多视角乳腺X线图像的乳腺癌检测与分类方法研究

发布时间：2017-05-18 11:06

  本文关键词：多视角乳腺X线图像的乳腺癌检测与分类方法研究，由笔耕文化传播整理发布。

【摘要】：乳腺癌是一种女性最常见的恶性肿瘤,我国已成为乳腺癌发病率增长速度最快的国家之一,且呈年轻化趋势。在对乳腺癌发病原因与预防手段尚未完全清楚的情况下,对乳腺癌的早期检测是提高患者治愈率和降低死亡率的关键。在众多乳腺摄影技术中,乳腺X线摄影术是临床上最常用的乳腺癌疾病筛查手段之一。目前我国乳腺癌检测存在以下问题：(1)检测结果往往基于医生主观分析,缺乏客观定量的分析结果；(2)筛查阶段的乳腺X线图像数量较多,放射科医生阅片工作量繁重；(3)相比于西方女性,我国女性多为致密型腺体乳房,腺体组织相互重叠,容易产生类似病变的特征或将病变掩盖,乳腺癌病变的检测难度进一步增大。基于图像处理和模式识别的理论与技术,可获取乳腺X线图像定量客观的分析结果,有助于乳腺癌早期检测。 现有的乳腺癌检测方法主要以西方乳腺图像为研究对象,我国女性多为致密型乳房,将已有方法用于我国乳腺X线图像病变检测存在一些问题。本文以西方和我国乳腺图像为研究对象,针对乳腺X线图像乳腺癌检测与分类方法中的一些关键问题进行了深入研究,主要包括胸肌区域分割、多视角肿块检测、肿块检索和肿块分类,并取得如下研究成果： (1)胸肌区域分割：针对纹理相对一致的胸肌,提出了一种基于解剖学特征(纹理一致性和高亮度方差)的胸肌区域分割方法。基于胸肌区域的解剖学特征定义胸肌边缘置信图,计算其初始边缘,较好地避免了现有方法认为边缘为直线的假设。将胸肌边缘建模为加速运动位移曲线,使用卡尔曼滤波修正初始边缘,为胸肌边缘的修正提供了新思路。实验结果表明相比现有方法,该方法具有更好的胸肌分割性能。针对纹理较为复杂的胸肌区域,提出了一种基于谱聚类与区域合并的胸肌分割方法。引入梯度信息,得到结合边缘的谱聚类用于图像分割,提高了胸肌边缘处的分割准确性。基于胸肌区域的三角形状特征,对谱聚类分割后的图像进行区域合并,以解决纹理复杂胸肌区域被分割为多个子区域的问题。实验结果表明相比现有方法,该方法对于纹理复杂胸肌区域边缘分割更有效。 (2)双边肿块检测：提出了一种结合形状上下文区域匹配与分级相似性测度的双边分析肿块检测方法。在区域匹配方法中定义匹配代价概念,以解决现有区域匹配可信度信息缺失的问题。针对现有相似性测度在正常区域和肿块区域中区分度不高的问题,提出了一种同时考虑全局和局部图像特征的相似性测度。实验结果表明,相比于现有单视角和双边分析肿块检测方法,本文方法对于致密型乳腺图像具有更好的肿块检测效果。 (3)肿块检索：提出了一种结合可区分锚点图哈希(Discriminating AnchorGraph Hashing, DAGH)和线性近邻传递(Linear Neighborhood Propagation, LNP)的肿块检索方法。在传统AGH基础上,引入图像病理类别信息到图像相似度计算,提出DAGH作为图像新的表示方式,以增强检索图像间病理相关性。使用LNP作为相关反馈技术,实现交互式肿块图像检索。实验结果表明在无需分割肿块边缘的情况下,相比于传统AGH和其他现有方法,本文方法对于致密型乳腺图像具有更好的肿块检索性能。 (4)肿块分类：提出了一种基于非等间隔降采样texton的肿块良恶性分类方法。Texton通过对训练图像进行聚类分析得到纹理字典,将其作为图像纹理特征,避免了现有基于纹理描述符的分类方法人为设定得到纹理字典的问题。提出了非等间隔降采样以捕捉不同的可区分结构,通过融合多个可区分结构,降低了texton的尺度依赖性。实验结果表明在无需分割肿块边缘的情况下,本文方法在肿块良恶性分类性能上优于现有基于纹理特征的方法。
【关键词】：乳腺X线图像 多视角 胸肌分割 肿块检测 肿块检索 肿块分类
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 摘要6-8
• ABSTRACT8-18
• 1 绪论18-34
• 1.1 研究背景及意义18-23
• 1.2 国内外研究现状23-29
• 1.2.1 基于多幅图像的肿块检测方法研究24-27
• 1.2.2 肿块图像检索方法研究27-28
• 1.2.3 肿块良恶性分类方法研究28-29
• 1.3 测试图像库介绍29-30
• 1.4 论文主要工作30-31
• 1.5 论文组织结构31-34
• 2 乳腺图像胸肌区域分割34-60
• 2.1 引言34-35
• 2.2 NYSTROM谱聚类简介35-37
• 2.2.1 谱聚类35-36
• 2.2.2 Nystrom谱聚类36-37
• 2.3 纹理一致性胸肌分割方法37-50
• 2.3.1 图像预处理38-39
• 2.3.2 胸肌初始边缘检测39-42
• 2.3.3 基于位移曲线建模的胸肌边缘修正42-46
• 2.3.4 实验结果与分析46-50
• 2.4 复杂纹理胸肌分割方法50-58
• 2.4.1 结合边缘信息的谱聚类分割50-51
• 2.4.2 区域合并51-52
• 2.4.3 胸肌边缘识别52-53
• 2.4.4 实验结果与分析53-58
• 2.5 本章小结58-60
• 3 乳腺图像双边分析肿块检测60-82
• 3.1 引言60-61
• 3.2 区域匹配61-67
• 3.2.1 子区域划分61-62
• 3.2.2 形状上下文62-63
• 3.2.3 对应性计算和匹配代价定义63-65
• 3.2.4 区域匹配结果65-67
• 3.3 图像对相似性计算67-70
• 3.3.1 全局图像相似性67
• 3.3.2 局部图像相似性67-69
• 3.3.3 分级相似性设计69-70
• 3.4 基于双边分析的肿块检测实现过程70-73
• 3.4.1 肿块候选ROI定位70-71
• 3.4.2 肿块候选RO1分析71
• 3.4.3 肿块检测方法实现71-73
• 3.5 实验结果及分析73-80
• 3.5.1 参数设置73-74
• 3.5.2 评价准则74-76
• 3.5.3 实验结果76-80
• 3.6 本章小结80-82
• 4 乳腺图像肿块检索82-96
• 4.1 引言82-83
• 4.2 可区分锚点图哈希(DAGH)83-86
• 4.2.1 锚点图哈希(AGH)图像表达83-85
• 4.2.2 可区分锚点图哈希(DAGH)图像表达85-86
• 4.3 线性近邻传递(LNP)86-87
• 4.3.1 权重矩阵构建86-87
• 4.3.2 标签更新87
• 4.4 肿块检索方法实现87-89
• 4.4.1 交叉验证88
• 4.4.2 肿块检索方法实现88-89
• 4.5 实验结果及分析89-95
• 4.5.1 评价准则89-90
• 4.5.2 实验结果90-95
• 4.6 本章小结95-96
• 5 乳腺图像肿块良恶性分类96-110
• 5.1 引言96-97
• 5.2 基于TEXTON的分类方法97-98
• 5.3 非等间隔降采样TEXTON的肿块分类98-102
• 5.3.1 图像归一化98-99
• 5.3.2 非等间隔降采样99-100
• 5.3.3 肿块分类方法设计与实现100-102
• 5.4 实验结果及分析102-108
• 5.4.1 参数设置103-104
• 5.4.2 评价准则104-105
• 5.4.3 实验结果105-108
• 5.5 本章小结108-110
• 6 结论110-112
• 6.1 总结110-111
• 6.2 展望111-112
• 参考文献112-122
• 附录A122-124
• 作者简历及攻读博士学位期间取得的研究成果124-128
• 学位论文数据集128

