乳腺组织异常检测算法的研究与应用

论文摘要

根据乳腺图像报告与数据系统（BI-RADS）[1]中的定义,组织异常是一种没有形成可见肿块的正常乳房组织的扭曲,包括有中心点的针状辐射、聚集回缩和软组织边缘变形。在乳腺X线照片中,组织异常是一种细微的病变特征,很容易被医生漏检。计算机辅助诊断（CAD）技术可以有效地提高医生对于肿块和钙化的检出结果,但大多数CAD系统中并没有关于组织异常的检测算法。本文主要介绍了一种基于乳腺影像检测组织异常病变的新算法。乳房组织中包括几种分段式的线性结构,如腺体、导管和血管。这些线性结构直接形成了乳房X线照片中的导向纹理。本文中的算法就是通过分析这种导向纹理来检测与定位组织异常在乳房X线照片中的位置。首先,使用一系列的Gabor滤波器来获取图像的方向域信息,然后对方向域进行滤波和采样以减少噪音的影响和计算量方面的负担。接下来,使用相图算法对采样后的方向域进行分析,产生三个相图：点状、鞍状和螺旋状,然后对三个相图应用阈值分割和形态学滤波等方法确定组织异常病变在乳房X线照片中的位置。最后使用多组来自辽宁省肿瘤医院和天津肿瘤医院的数据对算法实现的结果进行检验和评估。本算法已成功应用到乳腺CAD平台,其检出率可达到80.95%,平均每幅图0.33个假阳。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文研究的背景、目的和意义
• 1.2 国内外研究现状、发展动态
• 1.3 乳腺X线图像报告标准
• 1.3.1 乳腺疾病种类划分标准
• 1.3.2 乳腺疾病等级的划分标准
• 1.4 乳腺CAD检测算法的研究
• 1.5 论文的研究成果和内容安排
• 第二章 乳腺区域的ROI提取算法
• 2.1 本章引言
• 2.2 乳腺区域分割
• 2.2.1 自动阈值分割
• 2.2.2 最优阂值（谷底）的选取
• 2.2.3 乳腺区域提取
• 2.3 胸肌区域分割
• 2.3.1 图像方位标准化
• 2.3.2 胸肌提取
• 2.4 本章小结
• 第三章 乳腺X线图像纹理增强算法
• 3.1 本章引言
• 3.2 边缘检测算法
• 3.2.1 灰度梯度
• 3.2.2 卷积运算
• 3.2.3 常用边缘检测算子
• 3.3 基于Gabor滤波器的乳腺X线图像纹理特征提取算法
• 3.3.1 图像边缘腐蚀
• 3.3.2 Gabor滤波器的设计
• 3.3.3 纹理特征提取
• 3.3.4 纹理增强算法实现步骤
• 3.4 纹理特征增强算法评估
• 3.5 本章小结
• 第四章 组织异常检测算法
• 4.1 本章引言
• 4.2 相图纹理分析方法
• 4.2.1 相图分析法原理
• 4.2.2 纹理方向信息的几何特征分析方法
• 4.2.3 病变部位定位方法
• 4.3 乳腺组织异常检测去假阳算法
• 4.3.1 投票点距离限制
• 4.3.2 几何形态学限制
• 4.3.3 去假阳后检测结果
• 4.4 本章小结
• 第五章 实验结果与评估
• 5.1 本章引言
• 5.2 乳腺组织异常检测算法总结
• 5.2.1 乳腺组织异常检测算法的整体程序流程
• 5.2.2 乳腺组织异常检测算法的程序参数设置
• 5.2.3 乳腺组织异常检测算法实验数据评估
• 5.3 检测算法评估方法
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