乳腺腫瘤的超聲圖像分析及良惡性判別.pdf

1、乳腺腫瘤超聲圖像的計(jì)算機(jī)輔助分析對(duì)準(zhǔn)確判別乳腺腫瘤的良惡性具有重要意義。本文以乳腺腫瘤的灰階超聲圖像為研究對(duì)象，通過(guò)分析比較良惡性腫瘤的超聲圖像特征，實(shí)現(xiàn)對(duì)乳腺腫瘤良惡性的計(jì)算機(jī)自動(dòng)判別，從而為醫(yī)生的臨床診斷提供有價(jià)值的參考意見(jiàn)，以提高乳腺癌尤其是超聲圖像表現(xiàn)不典型的乳腺癌的診斷準(zhǔn)確率。 本文的研究?jī)?nèi)容主要由三部分構(gòu)成：超聲圖像中乳腺腫瘤的邊緣提??；乳腺腫瘤的超聲圖像特征提取和乳腺腫瘤性質(zhì)的分類判別。 在乳腺腫瘤的邊緣提

2、取部分，本文首先提出灰度閾值分割和動(dòng)態(tài)規(guī)劃相結(jié)合的邊緣提取算法，其基本思想為：先采用灰度閾值分割法提取腫瘤的初始邊緣，再引入動(dòng)態(tài)規(guī)劃法對(duì)初始邊緣進(jìn)行修正從而得到更為精確的結(jié)果。之后本文針對(duì)實(shí)驗(yàn)中發(fā)現(xiàn)的問(wèn)題，提出對(duì)ROI預(yù)處理和腫瘤后方回聲補(bǔ)償校正的改進(jìn)，并針對(duì)存在弱邊界或腫瘤內(nèi)部灰度分布動(dòng)態(tài)范圍較大的超聲圖像，提出了基于小波分析的初始邊緣提取算法。實(shí)驗(yàn)表明，對(duì)這兩類圖像采用小波分析法提取的初始邊緣在準(zhǔn)確度上要明顯優(yōu)于灰度閾值分割的提取結(jié)

3、果，因而也能為后續(xù)的動(dòng)態(tài)規(guī)劃提供更為接近腫瘤真實(shí)邊緣的初始邊緣定位。 在乳腺腫瘤的特征提取部分，本文以乳腺腫瘤的超聲圖像特征為基礎(chǔ)，結(jié)合圖像處理中的常見(jiàn)特征描述參數(shù)，對(duì)乳腺腫瘤進(jìn)行了形態(tài)和紋理特征的提取。前者以傅里葉描述子的度量、緊致度、針狀化程度、縱橫比等為代表，著重反映了良惡性腫瘤在外觀形態(tài)上的差異；后者主要考察良惡性腫瘤在邊界回聲和內(nèi)部回聲特性方面的差別，主要特征有邊緣銳度、腫瘤內(nèi)部和環(huán)形邊緣區(qū)的方差和信噪比、基于灰度共生

4、矩陣的系列參數(shù)以及基于小波分解的特征參數(shù)等。本文通過(guò)比較良惡性腫瘤的特征參數(shù)，得出形態(tài)特征參數(shù)比紋理特征參數(shù)具有更好的類間區(qū)分度的結(jié)論，并對(duì)造成紋理特征參數(shù)類間距小的原因進(jìn)行了分析。 在乳腺腫瘤的分類判決部分，本文選擇BP神經(jīng)網(wǎng)絡(luò)作為分類工具，而在特征參數(shù)的選擇方面則采用了基于特征類間距的初次篩選、基于形態(tài)特征的二次篩選和基于形態(tài)和紋理的綜合評(píng)判的三次篩選，最后將特征篩選過(guò)程中獲得的具有最優(yōu)分類能力的特征組合，即“5個(gè)形態(tài)特征+