【参考文献】

中国期刊全文数据库 前9条

1 方琼英;吴琼;张秀玲;马小丽;;乳腺癌的流行现状分析[J];中国社会医学杂志;2012年05期

2 ;Automatic pectoral muscle boundary detection in mammograms based on Markov chain and active contour model[J];Journal of Zhejiang University-Science C(Computer & Electronics);2010年02期

3 黄传波;金忠;;基于半监督线性近邻传递的相关反馈方法[J];信息与控制;2011年03期

4 张忠清,李广灿,叶召;乳腺癌当前流行趋势分析[J];中国肿瘤;2000年10期

5 陈万青;张思维;孔灵芝;雷正龙;赵平;;中国肿瘤登记处2004年恶性肿瘤死亡资料分析[J];中国肿瘤;2008年11期

6 李连弟,鲁凤珠,张思维,牧人,孙秀娣,皇甫小梅,孙杰,周有尚,欧阳宁慧,饶克勤,陈育德,孙爱明,薛志福,夏毅;中国恶性肿瘤死亡率20年变化趋势和近期预测分析[J];中华肿瘤杂志;1997年01期

7 黄哲宙;陈万青;吴春晓;郑荣寿;陈建国;杨念念;王宁;张思维;郑莹;;中国女性乳腺癌的发病和死亡现况——全国32个肿瘤登记点2003—2007年资料分析报告[J];肿瘤;2012年06期

8 姚畅;陈后金;Yang Yong-Yi;李艳凤;韩振中;张胜君;;基于自适应核学习相关向量机的乳腺X线图像微钙化点簇处理方法研究[J];物理学报;2013年08期

9 肖夏;徐立;李钦伟;;A double constrained robust capon beamforming based imaging method for early breast cancer detection[J];Chinese Physics B;2013年09期

中国博士学位论文全文数据库 前2条

1 姜娈;基于乳腺X线摄片的计算机辅助检测肿块方法研究[D];华中科技大学;2009年

2 刘俊;基于钼靶图像的计算机辅助乳腺癌检测系统中关键技术研究[D];武汉科技大学;2012年

  本文关键词：多视角乳腺X线图像的乳腺癌检测与分类方法研究，由笔耕文化传播整理发布。

，

本文编号：375872