论文部分内容阅读
【摘 要】 我国乳腺癌发病率也呈逐年升高的趋势，已占当地女性恶性肿瘤首位。因此，有大量的患者进行了乳腺DR摄影来排查疾病。计算机辅助诊断（CAD）的引入，由计算机对有明显特征或a典型病灶进行预审，筛除掉阴性区域，一定程度上降低了医生的工作强度，提高了阅片的质量和效率。在本文将会对乳腺CAD肿块检测算法和各个关键技术做以实现和研究。
【关键词】 图像预处理 图像分割 感兴趣区域处理 平滑降噪
研究的背景及意义
近年来，随着我国社会的发展，生活节奏的加快，工作压力增大、饮食结构的改变、环境污染等多方面因素，乳腺癌在我国发病率迅速上升，占女性恶性肿瘤的32%，严重威胁着女性的健康。因此提高乳腺癌患者的生存率，关键是早期发现、早期诊断、早期治疗。因此，进行乳腺癌早期检查可以使医生在更早的时间实施更有效的治疗，而且定期的乳腺检查对降低乳腺癌死亡率方面起着关键作用。提前发现微小病变、准确检出和早期治疗是极为重要的。
目前常用乳腺肿块的检测手段有乳腺钼靶X射线检查、乳腺超声检查、乳腺CT检查、乳腺红外扫描检查等。乳腺钼靶X射线检查是目前公认的诊断乳腺病变较准确而有效的方法之一，具有成像清晰、特征突出、诊断标准完备、可重复性好、敏感度高的特点，尤其是对肿块、钙化点这一乳腺癌的前期特征的敏感性是其他检查方法所不具备的。
计算机辅助诊断（Computer-aided Diagnosis简称为CAD）最早可追溯到1954年美国的华人科学家钱家其将计算机应用于放射治疗，计算剂量分布和制定治疗计划。乳腺计算机辅助诊断，简称MammoCAD，能够进行全面的病灶自动检测，用于辅助医生甄别病灶，对提高乳腺癌的早期诊断具有重要的意义。目前乳腺计算机辅助诊断仍是医学图像CAD临床应用研究的热点。
1 乳腺DR图像（MG）图像的预处理
1.1 乳腺DR图像的选取
为了有效的保证乳腺成像的质量和图像信息，尽可能的多为后期的处理提供更多的有效数据，所以通常选择钼靶乳腺机生成的图像即MG图像。乳腺机生成并经过与处理后的DICOM图像被以文件的形式保存在磁盘中。DICOM数据主要分为两部分：DICOM信息和影像数据[8]。DICOM信息包括患者信息、图像的拍摄参数、标尺、体位信息等，而这部分信息对于CAD检测过程来说没有实际用处，因此为缩小文件体积加快处理速度，故将原始MG图像通过eFilm软件保存为只有影像数据的文件。
在日常使用中，根据拍摄体位不同，常用的乳腺检查有单侧乳房CC和MLO两种，分别是正位和斜侧位，因此在图像选取时应当包含这两种体位。
1.2 MG图像的预处理
选取适合的研究图像后，需要对这些图像进行预处理。预处理主要包括图像读取，以及对非标准图像进行标准化两个部分。
图像的读取使用MATLAB提供的“dicomread（）”函数来完成。将标准数据读入并保存在矩阵变量“im_Original”中。
由于绝大部分的乳腺DR图像为灰度图像，而有些经过转换的图像为RGB图像，因此需要对这部分图像进行转换。转换的方法是调用MATLAB提供的“rgb2gray（）”函数。读取DICOM图像后加入：
[m，n，p] = size（im_Original）；
if p == 3
im_Original = rgb2gray（im_Original）；
end
判断读入的图像是否为灰度图像，如果是则使用“rgb2gray（）”进行转换，并保存转换后的图像；若已为灰度图像则不处理。
2 对图像进行分割及感兴趣区域提取
根据乳腺肿块的一些病灶特征，例如肿块病灶与正常组织的差别主要体现在形状（圆形、卵圆形、分叶状及不规则形等）、密度（钙化）、面积以及对称性等方面，可以根据这些特征使用统计直方图算法，对病灶区域（或称感兴趣区域）进行分割提取，从而为最终的真阳性病灶分离操作做好准备。
