基于乳腺数字X光片的病变检测算法研究

论文摘要

现代社会,由于环境、生存压力、饮食结构等诸多因素影响,乳腺癌发病率呈逐年上升趋势,严重威胁妇女健康。能否早期发现、早期治疗是降低乳腺癌死亡率的关键。钼靶X线摄影是诊断乳腺癌的首选影像学方法。然而,低劣的图像质量、恶性病变的良性表现和观察者的视觉疲劳或疏忽都容易造成误诊和漏诊。为此,许多研究组织和机构纷纷研究和开发计算机辅助诊断系统,即CAD(Computer Aided Diagnosis)系统,来帮助医生做诊断。本文以实际项目为背景,介绍了乳腺CAD系统,并针对乳腺CAD系统中关键问题,即肿块和钙化检测算法进行深入研究。在肿块检测方面,通过对图像进行多阈值分层来检测肿块,使较低亮度肿块也能被很好地检测到,提高了原有肿块检测算法敏感性。在钙化检测方面,提出两种改进算法并对其进行了对比。第一种算法把二进小波奇异点检测理论应用到钙化检测中,得到钙化点边缘图,再对边缘图设定阈值检测钙化点。第二种算法把Hessian矩阵理论和小波理论应用在钙化检测中,先用Hessian矩阵对图像进行多尺度增强,再计算增强图像局部方差检测钙化点。第二种算法把钙化点局部高亮信息和其呈圆形的形状特征结合起来,同时考虑钙化点大小变化范围,得到了较好的检测结果,和第一种钙化检测算法相比,它更适合实际应用。本论文所研究的算法已经应用于实际项目中,效果良好。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 本文工作与创新
• 1.4 论文结构安排
• 第二章 预备知识及乳腺CAD系统
• 2.1 乳腺疾病的医学知识
• 2.1.1 乳腺癌的发病现状
• 2.1.2 乳腺癌的诊断方法
• 2.1.3 乳腺癌病灶的X线影像表现
• 2.1.4 乳腺癌的计算机辅助诊断
• 2.2 理论知识
• 2.2.1 小波理论
• 2.2.2 Hessian矩阵
• 2.3 乳腺CAD系统
• 2.3.1 患者管理功能模块
• 2.3.2 检测功能模块
• 2.3.3 图像增强功能模块
• 2.3.4 打印影像报告功能模块
• 第三章 肿块检测算法研究
• 3.1 引言
• 3.1.1 研究背景
• 3.1.2 算法研究中用到的数据集
• 3.1.3 需要解决的问题
• 3.2 乳腺X线影像的多阂值分层算法流程
• 3.3 乳腺X线影像的预处理
• 3.3.1 ROI区域提取
• 3.3.2 图像归一化
• 3.4 乳腺X线影像的多阈值分层肿块检测
• 3.4.1 初始分层阈值及分层跨度的选取
• 3.4.2 二值图像中圆形检测
• 3.4.2.1 圆形度
• 3.4.2.2 区域的欧拉数
• 3.4.3 乳腺X线影像的分层检测结果处理
• 3.5 去除假阳算法
• 3.6 算法分析
• 3.6.1 检测结果
• 3.6.2 评估方法
• 3.6.3 评估结果
• 3.7 本章小结
• 第四章 钙化检测算法研究
• 4.1 引言
• 4.1.1 研究背景
• 4.1.2 需要解决的问题
• 4.1.3 算法研究中用到的数据集
• 4.2 基于二进小波的钙化检测算法
• 4.2.1 二进小波理论简述
• 4.2.2 二进小波钙化检测算法理论依据
• 4.2.3 基于二进小波钙化检测算法的提出与实现
• 4.2.4 算法分析
• 4.3 基于小波分解和Hessian矩阵的钙化检测算法
• 4.3.1 Hessian矩阵理论简述
• 4.3.2 小波分解理论简述
• 4.3.3 局部方差的计算
• 4.3.4 基于小波分解和Hessian矩阵的钙化检测算法的提出与实现
• 4.3.5 算法分析
• 4.4 两种算法的检测结果评估与对比
• 4.4.1 评估标准
• 4.4.2 两种算法的评估结果
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