（计算机软件与理论专业论文）乳腺CAD中星形肿块检测算法和CR图像增强算法的研究.pdf

东北大学硕士擘位论文 摘要 乳腺c a d 中星形肿块检测算法与c r 图像增强算法的研究 摘要 医学图像检测和医学图像增强技术是当前图像处理领域研究的热点，本文在实际需 求的指引下，根据东软医疗系统有限公司总体研究工作部署，作者先后参加了图像检测 和图像增强技术两个领域的工作。本论文主要介绍了这两种算法。 本论文的第一部分详细介绍了乳腺c a d 中星形肿块检测算法。星形肿块是数字乳 腺图像上表征乳腺疾病的主要症状之一，而且它是在临床检测中最容易被漏诊的病变之 一。本研究设计了套星形肿块检测算法，整个算法包括用小波对乳腺图进行多尺度分 解、邻域形状的选取、两个重要特征的提取以及阅值的选定。在算法的设计过程中我们 和临床医生一直保持密切的联系，整个试验过程中所用到的数据都来自辽宁省肿瘤医 院，算法所得到的检测效果得到了临床医生的认可。 本论文的第二部分详细介绍了c r 图像增强算法。如何清晰地显示图像，并且不丢 失所需信息是c r 图像增强算法的基本要求。本文重点研究了c r 图像增强的方法，提 出了基于l a p l a c i a n 金字塔算法与灰度扩展、动态范围压缩相结合的多尺度对比度增强 的方法，实现了增强图像细节信息的同时增加图像整体对比度，并将此算法作进步的 改进，使之适用于乳腺x 光片的增强。 关键词；乳腺片；星形肿块；小波；图像检测；图像增强 东北大学硕士学位论文a b s t r a c t r e s e a r c ho ft h em e t h o d sa b o u t s p i c u l a t e d l e s i o n s d e t e c t i o ni nc a do fm a 癍m 0 2 r a m s a n dc r i m a g e se n h a n c e m e n t 。 a b s t r a c t m e d i c a li m a g ed e t e c t i o na n dm e d i c a li m a g ee n h a n c e m e n tt e c h n i q u e sa r et h er e s e a r c h h o t s p o ti nt h ec u r r e n tf i e l do fi m a g ep r o c e s s i n g ，n e e d e db yt h ea c t u a la p p l i c a t i o n sa n d a c c o r d i n g t ot h ew h o l er e s e a r c hp l a l li nn e u s o f tm e d i c a ls y s t e m sc o ，l t d ，t h ea u t h o rt a k e s p a r ti nt h et w or e s e a r c h i n gp r o j e c t ss u c c e s s i v e l y s ot h ed i s s e r t a t i o ni sc o n c e m e da b o u tt h e t w om e t h o d s t l l ef l r s tp a r to ft h et h e s i si sa b o u tt h ed e t e c t i o no fs p e c u l a t e dl e s i o n si nc o m p u t e ra i d e d d e t e c t i o no fm a m m o g r a m s t h es p e c u l a t e dl e s i o n sa r et h es i g no fb r e a s tc a n c e ra n dt h e ya r e u s u a l l ym i s s e db yt h ed o c t o r s n l i st h e s i sp r e s e n t san e w m e t h o dt od e t e c t i o nt h es p e c u l a t e d l e s i o n s t h em e t h o di n c l u d e sd e c o m p o s i n gt h em a m m o g r a m si n t om a n yi m a g eo fd i f f e r e n t r c s o l u t i o n ，t h ec h o i c eo ft h es h a p