1绪论
1.1研究背景和意义
乳腺癌是威胁妇女健康的最常见恶性肿瘤之一，具有发病隐匿、愈后差等特点，其死亡率在女性肿瘤中名列前茅。根据美国癌症协会的数据，在美国，乳腺癌发病率约为111/10万。我国是乳腺癌的传统低发区，根据全国肿瘤防治研究办公室研究统计，2005年，我国女性乳腺癌发病率为24.8/10万，据各类癌症之首，并导致48164人死亡。更可怕的是2000年至2005年，我国乳腺癌发病人数增加了 38.5%，势头迅猛。可见，乳腺癌已成为一个全球性的严重威胁妇女健康的问题，对其致病原因、诊断方法和治疗手段等方面进行进一步研究刻不容缓。
据统计表明：乳腺癌早期治愈率高达97%，进展后治愈率却只有40%左右，因此早发现、早诊断、早治疗，是提高乳腺癌治疗效果，降低死亡率的关键。影像学检查是发现早期乳腺癌、提高生存率的主要手段。由于银钮X线摄影（又称软X线照相）适用于乳腺组织成像，是目前唯一能查出无明显临床症状的早期隐匿性乳腺癌的诊断方法。这种方法能形成可见的微韩化结构以及对乳房深部和致密乳房也能形成具有诊断意义的图像。统计结果表明，30%?50%的乳腺恶性肿瘤伴有微韩化，且乳腺癌早期诊断的关键技术之一是及时发现乳腺X线影像中的微I丐化点并判断其是否有恶化倾向。
然而尽管微韩化点的检测研究已经持续了 30余年，可因为早期耗化点十分微小、形状分布各异等特点，使之难以辨识。此外，微I丐化点区域的对比度较差，病变组织与周围正常组织，尤其是致密组织之间的强度差非常小，这些都造成了微、丐化点检测的困难。据统计，销ffiX线影像的信息只有3%能为人眼所见，大量的信息不能为人眼分辨。即使有经验的医生也很难及时地发现银钮X线影像中微韩化点的位置和形态，同时，医生的过度疲劳也会导致误诊率的上升一直延误病、人的治疗时机。从回顾来看，约60%的假阴性病例可以通过乳腺钼钯X线影像得到仔细分辨，却未能为医生所发觉。此外，乳腺钼把X线影像中疑似乳腺癌的病例只有15%—30%为化检所证实。所以，随着现代科学技术的发展，基于乳腺银钮X线影像的计算机辅助诊断微f丐化点已成为当今乳腺癌早期诊断的研究热点。计算机辅助诊断（Computer-Aided Dignosis, CAD)不仅可以减轻医生的负担，而且还能减少医生人为的漏诊和误诊。计算机辅助诊断在乳腺癌诊断上的应用是指：将计算机数字化图像或者直接数字化乳腺影像的数据输入，利用计算机软件指出可疑恶性病变，再由放射科医生复阅以期提高放射科医生检测出早期乳腺癌的能力。它在不增加医生负担和工作时间的前提下，提高了诊断医生由乳腺X线影像检测出乳腺癌的敏感性，降低了乳腺癌的漏检率。
1.2乳腺X线影像计算机诊断系统研究现状
医学研究表明，乳腺癌X线影像表征包括直接征象和间接征象。直接征象是指病变大体解剖和病理改变的直接表现，一般是指肿瘤本身的影像，如肿块和微韩化点簇，反映的是病变的本质特征；间接征象是指直接病理改变引发的继发性改变，如肿块和韩化点周围的皮肤、血管和乳房外形的改变，间接反映了病变的存在，可为影像诊断提供相关线索和参考信息。目前，医学图像的自动诊断系统主要是对直接征象的检测，而乳腺X线影像计算机辅助诊断系统也是如此，主要可分两大类别：肿块影的检测和微I丐化簇的检测。国外统计表明，30%?50%旳乳腺癌伴有微韩化,鉴于此,基于微韩化簇的处理与分析系统的应用前景十分广阔，它的深入发展研究意义重大。
