乳腺癌是婦女常見的惡性腫瘤之一，早期發(fā)現(xiàn)、早期診斷、早期治療是降 低乳腺癌死亡率的關(guān)鍵。乳腺鉬靶 X 線攝影是目前臨床診斷乳腺癌的有力工具。 但鉬靶 X 線影像的信息只有很少部分能為人眼識別，即使富有經(jīng)驗(yàn)的醫(yī)生也很 難及時(shí)發(fā)現(xiàn)鉬靶 X 線影像上早期乳腺癌的微小鈣化點(diǎn)，以致延誤病人的治療時(shí) 機(jī)�？梢哉f，實(shí)現(xiàn)乳癌早期診斷的關(guān)鍵技術(shù)之一是及時(shí)發(fā)現(xiàn)乳癌 X 影像中的微 小鈣化并判斷其是否有惡化傾向。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，基于傳統(tǒng)乳腺 鉬鈀 X 線影像的計(jì)算機(jī)輔助檢測微小鈣化點(diǎn)已成為乳癌早期診斷的研究熱點(diǎn)。 這主要是因?yàn)榧?xì)小、顆粒狀的成簇微鈣化點(diǎn)是乳癌的一個(gè)重要早期表現(xiàn)。國外 統(tǒng)計(jì)資料表明占 30%～50%的乳腺惡性腫瘤伴有微鈣化。因此，不斷提高微小鈣化 點(diǎn)的檢出率和準(zhǔn)確判別其惡性度成為眾多學(xué)者孜孜以求的目標(biāo)。 本文建立了一個(gè)基于模塊化設(shè)計(jì)思路的計(jì)算機(jī)輔助診斷系統(tǒng)借以對乳腺鉬 靶圖像上的微鈣化點(diǎn)進(jìn)行檢測和模式識別。該系統(tǒng)分為四個(gè)模塊：①預(yù)處理模 塊-對乳腺鉬靶 X 片圖像進(jìn)行數(shù)字化和歸一化處理，得到具有相同空間分辨率和 灰度分辨率的規(guī)格化圖像，以便于計(jì)算機(jī)作進(jìn)一步后續(xù)處理。②感興趣區(qū)域(ROI) 提取模塊-自動尋找并分割含有微鈣化點(diǎn)的區(qū)域，以節(jié)省后續(xù)處理的工作量。本 研究將獨(dú)立分量分析(ICA)用于乳腺 ROI 的特征提取，在此基礎(chǔ)上用人工神經(jīng)網(wǎng) 絡(luò)(ANN)分類器進(jìn)行模式識別。③微鈣化點(diǎn)自動檢測模塊-實(shí)現(xiàn)乳腺 ROI 上微鈣 化點(diǎn)的自動檢測與定位。本文將差值圖像去噪、閾值化分類技術(shù)和小波去噪、 ANN 分類技術(shù)分別用于乳腺 ROI，得到含高頻信號和極高頻噪聲位置信息的二值 化圖像及含高頻信號和低頻背景位置信息的二值化圖像。將兩者進(jìn)行與操作得 到含微鈣化點(diǎn)位置信息的二值化圖像。④微鈣化點(diǎn)病變類型識別模塊-實(shí)現(xiàn)微鈣 化點(diǎn)特征提取和優(yōu)化及病變類型模式識別，給出初步診斷結(jié)果。本文建立了一 套表征微鈣化點(diǎn)形態(tài)、紋理等特性的 33 維特征矢量。然后，用遺傳算法進(jìn)行特 征選擇得到 17 維優(yōu)化特征矢量，優(yōu)化特征矢量與 ANN 組成判別模型完成微鈣化 點(diǎn)病變類型的判定。上述各模塊相互獨(dú)立，可以單獨(dú)改進(jìn)和優(yōu)化而不影響其它 模塊。此外，本文將適用于小樣本的支持矢量機(jī)(SVM)分類器應(yīng)用于上述分類模 型中，并用接受者操作特征曲線(ROC)對分別由 ANN 和 SVM 分類器組成的判別模 型分類性能進(jìn)行評價(jià)。 I WP=4 運(yùn)用該系統(tǒng)對臨床病例和標(biāo)準(zhǔn)乳腺庫中乳腺圖像進(jìn)行分析，得到 87.5%(ANN) 和 90.0%(SVM)的乳腺 ROI 檢出率、96.3%(ANN)和 97.0%(SVM)的微鈣化點(diǎn)檢出率 及 88.7%(ANN)和 93.0%(SVM)的惡性微鈣化點(diǎn)識別率。結(jié)果證明了本文建立的計(jì) 算機(jī)輔助診斷系統(tǒng)具有較高的微鈣化點(diǎn)檢出率和較準(zhǔn)確的惡性度判別性能，為 乳癌早診研究提供了一套新方法。 本研究中的創(chuàng)新性主要體現(xiàn)在：①提出基于模塊化的早期乳腺癌輔助診斷 系統(tǒng)設(shè)計(jì)思路，建立了基于微鈣化點(diǎn)檢測的早期乳腺癌計(jì)算機(jī)輔助診斷的完整 模型；②首次將獨(dú)立分量分析成功地應(yīng)用于乳腺圖像 ROI 自動提�。虎凼状螌� 集合論思想應(yīng)用到乳腺圖像微鈣化點(diǎn)的檢測中，提出一種能發(fā)揮差值圖像技術(shù)、 閾值化分類和小波變換技術(shù)、人工神經(jīng)網(wǎng)絡(luò)分類等多種技術(shù)優(yōu)勢的綜合處理檢 測方法；④建立了一套比較完整的可以表征乳腺圖像微鈣化點(diǎn)各類特異性的特 征參數(shù)矢量；⑤首次將現(xiàn)代統(tǒng)計(jì)學(xué)習(xí)理論引入到本研究中，并且成功地建立了 基于 SVM 的判別模型；⑥提出了基于 ROC 曲線的閾值選擇方法和系統(tǒng)診斷價(jià) 值評價(jià)方法。
【學(xué)位單位】：天津大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2003
【中圖分類】：R816.4
【部分圖文】：