直方图算法的最大优势就在于，对具有一定宽度范围以及在特定阈值中存在较大差异点的对象十分敏感。因此，乳腺肿块病灶的这些特点都可以对应到直方图算法的相应处理方法。可以将图像中的感兴趣区域分割出来，但由于筛选过程中无法包含一些“模糊”的条件，例如病灶边缘锐利与否，结构组织是否紊乱等情况。因此，筛选结果中不仅包含了有效的病灶区域（真阳性区域），同时也含有无效的病灶区域（假阳性区域）。
通过直方图算法可以将原图中的无关组织（正常组织）去掉，从而提取出感兴趣区域。但从图中可以看出，提取后的图像中包含了大量的无效区域（黑色区域），这些无效区域不仅占用了较大的数据资源，也会对下面进行假阳性病灶筛除增大了计算量，进而导致算法检测露出率上升及效率下降。因此，完成感兴趣区域提取后，需要再次进行图像压缩。
3 图像平滑降噪处理
原始图像中不可避免的会存在噪声，而这些噪声在提取感兴趣区域时，也随有效信息一同被提取出来。同时，在提取过程中，一些非感兴趣区域被人为置为“0”，这样使得图像的对比度增大，这样其中的噪声也被相对的放大了。因此，在进入假阳性病灶篩除之前，需要对提取和压缩后的结果进行平滑降噪处理。
4 小结
本文中描述了实现乳腺CAD肿块检测的方法和具体步骤，目前已经可以将乳腺DR图像中的感兴趣区域提取出来，然后对其中的病灶部位进行标注，最后将标注与原图像融合，标明肿块病灶在图像中的具体位置，这样使得医生可以专注于较疑难的病灶的排查，或对自动检测结果进行评估，这样在一定程度上提高了诊断准确率，减轻了医生的工作量，能够提前发现微小病变、准确检出，让病患早期、及时治疗，提高生存率。
参考文献
[1]任讯.乳腺癌发病率居我国城市女性肿瘤首位.中国医药报，2010.2.4：A04
[2]吕贵德.乳腺癌的早期发现与预防.安阳日报，2009.5.5：08
[3]张静.乳腺检查方法的选择.新疆医学.2008，第38卷.50～51
[4]徐开埜.乳腺疾病影像诊断与治疗学[M].上海：上海科技出版社，1996，79～138
[5]冯辉.DICOM二进制文件解读的VC++实现.医学影像杂志，2003，13（7）：520～541
【关键词】 图像预处理 图像分割 感兴趣区域处理 平滑降噪
研究的背景及意义
近年来，随着我国社会的发展，生活节奏的加快，工作压力增大、饮食结构的改变、环境污染等多方面因素，乳腺癌在我国发病率迅速上升，占女性恶性肿瘤的32%，严重威胁着女性的健康。因此提高乳腺癌患者的生存率，关键是早期发现、早期诊断、早期治疗。因此，进行乳腺癌早期检查可以使医生在更早的时间实施更有效的治疗，而且定期的乳腺检查对降低乳腺癌死亡率方面起着关键作用。提前发现微小病变、准确检出和早期治疗是极为重要的。
目前常用乳腺肿块的检测手段有乳腺钼靶X射线检查、乳腺超声检查、乳腺CT检查、乳腺红外扫描检查等。乳腺钼靶X射线检查是目前公认的诊断乳腺病变较准确而有效的方法之一，具有成像清晰、特征突出、诊断标准完备、可重复性好、敏感度高的特点，尤其是对肿块、钙化点这一乳腺癌的前期特征的敏感性是其他检查方法所不具备的。
计算机辅助诊断（Computer-aided Diagnosis简称为CAD）最早可追溯到1954年美国的华人科学家钱家其将计算机应用于放射治疗，计算剂量分布和制定治疗计划。乳腺计算机辅助诊断，简称MammoCAD，能够进行全面的病灶自动检测，用于辅助医生甄别病灶，对提高乳腺癌的早期诊断具有重要的意义。目前乳腺计算机辅助诊断仍是医学图像CAD临床应用研究的热点。
1 乳腺DR图像（MG）图像的预处理
1.1 乳腺DR图像的选取
