基于視覺顯著性的乳腺超聲序列圖像分割方法.pdf

1、乳腺癌是女性中最常見的癌癥，嚴(yán)重危害著女性健康。臨床經(jīng)驗發(fā)現(xiàn)，如果乳腺腫瘤能夠早期發(fā)現(xiàn)并進(jìn)行有效治療的話，其治愈成功率將大大提高。由于成本低廉、性價比高等原因，超聲成像技術(shù)已成為檢測乳腺癌的重要手段。為了幫助醫(yī)生提高診斷的客觀性和準(zhǔn)確性，降低誤診率，計算機輔助診斷（CAD）系統(tǒng)已被廣泛應(yīng)用于乳腺癌診斷過程中。
　　分割是乳腺超聲CAD系統(tǒng)中重要的一個環(huán)節(jié)。目前乳腺腫瘤分割方法主要存在兩方面的問題：首先，目前缺乏有效的全自動分割方法

2、。多數(shù)算法采用半自動方式，需要人工干預(yù)，如畫出感興趣區(qū)域、以點或線的形式給出目標(biāo)區(qū)域的信息。這使得大量數(shù)據(jù)的批處理很難實現(xiàn)。而且目前的全自動方法多是在原始超聲圖像上截選部分圖像進(jìn)行處理，排除了脂肪層等其它組織的干擾。因此所獲得的實驗結(jié)果與結(jié)論不適用于原始超聲圖像。其次，乳腺超聲圖像在獲取時往往是視頻的形式，現(xiàn)有的分割方法在進(jìn)行分割時，是選取其中的一幀來進(jìn)行分割的。而在實際病情診斷中，醫(yī)生不僅需要看單幀的腫瘤圖像，還要結(jié)合視頻進(jìn)行輔助確診

3、。所以，單獨使用一幀圖像時，結(jié)果不具有全局特性，沒有充分利用到序列的信息。
　　針對以上問題，本文從視覺顯著性的角度結(jié)合乳腺腫瘤序列之間的關(guān)系，主要進(jìn)行了以下三方面的工作：
　?。?）提出了一種基于單幀顯著性的乳腺腫瘤檢測方法。方法首先從乳腺超聲圖像的醫(yī)學(xué)先驗出發(fā)，提出了乳腺層定位的方法，然后從解剖學(xué)的角度，提出了基于背景的顯著性線索。為了對顯著性結(jié)果進(jìn)行細(xì)化，又提出了對比度線索。解剖學(xué)線索和對比度線索結(jié)合起來，構(gòu)成了最終的

4、顯著性模型。實驗結(jié)果表明，該方法能夠有效地消除背景噪聲的干擾，準(zhǔn)確的對腫瘤進(jìn)行定位。
　　（2）提出了一種基于序列顯著性的乳腺腫瘤檢測方法。方法利用單幀顯著性檢測的結(jié)果生成候選重構(gòu)基，然后從公共基重構(gòu)誤差和輔助基重構(gòu)誤差兩方面對序列圖像進(jìn)行了重構(gòu)誤差計算，并將結(jié)果進(jìn)行多尺度融合。最后使用了基于全局乳腺層定位和腫瘤位置約束的全局解剖學(xué)約束，得到乳腺腫瘤序列的顯著性表示。方法基于序列超聲圖像提出，能夠處理單幀不能檢測的低回聲，模糊邊緣

5、等情況的圖像。
　?。?）提出了一種基于多域先驗的乳腺超聲圖像協(xié)同分割方法。方法通過結(jié)合空域與頻域先驗，并引入?yún)f(xié)同分割的思想來實現(xiàn)對乳腺超聲序列的分割。方法在空域中得到腫瘤的姿態(tài)，位置和強度信息，在頻域中通過使用相位一致性與零交叉檢測得到腫瘤的邊界信息，最后利用協(xié)同分割的思想構(gòu)建起全局能量項，有效地利用了圖像序列信息。實驗結(jié)果表明，與傳統(tǒng)的乳腺超聲圖像分割方法相比，本文提出的分割模型能夠很好地處理低對比度低回聲圖像以及單幀不能有效