小波在乳腺癌计算机辅助诊断中应用综述.docVIP

小波在乳腺癌计算机辅助诊断中应用综述 　　摘要：介绍了计算机在乳腺癌诊断中的作用，综述了小波近年来在乳腺癌诊断中各个方面的应用。指出小波在该领域的作用，展望了小波在该领域的发展方向。?? 　　关键词：小波； 乳腺X影像； 计算机辅助诊断?? 　　中图分类号：TP391文献标志码：A 　　文章编号2007 　　 　　1乳腺X影像处理?? 　　 　　乳腺癌是女性最常见的癌症之一。由于地理位置和饮食习惯不同，各国发病率也有所差异。在欧美国家中，乳腺癌高居女性癌症发病率第一位，普遍高于亚非国家。统计显示[1]，美国每八位女性中就有一人一生中将受到该病的困扰。而在我国，乳腺癌在女性中的发病率位于第二位，且呈逐年增长之势。据相关报道显示，近十年来我国的乳腺癌发病率上升了37%。?? 　　乳腺癌不仅具有高发病率，也具有高死亡率。据估计，美国2005年有41万名女性死于该病[2]，而全球每年也有50万妇女死于该病。为了降低乳腺癌的死亡率，早期检查和预防至关重要。乳腺X影像是目前最普遍，同时也是最有效的一种早期检测工具[3]。为了方便计算机诊断，乳腺X影像需要进行数字化处理。目前国际上很多研究组织建立了公用数字化数据库，如MIAS、DDSM、Nijmegen等。图1就是一张典型的乳腺X影像图。?? 　　乳腺癌的检查过程主要是通过医生查看乳腺X影像，凭经验作出诊断。然而，由于医生经验不足、乳腺X影像本身不够清晰、含有噪声等主客观因素，检测的结果往往不太理想。研究表明，仅通过医生的视觉判断，大概有10%～30%的患者被漏诊[4]。为了更准确地进行诊断，需要对可疑区域进行切片（Biopsy）检查，然而切片不仅要让患者承受生理和心理上的痛苦，而且其昂贵的花费也让很多患者望而却步。统计显示，通过切片检测也只有15%～34%??的患者被确定为肿瘤[1，4]。由此可见，切片对提高诊断率的效率是很低的。为了避免切片检查，寻找高效的乳腺X影像诊断方法一直是国内外该领域学者研究的方向。?? 　　为了避免人为造成的误诊，目前普遍采用二次诊断的方法[4]，即通过第二个医生对第一个医生的诊断结果进行第二次诊断。实践证明，经过二次诊断，正确率可以提高5%～15%[4，5]。然而面对大量乳腺X影像图片时，这样的过程将是费时费力的，在二次诊断中让计算机充当一个“医生”的角色将是一种可行而可靠的方法。计算机先对乳腺X影像进行一次诊断，然后再由医生对计算机的诊断结果作最后的判断，这样不仅能保证诊断的正确率，也可以使医生把注意力集中在一些可疑部位进行判断，从而减轻了医生的负担，加快了诊断速度，提高了诊断质量。?? 　　 　　2肿瘤检测?? 　　 　　乳腺癌在早期主要表现为由一些白色高亮点组成的微钙化簇（Microcalcification Cluster），而在中期和晚期则表现为成块的高亮区域，即肿块（Mass）。根据病变的程度，微钙化和肿块又有良性和恶性之分，微钙化的良、恶性主要表现在簇的大小、簇中微钙化点的多少和直径等方面；而肿块的良、恶性分类主要表现在肿块的形状和纹理特征方面。如图2所示，良性肿块表现为低密度、边界清晰的圆形肿块（Circumscribed Mass）；恶性肿块则表现为高密度、边界模糊呈辐射状的星形肿块（Spiculated Mass或Stellate Mass）[1]。?? 　　真阳性率（TP）=检测到的病变区域个数/总的病变区域个数?? 　　假阳性率（FP）=正常区域检测为病变区域的个数/总的乳腺X影像图片数?? 　　计算机辅助诊断（CAD）的乳腺癌检测可以分为两个阶段：①检测，主要是对病变区域进行定位；②分类，即根据癌症的不同特点对感兴趣区域（ROI）进行分类，判断病变所属的类型。因此，检测和分类算法的好坏将关系到整个系统性能的优劣。一个CAD系统主要是通过真阳性率（TP）和假阳性率（FP）来评价。?? 　　真阳性率越高，说明该算法的诊断率越高；而假阳性率越高，则说明误诊的几率也越高。目前对CAD系统主要有两种衡量方法：①用真阳性率/假阳性率来代表肿瘤检测的性能；②用ROC曲线，其横坐标为FP，纵坐标为TP，通过调整CAD系统中某些参数的值就可以得到该曲线。该曲线下区域的面积（Az）就代表整个CAD系统的性能，Az越大，表明CAD系统的整体性能越好；反之则越差。?? 　　目前肿瘤检测常用的算法主要有：①基于纹理特征的检测方法。该方法主要是提取中心矩、熵等纹理特征来识别肿瘤[6]，然而这种方法没有考虑到肿瘤的特殊特征，检测效果往往不太理想。②基于形态学的检测方法。该方法主要是利用肿块的形状特征来检测肿瘤，如文献[7]就是先把肿瘤分割出来，然后再对肿瘤进行分类，但这种方法过度依赖