预处理是影响乳腺X线影像处理与分析系统性能的重要因素之一，其研究也受到越来越多乳腺病变研究者的关注。当前的研究主要集中在背景组织的去除和乳腺区域的提取方面，用到的方法有图像的增强、去噪和分割等技术。在背景组织的去除方面，Kwok提出了迭代落差检测法，使精细化过程变的更加细致和鲁棒。Raba则在确定位置之后使用有尺寸约束的区域生长技术进行分割，对得出的分割结果进行评价，按照评价结果继续迭代生长直至结果达到要求；在乳腺区域的提取算法上，Raba对原始图像进行高斯平滑，之后得到其全局直方图，计算亮度区各点灰度值与其面积之间的对应关系，统计数据得出最优阈值，最后使用连通域标记算法提取出影像中的乳腺区域。Wirth先对乳房边缘进行滤波增强，再用双阈值法提取出乳腺的大致边界，最后使用snake技术进行轮廓逼近。
经过预处理阶段之后，接下来就是对微韩化点的检测阶段。然而，尽管在近二十多年来，众多专家学者不断改进提高微韩化点自动检测的性能，但是，微韩化点的检测仍旧较为困难。其主要原因简单可概括为几个方面：（1)微f丐化点非常微小，难以识别；（2)乳腺X线影像中的微I丐化点大小不一，形状各异，数目差异很大，分为细沙型、孺虫型、粗颗粒型、混合型和融合型五种类型，加大了检测难度；（3)由于乳腺组织不同或者拍摄质量、光线的变化各有不同，感兴趣区域可能对比度差，可疑病变区域与其周围组织之间的强度差非常微弱；（4)致密组织很容易被误认为微韩化，从而造成现存众多算法中有较高的假阳性率。
为了解决这些问题，国内外专家学者研究了大量的乳腺X线影像分析与处理方法。Davies等用局部阈值方法来分割成团的微韩化点，对于呈双峰的局部直方图选择双峰的谷值作为阈值，而呈単峰状的局部直方图，则将该子图作为其邻近的子图的内插，利用尺寸、形状和梯度等参量来分析分割对像以提取出成簇的微韩化点。该法仅根据图像的强度，它有可能不准确，从而影响进一步的讨论。Wang等提出利用小波对乳腺图像分解，由统计发现分解系数的第二层和第三层自带包含微f丐化点的信息，故选择第二层和第三层自带重构，然后利用阈值分割图像来检测微韩化点。Chen等描述了一种基于差值图像技术的微韩化点分割算法。该算法增强图像与噪声抑制图像的差异，然后利用局部阈值法分割图像，最后根据该区域内包含的预选的像素点的数目这一准则来识别成簇的微两化点。H. D. Cheng[8]提出了一种基于模糊逻辑和度量空间的有效的弼化点检测方法。首先对乳腺X线影像进行模糊嫡原理的模糊化处理，之后对处理后的图像进行增强，利用高斯-拉普拉斯滤波器和度量空间定位I丐化点，并得出自响应操作特征曲线以评价其性能。该算法的特点在于在致密组织背景下也能够保证微韩化点的检出率。Papadopoulos等人在2002年和2005年前后提出了基于形态学滤波、阈值化处理和神经网络分类的乳腺ROI自动提取算法以及对微1丐化点族进行良恶性判断的方法。他们将该方法和支持向量机的分类技术进行了比较，在Nijmegen和MIAS数据库测试获得的检出率分别是神经网络76%和78%，支持向量机79%和81%。针对该课题领域，国内的研究比国外起步晚，但随着医疗设备的改进及借助于医学影像格式DICOM标准和基于网络的PACS技术的飞速发展，我国越来越多的学者专家已将医学影像的计算机辅助检测作为研究的重点。近年来，众多检测算法已被提出，实际幵发的乳腺X线影像辅助检测系统也JT?始应用于临床检测。
2003年，杨冬云等提出了一种新的分割和检测奇异点的方案来提取乳腺X线图像中的微韩化点。首先对原图像进行非分除小波变换，将所得到的带通图像分割成互相重叠的方形区域，通过计算每个区域的三阶和四阶统计特征，得出扭曲度和峭度参数，将参数较高的区域设为感兴趣区域。之后，通过计算奇异点处的能量特征，从感兴趣区域分割出准奇异点，即微I丐化点，形成一幅二值图像。最后，对二值图像进行形态学操作，去除微小斑点和孤立像素，得到最终的检测结果。