eo fn e i g h b o r h o o d ，t h ee x t r a c t i o no ft h et w oi m p o r t a n t f e a t u r e sa n dt h ec h o i c eo ft h et h r e s h o l d d u r i n gt h ed e s i g n i n go ft h em e t h o dw ea r ea l w a y s k e e p i n gi nt o u c h 、树t l lt h ed o c t o r s a n da 1 1t h em a m m o g r a m sa r ef r o mt h et l h t l o rh o s p i t a lo f l i a o n i n gp r o v i n c e t h er e s u l t so f o u r d e t e c t i o nm e t h o da r ea p p r o v e db yt h ed o c t o r s t 1 l es e c o n dp a r to ft h et h e s i si sa b o u tt h ee n h a n c e m e n to fc ri m a g e t h eb a s i c r e q u i r e m e n to fc ri m a g ee n h a n c e m e n ti st od i s p l a yt h ei m a g ec l e a r l yw i t h o u tl o s i n gu s e f u l i n f o r m a t i o n t h i st h e s i se m p h a t i c a l l ys t u d i e st h ee n h a n c e m e n ta l g o r i t h m sa n dp o i n t so u ta m u l t i * s c a l ec o n t r a s t a m p l i f i c a t i o n , w h i c hb a s e do nl a p l a c i a np y r a m i d t r a n s f o r ma n d c o m b i n i n gw i t hc rv a l u es t r e t c ha n dd y n a m i cr a n g er e d u c t i o n u p o nt h i sa l g o d t h r n 、b o t h t o t a li m a g ec o n t r a s ta n dd e t a i l sc o n t r a s tc a l lb ee n h a n c e d ，a n dw ei m p r o v et h em e t h o do ft h e e n h a n c e m e n tt om a k ei ts u i t a b l ef o rt h ee n h a n c e m e n to f m a m m o g r a m s k e yw o r d s ： m a m m o g r a m s ；s p e c u l a t e dl e s i o n s ；w a v e l e t ；i m a g ed e t e c t i o n ；i m a g e e n h a n c e m e n t - 1 1 1 独创性声明 本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得 的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过 的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工 作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢 意。 学位论文作者签名：彩；镭谈 日期：p a 6 、1g 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论 文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部 或部分内容编入有关数据库进行检索、交流。 ( 如作者和导师不同意网上交流，请在下方签名；否则视为同意。) 