论文部分内容阅读
近年来,随着社会的不断进步,人们生活方式、饮食习惯以及环境因素的变化,乳腺癌的发病率呈现着不断上升的趋势。乳腺癌也成为影响女性健康的头号杀手。目前,乳腺钼靶X线摄影是公认的临床乳腺癌检查的有效工具,在乳腺癌的早期诊断中起着重要作用。然而,由于乳腺组织自身结构的特殊性,人们在乳腺X线图像得到的信息是非常有限的。特别是对乳腺癌早期检查具有重要意义的微钙化点信息,可能无法在图像中清晰的显示出来,即便经验丰富的临床专家也可能出现漏检、误检现象的发生。近年来,随着计算机技术的飞速发展,利用计算机技术自动检测乳腺钼靶X线图像中的钙化点已经成为研究的热点和难点。本文主要针对乳腺X线图像微钙化点计算机辅助诊断系统的若干关键技术展开研究,主要做了以下几个方面的工作:(1)提出一种自适应的乳腺X线图像增强方法。由于乳腺图像整体对比度低,本文利用非采样的contourlet变换对乳腺图像进行多尺度分解,通过设计的增强函数对不同尺度的高频系数进行增强处理。该方法能够在有效抑制噪声的基础上,对图像中的微钙化点进行有效增强。(2)乳腺图像感兴趣区域(ROI)的提取。本文提出了基于图像纹理特征和小波变换相结合的方法来提取图像中的感兴趣区域。该方法首先在时域内利用灰度共生矩阵来提取图像中的纹理特性,然后提取小波变换后的各高频子图的统计特性。将这两者的特征向量相结合,利用支持向量机进行训练分类,实现图像感兴趣区域(ROI)的自动提取。(3)钙化点检测及系统设计。在乳腺图像感兴趣区域基础上,通过形态学的top-hat算子和小波变换的方法找到图像中代表钙化点的种子区域,利用区域生长算法实现钙化点的分割,实现钙化点的精确定位。最后,利用matlab软件设计一套实用的微钙化点检测系统,实现检测的可视化,方便医生进行乳腺癌的早期筛查,,可大大提高工作效率。通过与临床专家的主观检测进行实验对比,验证了本文提出的乳腺X线图像钙化点检测算法的有效性和实用性,为临床医生利用计算机辅助诊断早期乳腺癌提供了有效手段。