- 3 次围观
本研究提出了一种多阶段方法，用于对热成像图像中的乳腺组织进行精准分割与分类，重点分析从多个角度（30°、45°和90°）采集的侧位图像。我们提出的算法是一种混合边界检测框架，结合扫描、跟踪和深度强化学习（DRL）算法，以精确勾画乳腺组织的外部边界。DRL智能体能够校正检测不准确的特征点，将平均定位误差降低至17.4像素。统计形状模型（SSM）用于捕捉形状变化并优化特征点对齐。基于几何弧线的方法则用于估计乳腺后侧边界，从而能够在不同侧位角度下稳健地分离乳腺组织。随后，我们利用灰度共生矩阵（GLCM）提取纹理特征，并将其输入支持向量机（SVM）分类器。所提出的流程提升了诊断性能：SVM在分割后的图像上达到了74.1%的准确率，较原始图像提高约15%，较裁剪图像提高21%。结果证明，多角度侧位图像分析与强化学习及统计形状建模相结合，能够有效提升基于热成像的乳腺癌检测性能。
利用深度强化学习和统计形状建模对热成像图像中的多角度侧位乳腺组织进行分类 | bioRxiv
跳转至主要内容
首页
关于
投稿
提醒 / RSS
搜索关键词
高级搜索
最新结果
利用深度强化学习和统计形状建模对热成像图像中的多角度侧位乳腺组织进行分类
查看 ORCID 个人资料
Fatemeh Karimi、
查看 ORCID 个人资料
Amir Hossein Foruzan、
查看 ORCID 个人资料
Yen-Wei Chen
doi：
https://doi.org/10.64898/2026.10.20.760338
Fatemeh Karimi¹
沙希德大学；
在 Google Scholar 中查找此作者
在 PubMed 中查找此作者
在本站搜索此作者
Fatemeh Karimi 的 ORCID 记录
Amir Hossein Foruzan¹
沙希德大学；
在 Google Scholar 中查找此作者
在 PubMed 中查找此作者
在本站搜索此作者
Amir Hossein Foruzan 的 ORCID 记录
通讯联系：
a.foruzan{at}shahed.ac.ir
Yen-Wei Chen²
立命馆大学
在 Google Scholar 中查找此作者
在 PubMed 中查找此作者
在本站搜索此作者
Yen-Wei Chen 的 ORCID 记录
摘要
信息/历史
指标
PDF 预览
摘要
本研究提出了一种多阶段方法，用于准确分割和分类热成像图像中的乳腺组织，重点关注以多个角度（30°、45°和90°）采集的侧位图像。我们的算法是一种混合边界检测框架，结合了扫描、跟踪和深度强化学习（DRL）算法，以精确描绘乳腺组织的外部边界。DRL 智能体能够校正检测不准确的特征点，并将平均定位误差降至17.4像素。统计形状模型（SSM）用于捕捉形状变异并优化特征点对齐。一种几何
基于弧线的方法估计乳房后部边界，有助于在各种侧位角度下稳健地分离乳腺组织。随后，我们使用灰度共生矩阵（GLCM）提取纹理特征，并将其输入支持向量机（SVM）分类器。所提出的流程提升了诊断性能：SVM 在分割后的图像上达到 74.1% 的准确率，比原始图像高约 15%，比裁剪后的图像高 21%。结果证明，多角度侧位分析与强化学习和统计形状建模相结合，能够提升基于热成像的乳腺癌检测效果。
利益冲突声明
作者声明不存在利益冲突。
版权
本预印本的版权归作者／资助方所有；其已授予 bioRxiv 许可，允许 bioRxiv 永久展示该预印本。
本文依据 CC-BY-NC-ND 4.0 国际许可协议提供。
返回顶部
上一篇
下一篇
发布于 2026 年 10 月 23 日。
下载 PDF
电子邮件
感谢您有意帮助传播 bioRxiv 上的内容。
注意：系统请求提供您的电子邮件地址，仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请在不同的行中输入多个地址，或用逗号分隔。
您即将通过电子邮件发送以下内容：
《利用深度强化学习和统计形状建模对热成像图像中的多角度侧位乳腺组织进行分类》
邮件主题
（您的姓名）向您转发了 bioRxiv 上的一个页面
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这个页面感兴趣。
您的个人留言
验证码
此问题用于确认您是否为真人访客，并防止自动垃圾信息提交。
分享
多角度侧位……
基于深度强化学习与统计形状建模的热成像多角度侧视乳腺组织分类
Fatemeh Karimi、Amir Hossein Foruzan、Yen-Wei Chen
bioRxiv
2026.10.20.760338
doi：https://doi.org/10.64898/2026.10.20.760338
分享本文：
复制
引用工具
基于深度强化学习与统计形状建模的热成像多角度侧视乳腺组织分类
Fatemeh Karimi、Amir Hossein Foruzan、Yen-Wei Chen
bioRxiv
2026.10.20.760338
doi：https://doi.org/10.64898/2026.10.20.760338
引用管理器格式
BibTeX
Bookends
EasyBib
EndNote（带标签）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks（带标签）
Ref Manager
RIS
Zotero
推文组件
Facebook 点赞
Google Plus +1
学科领域
所有文章
动物行为与认知（8164）
生物化学（19027）
生物工程（15171）
生物信息学（45327）
生物物理学（22958）
癌症生物学（20109）
细胞生物学（27298）
临床试验（138）
发育生物学（14143）
生态学（21395）
流行病学（2067）
进化生物学（25782）
遗传学（16342）
基因组学（23828）
免疫学（19018）
微生物学（43184）
分子生物学（18339）
神经科学（95050）
古生物学（712）
病理学（3031）
药理学与毒理学（5198）
生理学（8280）
植物生物学（16269）
科学传播与教育（2115）
合成生物学（4644）
系统生物学（10383）
动物学（2426）
关键词：乳腺热成像 · 深度强化学习 · 统计形状模型 · 图像分割 · 乳腺癌分类
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.20.760338v1?rss=1