用于乳腺肿瘤分级诊断超声图像增强的算法

为提高乳腺肿瘤分级诊断的能力,提出一种基于超声信号用于乳腺肿瘤分级诊断的图像增强算法。通过分析良性和不同恶性程度肿瘤的超声图像的特征差异,提出了一种将灰度的动态变换方法和利用局部标准差及熵特征相结合的办法,对图像对比度进行增强处理,增强了乳腺超声图像的细节,提高了图像质量。该算法可对良性、恶性肿瘤等不同超声图像进行增强处理,使得图像之间差异更加明显,为临床医生分级诊断提供更加清晰的图像,具有一定的实际应用价值。     

一种基于小波变换的乳腺X线图肿块分割方法

目的：乳腺癌的早期诊断和治疗是能够降低乳腺癌患者死亡率的有效途径。通过乳腺X线图像观察乳腺状况是目前乳腺癌普查的首选影像方法。随着图像处理技术的高速发展,计算机辅助检测技术在乳腺癌的检测方面起到越来越重要的作用。方法：本文首先利用图像处理领域的形态学处理、区域增长等相关知识,对乳腺X线图像进行预处理操作,去除图像中所包含的干扰信息。之后提出一种对图像的灰度直方图进行小波变换,并根据其小波变换的模极大值点确定图像分割阈值的方法对乳腺X线图像中的疑似肿块区域进行粗分割。在通过粗分割过程获得乳腺肿块的大致位置信息之后,再利用区域增长的方法获得肿块的边缘信息。结果：本文选取MIAS乳腺图像数据库中的65幅图像作为测试图像,保证每幅图像至少包含一个乳腺肿块。利用本文所提方法对这65幅图像进行实验,并将实验结果与该数据库中的专家标注信息作对比,实验结果为当采用db40的小波系数时的检出率为95．5％。结论：本文所述方法能够有效地分割出乳腺X线图中的肿块区域,并且有较高的检出率,具有进一步研究和应用的价值。     

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。     

利用金字塔方法增强DR图像

目的:数字化X线图像(DR)空间分辩率高、动态范围宽,对其进行影像增强处理能提取丰富的临床诊断信息,对疾病诊断,特别是早期病灶的发现提供良好的诊断依据。为此,本文提出了一种基于多尺度方法的DR图像增强算法。方法:构建高斯金字塔和拉普拉斯金字塔,利用特定函数调整拉普拉斯金字塔的系数,根据两个金字塔构成的图像序列,通过反复扩展图像并将结果加起来而重建原始图像,增强图像细节。结论:本文通过多尺度图象增强算法,扩展了DR图像的有用信息,突出了图像细节,为临床诊断提供了实用的增强显示效果。     

基于小波变换的微钙化灶增强

用图像增强技术处理乳腺钼靶片，以识别读原片时难以分辨的微小病灶的细节。此项技术是先对原始图像做小波变换，然后利用归一化的差值图像数据调制小波系数，最后取变换后小波系数的一部分反变换得到增强图像。将此法与传统的部分小波变换和基于形态学的高帽增强算法比较，加权小波系数部分重构增强法在检测微钙化灶方面上优于其他两种方法。     

基于小波变换的乳腺X线影像微钙化点感兴趣区域提取新技术

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作前期预处理,提出了一种基于小波变换的微钙化点感兴趣区提取新技术。其具体思路是:(1)将乳腺区域图像提取成等大的子图像;(2 )对每一幅子图像进行小波变换,根据特征参数ρ讨论最优小波变化参数和阈值T;(3)根据阈值T判别子图像是否属于感兴趣区。对临床实际病例(2 0幅乳腺X线影像)的试验结果表明,该方法具有较高的检出率(89.7% ) ,和较为满意的假阳性率(2 .1% )。     

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.     

乳腺X线图像肿块分割

乳腺肿块分割是乳腺癌计算机辅助诊断(CAD)检测和识别系统中关键的一步.由于乳腺肿块与背景相互交叠、边界不清晰、乳房密度不均匀,使得其分割比较困难.本文基于区域增长算法,研究了利用乳腺肿块自身特征得到最优分割阈值的方法,从而提出一种对乳腺X线图像肿块快速、有效的分割方法.实验结果表明该方法在保证肿块针状化特征情况下,拥有较好的分割效果.     

基于灰度对比和自适应小波变换的X射线图像增强

背景:X射线检查作为常规的检查方式得到了广泛的应用,然而由于现有技术的局限性,使得X射线图像往往具有灰度对比度低和噪声影响等缺点,因此,现有的X射线图像往往达不到医生的要求。目的:增强和去噪处理对比度较低且含有噪声的X射线图像,以达到易于医生理解和识别的目的。方法:针对空间域处理和变换域处理增强X射线图像的不足,提出了基于灰度对比和自适应小波变换的X射线图像增强算法。首先,选择需要增强和减弱的灰度范围,并根据八邻域灰度对比增强算法对X射线图像进行灰度变换,并用中值滤波算法对图像进行平滑;然后,对X射线图像进行小波分解,并运用相邻分解层之间相关系数的大小来确定细节信号和噪声。结果与结论:应用了灰度对比和自适应小波变换相结合的X射线图像增强算法,把基于空间域增强的方法和基于变换域的方法有机地结合起来,比传统的单一增强方法更为优越。实验结果证明它能自适应地增强X射线图像的灰度对比,使得图像细节的显示更加清晰,同时在一定程度上去除了噪声的干扰,对于灰度对比度较低的图像效果更加明显。     

