B超图像的乳腺肿瘤计算机辅助诊断系统研究

摘要：目的 分析B超图像的乳腺肿瘤计算机辅助诊断系统，以降低活检率。方法 收集我院2012年11月～2014年11月诊治的乳腺肿瘤患者423例作为研究对象，采用回顾性的方式分析患者的临床资料，总结乳腺肿瘤超声声像图特征。结果 本文通过对患者的乳腺肿瘤超声声像图特征分析，最终利用加权中值滤波算法将speckle 噪声有效的清除干净，同时采用另一种新型的直方图均衡化算法大大提高了图像的对比度；其次是应用区域生长的基础上演变而来的分割算法对乳腺肿瘤初始区域进行了切割和提取，并选择空洞填充和形态学滤波完成了后续工作，最终获得了423份准确度较高的病灶区域；最后在病理学的基础上提出一种特征提取方式，该方式主要以乳腺肿瘤轮廓分型为基础，同时综合了其形状、长宽比、粗糙度等 共计七个形态特征对肿瘤边界的粗糙度进行全面的描述。再结合BP神经网络区分不同类型的特征矢量，大大提高了乳腺肿瘤的良恶诊断率，最终完成了降低活检率的目标。结论 充分利用B超图像的乳腺肿瘤计算机辅助诊断系统对于提高乳腺肿瘤的良恶诊断率、降低活检率具有非常重要的作用，值得在临床应用上推广。

关键词：B超图像；乳腺肿瘤；计算机辅助诊断系统

乳腺癌是女性排名第一的恶性肿瘤，严重危害着女性的身体健康和生命安全[1]。临床表明，采取有效的诊断方式及早诊断并积极治疗对于提高治疗效果和预后具有非常重要的作用。B超诊断乳腺癌由于具有价格低廉、无放射等优势而在临床上得到了广泛的应用。但在图像的鉴别上往往是通过肉眼和经验，容易发生误诊，尤其是对良性肿瘤的误检率教导引起了活检结果为良性的患者不断增多，增加了患者的痛苦和经济负担[2，3]。本文旨在分析B超图像的乳腺肿瘤计算机辅助诊断系统，以降低活检率，本文收集我院2012年11月～2014年11月诊治的423例乳腺肿瘤患者的临床资料进行回顾性分析，现报道如下。

1资料与方法

1.1一般资料 收集我院2012年11月～2014年11月诊治的423例乳腺肿瘤患者，本组患者年龄15～79岁，平均年龄（47.56±5.34）岁；对照组年龄为21～74岁，平均年龄（45.64±5.34）岁。

1.2 方法 本次检查使用的仪器为PHILIPS 5500 B超机，选择频率为7.5～10 MHz的探头。具体检查步骤为：患者仰卧或者侧卧，使受检的腋窝和充分的暴露出来，以为中心，沿着乳腺各象限并沿着乳腺导管长轴切面做横向和纵向连续扫描。详细查看肿块的位置、边缘、形态、大小、内部回声、包膜、肿块内的血流情况以及肿块后方回声，记录检查的阻力指数和收缩期最大流速峰值，最后将图像传输到相应的软件系统进行图像处理。在此过程中以声像图特征基础，充分结合加权中值滤波算法、分割算法、直方图均衡化算法等多种算法对图像进行处理。

1.3效果判定标准 根据我国卫生部颁布的相关《乳腺癌诊治规范》[4]中的条例判定乳腺癌。

2结果

本文通过对患者的乳腺肿瘤超声声像图特征分析，最终利用加权中值滤波算法将speckle 噪声有效的清除干净，同时采用另一种新型的直方图均衡化算法大大提高了图像的对比度；其次是应用区域生长的基础上演变而来的分割算法对乳腺肿瘤初始区域进行了切割和提取，并选择空洞填充和形态学滤波完成了后续工作，最终获得了423份准确度较高的病灶区域；最后在病理学的基础上提出一种特征提取方式，该方式主要以乳腺肿瘤轮廓分型为基础，同时综合了其形状、长宽比、粗糙度等 共计七个形态特征对肿瘤边界的粗糙度进行全面的描述。再结合BP神经网络区分不同类型的特征矢量，大大提高了乳腺肿瘤的良恶诊断率，最终完成了降低活检率的目标。

3讨论

3.1 乳腺肿瘤的超声图像预处理 超声图像在生成和传输过程中往往会受到多种因素的影响，尤其是噪音，最终导致图像质量变差。因此，在超声检查过程中图像去噪就非常重要。临床表明，超声图像的噪声主要来源于散斑（Speckle），散斑具有来源广、相位随机的特点。本文利用噪声信号服从 Rayleigh 分布的特性，利用加权中值滤波算法有效的将散斑去除；图像对比度主要是增强图像中用户感兴趣的信息，并对另外一些不重要的信息进行屏蔽或者模糊，以提高图像的分析效果和识别能力，超声图像获取时会因为多方面因素降低图像质量，在图像增强的处理上主要是增强乳腺肿块 ROI 区域及边缘信息，并对非ROI 区域信息进行抑制[5]。本文在图像增强的方式上主要选择空域滤波，对灰度拉伸进行了对比分析，另外是利用直方图均衡化处理，在此基础上提出了一种乳腺肿瘤 B 超图像的边界直方图均衡增强算法。

