基于乳腺X线图像处理的乳腺癌检测方法研究

Breast cancer is one of most common cancers among women and its morbidity is rapidly increasing. Now China has become one of the countries with the highest morbidity of breast cancers. If detected and diagnosed at the early stage, breast cancer is treatable, which will improve the life equality of patients. Mammography is considered as the most reliable and effective method for breast cancer detection. The study on breast cancer detection based on mammography images is greatly significant..There exist some disadvantages in previous detection methods. They were focused more on the American or England mammogram database and less on Chinese women's mammograms mostly with high density, more on single-view mammograms and less on multiple-view mammograms, more on micro-calcifications and masses, less on architecture distortion and bilateral asymmetry. The information discipline and medical discipline will be combined in this project research. According to the characteristics of mammograms with high density, the key problems in breast cancer detection will be studied by use of cross-discipline theory. The multiple-view analysis model will be established based on information fusion. The robust extraction and classification methods for suspicious lesions will be proposed. The screening and the diagnosis will be effectively implemented, and the risk assessment for breast cancer will be made feasible. The study will improve the detection and diagnosis level of breast cancer for Chinese women.

乳腺癌是女性最常见的一种恶性肿瘤，其发病率正在不断上升，我国己成为乳腺癌发病率增长最快的国家之一。乳腺癌若能在早期得到诊断，可提高患者治疗后的生存期和生活质量。乳腺X线摄影术被认为是最可靠和最有效的乳腺癌检测方法，本课题研究基于乳腺X线的乳腺癌检测方法具有重要意义。.现有检测方法存在诸多问题：主要以美国或英国数据库为研究对象，缺乏针对中国女性常见的致密型乳腺X线图像分析；主要基于单视角乳腺X线图像，缺少多视角的病灶分析；主要进行钙化点和肿块病灶检测，缺少结构扭曲和不对称性等病理特征分析。本课题属于信息学科与医学学科的交叉学科，将针对中国女性高致密性乳腺图像的特点，利用多学科理论来研究乳腺X线图像乳腺癌检测的关键问题，建立基于信息融合思想的乳腺X线多视角分析模型，提出鲁棒的可疑病灶提取与分类方法，有效实现乳腺癌早期筛查与诊断，为临床乳腺癌风险等级评估奠定基础，提高我国乳腺癌检测和诊断水平。

乳腺癌是女性最常见的一种恶性肿瘤，其发病率正在不断上升，我国己成为乳腺癌发病率增长最快的国家之一。乳腺癌的早期诊断是提高患者治疗率的关键。本课题构建了北大人民医院提供的中国女性乳腺X线图像数据库，并在该数据库以及现有乳腺X线图像公开数据库完成了：.(1) 胸肌分割方法：针对纹理一致性胸肌，提出了一种基于纹理一致性和亮度方差的胸肌分割方法。针对东方女性乳腺图像中纹理复杂胸肌，提出了一种基于胸肌区域纹理一致性特征和三角形状特征的分割方法。胸肌分割可有效降低对可疑病灶检测算法的影响，同时也是多视角信息融合的必要条件。.(2) 微钙化点簇分割方法：采用自适应核学习相关向量机(ARVM)应用于乳腺X线图像微钙化点簇分析，实现了基于改进ARVM的微钙化点簇快速处理方法，该方法在提高算法执行速度的同时不改变算法的检测结果。.(3) 肿块检测方法：提出了一种基于标记脉冲耦合神经网络的乳腺肿块分层检测方法。.(4) 肿块分割方法：提出了一种基于模型分析与均值漂移聚类的乳腺肿块分割方法，提出了一种基于简化型脉冲耦合神经网络和改进型矢量无边缘活动轮廓模型的乳腺X线图像肿块分割方法。.(5) 检测方法：提出了一种基于相似度收敛指数的结构扭曲检测方法。在公开数据库及自建数据库上进行验证，结果表明提出的方法有效降低了假阳性率，同时适用于脂肪型乳腺X线图像和致密型乳腺X线图像。.(6) 基于双边分析的肿块检测方法:方法包括基于乳房边缘形状上下文的区域匹配，以及综合考虑全局和局部图像特征的相似度测度。与单视角和现有双边分析肿块检测方法相比，提出的方法具有更好的肿块检测结果。.(7) 微钙化点簇与肿块的特征描述及分类：提出基于Voronoi图和Delaunay三角剖分的微钙化点簇特征提取方法，基于非等间隔降采样texton的肿块分类方法，以及基于同轴模板与D-texton的肿块分类方法。上述特征分别获得优于现有方法的分类性能。.(8) 可疑病灶检索方法。针对传统锚点图哈希在图像相似度定义中没有考虑病理相关性的问题，引入病理类别至锚点图哈希相似度计算，提出了可区分锚点图哈希以重新表示图像。相比于现有方法，提出的方法在肿块检索性能上得到明显提高。.本课题属于信息学科与医学学科的交叉学科，利用多学科理论研究乳腺X线图像乳腺癌检测的关键问题，实现了乳腺癌检测的定量分析，将有助于提高我国乳腺癌检测和诊断水平。