一種基于乳腺磁共振圖像的計算機(jī)輔助腫塊檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及醫(yī)學(xué)圖像處理與模式識別領(lǐng)域，特別涉及一種基于乳腺磁共振圖像的 計算機(jī)輔助腫塊檢測方法。
【背景技術(shù)】
[0002] 乳腺癌是一種嚴(yán)重影響婦女身心健康的惡性腫瘤，據(jù)資料統(tǒng)計，其發(fā)病率占女性 全身各種惡性腫瘤的7-10%。乳腺癌的病因尚未完全清楚，目前也沒有較好的預(yù)防和治療 手段。但臨床經(jīng)驗表明，乳腺癌能早期患者的治愈率遠(yuǎn)高于中晚期患者，因此準(zhǔn)確的早期診 斷是降低乳腺癌發(fā)病率和死亡率的關(guān)鍵。目前醫(yī)學(xué)界診斷乳腺腫瘤的重要依據(jù)是乳腺磁共 振圖像，但乳腺磁共振圖像較為復(fù)雜，放射科醫(yī)生憑借肉眼發(fā)現(xiàn)腫塊并判斷腫塊的良惡性， 但使用肉眼觀察十分費(fèi)時費(fèi)力，使得放射科醫(yī)生工作效率低且勞動強(qiáng)度大，并且難以獲得 滿意的診斷結(jié)果。
[0003] 隨著現(xiàn)代科技的方便與先進(jìn)，人們開始使用計算機(jī)輔助檢測（Computer Aided Detection)技術(shù)來輔助醫(yī)生進(jìn)行乳腺腫塊病灶的檢測，目前計算機(jī)輔助檢測技術(shù)已經(jīng)是醫(yī) 學(xué)影像學(xué)的其中一個研宄熱點(diǎn)。計算機(jī)輔助檢測通過一系列算法來自動檢測出病灶，并將 診斷結(jié)果作為"第二意見"提供給放射科醫(yī)生，放射科醫(yī)生結(jié)合計算機(jī)輔助檢測的結(jié)果進(jìn)行 最終的判斷，可以較好地減少誤診和漏診的情況。計算機(jī)輔助檢測提供的結(jié)果可以使得放 射科醫(yī)生重點(diǎn)關(guān)注有關(guān)病灶的主要信息，因此可提高放射科醫(yī)生的工作效率并且使其勞動 強(qiáng)度也有所降低。
[0004] 乳腺癌的計算機(jī)輔助檢測與診斷的目的在于對人眼看不清的病灶的細(xì)微結(jié)構(gòu)的 變化進(jìn)行檢測，使得其靈敏度、特異度和診斷準(zhǔn)確率的進(jìn)一步提高。乳腺癌的計算機(jī)輔助檢 測與診斷主要涉及圖像處理方面的知識、機(jī)器學(xué)習(xí)的各種算法以及模式識別的應(yīng)用等。迄 今為止，最為成熟的乳腺影像分析系統(tǒng)是基于乳腺鉬靶X線的CAD系統(tǒng)，該系統(tǒng)包括對于乳 腺X線影像的腫塊檢測和微鈣化檢測?；谌橄巽f靶X線的CAD系統(tǒng)也被廣泛用于乳腺普 查。除了乳腺鉬靶X線的CAD系統(tǒng)，基于磁共振成像的CAD系統(tǒng)在近些年來也被廣泛運(yùn)用 于乳腺的臨床影像學(xué)檢查中，該CAD系統(tǒng)主要是針對乳腺的腫塊性病灶。有關(guān)磁共振成像 的CAD系統(tǒng)的研宄仍然十分有限，目前在美國市面上只有幾種商業(yè)用的乳腺磁共振CAD工 具，包括 Invivo Inc 的 DynaCAD、Confirma Inc 的 CADstream 以及 iCAD Inc 的 VADvue 等 等，以上三個系統(tǒng)都能夠提供圖像顯示平臺，并顯示各種增強(qiáng)磁共振圖像的特征參數(shù)，以幫 助放射科醫(yī)生進(jìn)行進(jìn)一步的診斷。
[0005] 為了更好地完善乳腺癌的計算機(jī)輔助檢測系統(tǒng)，人們致力于對乳腺腫塊病灶的腫 塊檢測算法研宄，人們不斷地將計算機(jī)視覺、模式識別、機(jī)器學(xué)習(xí)等相關(guān)領(lǐng)域的多種技術(shù)和 方法應(yīng)用到乳腺腫塊區(qū)域的檢測中。目前應(yīng)用于乳腺腫塊病灶分割的算法有圖像形態(tài)學(xué)、 區(qū)域生長算法、分水嶺算法、小波變換算法、基于聚類的算法、基于能量模型的算法等。通過 上述技術(shù)的應(yīng)用，計算機(jī)輔助檢測系統(tǒng)功能更為完善，檢測能力大為提高。但是目前的計算 機(jī)輔助腫塊檢測系統(tǒng)還有一些不盡人意之處，具體為：腫塊的分割效果不佳，分類實驗中準(zhǔn) 確率、靈敏度跟特異度不高，妨礙了放射科醫(yī)生得出最后的診斷結(jié)果。

【發(fā)明內(nèi)容】

[0006] 為解決現(xiàn)有技術(shù)下腫塊的分割效果不佳，以及分類實驗中準(zhǔn)確率、靈敏度跟特異 度不高的問題，本發(fā)明提供了一種基于乳腺磁共振圖像的計算機(jī)輔助腫塊檢測方法，該檢 測方法對腫塊有良好的分割效果，有效提高了分類實驗中準(zhǔn)確率、靈敏度跟特異度，將檢測 結(jié)果作為"第二意見"提供給放射科醫(yī)生，可有效降低醫(yī)生的誤診率和漏診率。
[0007] 上述發(fā)明目的通過以下技術(shù)方案來實現(xiàn)：
[0008] 一種基于乳腺磁共振圖像的計算機(jī)輔助腫塊檢測方法，包括以下步驟：
