蔡惠芳

隨著人們生活方式以及環(huán)境的變化，乳腺癌的發(fā)病率呈逐年上升趨勢，發(fā)病年齡有所提前，發(fā)病持續(xù)時間有所延長。美國癌學(xué)會的報告以及大量的實驗數(shù)據(jù)都證實早期發(fā)現(xiàn)、早期診斷、早期治療是降低乳腺癌死亡率的關(guān)鍵手段[1]。早期乳腺癌的主要癥狀是在乳房上存在一個或更多的鈣化點，隨著計算機技術(shù)的飛速發(fā)展，已經(jīng)提出了各種各樣的鈣化檢測算法。一般檢測流程是∶①對圖像進行預(yù)處理(影像增強和影像濾波)；②找到感興趣區(qū)域(region of interest，ROI)，初步定位鈣化灶；③是進行特征提取、鈣化點的真假陽性識別及鈣化點的良惡性診斷分類[2-3]。這些方法各有長短，只采用其中一種效果總是不太理想，因此，實際應(yīng)用中通常會將兩種或兩種以上的方法聯(lián)合使用[4-7]。目前，臨床上常用的鈣化檢測方法有4種。

1 基于分類器的鈣化檢測算法

分類器的方法主要用于鈣化點的分類，所謂的分類包括兩個方面的內(nèi)容，一是真、假陽性鈣化點的分類判別；二是良、惡性鈣化點分類。近年來，利用分類器進行鈣化點檢測的研究多了起來，其主要步驟是提取表征鈣化點信息的特征，利用金標準樣本(臨床上確診的)對分類器的參數(shù)進行訓(xùn)練，然后對未知樣本進行分類識別。目前國內(nèi)外文獻研究的分類方法主要有線形甄別閾分析、人工神經(jīng)網(wǎng)絡(luò)分析方法、Bayes統(tǒng)計學(xué)方法、分類樹分析方法及SVM分類方法等[8]。

Pasquale Delogu等[9]，利用人工神經(jīng)元網(wǎng)絡(luò)分類器來進行鈣化點的檢測。①把圖像分割成相互重疊的等大的方形區(qū)域；②利用統(tǒng)計學(xué)的方法，提取出圖像特征，把從每一個方形區(qū)域中提取的圖像特征送入人工神經(jīng)元網(wǎng)絡(luò)進行分類；③將分類結(jié)果為鈣化簇的矩形框進行重新整合，輸出作為檢測結(jié)果。

SVM是一種學(xué)習(xí)方法，當(dāng)用訓(xùn)練集以外的數(shù)據(jù)時檢測效果也能很好，可以把鈣化檢測看成是一種有監(jiān)督的學(xué)習(xí)過程。胡正平等[6]提出首先利用貢獻矩陣對圖像預(yù)處理，突出圖像中對分類結(jié)果而言的強影響點；然后將圖像分割成子區(qū)域，通過二維主成分分析方法提取區(qū)域特征，利用支持向量機分類器檢測感興趣區(qū)域；再提取點的特征(包括矩特征、直方圖特征參數(shù)等)，利用質(zhì)量可分級的支持向量機分類器檢測微鈣化點；最后利用順序濾波器修正檢測結(jié)果，排除孤立點，可以有效地降低假陽性[10]。

2 基于小波變換的多分辨率技術(shù)檢測鈣化算法

利用小波分解可以從多個尺度來分析圖像信息，而鈣化點從信號處理的角度來看屬于細節(jié)信息，所以小波分解被廣泛用于鈣化點檢測領(lǐng)域中。

文浩等[7]提出了一種基于小波和統(tǒng)計學(xué)檢測乳腺X線片中微鈣化點的新方法。首先，對數(shù)字化X線片進行小波分解。為了提高圖像的對比度，采用了多尺度自適應(yīng)增益的圖像增強方法。然后，對增強后的圖像細節(jié)分量運用統(tǒng)計學(xué)中的偏度和峰度來選取感興趣區(qū)。最后，利用箱線圖極端值檢測法確定微鈣化點的位置。

在小波檢測中，單純的用細節(jié)信息來判斷鈣化點的有無，是不準確的，還要結(jié)合鈣化點的形狀和體積特征。因此如何在小波分解中加入對細節(jié)信息的形狀大小的考慮也是今后研究的方向。

