基于微钙化点检测的乳腺X光片计算机辅助诊断系统

　　乳腺癌是妇女常见的恶性肿瘤之一,全球每13min就有一人死于乳腺癌. 20世纪末的10年,中国城市乳腺癌死亡率增加了38·4%,成为城市中死亡率增长最快的癌症.基于导致乳腺癌的原因尚属未知,因而早期的诊断和普查工作成为降低乳腺癌死亡率的有效措施.在目前较成熟的影像诊断方法中,钼靶X线摄影是诊断乳腺癌的首选影像学方法,这种方法能形成可见的微钙化结构以及对乳房深部和致密乳房也能形成具有诊断意义的图像.统计资料表明, 30% ~50%的乳癌恶性肿瘤伴有微钙化,且乳腺癌早期诊断的关键技术之一是及时发现乳腺癌数字化X光片中的微钙化点并判断其是否有恶化倾向.尽管微钙化点的检测研究已持续了20余年,但由于早期乳腺癌的微钙化点非常小、不规则、形状和分布各异,使之难以识别[1].此外,感兴趣区域的对比度差,病变区域与周围正常组织之间的强度差非常小,且致密组织与病变组织十分相似,这些原因造成了微钙化点的检测十分困难.目前主要的检测方法有基于传统的图像处理、统计学分割方法、基于小波的图像特征增强、模糊聚类方法、人工神经网络方法等[1-3].现有任何单一分析和检测方法都难以取得令人满意的检测结果和分类结果.本文提出优化组合多种方法的综合处理新方法,在保证较高TPR的同时,较少FP.如图1a、c为数据库中的两幅乳腺X光片,图1b、d分别为a、b中包含微钙化簇的ROI.

　　1　检测方法

　　1·1　方法设计

　　本文提出一种新的方法来检测微钙化点,并通过特征提取对病变的良恶性做出判断.基于微钙化点是淹没在低频背景和极高频噪声中的高频信号,提出定位微钙化点的新方法结合了数学形态学和小波变换理论来对图像进行处理.其基本思想是:先用数学形态学的方法对图像进行处理,得到包含极高频噪声和高频微钙化点信息的二值化图像,然后用小波变换对原始图像进行处理,从而进一步去除了一部分极高频噪声和低频背景,最后,将所得的二值图像在形态学处理时得到的图像中进行膨胀,从而将淹没在极高频噪声和低频背景中的高频微钙化点提取出来.然后,在原始图像和第一部分所得出的二值化图像中提取特征,并利用神经网络来进行病变的良恶性判断.

　　1·2　数据库和预处理过程

　　本文所用的数据库为MIAS(Mammographic Im2ageAnalysis Society),其中的X光片为每像素8比特的灰度图像,空间分辨率为每像素50μm.其中含有微钙化簇的图片有23幅,每幅图片包含一个或数个由放射科医师标示的微钙化簇,但微钙化点的确切位置并没有标示.每一个微钙化簇的大概位置是由中心位置和半径的形式给出的[2].