鈣化檢測(cè)在乳腺計(jì)算機(jī)輔助診斷中的應(yīng)用

蔡惠芳

隨著人們生活方式以及環(huán)境的變化，乳腺癌的發(fā)病率呈逐年上升趨勢(shì)，發(fā)病年齡有所提前，發(fā)病持續(xù)時(shí)間有所延長(zhǎng)。美國(guó)癌學(xué)會(huì)的報(bào)告以及大量的實(shí)驗(yàn)數(shù)據(jù)都證實(shí)早期發(fā)現(xiàn)、早期診斷、早期治療是降低乳腺癌死亡率的關(guān)鍵手段[1]。早期乳腺癌的主要癥狀是在乳房上存在一個(gè)或更多的鈣化點(diǎn)，隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，已經(jīng)提出了各種各樣的鈣化檢測(cè)算法。一般檢測(cè)流程是∶①對(duì)圖像進(jìn)行預(yù)處理(影像增強(qiáng)和影像濾波)；②找到感興趣區(qū)域(region of interest，ROI)，初步定位鈣化灶；③是進(jìn)行特征提取、鈣化點(diǎn)的真假陽(yáng)性識(shí)別及鈣化點(diǎn)的良惡性診斷分類(lèi)[2-3]。這些方法各有長(zhǎng)短，只采用其中一種效果總是不太理想，因此，實(shí)際應(yīng)用中通常會(huì)將兩種或兩種以上的方法聯(lián)合使用[4-7]。目前，臨床上常用的鈣化檢測(cè)方法有4種。

1 基于分類(lèi)器的鈣化檢測(cè)算法

分類(lèi)器的方法主要用于鈣化點(diǎn)的分類(lèi)，所謂的分類(lèi)包括兩個(gè)方面的內(nèi)容，一是真、假陽(yáng)性鈣化點(diǎn)的分類(lèi)判別；二是良、惡性鈣化點(diǎn)分類(lèi)。近年來(lái)，利用分類(lèi)器進(jìn)行鈣化點(diǎn)檢測(cè)的研究多了起來(lái)，其主要步驟是提取表征鈣化點(diǎn)信息的特征，利用金標(biāo)準(zhǔn)樣本(臨床上確診的)對(duì)分類(lèi)器的參數(shù)進(jìn)行訓(xùn)練，然后對(duì)未知樣本進(jìn)行分類(lèi)識(shí)別。目前國(guó)內(nèi)外文獻(xiàn)研究的分類(lèi)方法主要有線形甄別閾分析、人工神經(jīng)網(wǎng)絡(luò)分析方法、Bayes統(tǒng)計(jì)學(xué)方法、分類(lèi)樹(shù)分析方法及SVM分類(lèi)方法等[8]。

Pasquale Delogu等[9]，利用人工神經(jīng)元網(wǎng)絡(luò)分類(lèi)器來(lái)進(jìn)行鈣化點(diǎn)的檢測(cè)。①把圖像分割成相互重疊的等大的方形區(qū)域；②利用統(tǒng)計(jì)學(xué)的方法，提取出圖像特征，把從每一個(gè)方形區(qū)域中提取的圖像特征送入人工神經(jīng)元網(wǎng)絡(luò)進(jìn)行分類(lèi)；③將分類(lèi)結(jié)果為鈣化簇的矩形框進(jìn)行重新整合，輸出作為檢測(cè)結(jié)果。

SVM是一種學(xué)習(xí)方法，當(dāng)用訓(xùn)練集以外的數(shù)據(jù)時(shí)檢測(cè)效果也能很好，可以把鈣化檢測(cè)看成是一種有監(jiān)督的學(xué)習(xí)過(guò)程。胡正平等[6]提出首先利用貢獻(xiàn)矩陣對(duì)圖像預(yù)處理，突出圖像中對(duì)分類(lèi)結(jié)果而言的強(qiáng)影響點(diǎn)；然后將圖像分割成子區(qū)域，通過(guò)二維主成分分析方法提取區(qū)域特征，利用支持向量機(jī)分類(lèi)器檢測(cè)感興趣區(qū)域；再提取點(diǎn)的特征(包括矩特征、直方圖特征參數(shù)等)，利用質(zhì)量可分級(jí)的支持向量機(jī)分類(lèi)器檢測(cè)微鈣化點(diǎn)；最后利用順序?yàn)V波器修正檢測(cè)結(jié)果，排除孤立點(diǎn)，可以有效地降低假陽(yáng)性[10]。

2 基于小波變換的多分辨率技術(shù)檢測(cè)鈣化算法

利用小波分解可以從多個(gè)尺度來(lái)分析圖像信息，而鈣化點(diǎn)從信號(hào)處理的角度來(lái)看屬于細(xì)節(jié)信息，所以小波分解被廣泛用于鈣化點(diǎn)檢測(cè)領(lǐng)域中。

文浩等[7]提出了一種基于小波和統(tǒng)計(jì)學(xué)檢測(cè)乳腺X線片中微鈣化點(diǎn)的新方法。首先，對(duì)數(shù)字化X線片進(jìn)行小波分解。為了提高圖像的對(duì)比度，采用了多尺度自適應(yīng)增益的圖像增強(qiáng)方法。然后，對(duì)增強(qiáng)后的圖像細(xì)節(jié)分量運(yùn)用統(tǒng)計(jì)學(xué)中的偏度和峰度來(lái)選取感興趣區(qū)。最后，利用箱線圖極端值檢測(cè)法確定微鈣化點(diǎn)的位置。

在小波檢測(cè)中，單純的用細(xì)節(jié)信息來(lái)判斷鈣化點(diǎn)的有無(wú)，是不準(zhǔn)確的，還要結(jié)合鈣化點(diǎn)的形狀和體積特征。因此如何在小波分解中加入對(duì)細(xì)節(jié)信息的形狀大小的考慮也是今后研究的方向。

