基于鉬鈀圖像的計算機輔助乳腺癌檢測系統(tǒng)中關(guān)鍵技術(shù)研究.pdf

1、乳腺癌是女性最常見的惡性腫瘤之一,早期的檢測能極大地降低死亡率。鉬靶成像技術(shù)采用低劑量X射線檢查婦女的乳房,是臨床上女性乳腺癌疾病最常用的檢測手段。醫(yī)生通過觀察鉬靶圖像中的鈣化、腫塊等異常區(qū)域來診斷婦女乳腺癌,但是圖像的閱讀對醫(yī)生的臨床經(jīng)驗要求較高,診斷結(jié)果往往也會受主觀因素的影響,因此研制可靠的計算機輔助診斷系統(tǒng)具有重要的現(xiàn)實意義。
　　 本文主要對基于鉬靶成像技術(shù)的計算機輔助癌癥診斷系統(tǒng)的一些關(guān)鍵技術(shù)進行了研究,主要開展的工

2、作如下:
　　 1)圖像增強是計算機輔助癌癥診斷系統(tǒng)中得到醫(yī)生肯定的一種技術(shù)并得到了廣泛的應(yīng)用。本文對JPEG壓縮圖像的增強技術(shù)進行了研究,提出了一個新的基于DCT域的/PEG壓縮的圖像的增強算法。在該算法中,根據(jù)用戶給定目標的對比度值和視覺質(zhì)量要求,先增強每個DCT塊,再將整個圖像進行解壓,采用遺傳算法搜索最優(yōu)參數(shù)設(shè)置來對圖像進行增強。通過客觀測試和主觀測試,這種新的算法有效減少增強效果所帶來的邊塊效應(yīng),大大提高了醫(yī)生對乳腺非

3、正常區(qū)域的辨別。
　　 2)目前腫塊的分割多采用人工方式或半自動分割方式,人工分割方式效率不高,半自動分割方式也需要人工干預(yù),本文將兩種常用的圖像分割方法進行了結(jié)合,提出了一種全自動的乳腺腫塊分割算法。該算法先用標記分水嶺算法對乳腺腫塊進行粗分割,然后使用本文改進的水平集活動輪廓方法對腫塊進行精確分割。分水嶺分割運行速度快,水平集方法分割精準,新的算法結(jié)合這兩種方法的優(yōu)點,加快了整個分割處理的過程,并提高了分割效率。此外,該方法

4、具有良好的拓撲適應(yīng)性,它可以處理形狀較為復雜的乳腺腫塊。
　　 3)典型的良性腫塊具有圓形、平滑且清晰的邊界特征,而惡性腫瘤通常具有多刺、粗糙且模糊的邊界特征,邊界的特征是腫塊良惡性診斷的重要依據(jù)。乳腺腫塊區(qū)域被分割出來以后,除了提取腫塊的統(tǒng)計特征、幾何特征和紋理特征等常用特征以外,本文提出了梯度信息中的一套新特征。該特征由乳腺腫塊邊界及腫塊與圖像背景問帶狀區(qū)域所提取,用來表達基于輪廓像素相對梯度走向的突刺結(jié)構(gòu),此類特征的增加提

5、高了分類結(jié)果的準確率。此外,本文在經(jīng)典LBP(局部二進模式)的基礎(chǔ)上提出了ILBP(改進的局部二值模式)算子。該算子將圖像塊的中位數(shù)作為新的閾值,并且保持了中心像素值的信息。從1×1到9×9的圖像塊提取ILBP特征以后的分類結(jié)果表明使用新特征的分類準確率比使用原始的LBP特征的分類準確率提高了5％左右。
　　 4)腫塊分類可作為計算機輔助診斷乳腺癌的重要依據(jù)。目前乳腺腫塊的分類主要基于單分類器算法或改進算法。為了滿足對腫塊特征普

6、適性和魯棒性的要求,本文將諸多特征融合來訓練分類器;同時研究了各種不同的分類算法來識別腫塊的良惡性,包括LDA(線性判別分析)+KNN(K最鄰近結(jié)點算法),RF(隨機森林)算法和SVM(支持向量機)等;并在大型數(shù)據(jù)樣本集中對上述算法進行了評價和測試,為形成高精度的乳腺癌腫塊異常區(qū)域檢測和良惡性識別算法提供堅實的基礎(chǔ)。
　　 5)數(shù)字化技術(shù)的顯著進步和醫(yī)學影像數(shù)量的幾何級增長,醫(yī)生對相似病例的圖像查閱工作變得更加困難和耗時。本文還