论文部分内容阅读
乳腺癌是常见的恶性疾病之一。近年来,女性乳腺癌的发病率越来越高。2011年,美国有230480例女性罹患乳腺癌,排名女性恶性肿瘤发病率第一位。在我国北京、上海、天津等大城市的统计显示乳腺癌同样是我国女性最常见的恶性肿瘤,且发病率呈逐年上升趋势。乳腺影像学检查是乳腺癌诊断的重要手段。目前常用的乳腺检查的方法有:钼靶成像,B超检查,核磁共振成像。其中钼靶成像是最常用的方法。为了有效地处理庞大的图像数据,乳腺图像计算机辅助诊断是现在一个重要的研究课题。关于乳腺图像辅助诊断主要包括肿块、钙化点以乳腺密度的研究。研究表明,乳腺密度和患乳腺癌的风险之间存在很大关系,对乳腺密度的研究具有重要的临床应用价值。本文讨论了计算机辅助乳腺密度分析,主要的研究内容如下:(1)基于子区域分类的乳腺密度估计方法。传统的乳腺密度分类方法是基于整个乳腺区域的,该方法相对于传统方法的创新在于其基于子区域的分类方法。该方法把乳腺区域分割成连续且相互不重叠的的矩形子区域,用支持向量机把子区域分为致密子区域和稀疏子区域两类,计算致密子区域占的比例得到乳腺密度。该方法经过实验验证,分类效果相对于传统方法有一定的改进。(2)针对基于子区域分类的乳腺密度估计方法的不足,对图像的预处理方法进行了改进,预处理方法是基于小波分解的方法实现的。通过实验观察得到钼靶图像的腺体区域和非腺体区域在小波分解后所处的频带不同,因此可以通过对图像进行小波分解,然后对小波系数进行适当处理,最后进行小波重构的方法,使腺体区域得到增强。实验证明,相对于第一种方法,这种改进的方法的分类性能有一定提升,尤其是对乳腺密度小于25%的图像。