论文部分内容阅读
乳腺癌计算机辅助检测系统(Computer-Aided Detection and Diagnosis, CAD)经过多年的发展在检测微小钙化灶方面已经达到很高的性能,但是在检测肿块方面却灵敏度稍低,假阳性偏高。检测肿块的低性能以及“黑匣子”式的诊断方案导致放射科医师对CAD系统诊断肿块缺乏足够的信心。为了增加医生对CAD系统检测肿块的信心,基于参考病例的乳腺肿块诊断方案被提出来。这种方案需要构建一个大规模的已经确诊的参考图像库,它的优势在于不仅能够提供决策分数,而且能够在参考图像库中查出视觉相似而且病理相似的图像供医生参考。课题研究并改进了基于参考病例的乳腺肿块诊断技术:①采用了最大熵阀值分割算法获得可疑病灶的初始轮廓,再用snake精化其边界②针对肿块形态多变难以用一组特征组合描述的问题,提出根据可疑病灶区域最大熵阀值分割的好坏,把参考图像分成两类,对不同类别的图像分别使用遗传算法进行训练得到两组不同的特征组合作为分类依据③针对传统的相似性度量没有考虑不同特征对度量的贡献不同的问题,采用粒子群优化算法训练特征权重,建立基于特征权重的相似性度量,使得度量更加准确④针对最大熵阀值分割坏的可疑病灶区域相似性度量后返回的相似图像的次序与人类视觉不符的问题,采用Pearson相关排序来校正从而增加人类视觉的相似性。参考图像库来源于美国南佛罗里达大学的数字乳腺X线图像数据库(Digital database for screening mammography,DDSM),总共包含了3143幅乳腺X线图像感兴趣区域(ROI) (其中2234幅正常ROI,910幅肿块ROI)。利用Leave-One-Out测试方法和ROC曲线来评估系统,反映系统性能好坏的ROC Az值达0.854,此外做三组实验表明课题提出的改进能够提高系统的性能。