多模态乳腺超声影像自适应特征融合模型研究

随着技术发展和设备进步，医学超声可用多个模态提供越来越丰富的生理、病理信息。但在目前临床实践中，医生完全根据个人的经验对多模态超声数据加以利用，造成信息分析的主观性强、效率低，从而大大影响了诊断准确性。. 本项目以精确地识别乳腺肿瘤的良、恶性为目标，采用图像处理及信息融合方法对B型超声、彩色多普勒超声、弹性超声、三维超声这四种模态影像进行综合分析。研究高可靠性病理特征的计算方法，确保所获得的特征能准确地反映肿瘤的病理属性；并针对多模态超声的诊断规律，提出一种全新的自适应特征融合模型，根据不同病例特点，动态地产生协同特征集，实现多模态数据的有效融合；在上述研究基础上，建立一个基于多模态超声影像的辅助诊断方法，以验证所提特征的可靠性和融合方法的有效性。. 本项目是信息科学与临床医学相结合的研究，其成果将使乳腺癌诊断的准确性得到显著提高，同时有望给信息融合研究及其应用带来突破性进展。

乳腺癌是导致女性死亡的第二大癌症，严重影响着女性的身心健康。超声检测由于成本低廉、性价比高等原因，得到了广泛应用。近年来，多种模态的超声新设备不断研发并应用于临床，这给传统诊断方法带来了严峻挑战。.本项目研究多模态超声图像特征间的关联，寻找量化描述多模态超声病理规律的方法，重点进行了如下工作：（1）为克服超声图像中的固有噪声影响，提出了新的评价去噪算法的客观评价标准，并提出检测“过增强”的方法，使得预处理后的图像能保留原有的肿瘤特征；同时，建立了边界不敏感性的特征计算方法，以进一步增强特征提取的鲁棒性。（2）提出了利用医学先验知识及多模态图像空间信息冗余性，进行全自动图像分割的方法。该方法建模目标空间域位置和姿态特征、频域边缘特征和空间连通度特征、从而可以有效地自动感知目标位置。由于在建模过程中不依赖强制性约束，因而该方法具有很强的健壮性和泛化能力。（3）提出了多普勒、弹性超声中新的量化标准。通过对血流的动力学特征进行提取，确定了血流定量指标。通过对彩色弹性图像进行空间变换，获得图像的弹性信息，通过对弹性特征的分析，得到“硬区域面积比”这一定量指标，相比于临床上的评分法和应变率具有客观、量化的优点，为临床诊断提供了有效的依据。在上述理论研究的基础上，开发了超声乳腺癌辅助诊断平台，并进行了算法实验验证。本项目研究成果已获得教育部科学技术进步二等奖。已发表学术论文18篇，其中SCI检索的国际期刊9篇，本领域重要国际会议5篇，EI检索7篇 。其中一篇文章（An improved quantitative measurement for thyroid cancer detection based on elastography）被他引12次。培养硕士生6名，博士生2名。