（信号与信息处理专业论文）乳腺x线图像中微钙化点检测及辅助诊断方法研究.pdf

哈尔演理t 大学t 学顿卜学位论文 乳腺x 线图像中微钙化点检测及辅助诊断方法研究 摘要 乳腺癌是妇女常见的恶性肿瘤之一，早期发现、早期诊断、早期治疗是 降低乳腺癌死亡率的关键。乳腺钼靶x 线摄影是目前临床诊断乳腺癌的有 力工具。但铝靶x 线影像的信息只有很少部分能为人眼识别，即使富有经 验的医生也很难及时发现钼靶x 线影像上早期乳腺癌的微钙化点，以致延 误病人的治疗时机。可以说，实现乳癌早期诊断的关键技术之一是及时发现 乳癌x 影像中的微小钙化并判断其是否有恶化倾向。随着计算机技术的飞 速发展，基于传统乳腺钼靶x 线影像的计算机辅助检测微钙化点己成为乳 癌早期诊断的研究热点。这主要是因为细小、颗粒状的微钙化点是乳癌的一 个重要早期表现。国外统计资料表明占3 0 5 0 的乳腺恶性肿瘤伴有微钙 化。因此，不断提高微钙化点的检出率和准确判别其恶性度成为众多学者孜 孜以求的目标。 本文主要针对乳腺微钙化点计算机辅助诊断( c a d ) 中的若干关键技术进 行了系统深入的研究，实现了对微钙化点的定位以及对病变类型的诊断。首 先提出基于数学形态学和小波变化的微钙化点定位的综合算法，提高了捡出 率，降低了假阳性；然后在原始感兴趣区域及定位后的图像中提取特征参 数，以此利用概率神经网络对有无微钙化点和病变类型进行诊断。 运用该算法对m i a s 中乳腺图像进行分析，得到8 0 2 的微钙化点检出 率，7 3 3 的有无微钙化点的识别率和7 7 7 8 的良恶性微钙化点识别率。结 果证明了本文建立的计算机辅助诊断系统具有较高的微钙化点检出率和较准 确的恶性度判别性能，为乳癌早期诊断研究提供了一套新方法。 关键词计算机辅助诊断；概率神经网络；微钙化点 竺查篓矍三奎茎三兰堡主耋篓丝塞 r e s e a r c ho fc a da n dm i c r o c a l c i f i c a t i o n d e t e c t i o ni nm a m m o g r a p h y a b s t r a c t b r e a s tc a n c e ri so n eo f t h em o s tc o m m o nm a l i g n a n td i s e a s e sa m o n gw o m e n c l e a re v i d e n c es h o w st h a te a r l yd i s c o v e r y , e a r l yd i a g n o s i sa n de a r l yt r e a t m e n to f b r e a s tc a n c e rc a ns i g n i f i c a n t l yi n c r e a s et h ec h a n c eo fs u r v i v a lf o rp a t i e n t s m a m m o g r a p h yi st h em o s te f f e c t i v em e t h o df o rt h ee a r l yd e t e c t i o no fb r e a s t c a n c e r h o w e v e rn o r m a l l y , v i e w e dm a m m o g r a m sd i s p l a yo n l yav e r ys m a l lp a r t o ft h et o t a li n f o r m a t i o n t h e y c o n t a i n i ti s v e r y h a r dt of i n dt h e m i c r o c a l c i f i c a t i o n s ( m c c s ) o fe a r l yb r e a s tc a n c e ri nm a m m o g r a m se v e nf o ra n e x p e r i e n c e dr a d i o l o g i s t t h e r e f o r e ，a n y i n c r e a s ei nt h ed e t e c t i o na n d c l a s s i f i c a t i o no fm c c sw i l ll e a dt of u r t h e ri m p r o v e m e n ti ni t se f f i c a c yi nt h e d e t e c t i o no fe a r l yb r e a s tc a n c e l w i t ht h er a p i dp r o g r e s so fc o m p u t e rt e c h n o l o g y , c o m p u t e ra i d e dd e t e c t i o na n di d e n t i f i c a t i o no fm c c sh a v eb e e nah o tr e s e a r c h f i e l ds i n c ec l u s t e r e