基于X线图像的乳腺肿块检测与分类方法研究

摘要

乳腺癌是一种女性中常见的恶性肿瘤，早期诊断是治愈该病的最有效手段。在乳腺癌早期诊断的诸多方法之中，乳腺X线摄影术被公认为最可靠、最便捷的方法，然而早期的乳腺癌影像学特征一般不够明显，且易受医师主观影响，以至于假阴性与假阳性情况时有出现。基于乳腺X线图像的乳腺癌计算机辅助诊断系统可以有效辅助放射科专业医师提高乳腺癌诊断的精度、效率和一致性。现有的乳腺癌诊断方法性能还达不到专业医师的认可要求，还有非常大的提升空间。本文以提高基于乳腺X线图像的乳腺癌诊断方法性能为目标，针对乳腺X线图像中的肿块检测与诊断方法进行深入研究，开展的主要创新性研究工作以及获得的贡献总结如下:
　　1.针对现有肿块检测方法检测速度较慢的问题，提出了一种基于乳房肿块摄影特点的乳腺X线肿块建模方法，利用该模型定义的肿块内部点特征能够快速定位肿块。在此基础上，结合相应的聚类算法最终获得完整的肿块区域。
　　2.针对现有肿块分层检测算法的不足，提出了一种基于简化型标记脉冲耦合神经网络（Marker Simplified Pulse Coupled Neural Network，Marker-SPCNN）模型的乳腺X线肿块分层检测方法，在保证较低假阳性率的前提下，有效地改进检测灵敏度。
　　3.为了精确分割肿块，提出了一种基于SPCNN与改进型矢量Chan-Vese(CV)模型的乳腺X线肿块分割方法，较现有方法更适合于东方女性乳腺X线图像对比度较低的特点。
　　4.提出了一个新的基于形态学骨架分歧点的形状特征，用以增强肿块形状描述。此外，提出了一种结合非下采样小波变换(Undecimated Wavelet Transform,UWT)与灰度共生特征（Gray Level Co-occurrence Matrix，GLCM）的肿块区域纹理特征提取方法。实验结果表明本文所提取特征在区别肿块良恶性方面表现出显著优势。
　　5.为了进一步提高肿块分类的性能，提出了一种基于特征加权支持向量机（Feature Weighted Support Vector Machine，FWSVM）的乳腺X线肿块分类方法。在详细的肿块特征分析基础上，提出了影响特征权值设定的内外部因素假设，从而合理分配FWSVM中的各特征权值，实验结果表明该方法分类性能优于现有方法。
　　本文研究属于信息学与医学交叉学科的范畴，研究成果解决了乳腺癌肿块计算机辅助诊断系统中存在的一些关键问题，实现了乳腺X线图像处理过程中的一些定性与定量分析，相应的提高了乳腺癌诊断精度与效率，满足乳腺放射科工作者的迫切需求，尤其是对提高我国乳腺癌诊治水平和人民生活健康水平有着重要意义，有着良好的临床应用前景和社会效益。

目录

声明

致谢

摘要

序言

1 绪论

1．1 引言

1．2 研究背景及意义

1．2．1 乳腺医学知识

1．2．2 乳腺癌及其早期检查

1．2．3 钼靶X线摄影术

1．2．4 乳腺肿块

1．3 国内外研究现状

1．3．1 乳腺X线图像肿块检测研究现状

1．3．2 乳腺X线图像肿块分割研究现状

1．3．3 乳腺X线图像肿块分类研究现状

1．4 论文研究内容、主要贡献及创新

1．5 论文结构

2 乳腺癌肿块CAD系统研究

2．1 系统结构

2．2 实验图像库

2．3 算法性能评价准则

2．4 小结

3 基于数学建模与聚类的肿块检测

3．1 引言

3．2 算法流程

3．3 预处理

3．3．1 背景去除与图像降噪

3．3．2 图像增强

3．4 肿块的数学建模与模型特征

3．4．1 肿块区域建模

3．4．2 肿块区域特征

3．5 肿块相似像素点聚类

3．5．1 PCNN-FCM聚类

3．5．2 MS聚类

3．6 实验结果与分析

3．6．1 测试图像库

3．6．2 主要参数设定

3．6．3 实验结果与分析

3．7 本章小结

4 基于标记SPCNN的乳腺肿块分层检测

4．1 引言

4．2 标记SPCNN模型

4．2．1 改进型SPCNN

4．2．2 输出结果修正

4．3 分层肿块检测

4．3．1 判断准则

4．3．2 形态学特征与对比度标准

4．3．3 假阳性区域消除

4．4 实验结果与分析

4．4．1 实验图像库与算法流程

4．4．2 模型参数

4．3．3 实验结果

4．5 本章小结

5 基于SPCNN与改进型矢量CV模型的乳腺X线肿块分割方法

5．1 引言

5．2 算法设计与实现

5．3 SPCNN模型参数寻优

5．3．1 SPCNN最佳分割结果

5．3．2 SPCNN模型参数设置准则

5．4 改进型矢量CV模型

5．4．1 矢量CV模型

5．4．2 CV模型改进

5．5 算法测试与结果分析

5．5．1 测试图像库

5．5．2 实验参数

5．5．3 实验结果与分析

5．6 本章小结

6 基于FWSVM的乳腺X线肿块分类方法

6．1 引言

6．2 算法设计与实现

6．3 形状特征提取

6．4 多分辨率纹理特征提取

6．4．1 非下采样小波变换

6．4．2 子带特征提取

6．5 肿块分类

6．5．1 特征加权支持向量机

6．5．2 特征权值分析

6．6 实验结果与分析

6．6．1 测试数据库与分类器

6．6．2 纹理特征降维

6．6．3 纹理特征分类对比实验与分析

6．6．4 本章方法性能测试

6．7 本章小结

7 结论

7．1 全文总结

7．2 工作展望

参考文献

附录

图索引

表察引

作者简历及攻读博士学位期间取得的研究成果

学位论文数据集