为了有效的保证乳腺成像的质量和图像信息，尽可能的多为后期的处理提供更多的有效数据，所以通常选择钼靶乳腺机生成的图像即MG图像。乳腺机生成并经过与处理后的DICOM图像被以文件的形式保存在磁盘中。DICOM数据主要分为两部分：DICOM信息和影像数据[8]。DICOM信息包括患者信息、图像的拍摄参数、标尺、体位信息等，而这部分信息对于CAD检测过程来说没有实际用处，因此为缩小文件体积加快处理速度，故将原始MG图像通过eFilm软件保存为只有影像数据的文件。
在日常使用中，根据拍摄体位不同，常用的乳腺检查有单侧乳房CC和MLO两种，分别是正位和斜侧位，因此在图像选取时应当包含这两种体位。
1.2 MG图像的预处理
选取适合的研究图像后，需要对这些图像进行预处理。预处理主要包括图像读取，以及对非标准图像进行标准化两个部分。
图像的读取使用MATLAB提供的“dicomread（）”函数来完成。将标准数据读入并保存在矩阵变量“im_Original”中。
由于绝大部分的乳腺DR图像为灰度图像，而有些经过转换的图像为RGB图像，因此需要对这部分图像进行转换。转换的方法是调用MATLAB提供的“rgb2gray（）”函数。读取DICOM图像后加入：
[m，n，p] = size（im_Original）；
if p == 3
im_Original = rgb2gray（im_Original）；
end
判断读入的图像是否为灰度图像，如果是则使用“rgb2gray（）”进行转换，并保存转换后的图像；若已为灰度图像则不处理。
2 对图像进行分割及感兴趣区域提取
根据乳腺肿块的一些病灶特征，例如肿块病灶与正常组织的差别主要体现在形状（圆形、卵圆形、分叶状及不规则形等）、密度（钙化）、面积以及对称性等方面，可以根据这些特征使用统计直方图算法，对病灶区域（或称感兴趣区域）进行分割提取，从而为最终的真阳性病灶分离操作做好准备。
直方图算法的最大优势就在于，对具有一定宽度范围以及在特定阈值中存在较大差异点的对象十分敏感。因此，乳腺肿块病灶的这些特点都可以对应到直方图算法的相应处理方法。可以将图像中的感兴趣区域分割出来，但由于筛选过程中无法包含一些“模糊”的条件，例如病灶边缘锐利与否，结构组织是否紊乱等情况。因此，筛选结果中不仅包含了有效的病灶区域（真阳性区域），同时也含有无效的病灶区域（假阳性区域）。
通过直方图算法可以将原图中的无关组织（正常组织）去掉，从而提取出感兴趣区域。但从图中可以看出，提取后的图像中包含了大量的无效区域（黑色区域），这些无效区域不仅占用了较大的数据资源，也会对下面进行假阳性病灶筛除增大了计算量，进而导致算法检测露出率上升及效率下降。因此，完成感兴趣区域提取后，需要再次进行图像压缩。
3 图像平滑降噪处理
原始图像中不可避免的会存在噪声，而这些噪声在提取感兴趣区域时，也随有效信息一同被提取出来。同时，在提取过程中，一些非感兴趣区域被人为置为“0”，这样使得图像的对比度增大，这样其中的噪声也被相对的放大了。因此，在进入假阳性病灶篩除之前，需要对提取和压缩后的结果进行平滑降噪处理。
4 小结
本文中描述了实现乳腺CAD肿块检测的方法和具体步骤，目前已经可以将乳腺DR图像中的感兴趣区域提取出来，然后对其中的病灶部位进行标注，最后将标注与原图像融合，标明肿块病灶在图像中的具体位置，这样使得医生可以专注于较疑难的病灶的排查，或对自动检测结果进行评估，这样在一定程度上提高了诊断准确率，减轻了医生的工作量，能够提前发现微小病变、准确检出，让病患早期、及时治疗，提高生存率。
参考文献
[1]任讯.乳腺癌发病率居我国城市女性肿瘤首位.中国医药报，2010.2.4：A04
[2]吕贵德.乳腺癌的早期发现与预防.安阳日报，2009.5.5：08
[3]张静.乳腺检查方法的选择.新疆医学.2008，第38卷.50～51
[4]徐开埜.乳腺疾病影像诊断与治疗学[M].上海：上海科技出版社，1996，79～138
[5]冯辉.DICOM二进制文件解读的VC++实现.医学影像杂志，2003，13（7）：520～541