dm c c si nm a m m o g r a m sa r ea ni m p o r t a n ts i g nf o re a r l y d e t e c t i o no fb r e a s tc a n c e r , i ti se s t i m a t e dt h a ta b o u t3 0 t o5 0 o fb r e a s t c a r c i n o m a sd e t e c t e dr a d i o g r a p h i c a l l yd e m o n s t r a t e sm c c si nm a m m o g r a m s s o t h ei n c r e a s ei nt h ed e t e c t i o na n dc l a s s i f i c a t i o no fm c c si nm a m m o g r a m sh a s b e e no fi n t e r e s tt om a n yr e s e a r c h e r s i n t h i st h e s i s ，s o m ek e yi s s u e so ft h ec o m p u t e ra i d e dd i a g n o s i s ( c a d ) t e c h n i q u eo fb r e a s tc a n c e rm c c sa r es y s t e m a t i c a l l yi n v e s t i g a t e d f i r s t l y , a n a l g o r i t h m i s p r e s e n t e d b a s e do nt h e m o r p h o l o g i c a la n a l y s i s a n dw a v e l e t t r a n s f o r mt os e g m e n tt h em c c s ，a n dt h i sm e t h o di m p r o v et h et r u ep o s i t i v ea n d r e d u c et h ef a l s ep o s i t i v e ；s e c o n d l y , e x t r a c tf e a t u r e sf r o mt h eo r i g i n a lr o i sa n d t h ei m a g e sa f t e rt h es e g m e n t a t i o no fm c c s ，t h e nu s et h ep r o b a b i l i s t i cn e u r a l n e t w o r k ( p n n ) t oc l a s s i f yt h er o i si n t ow i t ho rw i t h o u tm c c sa n dd i a g n o s i s t h eb e n i g no rm a l i g n a n to ft h er o i s u s et h ea b o v em e t h o dt oa n a l y s i st h em a m m o g r a p h yo fm i a s ，t h et po ft h e d e t e c t i o no ft h em c c si s8 0 2 血et po fc l a s s i f i e a t i o no fw i t ho rw i t h o u t 竺堡堡兰三奎兰三耋至圭兰堡丝兰 m c c si s7 3 - 3 a n dt h ec l a s s i f i c a t i o no fb e n i g no rm a l i g n a n ti s7 7 7 8 t h e r e s u l t ss h o wt h a tt h em e t h o dh a sah i g hp e r f o r m a n c eo nt h ed e t e c t i o na n d c l a s s i f i c a t i o no fm c c s ，a n dg i v e san e wm e t h o df o rt h er e s e a r c ho nt h ed i a g n o s i s o fe a r l yb r e a s tc a n c e l k e y w o r d s c a d ：p r o b a b i l i s t i cn e u r a ln e t w o r k ：m i c r o c a l c i f i c a t i o n - i i i 哈尔滨理工大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文乳腺x 线图像中微钙化点检 测及辅助诊断方法研究，是本人在导师指导下，在哈尔滨理工大学攻读硕士学 位期日j 独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不 包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体， 均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。 