專利名稱：一種乳腺微鈣化點(diǎn)計(jì)算機(jī)輔助檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于醫(yī)學(xué)影像自動(dòng)分析處理技術(shù)領(lǐng)域，具體涉及一種乳腺微鈣化點(diǎn)計(jì)算機(jī) 輔助檢測(cè)方法。
背景技術(shù)：
乳腺癌是世界各地女性最常見(jiàn)的惡性腫瘤之一，嚴(yán)重威脅著女性的健康甚至生 命。在北歐、西方等發(fā)達(dá)國(guó)家，乳腺癌發(fā)病率居女性惡性腫瘤發(fā)病率首位。在我國(guó)，隨著人 們生活飲食習(xí)慣的改變，乳腺癌的發(fā)病率也呈現(xiàn)明顯的上升趨勢(shì)，其中25-34歲的女性乳 腺癌發(fā)病率也增長(zhǎng)很快。近幾十年，隨著醫(yī)學(xué)技術(shù)的發(fā)展，乳腺癌的診斷和治療技術(shù)有了較 大的進(jìn)步，盡管如此，乳腺癌的死亡率并沒(méi)有明顯下降，這主要是由于多數(shù)乳腺癌被發(fā)現(xiàn)時(shí) 已經(jīng)較晚，難以治愈。因此，在乳腺癌病因預(yù)防尚不確定的情況下，及早發(fā)現(xiàn)是降低患者死 亡率的關(guān)鍵。目前，乳腺癌診斷采用的主要方法是鉬靶軟X射線檢查，其中微鈣化點(diǎn)和腫塊是 乳腺癌最常見(jiàn)的影像學(xué)特征。但由于乳腺組織中的腺體、結(jié)締組織、血管、脂肪等軟組織的 密度與病灶區(qū)域的密度都很接近，診斷者的視覺(jué)疲勞等因素，使得早期癌癥的誤診和漏診 仍時(shí)常發(fā)生。隨著計(jì)算機(jī)技術(shù)和數(shù)字圖像處理技術(shù)的飛速發(fā)展，使得利用計(jì)算機(jī)進(jìn)行乳腺 微鈣化點(diǎn)輔助檢測(cè)成為可能。利用數(shù)字圖像處理技術(shù)對(duì)乳腺X線圖像中的微鈣化點(diǎn)進(jìn)行增 強(qiáng)處理，并對(duì)病灶區(qū)域進(jìn)行標(biāo)記，可以將醫(yī)生從繁瑣的閱片、分類工作中解脫出來(lái)，幫助醫(yī) 生對(duì)圖像進(jìn)行更好的理解和判斷，從而降低誤診與漏診，達(dá)到提高診斷正確率的目的。但是目前使用的方法在微鈣化點(diǎn)自動(dòng)檢測(cè)方面存在著以下幾點(diǎn)問(wèn)題首先，現(xiàn)有 的檢測(cè)方法一般都存在著檢測(cè)效果不夠理想，檢測(cè)算法的穩(wěn)定性不高，特別是在一些乳腺 組織致密、圖像質(zhì)量較低的圖像中，微鈣化點(diǎn)目標(biāo)難以檢測(cè)出來(lái)的現(xiàn)象嚴(yán)重；其次，存在著 對(duì)微鈣化點(diǎn)病灶區(qū)域提取不夠充分或者提取的病灶區(qū)域過(guò)大等缺點(diǎn)，給后續(xù)的特征提取造 成了很大的困難；最后，采用什么樣的特征和分類器對(duì)微鈣化點(diǎn)區(qū)域進(jìn)行描述和分類，才能 使得陽(yáng)性樣本的檢測(cè)準(zhǔn)確率最高，一直沒(méi)有得到很好的解決。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種乳腺微鈣化點(diǎn)計(jì)算機(jī)輔助檢測(cè)方法，解決了現(xiàn)有技術(shù)中 存在的對(duì)致密乳腺X線圖像中微鈣化點(diǎn)目標(biāo)難以完全正確檢出、檢測(cè)結(jié)果假陽(yáng)性率過(guò)高的 問(wèn)題。