乳腺X线影像的计算机辅助诊断新方法研究

发布时间：2020-11-05 19:49

　　 乳腺癌是妇女常见的恶性肿瘤之一，早期发现、早期诊断、早期治疗是降 低乳腺癌死亡率的关键。乳腺钼靶 X 线摄影是目前临床诊断乳腺癌的有力工具。 但钼靶 X 线影像的信息只有很少部分能为人眼识别，即使富有经验的医生也很 难及时发现钼靶 X 线影像上早期乳腺癌的微小钙化点，以致延误病人的治疗时 机。可以说，实现乳癌早期诊断的关键技术之一是及时发现乳癌 X 影像中的微 小钙化并判断其是否有恶化倾向。随着计算机技术的飞速发展，基于传统乳腺 钼钯 X 线影像的计算机辅助检测微小钙化点已成为乳癌早期诊断的研究热点。 这主要是因为细小、颗粒状的成簇微钙化点是乳癌的一个重要早期表现。国外 统计资料表明占 30%～50%的乳腺恶性肿瘤伴有微钙化。因此，不断提高微小钙化 点的检出率和准确判别其恶性度成为众多学者孜孜以求的目标。 本文建立了一个基于模块化设计思路的计算机辅助诊断系统借以对乳腺钼 靶图像上的微钙化点进行检测和模式识别。该系统分为四个模块：①预处理模 块-对乳腺钼靶 X 片图像进行数字化和归一化处理，得到具有相同空间分辨率和 灰度分辨率的规格化图像，以便于计算机作进一步后续处理。②感兴趣区域(ROI) 提取模块-自动寻找并分割含有微钙化点的区域，以节省后续处理的工作量。本 研究将独立分量分析(ICA)用于乳腺 ROI 的特征提取，在此基础上用人工神经网 络(ANN)分类器进行模式识别。③微钙化点自动检测模块-实现乳腺 ROI 上微钙 化点的自动检测与定位。本文将差值图像去噪、阈值化分类技术和小波去噪、 ANN 分类技术分别用于乳腺 ROI，得到含高频信号和极高频噪声位置信息的二值 化图像及含高频信号和低频背景位置信息的二值化图像。将两者进行与操作得 到含微钙化点位置信息的二值化图像。④微钙化点病变类型识别模块-实现微钙 化点特征提取和优化及病变类型模式识别，给出初步诊断结果。本文建立了一 套表征微钙化点形态、纹理等特性的 33 维特征矢量。然后，用遗传算法进行特 征选择得到 17 维优化特征矢量，优化特征矢量与 ANN 组成判别模型完成微钙化 点病变类型的判定。上述各模块相互独立，可以单独改进和优化而不影响其它 模块。此外，本文将适用于小样本的支持矢量机(SVM)分类器应用于上述分类模 型中，并用接受者操作特征曲线(ROC)对分别由 ANN 和 SVM 分类器组成的判别模 型分类性能进行评价。 I WP=4 运用该系统对临床病例和标准乳腺库中乳腺图像进行分析，得到 87.5%(ANN) 和 90.0%(SVM)的乳腺 ROI 检出率、96.3%(ANN)和 97.0%(SVM)的微钙化点检出率 及 88.7%(ANN)和 93.0%(SVM)的恶性微钙化点识别率。结果证明了本文建立的计 算机辅助诊断系统具有较高的微钙化点检出率和较准确的恶性度判别性能，为 乳癌早诊研究提供了一套新方法。 本研究中的创新性主要体现在：①提出基于模块化的早期乳腺癌辅助诊断 系统设计思路，建立了基于微钙化点检测的早期乳腺癌计算机辅助诊断的完整 模型；②首次将独立分量分析成功地应用于乳腺图像 ROI 自动提取；③首次将 集合论思想应用到乳腺图像微钙化点的检测中，提出一种能发挥差值图像技术、 阈值化分类和小波变换技术、人工神经网络分类等多种技术优势的综合处理检 测方法；④建立了一套比较完整的可以表征乳腺图像微钙化点各类特异性的特 征参数矢量；⑤首次将现代统计学习理论引入到本研究中，并且成功地建立了 基于 SVM 的判别模型；⑥提出了基于 ROC 曲线的阈值选择方法和系统诊断价 值评价方法。
【学位单位】：天津大学
【学位级别】：博士
【学位年份】：2003
【中图分类】：R816.4
【部分图文】：