作者签名： 罱另 日期：弼午多月旷r 哈尔滨理工大学硕士学位论文使用授权书 乳腺x 线图像中微钙化点检测及辅助诊断方法研究系本人在哈尔滨理工 大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归 哈尔滨理工大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全 了解哈尔滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关部 门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可以 采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。 本学位论文属于 保密口，在年解密后适用授权书。 不保密匦 ( 请在以上相应方框内打，) 作者签名： 南名 日期：捌年弓月篮同 导师签名：家主翻 隰加6 年歹月c 钼 哈尔浓理工大学 学够士学位论文 1 1 课题背景 第1 章绪论 全球每1 3 分钟就有一人死于乳腺癌，乳腺癌已经成为西方国家女性癌症 中的第一杀手，每8 9 名妇女中就有一名乳腺癌患者，美国年发病率达 1 3 0 1 0 万。我国目前发病率虽较西方为低，但近年来增长迅速，以每年3 的 速度递增。上世纪末的1 0 年，中国城市乳腺癌死亡率增加了3 8 4 ，成为城 市中死亡率增长最快的癌症。自1 9 8 5 年以来，每年十月是世界卫生组织发起 的“全球乳腺癌警示月”，希望唤起社会对乳腺癌治疗的重视，给与乳腺癌患 者足够的关心与关注 乳腺癌是一种可以早期发现、早期治疗的肿瘤。乳腺癌普查是世界卫生组 织建议开展普查的两种肿瘤( 乳腺癌和子宫颈癌) 之一，早发现、早治疗可有效 降低乳腺癌的死亡率，并节省医疗费用。早期乳腺癌的治愈率为9 0 ，中期为 7 0 ，到晚期就只有4 5 ：早期乳腺癌的治疗费用约为2 万元，而到晚期，费 用会高达2 0 万元。鉴于乳腺癌的可预防性，美国近1 0 余年来开展了普遍筛 查，因此虽然发病率仍居高不下，但死亡率己呈逐年下降趋势。目前，我国女 性乳腺癌发病率和死亡率都呈迅猛上升态势，较之西方。我国女性的乳腺癌发 病的另一特点是：发病年龄较年轻，3 0 岁开始增加，发病高峰年龄为4 0 4 9 岁，比西方妇女早1 0 1 5 年。这种态势与城市特别是大城市的生活方式有密 切的关系，高脂肪饮食、吸烟、酗酒、肥胖、缺乏运动、工作压力大，有些进 入婚龄的妇女以不结婚或者婚后不生育为时尚，人为地形成了诱发乳腺癌的高 危因素。在上海、北京这些城市，乳腺癌发病率已高达4 0 1 0 万以上，而且由 于在我国普查工作的力度不够，致使很多乳腺癌发现的时候已经到了晚期，这 种情况不容乐观，2 0 0 4 年，“全球乳腺癌警示月”活动在北京召开，为了达到 “远离乳腺癌，保持妇女身心健康”的目标，卫生部、中国疾控中心和中国抗癌 协会等单位将在2 0 0 5 年联合发起“百万妇女乳腺癌普查工程”。计划通过干部 培训、统一技术方案、制定操作规范及各种标准，在全国建立8 0 1 0 0 个乳腺 癌普查基地，逐步使广大适龄妇女都能享受到方便、快捷、绿色定期的检查， 降低发病率，提高生命质量，节约医疗资源。在费用上，采用国家给予补贴、 企业和社会团体资助及个人缴费相结合的办法，预计每位受检对象的费用为 哈尔演理丁大学t 学碜十学位论文 1 0 0 0 到1 2 0 0 兀 在全国范围内开展乳腺癌普查工作是降低乳腺癌死亡率的有效措施，目前 比较成熟的影像诊断方法有钼靶x 线摄影、b 超和( 或) 彩色多普勒超声、远( 或 近) 红外热像仪、c t ( 增强扫描或动态扫描) 等。其中钼靶x 线摄影是诊断乳腺 癌的首选影像学方法，也是唯一能查出早期的l 临床无症状的隐匿性乳腺癌的检 查方法。但随着普查工作的开展，放射科医师要分析大量的x 光片，由于乳腺 x 光片图像的高容量性和低对比度性以及发病初期症状的不明显性，使得仅用 肉眼在复杂的铝靶x 光片中查找不到干分之的异常点，是一件枯燥、费时而 又极其困难的事。因此，利用数字图像处理技术来实现乳腺x 光片的计算机辅 助诊断，已成为近年来医学图像处理研究的热点。 医学研究表明，乳腺癌钼靶x 线征象包括直接征象和间接征象，直接征象 一般指肿瘤本身的影像，包括瘤体阴影和钙化；间接征象是指瘤周组织继发性 改变所形成的影像，包括肿块周围、皮肤、血管改变及乳房外形改变；除此之 外，还有一些恶性肿瘤的x 线表现，如炎症型癌、类癌等。其中，直接征象 的肿块影和钙化是最为常见的x 线征象，而且是早期乳腺癌的两大典型特征， 基于此，乳腺钼靶x 光片计算机辅助诊断系统可以分为两大类别，一类是肿块 影的检测，另一类是微钙化簇的检测2 。国外统计资料表明3 0 5 0 的乳癌 恶性肿瘤伴有微钙化，鉴于此，基于微钙化簇检测并判别乳腺疾病良性或恶性 的计算机辅助诊系统研究的应用前景十分广阔，它的深入发展研究有很重要的 意义。 