基于深度学习的数字乳腺三维断层影像肿块自动检测算法研究

发布时间：2020-08-09 21:47

【摘要】：乳腺癌是危害女性健康最常见的疾病,因为它高程度的发病概率而引起了其广泛的关注和恐慌。有专家提出,降低乳腺癌死亡概率的最为重要途径之一就是乳腺癌的早期诊断和乳腺癌的早期治疗,然而乳腺癌患者在被确诊为罹患乳腺癌的时候绝大多数的病例已经发展到了乳腺癌中期或者乳腺癌晚期,不仅饱受病痛折磨,还耽误了治疗的最佳时期。乳腺癌早期诊断技术中,X射线全数字化乳腺摄影(fUll-field digital mammography，FFDM)技术被认为是首选之一,但这种二维影像依然存在致密的乳腺组织与病灶重叠而导致漏诊的问题。数字乳腺三维断层影像(Digital breast tomosynthesis,DBT)成像技术的开发,让X线乳腺病变象征显示清晰度有了明显的提高。这种三维成像的方法,能减少或消除组织重叠,对病灶周围组织结构特征的显示更加清晰,所以DBT成像技术提高了病变检出率和降低了漏诊率。由于DBT影像是三维断层影像,一个影像序列通常包含数十张断层影像。相较FFDM只有一张影像而言,影像科医生在阅片诊断过程中的工作量增加了几十倍,所以亟需开发开面向DBT影像的智能辅助诊断系统来帮助医生减轻工作量,提高诊断效率,而肿块的自动检测系统便是智能辅助诊断系统中的关键的环节之一。本文主要研究的是基于深度学习的DBT影像肿块自动检测系统。在以往的研究中,大多数研究者关注于设计手动提取特征的传统机器学习算法。因为近年来深度学习算法在图像识别和机器视觉中有着出色的表现,也有不少学者将深度学习算法利用到DBT影像肿块自动检测当中,获得了不少不错的成果。但是这些研究中并未将深度学习算法应用至整个DBT肿块自动检测系统当中,系统中的肿块可疑区域预选步骤仍然是基于手动特征提取的传统算法设计的,存在着系统结构不够整体和运算效率不够高等问题。本文的研究中设计了两种基于深度学习的乳腺DBT影像肿块自动检测算法。第一种是基于深度卷积神经网络(deep convolutional network,DCNN)的DBT肿块自动检测系统。第二种是基于 Faster RCNN(Faster Region based Convolutional Neural Networks,Faster RCNN)的肿块检测系统。并在完全相同的数据集上对两种算法进行性能评估和比较。具体内容包括:(1)影像预处理:对乳腺DBT影像进行图像对比度增强,乳房区域检测以及乳房皮肤分割等步骤。(2)基于DCNN的DBT肿块自动检测系统:首先使用三维径向梯度分析对DBT三维断层影像进行计算,得到三维断层影像的三维径向梯度特征图。接着对三维径向特征图进行三维自适应阈值分割,将其分割成三个等级,并保留最高等级区域作为肿块可疑区域。然后使用25.6×25.6mm的方框以肿块可疑区域中心为中点截取上下连续五层的ROI(region of interest)区域输入深度学习卷积神经网络模型获得肿块可疑区域的肿块似然得分(以五层中最高得分作为该区域的最终肿块似然得分)。最后以最终肿块似然得分进行肿块可疑区域的假阳性筛选,实现肿块的自动检测。(3)基于Faster RCNN的肿块自动检测系统:搭建用于肿块自动检测的Faster RCNN深度学习目标检测框架。其中包括:共享卷积网络,区域候选网络(region proposal network,RPN),假阳性分类网络。在检测的过程中,首先将连续的DBT三维断层影像层层输入训练过后的Faster RCNN模型,经过五层共享卷积网络之后,RPN基于共享卷积网络自动提取的特征将肿块可疑区域以边界框的形式传递给假阳性筛选网络,由其进行肿块似然得分计算。接着基于断层间边界框的重叠率,进行断层间边界框的融合,以最高得分作为该区域的最终肿块似然得分,实现肿块的自动检测。(4)性能评估方法和性能对比:使用完全相同的数据集对两种系统进行十折交叉验证,并使用自由响应受试者工作特征曲线(free-response receiver operating characteristic curve,FROC)进行性能评估。基于DCNN的DBT肿块自动检测系统达到灵敏度为90%时每个乳房平均有2.25个假阳性，而基于Faster RCNN的DBT肿块自动检测系统达到灵敏度为90%时每个乳房平均有0.76个假阳性。使用重采样非参数方法检验两个算法的FROC,发现两者统计学上有显著性差异(P值0.05)。基于Faster RCNN的DBT肿块自动检测系统表现更出色。本研究的主要贡献在于首次在DBT影像的肿块自动检测中使用Faster RCNN框架,并达到了不错的效果。同时也是首次将基于深度卷积神经网络的DBT肿块自动检测系统与基于Faster RCNN的DBT肿块自动检测系统进行性能对比。在DBT影像的肿块自动检测研究中提供了一个新的思路。
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;R737.9;R730.44
【图文】：

