论文部分内容阅读
目的:计算机辅助成像的目的是通过计算机对超声图片进行后处理，以改善图像质量，提高诊断准确率。本课题提出了基于二维均匀性直方图和方向均值滤波函数的去噪算法、基于模糊逻辑和纹理分析的增强算法及联合应用去噪后增强的方法，应用于乳腺肿块超声图片的后处理，对三种算法进行验证，并探讨此三种方法对乳腺肿块良恶性检测与分类的价值。
方法:我们和哈尔滨工业大学计算机学院模式识别研究中心联合研制了算法和软件程序，然后选用211个病例603张乳腺肿块超声图片(其中良性109例，恶性102例)分别进行去噪、增强及去噪后增强处理，以手术病理结果作为金标准，超声专家通过对原始乳腺肿块图片和处理后乳腺肿块图片进行分析，来区分乳腺肿块的良、恶性。并利用ROC曲线下面积(Az)表示去噪、增强及去噪后增强前后的诊断性能，采用单变量Z检验比较Az。由ROC曲线下面积得出此三种方法的敏感性、特异性、阳性预测值及阴性预测值，计算超声诊断的正确诊断率。本文重点观测和讨论超声后处理这部分内容。
结果:原始超声图片中的乳腺肿块，通过去噪、增强及去噪后增强算法处理后，使得腺体和周围组织能很好地分离，突出了腺体和病灶的部位；不仅肿块边界、轮廓、包膜、内部回声细节显示更加清晰，而且肿块内的微小钙化斑也比较清晰明显。结果表明乳腺肿块超声图片通过去噪、增强及去噪后增强处理，乳腺肿块的超声诊断与病理诊断结果符合率明显提高。
①去噪研究中，乳腺肿块超声图片经去噪处理后，敏感性从原片的75.4%提高至88.6%，特异性从67.6%明显提高至90.4%，准确率从77.73%提高至85.20%。ROC曲线计算出去噪前、后乳腺图片对乳腺肿块的定性诊断Az面积:原始图片A1=0.842，去噪图片A2=0.883，Z值为2.968，二者之间差异有统计学意义(P<0.05)。
②增强研究中，乳腺肿块超声图片经增强处理后，敏感性从原片的75.4%提高至89.6%，特异性从66.7%明显提高至91.2%，准确率从78.20%明显提高至89.57%。ROC曲线计算出增强前、后乳腺图片对乳腺肿块的定性诊断Az面积:原始图片A1=0.842，增强图片A2=0.914，Z值为5.101，二者之间差异有显著性统计学意义(P<0.001)。
③去噪后增强研究中，敏感性、特异性、阳性预测值及阴性预测值均比单独去噪或增强处理时增高，准确率也明显提高至92.73%。ROC曲线计算出去噪后增强前、后乳腺图片对乳腺肿块的定性诊断Az面积:原始图片A1=0，843，去噪后增强图片A2=0.939，Z值为4.969，二者之间差异有显著性统计学意义(P<0.001)。
结论:新的超声图像去噪算法、增强算法可为乳腺肿块良、恶性质的诊断提供可靠依据，明显地改善了图像质量，提高了乳腺肿块的正确诊断率，其中去噪后增强的乳腺肿块超声图像处理效果最佳，从而在一定程度上减少了漏诊率和误诊率，有利于下一步计算机辅助诊断对乳腺肿块的自动识别与分类。