1 2 微钙化点检测及诊断技术概述 尽管对计算机辅助诊断乳房x 光片的研究已有二十多年，但微钙化点的自 动检测仍然较为困难。钙化点特别微小，乳房x 光片中微钙化簇的不同大小、 形状以及分布，r o i ( 感兴趣区域) 的对比度较低，可疑区域同其周围组织的密 度差别较小。这是目前存在算法的主要不足之处。国内外的研究人员尝试用不 同的技术对微钙化簇的计算机辅助诊断方法进行了研究。所用到的方法主要 有：经典的图像处理技术、小波技术、神经网络、数学形态学、分形学、模糊 逻辑等。研究的方向主要为：通过各种方法来实现微钙化点或者微钙化簇的定 位，根据各种方法来诊断病变的良性或恶性。 近年来，为了解决这方面的问题，已经研究了许多自动的数字化乳腺x 光 片处理方法。b f i j e s “等在2 0 0 0 年提出了基于模糊神经网络和图像特征提取的 竺兰堡矍三奎兰三兰竺兰兰竺丝兰 微钙化点检测方法他们提取了熵、对比度、均值、形状因子、光滑度、傅罩 叶描绘子和纹理等图像特征。然后对这些特征进行不同的组合，组成了前馈式 误差后向传播神经网络的输入矢量。神经网络的输出为0 、l 二值型，分别对 应于微钙化点的良性与恶性。由熵、标准差和面积组成的输入矢量可获得最好 的判别。优点是可区分良性和恶性病变，但结果并不理想。s t r i c k l a n d 等在 1 9 9 6 年提出了基于模糊逻辑技术的微钙化点检测方法。该方法首先利用全局信 息( 亮度) 和局部信息( 不均匀性) 来生成了一幅噪声受到抑制的模糊图像和一幅 微钙化点得到增强的图像。然后，利用所提出的曲线探测器消除不相关的乳腺 结构。接着，用迭代阙值确定微钙化点。该方法的最大优点是能检测较大密度 的乳腺x 光片中的微钙化点。a m e n d o l i a ”等在2 0 0 1 年提出用两种方法对微钙 化点进行检测和分类：一种方法是基于高通滤波去噪、特征提取和神经网络分 类，另一种方法是对图像进行统计特征提取和统计方法分类。g i u s e p p e 。等在 2 0 0 0 年提出了基于小波变换的多分辨率分析和基于r e n y i 熵选择阈值的闽值分 割方法。首先对图像进行二分树上的多孔算法处理，可得不同尺度下图像的近 似信息、水平细节、垂直细节和对角细节。对这些细节给予不同的权重后再相 加，得到可表征具有高频信息的微钙化点特征参数。然后，利用r e n y i 熵原则 确定阙值。最后对图像进行阈值化处理，得到微钙化点的二值化图像。 由上可见，目前对乳腺影像中微钙化点进行检测及判别病变类型的方法主 要包括传统的图像处理技术、基于小波变换的图像特征增强技术、统计学分割 方法、基于神经网络的分类方法和这几种方法的联合应用。 本文将依照微钙化点检测及病变类型判断的基本步骤详尽的介绍各个步骤 所需算法的发展历史以及对目前存在的算法做细致的分析总结。同时也依照这 个顺序来介绍自己的改进方法。 1 3 本文内容 本文的研究工作属于图像信息处理领域，在研究图像特征的基础之上，结 合神经网络分类来进行考虑，探索了微钙化点检测前的预处理、微钙化点定位 以及利用神经网络进行病变类型诊断的算法： 1 针对早期乳腺癌x 光片中微钙化点非常微小、不规则、形状和分布各 异，且对比度较差，乳腺中的致密组织与病变组织十分相似的问题，同时依据 微钙化点是淹没在极高频噪声和低频背景中的高频信号，提出了利用数学形态 学和小波变换来进行微钙化点的定位。 2 依据神经网络可以通过训练来进行分类，提出了利用概率神经网络来 对微钙化的病变类型进行识别。 3 在进行微钙化点定位和病变判别的工作中，试验了大量的定位、判别 的方法，并进行了分析，得到了大量的实际工作经验。 4 最终对新算法与前人所提出的算法作了比较，并给出有力的试验数 据，对新算法的有效性给予了充分的证明。 一般来说，乳腺钼靶x 光片计算机辅助诊断的研究均是先对图像进行去噪 和特征增强，然后利用各种方法对微钙化点进行定位，在此基础上进行特征提 取及特征优化，从而得到具有最好分类能力的特征矢量，最后进行病变类型的 诊断。 本文第二章对微钙化点与处理及定位的算法，其中对数学形态学、小波变 换的算法，给予了详细的介绍；第三章主要介绍了特征提取及病变类型的神经 网络诊断算法；在第四章，给出了实验数据以及数据分析；在总结部分，对本 文研究工作进行了总结与展望。 - 4 、 哈尔i 声理t 大学_ 学硕十学位论文 第2 章微钙化点检测方法 本章中，对微钙化点检测方法进行了概述，并对主要方法进行了介绍。此 外，简要介绍了微钙化点检测所面l 临的难点，同时对本文所提出的基于数学形 态学和小波变换的检测方法进行了详尽的介绍。 2 1 微钙化点检测的主要方法 近年来乳腺x 光片的计算机辅助诊断系统成为很多国家研究的热点，而其 中，基于x 光片中微钙化点检测的乳腺癌早期诊断更是受到了普遍关注。但尽 管微钙化点的检测研究已持续了2 0 余年，但由于早期乳腺癌的微钙化点非常 小，不规则，形状和分布各异，使之难以识别”1 。此外，感兴趣区域的对比度 比较差，且对于致密性乳腺来说，致密组织与病变组织非常相似，这些原因导 致了微钙化点的检测变得十分困难。目前对乳腺x 光片中微钙化点进行检测的 方法主要包括传统的图像处理技术、基于小波变换的图像特征增强技术、统计 学分割方法、基于神经网络的分类方法等。