2 乳腺癌的 X 线表现乳腺癌的 X 线表现可分为直接征象和间接征象。肿块及钙象，癌肿周围继发性改变所形成的影像称为间接征象。2．1 乳腺癌的直接 X 线征象肿块阴影肿块阴影是乳腺癌最常见、最基本的 X 线征象，是诊断的X 片特征为密度较高、形态不规则、质地较硬、边缘大多星芒状或毛刺状[24]。图 2-2-1 和 2-2-2 为乳腺癌患者正表现和对侧异常 X 线表现-肿块阴影。由于 X 线表现为肿块士普查或者结合患者临床表现确诊病变类型并不困难，肿本论文讨论的重点，故后文对它不再赘述。

2 乳腺癌的 X 线表现乳腺癌的 X 线表现可分为直接征象和间接征象。肿块及钙象，癌肿周围继发性改变所形成的影像称为间接征象。2．1 乳腺癌的直接 X 线征象肿块阴影肿块阴影是乳腺癌最常见、最基本的 X 线征象，是诊断的X 片特征为密度较高、形态不规则、质地较硬、边缘大多星芒状或毛刺状[24]。图 2-2-1 和 2-2-2 为乳腺癌患者正表现和对侧异常 X 线表现-肿块阴影。由于 X 线表现为肿块士普查或者结合患者临床表现确诊病变类型并不困难，肿本论文讨论的重点，故后文对它不再赘述。

．钙化钙化是组织中钙盐的沉积物，是早期乳腺癌常见的 X 线征象上 60%-85%的乳腺癌可见到钙化[31]，Peters 报告则高达 80%线普查所见的钙化作为唯一异常表现的占隐性乳腺癌的 58.9%isher 报告高达 86%[32]。许多早期乳腺癌仅根据 X 线片上的钙诊断。恶性钙化多颗粒细微，密度深浅不一，形态多样，呈点杆状、曲线状及泥沙样，钙化颗粒一般在 0.5mm 直径范围以下于 10-500um，大小不一。在一定范围内，微小钙化数目愈多，能愈大。多数专家认为，单位面积（cm2）内 5 枚或者 5 枚以上提示为乳腺癌，少数专家则认为 3 枚以上即可诊断为癌[32]。变的钙化颗粒粗糙，直径较大，且大小相仿，多为圆形，数量布散在。故可以根据钙化颗粒的特征来鉴别乳腺疾病的恶性程典型的良性钙化（图 2-2-3）和恶性钙化（图 2-2-4）的乳腺 X，通过分析乳腺 X 片上钙化的特征有可能鉴别乳腺疾病的恶性
【引证文献】

相关期刊论文 前4条

1 王瑞平;万柏坤;高上凯;;使用遗传算法的乳腺微钙化点特征优化[J];电子科技大学学报;2007年01期

2 车琳琳;张光玉;宋莉;曹卫芳;;基于钼靶X线影像的乳腺微钙化点良恶性识别算法研究[J];中国医学物理学杂志;2011年02期

3 鲁雯;宋莉;张光玉;李正美;;基于神经网络技术在乳腺钼靶x片感兴趣区域的提取新方法[J];中国医学装备;2008年02期

4 王瑞平;万柏坤;高上凯;;独立分量分析在乳腺钼靶X片感兴趣区域提取中的应用[J];中国生物医学工程学报;2007年04期

相关博士学位论文 前2条

1 王磊;乳腺钼靶X光片上微钙化点的计算机辅助检测技术的研究[D];浙江大学;2010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

相关硕士学位论文 前10条

1 李杏;基于CT图像的肺结节辅助检测方法的研究[D];北京交通大学;2011年

2 陈桂林;基于钼靶影像的乳腺肿瘤形态特征分析[D];南京医科大学;2011年

3 赵可心;乳腺影像的语义检索技术研究[D];哈尔滨理工大学;2011年

4 董妍;基于神经网络的乳腺钙化点形态学检测算法研究[D];西安电子科技大学;2006年

5 王颖;基于SVM的乳腺肿块分层检测算法研究[D];西安电子科技大学;2006年

6 吴燕;基于FSVM的医学图像奇异点检测算法研究[D];燕山大学;2006年

7 赵文琪;基于多分辨分析与主动学习的微钙化点簇检测[D];西安电子科技大学;2007年

8 王伟;肺部CT图像中结节的检测算法研究[D];西安电子科技大学;2007年

9 程运福;基于乳腺X线片自动检测癌变信息的理论研究[D];山东大学;2007年

10 车琳琳;基于钼靶X线影像的乳腺微钙化点检测和良恶性识别算法研究[D];山东大学;2010年

本文编号：2872104