本發(fā)明采用的技術(shù)方案為，一種乳腺微鈣化點(diǎn)自動(dòng)檢測(cè)的方法，包括以下操作步 驟步驟1，對(duì)原始乳腺圖像進(jìn)行灰度校正，以提高圖像的整體對(duì)比度，得到灰度校正 后的圖像F(x，y)；步驟2，對(duì)灰度校正后的圖像中疑似微鈣化點(diǎn)目標(biāo)區(qū)域的中心位置細(xì)節(jié)和邊緣區(qū) 域細(xì)節(jié)進(jìn)行增強(qiáng)，然后將增強(qiáng)后的疑似微鈣化點(diǎn)目標(biāo)區(qū)域疊加到灰度校正后的圖像上，得到微鈣化點(diǎn)增強(qiáng)的乳腺圖像h (x，y)；步驟3，選用比鈣化點(diǎn)目標(biāo)略大的圓形結(jié)構(gòu)元素，對(duì)灰度校正后的圖像進(jìn)行 Top-hat變換，得到背景抑制后的乳腺圖像F2(x，y)；步驟4，對(duì)上述步驟2所得的圖像Fjhy)和步驟3所得的圖像F2(x，y)聯(lián)合閾值 和閾值T2進(jìn)行雙閾值分割，其中，閾值為圖像F^x，y)最大灰度的85%，閾值T2為圖
像&0^，7)最大灰度的80% ；雙閾值分割后形成的目標(biāo)點(diǎn)作為初步檢測(cè)出的疑似微鈣化點(diǎn) 目標(biāo)區(qū)域；然后去掉部分虛假鈣化點(diǎn)目標(biāo)區(qū)，完成鈣化點(diǎn)目標(biāo)區(qū)的粗檢；步驟5，針對(duì)步驟4粗檢出的每一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)，在原始乳腺圖像對(duì)應(yīng)的位置 提取每一個(gè)目標(biāo)區(qū)的圓形度、對(duì)比度、均值及方差組成的4維特征向量；步驟6，將提取到的4維特征向量，交由SVM分類器進(jìn)行判斷，判斷粗檢出的微鈣化 點(diǎn)是否為真實(shí)的微鈣化點(diǎn)目標(biāo)區(qū)；步驟7，對(duì)判斷認(rèn)為是真實(shí)的微鈣化點(diǎn)目標(biāo)區(qū)，將其標(biāo)記到原始乳腺圖像上，即完 成對(duì)乳腺微鈣化點(diǎn)的自動(dòng)檢測(cè)。本發(fā)明的有益效果是，1.本發(fā)明對(duì)質(zhì)量不高的乳腺圖像中的微鈣化點(diǎn)檢測(cè)時(shí)，能 夠準(zhǔn)確的檢測(cè)出圖像中的微鈣化點(diǎn)且假陽(yáng)性區(qū)域很少，提高了檢測(cè)的精度。2.可以將醫(yī)生 從繁瑣的閱片、分類工作中解脫出來(lái)，減輕醫(yī)生的工作量，提高檢測(cè)的自動(dòng)化程度和檢測(cè)的 速度。


圖1是本發(fā)明檢測(cè)方法的流程圖；圖2是本發(fā)明實(shí)施例步驟1中一幅帶有微鈣化點(diǎn)的原始乳腺圖像；圖3是本發(fā)明實(shí)施例步驟1中Gamma變換校正后的圖像；圖4是本發(fā)明實(shí)施例步驟2中采用雙結(jié)構(gòu)元素，進(jìn)行微鈣化點(diǎn)增強(qiáng)后的圖像；圖5是本發(fā)明實(shí)施例步驟3中經(jīng)過(guò)Top-hat變換后的圖像；圖6是本發(fā)明實(shí)施例步驟4中雙閾值分割后的二值圖像；圖7是本發(fā)明實(shí)施例步驟4中經(jīng)過(guò)后處理后的二值圖像；圖8是本發(fā)明實(shí)施例步驟7中分類后標(biāo)記出的微鈣化點(diǎn)圖像。
具體實(shí)施例方式下面通過(guò)具體實(shí)施方式
對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。如圖1所示，本發(fā)明所提供的一種乳腺微鈣化點(diǎn)計(jì)算機(jī)輔助檢測(cè)方法，包括以下 操作步驟步驟1，因?yàn)樵既橄賆線圖像整體對(duì)比度不高，所以采用Gamma灰度校正的方法 對(duì)原始乳腺圖像進(jìn)行灰度校正，以提高圖像的整體對(duì)比度；所述Gamma灰度校正的方法為= ^^其中I (x，y)為輸入的
