乳腺X線圖像微鈣化點檢測方法研究.pdf

1、乳腺癌已成為城市女性的“頭號殺手”，嚴重危害了當代女性身心健康。目前已知生活方式、環(huán)境問題等因素對乳腺癌的發(fā)病有一定的影響，但仍無法獲知其確切的發(fā)病原因。為了降低乳腺癌死亡率，關(guān)鍵在于早發(fā)現(xiàn)、早診斷、早治療。由于醫(yī)師受到工作經(jīng)驗、疲勞度等方面的影響，計算機輔助技術(shù)在乳腺X線早期診斷中起著非常重要的作用。微鈣化點是乳腺癌的早期特征之一，由于其與周圍組織的對比度較低等因素，如何快速有效地利用計算機輔助技術(shù)檢測出乳腺X線圖像中的微鈣化點是當今

2、乳腺癌研究的一個重要課題。
　　本文針對微鈣化點的檢測難點，并基于對生物醫(yī)學(xué)圖像以及乳腺X線圖像的特征分析，分三個模塊對微鈣化點自動檢測中的圖像處理與分析算法進行了深入的研究。工作內(nèi)容及創(chuàng)新點如下：
　　1.預(yù)處理模塊。針對乳腺區(qū)域提取方法復(fù)雜度較高的現(xiàn)狀，本文提出了一種基于形態(tài)學(xué)的乳腺區(qū)域提取算法，實驗結(jié)果表明該方法在確保完整有效的提取乳腺區(qū)域的基礎(chǔ)之上，獲得了提取速度的改善，具有較強的通用性。
　　2.感興趣區(qū)域(

3、ROI)提取模塊?；谏镝t(yī)學(xué)圖像通常由若干獨立成分加權(quán)迭加而成的特征，以及獨立分量分析對數(shù)據(jù)高階統(tǒng)計相關(guān)性分析的優(yōu)勢，提出了一種基于獨立分量分析的提取感興趣區(qū)域的算法。通過基于負熵最大化的FastICA保證了ICA算法的收斂速度。結(jié)合人工神經(jīng)網(wǎng)絡(luò)和支持向量機分別對提取的特征向量進行分類以提取感興趣區(qū)域。對兩種分類方法的實驗結(jié)果表明，支持向量機在分類精確性和算法簡便性上均優(yōu)于人工神經(jīng)網(wǎng)絡(luò)，最高準確率可達91.67％，真陽性率93.33％

4、。通過與其他文獻提出的算法提取ROI的真陽性率的比較，進一步驗證了獨立分量分析在提取乳腺x線圖像特征高完整性的優(yōu)勢。
　　3.微鈣化點檢測模塊。在微鈣化點檢測技術(shù)中，提高微鈣化點與背景區(qū)域的對比度是提高檢測效果的關(guān)鍵問題?；谌橄賆線圖像在頻域的特征表現(xiàn)以及小波的時頻特性，提出了一種結(jié)合了小波分析和小波去噪的算法。與形態(tài)學(xué)Top-Hat算法，部分小波系數(shù)加權(quán)算法的檢測結(jié)果比較表明，本文的算法保持了對背景區(qū)域的高去除度，有效地克服了