基于触诊成像的肿块识别系统。该系统由压力信号检测单元、信号控制单元和图像处理单元组成，压力信号检测单元实现压力信号的采集，信号控制单元由FPGA控制多路开关的选通来扫描压力阵列传感器的电容信号，并将数据通过EZ-USB发送给上位机，图像处理单元对压力图像进行处理来滤除噪声。其中图像处理单元是该系统的枢纽，运用最小二乘曲面拟合校正压力图像，最大类间方差法和基于滤波的图像邻域评级技术对压力图像进行分割，对压力图像进行线性插值来提高图像分辨率。实验结果表明，该系统可以在复杂噪声图像中有效地识别出肿块。

关键词: 乳腺癌, 触诊成像, 触觉传感器阵列, 最大类间方差法

Abstract: Early detection of breast cancer is significant for breast cancer treatment. A tumor recognition system based on tactile imaging is researched and designed, which consists of pressure signal acquisition unit, signal control unit and image processing unit. Pressure signal acquisition unit is employed to acquire pressure signal. Signal control unit sends the capacitor data of tactile sensor array received from PCap01 to host computer by EZ-USB. Image processing unit is used for filtering the noise of stress image, including least square method, Otsu method, pixel neighborhood rating based filtering and image linear interpolation. Experiment results show tumor recognition system has the ability to identify tumor in complex noisy image.

Key words: breast cancer, tactile imaging, tactile sensor array, Otsu method

王向鸿，钟莹，孙一心，李醒飞. 基于触诊成像的肿块识别系统研究与设计[J]. 计算机工程与应用, 2016, 52(10): 218-222.

WANG Xianghong, ZHONG Ying, SUN Yixin, LI Xingfei. Research and design of tumor recognition system based on tactile imaging[J]. Computer Engineering and Applications, 2016, 52(10): 218-222.

[1]	刘琳琳，叶强，何灵敏. 基于SENet多路网络的乳腺癌转移检测[J]. 计算机工程与应用, 2021, 57(16): 190-196.
[2]	杜婧，滕婧，马卞，张奥鑫. 基于贝叶斯方法的乳腺癌预后分析[J]. 计算机工程与应用, 2020, 56(3): 146-151.
[3]	李华，杨嘉能，刘凤，南方哲，钱育蓉. 基于深度学习的乳腺癌病理图像分类研究综述[J]. 计算机工程与应用, 2020, 56(13): 1-11.
[4]	古亭，李子印，王乐. 基于距离变换的粘连蚕茧分割方法[J]. 计算机工程与应用, 2019, 55(23): 177-181.
[5]	何雪英，韩忠义，魏本征. 基于深度学习的乳腺癌病理图像自动分类[J]. 计算机工程与应用, 2018, 54(12): 121-125.
[6]	杨恢先1，颜微2，谭正华2，李淼1，蔡勇勇1. 改进的灰度-局部方差二维直方图图像分割[J]. 计算机工程与应用, 2017, 53(4): 209-213.
[7]	王妍，王履程，郑玉甫，雷涛. 基于区域生长的极光图像分割方法[J]. 计算机工程与应用, 2016, 52(23): 190-195.
[8]	黄丽丽1，杨帆2，王东强2，唐云建2. 基于改进型最大类间方差法的瞳孔定位方法[J]. 计算机工程与应用, 2013, 49(23): 137-140.
[9]	张剑飞，陈桂兰，岳新. 纤维板孔穴显微图像的检测方法[J]. 计算机工程与应用, 2011, 47(8): 170-171.
[10]	白明明¹，孙辉²，吴烈阳¹. 基于小生境粒子群算法的图像分割方法[J]. 计算机工程与应用, 2010, 46(3): 183-185.
[11]	匡芳君^1，2，徐蔚鸿^1，3，王艳华³. 区域标记在碎米率检测中的研究[J]. 计算机工程与应用, 2010, 46(12): 204-206.
[12]	刘思伟¹，李彬¹，田联房¹，陈萍². 头部CT图像多阈值分割的优化实现[J]. 计算机工程与应用, 2009, 45(22): 191-193.