【正文】 一般用循環(huán)次數(shù)來定義。輸出數(shù)據(jù)仍為一副距離圖，只是零水平線已經(jīng)被更新過。窄帶 (narrow band)算法是水平集方法實現(xiàn)中常用的算法，其主要思想是只更新零水平集附近點的水平集函數(shù)值，而無需計算整個圖像空間中每一點的水平集函數(shù)值，以此來提高水 平集方法的計算效率。 水平集窄帶 算法流程 水平集方法的基本思想是將平面閉合曲線隱含地表達為二維曲面函數(shù)的水平集，即具有相同函數(shù)值的點集，通過水平集函數(shù)曲面的進化隱含地求解曲線的運動。因為演化方程僅從零水平集推導(dǎo)而來，一般速度函數(shù)只定義在零水平集，其它水平集沒有定義，不過，單位法矢和曲率在所有的水平集都定義。曲 線的曲率可又水平集函數(shù)表示為 2232222|| ()x x y x y x y y y xxyk ? ? ? ? ? ? ???????? ?? ??? () 在具體實現(xiàn)水平集方法時，通常將水平集函數(shù)選取為由初始曲線生成的符號距離函數(shù) (Signed Distance Function)，記為 SDF。 圖 曲線 圖 曲線的水平集函數(shù) 下面簡要說明水平集方法的數(shù)學(xué)表達及其與曲線演化的關(guān)系。由于醫(yī)學(xué)圖像經(jīng)常存在對比度低、組織特征的可變性大以及不同軟組織之間或軟組織與病灶之間邊界模糊，微細血管或神經(jīng)結(jié)構(gòu)形狀分布復(fù)雜等特點，加上成像中種種客觀因素的制約，使得醫(yī)學(xué)圖像分割成為醫(yī)學(xué)圖像處理過程中的一個經(jīng)典難題，到目前為止既不存在一種通用的分割方法，也不存在一種準確評價的分割成功與否的客觀標準。但是絕大多數(shù)自動分割算法實現(xiàn)復(fù)雜，運算量大，在很多情況 下，分割結(jié)果尚不理想，分割速度和性能也有待提高。人工分割是指由經(jīng)驗豐富的臨 床醫(yī)生在原始膠片圖像上直接勾畫出組織的邊界，或者通過圖像編輯器用鼠標在計算機顯示器上勾畫出組織的邊界或者感興趣的區(qū)域。由于受人體內(nèi)外環(huán)境中種種確定性、不確定性因素的干擾和成像噪聲的影響，實際所獲得的醫(yī)學(xué)圖像不可避免地具有模糊、不均勻等缺陷；另外，人體的解剖結(jié)構(gòu)比較復(fù)雜而且因個體的病理或生理的差異有很大的不確定性、這在醫(yī)學(xué)圖像中引入了新的復(fù)雜性，同時也給醫(yī)學(xué)圖像分割帶來了很大的困難；目前，現(xiàn)有醫(yī)學(xué)圖像分割的基本方法多數(shù)是針對二維圖像進行的，當推廣到三維乃至四維醫(yī)學(xué)圖像分割應(yīng)用場合時，在數(shù)據(jù)結(jié)構(gòu)和算法處理上不可避免地導(dǎo)致更大的復(fù)雜性，使得醫(yī)學(xué)圖像的分割更為困難。 通常，醫(yī)學(xué)圖像分割方法可以劃歸為三大類：基于閾值的分割方法、基于邊緣的分割方法和基于區(qū)域的分割方法 [3536]。 實驗結(jié)果 圖 原圖像 a 的直方圖 圖 圖 a 均衡化后的直方圖 哈爾濱工程大學(xué)本科生畢業(yè)論文 26 圖 原圖 a 圖 圖 a 均衡化后的圖像 圖 原圖像 b 的直方圖 圖 圖 b 均衡化后的直方圖 圖 原圖 b 圖 圖 b 均衡化后的圖像 哈爾濱工程大學(xué)本科生畢業(yè)論文 27 本章小結(jié) 本章主要內(nèi)容是對乳腺鉬靶射線圖像進行預(yù)處理中去噪和增強兩步處理，去噪采取了基于小波變換的 軟 閾值化去噪方法，增強采取了效果較好且簡單易行的直方圖均衡化均取得了不錯的效果。 