但从检测结果来看，用每一种单独 的方法是的检测结果并不理想，因而将几种方法进行综合，以求得更高的检出 效率。一般来说，均是先对图像进行去噪和特征增强，然后抽取出具有诊断价 值的图像特征，然后在此基础上对微钙化点进行定位以及病变类型的判断。 2 1 1 阈值分类法 阂值分类方法就是简单地用一个或几个阈值将图像中具有特殊含义的不同 区域( 如病变区域和正常组织) 识别出来。一般做法是提取来自空r 丑j 域或足频率 域、局部或全局的特征参数，然后计算这些参数的相关系数或对这些特征参数 进行降维，将这些特征综合为一个特征。在此基础上，以该合成特征为参数对 图像进行阈值化处理。 f a r n 1 等提出基于区域增长算法的检测方法。首先对强度在某一规定范围 内的像素进行区域增长运算。然后，计算像素的强度梯度，看是否满足均值和 误差杯准。该算法最大的问题是所需的许多变量要由用户自己输入，而事实上 这些变量是依赖于图像的，应该能由系统自动确定。 s p i e s b e r g e r “提出的计算机辅助x 胶片筛选算法就是用闽值方法进行微钙 化点的检测。该方法利用图像的亮度、紧凑度和统计测度来表征待检区，然后 哈尔滨理t 大学t 学硕十学位论文 利用相关系数来测定微钙化点的存在与否。如果相关系数大于阈值，则为微钙 化点：反之，则为正常组织。该方法能区分微钙化点和正常组织，对良性和恶 性病变的微钙化点无明显区分能力。 c h a n ”等描述了一种基于差值图像技术的微钙化点分割算法。首先是进行 图像特征增强，得一增强图像。然后再对原始图像进行噪声抑制，得一噪声抑 制图像信号增强图像和噪声抑制图像相减以去除不相关的乳腺结构。然后再 用全局或局部阈值方法来初步确定微钙化点。最后再对初步确定的微钙化点作 进一步阈值化处理，从而将淹没在噪声和背景中的微钙化点确定出来。 c h e n gh d 4 等提出了基于模糊逻辑技术的微钙化点检测方法。该方法首先 利用全局信息( 亮度) 和局部信息( 不均匀性) 生成一噪声受到抑制的模糊图像和 一微钙化点得到增强的图像。然后，利用所提出的曲线探测器消除不相关的乳 腺结构。接着，用一迭代阈值确定微钙化点。最后，用数学形态学方法来重建 微钙化点。该方法的最大优点是能检测较大密度的乳腺x 光片中的微钙化点。 2 1 2 统计学分类方法 这种分类方法主要是对模式样本进行各种特征的提取和分析。对含有微钙 化点的样本提取特征，然后对特征进行分析，进而选取那些对分类有利的特 征，并对其统计均值等按已知类型分别进行学习，根据贝叶斯最小误差准则， 再根据以上统计特征设计出一个分类误差最小的决策超平面。识别过程是对未 知模式进行相同的特征提取和分析，通过决策平面确定该特征相应的模式所属 类别。 早期的统计特征分类法是k a h n ”等提出的基于灰度梯度特征提取的微钙化 点检测方法。该法由灰度梯度计算出对比度分布的前四阶矩，然后用统计分类 方法进行微钙化点的定位。因其仅以对比度作为微钙化点分类的标准，有很大 局限性，对于噪声和背景引起的高对比度与微钙化点没有明显的识别能力 k a r s s e m e i j e r4 “”“等提出了基于随机场模型、结构几何知识和贝叶斯统计 方法的检测方法。他们把图像看作一个随机场，图像中个像素点的灰度值被视 为具有一定概率分布的随机变量，观察图像是对实际物体做了某种变换并加入 噪声( 低频噪声背景和高频噪声干扰) 结果。从观察图像提取实际结构( 微钙化点) 无定解问题，其求解过程就是要找出最有可能或以最大概率得到该图像结构的 物体组合，即要求出具有最大后验概率的分布。作者也指出，该方法十分复 杂。计算量也特别大。 哈尔滨理t 大学t 学硕士学位论文 2 1 3 基于神经网络的算法 神经网络具有很强的自学习能力和容错性，在输入信号被噪声污染的情况 下，也能很好的完成各种各样的分类问题。神经网络的输入可以是束自空日j 域 或频率域、局部或全局的表征微钙化点特征的参数。在基于微钙化点检测的乳 腺x 光片计算机辅助诊断系统中，通常用神经网络来完成两方面的工作，一是 真、假阳性钙化点的分类判别，一是病变类型的良性、恶性的分类。 s h e n ”等基于区域增长方法提出了对钙化点形状因子的表征方法，并进行 了分析和讨论，所选择的形状因子包括紧凑度、力矩和傅立时描述子等可表示 各种钙化点形状圆度的测度，然后利用神经网络进行分类，从而确定微钙化点 的位置。 s o n g y a n g 。”等介绍了基于小波图像特征增强、图像特征提取和神经网络分 类的微钙化点自动检测和分类方法。首先对所有待处理的原始图像进行归一化 处理，然后利用小波变换去除高频图像噪声和低频图像背景的影响，然后将所 提取出的每个像素的四个特征输入到神经网络中来对微钙化点的真、假阳性来 进行分类，完成微钙化点的初步定位。然后为了降低假阳性，将对图像进行第 二次检测。首先对图像进行特征提取，然后利用神经网络在所提取出的3 】个 特征中进行特征选取，找出最有利于分类的若干个特征，然后将其输入到神经 网络中对其进行分类，从而实现了对微钙化点较为精确的定位。 2 1 4 基于小波变换的多分辨率技术 小波变换是一种线性时频展开方法，它的时频分辨率是可变的。