2 乳腺癌的 X 線表現(xiàn)乳腺癌的 X 線表現(xiàn)可分為直接征象和間接征象。腫塊及鈣象，癌腫周圍繼發(fā)性改變所形成的影像稱為間接征象。2．1 乳腺癌的直接 X 線征象腫塊陰影腫塊陰影是乳腺癌最常見、最基本的 X 線征象，是診斷的X 片特征為密度較高、形態(tài)不規(guī)則、質(zhì)地較硬、邊緣大多星芒狀或毛刺狀[24]。圖 2-2-1 和 2-2-2 為乳腺癌患者正表現(xiàn)和對側(cè)異常 X 線表現(xiàn)-腫塊陰影。由于 X 線表現(xiàn)為腫塊士普查或者結(jié)合患者臨床表現(xiàn)確診病變類型并不困難，腫本論文討論的重點(diǎn)，故后文對它不再贅述。

2 乳腺癌的 X 線表現(xiàn)乳腺癌的 X 線表現(xiàn)可分為直接征象和間接征象。腫塊及鈣象，癌腫周圍繼發(fā)性改變所形成的影像稱為間接征象。2．1 乳腺癌的直接 X 線征象腫塊陰影腫塊陰影是乳腺癌最常見、最基本的 X 線征象，是診斷的X 片特征為密度較高、形態(tài)不規(guī)則、質(zhì)地較硬、邊緣大多星芒狀或毛刺狀[24]。圖 2-2-1 和 2-2-2 為乳腺癌患者正表現(xiàn)和對側(cè)異常 X 線表現(xiàn)-腫塊陰影。由于 X 線表現(xiàn)為腫塊士普查或者結(jié)合患者臨床表現(xiàn)確診病變類型并不困難，腫本論文討論的重點(diǎn)，故后文對它不再贅述。

