智能超聲掃查與細(xì)胞學(xué)篩查——婦產(chǎn)科醫(yī)學(xué)圖像分析方法及新應(yīng)用研究.pdf

1、產(chǎn)科超聲檢查和婦科細(xì)胞學(xué)檢查是婦產(chǎn)科常用的檢查技術(shù)。其中，產(chǎn)前超聲診斷的關(guān)鍵任務(wù)是獲取感興趣解剖結(jié)構(gòu)的標(biāo)準(zhǔn)切面圖像和進(jìn)行相應(yīng)的生物學(xué)測(cè)量，然而，這兩個(gè)任務(wù)的完成質(zhì)量依賴于超聲醫(yī)師的技巧和經(jīng)驗(yàn);官頸細(xì)胞學(xué)篩查需細(xì)胞學(xué)技師使用顯微鏡從整張涂片中人工搜尋異常細(xì)胞，計(jì)算機(jī)輔助細(xì)胞檢測(cè)系統(tǒng)(CCT)則能自動(dòng)挑選出異常細(xì)胞，然而，目前的CCT尚未在臨床上廣泛使用。
　　 為降低產(chǎn)前超聲診斷結(jié)果的用戶依賴性，本論文提出“智能超聲掃查”理念，旨

2、在基于圖像分析方法實(shí)現(xiàn)早孕囊標(biāo)準(zhǔn)切面(SPGS)定位及生物學(xué)測(cè)量的自動(dòng)化;為推進(jìn)CCT的臨床應(yīng)用，本論文提出對(duì)手工液基細(xì)胞學(xué)(MLBC)制片結(jié)合蘇木素-伊紅(H&E)染色的涂片進(jìn)行“智能細(xì)胞學(xué)篩查”，旨在表明該系統(tǒng)的篩查性能與針對(duì)自動(dòng)液基細(xì)胞學(xué)制片(ALBC)結(jié)合專用染色的CCT具有可比性。
　　 本論文設(shè)計(jì)的智能超聲掃查算法框架分三步:首先，按由粗到精的檢測(cè)策略，用兩個(gè)級(jí)連AdaBoost分類器從超聲序列圖像中快速準(zhǔn)確地定位出

3、候選孕囊;然后利用序列圖像中解剖結(jié)構(gòu)之間的相對(duì)位置關(guān)系，排除假陽(yáng)性檢測(cè)結(jié)果，并選出SPGS;最后，提出一種數(shù)據(jù)庫(kù)引導(dǎo)的多尺度標(biāo)準(zhǔn)割算法，用于獲取孕囊的初始輪廓，并基于此，使用改進(jìn)的蛇模型修正孕囊輪廓，進(jìn)而得到測(cè)量結(jié)果。上述算法測(cè)試于來(lái)自31位孕婦的31段超聲視頻，結(jié)果顯示，系統(tǒng)和超聲醫(yī)師在SPGS選擇、長(zhǎng)徑測(cè)量、前后徑測(cè)量等三個(gè)方面的差異分別為:7.5％±5.0％、5.5％±5.2％、6.5％±4.6％。進(jìn)一步的驗(yàn)證表明，智能超聲掃查的

4、精度在醫(yī)生間的差異范圍內(nèi)。因此，本論文認(rèn)為，對(duì)二維超聲影像中的早孕囊進(jìn)行智能掃查，是一項(xiàng)可行的、可重復(fù)的和可靠的方法。此外，本論文提出的智能超聲掃查算法框架經(jīng)擴(kuò)展后，有望應(yīng)用到其他胎兒解剖結(jié)構(gòu)的掃查任務(wù)中。
　　 本論文對(duì)智能細(xì)胞學(xué)篩查系統(tǒng)的研究工作主要集中在自動(dòng)細(xì)胞分割和分類兩個(gè)方面。在分割方面:1）提出結(jié)合A*通道與混合多類分割的方法，能準(zhǔn)確分割H&E染色圖像中的細(xì)胞質(zhì);2）提出適用于異常細(xì)胞核分割的局部自適應(yīng)圖割算法;3）

5、聯(lián)合兩種基于凹點(diǎn)對(duì)的分離算法有效分離粘連細(xì)胞核。在分類方面:1)設(shè)計(jì)了一個(gè)基于監(jiān)督學(xué)習(xí)的官頸細(xì)胞分類框架;2）新加入的粗糙度索引和局部二值模式(LBP)均值等特征能有效排除雜質(zhì)和正常細(xì)胞;3）采用特征預(yù)處理技術(shù)提高分類器識(shí)別異常細(xì)胞的敏感性;4）利用細(xì)胞核面積上下文信息和近似的細(xì)胞質(zhì)特征提高識(shí)別正常細(xì)胞的特異性。細(xì)胞病理學(xué)家使用智能細(xì)胞學(xué)篩查系統(tǒng)對(duì)43張涂片（21例異常，22例正常）做初篩，取得88.1％的敏感性和100％的特異性。初學(xué)