在对图 像的小波分解与重构过程中，按需要改变有关小波参数，便可增强图像中感兴 趣的部分，抑制不需要的干扰信号，在设定一些阈值，便可达到去噪和自动检 铡的目的。由于小波的这一特性，因而广泛应用于x 光片乳腺图像中的微钙化 点检测。l q i r o y u k iy o s h i d a ”等人提出利用小波变换对图像在不同的层次上进行 分解( 针对感兴趣区域) ，基于分解的每一分层提供的微钙化点信息量的不同， 对不同分层的系数进行加权，然后将重建图像与目标图像进行对比，并依据输 出误差来调整加权参数，从而实现了微钙化点检测的目的。l e e ”等提出用多 分辨率小波分析和高斯马尔可夫随机技术精确地鉴别微小钙化点。z h a n g ”等 利用小波分析得出聚集的钙化点的时频特性，以此来检测和分割微小单独的钙 化点，取得了良好的检测结果。 哈尔淳理丁大学t 学硕士学位论文 2 1 5 多种技术方法的综合应用 从已有报道的文献看，在近年来大多数研究者都采用不会只采用单一的某 种方法来进行微钙化点的检测，这是因为用单一的分类方法会带来较大的假阳 性或假阴性。洋酒者一般都是先对微钙化点进行初步定位，然后再次基础上进 行特征提取、诊断分类。微钙化点的初步定位和诊断分类涉及到两种或两种以 上分类方法的应用，或同一方法的多次应用。”。 e r i c h ”等利用阈值化方法和神经网络方法对微钙化点进行分类。该方法主 要包括背景修正、微钙化点检测和微钙化点定位三部分。背景修正的具体做法 是，对图像中每一像素点在以该像素点为中心的2 7 2 7 处理窗内进行二维三阶 多项式的拟合运算，拟合区域从原始图像中减去就得到了去除不相关背景结构 影响的图像，然后对该图像进行阈值化处理得到二值图像。检测的具体算法是 对原始图像进行高通滤波器处理得到信号增强图像，然后对该图像进行阂值化 处理得到二值图像。两次所得二值化图像进行逻辑与运算以减小阈值化过程中 造成的假阳性，且得到对微钙化点的初步定位。在次基础上，对原始图像上初 步定位的微钙化点提取对比度、边缘梯度、统计变量等特征，然后用逆光人工 神经网络进行分类。 a m e n d o l i a8 等用两种方法对微钙化点进行检测和分类：一种方法是基于高 通滤波去噪、特征提取和神经网络分类：另一种方法是对图像进行统计特征提 取和统计方法分类。 2 2 微钙化点检测的难点 尽管在过去的2 0 年中有计算机辅助乳腺x 光片的研究，但微钙化点的定 位于识别人显得十分困难，究其原因主要在于： 1 微钙化点非常微小，难以识别； 2 乳腺x 光片上的微钙化点大小不一，形状各异，分布多变，无法进行 常规的样本匹配； 3 感兴趣区域的对比度交叉，可以病变区域与其周围组织之间的强度差非 常微弱： 4 致密组织使得可疑病变区域难以察觉，特别是年轻妇女： 5 致密组织很容易被误解为微钙化，从而造成了很高的假阳性率。 此外，在对于病变类型的判断中，如何选取有效的特征参数也是研究人员 竺! i 茎矍三奎兰三茎竺三兰堡丝兰 所面临的一大难点。 在本算法的第一个模块中，微钙化点的定位分为两步来实现，首先是对整 幅乳腺图片进行预处理、归一化，便于观察病变区域；在进行微钙化点的定位 之前，要根据m i a s 数据库提供的坐标值将感兴趣区域( r o i ) 提取出来，然后 针对感兴趣区域来实行微钙化点的检测。 2 3 微钙化点检测方法 乳腺x 光片的图像质量的优劣直接影响计算机辅助检测微钙化点的准确 度。但是影响乳腺x 光片的因素有很多，除了因为照射、洗片等过程中的医生 经验不足造成图像质量的低劣外，还有因为光线漫射、胶片质量、放射线剂量 和质量等引入的图像噪声的干扰，此外，静电、灰尘、指痕、折痕等噪声也影 响着图像的质量。目前还未见任何关于反映乳腺钼靶图像噪声影响的乳腺钼靶 图像模型报道，这主要是因为乳腺图像噪声来源复杂。微钙化点通常大小约为 0 1 m m l m m ，其在乳腺x 光片中的影像较周围正常组织两，从频域看，微钙 化点是淹没于极高频噪声和低频背景中的高频信号。因此我们从频率的角度出 发来消除噪声及定位微钙化点。 本文所采用的方法是，首先利用数学形态学去除低频背景的影响，然后利 用基于多分辨率噪声抑制的小波变换方法来消除一部分低频背景和极高频噪声 的影响。最后，将两个方法处理过的二值化图像进行逻辑与运算，就可以得到 只含有高频微钙化点的图像，从而实现了微钙化点的定位。 2 3 1 数学形态学检测方法 数学形态学是- 1 7 新兴的学科，它主要以积分几何、集合代数及拓扑论为 理论基础，此外还涉及到随机集论，现代概率论、近世代数、图论等一系列数 学分支。他最基本的思想是将图像看成是点的集合，用结构子( 又称结构元 素、结构矩阵) 对其进行移位、交、并等集合运算构成形态学的各种处理算 法。其中结构子也是由点的集合构成，它褶当于一种“探针”，在图像中不断 的移动结构子，便可考察图像的各个部分。不同的点的集合形成具有不同性质 的结构子。不同的结构子可以用来检测图像不同侧面的特征，因此也可以将结 构子理解为观察图像的手段或角度。形态学滤波器分为两类：二值形态滤波器 和灰度形态滤波器。下面讨论灰度形态滤波器。 哈尔滨理工大学_ 学够十学位论文 2 3 1 1 灰度形态学预备知识 在二值形态学中，集合的交运算和并运算起着关键的作用。