原始乳腺圖像，F(xiàn)(x，y)為Gamma灰度校正后的圖像，、為Gamma值；步驟2，因?yàn)槲⑩}化點(diǎn)在圖像中多呈現(xiàn)出近圓形、面積較小的特征，采用雙結(jié)構(gòu)元 素，通過(guò)形態(tài)學(xué)中灰度梯度運(yùn)算，增強(qiáng)灰度校正后圖像F(x，y)中疑似微鈣化點(diǎn)目標(biāo)區(qū)域的中心位置細(xì)節(jié)和邊緣區(qū)域細(xì)節(jié)，然后將增強(qiáng)后的疑似微鈣化點(diǎn)目標(biāo)區(qū)域疊加到灰度校正后 的圖像F(x，y)上，得到微鈣化點(diǎn)增強(qiáng)的乳腺圖像Fi(X，y)，便于檢測(cè)鈣化點(diǎn)；其具體方法 為
，其中，Bi為內(nèi)中心對(duì)稱結(jié)
構(gòu)，用于強(qiáng)化靠近目標(biāo)中心位置的細(xì)節(jié)；B2為外中心對(duì)稱結(jié)構(gòu)，用于強(qiáng)化目標(biāo)邊緣區(qū)域的細(xì) 節(jié)；2)利用結(jié)構(gòu)元素&，對(duì)Gamma灰度校正后的圖像F(x，y)進(jìn)行灰度形態(tài)學(xué)梯度運(yùn) 算得到圖像 & (x，y)，即0辦，力=(/^，3；) 錢(X，力)-(F 3)利用結(jié)構(gòu)元素B2，對(duì)Gamma灰度校正后的圖像F(x，y)進(jìn)行灰度形態(tài)學(xué)梯度運(yùn) 算得到圖像 G2(x，y)，即力= 力十(F(x，_y)052(x，>O)；4)將形成的圖像hO^y) ^P G2 (x,y)疊加到Gamma灰度校正后的圖像F(x，y)上， 形成微鈣化點(diǎn)增強(qiáng)后的乳腺圖像FiO^y)，即AO^y) =F(x,y)+G1(x,y)+G2(x,y)；步驟3，為了進(jìn)一步突出鈣化點(diǎn)目標(biāo)區(qū)域，抑制乳腺組織背景的影響，選用比鈣化 點(diǎn)目標(biāo)略大的圓形結(jié)構(gòu)元素，對(duì)Gamma校正后的圖像進(jìn)行Top-hat變換，得到背景抑制后的 乳腺圖像，其中的微鈣化點(diǎn)目標(biāo)區(qū)域初步顯現(xiàn)出來(lái)；其具體方法為 1)利用圓形結(jié)構(gòu)元素爲(wèi) 2)對(duì)Gamma灰度校正后的圖像F(x，y)進(jìn)行形態(tài)學(xué)Top-hat變換，形成背景抑制 的乳腺圖像&0^，7)，即&0^，7) = F(x,y)-(F(x,y) oB3(x,y))；步驟4，步驟2得到的圖像中，對(duì)微鈣化點(diǎn)目標(biāo)區(qū)域增強(qiáng)的同時(shí)，也對(duì)背景中與微 鈣化點(diǎn)目標(biāo)形狀特性接近的區(qū)域進(jìn)行了增強(qiáng)，造成了“噪聲干擾區(qū)域”;而步驟3得到的圖像 中，背景則被很好地抑制了。為此，對(duì)步驟2和步驟3中得到的兩幅圖像分別采用不同的閾 值，聯(lián)合進(jìn)行分割，形成的目標(biāo)點(diǎn)作為初步的鈣化點(diǎn)目標(biāo)區(qū)；進(jìn)一步，考慮到微鈣化點(diǎn)目標(biāo) 的大小及分布范圍限制，然后進(jìn)行后處理，去掉部分虛假的鈣化點(diǎn)目標(biāo)區(qū)，完成鈣化點(diǎn)目標(biāo) 區(qū)的粗檢；其具體方法為；1)經(jīng)過(guò)多次試驗(yàn)統(tǒng)計(jì)數(shù)據(jù)得到，將步驟2得到的圖像FjLy)的最大灰度的85% 