【正文】 病率增長(zhǎng)最快的國(guó)家 [1]。目前乳腺癌治療還未研究出有效的方法，早期發(fā)現(xiàn)、診斷和治療可以降低乳腺癌的發(fā)病率和死亡率，改善患者愈后生活質(zhì)量，提高醫(yī)療資源的社會(huì)利用率，降低病人個(gè)人和家庭的痛苦及社會(huì)的負(fù)擔(dān)。 研究 的 背景 、目的 及意義 乳腺癌是女性最常見的惡性腫瘤之一，具有發(fā)病隱匿，愈后差等特點(diǎn)。據(jù)統(tǒng)計(jì)，全球每年約有 120 余萬婦女患乳腺癌， 50 萬婦女死于乳腺癌 [23]。近 30 年來隨著世界范圍內(nèi)人們生活水平 的提高，乳腺癌的發(fā)病率表現(xiàn)出持續(xù)的高增長(zhǎng)。在美國(guó)，專業(yè)機(jī)構(gòu)和研究人員從 1973 年開始統(tǒng)計(jì)，女性乳腺癌發(fā)病率每年都有上升，其中 1982 年到 1987 年間每年增加 4%， 到了 1998 年以后，這個(gè)數(shù)字又有提高 [4]。北美、北歐歷來 是乳腺癌的高發(fā)地區(qū)， 東歐、南歐以及南美次之，亞洲、非洲的發(fā)病率最低。但從 20 世紀(jì) 70 年代起，原先為低發(fā)區(qū)的亞洲乳腺癌發(fā)病率出現(xiàn)上升趨勢(shì)，尤其是日本、新加坡和我國(guó)沿海地區(qū) [5]。隨著物質(zhì)經(jīng)濟(jì)的迅猛發(fā)展和生活水平的快速提高，這些地區(qū)的乳腺癌發(fā)病率正在以同樣快的速度持續(xù)增長(zhǎng)，而且越來越趨于年輕化。 近幾年來，在所有的女性惡性腫瘤中，乳腺癌的發(fā)病率已躍居到了首位，超過了原先的肺癌，其死亡率高達(dá) 40%以上，對(duì)人類健康的嚴(yán)重危害已引起了世界衛(wèi)生組織和醫(yī)療界人士的高度重視。 我國(guó)婦女乳腺癌的發(fā)病率目前正以每年 3%~4%的增長(zhǎng)率急劇上升 ，每年約有 18 萬婦女罹患乳腺癌， 萬多婦女死于乳腺癌。 20 世紀(jì)的最后 10 年，我國(guó)城市婦女乳腺癌的死亡率增長(zhǎng)了 %，農(nóng)村婦女乳腺癌的死亡率增長(zhǎng)了 %，乳腺癌己經(jīng)成為我國(guó)改革開放以后死亡率增長(zhǎng)最快的癌癥 [6]。滬、京、津是我國(guó)乳腺癌高發(fā)地區(qū)，其中上海最高，在所有女性惡 性腫瘤中居首哈爾濱工程大學(xué)本科生畢業(yè)論文 2 位?，F(xiàn)在我國(guó)乳腺癌的發(fā)病率雖然還不及歐美等發(fā)達(dá)國(guó)家，但死亡率卻己經(jīng)節(jié)節(jié)攀升，增長(zhǎng)速度驚人，而歐美等發(fā)達(dá)國(guó)家在 20 世紀(jì) 90 年代之后，其乳腺癌死亡率已經(jīng)開始明顯下降。這主要是因?yàn)楦鷼W美等發(fā)達(dá)國(guó)家相比，我國(guó)婦女預(yù)防和檢查乳腺癌的意識(shí)還比較落后，同時(shí)醫(yī)療衛(wèi)生水平發(fā)展也不均衡，因此大力宣傳預(yù)防乳腺癌的知識(shí)、加強(qiáng)乳腺癌診斷與治療工作，將成為我國(guó)接下去較長(zhǎng)時(shí)期內(nèi)癌癥防治的重要任務(wù)，對(duì)乳腺癌進(jìn)行系統(tǒng)深入的研究刻不容緩。 目前，在乳腺癌早期診斷的多種方法中，乳腺 鉬靶 X 射線攝影術(shù)被認(rèn)為是檢測(cè)早期征象與病灶的最可靠、 最有效的方法，其最大優(yōu)點(diǎn)是可以對(duì)各種乳腺疾病做出明確診斷，在臨床上摸不到腫塊的早期乳腺癌，甚至在沒有腫塊的情況下，基于乳腺組織內(nèi)微鈣化灶的形態(tài)做出早期乳腺癌的診斷，其檢出率達(dá) 80%~90%，診斷符合率 88%，且定位準(zhǔn)確，可降低 30%以上的死亡率。 