乳腺CT圖像中腫瘤的分割方法研究.pdf

1、乳腺癌作為當今女性最普遍的癌癥之一,已經(jīng)成為嚴重危害女性健康的罪魁禍首。如何有效地提高乳腺癌的診斷、治療,進而最大可能地減少損害,已經(jīng)成為當今女性健康所面臨的一個急需解決的問題。為此,乳腺腫瘤分割的準確與否,不僅為臨床診斷及放射治療方式的選擇提供重要依據(jù),而且直接關(guān)系到患者的治療效果。故如何提高乳腺CT圖像腫瘤的分割準確率一直是相關(guān)人員研究的重點。
　　本課題研究的內(nèi)容是乳腺CT圖像中腫瘤的分割方法。首先,依據(jù)腫瘤的形態(tài)及統(tǒng)計特性

2、,提取疑似病灶區(qū);其次對病灶區(qū)進行對比度增強;最后根據(jù)病灶區(qū)邊緣是否清晰,與周邊組織是否粘連,采用兩種不同方法分割乳腺腫瘤。
　　論文主要圍繞以下幾點展開:
　　(1)對乳腺腫瘤分割之前,需要進行預(yù)處理,主要包括提取疑似病灶區(qū)和增強病灶區(qū)。前者針對乳腺CT圖像腫瘤可能出現(xiàn)的位置,及其形態(tài)及灰度特征提取疑似病灶;后者通過形態(tài)學(xué)濾波器進行對比度增強,不僅濾除了噪聲及非規(guī)則細節(jié),而且突出了腫瘤區(qū)與非腫瘤區(qū)的灰度層次。
　　(

3、2)當乳腺腫瘤邊緣清晰,與周圍組織明顯時,采用一種從粗到細的分割方法。首先利用形態(tài)學(xué)重構(gòu)濾波器去除圖像中的細小毛刺和不規(guī)則邊緣,避免產(chǎn)生新邊界和邊界偏移;其次,通過提取局部最大值標記目標區(qū)域,然后采用強制最小技術(shù)修正梯度圖像并進行分水嶺變換,實現(xiàn)乳腺腫瘤的粗分割;最后,通過在分水嶺脊線上人工選擇種子點形成的曲線作為Snake模型的初始輪廓來動態(tài)逼近目標的真實邊緣,實現(xiàn)乳腺腫瘤的細分割。
　　(3)對于乳腺腫瘤與周邊組織較近或者粘連

4、,其邊界模糊不清時,采用上述方法,分割結(jié)果除了腫瘤區(qū),還包括非腫瘤區(qū)。為了避免過分割,針對乳腺腫瘤的形態(tài)特性,利用點分布模型(Point Distribution Model,PDM)訓(xùn)練多幅乳腺CT圖像中的腫瘤輪廓,并提取腫瘤的平均形狀,并將其依附于實際腫瘤的邊緣,結(jié)合Snake模型動態(tài)跟蹤目標的真實邊緣,實現(xiàn)病灶區(qū)分割。
　　本文是在MATLAB2012b平臺上對臨床醫(yī)學(xué)CT圖像進行了實驗,結(jié)果表明,針對不同的乳腺腫瘤CT圖,