论文部分内容阅读
乳腺癌是全球女性最常见的恶性肿瘤之一,及早发现及早治疗才是其防治的关键。乳腺钼靶X线摄影检查技术具有操作简洁、病患负担的痛苦和风险相对较小,费用低廉等特点,目前已经成为全世界公认的预防普查乳腺癌和常规检查乳腺疾病最有效的方法之一,对早期发现乳腺癌,提高乳腺病变诊断效率和患者的生存率具有十分重要的意义。由于乳腺X线摄片数量巨大,医生的工作繁重,存在漏诊和误诊的现象。在美国,因医生漏诊或误诊而耽误治疗的乳腺癌约占6%~16%,为了提高放射科医师对乳腺癌早期诊断的准确率,计算机辅助诊断技术(CAD)逐渐被引入。但类似于“黑盒”方式的传统CAD,只提示病变区域并不解释这些区域为什么会被标记出来,且具有检测灵敏度低而假阳性率高的缺点,降低了放射科医师借助CAD系统辅助诊断的信心。而基于图像内容检索的计算机辅助诊断(CBIR CAD)乳腺肿块系统不单提示乳腺癌的病变区域还返回与待检测的感兴趣区域(ROI)最相似的前K幅参考图像和相关的决策分数,该系统所提示的参考结果逐渐被医师所信赖。本文围绕基于CBIR CAD中针对乳腺肿块检测的关键技术可疑肿块分割展开研究,其目的是对乳腺癌重要特征的可疑肿块实现有效的分割,进而为后续的特征提取、优化选择、检测以及分类打下基础,最终辅助放射科医师提高对早期乳腺癌的发现率和诊断的正确率。论文对目前出现的一些较好的乳腺可疑肿块分割方法进行了综述,并深入研究了这些算法,对比和分析了它们的优点和性能,同时提出了一种新的肿块分割方法CV-RE,该方法将粗圈定可疑肿块区域的方法(RE-ROI)和C-V模型相结合,在经过预处理后的图像上进行模板匹配、二值化相似度图像、形态学膨胀等方法得到乳腺肿块大概的矩形区域,在此区域上使用C-V模型进行可疑肿块的分割,有效解决了传统C-V模型在处理背景趋势不均匀图像时的局限性,显著地提高了肿块的分割精度。