学位论文作者签名： 签字日期： 导师签名： 签字日期： 东北大学硬士学位论文 第一章绪论 第一章绪论 医学图像处理( m e d i c a li m a g ep r o c e s s i n g ) 是利用计算机对医学图像进行去除噪 声、增强、复原、分割、提取特征等相关理论、方法和技术的总称m 。 1 8 9 5 年1 1 月8 日，德国物理学家伦琴( w i l h e l mc o n r a dr f i n t g e n ) 在调试阴极射 线仪器时，惊奇的发现该仪器能使远处的乳胶片感光。阴极射线( 电子束) 在空气中不 能穿透这么长的距离，因此伦琴把这种未知的射线称作“x ”射线，并用“x ”射线给他 夫人拍了人类历史上第一张医学图像。1 0 0 年来，x 光照像技术在l | 每床医学上得到了广 泛的应用，成像技术也得到了不断的发展，几乎应用到所有的医院和诊所中。x 射线成 像是基于待成像物体各组成部分密度不同，对x 射线的吸收不同，透射x 射线强度不同， 从而在乳胶片上成像的。 医学图像研究可以分成两大部份：医学图像成像技术( m e d i c a li m a g i n g ) 研究和医 学图像处理与分析。医学图像成像技术研究包括：图像传感器阵列研究：新成像原理、 模式研究；高分辨率、高性能显示器件研究；图像感知、观察性能及评估。医学图像处 理与分析包括：图像增强技术；图像分割技术；图像配准技术；图像显示技术；图像指 导治疗；图像引导手术；医学虚拟环境“3 。本论文主要研究的内容就是医学图像处理和 分析方法中的乳腺计算机辅助诊断( c o m p u t e r - a i d e d d i a g n o m s ，c a d ) 中星形肿块检测 算法和c r ( c o m p u t e dr a d i o g r a p h y , c r ) 图像增强算法的研究。 1 1 乳腺c a d 研究的背景 乳腺癌是最常见的恶性肿瘤之一，其发病率在美国和欧洲仅次于肺癌。1 ，已成为威 胁妇女生命的一大杀手。我国在半个世纪以前属于乳腺癌低发国家，1 9 7 8 年以后逐渐上 升为女性恶性肿瘤之首。1 ，现在乳腺癌不仅提高2 3 倍，而且每年以3 的速度上升。 同时，乳腺癌也是死亡率上升速度最快的恶性肿瘤。几十年来，对乳腺癌的治疗方法虽 然时有改进，但是现代手术和放射治疗等手段仅对局限于乳腺范围内的肿瘤疗效较好， 然而大多数乳癌在被发现时已有区域淋巴结向远处转移，其死亡率高达5 0 ，因此提高 乳腺癌治愈的关键还在于早期诊断m ，影像学检查是乳腺癌诊断的主要手段。目前比较 成熟的影像诊断方法有x 射线摄影、8 超和彩色多普勒超声、远( 近) 红外热象仪等。 在现阶段所有的能有效检测出乳腺癌的诊断方法中，x 射线影像学的方法是早期诊断乳 腺癌的最常用且有效的手段。x 射线检查主要包括钼靶x 线、x 线静电摄影、x 线导管造 影、c t 等。过去的二十年里，乳腺x 射线成像设备和胶片处理系统已经在技术上有了长 东北大学硕士学位论文 第一幸绪论 足的进步，使得乳腺x 光片的分辨率和对比度有了显著提高。但对于致密乳腺组织x 光 片而言，乳腺组织和肿块之间仅有微小的密度差异，而且很多情况下肿块大小相差悬殊， 加上放射科专家通过目测对乳腺x 光片进行检查，工作量巨大时将导致疲劳，容易产生 失误。 为了提高乳腺x 光片检查的准确率，世界上许多研究者为此付出了大量心血。大量 的试验表明双人( 两个放射科医生) 阅片可以大大地降低诊断结果的假阴性率，计算机 辅助诊断产生的目的就使为了提供一种用计算机辅助放射科医生做出诊断结果的方法， 它可以在发现病变时给医生一个提示。自1 9 7 1 年，a c k e r m a n 第一次采用计算机图像处 理技术在乳腺x 光片上分析病变区域以来，c a d 技术不断应用于研究和临床，帮助放 射专家在乳腺x 光片上定位可疑区域并能够提供一致性和重复性均较好的诊断结论，大 大提高了肿块识别的真阳性率；同时c a d 技术还可以区分良恶性病变，减少假阳性和 假阴性的比例，进而减少把良性病人送去做活检的比例，从而也减少了医疗费用，减轻 了病人家庭经济负担和给病人造成的痛苦0 1 。 虽然已有大量实验或研究数据表明c a d 能够有效提高诊断准性，但要在临床上实 际使用，差距仍然很大。各国的研究者们正孜孜不倦的致力于准确性和重复性俱佳的 c a d 程序的开发工作。 1 2 乳腺c a d 检测算法国内外研究现状 乳腺癌在x 光片的影像特征主要都为钙化点或肿块。当前国内外很多研究涉及到对 它们的形状、尺寸和纹理的分柝。包括乳腺数字图像的去噪和对比度增强、肿块或钙化 点区域的分割、特征选择和提取、分类和系统评估等。 ( 1 ) 钙化点的检测算法 l e b o r g e n 在1 9 5 7 年首先指出乳腺癌内微钙化点的发生率为3 0 ，他认为“经验丰 富的医生可以很容易对钙化灶的良恶性做出判断”。