設(shè)為閾值1\，將步驟3得到的圖像F2(x，y)的最大灰度的80%設(shè)為閾值T2 ；2)再對(duì)圖像&0^)和圖像F2(x，y)聯(lián)合閾值和閾值T2進(jìn)行雙閾值分割，即對(duì) 同時(shí)滿足條件fjx，y) >y) > T2的像素點(diǎn)即被確定為初步檢測(cè)出來(lái)的疑似微 鈣化點(diǎn)目標(biāo)區(qū)域；3)最后去除面積小于2個(gè)像素或者大于20個(gè)像素目標(biāo)區(qū)域，去除圖像中位于上下 左右邊界附近的目標(biāo)區(qū)域，形成粗檢出的微鈣化點(diǎn)目標(biāo)區(qū)域；步驟5，在步驟4中粗檢出的鈣化點(diǎn)目標(biāo)圖像中，含有許多的虛假的鈣化點(diǎn)目標(biāo)， 稱為假陽(yáng)性區(qū)。為進(jìn)一步去除掉這些假陽(yáng)性區(qū)，在原始乳腺圖像上提取步驟4粗檢出的每一個(gè)鈣化點(diǎn)目標(biāo)區(qū)的圓形度、對(duì)比度、均值及方差，將其作為鈣化點(diǎn)目標(biāo)區(qū)域的典型特征， 組成4維特征向量；提取的4維特征向量為1)目標(biāo)區(qū)域圓形度Y = P2/(4 Ji S)，其中，P是目標(biāo)區(qū)域的周長(zhǎng)，S為目標(biāo)區(qū)域的 面積；2)目標(biāo)區(qū)域?qū)Ρ榷菵 =其中f 和b分別表示目標(biāo)區(qū)域和背景區(qū)
域的平均灰度，具體為= 1]$0，少)，其中 表示粗檢出的一個(gè)微鈣 化點(diǎn)目標(biāo)區(qū)域的像素個(gè)數(shù)， 表示粗檢出的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)像素組成的集合； b =^^(太，力，其中 表示包圍微鈣化點(diǎn)的外界矩形區(qū)域中非微鈣化點(diǎn)組
成的像素集合，而外界矩形區(qū)域是由包含一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)的最小外接矩形分別向上、 下、左、右各外擴(kuò)一個(gè)像素組成的區(qū)域，Nb表示Qb中的像素個(gè)數(shù)；3)目標(biāo)區(qū)域均值五=其中Nf表示粗檢出的一個(gè)
微鈣化點(diǎn)目標(biāo)區(qū)域的像素個(gè)數(shù)，^^表示粗檢出的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)像素組成的集合；4)目標(biāo)區(qū)域方差斤
，其中 表示粗檢出
的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)域的像素個(gè)數(shù)，表示粗檢出的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)像素組成的
集合；步驟6，利用步驟5中提取出的特征向量，采用正樣本和負(fù)樣本，訓(xùn)練支持向量機(jī)； 然后將提取粗檢出的鈣化點(diǎn)目標(biāo)區(qū)的特征向量，輸入到訓(xùn)練好的向量機(jī)中去，對(duì)該目標(biāo)區(qū) 進(jìn)行分類，得到其是否是真實(shí)的鈣化點(diǎn)目標(biāo)區(qū)；用支持向量機(jī)的方法，對(duì)粗檢出的微鈣化點(diǎn)目標(biāo)區(qū)進(jìn)行分類的方法為1)支持向量機(jī)中用到的核函數(shù)為高斯徑向基核函數(shù)；2)對(duì)比標(biāo)記的真實(shí)微鈣化點(diǎn)區(qū)域，將粗檢檢測(cè)出來(lái)的微鈣化點(diǎn)目標(biāo)區(qū)分為正樣本 