基于參考病例的乳腺腫塊診斷技術研究.pdf

1、乳腺癌計算機輔助檢測系統(tǒng)(Computer-Aided Detection and Diagnosis，CAD)經過多年的發(fā)展在檢測微小鈣化灶方面已經達到很高的性能，但是在檢測腫塊方面卻靈敏度稍低，假陽性偏高。檢測腫塊的低性能以及“黑匣子”式的診斷方案導致放射科醫(yī)師對CAD系統(tǒng)診斷腫塊缺乏足夠的信心。
　　 為了增加醫(yī)生對CAD系統(tǒng)檢測腫塊的信心，基于參考病例的乳腺腫塊診斷方案被提出來。這種方案需要構建一個大規(guī)模的已經確診的參考

2、圖像庫，它的優(yōu)勢在于不僅能夠提供決策分數，而且能夠在參考圖像庫中查出視覺相似而且病理相似的圖像供醫(yī)生參考。課題研究并改進了基于參考病例的乳腺腫塊診斷技術：①采用了最大熵閥值分割算法獲得可疑病灶的初始輪廓，再用snake 精化其邊界②針對腫塊形態(tài)多變難以用一組特征組合描述的問題，提出根據可疑病灶區(qū)域最大熵閥值分割的好壞，把參考圖像分成兩類，對不同類別的圖像分別使用遺傳算法進行訓練得到兩組不同的特征組合作為分類依據③針對傳統(tǒng)的相似性度量沒有

3、考慮不同特征對度量的貢獻不同的問題，采用粒子群優(yōu)化算法訓練特征權重，建立基于特征權重的相似性度量,使得度量更加準確④針對最大熵閥值分割壞的可疑病灶區(qū)域相似性度量后返回的相似圖像的次序與人類視覺不符的問題，采用Pearson 相關排序來校正從而增加人類視覺的相似性。
　　 參考圖像庫來源于美國南佛羅里達大學的數字乳腺X 線圖像數據庫(Digitaldatabase for screening mammography，DDSM)，總