直方圖均衡化是將原圖像的直方圖改變?yōu)樵谡麄€灰度范圍內(nèi)基本均勻地分布的形式，由此擴大了像素灰度的動態(tài)范圍，從而增強了圖像的對比度。 3）利用 “ 軟閾值化 ” 式，或者 “ 硬閾值化 ” 式，對小波系數(shù)進行閾值化，得到新的小波系數(shù) W? 。 有人提出另一類閾值選擇過程，其風險估計函數(shù)定義為 2,0 21 || ||()[]jjjjWWNR NN?? ?? () 在這里， 0jN 是小波系數(shù)被置為零的個數(shù)。如果噪聲是加性的、隨即平穩(wěn)的，則可證明：在小波變換域中，每個子帶或者每層分辨率上的噪聲仍然保持加性與隨機平穩(wěn)。 閾值化處理的關(guān)鍵問題是選擇合適的閾值 ? 。給定一個閾值 ? ，所有絕對值小于 ? 的小波系數(shù)被劃為 “ 噪聲 ” ，它們的數(shù)值用零代替；而超過閾值的小波系數(shù)的數(shù)值用閾值 ? 縮減后再重新取值。通常以小波系數(shù)的絕對值作為小波系數(shù)的分類單元。如果一個信號的能量集中于小波變換域少數(shù)系數(shù)上，那么對這些系數(shù)的取值必然大于在小波變換域內(nèi)能量分散于大量小波系數(shù)上的信號或噪聲的小波系數(shù)值 [31]。 { ( ) 。 }。分解具有關(guān)系 3 3 2 1S A D D D? ? ? ? () 另外強調(diào)一點 ， 這里只是以一個層分解進行說明 ， 如果要進行進一步分解 ，則可以把低頻部分分解成低頻部分和高頻部分 ， 以下再分解 ， 依次類推 。 , ( )j j Z xV ??是 2()RL 上的一個多分辨分析 。 另所謂多分辨分析是指設(shè) ?? 。由此可見，與傅立葉變換去噪方法相比，小波變換去噪方 法具有明顯的優(yōu)越性。小波變換的分析窗口大小 (即窗口面積 )固定但其形狀可改變，小波變換是時間窗和頻率窗都可改變的時頻局部化分析方法，對不同的頻率在時域上的取樣步長是可調(diào)節(jié)的，即在低頻時小波變換的時間分辨率較差，而頻率分辨率較高 ； 在高頻時小波變換的時間分辨率較高，而頻率分辨率較低。而在不少實際問題中，人們所關(guān)心的卻是信號在局域范圍中的特征，例如音樂和語音信號中，人們關(guān)心的是在什么時刻演奏什么音符 ，發(fā)出什么音節(jié) ； 對人上地震波的記錄，人們關(guān)心的是在什么位置出現(xiàn)了什么反射波 ； 圖像處理中邊沿識別，關(guān)心的是信號的突變位置等。 從上述乳腺病變檢測的困難可以看出，理想的乳腺 X 射線圖像 CAD 技術(shù)需克服各種困難實現(xiàn)微鈣化簇和腫塊的檢測，以確定微鈣化簇和腫塊與其他腺體組織之間的本質(zhì)區(qū)別，使用大小不固定的檢測窗口，自動調(diào)節(jié)適應(yīng)參哈爾濱工程大學(xué)本科生畢業(yè)論文 16 數(shù)，實現(xiàn)對微鈣化簇和腫塊 做 出精確的定位和分割，準確提取感興趣區(qū)域?qū)崿F(xiàn)最終診斷識別 [2728]。 目前，乳腺 X 射線圖像的 CAD 技術(shù)在檢測方面還有許多 困難，通過 鉬靶 X 射線攝影和計算機技術(shù)結(jié)合，常用的數(shù)字乳腺 X 射線圖像相對于其他醫(yī)療成像技術(shù)雖然已經(jīng)具有很高的清晰度和分辨率，但畢竟不像 X 射線可通過放大鏡對圖像的精細結(jié)構(gòu)觀察，而圖像有大量的冗余信息，圖像質(zhì)量仍然是有限的，計算機自動檢測的視覺識別能力，與人眼的能力還有一定的差距 [26]。