和負(fù)樣本，將樣本隨機(jī)分成5個(gè)尺寸的子集，對(duì)每個(gè)模型參數(shù)集，訓(xùn)練SVM分類器；3)提取粗檢出的微鈣化點(diǎn)目標(biāo)區(qū)的4維特征向量，用訓(xùn)練好的SVM分類器，對(duì)該目 標(biāo)進(jìn)行分類，得出其是否是真實(shí)的微鈣化點(diǎn)目標(biāo)區(qū)；步驟7，對(duì)判斷認(rèn)為是真實(shí)的微鈣化點(diǎn)目標(biāo)區(qū)，將其標(biāo)記到原始的乳腺圖像上，即 完成對(duì)乳腺微鈣化點(diǎn)的自動(dòng)檢測(cè)。實(shí)施例1一種乳腺微鈣化點(diǎn)計(jì)算機(jī)輔助檢測(cè)方法，通過(guò)以下步驟進(jìn)行具體的實(shí)施步驟1，讀取一幅如圖2所示的原始乳腺圖像，再采用Gamma灰度校正方法對(duì)原始 乳腺圖像進(jìn)行灰度校正
其Gamma灰度校正的方法為
中l(wèi)(x，y)為輸入原始圖

像，F(xiàn)(x，y)為Gamma灰度校正后的圖像，、的取值為3，得到灰度校正后的圖像如圖3所 示； 步驟2，采用基于雙結(jié)構(gòu)元素的背景疊加方法，增強(qiáng)圖3中疑似微鈣化點(diǎn)目標(biāo)區(qū)域 的中心位置細(xì)節(jié)和邊緣區(qū)域細(xì)節(jié)
，對(duì)圖3進(jìn)行下述形態(tài)學(xué)處理，
得到圖像 Gx (x, y) = (F(x, y) Bx (x, y)) - (F(x, y^B, (x, y))G2 (x，y) = (F(x, y) B2 (x, y)) - (F(x, y)SB2 (x, y))然后，將圖像GjLy) *G2(x，y)疊加到圖3上，形成微鈣化點(diǎn)增強(qiáng)后的乳腺圖像 (x，y)，即 $ (x，y) = F (x, y) (x, y) +G2 (x, y)，如圖 4 所示；步驟3，運(yùn)用形態(tài)學(xué)中的Top-hat變換，形成背景抑制后的乳腺圖像運(yùn)用結(jié)構(gòu)元 步驟4，采用雙閾值及后處理的方法，粗檢出微鈣化點(diǎn)目標(biāo)區(qū)域 選擇閾值為圖4所示圖像最大灰度的85 %，閾值T2為圖5所示圖像最大灰度的 80%，分別對(duì)圖4所示圖像(微鈣化點(diǎn)增強(qiáng)后的圖象)和圖5所示圖像(Top-hat變換后的 圖像)聯(lián)合閾值和閾值T2進(jìn)行雙閾值分割，得到雙閾值分割后的二值圖像，如圖6所示， 是初步檢測(cè)出的疑似微鈣化點(diǎn)目標(biāo)區(qū)；最后，對(duì)圖6中面積小于2個(gè)像素或者大于20個(gè)像 素目標(biāo)區(qū)域，以及位于上下左右邊界附近的目標(biāo)區(qū)域，進(jìn)行去除，形成粗檢出的微鈣化點(diǎn)目 標(biāo)區(qū)域，如圖7所示；步驟5，針對(duì)圖7中粗檢出的每一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)，在圖2對(duì)應(yīng)的位置提取每一 個(gè)目標(biāo)區(qū)的圓形度、對(duì)比度、直方圖均值及直方圖方差4維特征向量1)目標(biāo)區(qū)域圓形度Y = P2/ (4 Ji S)，其中P是目標(biāo)區(qū)域的周長(zhǎng)，S為目標(biāo)區(qū)域的面 積；
對(duì)圖3進(jìn)行Top-hat變換，得到如圖5所示背景抑制后的乳腺圖
2)目標(biāo)區(qū)域?qū)Ρ榷攘?
