乳腺肿瘤超声图像中感兴趣区域的自动检测

由于斑点噪声、伪影以及病灶形状多变的影响,乳腺肿瘤超声图像中肿瘤区域的自动检测以及病灶的边缘提取比较困难,已有的方法主要是由医生先手工提取感兴趣区域(ROI)。本研究提出一种乳腺肿瘤超声图像中感兴趣区域自动检测的方法,选用超声图像的局部纹理、局部灰度共生矩阵以及位置信息作为特征,采用自组织映射神经网络进行分类,自动识别乳腺肿瘤区域。对包含168幅乳腺肿瘤超声图像的数据库进行识别的结果表明:该方法自动识别ROI的准确率达到86.9%,可辅助医生提取肿瘤的实际边缘以及进一步诊断。     

基于坐标匹配和子图切分定位乳腺钼靶图像的感兴趣区域

乳腺X线摄影技术是早期发现和诊断乳腺肿瘤的首选方法。提取乳腺钼靶图像的感兴趣区域(region of interest,ROI)并利用人工智能算法对其进行模式识别,可有效提高乳腺肿瘤筛查工作的效率。试验图像均来自DDSM乳腺X线钼靶图像公开数据库,以其中BI-RADS分类为第4类(BI-RADS4)的簇状分布多形性钙化钼靶图像为研究对象,探求在设计乳腺钼靶图像分类器过程中提取ROI的新方法。结果显示,设计出优化的分类器后,可高效地识别试验对象,其测试集上的分类准确率最高可达99.3%。因此,本研究可为医生的临床研判提供辅助信息,并为细分BI-RADS4、进一步精准诊断奠定技术基础。     

联合弹性特征的多特征乳腺肿瘤超声图像识别

计算机辅助诊断技术是提高诊断效率的有效手段,目前常使用肿瘤的形态和灰度纹理特征进行综合分析.而临床研究表明,肿瘤弹性也是判别其良恶性的重要指标.本文使用非刚性配准的方法,分析加压前后两幅灰阶超声肿瘤图像之间的差异,从而提取了形变总量和缩小放大比这两个反映肿瘤弹性的特征参数.随后的分类判决实验证明,这两个弹性参数对肿瘤良恶性具有较好的区分能力,联合使用形态特征后性能更优.     

基于超声影像组学的原发性肝细胞癌分级预测

目的:针对原发性肝细胞癌（HCC）肿瘤分级预测难题，提出一种基于灰阶超声成像的影像组学预测模型。方法:首先，由超声医生对肿瘤区域进行手动分割，其次，采用影像组学方法对肿瘤区域提取形状、一阶统计、纹理特征，计算特征间Pearson相关系数剔除冗余特征，最后通过单变量分析筛选得到特征子集，采用LASSO构建HCC分级预测模型；利用留一法计算模型的受试者操作特性曲线下的面积（AUC）评估模型对HCC分级的预测能力。结果:利用43例经手术病理证实的HCC患者的灰阶超声图像构建HCC分级预测模型，所建模型由6个与分级高度相关的影像特征组成，模型具有较强的预测能力（AUC=0.76）。结论:基于灰阶超声成像的影像特征与HCC分级高度相关，所建影像组学模型能够较好地预测HCC分级。     

超声弹性成像用于高强度聚焦超声损伤的检测

采用超声弹性成像的方法检测高强度聚焦超声在动物组织内产生的损伤.结果表明,聚焦超声的损伤在应变分布图(弹性图像)上表现为应变较小的区域,即损伤部位的弹性模量较周围组织的大,组织切片的损伤范围和大小也与应变分布图的结果一致.     

基于影像组学预测乳腺癌雌激素受体表达情况的可行性分析

本文利用影像组学的方法预测乳腺肿瘤分子标记物雌激素受体(ER)。首先采用基于相位信息的动态轮廓模型(PBAC)对乳腺图像进行分割,其次对乳腺超声图像中肿瘤的形态、纹理、小波三个方面的404个高通量特征进行提取并予以量化,然后利用R语言以及结合最大相关最小冗余(m RMR)准则的遗传算法进行特征筛选,最后利用支持向量机(SVM)和AdaBoost进行分类判别,实现根据乳腺超声图像预测分子病理指标ER的目的。对104例临床乳腺肿瘤超声图像数据进行实验,在使用AdaBoost作为分类器的情况下得到了最优指标,即分子标记物ER的预测准确率最高可以达到75.96%,受试者操作特性曲线下的面积(AUC)最高达到79.39%。实验结果证明了利用影像组学方法预测乳腺癌ER表达情况的可行性。     

