刍议自适应水平集方法乳腺超声肿块分割.doc

刍议自适应水平集方法乳腺超声肿块分割 　　摘要：目的：对自适应水平集方法乳腺超声肿块分割进行分析。方法：根据本院160例乳腺患者的资料进行分析。结果：水平集方法已经逐渐成为图像分割领域的一个主要的研究点，并且在对图像分割问题进行处理的时候表现出较为良好的性能。结论：水平集方法仍处于飞速发展的阶段，它的理论以及应用方面的研究都需进一步深入以及完善，本文对超声成像固有的噪声大、伪影斑点多、对比度低等特点，具体阐述了自适应水平集方法乳腺超声肿块分割 关键词：自适应水平集方法；乳腺超声；肿块分割 Abstract： Objective： to adaptive level set method for ultrasonic breast segmentation are analyzed. Methods： according to the data of breast patients in our hospital before analysis. Results： the level set method has become a major point of research in the field of image segmentation， and at the time of processing the image segmentation problem show a relatively good performance. Conclusion： the level set method is still in the stage of rapid development， his theory and application research needs to be further deepen and perfect， in this paper， the ultrasonic imaging of inherent noise， and low contrast artifact spots more features， detailed elaborated the adaptive level set method for ultrasonic breast segmentation. KeyWords：adaptive level set method； breast ultrasound； breast mass segmentation 在乳腺癌的患者之中，较为常见的症状就是乳腺肿块。如何在X光片之中检测出乳腺肿块，就当前而言，已经逐渐成为在计算机的辅助之下进行乳腺癌检测的一个关键性问题。在乳腺X光图像之中的肿块能够直接将乳腺癌反映出来，在计算机的辅助系统之中，区分乳腺肿块良恶性的第一步就是有效地提取肿块区域，提取肿块的区域的准确性直接关系到患者诊断的可靠性。因为患者乳腺的组织成分例如血管、结缔组织、脂肪组织以及腺体的密度较为接近，使得乳腺X光片的质量在很大程度上受到影响 1一般方法 初始轮廓范围的确定 据患者乳腺超声图像的肿块病灶位置的性质显示，自动的固定设置取初始的轮廓。这主要是因为，超声解剖主要分成四个主要区域： 表皮层以及皮下区域主要包括脂肪与腺体层、淋巴管、腺体后的区域。大部分的肿瘤所生长的位置主要在腺体层，就是图1之中的两条白色平行线之内的范围，在这个范围之上区域就是表皮层以及皮下区域，之下是腺体后的区域，仅有个别的恶性肿瘤会浸润到这两个部分。初始轮廓均都由人工设置的，将病灶或者病灶主要的部分包括在其中 乳腺良恶性肿瘤在超声图像之中具有较为显著的形态学区别。在临床医学诊断上显示，边界的主要表现是鉴别良、恶性肿瘤最重要的超声征象，图像分割算法能够利用的重要信息主要体现在边界形态上。因为边界浸润的不规则以及钙化点的分割干扰，进而导致曲线演化收敛的速度逐渐减慢，迭代的次数逐渐增加，这两项数据均可为鉴别良恶性肿瘤提供一定重要的依据 2 CV 模型和相关改进方案 活动轮廓模型是一种较为常用的边缘提取算法，它主要采用参数方程进行控制初始曲线的动态形变以及位移，直到到达目标的边界之处停止，进而实现图像的分割。发展活动轮廓模型，水平集方法是一种较为新颖的求解几何曲线演化的方法。因为水平集函数在演化的过程之中可以灵活处理曲线的拓扑结构的变化，适合分割具有不规则属性的形状复杂的目标； 泛函的表达式可以用较为稳定的数值方式实现，计算的效率较高； 分割的结果主要是闭合光滑的高精度曲线，进而后续的分析识别方法提供了便利 3 实验结果及讨论 为了对本文所使用的方法进行验证，用160例患者的所包含肿块的乳腺超声所谓图像作为研究的样本组进行分割实验，样本的内容均