其中f 和b分別表示目標(biāo)區(qū)域和背景區(qū)
域的平均灰度，具體為Z!F(x，少)，
其中 表示粗檢出的一個(gè)微鈣
化點(diǎn)目標(biāo)區(qū)域的像素個(gè)數(shù)， 表示粗檢出的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)像素組成的集合;
其中~表示包圍微韓化點(diǎn)的外界矩形區(qū)域中非微韓化點(diǎn)組成 的像素集合，而外界矩形區(qū)域是由包含一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)的最小外接矩形分別向上、下、 左、右各外擴(kuò)一個(gè)像素組成的區(qū)域，Nb表示Qb中的像素個(gè)數(shù)；3)目標(biāo)區(qū)域均值
少眾其中 表示粗檢出的一個(gè)微鈣化 點(diǎn)目標(biāo)區(qū)域的像素個(gè)數(shù)，^^表示粗檢出的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)像素組成的集合；4)目標(biāo)區(qū)域方差
2，其中Nf表示粗檢出的
一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)域的像素個(gè)數(shù)，表示粗檢出的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)像素組成的集 合；步驟6，采用支持向量機(jī)的方法，對(duì)粗檢出的微鈣化點(diǎn)目標(biāo)區(qū)進(jìn)行分類對(duì)圖7中 的每一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)提取到的4維特征向量，交由SVM分類器進(jìn)行判斷，得到其是否是 真實(shí)的微鈣化點(diǎn)目標(biāo)區(qū)；步驟7，對(duì)判斷認(rèn)為是真實(shí)的微鈣化點(diǎn)目標(biāo)區(qū)，將其標(biāo)記到原始的乳腺圖像圖2 上，標(biāo)記的結(jié)果如圖8所示，即完成對(duì)乳腺微鈣化點(diǎn)的自動(dòng)檢測(cè)。
權(quán)利要求
一種乳腺微鈣化點(diǎn)自動(dòng)檢測(cè)的方法，其特征在于，包括以下操作步驟步驟1，對(duì)原始乳腺圖像進(jìn)行灰度校正，以提高圖像的整體對(duì)比度，得到灰度校正后的圖像F(x，y)；步驟2，對(duì)灰度校正后的圖像中疑似微鈣化點(diǎn)目標(biāo)區(qū)域的中心位置細(xì)節(jié)和邊緣區(qū)域細(xì)節(jié)進(jìn)行增強(qiáng)，然后將增強(qiáng)后的疑似微鈣化點(diǎn)目標(biāo)區(qū)域疊加到灰度校正后的圖像上，得到微鈣化點(diǎn)增強(qiáng)的乳腺圖像F1(x，y)；步驟3，選用比鈣化點(diǎn)目標(biāo)略大的圓形結(jié)構(gòu)元素，對(duì)灰度校正后的圖像進(jìn)行Top-hat變換，得到背景抑制后的乳腺圖像F2(x，y)；步驟4，對(duì)上述步驟2所得的圖像F1(x，y)和步驟3所得的圖像F2(x，y)聯(lián)合閾值T1和閾值T2進(jìn)行雙閾值分割，其中，閾值T1為圖像F1(x，y)最大灰度的85％，閾值T2為圖像F2(x，y)最大灰度的80％；雙閾值分割后形成的目標(biāo)點(diǎn)作為初步檢測(cè)出的疑似微鈣化點(diǎn)目標(biāo)區(qū)域；然后去掉部分虛假鈣化點(diǎn)目標(biāo)區(qū)，完成鈣化點(diǎn)目標(biāo)區(qū)的粗檢；步驟5，針對(duì)步驟4粗檢出的每一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)，在原始乳腺圖像對(duì)應(yīng)的位置提取每一個(gè)目標(biāo)區(qū)的圓形度、對(duì)比度、均值及方差組成的4維特征向量；步驟6，將提取到的4維特征向量，交由SVM分類器進(jìn)行判斷，判斷粗檢出的微鈣化點(diǎn)是否為真實(shí)的微鈣化點(diǎn)目標(biāo)區(qū)；步驟7，對(duì)判斷認(rèn)為是真實(shí)的微鈣化點(diǎn)目標(biāo)區(qū)，將其標(biāo)記到原始乳腺圖像上，即完成對(duì)乳腺微鈣化點(diǎn)的自動(dòng)檢測(cè)。
