乳腺MRI腫塊分割方法的分段比較研究.pdf

1、乳腺癌是現(xiàn)代女性的常見惡性疾病之一。近年來，隨著生活壓力的日益增加，社會節(jié)奏的逐漸加快以及女性愛美的天性導致生活方式越來越不健康，熬夜、吸煙、節(jié)食以及生育后不哺乳或高齡生育等原因，乳腺癌的發(fā)病率和病死率正在不斷上升。目前，我國乳腺癌發(fā)病率正以每年的速率不斷增長。乳腺MRI圖像是目前非常重要的乳腺診斷手段，為了3％~4％提高診斷的準確性和客觀性，減輕放射科醫(yī)生的診斷工作量，利用計算機技術對影像中的病灶進行自動檢測與分割是十分必要的。

2、>　　由于醫(yī)學圖像本身的特異性與病灶對比度不夠明顯、邊緣模糊等特點，尚未有穩(wěn)定、普適的分割方法可以應對任意復雜背景下目標的檢測與分割需求。在乳腺MRI圖像的腫塊分割領域，通過反復的比較研究，尋求幾種在檢測/分割的不同階段分別專精的算法組成一套穩(wěn)定性、精度更高的分割方案，比尋找一種從初始定位（粗分割）到精分割都很理想的單一方法要更切實可行。
　　本文通過分段比較實驗，發(fā)現(xiàn)乳腺MRI圖像存在灰度值不均勻性和模糊性的特征?？臻g模糊C均值

3、(spatial FCM)聚類算法在腫塊的初始定位中具有抗噪能力和穩(wěn)定性強的特點；而GVF snake模型在精細分割中對局部輪廓具有很好的收斂性。通過配合幀間相關性，可以獲得一套穩(wěn)定的乳腺MRI圖像分割方法：選取多個不同的聚類數(shù)C使用sFCM對乳腺MRI圖像進行分割，得到的分割結(jié)果作為初始輪廓；根據(jù)得到的初始輪廓，再使用GVF snake模型對乳腺MRI圖像進行精細分割；這樣由于不同的參數(shù)C就會得到多組分割結(jié)果，再利用相鄰幀間腫塊面積、