摘要: 世界卫生组织相关数据显示，乳腺癌已成为威胁女性健康的首要疾病，在世界范围内新增病例逐年增长，严重危害女性身心健康。临床研究表明，早期诊断能有效降低乳腺疾病的死亡率。乳腺钼靶X线摄影术作为乳腺疾病筛查和检测的首选方法，有很好的敏感性和... 展开 世界卫生组织相关数据显示，乳腺癌已成为威胁女性健康的首要疾病，在世界范围内新增病例逐年增长，严重危害女性身心健康。临床研究表明，早期诊断能有效降低乳腺疾病的死亡率。乳腺钼靶X线摄影术作为乳腺疾病筛查和检测的首选方法，有很好的敏感性和特异性，且操作简洁，成像直观，安全无创伤，所以，被业界视为乳腺疾病早期预防和诊断最可靠的工具。在乳腺X线图像中，肿块和微钙化点簇是乳腺癌的主要征兆，但肿块和钙化点对比度低、形态多样且极不规则，易受胸肌及腺体等高致密组织的影响。因此，在临床诊断中，放射医师面临很大的困境。实现乳腺肿块和钙化点簇的精确分割和检测，为医师提供参考性意见，能有效提高临床诊断的准确率。 本文主要以乳腺钼靶X线图像为研究对象，旨在探索、分析和研究乳腺病灶检测方面的难点和困境，提高乳腺癌早期诊断的准确率。通过调研和分析国内外学者在病灶检测领域的现状，搜集并整理乳腺X线数据库，并从病灶内在属性出发，有针对性地探究乳腺X线钙化点和肿块检测方法。论文主要工作归纳如下： 1.提出基于Contourlet变换和无耦合链接SPCNN（SimplifiedPulseCoupledNeuralNetwork）的钙化点检测算法。 针对乳腺钼靶X线钙化点的高频特性（类噪声特点），本文提出了基于Contourlet变换和无耦合链接SPCNN的钙化点检测模型。该方法借助多分辨率分析理论，在Contourlet变换域实现了低频背景和高频钙化点病灶区域的分离，有利于后续钙化点的单独处理。基于钙化点离散孤立分布且呈弱耦合链接的特点，设计了专用于钙化点检测的无耦合链接SPCNN模型。该模型具有良好的生物学背景，且符合人眼视觉特性，能够敏锐地从乳腺X线图像复杂的组织结构中分割出可疑钙化点病灶。本文提出的钙化点检测方法在MIAS（MammographicImageAnalysisSociety）和JSMIT（JapaneseSocietyofMedicalImagingTechnology）数据库的钙化点数据集上进行算法测试，并在当地医院提供的样本数据库上做了算法验证，验证结果论证了算法的有效性和实用性。 2.提出基于改进CV模型的肿块分割算法。 乳腺钼靶X线图像灰度不均匀且存在弱边界，所以在肿块分割过程中很容易造成轮廓线错误移动和分割结果不精确。针对以上问题，本文提出了基于偏置场理论和图像局部灰度统计特性约束的改进CV模型。在该模型的预处理阶段，采用区域生长和最大连通区域标记相结合的算法获取平滑的乳腺区域，选用非线性反锐化掩模增强病灶；在肿块分割阶段，采用具有良好生物学背景的脉冲发放皮层模型自动初始化初始轮廓；引入变分水平集解决重新初始化的问题，即在水平集演化函数中通过添加惩罚项来补偿偏离了符号距离函数的水平集演化函数；针对乳腺图像灰度分布不均匀的问题，采用基于物理光学成像模型的偏置场理论对原始图像做灰度矫正，有效解决了由于灰度不均匀造成的错分；同时采用基于灰度统计特性的局部区域可伸缩外力进行条件约束，最终实现肿块的精确分割。该算法在DDSM（DigitalDatabaseforScreeningMammography）和MIAS数据库上进行测试，分割结果论证了算法的有效性和正确性。 3.提出基于人眼视觉显著性的肿块分割模型。 通过对照和分析临床放射医师的阅片过程，本文开始考虑借助人眼视觉注意力相关模型去构造人造的“眼”，进而模拟乳腺钼靶X线图像病灶检测过程，实现肿块的精确定位。具体地说，首先提出了基于自适应半局部对比度特征的显著性检测模型，该模型借助滑动的窗口探测目标及周围组织环境的分布情况，在保留感兴趣区域的同时减弱背景干扰，能很好的模拟人眼特性。该显著性检测模型的优点在于：1）是一种基于半局部区域而非像素级的显著性检测模型；2）条件分布估算是采用积分直方图方法实现的；3）采用自适应的先验概率进行显著性的计算，而非固定的先验概率。以上优点使得该算法不论是对自然图像还是医学图像，都有很好的鲁棒性。该算法在MIAS数据库的肿块图像上进行算法测试，并在当地肿瘤医院的乳腺X线肿块图像上得到了验证。实验分割结果表明，该模型在临床应用中具有很大的潜力。 4.提出基于改进U-Net模型的肿块分割算法。 通过深入分析U-Net和Res-Net（ResidualNeuralNetwork）网络的优点，借助残差模块和规范化策略优化U-Net模型，设计并实现了Res-U-Net框架。该模型是一种典型的编码器解码器网络结构。其中，编码器阶段用于实现逐渐降低池化层的空间维度，解码器阶段用于逐步修复目标细节及空间维度，编码器和解码器借助快捷连接实现了图像全局及局部信息的融合，有助于获得更为精细的分割结果。在该实验中，采用15个卷积层设计并实现了7层的U-Net深度残差网络。该模型能有效地解决深度网络构架下分割性能退化的问题，所以残差U-Net网络的分割性能明显会高于原始的U-Net。最后，在DDSM和INbreast肿块数据库上验证了模型的可行性和有效性，实验结果表明，改进的Res-U-Net模型肿块分割性能明显优于U-Net和Seg-Net网络。 另外，本文收集并整理了国际常用的五大公开乳腺钼靶X线数据库以及当地医院的样本数据，这五大数据库主要包括MIAS、DDSM、JSMIT和INbreast四大常用乳腺X线影像数据库，以及DWBCD（DiagnosticWisconsinBreastCancerDatabase）特征库。同时，与当地医院建立长期合作关系，扩充现有数据库，为临床诊断和算法设计提供数据支撑。 收起