2003年，万柏坤首次将SVM算法用于微韩化点检测中，对临床实际病例的试用结果表明，比基于人工神经网络的方法有更高的识别率。之后，胡正平在SVM算法检测微韩化点的问题上进行了更深入的研究，提出了空间约束的可拒识双层支持向量机的检测算法，该方法增加了微韩化点检测的粗蹄选环节，并用蹄选出来的假阳性目标和真实微韩化点目标训练SVM学习机，这样就增加了经典3北京交通大学硕士学位论文 绪论指：将计算机数字化图像或者直接数字化乳腺影像的数据输入，利用计算机软件指出可疑恶性病变，再由放射科医生复阅以期提高放射科医生检测出早期乳腺癌的能力。它在不增加医生负担和工作时间的前提下，提高了诊断医生由乳腺X线影像检测出乳腺癌的敏感性，降低了乳腺癌的漏检率。
2006年，文浩等人提出了基于形态学灰度重构的乳腺癌微耗化点提取算法。首先利用灰度形态重构完成穹顶提取，经过穹顶提取后的图像整体灰度强度小，表现偏暗，因此之后选用合适的拉普拉斯锐化模板对图像进行空间域增强，且在频率域内继续利用巴特沃思高通滤波器对图像的低频背景进行抑制；最后利用二维最大熵阈值分割对图像二值化，提取出图像中的高频微韩化点。
2009年，马莉等人提出了一种基于双视角乳腺X线图像的微韩化簇检测算法。首先利用分形维度量分别提取出MLO视角和CC视角的微韩化点感兴趣区域，确定可疑微韩化族的个数和质心，之后对其进行空间位置的匹配，提取每对粗的特征（面积、形状和灰度），计算特征相似度，与标准阈值比较后判断对应微?丐化簇的真伪。综合所翻阅文献，可以看出近期乳腺X线影像自动检测系统的发展趋势为：
(1)多种分析方法的综合。到目前为止，任何一种单独分析检测算法都很难达到让人们满意的检测效果。因而人们在致力于将新的概念，新的算法引入到微韦丐化点检测领域的同时，更加注重于多种分析算法的有效结合。采用什么样的算法，以怎样的结合方式才能取得最好的检测效果，已成为专家学者关注的问题。
(2)交互式检测方法的应用。目前，完全由计算机自动完成微耗化点分割与检测任务还较为困难。如何充分利用计算机的运算能力，在必要情况下进行必不可少的人工干预操作，使计算机在人的帮助下实现分割检测任务，得到令人满意的结果，即人机交互式分割方法的应用已成为众多专家学者研究的热点。
(3)寻找对病变类型进行诊断分类的检测方法。目前，单纯判断感兴趣区域中微f丐化点的存在性及其位置范围已不能满足人们的需求，对病变区域的分类及病灶特征的诊断方法正被越来越多的专家学者所关注。尽管对于微韩化点良恶性诊断的相关文献均有描述，但都还处于实验阶段，算法的实现必须通过大量的数据库支持才能运用与临床上。因此寻找对微韩化点的良恶性的诊断检测算法也是研究者面临的一个挑战。
2 乳腺X线影像预处理及感兴趣..... 6
2.1 图像预处理................6
2.2 微钙化点感兴趣区域...............13
2.3 微钙化点感兴趣区域的提取...............16
本章小结...............25
3 乳腺X线影像微钙化点的检测...............26
3.1 微钙化点检测算法概述...............26
3.2 数学形态学介绍...............28
3.3 高斯-拉普拉斯...............32
3.4 结合形态学滤波的级联...............33
3.5 实验结果...............35
