【摘要】：乳腺癌是危害女性健康最常見的疾病,因為它高程度的發(fā)病概率而引起了其廣泛的關注和恐慌。有專家提出,降低乳腺癌死亡概率的最為重要途徑之一就是乳腺癌的早期診斷和乳腺癌的早期治療,然而乳腺癌患者在被確診為罹患乳腺癌的時候絕大多數(shù)的病例已經(jīng)發(fā)展到了乳腺癌中期或者乳腺癌晚期,不僅飽受病痛折磨,還耽誤了治療的最佳時期。乳腺癌早期診斷技術中,X射線全數(shù)字化乳腺攝影(fUll-field digital mammography，F(xiàn)FDM)技術被認為是首選之一,但這種二維影像依然存在致密的乳腺組織與病灶重疊而導致漏診的問題。數(shù)字乳腺三維斷層影像(Digital breast tomosynthesis,DBT)成像技術的開發(fā),讓X線乳腺病變象征顯示清晰度有了明顯的提高。這種三維成像的方法,能減少或消除組織重疊,對病灶周圍組織結構特征的顯示更加清晰,所以DBT成像技術提高了病變檢出率和降低了漏診率。由于DBT影像是三維斷層影像,一個影像序列通常包含數(shù)十張斷層影像。相較FFDM只有一張影像而言,影像科醫(yī)生在閱片診斷過程中的工作量增加了幾十倍,所以亟需開發(fā)開面向DBT影像的智能輔助診斷系統(tǒng)來幫助醫(yī)生減輕工作量,提高診斷效率,而腫塊的自動檢測系統(tǒng)便是智能輔助診斷系統(tǒng)中的關鍵的環(huán)節(jié)之一。本文主要研究的是基于深度學習的DBT影像腫塊自動檢測系統(tǒng)。在以往的研究中,大多數(shù)研究者關注于設計手動提取特征的傳統(tǒng)機器學習算法。因為近年來深度學習算法在圖像識別和機器視覺中有著出色的表現(xiàn),也有不少學者將深度學習算法利用到DBT影像腫塊自動檢測當中,獲得了不少不錯的成果。但是這些研究中并未將深度學習算法應用至整個DBT腫塊自動檢測系統(tǒng)當中,系統(tǒng)中的腫塊可疑區(qū)域預選步驟仍然是基于手動特征提取的傳統(tǒng)算法設計的,存在著系統(tǒng)結構不夠整體和運算效率不夠高等問題。本文的研究中設計了兩種基于深度學習的乳腺DBT影像腫塊自動檢測算法。第一種是基于深度卷積神經(jīng)網(wǎng)絡(deep convolutional network,DCNN)的DBT腫塊自動檢測系統(tǒng)。第二種是基于 Faster RCNN(Faster Region based Convolutional Neural Networks,Faster RCNN)的腫塊檢測系統(tǒng)。并在完全相同的數(shù)據(jù)集上對兩種算法進行性能評估和比較。具體內(nèi)容包括:(1)影像預處理:對乳腺DBT影像進行圖像對比度增強,乳房區(qū)域檢測以及乳房皮膚分割等步驟。