《乳腺癌診斷中乳腺鉬靶X線影像處理與分析關鍵技術研究》是依託蘭州大學，由馬義德擔任項目負責人的面上項目。
基本介紹
- 中文名：乳腺癌診斷中乳腺鉬靶X線影像處理與分析關鍵技術研究
- 依託單位：蘭州大學
- 項目負責人：馬義德
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
乳腺鉬靶X線圖像分析是乳腺癌早期檢測與診斷的重要手段。但由於乳腺鉬靶X線圖像中鈣化點與腫塊區域不規則且對比度低，使得誤診率較高。這也使得計算機輔助圖像檢測系統設計陷入困境。現有圖像處理方法難以有效地處理乳腺鉬靶X線圖像。而該圖像的除噪、增強、準確分割和特徵提取一直是個難點問題。本項目擬結合視皮層神經網路模型與其他新興智慧型信息處理方法，針對乳腺X線鉬靶圖像處理與分析中的重點與難點問題開展研究。主要涉及：以提升圖像質量為目的的圖像除噪與增強算法研究；以準確提取病灶區域和檢測鈣化點與腫塊為目的的圖像分割算法的探索研究；以提高乳腺癌早期診斷正確識別率為目的的鈣化點與腫塊特徵選擇與分類研究。通過本項目實施可望解決乳腺疾病診斷圖像處理與分析中若干關鍵技術，為乳腺鉬靶X線圖像計算機輔助檢測系統提供關鍵算法支持與理論基礎。同時也為有關診斷醫生提供一個可靠的第二意見。
結題摘要
乳腺癌已成為嚴重威脅婦女健康的首要疾病，研究發現：早期發現並及時診治可有效降低乳腺癌死亡率。乳腺鉬靶X線攝影檢查是敏感而特異的早期發現乳腺病灶的有效方法，但由於乳腺鉬靶X線圖像存在噪聲及對比度低等問題，使得誤診率較高；同時乳腺癌中最常見的病理徵象如鈣化點及腫塊形狀不規則也降低了計算機輔助診斷的準確率。而該圖像的除噪、增強、病灶區域定位及正確分割、特徵提取以及準確分類一直是難點問題。本項目將視皮層神經網路模型和其它新興智慧型信息處理方法相結合，針對乳腺鉬靶X線圖像處理與分析中的重點和難點問題展開研究，完成了從乳腺圖像的預處理到分類的全過程。其中包括：結合形態學操作和多解析度分析等方法對乳腺鉬靶X線圖像進行除噪與增強；結合粗集理論、水平集和最大熵原理等方法對腫塊進行粗定位及精細分割；結合脈衝耦合神經網路(PCNN)改進模型和SRDM(surrounding region dependence method)等概念對多種鈣化點簇進行檢測與識別；針對分割的腫塊區域、檢測到的含有鈣化點的區域和背景區域，進行形狀、紋理和灰度等的特徵提取，並建立相應的特徵資料庫；採用隨機森林和極限學習機等機器學習方法進行良惡性分類。通過課題組共同努力，完成對乳腺疾病診斷圖像處理與分析重點關鍵技術的研究，為乳腺鉬靶X線圖像中計算機輔助檢測系統提供關鍵算法支持，為相關醫生的診斷提供可靠的“第二意見”奠定了基礎。此外，PCNN等新型神經網路模型的改進研究也進一步推動了其在圖像處理和生物醫學工程等領域的套用，對生物信息工程和信息學科的交叉研究具有重要的套用價值和現實意義。