一种乳腺钼靶X线图像的软拷贝显示优化方法

数字乳腺钼靶X线图像比胶片乳腺X线图像能更有效地表现和检测乳腺病变,本研究提出了针对DICOM 格式乳腺钼靶X线图像的高效软拷贝显示方法.通过提取图像中的乳腺区域获得对初始窗口参数的准确估计,使乳腺组织在图像初始显示时就有比较好的对比度.利用乳腺区域分割结果,交互调窗操作时只更新乳腺区域内部像素的显示灰度,背景区域像素灰度保持不变;用整数运算和移位运算实现了多项式插值函数,优化了频繁调用的图像缩放操作.算法能显著提高乳腺钼靶X线图像软拷贝显示效率.     

医学图像增强方法综述

医学图像增强的目的是通过图像增强的方法得到优化的医学图像,以帮助医生从图像中获得更多细节信息,进一步做出更加客观的诊断及制定更全面的治疗方案,在一定程度上可提高临床诊断的准确性。本文首先归纳总结当前应用较为广泛的医学图像增强处理技术,包括传统的图像增强方法、改进的图像增强方法、融合的图像增强方法以及深度学习方法,然后对这些方法的原理、优缺点加以分析和总结。最后指出无论是传统方法还是现代图像增强方法,都应在最大限度保留其优势的情况下进行融合,取长补短,注重简单化和时效性,使提高图像的视觉质量同时更具有实用性。     

融合感受野模块的卷积神经网络视杯视盘联合分割

青光眼是世界第一大不可逆致盲性眼病,早期诊断和及时治疗是预防青光眼致盲的有效措施。眼底图像中的杯盘比是青光眼早期筛查与临床诊断的重要指标。因此,精确的视杯视盘分割是准确计算杯盘比并提高青光眼计算机辅助诊断技术的关键。针对这一问题,在对眼底图像进行极坐标变换的基础上,提出一种融合感受野模块的卷积神经网络Seg-RFNet,以实现视杯视盘联合分割。Seg-RFNet以SegNet框架为基础,使用ResNet50作为编码层,增强图像的特征提取能力,并对编码层进行分支处理,进一步获得更多的深层语义信息;同时在编码层和解码层之间加入感受野模块,模拟人类视觉系统,在增大感受野的同时增强了有用特征的响应。使用MICCAI 2018公开数据集REFUGE中的800张眼底图像对所提出方法与其他方法进行性能验证和比较。结果表明,Seg-RFNet分割视杯和视盘的Jaccard相似度分别0.951 5和0.872 0,F分数达到了0.974 9和0.930 1,与常用的U-Net、SegNet 网络相比,Seg-RFNet具有更好的视杯视盘联合分割精度,为计算杯盘比提供了精确分割基础。     

基于人眼视觉特性的图像处理技术

本文根据视觉神经的感知特性和Weber-Fechner定理,提出了新的中值滤波和图像增强等图像处理方法,有效地改善了细胞显微图像的质量,使之更加符合人眼的观察特性,同时为图像处理技术提供了新的手段和思路。     

用于脂肪肝分级诊断的超声图像增强算法

提出一种针对脂肪肝分级诊断的超声图像增强算法,提高超声图像对脂肪肝的分级诊断能力。通过分析正常肝和不同程度脂肪肝在超声图像上的表现特点,本研究提出了一种将灰度的分段线性变换方法和改进的局部对比度增强方法相结合的图像增强方法,该方法首先通过灰度分段线性变换处理来凸显图像的脂肪肝特征,然后利用改进的局部对比度增强处理来增强图像的细节,提高图像的整体质量。应用该方法分别对正常肝和轻度、中度以及重度脂肪肝超声图像进行增强处理并对比原图像,结果表明,增强后图像的脂肪肝特征更加凸显,图像细节得到了提高,不同程度脂肪肝图像之间的差异更明显,具有更好的脂肪肝诊断信息。本研究提出的方法可提高超声图像分级诊断脂肪肝的能力,具有一定的实际应用价值。     

Computer aided detection of microcalcifications in digital mammograms

Microcalcification detection is widely used for early diagnosis of breast cancer. Nevertheless, mammogram visual analysis is a complex task for expert radiologists. In this paper, we present a new method for computer aided detection of microcalcifications in digital mammograms. The detection is performed on the wavelet transformed image. The calcifications are separated from the background by exploiting the evaluation of Renyi's information at the different decomposition levels of the wavelet transform. Experiments are performed on a standard and publicly available dataset and the results are evaluated with respect to recent achievements reported in the literature.     