e g a n 也曾断言：“典型钙化诊断乳 腺癌的特征性很高，如果x 线有这种钙化、雨组织学将之诊断为良性，不是钤科医生送 检标本不当，就是病理医生出了差错”1 。j k k i m 应用数理统计纹理分析的方法分割 数字乳腺图像上的成簇钙化点”1 ；j d e n g l e r 使用g a u s s i a n 滤波器，从原始图像中减去低 通滤波后的图像，实现带宽高通滤波，使检测区域独立与背景的灰度级，随后重构钙化 信息。1 ；w q i a n 使用树状小波分割了数字乳腺图像上的微钙化点。；s y u 利用调整了小 波分解系数后重构第二、第三层r o i 图像以及中值对比度和归一化灰度值两个统计特征 参数分割出可疑的钙化点像素”。 ( 2 ) 肿块的检测算法 国内外放射专家在我国乳腺病患者的x 光片普查中发现，有将近8 0 $ 的乳腺疾病x 2 东北大学硕士学位论文 第一章绪论 光片表现为团状肿块和星状肿块“”。团状影最常见，占4 5 ，大部分为良性。星状影占 3 5 ，多数为恶性病变。经过对以往在乳腺x 线摄影检查中经常易被漏检的癌症病变特 征的分析“”，我们发现那些最不容易被发现的病变特征往往是亮度不高，不清晰的肿块。 因此对于此类肿块的检测算法是计算机辅助检测算法中最为重要的一个环节。利用c a d 可以标出这些肿块的位置从而吸引放射科医生的注意。一般肿块边缘模糊不清，其边缘 有放射状的毛刺，则被认为是恶性象征。在这类肿块中，星形肿块具有非常典型的特征。 星形肿块的灰度特征和正常的腺体组织没有明显的区别，而且嵌入在乳腺软组织之中， 医生很难将星形肿块和正常的乳腺组织区分开。因此在所有的肿块检测中，星形肿块的 检测是最重要也是最困难的。国内外有许多人在研究有关星形肿块的检测算法。 在星形肿块算法研究中一个最重要的环节就是对于肿块特征的提取，特征提取的好 坏直接决定了检测结果的成败。h k o b a t a k e 根据肿块面积和共生矩阵提取了恶性肿块的 特征而后进行检测分类“”；n p e t r i c k 计算了胂块的面积比、整体和局部的交叉宽度比 等特征“”；j k k i m 根据分布于周围区域相关矩阵内的像素特征，以垂直加权和、水平 加权和、对角加权和及栅格加权和作为特征“”；h p c h a n 在他们的研究中总共筛选了 4 1 个特征“；s y u 确定了直方图特征、时域特征和频域特征等3 1 个特征“；平庆瑞采 用离散正交小波变换计算数字乳腺图像上肿块表面的复杂度，发现它们之间存在着分形 维数上的统计差异，以分形维数为特征“”；屠轶清利用小波变换取得乳腺x 光片在多种 分辨率上的表示，然后对于多分辨率分析得到的像素集提取四种特征值：邻域内像素灰 度值、邻域内像素灰度标准差、梯度直方图的标准差和折叠梯度方向的标准差“。 由于研究者的研究目的不尽相同，所采用的设备、图像数据也不同，加上迄今为止 尚未有一致公认的数字乳腺图像评估标准，所以目前对一个数字乳腺c a d 系统的评价主 要依赖人们的主观感受。乳腺c a d 系统是一个值得倡导和探索的研究课题。目前研究焦 点几乎都集中在肿块和钙化点的自动检测及其检测性能的提高上。只要在识别对象、识 别方法、识别效率上取得新的进展，势必对提高乳腺癌的诊断水平和诊断准确率起到积 极作用。 1 3c r 图像增强技术研究的背景 c r 即计算机x 线摄影，c r 与传统x 线摄影比较，大大减少了x 的照射剂量。已 有的材料证实，应用f c r 系统成像的x 线剂量，在胸部投照时为常规x 线摄影的 1 2 0 1 7 ；在胃肠道造影检查时为1 2 0 ；泌尿与盆腔检查时为t 8 1 2 。此外，对辐射尤 其敏感的孕妇及儿童，使用c r 系统代替常规x 线摄影则可以大大放宽x 线检查内容与 次数的限度。 c r 图像与传统x 线摄影比较还有一个最大的特点是c r 图像的动态范围非常宽， 3 东北大学硕士学位论文 第一章绪论 如此大的动态范围远远超出视窗的可显示灰度范围。因此如果不对图像进行适当的处 理，不恰当的映射图像的灰度值将导致c r 图像丢失大量重要信息，但是通过适当的图 像处理方法，可以得到满意的图像。如图1 1 所示，可以看出在拍摄一幅c r 图像时， 由于种种原因可能会出现曝光过长或过短，x 线剂量过大或过小的现象，使图像的可视 性大大降低，给医生对患者的诊断带来了很大的不便。图1 1 中的图像就是未经处理后 的图像曝光强度从强到弱，可以看到，其图像对比度较低，清晰度较差。而图1 2 是经 过增强后的图像，可以看出其对比度，清晰程度都有很大的提高。 