下面讨论灰值 形态学的对应运算极大和极小2 1 。 给定两个信号，和g 极小的定义必须与信号超出定义域取负无穷大的假 设相符合。由于负无穷大小于其它的所有值，故在每一个点工，如果i ( x ) 或 g b ) 有一个为负无穷，那么，其极小亦应当为负无穷。因此，我们定义厂和g 的极小为： 如果x 在定义域d l 厂】n d k 】的交集中，那么 u g ) ( x ) = m i n f ( x ) ，g ( 工) ) ( 2 一1 ) 否则，x 便不在， g 的定义域中，即f a g 无定义。 式中 极小运算符。 事实上，只要允许函数的值取负无穷大，那么，上面的方程所表示的定义 对于所有的x 都是成立的。 同样地，我们可以定义极大f v g 为 ( 厂vg ) ( x ) = m a x f ( x ) ，g ( x ) ) ( 2 - 2 ) 式中v 极大运算符( x 在d l 厂】n d i g 】内) 。 如果x 在厂的定义域内，但在g 定义域外，那么，定义 u v g ) ( x ) = 厂( x )( 2 - 3 ) 如果石在g 的定义域内，但在厂的定义与外，那么，定义 盯vg ) ( 工) = g ( x ) ( 2 - 4 ) 如果石不在厂和g 的定义域内，即x 不在d l 厂】n o 9 1 2 _ 内，则f v g 无定 义。 2 3 1 2 灰度形态学基本运算 1 灰度腐蚀、灰度膨胀由于腐蚀和膨胀满足许多代数运算规则，因而， 对于这两种运算，同样也存在许多等价的定义方法。形态学源于填充的概念， 而灰值形态学处理的对象是信号( 图像) 波形的拓扑特性，因此，与二值运算相 同，我们可利用填充概念来直接定义灰值运算。 利用结构元素g ( 也是一个信号) 对信号，的腐蚀定义为 1 0 9 = f - ，一g ( 工) ：x d e g ( 2 5 ) 根据这一表达式，灰值腐蚀可按下面步骤完成：对于结构元素g 的定义域 中的每一点x ，将信号厂平移一工，然后，再从每次平移信号值中减去g ( x ) ， 这样，对于结构元素定义域中的每一点都得到一个信号，对所有这些信号逐点 哈尔滨理 大学t 学母l 卜学位论文 取其最小值，便可以得到腐蚀结果。从几何角度讲，为了求出信号被结构元素 在点x 腐蚀的结果，我们在空日】滑动这个结构元素，使其原点( 对于信号，为欧 氏平面相对结构元素的原点) 与x 点重合，然后上推结构元素，结构元素仍处在 信号下方所能达到的最大值，即为该点的腐蚀结果。由于结构元素必须在信号 的下方，故空间平移结构元素的定义域必为信号定义域的子集。否则腐蚀在该 点没有定义。 如图2 1 所示，我们对一幅数字乳腺x 光图片进行腐蚀操作，所用结构元 素为1 1 1 1 的钻石形结构元素。可以注意到图a ) 中的亮点经过腐蚀操作后在图 b ) 中消失了。 小 图2 1a ) 原始乳腺图片 f i g 2 1a ) t h eo r i g i n a lm a m m o g r a m b ) b ) 经灰度腐蚀后的图片 b ) t h ei m a g ea f t e rg r a y s c a l ee r o s i o n 腐蚀灰度图像的结果是：比背景暗的部分得到扩张，而比背景亮的部分受 到收缩。 与二值情况一样，灰值膨胀也可用灰值腐蚀的对偶运算来定义。在定义灰 值腐蚀时，我们采用了求极大值的方法，即在位于信号下方的条件下，求上推 结构所能达到的最大值。这里我们利用几个元素的反射，求把信号限制在结构 元素定义域内时，按上推结构元素使其超过信号的最小值来定义灰值膨胀。， 被譬膨胀可逐点定义为 厂o g = v ，：+ g ( x ) ：工d 【g 】) ( 2 - 6 ) 根据这一表达式，灰值膨胀可按下面的步骤完成：对结构元素g 的定义域d k i 哈尔滨理 大学t 肇硕十学位诒文 中的每一点工将信号厂平移x ，然后，再对每次平移信号的值加上g ( x ) ，这样 对于结构元素定义域中的每个点都得到一个信号，对所有这些信号逐点取其最 大值，便可以得到膨胀结果。 如图2 2 所示，我们对一幅数字乳腺x 光图片进行灰度膨胀操作，所用结 构元素为7 7 的钻石形结构元素。可以注意到图a ) 中的亮点经过膨胀操作后在 图b ) 中更易于观察了。 膨胀灰度图象的结果是：比背景亮的部分得到扩张，比背景暗的部分受到 收缩。 a ) 图2 - 2a ) 原始乳腺图片 f i g 2 - 2a ) t h eo r i g i n a lm a m m o g r a m b ) b ) 经灰度膨胀后的图片 b ) t h ei m a g ea f a rg r a y s c a l ed i l a t i o n 2 灰值开运算、闭运算具备了腐蚀和膨胀这两种初级灰值形态学运算， 我们便可以定义二级运算灰值开和灰值闭运算。与二值情况相同，这两种 运算互为对偶运算，并且两者都可用填充概念来说明。 灰值开运算可以参照二值情况来定义，即先作腐蚀再作膨胀的迭代运算 ，o g = ( 觑 ) 0 9 ( 2 - 7 ) 与二值情况相同，从填充的角度来观察开运算，更便于直观理解。