B超图像的乳腺肿瘤计算机辅助诊断系统研究

摘要

乳腺癌是女性常见的恶性肿瘤之一，近年来发病率呈明显上升趋势。超声被广泛用于乳腺癌的诊断，因为超声成像具有对人体无放射、价格相对较低廉等优势。临床上，医生主要是通过肉眼观察 B型超声图像的特征，凭经验和感性的认识来对乳腺肿瘤进行诊断，缺乏客观指标，有时会造成误诊，特别是对良性肿瘤的误检率较高导致了活检结果为良性的病例增加，给病人带来了不必要的痛苦和经济负担。 计算机辅助诊断能进行定量分析，减轻医生诊断工作量，降低活检数，提高诊断效率和客观性。目前的计算机辅助诊断主要是手工或半手工提取乳腺肿瘤的边缘，这样加重医生的工作负担，并且边缘提取效果受医生主观影响较大。本文的研究目的是实现自动提取肿瘤边缘并提取判别良恶性肿瘤的最佳特征组合，提高乳腺肿瘤良恶性的识别率，从而降低不必要的活检数量。 本文首先分析125例有病理诊断的乳腺肿瘤超声声像图的特征，针对医学超声图像的特点对乳腺肿瘤B超图像采用加权中值滤波算法有效地去除speckle噪声，并提出一种改进的直方图均衡化算法增强图像的对比度；然后采用基于区域生长的分割算法自动分割提取乳腺肿瘤初始区域，用形态学滤波与空洞填充进行后续处理，得到了122例样本较为准确的病灶区域；最后以病理学为基础，提出了一种基于乳腺肿瘤轮廓分形维数的特征提取方法，并结合似圆度、粗糙度、长宽比等7个形态特征来描述肿瘤边界的粗糙度。然后根据类间距对各个特征的分类能力进行评价，选出类间距较大的特征：轮廓曲线分形维数、似圆度、粗糙度和长宽比组成最佳特征矢量；利用BP神经网络对特征矢量进行分类，获得了乳腺肿瘤的良恶性较好的识别结果，达到降低活检率的目的。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景及实际意义

1.2乳腺肿瘤计算机辅助诊断系统研究现状

1.3主要研究工作

1.4论文的主要研究内容及结构

第二章乳腺肿瘤的超声诊断分析

2.1乳腺肿瘤的医学诊断

2.1.1乳腺肿瘤的一般诊断方法

2.1.2乳腺肿瘤的影像学诊断方法

2.2医学超声诊断分析

2.2.1超声诊断分类

2.2.2超声成像基本原理

2.2.3 B超的临床应用

2.3乳腺肿瘤B型超声声像图特征

2.4本章小结

第三章乳腺肿瘤B超图像预处理

3.1图像去噪

3.1.1 B超图像的噪声分析

3.1.2均值滤波

3.1.3中值滤波

3.1.4加权中值滤波

3.1.5实验结果分析

3.2对比度增强

3.2.1超声图像直方图

3.2.2自适应灰度拉伸

3.2.3改进的直方图均衡化

3.2.4实验结果及分析

3.3本章小结

第四章基于区域生长的超声图像分割

4.1医学超声图像分割方法

4.1.1基于边缘的分割

4.1.2基于区域的分割

4.2基于区域生长的超声图像分割

4.2.1自动选取初始种子点

4.2.2生长准则

4.2.3生长过程

4.2.4.区域生长后续处理

4.2.5.边界跟踪

4.3实验结果及分析

4.4本章小结

第五章特征提取与识别

5.1特征提取

5.1.1基于分形维数的乳腺肿瘤特征提取

5.1.2形态特征提取

5.2特征选择

5.3基于BP神经网络的计算机识别

5.3.1 BP神经网络

5.3.2构建BP神经网络

5.3.3实验结果分析

5.4本章小结

第六章总结与展望

参考文献

致谢

研究生在校期间的科研成果