图1 1 大动态范围照射得到的c r 图像 f i g 1 1l a r g ed y n a m i cr a n g ec ri m a g e 4 东北大学硕士学位论文 第一章绪论 图1 2 经图像处理后得到的c r 图像 f 瑭1 2p r o c e s s e dc ri m a g e 我们经过大量的研究发现，动态范围过宽是造成c r 图像对比度低，可视效果较差 的一个重要的原因，另外成像设备在获取图像和传输图像的过程中往往会在一定程度上 破坏图像的质量，使大量关键信息难以看清，导致无法鉴别有用信息。而且在c r 系统 中，x 线被坤板吸收过程中会产生x 线量子噪声，其产生噪声的大小和x 线剂量有关， 剂量越大x 线量子噪声就越小。除此之外，c r 系统因其固有的结构会产生一些固有的 噪声，如口板的结构噪声、激光噪声、模拟电路噪声等等。因此为了得到令医生满意 的c r 图像，必须运用适当的方法对图像处理，采取一定的措施来改善图像的视觉效果， 增强对比度，去除图像中的噪声以提高图像成份的清晰度。 1 4c r 图像增强技术国内外研究现状 图像增强领域发展至今已经有很多算法，对比度增强分为利用直方图间接对比增强 法和直接对比增强法。前者是通过修正图像直方图增强图像，如真方图均衡o ”及其自适 应等来增强图像对比度，a l e xs t a r k 等人在论文中提出了自适应直方图均衡。“，p i z e r s t e p h e n 等人在论文采用了对比度受限直方图均衡。“；后者先计算各像素的局部对比度， 然后通过直接提高像素局部对比度来增强图像，如论文中使用的钝化掩模方法，将在下 面的论文中介绍此方法。其中基于直方图的增强方法存在下面的问题，算法运算量过大， 对噪声特别敏感，易产生噪声和对比度过增强，容易在灰阶突变的交界区产生人为的噪 声，如医学图像中的软，硬组织交界区域，使图像质量下降。钝化掩模方法是医学图像增 5 东北大学硕士学位论文第一章绪论 l 璺| i 2 经图像处理后得到的c r 图像 f 培1 2 p r o c e s s e d c r i m a g o 我们经过大量的研究发现，动态范围过宽是造成c r 图像对比度低，可视效果较差 的一个重要的原因，另外成像设备在获取图像和传输图像的过程中往往会在一定程度上 破坏图像的质量，使大量关键信息难以看清，导致无法鉴别有用信息。而且在c r 系统 中，x 线被坤板吸收过程中会产生x 线量子噪声，其产生噪声的大小和x 线剂量有关， 剂量越大x 线量子噪声就越小。除此之外，c r 系统因其固有的结构会产生一些固有的 噪声，如珀板的结构噪声、激光噪声、模拟电路噪声等等。因此为了得到令医生满意 的c r 图像，必须运用适当的方法对图像处理，采取一定的措施来改善图像的视觉效果， 增强对比度，去除图像中的噪声以提高图像成份的清晰度。 1 4c r 图像增强技术国内外研究现状 图像增强领域发展至今已经有很多算法，对比度增强分为利用直方图间接对比增强 法和直接对比增强法。前者是通过修正图像直方图增强图像，如直方图均衡“”及其自适 应等来增强图像对比度，a l e x s t a r k 等人在论文中提出了自适应直方图均衡。“，p i z e r s t e p h e n 等人在论文采用了对比度受限直方图均衡。“；后者先计算各像素的局部对比度， 然后通过直接提高像素局部对比度来增强图像，如论文中使用的钝化掩模方法，将在下 面的论文中介绍此方法。其中基于直方图的增强方法存在下面的问题，算法运算量过大， 对噪声特别敏感，易产生噪声和对比度过增强，容易在灰阶突变的交界区产生人为的噪 声，如医学图像中的软硬组织交界区域，使图像质量下降。钝化掩模方法是医学图像增 声，如医学图像中的软硬组织交界区域，使图像质量下降。钝化掩模方法是医学图像增 5 东北大学硕士学住论文 第一章绪论 强中常用的方法，但是它最大的缺点是对于要增强的细节特征的尺寸不易确定，所以其 模板尺寸不容易事先确定。除此之外，a n d r e w l a i n e 提出了用小波函数将图像分为高频 和低频两部分后对不同的小波系数根据其自身的特点进行适当的变换，以达到增强的效 果。”，h o - k y u n g k a n g 提出了一种改进的同态滤波增强方法，此方法将同态滤波器应用 于基于背景噪声变换后的小波域图像。”，此方法对于乳腺中钙化点的增强效果尤为明 显。 经过分析，我们得知现有的增强方法都或多或少地存在这样或那样的不足，针对上 述的各种现有算法缺点，在医学图像处理领域中，人们引入了多尺度的思想，也就是我 们在本篇论文中所使用的多尺度对比度增强方法。多尺度算法一直应用于图像处理的很 多领域。如图像分割。”、图像去噪“”、图像压缩”1 等。直到近十年，多尺度的思想才应 用于医学图像增强算法。经过多年的发展，多尺度算法已经应用于许多知名厂家生产的 c r 影像工作站中。