基于雙模態(tài)乳腺超聲圖像的良惡性分類及其關(guān)鍵技術(shù)研究.pdf

1、乳腺癌是當(dāng)今一種在全世界女性當(dāng)中發(fā)病率最高的惡性腫瘤疾病。早期檢查是預(yù)防乳腺癌的一個非常重要的手段。由于性價比高、無放射性、副作用小等優(yōu)點,超聲檢查被廣泛應(yīng)用于乳腺癌的早期診斷中。為了提高醫(yī)生對乳腺超聲檢查的客觀性和診斷效率,計算機輔助診斷系統(tǒng)應(yīng)運而生。目前基于乳腺超聲圖像的計算機輔助診斷普遍采用單幀B超圖像對目標的幾何特征、邊界特征及紋理等特征進行提取和分類。但是,由于人體體位移動、生理變化、超聲聲像復(fù)雜多樣、良惡性腫塊在超聲聲像上存

2、在不同程度的交叉和重疊,單幀的特征分析必然影響診斷的準確率。此外,單一模態(tài)的圖像往往不能提供臨床診斷中所需要的足夠信息,因此需要將不同模態(tài)的圖像信息進行融合從而進行全面和綜合的分析。
　　為了克服單幀圖像和單一模態(tài)特征的片面性,本文提出利用B型超聲圖像中的靜態(tài)特征和彩色多普勒超聲圖像序列中的動態(tài)特征相結(jié)合的方式對腫塊的良惡性進行綜合分析。其中對圖像進行有效的分割、配準和描述圖像序列中的運動信息是靜態(tài)圖像和動態(tài)圖像序列特征提取的核心

3、問題。近年來,這些技術(shù)經(jīng)歷了深入和廣泛的研究,但是在對于乳腺超聲圖像的處理方面仍存在一些尚未解決的關(guān)鍵問題。本文針對不同模態(tài)圖像的特點,對乳腺超聲圖像分割、乳腺超聲圖像配準和彩色多普勒超聲圖像序列的特征提取等核心問題展開了相關(guān)的研究。
　　本文所完成的工作和主要創(chuàng)新點如下:
　　(1)對基于細胞自動機原理的乳腺超聲圖像分割方法進行研究。乳腺超聲圖像中的高噪聲、復(fù)雜結(jié)構(gòu)、模糊邊界等因素是影響圖像分割效果的主要原因。為解決上述問

4、題,本文根據(jù)細胞自動機的能量傳播機制,采用能量下降策略反映圖像中像素點之間的空間信息,并提出種子點比較函數(shù)和局部紋理特征比較函數(shù)分別對圖像的全局信息差異和局部信息差異進行建模。在此基礎(chǔ)上,本文采用VonNeumann鄰域系統(tǒng)和Moore鄰域系統(tǒng)相結(jié)合的方式作為細胞自動機的演化環(huán)境,并將自適應(yīng)鄰域準則應(yīng)用到Moore鄰域系統(tǒng)中用來進一步地抑制噪聲的干擾。該分割算法有助于識別圖像中的模糊邊界,對噪聲具有魯棒性,能夠在較為簡單的初始條件下準確

5、地對乳腺超聲圖像進行分割。
　　(2)對基于光流場的全自動乳腺超聲圖像配準方法進行研究。為了克服乳腺超聲圖像高噪聲、目標結(jié)構(gòu)復(fù)雜等因素的干擾,本文將慣性原理應(yīng)用到配準過程中,并產(chǎn)生一個能夠使像素點在短時間內(nèi)的運動過程中保持一個原有運動傾向的慣性力,從而克服運動過程中所受噪聲點的干擾。在此基礎(chǔ)上,本文根據(jù)牛頓第二定律思想,在每次迭代過程中利用慣性力逐步地改變合外力的大小和方向,進而融入到光流場的計算方程中對每個像素點的加速度重新進行

6、估計。此外,本文還采用牛頓第三定律的思想對算法的收斂速度進行提高。文中算法有助于在克服噪聲干擾的同時保留圖像的細節(jié),并能夠快速和準確地對乳腺超聲圖像進行配準。
　　(3)對基于B超圖像和彩色多普勒超聲圖像序列的乳腺腫塊分類方法進行研究。本文首先采用顏色矩、顏色信息熵等不同的統(tǒng)計方法對血流的形態(tài)學(xué)信息進行建模。為提取血流動力學(xué)特征,本文首先對每個圖像序列下的不同的血流信號位置進行了配準。然后結(jié)合醫(yī)學(xué)背景知識,采用圖像分格法模擬臨床診