论文部分内容阅读
乳腺癌是女性最常见的恶性肿瘤之一,严重影响女性的身心健康甚至危及生命。微钙化点是早期乳腺癌的主要征象,但乳腺X线影像的信息中仅有3%能为人眼所见,且早期乳腺癌微钙化点非常小、不规则、形状和分布各异,人工诊断很容易被忽视或误诊。因此使用计算机视觉技术实现高效的乳腺x线影像诊断一直是国内外该领域学者研究的方向。本文主要研究了乳腺X线医学图像分析与处理算法,及其医学系统的设计与实现。主要进行了以下几方面的工作：1)图像预处理。由于原始图片分辨率高,灰度分布表现过于集中,对比度很低,将其先进行直方图均衡化与灰度归一化处理,并采用自适应中值滤波技术,去除噪声,增加图像对比度。然后采用自适应阈值分割去除背景提取乳腺区域,为之后的工作大大降低运算量,提高效率增加检测精度。2)微钙化点感兴趣区域的提取。根据医学上微钙化点感兴趣区域的定义,找出输入的乳腺X线图像中可能的异常区,提取出感兴趣区域。具体算法包括：拉普拉斯锐化、图像平滑、差值处理、分形维数的地毯覆盖法等。3)微钙化点的检测。本文对传统的LOG算法进行了改进,提出了一种新型的结合形态学滤波的1LOG2LOG级联算法。首先运用形态学Top-hat方法对微钙化点感兴趣区域图像进行增强,然后使用形态学开运算去除虚假钙化点,从而得到候选的微钙化点区域,最后使用1LOG2LOG级联算法对候选的微钙化点进行进一步确认。通过研究表明,相比其他传统算法,该方法不仅大大提高了检测速度,而且能够精确提取微钙化点的位置和边缘,对实现乳腺癌的自动诊断具有重要的应用价值。本文所有算法的研究都是基于OpenCV开源代码的。由于OpenCV的源代码完全开放,本文利用这套代码在PC上以Visual C++6.0集成环境做平台完成了基于OpenCV的乳腺X线医学图像处理与分析系统的设计与实现。利用OpenCV中的图像数据操作,动态数据结构,数学形态学操作,结构分析等函数,实现了对乳腺X线图像预处理、微钙化点感兴趣区域的提取和微钙化点检测的功能。实验证明,对mini-MIAS乳腺X线数字影像图库中样本的处理和数据库提供的标注区域数据相比,本文所设计实现的系统能较好的完成乳腺X线影像中微钙化点的检测工作,具有良好的鲁棒性和通用性。