例如最早发明i p ( i m a g c p l a t c ) 板技术的富士公司最新推出了一套数字 化影像处理软件“i m a g ei n t e l l i g e n c e ”，其中添加了m f p ( 多尺度频率处理) 软件； 另外柯尼卡( k o n i c a ) 、柯达( k o d a k ) 、爱克发( a g f a ) 等公司都在其c r 影像工 作站上加入了多尺度增强算法。 1 5 本论文所作的主要工作 本论文分工作了两部分的工作，前一部分主要介绍乳腺c a d 中星形肿块的检测算法， 后一部分主要介绍c r 图像增强算法。这两个算法都来源于东软医疗系统有限公司软件 部的实际项目，具有非常高的实用价值和时代意义。 论文所作的主要工作： ( 1 ) 查阅了大量的国内外的文献资料，分析和调查了现有的各种肿块检测算法和c r 图像增强算法。 ( 2 ) 通过大量实验对现有方法的优缺点做出客观准确的分析，在现有方法的基础上， 加以改进，找到适合自己的算法。 ( 3 ) 对于在算法中所遇到的未知方法和理论的学习。 论文组织结构： 第一章总结了乳腺c a d 系统和c r 增强算法存在的意义和重要性。介绍了国内外乳 腺c a d 检测算法和c r 增强算法的发展现状。 第一章主要介绍了乳腺c a d 肿块检测算法所要用到的一些前处理工佟，包括如何用 大滓法将乳腺区域和背景区域分割开，以及简要介绍了在检测时所要用的小波分解理 论。 第二章详细介绍了本论文所提出的星形肿块检测算法，包括两个主要特征的提取： 6 东北大学硕士学住论文 第一章绪论 梯度投票特征和梯度真方图的方差。以及如何将小波多尺度分解应用到我们的检测算法 中，从而改善检测效果和速度。 第三章总结了本论文所设计的星形肿块检测算法，并且从医生的角度对检测的结 果进行了客观的分析。最后得出用本算法检测星形肿块的假阳性和假阴性率基本上可以 达到医生的要求，但是检测速度还有待提高的结论。 第四章简要介绍了现今常用到的几种增强方法：直方图法和钝化掩模法，指出了 这两种方法在对医学图像进行增强时的缺陷。 第五章详细介绍和分析了拉普拉斯多尺度对比度增强法。将拉普拉斯多尺度对比 度增强方法和直方图对比度增强方法以及钝化掩模增强方法的结果图进行对比，分析了 拉普拉斯算法优势所在。并在现有算法的基础上对增强算法进行了改进，将它应用于乳 腺x 光片中，增强后的图像得到了医生的一致认可。 第六章对今后工作进行展望。 7 东北大学硕士学位论文 第二章星形肿块检测算法的前处理 第二章星形肿块检测算法的前处理 2 1 对乳腺区域的分割 为了提高本算法的计算效率和准确性，我们在对图像进行检测之前，对乳腺片进行 分割，去除掉没有意义的背景区域。图像分割的方法有很多种，有基于梯度的图像分割 方法、区域增长方法、边缘检测和连接法。由于乳腺片自身直方图的特点，所以在这里 我们用到的分割方法是大津阈值分割法o ”。 分析乳腺片的直方图如图2 1 可知整幅图像的直方图有两个非常明显的峰，经分析 可知前一个峰为乳腺区域的信息，而后一个峰代表图像的背景区域。大津阈值分割方法 就是利用两个峰的统计信息，自动的在两个峰之间寻找一个合适的值对图像进行分割， 去除掉背景信息。 背景区域 一 l 图2 1 乳腺x 光片的直方图 f i g 2 it h eh i s t o g r a mo f o r i g i n a lm a m m o g r a m 大津闽值法可以自动寻找阅值，对图像进行分割，将目标物和背景区分开来。把直 方图在某一阖值处分割成两组，当被分成的两组闻方差为最大时，决定阈值。假设一幅 8 东北走学硕士学位论文第二章星形肿块检测算法的前处理 m 图像的灰度值为l 到坍级，灰度值f 的像素数为n ，此时总像素数为n = 瑰，各灰度 值的概率为n = 熹，用七将其分成两组c 0 = 1 七) 和c 1 = 七+ l 研) ，各组产生的概率如 下： c 0 产生的概率： c 产生的概率： c 。组的平均值： c 。组的平均值： w o = p ，= w ( ) w = p ，= l - 似七) t = k + l 驴粪熹= 器 旷。耋鲁2 丽u - u ( k ) 其中，“= i p 。是整体图像的灰度平均值； i - 1 ( 2 1 ) ( 2 2 ) ( 2 3 ) ( 2 4 ) ”( 七) = i p 。是阈值为k 时的灰度平均值 = i 所以全部采样的灰度平均值为甜= w o 。+ w 。，两组间的方差用下式可以求出： 盯2 ( _ | ) = w 0 ( “。