基于乳腺動(dòng)態(tài)增強(qiáng)MRI病灶分割及特征提取.pdf

1、乳腺癌是導(dǎo)致女性死亡的主要原因之一，早期發(fā)現(xiàn)和治療可以顯著降低乳腺癌的發(fā)病率和死亡率。動(dòng)態(tài)對(duì)比增強(qiáng)磁共振掃描(Dynamic Contrast-Enhanced Magnetic Resonance Imaging，DCE-MRI)技術(shù)，因其可為診斷乳腺病變提供豐富的四維信息，已成為一種檢測(cè)乳腺疾病的重要手段。同時(shí)，基于DCE-MRI的計(jì)算機(jī)輔助診斷(Computer-Aided Diagnosis，CAD)系統(tǒng)，也因能輔助醫(yī)生快速有效

2、地診斷而逐漸被應(yīng)用到臨床中?；谌橄貲CE-MRI的病灶分割和特征提取問(wèn)題的研究是CAD技術(shù)的重要內(nèi)容。本論文根據(jù)正常組織與病灶在影像上的灰度分布差異，設(shè)計(jì)了一種僅基于影像背景信息的新主動(dòng)輪廓模型算法來(lái)分割乳腺三維(Three Dimension，3D)病灶。對(duì)分割得到的3D病灶提取包括動(dòng)態(tài)增強(qiáng)、形態(tài)學(xué)、體紋理和空時(shí)四個(gè)方面的綜合特征以分析病灶屬性。并利用SVM分類器進(jìn)行特征選擇和分類研究。本文主要工作如下:
　　第一，由于病灶具

3、有復(fù)雜的形狀結(jié)構(gòu)和多樣的灰度分布，目前準(zhǔn)確可靠的3D分割仍是一個(gè)具有挑戰(zhàn)性的問(wèn)題。本文針對(duì)上述情況著重進(jìn)行病灶分割研究。結(jié)合病理學(xué)基礎(chǔ)以及臨床采集到的數(shù)據(jù)，本文發(fā)現(xiàn)，病灶周?chē)＝M織灰度分布均勻，而病灶內(nèi)部灰度復(fù)雜多樣且是判別病灶良惡性的重要依據(jù)。不同以往統(tǒng)一建模正常組織與病灶的算法，本文首次提出基于正常組織即背景的主動(dòng)輪廓模型算法進(jìn)行3D病灶分割。論文對(duì)采集到的多種類型的102個(gè)病灶分割。分割涵蓋了目前常見(jiàn)的主要乳腺癌類型，通用性較好

4、。為比較分割結(jié)果，本論文將有經(jīng)驗(yàn)的放射科醫(yī)師標(biāo)注的人工分割結(jié)果作為參照，并與其它典型分割算法比較，且利用不同的評(píng)價(jià)參數(shù)評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明，本論文分割模型解決了病灶分割中的弱邊界泄漏問(wèn)題，算法魯棒性好，同時(shí)實(shí)現(xiàn)簡(jiǎn)單速度較快。
　　第二，乳腺DCE-MRI病灶影像特征豐富，因此乳腺疾病診斷需綜合多方面信息。本文在擴(kuò)展二維(Two Dimension，2D)特征的基礎(chǔ)上，從不同角度和維度共提取包括動(dòng)態(tài)增強(qiáng)、形態(tài)學(xué)、體紋理和空時(shí)四個(gè)方面的