2.根據(jù)權(quán)利要求1所述的一種乳腺微鈣化點(diǎn)自動(dòng)檢測(cè)的方法，其特征在于，所述步驟1 的具體操作步驟為采用Gamma灰度校正方法對(duì)原始乳腺圖像進(jìn)行灰度校正，以提高圖像的整體對(duì)比度； 所述的Gamma灰度校正方法為 其中I(x，y)為輸入的原始乳腺圖像，F(xiàn)(x，y)為灰度校正后的圖像，Y為Gamma值。
3.根據(jù)權(quán)利要求1所述的一種乳腺微鈣化點(diǎn)自動(dòng)檢測(cè)的方法，其特征在于，所述步驟2 的具體操作步驟為采用雙結(jié)構(gòu)元素，通過(guò)形態(tài)學(xué)中灰度梯度運(yùn)算，對(duì)灰度校正后的圖像F(x，y)中疑似微 鈣化點(diǎn)目標(biāo)區(qū)域的中心位置細(xì)節(jié)和邊緣區(qū)域細(xì)節(jié)進(jìn)行增強(qiáng)，然后將增強(qiáng)后的疑似微鈣化點(diǎn) 目標(biāo)區(qū)域疊加到灰度校正后的圖像F(x，y)上，得到微鈣化點(diǎn)增強(qiáng)的乳腺圖像F1U, y)；其 具體方法為 1)采用雙結(jié)構(gòu)元素錢 ；其中，B1為內(nèi)中心對(duì)稱結(jié)構(gòu)，用于 強(qiáng)化靠近目標(biāo)中心位置的細(xì)節(jié)，B2為外中心對(duì)稱結(jié)構(gòu)，用于強(qiáng)化目標(biāo)邊緣區(qū)域的細(xì)節(jié)；2)利用結(jié)構(gòu)元素B1,對(duì)灰度校正后的圖像F(x，y)進(jìn)行灰度形態(tài)學(xué)梯度運(yùn)算得到圖像 G1 (χ，y)，即 3)利用結(jié)構(gòu)元素B2,對(duì)灰度校正后的圖像F(x，y)進(jìn)行灰度形態(tài)學(xué)梯度運(yùn)算得到圖像 G2 (χ, y)，即 4)將形成的圖像G1(Xd) *G2(x，y)疊加到灰度校正后的圖像F(x，y)上，形成微鈣化 點(diǎn)增強(qiáng)后的乳腺圖像 F1(^y),即=F1 (x,y) = F(x，y)+G1 (x，y)+G2 (x，y)。
4.根據(jù)權(quán)利要求1所述的一種乳腺微鈣化點(diǎn)自動(dòng)檢測(cè)的方法，其特征在于，所述步驟3 的具體操作步驟利用比鈣化點(diǎn)目標(biāo)略大的圓形結(jié)構(gòu)元素，對(duì)灰度校正后的圖像進(jìn)行Top-hat變換，得 到背景抑制后的乳腺圖像F2 (X，y)，其中的微鈣化點(diǎn)目標(biāo)區(qū)域初步顯現(xiàn)出來(lái)；其具體方法 為 2)對(duì)灰度校正后的圖像F(x，y)進(jìn)行形態(tài)學(xué)Top-hat變換，形成背景抑制的乳腺圖像 F2(x，又)，即 F2(x，y) = F(χ, y)-(F(x, y) oB3(x，y))。
5.根據(jù)權(quán)利要求1所述的一種乳腺微鈣化點(diǎn)自動(dòng)檢測(cè)的方法，其特征在于，所述步驟4 的具體操作步驟對(duì)步驟2和步驟3中得到的兩幅圖像分別采用不同的閾值，聯(lián)合進(jìn)行分割，形成的目標(biāo) 點(diǎn)作為初步的鈣化點(diǎn)目標(biāo)區(qū)，然后去掉部分虛假的鈣化點(diǎn)目標(biāo)區(qū)，完成鈣化點(diǎn)目標(biāo)區(qū)的粗 檢；其具體方法為1)對(duì)于步驟2得到的圖像F1(X，y)，將圖像F1 (x, y)最大灰度的85%設(shè)為閾值T1 ；對(duì)于 步驟3得到的圖像F2 (X，y)，將圖像F2 (X，y)最大灰度的80%設(shè)為閾值T2 ；2)再對(duì)圖像&(1，7)和圖像F2(x，y)聯(lián)合閾值1\和閾值T2進(jìn)行雙閾值分割，即同時(shí)滿 足T1(Xj) >TjT2(X，y) > T2的像素點(diǎn)作為初步檢測(cè)出的疑似微鈣化點(diǎn)目標(biāo)區(qū)域;3)最后去除面積小于2個(gè)像素或者大于20個(gè)像素目標(biāo)區(qū)域，去除圖像中位于上下左右 邊界附近的目標(biāo)區(qū)域，形成粗檢出的微鈣化點(diǎn)目標(biāo)區(qū)域。