一“) 2 + w - ( ”1 一“) 2 = w o w - ( 1 * l i - - u o ) 2 嬲( 2 5 ) 从上述公式中解出使仃2 ( 七) 取得最大值的k ，即： k = a r g m a x t r 2 ( ) ( 2 6 ) 膏便是所得到的阑值，不管图像的直方图有无明显的双峰，都能得到较满意的结果。图 2 3 即为对图2 2 用大津阈值法进行分割后得到的结果图。此算法的所有处理方法都是对 经过大津闽值分割后所有剩余的乳腺区域进行的。 9 东北大学硕士学位论文 第二章星形肿块检测算法的前处理 图2 2 原始乳腺x 光片 f i g 2 2t h eo r i g i h a lm a m m o g r a m 图2 3 分割后樗到的图像 f i g 2 3t h es e g m e n t e dm a m m o g r a m 2 2 乳腺片的小波多尺度分解 2 2 1 小波分析简介 小波分析( w a v e l e t sa n a l y s i s ) 是近几年国际上的一个前沿研究领域，它被认为是 继傅立叶分析( f o u r i e ra n a l y s i s ) 的一个突破性进展。在一定程度上说，小波分析的研 究带来信息处理的一场革命。 小波分析是一种信号分析尺度( 时间频域) 分析方法。它具有多分辨率分 析( m u l t i r e s o l u t i o n a n a l y s i s ，简称m i l a ，也称为多尺度) 的特点，而且在时、频两域都 具有表征信号局部特性的能力，即在低频部分具有较高的频率分辨率和较低的时间分辨 率，在高频部分具有较高的时间分辨率和较低的频率分辨率。因此，它被誉为分析信号 的数学显微镜啪。 2 2 2 小波定义及常用小波 “小波”就是小的波形。严格的说，小波的定义为：设y ( f ) 为一平方可积函数，也 即y ( r ) r ( r ) ，若其傅里叶变换甲( ) 满足条件： 1 0 东北大学硕士学位论文第二章里形肿块检测算法的前处理 阻到：抽 o ，b r ( 2 8 ) 称y 。( f ) 为依赖于尺度因子和平移因子6 的小波基函数。当日较大时，得到一个 由小波矿( f ) “拉长”的函数，即长时低频函数；当口较小时得到一个由小波y ( f ) “压缩” 的函数，即短时高频函数。 小波的种类很多。常用的小波如：m e x i c a nh a t ( m e x h ) 4 , 波，d a u b e c h i e s ( d b n ) d , 波系， b i o r t h o g o n a l ( b i o r n r n d ) d , 波系。 2 2 3 小波变换( w t ) 及其多分辨率分析 将任意p ( 兄) 空间中的函数， 1 ) 时，表示用伸展了的y 波形去观察整个， ，即时间轴上考察范 围较大，而在频域上相当于用低频小波做概貌观察；反之，当口减少( 0 a 反映两个方向的 低频成分。 1 3 东北大学硕士学位论文 g _ - 章星形肿块检测算法的前处理 ，“ 淤x 打向矿做分析 辩x 方向婀似而做分析 x 厶向的细节 依怠 x 向扮平滑 信息 詹翔 翘y ( 坤馓分 沿y 冉阳埘o ) 做分析 向州傲分 沿y 疗i 自j j 袱做分概 图2 5 可分离情况下的多分辨率分解 f i g ：5t h em u l t i r e s o l u f i o nd e c o m p o s i n gu n d e rd e c o m p o s a b l ec o n d i t i o n 4 口，伍y ) 硝，u 坤 d p 味订 ，臼，| y ) 图2 6 可分离分解滤波器组结构 f i g 2 6t h es t r u c t u r eo f d e c o m p o s a b l ef i l t e rt e a m ( 2 ) 不可分离二维m r a 可分离的二维小波变换构成的多分辨率分析是目前应用最广泛的一类二维小波交 换。可分离情况的多分辨率分析法优点是引入直截，算法简便，但缺点是它突出的是x 和y 两个方向，对其它方向不敏感。此缺点在我们的星形肿块检测算法中表现的尤为突 出，用可分离小波分解后的图像的细节信息会产生丢失和扭曲现象。所以我们采用更具 一般性的多分辨率分析方法；不可分离二维m r a 。此方法不把f ( 尺) 空间分解成两个一 维空间张量积，应用较多的是“五株排列”方式。由于自然界许多图像信息多集中在二 维频谱的所谓“钻石形”区域中，而采用五株排列栅格能较好的提取这一区域的信息。 我们所要处理的乳腺片细节信息极为丰富，其二维频谱也大都集中在所谓的“钻石形” 区域中，所以本论文也采用了这种方式进行小波分解。 1 4 东北大学硕士学位论文 第二章星形肿块检测算法的前处理 五株形处理最基本的新环节是五株形抽取和五株形插值。