基于分形的早期乳腺癌钙化点计算机辅助检测方法

摘要

本发明公开了一种基于分形的早期乳腺癌钙化点计算机辅助检测方法。本发明包括如下步骤：1.利用直方图均衡化、高通滤波器、Sobel边缘检测的图像处理方法，找到疑似乳腺癌钙化点的感兴趣区域；2.基于分形理论，提取感兴趣区域的纹理特征，即分形谱和分形维数；3.通过机器学的方法，找到将含有钙化点的乳腺X光片与未含有钙化点的医学图像分类的约束条件，以此约束条件作为判断乳腺X光片是否含有钙化点。本发明高效、准确地提取了早期乳腺癌钙化点的纹理特征，实现了辅助医生检测早期乳腺癌钙化点的功能，且基于本发明所提出方法的早期乳腺癌钙化点检测效果与医生主观判断具有很好的一致性。

主权项

基于分形的早期乳腺癌钙化点计算机辅助检测方法，其特征在于包括如下步骤：步骤(1).循环读入公知数据库中的正常乳腺X光片图像；步骤(2).将步骤(1)读入的图像组成图像向量；步骤(3).对步骤(2)的图像向量进行直方图均衡化处理；步骤(4).对步骤(3)得到的直方图均衡化后图像向量进行高斯滤波，除去冗余信息；高斯滤波器表示如下：$F(x,y)=1-\mathrm{ex}{p}^{(-h^2(x,y)/{2h}_0^2)}---\left(1\right)$其中，(x,y)是正常乳腺X光片图像的像素点，h(x,y)是高通滤波器随像素点变化的阈值，h₀为平均阈值；步骤(5).利用Sobel算子对步骤(4)滤波得到的图像信息进行边缘检测，将检测到的边缘区域作为感兴趣区域；步骤(6).利用分形技术将步骤(5)获得的感兴趣区域进行分形谱和分形维数的纹理特征提取；步骤(7).综合分析步骤(6)所得正常乳腺X光片图像的各个尺度分形谱，拟合得到共同分形谱S₀，作为参考基准；步骤(8).分别比较步骤(6)所得正常乳腺X光片图像各个尺度的分形谱与步骤(7)中得到的共同分形谱S₀，通过欧氏距离测算两者的差异值E，$E=\underset{j=1}{\overset{R}{\Sigma }}{({\gamma }_2^j-{\gamma }_1^j)}^2/\left({\gamma }_2^j{\gamma }_1^j\right)---\left(5\right)$其中，R是图像块的尺度个数，为共同分形谱S₀的各尺度分形谱，为正常乳腺X光片图像的各尺度分形谱；步骤(9).循环读入公知数据库中含钙化点的乳腺X光片图像；重复步骤(2)‑(6)，得到含钙化点乳腺X光片图像的各个尺度分形谱和分形维数；步骤(10).比较步骤(9)得到的含钙化点乳腺X光片图像的分形谱和步骤(7)中得到的共同分形谱S₀，通过欧氏距离测算两者的差异值V，$V=\underset{j=1}{\overset{R}{\Sigma }}{({\gamma }_3^j-{\gamma }_1^j)}^2/\left({\gamma }_3^j{\gamma }_1^j\right)---\left(6\right)$其中，R是图像分块的尺度个数，为共同分形谱S₀的各尺度分形谱，为含钙化点乳腺X光片图像的各尺度分形谱；步骤(11).将步骤(8)得到的每一个差异值E及相应分形维数记标记值0，将步骤(10)得到的每一个差异值V及相应分形维数记标记值1，得到两组标记值；步骤(12).利用机器学习对步骤(11)的两组标记值进行分类，学习到将两组标记值分成两类的约束条件β，具体表示为，其中，T为机器学习目标函数；约束条件β用于判断任意乳腺X光片是否含有钙化点，即若约束条件β成立，则该乳腺X光片含有钙化点；若约束条件β不成立，则该乳腺X光片不含钙化点。