如果 40 歲以上女性每年進(jìn)行一到兩次的乳腺 X 射線攝影檢查，每年會(huì)產(chǎn)生大量的乳腺 X 射線圖像，由于普查環(huán)境中的惡性病例畢竟很少，從復(fù)雜的正常解剖背景發(fā)現(xiàn)異常的鈣化和腫塊，是絕大多數(shù)醫(yī)生的一項(xiàng)艱巨和費(fèi)時(shí)的工作。研究發(fā)現(xiàn)， 10%至 30%的乳腺癌不是被直接檢測(cè)出的 ； 此外，由于 乳腺 X 射線圖像分辨率較低，利用乳腺 X 射線攝影術(shù)進(jìn)行乳腺癌檢查，假陽(yáng)性診斷率會(huì)很高，推薦進(jìn)行活組織穿刺病理檢查的病例只有 15%~30%被證實(shí)為惡性病灶，多達(dá) 65%~85%的乳腺癌活檢結(jié)果為良性病變 [7]。不必要的活檢不僅增加了患者的經(jīng)濟(jì)負(fù)擔(dān)，而且導(dǎo)致患者生理和心理創(chuàng)傷，給社會(huì)醫(yī)療保健制度、病人和醫(yī)師增加了不必要的負(fù)擔(dān) ； 即使以兩名醫(yī)生判讀圖像，雖然可能會(huì)增加診斷的準(zhǔn)確性，但由于乳腺 X 射線圖像的復(fù)雜性和早期乳腺癌癥狀的隱匿性，使遺漏和假陽(yáng)性成為乳腺 鉬靶 X 射線檢查中不可避免的問題，由此，為了減輕放射科醫(yī)師的工作強(qiáng)度 ，同時(shí)提高乳腺癌檢查的準(zhǔn)確率，利用計(jì)算機(jī)進(jìn)行乳腺癌輔助診斷 （ Computer Aided Diagnosis， CAD） 成為一種臨床輔助診斷的有效手段。乳腺 X 射線圖像計(jì)算機(jī)輔助檢測(cè)方法是應(yīng)用數(shù)理統(tǒng)哈爾濱工程大學(xué)本科生畢業(yè)論文 3 計(jì)理論、計(jì)算機(jī)圖像處理技術(shù)及人工智能技術(shù)建立的計(jì)算機(jī)輔助診斷方法，它可以給放射科醫(yī)生提供一個(gè)寶貴的 “ 第二意見 ” [78]，幫助醫(yī)生提高早期乳腺癌診斷和檢測(cè)的準(zhǔn)確性和檢測(cè)效率，減少觀察者之間閱片的差異。 近年來，各地研究機(jī)構(gòu)和研究人員在乳腺 X 射線圖像的計(jì)算機(jī)輔助檢測(cè)與診斷方面已經(jīng)進(jìn)行了很多研究工作，并取得了大量研究成果 ，西方國(guó)家研究己證實(shí)，計(jì)算機(jī)輔助診斷和檢測(cè)系統(tǒng)可以很大程度減少漏診率和誤診率，在早期發(fā)現(xiàn)與診斷乳腺癌中具有重要的價(jià)值。 乳腺 X射線圖像中的微鈣化點(diǎn)和腫塊是計(jì)算機(jī)輔助檢測(cè)方法需要識(shí)別的主要對(duì)象 [9]。微鈣化點(diǎn)通常表現(xiàn)為一些面積較小、灰度和對(duì)比度較低的不規(guī)則形狀小塊，肉眼不易發(fā)現(xiàn)，即使經(jīng)驗(yàn)豐富的放射科醫(yī)生也難在早期發(fā)現(xiàn)乳腺 X 射線圖像的微小鈣化點(diǎn)，延誤病人的治療時(shí)機(jī)。因此，及時(shí)發(fā)現(xiàn)乳腺 X射線圖像的微鈣化點(diǎn)，并確定是否有惡性病變，是乳腺癌早期診斷的關(guān)鍵技術(shù)。在腫塊檢測(cè)方面，目前乳腺 X 射線圖像計(jì)算機(jī)輔助檢測(cè)方法靈敏度 還比較低，大多在 60%至 85%，假陽(yáng)性的檢出率也比較高。