即便如此，乳腺癌診斷的誤診率和漏診率仍然無法獲得更大的降低。 哈爾濱工程大學(xué)本科生畢業(yè)論文 14 圖 鈣化無腫塊型 不典型型 臨床觸摸均有腫塊或結(jié)節(jié)，擬診乳腺癌，在鉬靶乳腺 X 片上未發(fā)現(xiàn)明顯腫塊或結(jié)節(jié)，僅在其相應(yīng)部位顯示斑片狀和不規(guī)則小片狀陰影。 X 線上不顯示腫塊的原因，可能與投照條件有關(guān)系，也可能是乳腺組織較密實或伴有乳腺炎、乳腺增生時，與腫瘤不能形成密度對比，顯示不出腫瘤的典型征象，此待進一步研究。 X 線主要表現(xiàn)為大片狀密度增高陰影，高于周圍腺體組織的密度，無清楚腫塊輪廓，中心密度較高，邊緣毛糙模糊，瘤 周結(jié)構(gòu)紊亂，類似較重的乳腺增生，易誤診。病變以不規(guī)則纖維增生為主，在腫瘤邊緣形成粗長毛刺，毛刺的長度多超過腫瘤的直徑，并可呈放射狀排列，此征象主要反映了癌細胞浸潤性生長的特征。腫瘤的密度多為高密度，原因是由于癌細胞浸潤使單位體積的細胞數(shù)增加及周圍組織水腫所致。雖然鉬靶攝片 診斷有較高的正確率，但 仍然存在著誤診問題。觸摸式診斷由于容易造成誤診與漏診，現(xiàn)在不作為主流的診斷方法 ； 對于中晚期乳腺癌、病灶己經(jīng)形成之后的檢測，組織學(xué)和細胞學(xué)診斷方法有著最高的準確性 ； 影像學(xué)診斷，因為它方便非侵入性的特點，可用于早期診斷和普查。相較于乳腺 X 射線攝影，乳腺超聲不會含有放射性物質(zhì)，可重復(fù)應(yīng)用，且對腫塊的囊性 /實性的檢測準確，可對腋淋巴結(jié)的狀況進行檢查，但其對直徑小于 厘米的小癌變、微鈣化點和毛刺樣結(jié)構(gòu)不易顯示，對早期乳腺癌診斷價值不大。 紅外光譜檢查 ： 主要利用人體不同結(jié)構(gòu)的軟組織對紅外線的吸收率不同而進行診斷。 乳腺癌的醫(yī)學(xué)影像學(xué)診斷技術(shù)主要包括 ： 哈爾濱工程大學(xué)本科生畢業(yè)論文 10 乳腺 X 射線攝影 ： 是一種低劑量乳腺 X 光拍攝乳房的技術(shù)，它能清晰顯示乳腺各層組織，可以發(fā)現(xiàn)乳腺增生、各種良惡性腫瘤以及乳腺組織結(jié)構(gòu)紊亂。它對醫(yī)生的水平要求很高，而且準確率只有 70%~80%，具有多年臨床專業(yè)經(jīng)驗的老醫(yī)生、老專家會先進行觸摸檢查，再做進一步的影像學(xué)診斷，并且極易出現(xiàn)漏診或誤診。組織學(xué)診斷準確性最高，但是提取病理組織會對病人造成創(chuàng)傷，對患者造成身體的傷害。 細胞學(xué)診斷主要包括穿刺檢查和涂片檢查。 此外還有其他一些罕見的乳腺癌種類，包括分泌性乳腺癌 （ 幼年性癌 ） 、富脂質(zhì)癌 (脂質(zhì)分泌癌 )、印戒細胞癌、乳頭狀瘤病癌變、富糖原透明細胞癌、腺纖維瘤癌變、伴化生的癌等。 (1)早期浸潤小葉癌 ： 小葉原位癌穿過基底膜，向小葉內(nèi)間質(zhì) 浸潤，但尚未浸潤至小葉范圍之外。 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)被國內(nèi)外科研人員所發(fā)現(xiàn)。系統(tǒng)了課題研究方向的實際背景及方向。全文安排如下： 第 1 章，介紹課題的研究背景。 在腫塊區(qū)域和背景區(qū)域通常都有較大的噪聲點 本文 的主要 研究 為 ： 通過小波變換進行乳房腫塊的去噪。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價也不相同 。