超声弹性成像与彩色多普勒超声在乳腺占位性病变诊断中的对比分析

目的：分析与研究超声弹性成像与彩色多普勒超声在乳腺占位性病变诊断中的应用价值。方法对我院2012年3月~2013年10月收治的120例乳腺占位性病变患者共148个病灶的超声弹性成像与彩色多普勒超声表现进行回顾性分析,148个病灶均经手术病例结果证实。将超声弹性成像、彩色多普勒超声结果与病理结果进行对比。结果超声弹性成像在乳腺占位性病变诊断中的准确性、特异性、敏感性明显优于彩色多普勒超声,差异具有统计学意义(P<0.05)。结论乳腺站位性病变良恶性诊断中,超声弹性成像的准确率明显高于多普勒超声成像,其误诊率明显低于多普勒超声成像。     

高频超声结合组织声触诊量化技术对乳腺黏液腺癌特征分析

目的应用高频彩色多普勒超声结合组织声触诊量化技术(VTQ)分析乳腺黏液腺癌的特征。方法 21例乳腺黏液腺癌患者,均为女性,年龄48~83岁,平均年龄61.15岁。应用高频彩色多普勒超声分析其乳腺黏液腺癌的声像图特征,根据病理组织分型分为单纯型乳腺黏液腺癌和混合型乳腺黏液腺癌两组,并结合VTQ检测肿块的弹性特征[剪切波速度(Vs)]。结果乳腺黏液腺癌的形态不规则,边缘较清晰,后方回声增强,肿块内部回声低,内有微钙化者较少,肿瘤内血流分布少;单纯型和混合型乳腺黏液腺癌之间的内部回声均匀性差异有统计学意义。两组的VTQ参数差异有统计学意义[单纯型乳腺黏液腺癌组Vs=(1.15±0.75)m/s,混合型乳腺黏液腺癌组Vs=(4.32±0.63)m/s;P<0.05],单纯型乳腺黏液腺癌组肿瘤内部硬度较周边和正常乳腺组织的低,混合型乳腺黏液腺癌组硬度较周边和正常乳腺组织的高(P<0.05)。结论乳腺黏液腺癌常规声像图具有一定的特征,VTQ的应用对于乳腺黏液腺癌的诊断具有进一步的补充意义。     

恶性肿瘤动态对比增强磁共振成像计算机辅助诊断研究进展

动态对比增强磁共振成像(DCE-MRI)相较于传统的磁共振成像(MRI)技术,可以为恶性肿瘤的诊断提供更多的信息。为了能够方便、快速地利用这些信息,基于DCE-MRI的恶性肿瘤的计算机辅助诊断(CAD)研究成为业界研究的热点方向之一。文中综述了利用DCE-MRI图像信息进行恶性肿瘤CAD的研究进展,主要包括四方面内容:1图像预处理,如降噪和图像序列配准;2感兴趣区域(ROI)的分割;3特征提取,即对ROI进行定量描述并提取量化值作为特征;4肿瘤区域的识别与分类,即通过学习ROI的特征,对其是否为病灶进行识别及预测。本文总结了CAD技术在恶性肿瘤DCE-MRI图像中的应用,并对该领域今后的研究提出了自己的看法。     

基于局部调整动态轮廓模型提取超声图像乳腺肿瘤边缘

提出一种基于局部调整动态轮廓模型提取超声图像乳腺肿瘤边缘的算法.该算法在Chan-Vese (CV)模型基础上,定义了一个局部调整项,采用基于水平集的动态轮廓模型提取超声图像乳腺肿瘤边缘.将该算法应用于89例临床超声图像乳腺肿瘤的边缘提取实验,结果表明:该算法比CV模型更适用于具有区域非同质性的超声图像的分割,可有效实现超声图像乳腺肿瘤边缘的提取.     

乳腺肿瘤超声图像特征参数量化研究进展

乳腺肿瘤超声图像的特征量化分析对判别肿瘤的良、恶性具有重要价值。本文总结了良性和恶性乳腺肿瘤在超声图像上的特点，将乳腺良性肿瘤和恶性肿瘤鉴别特征在形状、边缘、边界、朝向、回声特点几个方面的量化方法和量化参数进行了较为全面的梳理，并对量化特征与肿瘤良、恶性之间的关系进行了分析。     