3 基于統(tǒng)計學(xué)的方法檢測鈣化

概率中的統(tǒng)計方法也是一種常用的鈣化檢測方法，在統(tǒng)計方法中，把ROI區(qū)域中的像素值的亮度看作是隨機變量來分析圖像特征。

Cheng等[11]提出了一種基于統(tǒng)計方法來檢測鈣化點的新方法，他們首先用一個π變換函數(shù)來把原圖像進行轉(zhuǎn)換，這個π函數(shù)中的參數(shù)是通過統(tǒng)計方法來得出的，可以理解成是一種圖像亮度增強函數(shù)。這種統(tǒng)計方法認為ROI區(qū)域中，即使出現(xiàn)鈣化，鈣化的亮度應(yīng)在圖像的脂肪亮度之上，然后分別計算出每一個像素點是脂肪點，腺體點和鈣化點的概率值，看它是那種點的可能性最大就認為其屬于哪一類，并得到不同程度的亮度增強。在通過π函數(shù)增強后的圖像中，鈣化點被有效的增強了，同時由于有時腺體的亮度可能也被認為是鈣化點，所以部分腺體也會被增強。下一步通過曲線探測器算法檢測出曲線并去除。最后在去除曲線的增強圖像上利用形態(tài)學(xué)的方法分割鈣化點得到最后的檢測結(jié)果圖。這個方法是否成功，關(guān)鍵要看這種假設(shè)是否成立，當(dāng)鈣化點的亮度比腺體的亮度暗時，鈣化點會漏檢。

Dadang Gunawan也用統(tǒng)計方法檢測鈣化點。不同的是，圖像先通過沒有下采樣的小波變換進行圖像贈強預(yù)處理。為了提高圖像對比度，在小波系數(shù)中加入了一些補償因子，在處理后的圖像中，在特定大小的ROI內(nèi)通過計算統(tǒng)計特征來檢測鈣化點[12]。

4 用濾波器的方法檢測鈣化

選用尺度稍大于鈣化點的濾波器對圖像進行濾波，然后和原圖像做差分對比，得到高頻信息圖像，這種方法操作簡單，但是假陽性很高。閾值也很不好選取。往往需要很多去假陽的工作。

[1]Qing Naishan， Jiang Xuexiang， He Jing， et al. The role of computer aided detection in diagnosing of breast cancer by mammography[J].Chinese Journal of Medical Imaging Technology，2004，20(1)∶32-34.

[2]于紅緋.基于乳腺數(shù)字X光片的病變檢測算法研究[D].東北大學(xué)碩士論文，2008.

[3]李丹丹.乳腺組織異常檢測算法的研究與應(yīng)用[D].東北大學(xué)碩士論文，2008.

[4]Lemaur G， Drouiche K， DeConinck J. Highly regular wavelets for the detection of clustered microcalcifications in mammograms[J].IEEE Trans Med Imaging，2003，22(3)∶393-401.

[5]Mencattini A， Salmeri M， Lojacono R. Mammographic images enhancement and denoising for microcalcification detection using dyadic wavelet processing[C].Italy ∶IMTC 2006-Instrumentation and Measurement Technology Conference Sorrento，2006∶49-53.

[6]胡正平，吳燕，王成儒.乳腺X線影像中微鈣化點檢測新方法[J].電子技術(shù)應(yīng)用，2005(9)∶17.

[7]文浩，馬金勝，王玉慧.基于小波與統(tǒng)計學(xué)的乳腺微鈣化點檢測方法[J].計算機與數(shù)字工程，2006(10)∶57.

[8]Sansanee Auephanwiriyakul， Siripen Attrapadung，Sutasinee Thovutikul，et al. Breast abnormality detection in mammograms using fuzzy inference system [C].The 2005 IEEE International Conference on Fuzzy Systems，2005∶155-160.

[9]Pasquale Delogu， Maria Evelina Fantacci，Alessandro Preite Martinez，et al. A scalable system for micro calcification cluster automated detection in a distributed mammographic database[C].IEEE Nuclear Science Symposium Conference Record，2005，1530-1534.

[10]李明春.乳腺X線影像中鈣化點檢測方法的研究[D].重慶大學(xué)碩士論文，2004.

[11]Cheng HD， Lui YM， Freimanis RI. A novel approach to microcalcification detection using fuzzy logic technique[J].IEEE Trans Med Imaging，1998，17(3)∶442-450.

[12]張娟.基于Hessian矩陣的肺結(jié)節(jié)計算機輔助檢測算法研究[D].泰山醫(yī)學(xué)院碩士論文，2009.