基于多模式序列超声图像识别系统诊断乳腺癌的方法学研究

早期诊断乳腺癌对及时治疗、改善患者预后及减轻社会经济负担均具有重要意义。计算机辅助图像分析系统有助于提高乳腺癌的早期诊断率，超声图像的计算机辅助自动分析是目前国际医学图像研究领域的热点前沿问题，也是迄今仍然充满挑战的一项课题。.本项目拟将数据挖掘技术及模式识别理论与医学临床信息相结合，联合灰阶视频、彩色多普勒视频和三维血管能量图等多模式超声图像，以组织学检查和免疫组化分析结果为依据，针对国人乳腺超声图像特点，采用图像分析技术获取肿块形态、纹理以及血流特征等各种信息，然后抽取图像序列中隐含的有价值的数据关系，建立多种多类特征的综合分析模型，深入研究超声医学数字化图像分析中的知识发现及关联规则等关键问题，建立一种多层次的特征描述体系，并在此基础上提出一个新的高效的计算机辅助分析系统，由超声专家验证系统的准确性和实用性，为早日实现先进智能辅助诊断系统的临床应用奠定基础。

本项目按原计划进行。在上一个国自然项目资助下，我们与哈尔滨工业大学合作，建立了国际上第一个规范的大样本乳腺超声图片库。本项目中，我们进一步扩展和完善了该图片库，实现数据挖掘技术及模式识别理论与医学临床信息相结合的设想，将超声灰阶图像、灰阶视频、彩色多普勒视频等多模式图像相融合。在灰阶视频中提出一种链码分布方差的形态学特征，并将其应用于序列图像。采用SVM分类器对乳腺肿块进行分类。同时提出一种基于灰阶和彩色血流图像序列相结合的特征提取与分类的方法。在对彩色血流波形信号进行分析的基础上，结合医学背景知识提取了图像的动态特征。以上述算法为基础，提出一种基于非贝叶斯框架的复合权值分类器融合方法，将分类器性能的考量细化到不同的类别，将基分类器的单一权重扩展为复合权重，根据基分类器输出类别的不同动态选择不同的权重。基于以上基础提出一个新的高效的计算机辅助分析系统，已由超声专家验证系统的准确性和实用性。经临床验证，可较明显的提高超声对乳腺癌的早期诊断和鉴别诊断，基本达到预期目标，但该系统尚需继续调试、完善。发表学术论文5篇，其中SCI收录4篇，累计IF 5.0以上，有两篇英文文章尚在投稿中。