乳腺叶状肿瘤患者不同病理分型的超声表现

目的 探讨不同病理学分型的乳腺叶状肿瘤的彩色多普勒超声表现。方法 回顾性研究。纳入江阴市中医院及东南大学医学院附属江阴医院2008年1月—2018年9月49例经手术治疗及病理证实为乳腺叶状肿瘤的患者。49例患者均为女性,年龄17～74(45.78±10.50)岁;术后病理分型诊断为良性乳腺叶状肿瘤20例(40.81%)、交界性21例(42.86%)、恶性8例(16.33%)。采用美国放射学会超声乳腺影像报告和数据系统(BI-RADS)标准进行评估,并比较良性、交界性及恶性三种病理亚型的肿瘤病灶最大径线、超声BI-RADS分类、血供差异,以及不同大小肿瘤超声声像图表现差异。结果 三种病理亚型肿瘤病灶最大径线分别为(3.57±2.17)cm、(5.00±3.71)cm及(2.88±1.52)cm,差异无统计学意义(F=2.083, P＞0.05);49例患者超声BI-RADS分类,0类6例、3类24例、4类12例、5类7例,三种病理亚型的超声BI-RADS分类差异具有统计学意义(H=22.732, P＜0.05);良性、交界性及恶性肿瘤的富血供率分别为35.00%(7/20)、52.45%(11/21)及8/8,差异有统计学意义(χ²=12.782, P＜0.01)。超声灰阶声像图显示,病灶最大径≥5 cm的肿瘤内部液化发生率为6/10,高于最大径＜5 cm肿瘤液化发生率17.9%(7/39),差异有统计学意义(χ²=5.224, P＜0.05)。结论 当乳腺肿瘤在超声声像图上表现为分叶状、囊性变时要考虑叶状肿瘤的可能,应用超声BI-RADS分类可能有助于鉴别良性、交界性及恶性乳腺叶状肿瘤,当乳腺内病灶呈现富血供时要考虑恶性可能,但该病确诊仍需依靠病理。     

超声弹性成像技术研究现状

超声弹性成像(ultrasound elastography,UE)是以软组织的弹性参量为对象的一种新的成像技术,它弥补了传统超声成像技术不能提供生态学特性的不足,拓宽了超声图像在肿瘤探测及扩散疾病成像方面的应用,具有非常重要的临床应用价值。本文详细介绍了超声弹性成像技术的实现原理、研究现状以及常用的临床衡量指标,如对比度传输率、应变滤波器、时间延时等,并对其发展做出展望。     

BI-RADS分类及超声弹性不同参数对乳腺肿块的应用价值

目的探讨乳腺影像报告及数据系统分类法(BI-RADS)、超声弹性评分法(UE)和超声弹性面积比法(EAR)对乳腺肿块良恶性的诊断价值。方法回顾性分析经病理确诊或随访的89例患者89个乳腺肿块的超声图像,运用三种方法进行诊断并比较不同方法对乳腺良恶性肿块的诊断效能。结果三种方法在诊断乳腺肿块良、恶性间的差异均具有显著意义(P0.05)。运用BI-RADS分类法和UE评分法诊断乳腺良、恶性肿块的准确性、敏感性、特异性分别为78.7%、72.9%、85.3%和74.2%、81.2%和65.9%。运用EAR法判断乳腺良恶性肿块的最佳临界点为1.16,其对应的准确性、敏感性、特异性分别为87.6%、83.3%、92.7%,三种方法对应曲线下面积分别为0.77,0.81,0.94。结论三种方法对乳腺肿块良恶性诊断均具有一定应用价值。其中弹性面积比法具有较高的诊断价值,可结合BI-RADS分类、超声弹性成像评分法,提高对乳腺肿物的良恶性的诊断价值。     

基于超声图像的乳腺钙化点自动检测技术

当前乳腺钙化点检测方法多基于X光片,难以应用于超声图像,本研究提出基于超声图像的乳腺钙化点自动检测技术,首先将乳腺超声图像中的肿瘤区域通过勾画模板提取出来,基于简单线性迭代聚类算法进行超像素分割;然后提取表征各超像素的特征量来计算显著性图,基于钙化区域显著性进行粗钙化点分割;最终对分割后的粗钙化点进行形态学检测,达到对超声图像中的细钙化点自动检测。该方法取得了较好的分割效果,具有较强的鲁棒性,为形成具有普适性的肿瘤自动诊断方案奠定了研究基础。     

