基于小波变换的乳腺X线影像微钙化点感兴趣区域提取新技术

为乳腺癌早期诊断和乳腺X线影像微钙化点计算机辅助检测作前期预处理,提出了一种基于小波变换的微钙化点感兴趣区提取新技术。其具体思路是:(1)将乳腺区域图像提取成等大的子图像;(2 )对每一幅子图像进行小波变换,根据特征参数ρ讨论最优小波变化参数和阈值T;(3)根据阈值T判别子图像是否属于感兴趣区。对临床实际病例(2 0幅乳腺X线影像)的试验结果表明,该方法具有较高的检出率(89.7% ) ,和较为满意的假阳性率(2 .1% )。

乳腺X射线数字影像中钙化点感兴趣区域提取方法

为乳腺X射线影像计算机辅助诊断做前期预处理,研究了乳腺图像处理中钙化点感兴趣区域提取的问题。在对乳腺X射线图像进行基本的背景分割后,首先运用改进的区域扩张法实现了对乳腺图像中乳腺区域的提取,然后对乳腺区域部分采用改进的反锐化掩模法进行图像增强,突出钙化点区域,再根据含钙化点的特征选取合适的阈值提取出可能含有钙化点的感兴趣区域(ROI)。试验表明,该方法可完成对乳腺影像的ROI提取处理,有助于提高乳腺疾病诊断的准确率。

基于乳腺X线图像的微钙化点区域自动检测算法研究

目的:乳腺癌是女性最常见和多发的恶性肿瘤之一。恶性乳腺肿瘤早期重要表征是伴有微钙化现象。人工识别乳腺X射线图像微钙化点和微小肿块等病变遗漏率较高。探讨乳腺X线影像中微钙化点区域的自动提取算法,以提高诊断速度和准确率。方法:在综合运用各种算法的基础上,基于乳腺X线图像微钙化点特征提出应用小波变换等研究乳腺X影像中微钙化点感兴趣区域的自动提取方法,并仿真验证算法的有效性。结果:应用ROC模型对医院临床80个病例的150副图像对提出的小波改进算法和相关算法进行了测试和比较。基于小波的微钙化点区域自动提取算法,可以获得高达98.8%的检出率和5%的误检率,实现了乳腺图像中含钙化点感兴趣区域的自动提取,验证了算法对提高检出率的可行性。结论:应用小波改进算法对乳腺X线图像中含钙化点感兴趣区域的自动提取是可行的,具有较高的微钙化点检出率,有利于实现乳腺影像可疑病灶区域的自动定位和早期发现,有利于加强对导致乳腺癌危险因素的研究和积极干预。

基于小波分析和灰度纹理特征的乳腺X线图像微钙化点区域的提取

目的乳腺癌的早期发现对患者意义重大。为帮助医生进行乳腺癌的早期检查和诊断,本文提出利用小波分析与图像纹理特征提取相结合的方法来提取乳腺X线图像微钙化点区域,在提高检查准确性的同时避免漏检误检。方法首先利用灰度共生矩阵所提取的能量、熵、对比度、相关性以及小波分解后得到的各层高频系数的方差、能量作为图像的特征向量,然后利用支持向量机进行训练建立最优分类模型。最后利用建立的最优分类模型实现乳腺X线图像微钙化点区域的提取并利用检出率和误检率对结果进行评估。结果使用临床数据进行验证,结果表明利用小波分析与图像纹理特征提取相结合的方法能有效提取乳腺图像中的微钙化点区域。结论基于小波分析和灰度纹理特征的乳腺X线图像微钙化点区域的提取方法比单一的图像纹理特征提取或小波分析等方法,提取的效果更好。另外,该方法设计简单,更易于实现乳腺癌的自动化诊断。

采用多尺度多级组合分类器快速定位乳腺X片中的感兴趣区域

乳腺癌是妇女常见恶性肿瘤之一,早期诊断和治疗是降低乳腺癌患者死亡率的关键。微钙化是乳腺癌早期的一个重要标志,因此快速准确地找出乳腺X光片中含有微钙化簇的感兴趣区域(ROI)是成功诊断的第一步。乳腺X光片中含有大量无病变区域和少量微钙化区域,形成了一种典型的不对称分类问题。本研究结合大量无病变区域的信息训练多级组合分类器,并借助多尺度方法加快筛选速度,以定位ROI。在真实的数字化X线乳腺照片上的实验表明,该方法在无漏检的情况下,可以排除92.64%的正常区域,而且基于Matlab处理,对于每幅图片的平均处理时间仅为7 s。