由于本论文主要涉及到五 株形抽取，所以下面对五株抽取的数学表示和过程进行讨论。 图2 ，是其代表符号，图z s 是当尺度矩阵为一- ：二。 时抽取后y ( n l , n 2 ，栅格上 各点在x ( 强，n 2 ) 栅格上对应点的示意图。输x ( n ，n ：) 和输出y ( n ，h ：) 间的基本关系如式 ( 2 1 7 ) ： y ( n l ， 2 ) = x ( ，+ n 2 , 1 1 一押2 ) ( 2 1 7 ) 一 图2 7 抽取表示符 f i g 2 7t h ee x p r e s s i o no f s a m p l i n g b b 1 o d c d b 图2 8 五珠抽取 f i g 2 8t h eq u i n c u n xs a m p l i n g 进行小波分解时我们所用到的小波滤波器是在文献 3 1 中介绍的线性不可分离的 小波分解模板，它的低通滤波器模板为： 0 o 1 2 5 o 2 ( h 1 ，n 2 ) = lo 1 2 5 0 o 1 2 5 ( 2 1 8 ) l o 0 1 2 5 0 j 我们所采用的采样方法即为前面所介绍的五株排列方式【3 2 1 ，其尺度变换矩阵为： 4 = l ：! ，i 亿唧 经此小波滤波器分解后所的到的图像如图2 9 所示： 1 5 刈 叫_ 塑! 垄芏塑主竺壁堕圭 苎三主墨兰壁堡竺型苎兰堕堕竺墨 图2 9 经五珠排列抽取小波滤波器进行四层分解得到的结果图 f i g 2 9t h er e s u l tp i c t u r eo f d e c o m p o s e db yq u i n c u n xw a v e l e tf i l t e r 此方法不会在分解图像时产生相位的变形，而且此方法可以避免在进行可分离模板 采样时所产生的水平和垂直方向的扭曲。经过试验我们得知用此方法采样得到的图像很 好地保持了一些细节信息，可以提高星形肿块检测的灵敏性。 1 6 东北大学硕士学位论文 第三章星形肿块检测算法 第三章星形肿块检测算法 3 1 概述 在乳腺的所有肿块中，具有星形结构的针刺形肿块和乳腺癌密切相关。肿块的大小 各异，直径从几毫米到几厘米不等。肿块检测算法一般包括特征提取和分类两个部分。 k e g e l m c y e r 等人对于每个像索点提取了五维特征向量，这些向量包括边缘梯度直方图的 标准差和四个空间滤波器的输出值，最后将每个特征向量的值输入到二叉决策树中进行 分类0 3 。在进行边缘梯度直方图方差向量特征提取时所选择的窗口大小为4 厘米，选 择此窗口是为了使窗口的大小足够大以至于能包括所有要检测的肿块。在众多现有的检 测算法中，邻域窗口大小的选取被证明是其关键点也是难点。 在本论文中，我们提出了一种多尺度检测星形肿块的方法。整个检测算法的流程图 如图3 1 所示。我们首先用上节所介绍的线性相位不可分离两维小波变换对图像进行分 解，得到不同尺度上的图像。再对每个不同尺度的图像上进行逐像素点进行特征提取， 此特征可以用来区分星形肿块和正常组织。检测算法是从大尺度到小尺度逐级进行的。 在多尺度上进行特征提取和检测是本论文算法不同于其它已有方法之处，也是我们的优 势所在。我们的方法克服了预先选取一个特定大小窗口的难点。而且我们在提取特征和 检测时是沿着自下向上的方向进行的，这样可以大大的提高计算速度。 1 7 东北大学硕士学位论文 第三章星形肿块检测算法 图3 ，1 星形舯块多尺度检测算法示意图 f i 9 3 1d i a g r a mo f s y s t e mf o rm u l t i r e s o l u t i o ns p i c u l a t e dl e s i o nd e t e c t i o n 3 2 特征提取 在乳腺片中，一般来说肿块表现为较亮的圆形区域。在星形肿块的梯度映射图中我 们可以发现，有许多像素点的梯度指向肿块的中心。如图3 2 和图3 3 所示，可以看出 肿块周围的像素点都是以放射状指向肿块的中心。所以我们可以通过对肿块所在的圆形 区域的梯度方向作统计分析的方法进而定位星形肿块。本算法所用到的商个特征也都是 与梯度特征密切相关的，所以在对两个特征进行介绍前，先介绍一下我们是如何计算图 像的梯度的。 1 8 东北大学硕士学住论文 第三章星形肿块检测算法 图3 , 2 星形肿块类型一 f i g 3 , 2o n ek i n do f s p e c u l a t e dm a s s e s 图3 3 星形肿块类型= f i g 。3 3a n o t h e rk i n do f s p e c u l a t e di i l t s s e $ 梯度方向通常是通过梯度算子计算的到的。用l ( x ，y )