乳腺癌是危害女性生命健康最主要的癌症之一,其发病率在全世界大部分国家均呈上升趋势。乳腺癌患者的生存率与病灶的检出时期有关,越早期的乳腺癌预后效果越好。临床诊断中钙化簇是早期恶性乳腺肿瘤的一个重要表征,因此钙化簇的精准检出对乳腺癌诊断以及合理治疗至关重要,能够降低乳腺癌患者的死亡率。在目前常用的影像学检查技术中,传统乳腺X线摄影因其简便有效被公认为乳腺癌的常用检查方式。但传统乳腺X摄影往往会因乳腺组织重叠而可能导致病灶被隐藏,从而影响钙化簇的准确检出。新的影像技术数字乳腺断层摄影(digital breast tomosynthesis,DBT)的出现,有效的克服了乳房X线摄影中因组织结构重叠影响病灶检出的问题,尤其是它能显著提高钙化簇检出率。但由于DBT影像具有大量的断层影像数据,这无疑大大增加了放射科医生的阅片工作量。根据以上原因,目前急需研究DBT影像钙化簇自动检测算法以辅助医生对乳腺癌进行诊断和治疗。近年来,大多数研究者的钙化簇自动检测算法仅针对于DBT断层影像或者投影视图,忽视了 DBT影像所带来的三维结构信息。本研究利用DBT影像的三维特点,提出主要基于三维Hessian矩阵钙化增强算法进行钙化点的预筛选,并结合临床先验知识通过对候选钙化点的三维空间聚类分割钙化簇区域,然后提取钙化簇的纹理特征训练随机森林分类器以减少钙化簇的假阳性。具体工作内容包括:(1)影像数据的预处理:通过自动调整窗宽窗位对初始图像质量进行增强,有效提高钙化点的对比度。并且基于霍夫变换对斜侧位(mediolateral oblique,MLO)视图中胸肌区域的分割,以减少钙化簇的假阳性及后续的计算量。影像数据预处理为后续钙化簇的准确检测奠定了良好的基础。(2)钙化点的预筛选:提出一种基于拉普拉斯金字塔的多尺度双边滤波去噪算法,其在保持钙化点边缘特征情况下减少噪声干扰,能够有效提高钙化点的预筛选质量。考虑到DBT影像中钙化点具有三维空间形态特征和高亮度高对比度的特点,本文将通过两个并行的滤波器对预处理后的影像进行钙化点增强。其中一个是基于多尺度海森矩阵的球状结构判别增强,另一个是在切片图像上利用线性滤波器组合抑制组织结构背景并增强钙化点信息的信噪比增强。然后将两个滤波器增强结果融合使得低频背景被去除,潜在的钙化点信息更加突出。最后通过基于阈值的26邻域区域生长算法在滤波器增强后的加权体中得到潜在钙化点位置。为得到钙化点信息以便后续钙化簇区域的分割,利用以潜在钙化点中心为起点的区域生长算法在信噪比增强结果中预筛选出最终的候选钙化点。(3)钙化簇的检测:基于钙化点预筛选取得的结果,本研究通过聚类对钙化点区域进行分割。然后根据每个钙化簇三维区域的最大密度投影图像中的纹理特征和统计特征,训练随机森林分类器减少假阳性。最后通过FROC曲线以及非参数方法对模型的性能进行评估。结果表明,对于基于病人的检测中,在每个DBT影像平均假阳性个数为0.76时,其灵敏度为85%。本研究表明,利用DBT影像三维信息检测钙化簇能得到准确的检测效果,并且通过简单有效的分类器算法显著减少了钙化簇的假阳性,充分肯定了该算法的可行性,有利于推动今后数字断层摄影技术在临床上的应用。