對(duì)于計(jì)算機(jī)檢測(cè)出的假陽(yáng)性區(qū)域，放射科醫(yī)生需要花費(fèi)很多時(shí)間來重新評(píng)估測(cè)試提示的結(jié)果，為減少患者的痛苦，避免不必要的穿刺活檢， 有時(shí)放射科醫(yī)生會(huì)對(duì)計(jì)算機(jī)檢測(cè)的結(jié)果產(chǎn)生懷疑，把真陽(yáng)性病灶區(qū)域當(dāng)作 假陽(yáng)性來處理，造成對(duì)病人的誤診[10]。這些都導(dǎo)致了放射科檢測(cè)的準(zhǔn)確性和檢測(cè)效率的下降，使他們對(duì)計(jì)算機(jī)輔助檢測(cè)方法失去信心。因此，如何提高乳腺癌計(jì)算機(jī)輔助檢測(cè)方法的敏感性，降低假陽(yáng)性的檢出率，提高檢測(cè)方法的整體性能，提高放射科醫(yī)生使用計(jì)算機(jī)輔助檢測(cè)的信心，是一項(xiàng)緊迫的研 究課題。 國(guó)內(nèi)外研究現(xiàn)狀 計(jì)算機(jī)輔助乳腺癌檢測(cè)和診斷技術(shù)的研究始于上世紀(jì) 60 年代末 [11]。隨著醫(yī)學(xué)影像數(shù)字化技術(shù)的發(fā)展和計(jì)算機(jī)性能的不斷提高，從 90 年代初開始，學(xué)術(shù)界和企業(yè)界掀起了計(jì)算機(jī)輔助乳腺癌檢測(cè)與診斷技術(shù)的研究高潮 [1214]?？v觀現(xiàn)有乳腺癌輔助檢測(cè)如診斷 腫塊 系統(tǒng)流程概況， 一般分為乳腺圖像增強(qiáng)、哈爾濱工程大學(xué)本科生畢業(yè)論文 4 可疑病灶分割、特征提取與選擇、分類篩選等步驟 [12]。 乳腺圖像增強(qiáng)： 圖像增強(qiáng)是腫塊檢測(cè)中非常關(guān)鍵的一步，其目標(biāo)是增大腫塊與周圍背景組織的對(duì)比度。腫塊與周圍組織對(duì)比度低，特別是在致密型 乳腺組織中的對(duì)比度更低，往往造成腫塊漏檢。研究表明，如果一個(gè)區(qū)域的灰度與背景的灰度差小于 2%，人眼就很難區(qū)分兩者。臨床實(shí)踐也證明簡(jiǎn)單采用人工調(diào)整窗寬窗位的方法就可以提高診斷準(zhǔn)確性 [15]。 與其他圖像增強(qiáng)技術(shù)類似，乳腺圖像增強(qiáng)方法可以分成基于時(shí)域和基于頻域的方法?；跁r(shí)域的方法又分為基于全局信息和基于局部信息的方法。全局方法有灰度線性拉伸、直方圖均衡化等，它們對(duì)整幅對(duì)比度低的圖像較有效。局部方法將圖像局部特征，包括梯度、灰度均值、標(biāo)準(zhǔn)差、灰階嫡等融入到增強(qiáng)函數(shù)中，如基于樹型結(jié)構(gòu)的非線性濾波增強(qiáng)、灰度加權(quán)的對(duì) 比度增強(qiáng) (densityweighted contrast enhancement， DWCE)、基于多分辨率的灰度非線性調(diào)整后再加權(quán)綜合的增強(qiáng)等，可有效增強(qiáng)局部紋理。該類方法雖然不能很好的增強(qiáng)整幅圖像，但是應(yīng)用到檢測(cè)出的感興趣區(qū)域上可以達(dá)到較好的效果。頻域增強(qiáng)方法的研究集中在基于小波變換的多分辨率分析上。 可疑腫塊分割 ： 腫塊分割中廣泛使用的方法有閾值分割、基于區(qū)域的分割、基于邊 緣的分割、聚類分割和基于模型的分割 [16]。 （ 1） 閾值分割 ： 最早期最簡(jiǎn)單的方法是直接采用灰度統(tǒng)計(jì)信息進(jìn)行閾 值分割，但由于腫塊不一定比腺體或者脂肪區(qū)域的灰度值高，該方法識(shí)別感興趣區(qū)域的效果并不理想。 （ 2） 基于區(qū)域的分割 ： 基于區(qū)域的分割方法將圖像分成一些空間上連通且同質(zhì)的區(qū)域。該類方法可分為區(qū)域生長(zhǎng)法、分裂合并法。 該類方法對(duì)于邊緣模糊的區(qū)域進(jìn)行分割效果良好 ，但關(guān)鍵是種子點(diǎn)的選取，這 往往 需要 專業(yè)人士的經(jīng)驗(yàn)知識(shí) 。 （ 3） 基于邊緣的分割 ： 基于邊緣的方法是圖像處理中的常用方法。總體上有兩大類，一是先找到一些邊緣點(diǎn)，然后將邊緣點(diǎn)連接成封閉的曲線 。二是直接先給出一條封閉的曲線，然后優(yōu)化其位置。由于后一種方法具備高 級(jí)視哈爾濱工程大學(xué)本科生畢業(yè)論文 5 覺特性，可以將從圖像中獲得的約束信息和領(lǐng)域的先驗(yàn)知識(shí)有機(jī)的結(jié)合在一起，因而得到了更廣泛的研究和應(yīng)用。 （ 4） 聚類分割和基于模型的分割 ： 基于聚類的分割方法將具有相似特征的像素分成一類，典型的方法有 Kmeans、 模糊 Kmeans、基于 Markov 隨機(jī)場(chǎng)的聚類方法等。該類方法較好的解決了邊緣檢測(cè)中邊不連續(xù)的問題，其缺點(diǎn)是對(duì)初始輪廓位置要求較高。 在應(yīng)用一種分割方法時(shí)，不同的參數(shù)設(shè)置對(duì)分割結(jié)果有很大影響，參數(shù)調(diào)優(yōu)是一項(xiàng)非常重要的工作。令人遺憾的是，目前少有比較不同分割算法和不同參數(shù)對(duì)分割性能影 響的系統(tǒng)研究文獻(xiàn)。 可疑腫塊特征提取和選擇 特征提取對(duì)于可疑腫塊的鑒別和分類是非常重要的。常用特征包括灰度統(tǒng)計(jì)特征、紋理特征以及形態(tài)學(xué)特征等。這些特征可用于鑒別可疑區(qū)域有無異常、腫塊的良惡性、去除假陽(yáng)性區(qū)域等。特征提取時(shí)可以計(jì)算出很多特征，這些特征中可能存在具有強(qiáng)相關(guān)性或不可識(shí)別性的冗余特征，將它們?nèi)坑糜诜诸惒⒉豢扇?。為了降低分類器的?fù)雜性和提高信噪比，需要進(jìn)行特征選擇和優(yōu)化。目前，廣泛采用的特征選擇方法有逐步判別法 (Stepwise Feature Selection)[17]和基 于遺傳算法 (Geic Algorithm)的選擇法 [18]。 可疑腫塊分類 在特征提取和選擇之后，需要一個(gè)分類器依據(jù)選出的特征將可疑區(qū)域分成正常組織、良性腫塊和惡性腫塊。分類器的構(gòu)造方法很多，線性判別分類器 (Linear Discriminate Analysis， LDA)、人工神經(jīng)網(wǎng)絡(luò) (Artificial Neural Networks， ANN)、支持向量機(jī)、 Bayesian網(wǎng)絡(luò)、決策樹、 K近鄰分類器等都得到了廣泛應(yīng)用，其中線性分類器和神經(jīng)網(wǎng)絡(luò)得到了廣泛的認(rèn)可。為了提高分類 的準(zhǔn)確性，可以將多個(gè)分類器串聯(lián)、并聯(lián)和級(jí)聯(lián)在一起。 對(duì)于一個(gè) CAD 而言，評(píng)價(jià)其性能是非常重要的工作。通常用ROC(Receiver Operating Characteristic)曲線和 FROC(Freeresponse Receiver Operating Characteristic)曲線來衡量系統(tǒng)的性能 [19]。