．鈣化鈣化是組織中鈣鹽的沉積物，是早期乳腺癌常見的 X 線征象上 60%-85%的乳腺癌可見到鈣化[31]，Peters 報(bào)告則高達(dá) 80%線普查所見的鈣化作為唯一異常表現(xiàn)的占隱性乳腺癌的 58.9%isher 報(bào)告高達(dá) 86%[32]。許多早期乳腺癌僅根據(jù) X 線片上的鈣診斷。惡性鈣化多顆粒細(xì)微，密度深淺不一，形態(tài)多樣，呈點(diǎn)桿狀、曲線狀及泥沙樣，鈣化顆粒一般在 0.5mm 直徑范圍以下于 10-500um，大小不一。在一定范圍內(nèi)，微小鈣化數(shù)目愈多，能愈大。多數(shù)專家認(rèn)為，單位面積（cm2）內(nèi) 5 枚或者 5 枚以上提示為乳腺癌，少數(shù)專家則認(rèn)為 3 枚以上即可診斷為癌[32]。變的鈣化顆粒粗糙，直徑較大，且大小相仿，多為圓形，數(shù)量布散在。故可以根據(jù)鈣化顆粒的特征來鑒別乳腺疾病的惡性程典型的良性鈣化（圖 2-2-3）和惡性鈣化（圖 2-2-4）的乳腺 X，通過分析乳腺 X 片上鈣化的特征有可能鑒別乳腺疾病的惡性
【引證文獻(xiàn)】

相關(guān)期刊論文 前4條

1 王瑞平;萬柏坤;高上凱;;使用遺傳算法的乳腺微鈣化點(diǎn)特征優(yōu)化[J];電子科技大學(xué)學(xué)報(bào);2007年01期

2 車琳琳;張光玉;宋莉;曹衛(wèi)芳;;基于鉬靶X線影像的乳腺微鈣化點(diǎn)良惡性識別算法研究[J];中國醫(yī)學(xué)物理學(xué)雜志;2011年02期

3 魯雯;宋莉;張光玉;李正美;;基于神經(jīng)網(wǎng)絡(luò)技術(shù)在乳腺鉬靶x片感興趣區(qū)域的提取新方法[J];中國醫(yī)學(xué)裝備;2008年02期

4 王瑞平;萬柏坤;高上凱;;獨(dú)立分量分析在乳腺鉬靶X片感興趣區(qū)域提取中的應(yīng)用[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2007年04期

相關(guān)博士學(xué)位論文 前2條

1 王磊;乳腺鉬靶X光片上微鈣化點(diǎn)的計(jì)算機(jī)輔助檢測技術(shù)的研究[D];浙江大學(xué);2010年

2 劉俊;基于鉬靶圖像的計(jì)算機(jī)輔助乳腺癌檢測系統(tǒng)中關(guān)鍵技術(shù)研究[D];武漢科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李杏;基于CT圖像的肺結(jié)節(jié)輔助檢測方法的研究[D];北京交通大學(xué);2011年

2 陳桂林;基于鉬靶影像的乳腺腫瘤形態(tài)特征分析[D];南京醫(yī)科大學(xué);2011年

3 趙可心;乳腺影像的語義檢索技術(shù)研究[D];哈爾濱理工大學(xué);2011年

4 董妍;基于神經(jīng)網(wǎng)絡(luò)的乳腺鈣化點(diǎn)形態(tài)學(xué)檢測算法研究[D];西安電子科技大學(xué);2006年

5 王穎;基于SVM的乳腺腫塊分層檢測算法研究[D];西安電子科技大學(xué);2006年

6 吳燕;基于FSVM的醫(yī)學(xué)圖像奇異點(diǎn)檢測算法研究[D];燕山大學(xué);2006年

7 趙文琪;基于多分辨分析與主動學(xué)習(xí)的微鈣化點(diǎn)簇檢測[D];西安電子科技大學(xué);2007年

8 王偉;肺部CT圖像中結(jié)節(jié)的檢測算法研究[D];西安電子科技大學(xué);2007年

9 程運(yùn)福;基于乳腺X線片自動檢測癌變信息的理論研究[D];山東大學(xué);2007年

10 車琳琳;基于鉬靶X線影像的乳腺微鈣化點(diǎn)檢測和良惡性識別算法研究[D];山東大學(xué);2010年

本文編號：2872104