3.6 本章小结...............37
4 乳腺X线图像分析与处理系统...............38
4.1 OpenCV 简介...............38
4.2 系统框架...............42
4.3 系统功能及实现方法...............43
4.4 本章小结...............51
5 总结与展望
5.1 总结
医学影像的计算机辅助诊断系统的研究是医学图像处理的一个重要领域。本文对乳腺x线医学影像中微钙化点的计算机辅助检测方法进行了分析与研究，实现了对微钙化点感兴趣区域的提取和微钙化点的准确定位，为人工诊断提供了很有价值的参考。
首先，本文对乳腺X线影像进行预处理，以提高图像的全局对比度，并使图像像素归一化到0-256之间的值，使含有微钙化点的区域具有相似的数据特征。再通过迭代阈值法提取乳腺区域，之后，利用差影技术，提取出原始乳腺X线影像中的高频信息，在保留乳腺中微钙化点信息的同时，去除无关的乳腺结构。然后将原始图像中的乳腺区域顺序切割成一系列不重叠的子图像，通过计算每个子图像块的分形维数D来进行判断是否在该子块中存在微钙化点，如果存在，保留原图像中对应的区域，设为感兴趣区域，否则，设为背景区域。得到感兴趣区域后，接下来进行的工作是对感兴趣区域中的微钙化点的检测和定位。本文采用一种结合形态学滤波的1L0G_2L0G级联新算法来检测乳腺X线影像感兴趣区域中的微钙化点。在使用LOG算子进行检测之前，先用形态学Top-hat方法对图像进行增强，然后使用形态学开运算去除虚假钙化点，从而得到候选的微钙化点区域，在候选区域中，对所有疑似点进行横向、纵向多尺度1L0G检测，得出新的可疑点，再进行对应尺度窗口的2L0G算子检测，最终定位为微钙化点。最后，在乳腺X线影像微钙化点检测技术算法研究的基础上，利用可视化C/C++集成编程环境Visual C++6.0结合跨平台计算机视觉库OpenCV实现乳腺X线医学图像处理与分析系统的设计与实现。该系统包含三个模块：预处理模块、感兴趣区域提取模块和微钙化点的检测定位模块。通过本课题的研究，本文所设计与实现的系统对医生的微钙化点检测诊断工作具有实质的辅助作用，为实现乳腺癌的大规模普查提供了可行的方法。
5.2后续工作展望
乳腺癌自动诊断系统有着非常广泛的应用，本文主要讨论了乳腺癌自动诊断系统中微钙化点的预处理系统和检测系统，并给出了相应的算法，但仍由许多没52北京交通大硕士学位论文 总结与展望有解决或者等待进一步验证的工作：
1、在提取感兴趣区域时，由于时间有限，本文所设计的系统只能进行单窗口的提取，对于单个乳腺图像中存在2个或2个以上分散过大的微钙化点，本系统只能单独显示其中之一。
2、在利用结合形态学滤波的1L0G—2L0G级联算法检测乳腺X线影像感兴趣区域中的微钙化点的过程中，本文对各步骤中判断可疑点时所选择的阈值，都是通过大量实验结果统计得出的，由于统计样本数量有限，，不同影像的质量和样本之间也可能存在一定差异，使用固定值必然会造成一定的误差。因此，选用自适应阈值法，既可免去之前大量样本统计的实验过程，又可克服因各待测影像质量差异造成的检测误差问题，可作为下一步研究工作的重点之一。
3、本文所作的工作只是乳腺X线影像中微钙化点的检测，并没有进行对检测出的微韩化点良恶性的判断。
4、由于没能得到完整的乳腺X线医学影像数据库资料，所以本文在MFC框架下未能实现图像的批量处理操作。且由于所有影像资料不够全面，可能不能包含所有的乳腺癌病例，因此尽管检测效果基本达到要求，仍有许多需要改进的地方。