3 基于統(tǒng)計(jì)學(xué)的方法檢測(cè)鈣化

概率中的統(tǒng)計(jì)方法也是一種常用的鈣化檢測(cè)方法，在統(tǒng)計(jì)方法中，把ROI區(qū)域中的像素值的亮度看作是隨機(jī)變量來(lái)分析圖像特征。

Cheng等[11]提出了一種基于統(tǒng)計(jì)方法來(lái)檢測(cè)鈣化點(diǎn)的新方法，他們首先用一個(gè)π變換函數(shù)來(lái)把原圖像進(jìn)行轉(zhuǎn)換，這個(gè)π函數(shù)中的參數(shù)是通過(guò)統(tǒng)計(jì)方法來(lái)得出的，可以理解成是一種圖像亮度增強(qiáng)函數(shù)。這種統(tǒng)計(jì)方法認(rèn)為ROI區(qū)域中，即使出現(xiàn)鈣化，鈣化的亮度應(yīng)在圖像的脂肪亮度之上，然后分別計(jì)算出每一個(gè)像素點(diǎn)是脂肪點(diǎn)，腺體點(diǎn)和鈣化點(diǎn)的概率值，看它是那種點(diǎn)的可能性最大就認(rèn)為其屬于哪一類(lèi)，并得到不同程度的亮度增強(qiáng)。在通過(guò)π函數(shù)增強(qiáng)后的圖像中，鈣化點(diǎn)被有效的增強(qiáng)了，同時(shí)由于有時(shí)腺體的亮度可能也被認(rèn)為是鈣化點(diǎn)，所以部分腺體也會(huì)被增強(qiáng)。下一步通過(guò)曲線探測(cè)器算法檢測(cè)出曲線并去除。最后在去除曲線的增強(qiáng)圖像上利用形態(tài)學(xué)的方法分割鈣化點(diǎn)得到最后的檢測(cè)結(jié)果圖。這個(gè)方法是否成功，關(guān)鍵要看這種假設(shè)是否成立，當(dāng)鈣化點(diǎn)的亮度比腺體的亮度暗時(shí)，鈣化點(diǎn)會(huì)漏檢。

Dadang Gunawan也用統(tǒng)計(jì)方法檢測(cè)鈣化點(diǎn)。不同的是，圖像先通過(guò)沒(méi)有下采樣的小波變換進(jìn)行圖像贈(zèng)強(qiáng)預(yù)處理。為了提高圖像對(duì)比度，在小波系數(shù)中加入了一些補(bǔ)償因子，在處理后的圖像中，在特定大小的ROI內(nèi)通過(guò)計(jì)算統(tǒng)計(jì)特征來(lái)檢測(cè)鈣化點(diǎn)[12]。

4 用濾波器的方法檢測(cè)鈣化

選用尺度稍大于鈣化點(diǎn)的濾波器對(duì)圖像進(jìn)行濾波，然后和原圖像做差分對(duì)比，得到高頻信息圖像，這種方法操作簡(jiǎn)單，但是假陽(yáng)性很高。閾值也很不好選取。往往需要很多去假陽(yáng)的工作。

[1]Qing Naishan， Jiang Xuexiang， He Jing， et al. The role of computer aided detection in diagnosing of breast cancer by mammography[J].Chinese Journal of Medical Imaging Technology，2004，20(1)∶32-34.

[2]于紅緋.基于乳腺數(shù)字X光片的病變檢測(cè)算法研究[D].東北大學(xué)碩士論文，2008.

[3]李丹丹.乳腺組織異常檢測(cè)算法的研究與應(yīng)用[D].東北大學(xué)碩士論文，2008.

[4]Lemaur G， Drouiche K， DeConinck J. Highly regular wavelets for the detection of clustered microcalcifications in mammograms[J].IEEE Trans Med Imaging，2003，22(3)∶393-401.

[5]Mencattini A， Salmeri M， Lojacono R. Mammographic images enhancement and denoising for microcalcification detection using dyadic wavelet processing[C].Italy ∶IMTC 2006-Instrumentation and Measurement Technology Conference Sorrento，2006∶49-53.

[6]胡正平，吳燕，王成儒.乳腺X線影像中微鈣化點(diǎn)檢測(cè)新方法[J].電子技術(shù)應(yīng)用，2005(9)∶17.

[7]文浩，馬金勝，王玉慧.基于小波與統(tǒng)計(jì)學(xué)的乳腺微鈣化點(diǎn)檢測(cè)方法[J].計(jì)算機(jī)與數(shù)字工程，2006(10)∶57.

[8]Sansanee Auephanwiriyakul， Siripen Attrapadung，Sutasinee Thovutikul，et al. Breast abnormality detection in mammograms using fuzzy inference system [C].The 2005 IEEE International Conference on Fuzzy Systems，2005∶155-160.

[9]Pasquale Delogu， Maria Evelina Fantacci，Alessandro Preite Martinez，et al. A scalable system for micro calcification cluster automated detection in a distributed mammographic database[C].IEEE Nuclear Science Symposium Conference Record，2005，1530-1534.

[10]李明春.乳腺X線影像中鈣化點(diǎn)檢測(cè)方法的研究[D].重慶大學(xué)碩士論文，2004.

[11]Cheng HD， Lui YM， Freimanis RI. A novel approach to microcalcification detection using fuzzy logic technique[J].IEEE Trans Med Imaging，1998，17(3)∶442-450.

[12]張娟.基于Hessian矩陣的肺結(jié)節(jié)計(jì)算機(jī)輔助檢測(cè)算法研究[D].泰山醫(yī)學(xué)院碩士論文，2009.