基于多尺度空间滤波和l1范数最近邻分类的乳腺图像微钙化点检测 the microcalcifications detection of mammograms based on multi-scale space filtering and l1 norm nearest-neighbor classifier.pdfVIP

第16卷第1期 电路与系统学报 V01．16No．1 2011年2月 JOURNALOFCIRCUITSANDSYSl_EMS 1 February，201 文章编号：1007．0249(2011)01．0085．07 基于多尺度空间滤波和，1范数最近邻分类的 乳腺图像微钙化点检测。 胡正平， 刘敏华 (燕山大学信息科学与工程学院。河北秦皇岛066004) 摘要，钙化信息是乳腺癌早期诊断的一个重要依据，针对钙化点检测检出率较低和假阳性较高的问题，提出一种 基于多尺度空间滤波和，，范数最近邻分类的乳腺图像微钙化点检测算法。首先利用多尺度空间滤波方法得到原图像的 多尺度显著特征图，然后通过基于人眼视觉特性的钙化点分割方法得到粗检测钙化点的二值图像，并送入，，范数最近 邻分类器去除假阳性点。仿真实验结果表明，本文的钙化点粗检测算法可较好的检测出可疑钙化点，对于对比度较低 的钙化图像也可得到较好的检测结果，同时后续的分类器判决效果良好，使钙化点检测结果具有较高检出率的同时具 有较低的假阳性率。 关键词t微钙化点检测；多尺度变换；，l范数最近邻分类器；乳腺图像 TP391．41 中圈分类号t 文献标识码，A 1 引言 乳腺癌是女性最常见的恶性肿瘤之一，严重威胁着妇女的健康甚至生命。乳腺钼靶X光片诊断是 目前早期发现和诊断乳腺癌的最常用的手段。细小、颗粒状成簇的微钙化点是早期乳腺癌的一个重要 表征，因此，乳腺钼靶X线图像中钙化点的检测对乳腺癌的早期防治具有非常重要的意义，更有效、 更精确的检测出x线图像中的钙化点是计算机辅助检测(ComputerAided 关键技术。 由于微钙化点在形状、大小、分布上都有很大变化性，且病灶灰度与周围乳腺组织灰度接近，所 以钙化点的检测比较困难。通常的钙化点处理过程是首先针对乳腺图像的感兴趣区域进行钙化点粗检 测，得到潜在可疑钙化点，然后提取钙化特征送入分类器进行判别，去除假阳性点。目前，主要的钙 化点检测方法有传统的图像处理技术、基于小波变换的图像特征增强技术的检测方法【l2J、统计学方法 【314】、基于模糊逻辑的检测方法【51、基于神经网络的分类方法【6】、基于支持向量机的分类方法【7】、基于 形态学的分类方法【8J，以及这几种方法的综合应用¨~1…。 为提高钙化点的检测精度和降低假阳性率，研究者们提出了许多不同的方法，例如文献【l，2】中提 出利用多尺度匹配小波变换进行钙化点检测，利用小波变换将乳腺图像分解为一组不同分辨率的子带 图像，其中最低频分量包含了大多数的背景信息，将该分量的小波系数置零，则重构的图像会包含包 括钙化点在内的高频分量，然后利用非线性阈值法分割出钙化点，由于难以准确把握重构的尺度，所 以重构图像中虽然包含钙化信息，但却难以准确分割出来；文献【3，4]采用统计学特征方法对钙化点进 行检测，其中文献[3】提出利用纹理统计特征来进行钙化点的检测，文献[4]采用局部统计学方法对乳腺 图像进行增强，然后通过多阈值分割出钙化点，但是统计特征的计算比钙化点特征比较复杂，计算量 较大；文献【5】提出利用模糊逻辑技术来检测钙化点，该方法利用图像的全局和局部信息得到模糊和增 强图像，通过曲线检测算法去除不相关的乳腺组织，最后利用迭代阈值法分割出钙化点，由于钙化点 的模糊规则比较简单而影响判决性能。文献[1l】提出了一种基于双视角的乳腺图像微钙化点匹配技术， ’收稿日期。2009—08．03修订日期：2009．10—09 (20080440124)；第二批中国博士后基金特别资助(200902356) 万方数据 电路与系统学报 第16卷 通过对MLO视角和CC视角的钙化点进行匹配分析判断真伪，以达到降低假阳性率的目的，该方法 由于受图像摄取质量等因素的影响较大，虽然较好的去除了假阳性点，但钙化点检出率受到较大抑制。 目前