3.2 乳腺肿瘤的超声图像分割 乳腺肿瘤超声图像分割的目的主要是分离肿瘤 ROI 区域和背景区域，从而将乳腺肿瘤边缘轮廓提取出来。通过对乳腺肿瘤的边界、回声分布、形态等信息对肿瘤的良恶性进行判断，因此，获得良好的分割效果对肿瘤的诊断具有非常重要的意义。目前常用的医学超声图像分割方法分为两种类型：一类为基于区域生长的方法，另一类为基于边缘检测的方法，常见的基于区域生长方法主要包括阈值分割、区域生长法两种类型，阈值分割具有计算速度快、方法简单等优势；基于边缘检测方法的原理为对相邻象素特征值的突变性进行检测从而得到各区域之间的边缘解决图像分割的问题，但大量的临床案例表明，这种方式往往会由于边缘信息突出情况不明显而产生间隙，从而降低了检测的准确率[6]。本文所选423例患者均采用基于区域生长的方法完成图像分割，最终取得了较好的效果。同时，在采用基于区域生长的方法完成图像分割之后，由于初始肿瘤区域在细节上存在许多细小的毛刺和突起，内部也存在一些空洞，因此要对初始肿瘤区域图像进行后续滤波处理。本文423例患者均选择空洞填充和形态学滤波完成了后续工作，最终获得了423份准确度较高的病灶区域。

3.3 特征提取与识别 乳腺肿瘤的特征主要分为两种类型：纹理特征、形态特征，形态特征主要是通过观察肿瘤的外形特点，包括形状、是否有针状体、边界规则度等，纹理特征则反映了肿瘤内部的回声分布、与邻近组织的关系等。这两种特征也是识别和诊断乳腺肿瘤的重要依据。而纹理特征容易受到噪声的影响，而形态特征则相对较直观，不容易受到噪声的干扰[7]，因此本文423例患者均采用采形态特征作为判别乳腺肿瘤良恶性。本文423例患者中通过应用区域生长算法提取轮廓及边缘，其中有417例得到了准确的结果，另外6例患者获得肿瘤轮廓与边缘与医生勾勒的结果存在较大的偏差。

4结论

据有关临床统计资料表明，乳腺癌是全世界妇女最常见的恶性肿瘤，并且正呈现逐年上升的势态发展。据国外的相关报道称，自上世纪90年代开始，乳腺癌患者就在不断的增多，每年的增长率大约为1.5%。因此，对于乳腺癌的诊治已引起了全世界各界人士的关注。Houssami表明，在乳腺癌发病的早期便积极诊治对于提高治疗效果有着很大的帮助，并且病灶越小，诊治效果越好。超声技术是诊断乳腺癌的常用方式，而在实施超声诊断过程中，报告图像的质量直接决定了超声诊断的准确率。这就需要合理的选择计算机辅助诊断系统的相关工具和计算方法进行图像处理，获得质量更高的图像，从而提高诊断效率和准确性。

本文主要对我院2012年11月～2014年11月诊治的423例乳腺肿瘤患者的临床资料进行回顾性分析，通过本次研究可以看出，充分利用B超图像的乳腺肿瘤计算机辅助诊断系统对于提高乳腺肿瘤的良恶诊断率、降低活检率具有非常重要的作用，值得在临床应用上推广。

参考文献：

[1]王琼芳.B超图像的乳腺肿瘤计算机辅助诊断系统研究[D].四川师范大学，2009.

[2]郭凌云.基于小波变换的乳腺肿瘤超声图像识别研究[D].中南大学，2010.

[3]王鲜.基于肝脏B超图像的计算机辅助诊断研究[D].华中科技大学，2009.

[4]姜兴岳，耿道颖，沈天真，等.基于Bayes网络的常见脑肿瘤计算机辅助诊断系统初步研究[A].浙江省放射学学会.2006年华东六省一市暨浙江省放射学学术年会论文汇编[C].浙江省放射学学会，2009：1.

[5]汪源源，沈嘉琳，王涌，王怡.基于形态特征判别超声图像中乳腺肿瘤的良恶性[J].光学精密工程，2011，02：333-340.

[6]李晓峰，沈毅.基于支持向量机的超声乳腺肿瘤图像计算机辅助诊断系统[J].光电子.激光，2010，01：115-119.

[7]李晓峰，沈毅，王强.超声乳腺肿瘤图像计算机辅助诊断系统[J].吉林大学学报（工学版），2009，03：770-775.