结合贝叶斯推理和局部多项式拟合的增强区域增长算法在超声弹性成像中的应用

超声应变弹性成像是一种非侵入性评估组织硬度的成像方式,临床上常用于乳腺、前列腺以及腹部器官的检查。位移跟踪是其中的重要环节,块匹配方法是位移跟踪的常用方法,但是在成像过程中因为探头超出平面的运动或者无关的生理运动导致信号去相关,常产生跳峰误差,导致这类方法产生的位移和应变图像质量较差。本研究提出一种将贝叶斯推理和局部位移拟合纳入区域增长运动估计框架中的运动跟踪算法(BRGMT-LPF)以解决上述问题。首先用最大后验概率值代替传统的互相关值,然后利用来自相邻匹配块的信息来正则化当前估计的位移,最后通过多项式拟合相邻位移值更新异常位移值获取最终位移。为验证本研究方法的有效性,评估本研究方法、区域生长运动跟踪算法(RGMT)、带局部多项式拟合的区域生长算法(RGMT-LPF)和仅带贝叶斯推理的区域生长算法(BRGMT)在计算机数字体模数据、在体数据上的追踪性能。结果表明,在通过有限元软件和FIELD II模拟的10对超声数据上,BRGMT-LPF获得了最低的平均绝对误差(MAE)0.169 9(降低0.25%)和最高的对比度噪声比(CNR)1.162 5(提高4%);从经病理证实的乳腺肿瘤病...     

采用多尺度多级组合分类器快速定位乳腺X片中的感兴趣区域

乳腺癌是妇女常见恶性肿瘤之一,早期诊断和治疗是降低乳腺癌患者死亡率的关键. 微钙化是乳腺癌早期的一个重要标志,因此快速准确地找出乳腺X光片中含有微钙化簇的感兴趣区域(ROI)是成功诊断的第一步.乳腺X光片中含有大量无病变区域和少量微钙化区域,形成了一种典型的不对称分类问题.本研究结合大量无病变区域的信息训练多级组合分类器,并借助多尺度方法加快筛选速度,以定位ROI.在真实的数字化X线乳腺照片上的实验表明,该方法在无漏检的情况下,可以排除92.64%的正常区域,而且基于Matlab处理,对于每幅图片的平均处理时间仅为7 s.     

改良超声弹性成像评分标准在乳腺肿块鉴别诊断中的价值

目的 探讨改良超声弹性成像评分标准诊断乳腺病变良、恶性的价值.方法 以手术病理结果为诊断金标准,对672个乳腺病灶的超声弹性成像图依据旧评分标准及改良评分标准进行评分,弹性成像评分4分以上为恶性,3分以下为良性.结果 采用旧评分标准超声弹性成像(UE)诊断乳腺良、恶性病灶的敏感性、特异性和准确性分别为72.6%、94.9%和89.0%;采用新评分标准UE诊断乳腺良、恶性病灶的敏感性、特异性和准确性分别为:87.2%、94.1%和92.7%.经McNemarx2检验,两者准确性差异有统计学意义(P＜0.05).结论 改良超声弹性成像评分标准使用更为简便、准确,有助于乳腺肿块的良恶性鉴别.     

独立分量分析在乳腺钼靶X片感兴趣区域提取中的应用

为乳腺癌早期诊断和乳腺X线影像微钙化点计算机辅助检测的前期预处理,本研究提出基于独立分量分析（ICA）的自动提取新算法并且将其应用于乳腺图像感兴趣区域的自动提取.其具体思路是：（1）将乳腺区域图像提取成等大的子图像作为待测乳腺图像感兴趣区域;（2）将ICA应用于乳腺图像感兴趣区域得到基图像;（3）将待识别乳腺图像感兴趣区域在基图像所构成的子空间进行投影求得待测乳腺图像感兴趣区域的特征矢量;（4）用人工神经网络分类方法进行乳腺图像感兴趣区域的模式判别.对临床实际病例的试验结果表明,该方法的检出率为91%,与同类研究检出率相当.本研究方法简单有效,并具有较高的智能性,为ROI的自动提取提供了新的研究思路.     

超声检查在乳腺良恶性肿瘤中的应用价值

目的：探讨超声检查在乳腺良恶性肿瘤中的应用价值。方法应用灰阶超声对乳腺良恶性肿瘤的位置、形态、大小、边界、包膜、内部回声、纵/横比、有无钙化灶、后方有无衰减、肿块压缩变形等情况进行观察；彩色多普勒血流成像(CDFI)对乳腺良恶性肿瘤的血流情况进行分析。结果50例乳腺良恶性肿瘤中可疑良性病例40例，有38例经手术病理确诊为良性肿瘤，符合率95%，可疑恶性肿瘤10例中有8例经手术病理确诊为恶性肿瘤，符合率80%。结论灰阶超声和CDFI检查对乳腺良恶性肿瘤应用具有十分重要意义，为临床手术提供了术前重要参考依据。