乳腺腫瘤超聲圖像的計算機輔助診斷方法研究.pdf

1、研究乳腺腫瘤超聲圖像的計算機輔助診斷(Computer Aidded Diagnosis：CAD)方法和系統(tǒng)，以客觀、準(zhǔn)確地判別乳腺腫瘤的良惡性，為醫(yī)生的臨床診斷提供參考意見，對醫(yī)學(xué)臨床具有重大意義。本文的研究內(nèi)容主要由三部分構(gòu)成：乳腺腫瘤超聲圖像的邊緣提取、特征分析和分類器實現(xiàn)。并對各部分存在的一些問題進行探索和改進，為乳腺腫瘤超聲圖像的計算機輔助診斷在臨床上的應(yīng)用作了一些有意義的基礎(chǔ)工作。 在乳腺腫瘤超聲圖像的邊緣提取部分，

2、針對乳腺腫瘤超聲圖像存在的特點，如對比度低，斑點噪聲大，部分邊緣缺失，腫瘤內(nèi)部微細(xì)結(jié)構(gòu)分布復(fù)雜(如血管，鈣化灶等)，惡性腫瘤可能的復(fù)雜形狀等，采用了相應(yīng)的預(yù)處理方法，如非線性各向異性擴散濾抑制斑點噪聲，形態(tài)學(xué)濾波器平滑圖像，直方圖均衡化提高圖像的對比度，并引入目前成功應(yīng)用于心臟MRI圖像中心室內(nèi)壁檢測的廣義梯度矢量流場的參數(shù)活動輪廓線模型，自動提取乳腺腫瘤超聲圖像的邊緣。 針對目前非線性各向異性擴散濾波沒有受對數(shù)超聲圖像的斑點噪

3、聲模型的限制，將Loups提出的經(jīng)對數(shù)壓縮的超聲圖像斑點噪聲模型，通過附加能動項引入到非線性各向異性擴散中，通過能量最小化，估計附加能動項最優(yōu)權(quán)值，保證濾波滿意的結(jié)果，同時解決非線性各向異性擴散受迭代次數(shù)和斑點噪聲尺度函數(shù)影響很大等問題。 針對克服傳統(tǒng)Snake兩大難題的梯度矢量流場Snake收斂速度慢，從解梯度矢量流場擴散方程等效大型稀疏線性方程組的求解，充分利用大型稀疏對稱正定矩陣的特點，采用預(yù)處理共軛梯度法快速求解梯度矢量

4、流場：同時對Kass提出的基于不完全松弛法求能量極值，在曲線參數(shù)化高分辨率下(即采樣點之間距離很小)，求高維逆矩陣，耗時很大，采用改進的不完全松弛法，只須求5維逆矩陣，加速求能量極值。 在乳腺腫瘤超聲圖像的特征分析部分，通過分析良惡腫瘤在超聲圖像上的區(qū)別，結(jié)合醫(yī)生的臨床經(jīng)驗提取了一些識別能力高、魯棒性強，不依賴采集系統(tǒng)的形態(tài)特征和紋理特征，如結(jié)合信號處理知識獲得的徑向距離譜描述子，能很好地描述乳腺腫瘤超聲圖像良惡的不同形態(tài)：結(jié)合

5、多分辨率的小波分析提取的特征參數(shù)能很好地度量乳腺腫瘤超聲圖像良惡性的不同紋理。采用類間距和和順序前進搜索算法進行特征選擇，獲得有效的特征矢量，同時也節(jié)省系統(tǒng)運行時間。 在乳腺腫瘤超聲圖像的分類器設(shè)計部分，設(shè)計四種比較有典型代表意義的分類器：基于小樣本機器學(xué)習(xí)理論的支撐向量機，理論上最優(yōu)的分類器貝葉斯決策，有監(jiān)督學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)(BP網(wǎng)絡(luò))和Fisher線性判別法，并結(jié)合四種模式分類方法的實驗結(jié)果分析各模式分類方法的優(yōu)缺點，選擇