(2)基于DCNN的DBT腫塊自動檢測系統(tǒng):首先使用三維徑向梯度分析對DBT三維斷層影像進行計算,得到三維斷層影像的三維徑向梯度特征圖。接著對三維徑向特征圖進行三維自適應閾值分割,將其分割成三個等級,并保留最高等級區(qū)域作為腫塊可疑區(qū)域。然后使用25.6×25.6mm的方框以腫塊可疑區(qū)域中心為中點截取上下連續(xù)五層的ROI(region of interest)區(qū)域輸入深度學習卷積神經(jīng)網(wǎng)絡模型獲得腫塊可疑區(qū)域的腫塊似然得分(以五層中最高得分作為該區(qū)域的最終腫塊似然得分)。最后以最終腫塊似然得分進行腫塊可疑區(qū)域的假陽性篩選,實現(xiàn)腫塊的自動檢測。(3)基于Faster RCNN的腫塊自動檢測系統(tǒng):搭建用于腫塊自動檢測的Faster RCNN深度學習目標檢測框架。其中包括:共享卷積網(wǎng)絡,區(qū)域候選網(wǎng)絡(region proposal network,RPN),假陽性分類網(wǎng)絡。在檢測的過程中,首先將連續(xù)的DBT三維斷層影像層層輸入訓練過后的Faster RCNN模型,經(jīng)過五層共享卷積網(wǎng)絡之后,RPN基于共享卷積網(wǎng)絡自動提取的特征將腫塊可疑區(qū)域以邊界框的形式傳遞給假陽性篩選網(wǎng)絡,由其進行腫塊似然得分計算。接著基于斷層間邊界框的重疊率,進行斷層間邊界框的融合,以最高得分作為該區(qū)域的最終腫塊似然得分,實現(xiàn)腫塊的自動檢測。(4)性能評估方法和性能對比:使用完全相同的數(shù)據(jù)集對兩種系統(tǒng)進行十折交叉驗證,并使用自由響應受試者工作特征曲線(free-response receiver operating characteristic curve,FROC)進行性能評估�；贒CNN的DBT腫塊自動檢測系統(tǒng)達到靈敏度為90%時每個乳房平均有2.25個假陽性，而基于Faster RCNN的DBT腫塊自動檢測系統(tǒng)達到靈敏度為90%時每個乳房平均有0.76個假陽性。使用重采樣非參數(shù)方法檢驗兩個算法的FROC,發(fā)現(xiàn)兩者統(tǒng)計學上有顯著性差異(P值0.05)。基于Faster RCNN的DBT腫塊自動檢測系統(tǒng)表現(xiàn)更出色。本研究的主要貢獻在于首次在DBT影像的腫塊自動檢測中使用Faster RCNN框架,并達到了不錯的效果。同時也是首次將基于深度卷積神經(jīng)網(wǎng)絡的DBT腫塊自動檢測系統(tǒng)與基于Faster RCNN的DBT腫塊自動檢測系統(tǒng)進行性能對比。在DBT影像的腫塊自動檢測研究中提供了一個新的思路。
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18;R737.9;R730.44
【圖文】：