但是由于各個(gè)研究團(tuán)隊(duì)使哈爾濱工程大學(xué)本科生畢業(yè)論文 6 用的圖像數(shù)據(jù)庫(kù)不同，加上分類方法的參數(shù)可以調(diào)整，給客觀比較不同系統(tǒng)的性能帶來了困難。在臨床應(yīng)用中，即使使用同一商用 CAD 系統(tǒng)，由于操作者不同給出的評(píng)價(jià)也不相同 。如能構(gòu)造標(biāo)準(zhǔn)的測(cè)試集將為系統(tǒng)而公正的比較 CAD 性能奠定基礎(chǔ)。 本文主要的研究工作 針對(duì)乳腺 鉬靶 射線 圖像 的以下特點(diǎn)： 腫塊和背景的對(duì)比度比較低。 腫塊的邊緣比較模糊，而腫塊的邊緣信息是判斷腫瘤良性還是惡 性的重要依據(jù)之一。 在腫塊區(qū)域和背景區(qū)域通常都有較大的噪聲點(diǎn) 本文 的主要 研究 為 ： 通過小波變換進(jìn)行乳房腫塊的去噪。 通過直方圖均衡化 的 方法提高圖像對(duì)比度，使乳房腫塊更清晰地脫離背景。 通過水平集技術(shù)，對(duì)乳房腫塊圖像進(jìn)行分割。 論文結(jié)構(gòu) 本文主要針對(duì)小波閾值化去噪 、直方圖均衡化，水平集分割算法等問題進(jìn)行研究。全文安排如下： 第 1 章，介紹課題的研究背景。結(jié)合乳腺 X 射線 CAD 的背景、意義，詳細(xì)介紹了乳腺 X射線輔助檢測(cè)技術(shù)的現(xiàn)狀，并對(duì)其若干研究方向作了總結(jié)。 第 2 章，系統(tǒng)介紹了有關(guān)乳腺癌的醫(yī)學(xué)知識(shí)、診斷知識(shí)；并對(duì)診斷工具鉬靶 X 射線作了相應(yīng)介紹。重點(diǎn)分析了乳腺癌病理信息在鉬靶影像上的顯示特點(diǎn)和鉬靶影像本身的不足及其導(dǎo)致的診斷難點(diǎn)。系統(tǒng)了課題研究方向的實(shí)際背景及方向。 第 3 章，圍繞鉬靶 X 射線圖像的預(yù) 處理這一主題，詳盡闡述了小波閾值哈爾濱工程大學(xué)本科生畢業(yè)論文 7 化去噪和直方圖均衡化的原理知識(shí) 及算法實(shí)現(xiàn)的流程 ，并給出了實(shí)驗(yàn)結(jié)果。 第 4 章，就圖像分割的概念，分類，意義作了簡(jiǎn)要介紹，接下來給出了本設(shè)計(jì)采取的基于水平集理論的分割方法的理論知識(shí)，算法流程，最后給出了現(xiàn)階段完成的程序運(yùn)行結(jié)果，雖然理論上是可行的，但實(shí)際結(jié)果還是有些不理想，需要進(jìn)一步的深入研究。 最后，對(duì)全文工作進(jìn)行總結(jié)，指出研究工作的成績(jī)和有待于改進(jìn)和進(jìn)一步研究的地方。 哈爾濱工程大學(xué)本科生畢業(yè)論文 8 第 2 章 乳腺癌和鉬靶 X射線圖像 乳腺癌的概述 目前乳腺癌的真正病因還未完全清楚，但是，許多因素能影響乳腺癌的發(fā)生與發(fā)展，卻己經(jīng)被國(guó)內(nèi)外科研人員所發(fā)現(xiàn)。它們被稱 作致病因素，主要有 : 家族易感性、激素紊亂、月經(jīng)、生育和哺乳、脂肪攝入過多、乳腺良性疾病、電離輻射、病毒感染等。 乳腺癌的分類方法紛繁復(fù)雜，尚未有統(tǒng)一的體系，根據(jù) 1990 年中國(guó)腫瘤防治辦公室、中國(guó)抗癌協(xié)會(huì)合編的《中國(guó)常見惡性腫瘤診治規(guī)范》第 8 冊(cè)中介紹的形態(tài)學(xué)分類方法 [中國(guó)腫瘤防治辦公室 1990]， 大體分為 ： 非浸潤(rùn)