论文部分内容阅读
乳腺癌是女性常见的恶性肿瘤之一，而且发病率逐年上升，早期的诊断和治疗是降低乳腺癌死亡率的关键。细小、颗粒状的成簇微钙化点是乳腺癌早期的重要征象。乳腺钼靶X线影像对钙化现象比较敏感，但微钙化点在影像中不容易被人眼识别，所以微钙化点的计算机辅诊断逐渐发展起来。本文旨在将微钙化点的计算机检测应用到临床诊断中，在医生诊断之前，给出一个可能含有微钙化点的范围和微钙化点位置的提示，使得医生无须反复浏览整幅乳腺影像，以减轻医生的工作量，提高诊断效率。微钙化点的检测通常分为两部分：首先，对乳腺区域进行处理，提取出可能含有微钙化点的感兴趣区域(ROI)；然后，对每一个ROI检测微钙化点是否存在。本文提出利用C-均值聚类算法，从整幅乳腺影像中提取出乳腺区域。这种方法可以提取出大部分乳腺区域，排除掉了背景区域，和极少出现钙化的乳腺皮肤及少量皮下脂肪，这样就减小了ROI提取过程的运算量，实验也显示了较好的效果。将提取的乳腺区域划分为若干较小的方形区域，对每一个区域用Daubechies小波进行分解，对高频图像选取特征量。本文提出双阈值动态生成的ROI判定方法，不同的影像生成不同的判定阈值，阈值的动态生成减小了算法的局限性。ROI的提取得到了微钙化点的可疑区域。为了进一步降低ROI提取结果的假阳性率，所有ROI经过高斯差分滤波，对每一个象素点进行阈值判定和区域判定，确定ROI中是否存在微钙化点，并且确定微钙化点的位置，以便于通过二值化，在计算机屏幕上显示微钙化点的具体位置，这样能够帮助医生识别一些比较模糊，与周围正常区域对比度不大的微钙化点。本文对24幅DICOM格式的高分辨率乳腺钼靶X线数字影像进行实验，实验结果显示，乳腺区域提取算法可以很好的分离乳腺和背景区域，ROI提取得到83.39％的检出率和2.30％的假阳性率；对ROI进行的微钙化点检测得到83.39％的检出率，和平均每幅乳腺影像3.58个假阳性区域，在保持了检出率的同时，使假阳性率进一步降低。这一结果是比较理想的，也得到了专家医生的肯定。