乳腺肿块计算机辅助检测算法-研究

《乳腺肿块计算机辅助检测算法-研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2乳腺肿块计算机辅助检测算法研究断成为可能。而大量的实验数据也证实乳腺癌的早期诊断能挽救患者的生命和增加治疗手段的选择。有关数据显示，近几年来乳腺癌死亡率的下降归功于钼靶软X线乳腺成像(mammography)的普查和治疗手段的改进【2】【31。据估计，mammography的应用，使得乳腺癌病人的死亡率下降18‰40％。近年来，相继涌现出了许多计算机辅助检测和诊断的算法，并有一些已经投入临床使用，具体见1．2．1节。总的来说，大部分算法的应用只局限于某种类型的乳腺癌，诊断的假阳性率较高，需要一定程度的人工干预等，因此需要研究新的检测和诊断方法，为医生提供良好的诊断信息，提高医生诊断的准确

2、率。肿块和钙化点簇是乳腺癌最常见的影像学征象，目前的乳腺计算机辅助检测和诊断系统主要包括肿块和钙化点自动检测两个方面。由于肿块边缘模糊，形状各异，大小不一，且与乳腺中的软组织相似，特征多样化，一直是计算机辅助检测的难点。本文的目的就在于研究并提出一种能够检测各种类型和近似直径大小在0．5cm至3cm之间肿块的检测方法，把可能的病灶位置标记出来，为医生提供更多的诊断信息，使医生更准确、更及时的诊断，从而降低乳腺癌的死亡率。I．2国内外研究现状1．2．1乳腺癌计算机辅助检测系统的研究现状大量的文献分析显示，智能化的计算机辅助检测(CAD)是二十一世纪临床影像诊断的最新发展趋势。随着计算机软硬件

3、的提升、人工智能技术的发展及对病灶更完整的认识，利用数字医学影像进行早期病灶辅助检测已趋成熟，并为临床诊断专家提供方便可靠的协助。2002年北美放射学会(RadiologicalSocietyofNorthAmerica，RSNA)的学术报告显示，一个好的CAD系统诊断结果相当或略高于一个有经验的专家水平。CAD利用专业的计算机算法分析医学图像，发现并检测出病变区域，帮助放射医生提高病灶检出率，被称为放射医生的“第二双眼睛’’。目前国内外在计算机辅助检测方面都取得了一定的成果。R2公司的ImageCherker辅助诊断系统是世界上第一套通过美国食品药物管理局(FoodandDrugAdmi

4、nistration，FDA)认证的商业化的CAD设备，Hologic公司将其收购后，将CAD系统和Hologic公司的乳腺x线造影产品整合起来，建立了一个完整的系统平台。美国iCAD公司、柯达公司和加拿大CADx公司的MammoReader和SecondLook也已经获得了FDA的PMA(PrecisionMetalformingAssociation)认证。世界著名的医学影像设备厂商如GE、Siemems、Toshiba等公司也有相应的设备问世。在国内，由东软医疗自主研发的乳腺CAD产品于今年年初也通过了SFDA(国家食品药品监督管理局)认证【。71。第一章绪论目前计算机辅助检测诊断商

5、用系统有：Computer．AidedDetectioninMammography、ImageCheckerM1000System、SecondLookSystem等。他们将常规的X光钼靶片进行扫描，并转化成数字化信息，然后利用计算机辅助检测软件进行综合分析并标记出具有恶性病灶征象的区域，可以帮助医生发现容易遗漏乳腺病灶区域、．加快医生的阅片速度、减轻医生的视觉疲劳，从而提高检测精度。目前，学术界和厂商对CAD比较一致的评价是：CAD是放射学家利用x射线图像检测乳腺病变的好帮手，但其不能替代放射学家的工作。它有很好的敏感性，但特异性还有待进一步提高，必须将其假阳性和假阴性率控制在一定范围内

6、。1．2．2乳腺X线图像肿块自动检测的研究现状肿块是乳腺癌的最可能的病灶之一，肿块自动检测算法研究一直都是医学图像计算机辅助诊断的热点。由于肿块在乳腺X线上的征象可呈星状、团状或不规则形，且大部分肿块的边界模糊，边缘不整，与周围的乳腺组织没有明确的界限，并且乳腺的各种组织密度不均匀，其中许多组织与肿块密度近似，甚至还有高于肿块密度的腺体组织，这使肿块的自动分割比较困难。将肿块与背景准确的分开，从而准确地从乳腺X线图像中检测出肿块，是肿块自动检测的关键问题。近年来，越来越多的学者们致力于乳腺X线图像中的肿块检测算法研究，采用各种算法对病灶进行分割或分类，如分水岭算法【3】f8】【9】、模板匹

7、配算法[10】【111、小波【12】【131、数学形态学㈣【151、信息论【161、区域生长【6】【17】【181等。也有学者【191根据分割方法的不同将其分为基于区域的分割法【20】【2l】、基于边缘的分割法【22】【231和基于区域边缘相结合的方法。甚至还有一些学者致力于发病率更高的星型肿块研究[2411251。不论何种方法，通常的乳腺肿块计算机辅助检测系统大都包含预处理，肿块疑似区域查找，肿块疑似区域分割，特征提取