基于先驗(yàn)知識(shí)模型的乳腺超聲圖像自動(dòng)分割技術(shù)研究.pdf

1、乳腺癌是導(dǎo)致女性癌癥死亡的第二大病因，嚴(yán)重危害女性健康。超聲成像具有無放射性、非侵入性和鑒別良惡性腫瘤的高精確性等優(yōu)點(diǎn)，目前已作為 X射線透視法的一種替代方法被廣泛應(yīng)用于乳腺癌早期診斷。為了給醫(yī)生的臨床診斷過程提供輔助，提高診斷的客觀性和準(zhǔn)確性，降低漏診率，同時(shí)減少不必要的侵入性治療，許多計(jì)算機(jī)輔助診斷(CAD)方法已被廣泛應(yīng)用于乳腺癌診斷過程中。
　　在乳腺超聲CAD系統(tǒng)中，乳腺腫瘤分割是其中最關(guān)鍵也是最困難的任務(wù)之一。為了提高

2、CAD系統(tǒng)的客觀性和準(zhǔn)確性，較少操作者干預(yù)的自動(dòng)分割方法是目前的研究熱點(diǎn)。感興趣區(qū)域自動(dòng)精確定位和高效準(zhǔn)確的分割方法是目前自動(dòng)分割算法需要解決的兩大難題。
　　本文針對(duì)乳腺腫瘤自動(dòng)分割的兩個(gè)重要問題，對(duì)乳腺組織的解剖學(xué)結(jié)構(gòu)及其超聲回聲特點(diǎn)進(jìn)行了研究，建立圖像空間位置和外觀連通性模型，提出了一個(gè)腫瘤區(qū)域自動(dòng)定位算法和一個(gè)在極大后驗(yàn)概率-馬爾科夫隨機(jī)場(MAP-MRF)分割框架下的融合先驗(yàn)知識(shí)約束的自動(dòng)分割算法。主要內(nèi)容包括以下兩個(gè)方

3、面：
　　首先，本文針對(duì)目前幾種自動(dòng)定位感興趣區(qū)域(ROI)的方法都依賴某些不靈活的強(qiáng)制性約束，并且不能有效地把腫瘤與低灰度干擾區(qū)域區(qū)分開等問題，提出了一種基于解剖學(xué)結(jié)構(gòu)和位置約束的腫瘤全自動(dòng)定位方法。該方法根據(jù)乳腺超聲圖像灰度分布自適應(yīng)地選擇全局參考點(diǎn)，采用Mean Shift算法局部迭代定位出種子點(diǎn)，成功地解決了自適應(yīng)種子點(diǎn)獲取問題。結(jié)合自動(dòng)閾值分割結(jié)果和自動(dòng)種子點(diǎn)就可以實(shí)現(xiàn)腫瘤區(qū)域的自動(dòng)定位。
　　其次，本文在自動(dòng)定位