[发明专利]一种乳腺图像微钙化点的检测方法和系统

说明书

技术领域

本申请涉及医学影像自动分析处理技术领域，特别是涉及一种乳腺图像微钙化点的检测方法和系统。

背景技术

乳腺癌是妇女最常见的恶性肿瘤之一，也是威胁妇女健康的第二大杀手。近年来我国乳腺癌发病率增长较快，准确诊断病变性质、早发现、早诊断，对降低乳腺癌的死亡率和提高生存率具有举足轻重的作用。现代影像学检查技术的进步和推广为此奠定了基础，其中乳腺X线检查是目前国内外乳腺专家公认的诊断乳腺癌准确率最高、应用最广泛的影像检查方法之一。但由于诊断医师可能受到经验不足和注意力不集中等主观因素，以及病变影像特征多样性的影响，乳腺X线诊断的正确率尚未达到令人满意的程度。

随着医学信息处理、模式识别、人工智能等技术的不断进步和医学影像设备数字化水平的提高，加速了计算机辅助检测(CAD)系统的研究和临床应用。乳腺CAD系统能够通过计算机对患者的医学影像资料进行分析，检测并定位出其中的可疑病灶，避免漏诊并帮助医生做出正确的诊断决策。

微钙化点和肿块是乳腺癌最常见的影像学特征，其中，微钙化点是早期临床隐匿性乳腺癌的典型临床表现，可以通过微钙化点的数目、大小、形状及分布形态来鉴别诊断乳腺癌的良性和恶性。因此，乳腺X线图像中微钙化点的计算机辅助检测对于临床早期乳腺癌的筛查和诊断具有重要的作用。

目前，微钙化点检测效果较好的方法主要有基于支持向量机或相关向量机的方法。其中，基于支持向量机的方法是将微钙化点的检测看作一个二分类的过程，利用训练图像训练好支持向量机来实现微钙化点的检测。该方法具有较高的识别精确性和鲁棒性，但是由于其支持向量数目较大，导致检测效率较低。基于相关向量机的微钙化点检测方法相对于基于支持向量机的检测方法来说，能够实现在较少的相关向量情况下对微钙化点进行检测。但是，该方法中的模型参数选取过程需要人工采用交叉验证的方法通过反复试验来实现优化，检测效率较低，不利于临床应用。

总之，需要本领域技术人员迫切解决的一个技术问题就是：如何能够提高乳腺图像微钙化点的识别准确率和检测效率。

发明内容

本申请所要解决的技术问题是提供一种乳腺图像微钙化点的检测方法和系统，提高乳腺图像微钙化点的识别准确率和检测效率。

为了解决上述问题，本申请公开了一种乳腺图像微钙化点的检测方法，包括：

采用高通滤波器对待识别图像进行高通滤波处理；

将滤波后的图像进行正态归一化处理；

提取正态归一化后的图像的特征向量，将所述特征向量输入自适应相关向量机分类器；

自适应相关向量机分类器依据所述特征向量识别图像的微钙化点。

优选的，所述方法还包括：

将自适应相关向量机分类器识别后的结果图像进行面积滤波处理，去除图像的假阳性区；

将面积滤波处理后的图像中的微钙化点确定为待识别图像的微钙化点。

优选的，所述提取正态归一化后的图像的特征向量，将所述特征向量输入自适应相关向量机分类器包括以下子步骤：

将正态归一化后的图像划分为N×N块子图像；

分别计算每个子图像中各像素点的M×M邻域，并排列成M×M维行向量，所述M×M维行向量即为各像素点的特征向量；

将每个子图像中的各特征向量依次排列为特征向量矩阵，输入自适应相关向量机分类器；

其中，M为自然数，N为自然数。

优选的，所述自适应相关向量机分类器依据所述特征向量识别图像的微钙化点，包括以下子步骤：

自适应相关向量机分类器依据每个子图像的特征向量矩阵识别各子图像的微钙化点；

合并各子图像的识别结果，作为整幅待识别图像的微钙化点识别结果。

优选的，所述自适应相关向量机分类器为通过以下步骤训练获得的分类器：

采用高通滤波器对各个样本图像进行高通滤波处理；

将滤波后的图像进行正态归一化处理；

校正正态归一化后的图像中专家标识出的微钙化点中心坐标；

提取各个校正后的图像的样本特征向量，将其排列成样本特征矩阵；

依据所述样本特征矩阵对所述样本图像进行训练，得到自适应相关向量机分类器。

优选的，所述校正正态归一化后的图像中专家标识出的微钙化点中心坐标，包括以下子步骤：

采用方形结构元素对正态归一化后图像中专家标识出的微钙化点的M×M邻域图像进行线性滤波；

获取线性滤波后图像的最大峰值点，将所述最大峰值点作为校正后的微钙化点中心坐标。