程度上提高了乳腺Ｘ攝影的成像質(zhì)量。逡逑全數(shù)字化乳腺Ｘ線成像（Ｆｕｌｌ－ｆｉｅｌｄ邋ｄｉｇｉｔａｌ邋ｍａｍｍｏｇｒａｐｈｙ，邋ＦＦＤＭ）的廣泛使用和推廣，極逡逑大地提高了乳腺癌檢出的敏感性［６〃］，如圖１．１所示為ＧＥ公司的ＦＦＤＭ系統(tǒng)，其Ｘ射線發(fā)射逡逑器與接收板是垂直狀態(tài)并且不能旋轉(zhuǎn)，由于其二維投影成像的本質(zhì)，在致密型腺體及多量腺逡逑體中，組織重疊，增生結節(jié)常掩蓋瘤體，致密型乳腺與瘤體間對比差，導致約大于一半的逡逑１逡逑

成像上更具有優(yōu)勢，進而大幅度的提高了乳腺癌的病變檢出率。逡逑雖然目前國內(nèi)Ｘ射線診斷主要還是依賴ＦＦＤＭ，但由于ＤＢＴ成像技術更加出色的能效逡逑受到了業(yè)內(nèi)廣泛關注，并有望在將來得到廣泛的應用［１４］。如圖１．２所示，在數(shù)字乳腺Ｘ射線逡逑成像市場處于主導地位的跨國公司包括Ｈｏｌｏｇｉｃ、Ｓｉｅｍｅｎｓ等，皆已推出具有ＤＢＴ成像技術的逡逑先進系統(tǒng)。為了打破跨國公司的壟斷，國內(nèi)關于ＤＢＴ成像系統(tǒng)的研發(fā)正在進行，與之相配套逡逑的ＤＢＴ影像專用計算機輔助診斷系統(tǒng)（ｃｏｍｐｕｔｅｒ邋ａｉｄｅｄ邋ｄｉａｇｎｏｓｉｓ，ＣＡＤ）的相關研究也正在逡逑同步進行中。逡逑Ｃ：ｆ逡逑＋＇．ｖ邐？邐／逡逑一：＼邐Ｊ邐，逡逑＼邐！邋Ｚ逡逑＂ｉｉｎｎｉｎｗｉｉ逡逑Ｖ邋？逡逑馨邐／邐！、、逡逑／邋？逡逑／邐ｓ邐ｖ逡逑圖１．１西門子ＤＢＴ系統(tǒng)逡逑因為ＤＢＴ成像技術與傳統(tǒng)的Ｘ線檢查相比，雖然在乳腺病變發(fā)現(xiàn)和診斷方面上有明顯逡逑優(yōu)勢，但是采集的大量影像信息也增加了診斷醫(yī)生的工作量，延長了診斷時間，所以為了這逡逑項新技術能在將來快速得到廣泛應用，提高乳腺癌早期診斷率，亟需一套專用的ＣＡＤ系統(tǒng)來逡逑幫助醫(yī)生提高診斷效率。本文所研宄的數(shù)字乳腺三維斷層影像腫塊的自動檢測系統(tǒng)

引言逡逑乳腺癌在全球范圍內(nèi)對女性的健康威脅越來越嚴重，物理學和裝備技術的發(fā)展為乳腺檢查帶來了更多新的希望，隨著乳腺Ｘ射線技術的發(fā)展，ＤＢＴ成像技術的誕生彌補直接投影式二維成像技術對于致密性乳房和組織重疊成像上的不足，使得原本被遮得以顯示，有效提高了乳腺Ｘ射線影像的清晰度，大幅度的提高了乳腺癌的病變檢出數(shù)字乳腺三維斷層影像（ＤＢＴ）技術逡逑１孚Ｌ腺ＤＢＴ成像原理逡逑在使用ＤＢＴ成像技術時，需要對照射乳房采取壓迫手段，使其保持靜止。在進行投影，Ｘ射線發(fā)射器圍繞著靜止的目標乳房旋轉(zhuǎn)有有限的角度，通常為１０°至２０°。Ｘ射線每旋轉(zhuǎn)１°就完成一次Ｘ射線低劑量投影，Ｘ射線穿透目標乳房由背板接收，從而得到的數(shù)字二維投影視角（ＰｒｏｊｅｃｔｉｏｎＶｉｅｗ，ＰＶ）影像，如圖二２．１所示。因為不同廠家出ＢＴ成像機器可能使用不同的旋轉(zhuǎn)角度，所以不同機型的數(shù)字ＰＶ影像數(shù)量也有不同，１０至２０之間，圖中所示是旋轉(zhuǎn)１５角度的機型。這些獨立的數(shù)字ＰＶ影像是在不同角Ｉｎｃｉｄｅｎｔ邋Ｘ－ｒａｖｓ逡逑

【參考文獻】

相關期刊論文 前6條

1 孫志軍;薛磊;許陽明;王正;;深度學習研究綜述[J];計算機應用研究;2012年08期

2 S.S.J.Feng;I.Sechopoulos;蘇亞文;麻智慧;;臨床數(shù)字乳腺斷層X線組合系統(tǒng):劑量測量特征[J];國際醫(yī)學放射學雜志;2012年03期

3 李弋;葉兆祥;;數(shù)字乳腺斷層攝影診斷乳腺癌現(xiàn)狀[J];國際醫(yī)學放射學雜志;2010年02期

4 白楊;;基于SAPSO優(yōu)化三維Otsu方法的醫(yī)學圖像分割算法(英文)[J];中國組織工程研究與臨床康復;2008年22期

5 王向義,鐘純,聶云飛,易少波,易光華,彭慶星;乳房固定結構的解剖[J];鄭州大學學報(醫(yī)學版);2005年04期

6 余厚軍;乳腺X線攝影系統(tǒng)的發(fā)展動態(tài)[J];實用放射學雜志;2004年07期

本文編號：2787597