乳癌的早期筛选与钼靶X线图像处理

乳癌的早期筛选与钼靶Ｘ线图像处理徐庐生，高永晟ＣｌａｒｉｄｇｅＥｌａ乳癌为女性常见多发的癌症之一，据统计有１／２０的妇女一生中会得乳癌。尤其在５０～６４岁的中老年妇女中发病率更高。在英国每年约有２４０００位乳癌新病人，且有１５０００名妇女因乳癌而丧生...

乳腺钼靶X线图像计算机辅助诊断系统模块分析

乳腺疾病的发病率近年来不断增高,为增加诊断乳腺钼靶X线图像的正确率和减轻医生的诊断负担,计算机辅助诊断系统应运而生。本文首先分析了钼靶X线图像计算机辅助诊断技术;然后阐明了其系统的主要组成模块及模块所采用的主要技术;最后通过研究不同地区女性的乳腺组织的差异,展望了该技术研究在我国的发展前景。

乳腺X线图像肿块分割研究

乳腺癌是女性最常见的恶性肿瘤疾病。肿块是乳腺癌一个很重要的征象。首先描述乳腺癌的研究现状,接着介绍了乳腺X线图像库,然后从以下四类对乳腺钼靶X线图像中的肿块分割技术进行综述:基于阈值的分割技术、基于区域的分割技术、基于特定理论的分割技术和基于模型的分割技术,最后对乳腺X线图像中肿块分割的发展前景进行讨论。

基于坐标匹配和子图切分定位乳腺钼靶图像的感兴趣区域

乳腺X线摄影技术是早期发现和诊断乳腺肿瘤的首选方法。提取乳腺钼靶图像的感兴趣区域(region of interest,ROI)并利用人工智能算法对其进行模式识别,可有效提高乳腺肿瘤筛查工作的效率。试验图像均来自DDSM乳腺X线钼靶图像公开数据库,以其中BI-RADS分类为第4类(BI-RADS4)的簇状分布多形性钙化钼靶图像为研究对象,探求在设计乳腺钼靶图像分类器过程中提取ROI的新方法。结果显示,设计出优化的分类器后,可高效地识别试验对象,其测试集上的分类准确率最高可达99.3%。因此,本研究可为医生的临床研判提供辅助信息,并为细分BI-RADS4、进一步精准诊断奠定技术基础。

结合图像分割和多特征融合识别乳腺钼靶图像

目的结合图像自动分割技术和机器学习方法对乳腺钼靶X线图像进行准确分类识别。方法以数字钼靶X线图像数据库(DDSM)中的BI-RADS4类的簇状分布多形性钙化钼靶图像为研究对象,自动切分图像的感兴趣区域(ROI)。对小波变换、Gabor滤波和灰度共生矩阵法所提取的特征参数进行融合,并基于灵敏度分析对融合后的特征参数进行筛选。使用基于集成学习的方法,对多项式核支持向量机(SVM)、随机森林和逻辑(logistic)回归分类器进行投票集成,构成用于乳腺钼靶X线图像自动分类的分类器。投票集成方法为软投票。结果提出的集成分类器可高效地识别与分类乳腺钼靶X线图像,其分类的灵敏度、特异度和准确率分别为99.1%、99.6%和99.3%。结论所提出的乳腺钼靶X线图像处理与分类识别方法能为医生的临床判断提供辅助检测的依据,并为细分BI-RADS4类图像提供技术基础。

双侧特征融合的乳腺肿块检测

乳腺癌是妇女最常见的恶性肿瘤之一,面向乳腺钼靶X线图像的计算机辅助肿块检测技术可以帮助影像科医师早期发现乳腺病变.针对于单侧的乳腺肿块检测中准确率有待提升的问题,提出双侧特征融合的乳腺肿块检测算法.首先,进行图像预处理,并利用相干点漂移完成乳腺轮廓配准;然后,利用配准得到的变换矩阵获得双侧乳腺感兴趣区域,再在其中提取左右侧乳腺的单侧特征向量和双侧对比特征向量,从而建立融合的特征模型,并采用遗传选择算法对特征向量进行特征选择;最后利用极限学习机基于选择后的特征进行乳腺肿块检测.实验结果表明,与传统的基于单侧的乳腺肿块检测算法相比,文中算法能有效地提高检测准确率.