[0009] S1、對乳腺磁共振圖像進(jìn)行感興趣區(qū)域提??；
[0010] S2、在所述感興趣區(qū)域中提取分割出初始腫塊區(qū)域，并確定所述初始腫塊區(qū)域輪 廓線；
[0011] S3、計算所述初始腫塊區(qū)域特征參數(shù)的權(quán)重分布；
[0012] S4、選取權(quán)重系數(shù)大于基準(zhǔn)權(quán)重系數(shù)的所述初始腫塊區(qū)域特征參數(shù)進(jìn)行分類訓(xùn)練 以獲取優(yōu)化特征參數(shù)；
[0013] S5、將所述優(yōu)化特征參數(shù)輸入分類器中，利用支持向量機(jī)分類方法對其進(jìn)行分析， 確定最終腫塊區(qū)域并顯示給用戶。
[0014] 更進(jìn)一步的，提取所述感興趣區(qū)域的具體步驟是：
[0015] S11、預(yù)處理所述乳腺磁共振圖像得到預(yù)處理圖像；
[0016] S12、提取乳房外輪廓線；
[0017] S13、提取胸壁線；
[0018] S14、結(jié)合所述乳房外輪廓線和胸壁線進(jìn)行圖像重構(gòu)以獲取所述感興趣區(qū)域。
[0019] 更進(jìn)一步的，所述Sll中預(yù)處理所述乳腺磁共振圖像的具體步驟是：
[0020] Slll、進(jìn)行圖像二值化處理，
[0021] S112、進(jìn)行形態(tài)學(xué)開運(yùn)算；
[0022] S113、進(jìn)行形態(tài)學(xué)閉運(yùn)算；
[0023] S114、進(jìn)行孔洞填充；
[0024] S115、提取最大連通區(qū)域輸出以獲取所述預(yù)處理圖像。
[0025] 更進(jìn)一步的，所述S12中提取乳房外輪廓線的具體步驟是：
[0026] S121、使用邊緣算子提取乳房外輪廓線；
[0027] S122、對所述乳房外輪廓線進(jìn)行多項式擬合。
[0028] 更進(jìn)一步的，所述S13中提取胸壁線的具體步驟是：
[0029] S131、對所述預(yù)處理圖像依次進(jìn)行sobel濾波處理、中值濾波處理及歸一化處理 以獲取二次處理圖像；
[0030] S132、根據(jù)所述乳房外輪廓線獲取初始胸壁線；
[0031] S133、結(jié)合所述二次處理圖像對初始胸壁線進(jìn)行基于梯度向量場的snake迭代；
[0032] S134、進(jìn)行多項式擬合獲取所述胸壁線。
[0033] 更進(jìn)一步的，所述S14中提取感興趣區(qū)域的具體步驟是：
[0034] S141、輸入所述乳房外輪廓線和所述胸壁線；
[0035] S142、剔除所述胸壁線右側(cè)區(qū)域；
[0036] S143、進(jìn)行高斯濾波處理；
[0037] S144、進(jìn)行二值化處理；
[0038] S145、進(jìn)行形態(tài)學(xué)重構(gòu)處理；
[0039] S146、提取最大連通區(qū)域；
[0040] S147、判斷胸壁線是否與所述腫塊相交；
[0041] 如果判斷結(jié)果為是，將所述胸壁線右移并回到所述S142繼續(xù)執(zhí)行；
[0042] 如果判斷結(jié)果為否，繼續(xù)進(jìn)行下一步；
[0043] S148、判斷腫塊是否存在；
[0044] 如果判斷結(jié)果為否，輸出腫塊不存在；
[0045] 如果判斷結(jié)果為是，輸出所述感興趣區(qū)域。
[0046] 作為一種實施例，所述S2中利用模糊C均值聚類方法提取所述初始腫塊區(qū)域輪廓 線，所述模糊C均值聚類方法的具體步驟是：
[0047] S21、輸入所述感興趣區(qū)域；
[0048] S22、進(jìn)行鄰域抑制操作；
[0049] S23、進(jìn)行高斯去噪濾波操作；
[0050] S24、進(jìn)行直方圖均衡化操作；
[0051] S25、進(jìn)行模糊C均值聚類操作；
[0052] S26、獲取二值化圖像；
[0053] S27、進(jìn)行孔洞填充操作；
[0054] S28、去除小區(qū)域并輸出即獲取所述初始腫塊區(qū)域輪廓線。
[0055] 作為一種實施例，使用基于梯度向量場的snake能量模型分割方法對所述初始腫 塊區(qū)域輪廓線進(jìn)行二次分割提取以獲得優(yōu)化的所述初始腫塊區(qū)域輪廓線。
[0056] 作為一種實施例，所述S2中利用基于Chan-Vese的水平集分割方法提取所述初始 腫塊區(qū)域輪廓線，所述基于Chan-Vese的水平集分割方法的具體步驟是：
[0057] S2a、輸入所述感興趣區(qū)域；
[0058] S2b、進(jìn)行鄰域抑制操作；
[0059] S2c、進(jìn)行高斯去噪濾波操作；
[0060] S2d、進(jìn)行直方圖均衡化操作；
[0061] S2e、輸出優(yōu)化感興趣區(qū)域；
[0062] S2f、利用所述優(yōu)化感興趣區(qū)域進(jìn)行Chan-Vese水平集求解以獲取目標(biāo)腫塊區(qū)域 輪廓線；
[0063] S2h、判斷所述目標(biāo)腫塊