A regional registration technique for automated interval change analysis of breast lesions on mammograms

Analysis of interval change is a useful technique for detection of abnormalities in mammographic interpretation. Interval change analysis is routinely used by radiologists and its importance is well-established in clinical practice. As a first step to develop a computerized method for interval change analysis on mammograms, we are developing an automated regional registration technique to identify corresponding lesions on temporal pairs of mammograms. In this technique, the breast is first segmented from the background on the current and previous mammograms. The breast edges are then aligned using a global alignment procedure based on the mutual information between the breast regions in the two images. Using the nipple location and the breast centroid estimated independently on both mammograms, a polar coordinate system is defined for each image. The polar coordinate of the centroid of a lesion detected on the most recent mammogram is used to obtain an initial estimate of its location on the previous mammogram and to define a fan-shaped search region. A search for a matching structure to the lesion is then performed in the fan-shaped region on the previous mammogram to obtain a final estimate of its location. In this study, a quantitative evaluation of registration accuracy has been performed with a data set of 74 temporal pairs of mammograms and ground-truth correspondence information provided by an experienced radiologist. The most recent mammogram of each temporal pair exhibited a biopsy-proven mass. We have investigated the usefulness of correlation and mutual information as search criteria for determining corresponding regions on mammograms for the biopsy-proven masses. In 85% of the cases (63/74 temporal pairs) the region on the previous mammogram that corresponded to the mass on the current mammogram was correctly identified. The region centroid identified by the registration technique had an average distance of 2.8+/-1.9 mm from the centroid of the radiologist-identified region. These results indicate that our new registration technique may be useful for establishing correspondence between structures on current and previous mammograms. Once such a correspondence is established an interval change analysis could be performed to aid in both detection as well as classification of abnormal breast densities.     

基于滑动块的深度卷积神经网络乳腺X线摄影图像肿块分割算法

目的:提出一种基于滑动块的深度卷积神经网络局部分类、整图乳腺肿块分割的算法,为临床诊断提供有效的肿块形态特征。方法:首先通过区域生长算法和膨胀算法提取患者乳腺区域,并进行数据归一化操作。为了得到每一个像素位置上的诊断信息,在图像的对应位置中滑动提取肿块类及非肿块类图像块,根据卷积神经网络提取其中的纹理信息并对图像块进行分类。通过整合图像块的预测分类结果,进行由粗到细的肿块分割,获得乳腺整图中像素级别的肿块分割。结果:通过比较先进的深度卷积神经网络模型,本文算法滑动块分类结果DenseNet模型下准确率达到96.71%,乳腺X线摄影图像全图肿块分割结果F1-score最优为83.49%。结论:本算法可以分割出乳腺X线摄影图像中的肿块,为后续的乳腺病灶诊断提供可靠的基础。     

多尺度塔型医学图像增强算法

在基于影像的医学诊断中，为了从图像中挖掘出尽可能多的决策信息，首先需要研究高效的图像增强算法。在分析人眼视觉特性和比较诸多图像增强方法的基础上，本研究选择并改进了一种多尺度塔型图像增强快速算法。以CR和DR临床图像增强为例，实验结果证明了该方法可以较好的满足人眼视觉主观要求，增强效果优于传统单一尺度方法。与小波多尺度图像增强相比，效果相当，但运算时间大为降低，具有良好的实际应用价值。     

A level crossing enhancement scheme for chest radiograph images

A new approach for contrast enhancement of chest radiograph image data is presented. Existing methods for image enhancement focus mainly on the properties of the image to be processed while excluding any consideration of the observer characteristics. In several applications, particularly in the medical imaging area, effective contrast enhancement for diagnostic purposes can be achieved by including certain basic human visual properties. In this paper we shall present a novel (recursive) algorithm that tailors the required amount of contrast enhancement based on a combination of the optimal phase representation and the theory of projection onto a convex set. Constraints of maximum bandwidth of the image data, appropriate knowledge of the amplitude value of the image data, heuristic limitations and level crossing measurements serve to impose additional information. So that, the enhanced image data may better converge to the good quality image.     

基于视觉感知信息的乳腺钼靶肿块检测分析与自动提取

医生的视觉感知信息与影像诊断联系紧密,如何有效利用该信息以提高医学影像辅助诊断中的决策准确性,是一个具有前沿性和实际临床价值的研究课题。针对医生临床诊断时其视觉感知行为的分析和利用,探讨医生读片时单纯的视觉注视信息在多大程度上反映肿块位置（可检测性）,以及如何利用视觉注视信息提取病灶。首先,用眼动仪采集医生读片时的注视点序列,每个注视点包括该点在钼靶影像中的相对位置、注视点停留时间和瞳孔直径等3个视觉特征,然后基于这些特征对注视点序列进行聚类分析,根据关注度评价找出医生浏览影像时的若干“关注点”位置,并对比分析其与肿块位置的关系,以评价“命中率”;以关注点为引导,利用区域生长和水平集方法对肿块病灶进行提取。利用DDSM数据库和浙江省肿瘤医院数据库的75张钼靶影像进行初步实验。将关注点数限制在4个以内时,肿块病灶命中率为58.49%,同时所有命中肿块中被完整提取的占70.97%。结果表明,医生视觉注意信息对肿块位置的反应有一定作用,有助于理解感知反馈提高诊断精度的内在机理。