论文部分内容阅读
近年来,饮食结构的变化和生活水平的提高,中国妇女乳腺癌发病率呈持续上升趋势,乳腺癌对我国女性健康已经构成了严重威胁。目前,乳腺X线摄片被认为是乳腺癌早期诊断最有效的方法。但早期乳腺癌的影像学特征不明显,使得乳腺癌的漏诊和误诊现象时有发生。基于乳腺X线的计算机辅助检测方法,能有效提高诊断准确率,降低漏诊率。同时,随着影像归档和通信系统(PictureArchiving and Communication Systems,PACS)的普及和医学数字成像和通信(Digital Imaging and Communications in Medicine,DICOM)标准的推广,现代数字式X光机都要求符合DICOM标准以融入PACS系统,实现医疗信息共享。X光机图像工作站大多只对DICOM图像进行简单的处理,如滤波、增强等。为了提高工作站的图像处理性能,使之在乳腺癌检测方面发挥更重要的作用,本文将计算机辅助检测技术用于乳腺肿块的检测中。乳腺肿块检测主要分为肿块分割和肿块分类两部分。在分割部分,本文采用的是区域生长中的置信连接分割方法实现对疑似肿块区域的分割提取;在分类部分,采用了以肿块面积、区域像素平均值、区域长宽比等为特征参数的支持向量机(Support VectorMachine,SVM)分类器对肿块进行训练、测试。另外,本文通过引入DCMTK库来实现医疗设备间的信息共享,其中包括DICOM图像上传、下载、查询/检索等功能。本文的创新点主要体现在如下两个方面:(1)采用置信连接分割方法,对乳腺图像中的肿块进行分割以及用SVM分类器对肿块进行分类,使工作站具有肿块辅助检测功能,提升了工作站的图像处理性能。(2)引入DCMTK库用于实现DICOM图像上传、存储、查询/检索等,拓展了X光机工作站的网络通讯功能。使工作站融入PACS系统,进而实现医疗信息的共享。实验结果表明,本文采用的置信连接分割方法准确、高效,且能较完整地保留边缘信息;同时,提取的特征参数能成为分类的重要依据,引入的SVM方法对肿块的分类漏检率较低,结果令人满意。