我们可 按二值形态开运算方法重定义灰值开运算为如下形式 f o g = v g ，+ j ，：g ，+ y “n ( 2 8 ) 哈尔滨理丁大学- 学硕士学位论文 根据上式，开运算可以通过求出所有结构元素的形态学平移都可填入输入 信号下方的极大值点来计算。这种填充表达方式可以从几何角度直观地描述开 运算：在信号的下方滑动结构元素，并在每一点记录结构元素上的最高点，原 点相对结构元素的位置不会对运算结果产生影响。 在灰值情况下，利用对偶性定义闭运算为 f g = - ( 一厂) o ( 一g ) 】 ( 2 - 9 ) 即对水平轴翻转信号和结构元素并作开运算，然后，在对水平轴作翻转。 2 3 1 3 基于灰度形态学t o p h a t 变换的微钙化点检测方法 1 t o p h a t 变换t o p h a t 变换算子定义为 h a t ( f ) = 厂一o g )( 2 - 1 0 ) 其中：g 为结构元素，f o g 为用结构元素g 对进行灰度开运算，其结果即是 估计出的背景，因为开运算是一种非扩展运算，处理过程处在原始图像的下 方，故h a t ( 厂) 总是非负的。 形态学滤波器是非线性滤波器，它通过变换来局部地修改信号的几何特 征。在欧几里德空间中每个信号都看成一个集合，形态滤波是改变信号形状的 几何操作。给定滤波操作和滤波输出，我们就可以得到对输入信号集合结构的 定量描述。膨胀和腐蚀并不互为逆运算，所以不能互换次序。例如在腐蚀中丢 失的信息并不能依靠对腐蚀后的图像进行膨胀而恢复。在基本的形态学操作 中，膨胀和腐蚀很少单独使用。将膨胀和腐蚀结合使用可得到开启和闭合。开 启和闭合可用于对几何特征的定量研究，因为它们对所保留和除掉的特征的灰 度影响很小。 从消除比背景亮且尺寸比结构元素小的结构角度来看，开运算有些像非线 性低通滤波器。但是开运算与阻止各种高空间频率的频域低通滤波器不同，当 图像中的大小结构都有较高的空间频域时开运算只允许大结构通过而能除去小 的结构。对一幅图像进行开运算可消除图中的孤岛或尖峰等过亮的点。闭运算 对较暗结构的功能与开运算对较亮的结构一样，它可将比背景暗且尺寸比结构 元素小的结构除掉。 2 结构元素从t o p h a t 定义可以看到，我们是从原图像中减去开运算结 构，也即在开运算中消除的比背景亮且比结构元素小的结构，可以在 t o p h a t 操作的结果中显现出来，基于微钙化点通常较周围组织亮且大小约 为o 1 m m - l m m ，故而我们可以通过选择适当的结构元素来实现对微钙化点的 定位。 哈尔滨理t 大学t 学磅十学位诒文 在图像的形态分析中，结构元素起着重要的作用。在灰度图像形态学中， 结构元素可以是任何的3 一d 结构，常用的有圆锥、圆柱、半球或抛物体。模 板尺寸总是奇数，这样模板中心正好对应一个像素。 如果设，g ，y ) 代表一个r x , 模板在k y ) 位置的值，令七= 伽一1 ) 2 ，则x 和y 的定义域为x , y 【一女，明，一个半球模板中的每一项可写为 l ( x ，y ) = 4 9 。一x 一y ( 2 1 1 ) 式中g 在模板中心( o ，o ) 处的最大值。 一个圆柱模板中的每一项可写为 如果x 2 + y 2 茎七2那么i ( x ，力= g( 2 - 1 2 ) 否则i ( x ，_ ，) = 0( 2 1 3 ) 这里g 表示圆柱的高度。 形态操作的时间常与结构元素的尺寸成正比，所以通过分解结构元素可以 大大减少计算时间。在一般情况下，所减少的操作时间可用原始模板面积与分 解所得小模板面积之和的差来估算。一般有如下的分解定理：如果结构元素可 分解为b = 蜀+ 曰：+ + 玩，那么用曰对a 的膨胀和腐蚀可分别如下执行 爿0 b = a 0 ( b l + b 2 + + 最) = ( “彳0 b i ) 0 马) ) o b 。 ( 2 - 1 4 ) a o b = a o ( b l + b 2 + + 或) = ( ( ( 4 且) o 岛) ) 0 e ( 2 - 1 5 ) 通过实验我们得出选用5 5 的圆柱模板效果较好，按照上述理论，我们可 以将一个5 5 的圆柱模板分解为两个3 3 的圆柱模板，如图2 3 所示。因为一 个5 5 的圆柱模板有1 3 个非零元素，而两个3 3 的圆柱模板只有1 0 个非零元 素，所以将结构元素分解可减少操作时间。 圈。圈= 0020o 02220 22 2 22 02220 00200 图2 - 3 模板分解示意图 f i g 2 - 3t h ed i a g r a mo f d e c o m p o s i t i o no f m a r k 3 微钙化点检测本文利用数据库m i a s 提供的感兴趣区域的半径和中心 对原始乳腺图片进行感兴趣区域的提取，如图2 - 4 所示为提取出来的部分感兴 趣区域，大小为1 2 8 1 2 8 像素，每个感兴趣区域中部包含微钙化点。 我们先利用上述5 x 5 的圆柱模板对感兴趣区域进行处理，然后对处理后的 哈尔滨理丁大学t 学矽 学协论文 图像进行阈值处理就可以得到最终检测结果二值图像。由于背景估计方法 可以看作是对背景均值得估计，按信噪比定义，阈值的选区应该为图像局部方 差的x 倍。这垦k 根据我们对检测算法应用环境和要求来决定。我们应用的信 图2 - 4 部分感兴趣区域示意图 f i g 2 - 4s o