摘要：乳腺癌是全球女性中最为频发的恶性肿瘤疾病和癌症死亡的首要理由。大量探讨表明,早期诊断是扩腺癌治疗案例的选择空间、降低乳腺癌患者死亡率的关键。钼靶乳腺X线摄影能显示触诊无法感知的早期病变,是乳腺癌早期诊断的首选策略。而基于乳腺X线影像的计算机辅助诊断(computer-aided diagnosis, CAD)技术能够协助放射科医生检测和浅析可疑病灶,提升乳腺癌早期诊断的准确率。肿块是乳腺X线影像中的重要病理征象,其影像体现复杂多变,容易受到周围组织的干扰,是乳腺CAD系统的探讨重点和难点之一。传统的乳腺CAD系统以病灶检测和病理分类为主要功能,其只提示可疑病变而不提供诊断依据的“黑箱”历程降低了医生对CAD系统的认可和信赖。近年来,一种基于图像内容检索(content-based image retrieval, CBIR)的CAD系统能够很好的克服传统CAD系统在辅助诊断方面的不足。本论文重点探讨了基于乳腺X线肿块影像的CBIR-CAD系统的关键技术,旨在提升肿块检测和辅助诊断的性能,为放射科医生提供有价值的“第二参考意见”。本论文的内容包括肿块分割、特点提取和优化、肿块亚型分类以及基于内容的相似肿块检索。(1)肿块分割：提出了两种基于随机游走的自动肿块分割算法。第一种策略利用肿块等高线图自动标记随机游走算法所需的种子点,将背景种子点设置为包围肿块的闭合轮廓,抑制周围组织的影响。同时,利用等高线图的嵌套特性,不断扩张肿块种子点的范围,并利用随机游走算法获得一系列分割结果。最后,定义结合肿块尺寸、边界梯度和灰度信息的评价函数并选择最终的分割结果。该策略克服了半自动随机游走算法的运用局限性。第二种算法结合了随机游走和Chan-Vese (CV)活动轮廓模型的互补优势,首先利用等高线图自动标记种子点并进行初始随机游走分割。然后,利用随机游走获得的概率矩阵调制CV模型的能量函数,抑制轮廓泄露现象。同时,在轮廓演化历程中不断更新概率矩阵,并获得最终的分割结果。实验结果表明本论文提出的两种分割策略与几种现有的分割算法相比,具有更好的分割精度、适应性和鲁棒性。(2)特点提取和优化：以乳腺影像报告和数据系统(Breast Imaging Reporting and Data System, BI-RADS)为依据,分别提取了肿块灰度、形状和边缘特点,并提出了6维基于肿块等高线拓扑变化的新特点。然后,综合五种特点性能评价指标,针对不同的分类目标,采取滤波式策略对上面陈述的多维特点进行优化。实验比较了优化前后的特点向量和分类性能,结果显示本论文提出的6维特点在区别肿块的5种边缘亚型方面体现出显著的优势。特点优化历程在降低特点维度的同时,提升了分类性能和效率。(3)肿块亚型分类：提出了一种结合支持向量机(support vector machine, SVM)和二叉决策树(binary decision tree, BDT)的动态多分类策略,对肿块的4种形状亚型和5种边缘亚型进行分类。该策略结合了BDT较高的运算效率和SVM良好的分类性能,同时能够根据查询肿块的实际特点,动态调整节点分类器和分类步骤,以而有效抑制传统SVM-BDT策略的错误累积不足,在提升分类精度的同时,具有较高的训练和测试效率。(4)基于内容的相似肿块检索：首先结合亚型分类器的概率输出结果和特点向量的欧式距离定义相似性测度函数,获得第一轮按例检索(query-by-example, QBE)结果。然后,在相关反馈(relevant feedback, RFb)环节,通过交互操作对第一轮检索结果进行相关性标记。针对实际运用中用户标定样本数量过少的不足,利用未标记样本与标记样本的核空间欧式距离进一步扩充了反馈样本的数量,并训练新的SVM相似性判断模型。最后,采取留一校验法(lee-one-out cross vapdation, LOOCV)和准确率召回率曲线(precision-recall curve, PRC)评价了QBE环节和RFb环节的检索性能。实验结果显示, QBE环节结合亚型分类器概率输出和欧式距离的相似性测度函数比单独利用欧式距离具有更好的检索性能。同时,在用户标定样本数和反馈次数一致的条件下,本论文的RFb环节对系统检索性能有更大的提升。关键词：钼靶乳腺X线影像论文计算机辅助诊断系统论文基于内容的图像检索论文图像分割论文相关反馈论文
致谢5-6
摘要6-8
Abstract8-11
目录11-14
第1章 绪论14-24
1.1 乳腺癌14-16
1.2 钼靶乳腺X线摄影16-19
1.3 计算机辅助诊断19-21
1.4 不足的提出和探讨目的21-22
1.5 论文的组织结构22-24
第2章 乳腺X线影像的CAD技术24-38
2.1 国内外相关探讨近况24-32
2.1.1 可疑肿块检测25-28
2.1.2 特点提取和优化28-30
2.1.3 肿块分类30-31
2.1.4 基于图像内容的肿块检索技术31-32
2.2 系统的总体框架32-33
2.3 实验数据33-36
2.4 本章小结36-38
第3章 乳腺X线影像肿块分割算法探讨38-64
3.1 肿块分割的特点和需求38-39
3.2 相关算法介绍39-46
3.2.1 随机游走图像分割39-43
3.2.2 等高线图43-45
3.2.3 Chan-Vese活动轮廓模型45-46
3.3 感兴趣区域预处理46-48
3.4 基于等高线图的自动随机游走肿块分割算法48-51
3.5 结合随机游走和活动轮廓模型的肿块自动分割算法51-56
3.6 实验结果和浅析56-62
3.6.1 算法性能评估策略56-57
3.6.2 实验结果和讨论57-62
3.7 本章小结62-64
第4章 肿块特点提取及优化64-96
4.1 特点提取64-87
4.1.1 灰度特点65-67
4.1.2 形状特点67-71
4.1.3 边缘特点71-86
4.1.4 特点归一化86-87
4.2 特点优化87-91
4.3 实验结果和浅析91-95
4.4 本章小结95-96
第5章 肿块亚型分类及相似肿块检索96-124
5.1 SVM及多分类对策96-103
5.1.1 SVM的基本原理和概率输出96-101
5.1.2 基于SVM的多分类对策101-103
5.2 肿块亚型分类103-110
5.2.1 传统SVM-BDT对策的不足103-104
5.2.2 基于动态SVM-BDT对策的肿块亚型分类104-110
5.3 相似肿块检索110-114
5.3.1 基于查询肿块的首轮检索110-112
5.3.2 相关反馈环节112-114
5.4 实验结果和浅析114-122
5.4.1 算法性能评价策略114-116
5.4.2 肿块亚型分类的实验结果和浅析116-119
5.4.3 相似肿块检索的实验结果和浅析119-122
5.5 本章小结122-124
第6章 总结和展望124-128
6.1 全文工作总结124-126
6.2 展望126-128
本站原创