乳腺x线图像检索系统相似性度量算法分析

乳腺x线图像检索系统相似性度量算法分析

ID:31486135

大小:1.55 MB

页数:58页

时间:2019-01-12

乳腺x线图像检索系统相似性度量算法分析_第1页
乳腺x线图像检索系统相似性度量算法分析_第2页
乳腺x线图像检索系统相似性度量算法分析_第3页
乳腺x线图像检索系统相似性度量算法分析_第4页
乳腺x线图像检索系统相似性度量算法分析_第5页
资源描述:

《乳腺x线图像检索系统相似性度量算法分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、杭州电子科技大学硕士学位论文第1章绪论1.1研究背景与意义乳腺癌是危害中年妇女身体健康的最常见的恶性肿瘤之一[1]。在美国,平均每8个妇女中就有1个会患上乳腺癌,年发病率已达万分之十三。在中国,妇女乳腺癌的发病率表现出持续的高增长,目前正以每年3%~4%的增长率急剧上升,每年约有18万妇女患乳腺癌,1.3万多妇女死于乳腺癌。20世纪最后10年,我国城市妇女乳腺癌的死亡率增长了38.9%,农村妇女乳腺癌的死亡率增长了39.7%,乳腺癌已经成为我国改革开放以后死亡率增长最快的癌症[2]。在中国京津、长三角、珠三角等发达地区,乳腺癌已经超过肺癌,成为女

2、性的十大恶性肿瘤之首。乳腺癌的最终病因还未完全解开,目前预防与治疗乳腺癌的关键在于“早发现,早诊断,早治疗”。目前临床上用于乳腺癌检测的常用医学影像学技术主要有钼靶X线摄影(Mammography)、近红外扫描(NearInfraredLightScanning)、计算机断层扫描(ComputerTomography,CT)、乳腺干板摄影、热图像扫描、超声诊断、磁共振(MagneticResponseImaging,MRI)等,钼靶X线摄影由于其方便、经济、无创及良好的早期无症状隐匿性乳腺癌良好的检测效果,是临床上乳腺癌检测的主要手段。乳腺钼靶X

3、线摄影一般包括两个视角,临床上称之为轴位和侧位(即上、下位和内、外位),分别用CC和MLO表示。对左、右乳腺的CC和MLO两个视角各自进行拍摄,共获得四张图像,分别标记为LCC、LMLO、RCC、RMLO。下图1.1为乳腺钼靶X摄影示例图片(左乳)。美国癌症协会建议年龄在40~49岁之间的妇女每两年进行一次钼靶X线检查,过了49岁之后则每年进行一次。在中国从2005年开始到2010年在全国大中城市实施一项“百万妇女乳腺普查工程”[3],按照国际通行标准,为100万中国妇女每人做4次乳腺检查,以帮助她们预防乳腺癌,提高生活质量。最近中国又启动实施六

4、项重大公共卫生服务项目[4],其中就包括农村妇女乳腺癌、宫颈癌检查项目。计划于2009年在中国200个左右县启动试点,完成乳腺癌检查40万人。通过试点,总结经验,进一步探索适合基层的“两癌”检查服务模式和优化方案,逐步形成制度化和规范化的工作机制。可以预计,随着钼靶X线检查诊断手段的逐步普及和防治乳腺癌技术的进一步提高,在我国未来几年内需要筛查的乳腺X线图像数量会有大幅度的增长。1杭州电子科技大学硕士学位论文(a)LCC(b)LMLO图1.1乳腺钼靶X线摄影图像(左乳两个视角)通常在临床上,乳腺X线图像的阅读分析主要依赖于放射科医生的专业技术和主

5、观经验,这使得对医生的素质要求很高。由于乳腺X线的复杂性以及早期乳腺癌症状的隐匿性,影像医生从包含大量正常的钼靶X线图像中分辨出真正疑似病例,不仅读片工作量较大,而且因为疲劳等原因会产生错误的诊断结果,假阴性和假阳性是临床钼靶X线检查中比较常见的问题。假阳性会导致不必要的跟踪和活检,假阴性则会延误治疗。这不但会增加资源消耗和经济开支,还会给病人带来不必要的身体上和精神上的痛苦。通过引入计算机辅助诊断(Computer-AidedDiagnosis,CAD)技术来帮助医生提高钼靶X线图像诊断效率,减少读片时的假阴性和假阳性,是一个具有较大社会经济价

6、值的研究课题[5,6]。乳腺钼靶CAD技术可以对图像进行初步诊断,将图像中的疑似病灶区(包括微钙化簇和肿块)报告给医师进行决策。尽管乳腺钼靶CAD技术取得了许多进展,但目前其在检测病灶(特别是肿块)的精度和临床使用的有效性上仍然存在许多不足。如果在诊断过程中能够提供给影像医生检索历年来相似病例的功能,那么医生可以将经切片检查确诊的历史病例图片和当前病例图片进行比较,从而做出更准确的判断。利用基于内容的图像检索技术(Content-BasedImageRetrieval,CBIR)在乳腺钼靶数据库中检索包含与查询病灶图像(RegionofInter

7、est,ROI)在视觉上和病理上内容相似病灶的钼靶图像辅助医师进行决策会有助于诊断精度的提高[7]。这无论对医生还是病人来讲都是极具意义的。医学图像检索可以分为基于文本的医学图像检索和基于内容的医学图像检索(Content-BasedMedicalImageRetrieval,CBMIR)两种。基于文本的检索方法通常是利用某些关键词(Keyword)进行检索,如病变组织名称、图像的文字描述等。但是由于医学图像的纹理、形状和空间关系以及语义信息难以用文字进2杭州电子科技大学硕士学位论文行描述,同时由于医生对图像判断主要依据其个人主观经验,对于相同的

8、图片,不同医生可能会得到不同的诊断结果。所以基于文本的医学图像检索便显示出不足之处,基于内容的医学图像检索就是在这样情况下产生的。基于内

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。