基于活动轮廓模型的乳腺X线图像肿块分割方法的研究

摘要

乳腺癌是当今危害女性健康的最常见的恶性肿瘤之一。乳腺癌防治的关键在于早期诊断，乳腺X线摄影技术被认为是目前临床上早期探测乳腺癌最有效的方法。乳腺X线图像的阅读分析通常依赖于影像科医生的专业知识和主观经验，但由于乳腺组织的复杂性、早期乳腺癌症状的隐匿性以及人的视觉感知等因素，医生在阅片时容易漏检或出现诊断错误。国内外研究表明，乳腺X线图像计算机辅助诊断技术(computer-aided diagnosis，CAD)技术能够提高影像医生的诊断效率和正确率。乳腺肿块分割作为肿块检测中的先前步骤，分割结果的质量将直接影响到后续的肿块分类和检测，在乳腺X线图像CAD系统中具有重要的作用。
　　 本硕士论文首先介绍了乳腺癌的现状、诊断方法以及乳腺X线图像CAD技术的必要性，在综述了目前乳腺X线图像肿块分割方法的基础上，对乳腺X线图像肿块分割做了较为深入的研究，最后结合乳腺X线图像的特点，提出使用活动轮廓模型作为肿块分割方法。
　　 活动轮廓模型是基于泛函极值理论和变分方法的，主要分为参数活动轮廓模型和几何活动轮廓模型。参数活动轮廓模型是在目标边界附近最小化样条曲线的能量函数以达到分割目标的目的。高斯力和梯度矢量流等传统参数活动轮廓模型难以处理弱边界医学图像分割问题，在GVF Snake模型的基础上，本研究提出一种基于多分辨率GVF Snake模型的肿块分割方法，在构建图像高斯金字塔的基础上，以递归的形式调用GVF Snake模型对每层图像进行肿块分割。该方法通过引入多分辨率思想，有效地降低了对初始轮廓的敏感性，减少了噪声对分割过程的影响，具有较好的分割效果。针对参数活动轮廓模型在分割乳腺肿块时存在的不足，本研究引入了基于水平集方法的几何活动轮廓模型。在介绍曲线演化理论和水平集方法的基础上，重点研究了基于同质区域信息的Chen-Vese模型(C-V模型)。由于乳腺X线图像的灰度不均匀性，C-V模型的分割方法结果往往并不理想。为此本研究提出一种多尺度的肿块分割模型，通过引入多尺度方法，充分利用图像的全局信息和局部信息对肿块进行分割。另外，该方法采用水平集实现，具有良好的稳定性和拓扑结构变化能力。实验结果表明，该分割方法具有良好的分割精度和鲁棒性。