程度上提高了乳腺Ｘ摄影的成像质量。逡逑全数字化乳腺Ｘ线成像（Ｆｕｌｌ－ｆｉｅｌｄ邋ｄｉｇｉｔａｌ邋ｍａｍｍｏｇｒａｐｈｙ，邋ＦＦＤＭ）的广泛使用和推广，极逡逑大地提高了乳腺癌检出的敏感性［６〃］，如图１．１所示为ＧＥ公司的ＦＦＤＭ系统，其Ｘ射线发射逡逑器与接收板是垂直状态并且不能旋转，由于其二维投影成像的本质，在致密型腺体及多量腺逡逑体中，组织重叠，增生结节常掩盖瘤体，致密型乳腺与瘤体间对比差，导致约大于一半的逡逑１逡逑

成像上更具有优势，进而大幅度的提高了乳腺癌的病变检出率。逡逑虽然目前国内Ｘ射线诊断主要还是依赖ＦＦＤＭ，但由于ＤＢＴ成像技术更加出色的能效逡逑受到了业内广泛关注，并有望在将来得到广泛的应用［１４］。如图１．２所示，在数字乳腺Ｘ射线逡逑成像市场处于主导地位的跨国公司包括Ｈｏｌｏｇｉｃ、Ｓｉｅｍｅｎｓ等，皆已推出具有ＤＢＴ成像技术的逡逑先进系统。为了打破跨国公司的垄断，国内关于ＤＢＴ成像系统的研发正在进行，与之相配套逡逑的ＤＢＴ影像专用计算机辅助诊断系统（ｃｏｍｐｕｔｅｒ邋ａｉｄｅｄ邋ｄｉａｇｎｏｓｉｓ，ＣＡＤ）的相关研究也正在逡逑同步进行中。逡逑Ｃ：ｆ逡逑＋＇．ｖ逦？逦／逡逑一：＼逦Ｊ逦，逡逑＼逦！邋Ｚ逡逑＂ｉｉｎｎｉｎｗｉｉ逡逑Ｖ邋？逡逑馨逦／逦！、、逡逑／邋？逡逑／逦ｓ逦ｖ逡逑图１．１西门子ＤＢＴ系统逡逑因为ＤＢＴ成像技术与传统的Ｘ线检查相比，虽然在乳腺病变发现和诊断方面上有明显逡逑优势，但是采集的大量影像信息也增加了诊断医生的工作量，延长了诊断时间，所以为了这逡逑项新技术能在将来快速得到广泛应用，提高乳腺癌早期诊断率，亟需一套专用的ＣＡＤ系统来逡逑帮助医生提高诊断效率。本文所研宄的数字乳腺三维断层影像肿块的自动检测系统

引言逡逑乳腺癌在全球范围内对女性的健康威胁越来越严重，物理学和装备技术的发展为乳腺检查带来了更多新的希望，随着乳腺Ｘ射线技术的发展，ＤＢＴ成像技术的诞生弥补直接投影式二维成像技术对于致密性乳房和组织重叠成像上的不足，使得原本被遮得以显示，有效提高了乳腺Ｘ射线影像的清晰度，大幅度的提高了乳腺癌的病变检出数字乳腺三维断层影像（ＤＢＴ）技术逡逑１孚Ｌ腺ＤＢＴ成像原理逡逑在使用ＤＢＴ成像技术时，需要对照射乳房采取压迫手段，使其保持静止。在进行投影，Ｘ射线发射器围绕着静止的目标乳房旋转有有限的角度，通常为１０°至２０°。Ｘ射线每旋转１°就完成一次Ｘ射线低剂量投影，Ｘ射线穿透目标乳房由背板接收，从而得到的数字二维投影视角（ＰｒｏｊｅｃｔｉｏｎＶｉｅｗ，ＰＶ）影像，如图二２．１所示。因为不同厂家出ＢＴ成像机器可能使用不同的旋转角度，所以不同机型的数字ＰＶ影像数量也有不同，１０至２０之间，图中所示是旋转１５角度的机型。这些独立的数字ＰＶ影像是在不同角Ｉｎｃｉｄｅｎｔ邋Ｘ－ｒａｖｓ逡逑

【参考文献】

相关期刊论文 前6条

1 孙志军;薛磊;许阳明;王正;;深度学习研究综述[J];计算机应用研究;2012年08期

2 S.S.J.Feng;I.Sechopoulos;苏亚文;麻智慧;;临床数字乳腺断层X线组合系统:剂量测量特征[J];国际医学放射学杂志;2012年03期

3 李弋;叶兆祥;;数字乳腺断层摄影诊断乳腺癌现状[J];国际医学放射学杂志;2010年02期

4 白杨;;基于SAPSO优化三维Otsu方法的医学图像分割算法(英文)[J];中国组织工程研究与临床康复;2008年22期

5 王向义,钟纯,聂云飞,易少波,易光华,彭庆星;乳房固定结构的解剖[J];郑州大学学报(医学版);2005年04期

6 余厚军;乳腺X线摄影系统的发展动态[J];实用放射学杂志;2004年07期

本文编号：2787597