為了提高分類 的準確性，可以將多個分類器串聯(lián)、并聯(lián)和級聯(lián)在一起。為了降低分類器的復(fù)雜性和提高信噪比，需要進行特征選擇和優(yōu)化。 可疑腫塊特征提取和選擇 特征提取對于可疑腫塊的鑒別和分類是非常重要的。 （ 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 隨機場的聚類方法等。 （ 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。 （ 1） 閾值分割 ： 最早期最簡單的方法是直接采用灰度統(tǒng)計信息進行閾 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，該方法識別感興趣區(qū)域的效果并不理想。局部方法將圖像局部特征，包括梯度、灰度均值、標準差、灰階嫡等融入到增強函數(shù)中，如基于樹型結(jié)構(gòu)的非線性濾波增強、灰度加權(quán)的對 比度增強 (densityweighted contrast enhancement， DWCE)、基于多分辨率的灰度非線性調(diào)整后再加權(quán)綜合的增強等，可有效增強局部紋理。臨床實踐也證明簡單采用人工調(diào)整窗寬窗位的方法就可以提高診斷準確性 [15]?？v觀現(xiàn)有乳腺癌輔助檢測如診斷 腫塊 系統(tǒng)流程概況， 一般分為乳腺圖像增強、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]。這些都導(dǎo)致了放射科檢測的準確性和檢測效率的下降，使他們對計算機輔助檢測方法失去信心。微鈣化點通常表現(xiàn)為一些面積較小、灰度和對比度較低的不規(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，延誤病人的治療時機。不必要的活檢不僅增加了患者的經(jīng)濟負擔，而且導(dǎo)致患者生理和心理創(chuàng)傷，給社會醫(yī)療保健制度、病人和醫(yī)師增加了不必要的負擔 ； 即使以兩名醫(yī)生判讀圖像，雖然可能會增加診斷的準確性，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)師的工作強度 ，同時提高乳腺癌檢查的準確率，利用計算機進行乳腺癌輔助診斷 （ Computer Aided Diagnosis， CAD） 成為一種臨床輔助診斷的有效手段。這主要是因為跟歐美等發(fā)達國家相比，我國婦女預(yù)防和檢查乳腺癌的意識還比較落后，同時醫(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、加強乳腺癌診斷與治療工作，將成為我國接下去較長時期內(nèi)癌癥防治的重要任務(wù)，對乳腺癌進行系統(tǒng)深入的研究刻不容緩。 我國婦女乳腺癌的發(fā)病率目前正以每年 3%~4%的增長率急劇上升 ，每年約有 18 萬婦女罹患乳腺癌， 萬多婦女死于乳腺癌。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。 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。 wavelet transform。 在乳腺鉬靶 X 射線 圖像增強方面 ， 本文 采取了 簡單實用的直方圖均衡化 方法使乳腺鉬靶 X 射線圖像對比度低的問題得到了很好的解決 。但純?nèi)斯ら喿x 鉬靶 片存在易疲勞、耗時多、誤診和漏診率較大等問題。乳腺鉬 靶攝影是普查和診斷乳腺癌的最有效方法。 在乳腺鉬靶 X 射線圖