基于先验模型和区域生长的乳腺图像钙化点检测

早期乳腺癌的一个重要特征就是钙化点,快速准确地找出乳腺图像中的钙化点是成功诊断的第一步。提出了一种先验模板和区域生长的钙化点快速检测方法。根据钙化点检测的临床经验,选用一直径为0.5mm的模板找出乳腺图像中的局部峰值点。以这些峰值点为初始种子点,进行区域生长;计算每个区域的面积、平均灰度、对比度,保留满足钙化点特征的区域。根据先验知识,对生长获得的钙化点是否成簇进行判别,保留成簇的微钙化点。实验表明,该算法实现了乳腺图像中钙化点的快速自动检测,提高了医生诊断的正确性。

基于形态学灰度重构的乳腺微钙化点提取

针对乳腺X线摄片,提出了一种计算机辅助检测乳腺微钙化点的方法:首先利用灰度形态重构完成穹顶提取,除去乳腺背景结构同时又能很好地保留微钙化点;其次运用拉普拉斯算子在空间域内对图像进行锐化以增强微钙化点;然后在频率域内利用巴特沃思高通滤波器对图像进行高通滤波;最后利用二维最大熵阈值分割对图像二值化,从而检测出微钙化点并在图像上标识出来。计算机辅助诊断的方法不仅避免了医生因大量阅片引起疲劳而造成误诊,起到了协助医生诊断的作用,而且提高了诊断的效率和准确率。

X线乳腺图像中微钙化检测的快速排除无病变区域法(英文)

介绍一种通过去除数字化乳腺X线照片中的无病变区域(TNR)间接地获取感兴趣区域(ROI)的方法。该方法可通过3个步骤来实现:(1)将图像划分为若干个不重合的相等大小块,并为每块计算5个特征;(2)通过域值法进行粗分析,排除肯定不含有病变的块;(3)使用代价敏感的支持向量分类器作更精细的分析,以进一步排除肯定不含有病变的块。在真实的数字化X线乳腺照片上的实验表明:该方法可以有效地去除高达81.71%的无病变区域。

基于SVM和形态学的乳腺X线影像MROI提取技术

针对目前乳腺X线影像微钙化点感兴趣区域的提取方法复杂,效果不理想,保留微钙化区域的能力及排除非病变区域的能力差等方面的问题.依据微钙化点区域和非微钙化点区域的特征差异,提出了利用支持向量机来对乳腺组织子块是否是微钙化点区域进行分类,引入微钙化点的检测方法,利用形态学对含微钙化点的可疑区域进行检测,最后判断微钙化点簇,完成提取.实验证明,该方法操作简单,检出率较高,且假阳性得到明显降低,可大幅提高后期辅助诊断的效率.

基于模糊神经网络的乳腺微钙化点检测

在乳腺钼靶x线片计算机辅助诊断中,微钙化点的自动检测是难点问题之一.本文基于模糊神经网络,建议了一种乳腺微钙化点提取的新方法.算法首先利用随机方法产生大量的样本,经模糊判别后,输入神经网络进行训练,训练后的神经网络对感兴趣区域进行分类得到微钙化点.最后,仿真结果同其它算法进行比较,证明本文算法具有更高的阳性检出率。

乳腺X线影像预处理新方法

基于传统乳腺X线影像的计算机辅助检测微小钙化点已经成为乳癌早期诊断的研究热点。但由于乳腺钙化点自身特点,准确地检测出钙化点在时间和精确度上还是一个挑战。本文中,我们提出一种寻找钙化ROI的新方法。在南京中大医院乳腺癌数据集上的所得的实验结果为,可以去除92.1761%的没病变区域,一张图的处理时间为15.32秒。

CAD系统中MROI提取技术

目前有很多种分割技术可以分割出乳腺癌的标志物——微钙化点,但从医学角度来说不是所有的微钙化点都是癌症的研究对象,对一个专业医生来说,成簇的微钙化点才有可能考虑作进一步的诊断。我们需要在分割完成的基础上做进一步的判断,找出成簇的微钙化点研究对象,即微钙化点感兴趣区域(MROI)提取。对单个的或不符合要求的微钙化点要移除掉,以降低系统诊断的假阳性概率。本文尝试用数学形态学的方法结合医学上对感兴趣区的定义提取感兴趣区域,实验表明,该方法可以有效地检出ROI区域。