乳腺醫(yī)學(xué)圖像處理方法研究.pdf

1、近年來,女性乳腺癌的發(fā)病率越來越高,導(dǎo)致乳腺癌成為一種最常見的惡性腫瘤之一。根據(jù)最新統(tǒng)計數(shù)據(jù)表示,美國女性患乳腺癌的概率在所有惡性腫瘤發(fā)病率中排名第一。并且根據(jù)對我國大城市女性的調(diào)查表明,乳腺癌同樣是我國女性疾病中最常見的惡性腫瘤,且發(fā)病率有逐年上升的趨勢。
　　降低乳腺癌死亡率的關(guān)鍵是早期診斷和治療。目前檢查乳腺癌的最常用的方法是乳腺鉬靶成像,但由于數(shù)據(jù)量的龐大以及早期乳腺癌的影像學(xué)特征不明顯導(dǎo)致早期診斷變得十分困難。隨著計算機(jī)

2、和醫(yī)學(xué)的發(fā)展,乳腺圖像計算機(jī)輔助診斷成為一個重要的研究課題,它主要包括對腫塊、鈣化點(diǎn)和乳腺密度的研究。本文主要針對乳腺腫塊檢測以及乳腺密度估計進(jìn)行研究。
　　乳腺癌在乳腺鉬靶圖像上的一個主要表現(xiàn)是腫塊,本文提出了兩種基于Kmean的乳腺腫塊檢測方法。這兩種方法的基本步驟都是:首先進(jìn)行圖像預(yù)處理,該階段包括去除背景、標(biāo)記、胸肌和噪聲,以及乳腺分割和圖像增強(qiáng);其次利用Kmean方法找到感興趣區(qū)域(ROI);然后提取能夠表征腫塊的特征(

3、紋理特征和形態(tài)特征);最后根據(jù)提取到的特征將腫塊和正常組織分離開來。兩種檢測方法的不同之處是:在最后一步分類的時候第一種方法用的是根據(jù)形態(tài)特征的閾值對ROI進(jìn)行分類,而第二類方法則采用的是支持向量機(jī)分類器(Support Vector Machine,SVM)對ROI進(jìn)行分類。
　　乳腺癌在X線圖像上的另一個表現(xiàn)是乳腺密度較大。本文提出了一種基于全局的乳腺密度的估計方法,該方法相對于傳統(tǒng)方法的創(chuàng)新是特征的提取以及分類器的選取。所選