基于视觉认知特性的乳腺X线图像分析与理解

Breast cancer is rank the second place of cancer incidence and also mortality among women, early diagnosis and treatment is the most effective ways to save lives. Mammography is the most preferred method of breast cancer screening at present. However, the ambiguous characteristics of the early cancers and its similarity to normal tissues will all probeblely induce the error and miss on diagnosing, which will cause great risk to patients. To this end, the project intends to study visual cognitive characteristics of mammogram. The project will combine cognitive behavior and experience of doctors during diagnosis process with novel methods of visual cognition computing and machine learning, to develop: 1) high sensitivity location methods for region of interest, based on simulating the human visual response characteristics using Multiscale Geometric Analysis; 2) establish visual semantic feature library through extracting the semantic features of the region of interest and sparse coding method to approximate the sparse and cognitive characteristics of visual system; 3) study the semi-supervised cognitive classification method which combines with the cognitive experience of doctors; 4) through analyzing the cognitive psychology behavior of doctor during his diagnosed procedure, construct the risk assessment analysis model of region of interest. The project provides the new research ideas for mammogram analysis and understanding, which also provide a solid theoretical foundation and technical support to help doctors effectively improve the accuracy of clinical diagnosis.

乳腺癌是女性癌症发病率和死亡率均居第二位的癌症，早期诊断和治疗是挽救患者生命的最有效手段。乳腺X线摄影是目前乳腺癌普查的首选方法，但早期隐匿性乳腺癌通常影像学表现不明显，且与正常组织相似，极易引起漏诊和误诊，给患者造成了极大隐患。为此，本课题拟研究乳腺图像的视觉认知特性，结合医生诊断过程中的认知行为和经验，以视觉认知计算、机器学习等领域的新方法为基础：1）利用多尺度几何分析模拟人眼视觉响应特性，研究高灵敏度的感兴趣区域定位方法；2) 提取感兴趣区域的语义特征，通过稀疏编码方法逼近视觉系统的稀疏和认知特性，建立视觉语义特征库；3) 研究能够有效融合医生认知经验的半监督认知分类方法；4) 深入分析医生诊断时的认知心理行为，建立感兴趣区域性质的风险评估分析模型。该项目研究成果为乳腺X线图像的分析和理解提供了新的研究思路，同时也为辅助医生有效提高临床诊断准确性提供了坚实的理论基础和技术保障。

乳腺X线图像的计算机解析，能够有效辅助临床医生提高早期隐匿性乳腺癌的检出率。本课题旨在研究乳腺图像的视觉认知特性，以有效提升乳腺X线图像分析和理解的认知精度。在国家自然科学基金青年基金项目(No. 61201294)的资助下，课题组研究了多种视觉认知特性，设计了感兴趣区域典型特征的分析提取方法，并进行了区域性质的风险评估。取得的主要研究成果有：.1. 感兴趣区域快速定位：研究了多尺度几何分析方法，提出了基于Directionlet的乳腺X线图像质量提升方法。研究了人眼视觉稀疏特性，设计了基于多层次稀疏特性表示的感兴趣区域定位新方法。研究了以视觉特性为依据的Hashing编码模式，构建了感兴趣区域稀疏表示分析的Hashing加速框架，在保证检测性能的同时提升了检测效率。.2. 感兴趣区域特征解析：结合医生对于病变区域的感知和认知，设计了视觉敏感的边缘自适应加权特征，视觉层次性的塔形PCA特征，以及视觉各向异性的局部-全局描述子。建立了特征的联合隐空间，通过Dirichlet对高层语义建模和变换。研究了高维数据的结构分布，提出了局部判别性广义特征向量提取方法，得到了更具表征性和辨识度的特征。.3. 感兴趣区域性质评估：研究并分析了特征数据场的分布密集度，设计了数据场游走的分类模型，快速有效地确定了感兴趣区域的基础类别。研究了直推式学习框架，进一步提升了不同性质感兴趣区域的判别精度。研究了隐语义模型，设计了感兴趣区域性质评估的统计分析策略，为医生提供了更为客观和准确的诊断参考。.在理论创新方面，提出了一系列的新方法，在国内外主流学术期刊和会议上发表学术论文14篇，其中SCI检索5篇，EI检索12篇。在关键技术方面，已授权国家发明专利1项，受理6项，获陕西省科学技术三等奖1项。在国内外交流方面，协办MLA2014研讨会，并参加多个国内外知名会议，引起了国内外广泛关注。本项目所取得的研究成果为早期乳腺癌的准确诊断提供了坚实的理论基础和技术保障，对人类健康具有重要意义。