6.根據(jù)權(quán)利要求1所述的一種乳腺微鈣化點(diǎn)自動(dòng)檢測(cè)的方法，其特征在于，所述步驟5 的具體操作步驟針對(duì)步驟4粗檢出的每一個(gè)鈣化點(diǎn)目標(biāo)區(qū)，在原始乳腺圖像對(duì)應(yīng)的位置提取每一個(gè)目 標(biāo)區(qū)的圓形度、對(duì)比度、均值及方差，將其作為鈣化點(diǎn)目標(biāo)區(qū)域的典型特征，組成4維特征 向量；提取的4維特征向量為1)目標(biāo)區(qū)域圓形度 )，其中，P是目標(biāo)區(qū)域的周長(zhǎng)，S為目標(biāo)區(qū)域的面積；2)目標(biāo)區(qū)域?qū)Ρ榷? 其中f和b分別表示目標(biāo)區(qū)域和背景區(qū)域的 平均灰度；具體為=其中Nf表示粗檢出的一個(gè)微鈣化 點(diǎn)目標(biāo)區(qū)域的像素個(gè)數(shù)，Qf表示粗檢出的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)像素組成的集合； 其中Qb表示包圍微鈣化點(diǎn)的外界矩形區(qū)域中非微鈣化點(diǎn)組成的像素集合，而外界矩形區(qū)域是由包含一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)的最小外接矩形分別向上、下、 左、右各外擴(kuò)一個(gè)像素組成的區(qū)域，Nb表示Qb中的像素個(gè)數(shù)；3)目標(biāo)區(qū)域均值 其中Nf表示粗檢出的一個(gè)微鈣化點(diǎn) 目標(biāo)區(qū)域的像素個(gè)數(shù)，Qf表示粗檢出的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)像素組成的集合；4)目標(biāo)區(qū)域方差 其中Nf表示粗檢出的 一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)域的像素個(gè)數(shù)，Qf表示粗檢出的一個(gè)微鈣化點(diǎn)目標(biāo)區(qū)像素組成的集合。
全文摘要
本發(fā)明公開(kāi)了一種乳腺微鈣化點(diǎn)計(jì)算機(jī)輔助檢測(cè)方法，先對(duì)乳腺圖像進(jìn)行灰度校正變換，得到灰度校正后圖像；然后采用基于雙結(jié)構(gòu)元素的背景疊加法，得到微鈣化點(diǎn)增強(qiáng)的乳腺圖像，同時(shí)采用形態(tài)學(xué)中的Top-hat變換方法，得到另一幅背景抑制的乳腺圖像；再對(duì)這兩幅圖像采用雙閾值進(jìn)行分割得到初步的微鈣化點(diǎn)圖像，經(jīng)過(guò)后處理形成微鈣化點(diǎn)粗檢圖像；對(duì)粗檢出的微鈣化點(diǎn)目標(biāo)區(qū)域，提取特征，用支持向量機(jī)的進(jìn)行分類，去掉假的微鈣化點(diǎn)目標(biāo)區(qū)域，將剩下的標(biāo)記到乳腺圖像中去，供醫(yī)生閱片用。采用本發(fā)明方法，可以將醫(yī)生從繁瑣的閱片、分類工作中解脫出來(lái)，輔助醫(yī)生對(duì)圖像進(jìn)行更好的理解和判斷，從而降低誤診與漏診，達(dá)到提高診斷正確率的目的。
文檔編號(hào)G06K9/00GK101853376SQ20101011155
公開(kāi)日2010年10月6日 申請(qǐng)日期2010年2月10日 優(yōu)先權(quán)日2010年2月10日
發(fā)明者張二虎, 王帆 申請(qǐng)人:西安理工大學(xué)