基于Kmean的乳腺腫塊檢測(cè)以及圖像預(yù)處理的方法

2013-11-11 15:31 來(lái)源:電源網(wǎng) 作者:洛小辰

引言

乳腺癌是女性最常見(jiàn)的惡性腫瘤之一,嚴(yán)重威脅著婦女的健康甚至生命。腫塊和鈣化簇是乳腺癌最常見(jiàn)的特征。本文的目的就在于研究并提出一種能夠在乳腺X線圖像中自動(dòng)檢測(cè)出腫塊的方法。一般的計(jì)算機(jī)輔助檢測(cè)系統(tǒng)大都包括以下幾個(gè)部分:首先輸入原始圖像;然后進(jìn)行預(yù)處理;然后提取感興趣區(qū)域(ROI);再對(duì)這些ROI進(jìn)行特征提取;最后根據(jù)這些特征,經(jīng)過(guò)分類,得到腫塊和正常組織。大多學(xué)者注重研究如何提出乳腺圖像中的可能病灶區(qū)域以及如何對(duì)這些感興趣區(qū)域(ROI)區(qū)域進(jìn)行進(jìn)一步判斷。

對(duì)于感興趣疑似病灶的提取,Matsubara等人[2]提出了一種自適應(yīng)閾值技術(shù)來(lái)檢測(cè);而Petrick等人[3]則是通過(guò)一種自適應(yīng)灰度加權(quán)對(duì)比度增強(qiáng)濾波器(DWCE)來(lái)實(shí)現(xiàn)的。對(duì)于ROI區(qū)域的分類,Sahiner等人[4]在提取出了感興趣區(qū)域的紋理特征后,采用一種卷積神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行分類;Wei等人[5]則通過(guò)計(jì)算基于灰度共生矩陣的紋理特征,利用線性誤差分類器進(jìn)行分類;而Kupinsk等人[6]根據(jù)幾何特征、灰度特征以及梯度特征采用一種正規(guī)化神經(jīng)網(wǎng)絡(luò)進(jìn)行分類。

檢測(cè)方法

本文提出的方法分為以下幾步:(1)預(yù)處理;(2)提取感興趣區(qū)域;(3)特征提取;(4)腫塊檢測(cè)。其流程圖如圖1所示。

11

預(yù)處理

在預(yù)處理階段,我們手動(dòng)去除了圖像的背景、胸肌(斜側(cè)位圖像中存在胸肌)、標(biāo)記以及噪聲,并且將圖像中的乳腺分割出來(lái)。如圖2所示,(a)為一幅斜側(cè)位乳腺X線原圖像,(b)為經(jīng)過(guò)預(yù)處理之后的圖像。整個(gè)預(yù)處理過(guò)程是在醫(yī)生的監(jiān)督下進(jìn)行的。

12

1 2 3 > 
圖像

一周熱門