基于邊緣幾何特征的乳腺X線圖像中微小腫瘤檢測(cè)方法

劉雅楠，李靖宇，許東濱，孟洪顏，董 靜*，趙添羽，唐 麗，鄒 鶴

1.齊齊哈爾醫(yī)學(xué)院醫(yī)學(xué)技術(shù)學(xué)院，黑龍江 齊齊哈爾 161006；2.齊齊哈爾大學(xué)通信與電子工程學(xué)院，黑龍江 齊齊哈爾 161006；3.齊齊哈爾建華醫(yī)院乳腺科室，黑龍江 齊齊哈爾 161006

1 引言

近年來，乳腺癌作為一種常見的惡性腫瘤，對(duì)女性的健康與生命造成嚴(yán)重的威脅[1]。有關(guān)文獻(xiàn)表明，自20世紀(jì)70年代起，乳腺癌作為發(fā)病數(shù)較高的女性惡性疾病，在全球范圍內(nèi)激增，其致死率僅次于肺癌[2]。由此可見，乳腺癌逐漸成為影響全球女性健康的問題，對(duì)其進(jìn)行系統(tǒng)、深入的研究十分具有必要性。隨著醫(yī)療診斷技術(shù)的不斷提升，乳腺癌的診斷與治療方面均得到了大幅度提高。在診斷方面，多使用X線檢測(cè)、熱圖像檢測(cè)或是CT檢測(cè)。雖然人們?cè)谌橄侔z查治療方面已經(jīng)取得了突破，但卻只能在乳腺癌的早期治療中取得效果，其主要原因是癌癥晚期在多處發(fā)生轉(zhuǎn)移，此時(shí)采用何種治療措施均不能得到理想的治療效果[3,4]。因此，在乳腺組織出現(xiàn)微小腫塊時(shí)對(duì)其進(jìn)行及時(shí)的診斷對(duì)于挽救患者的生命至關(guān)重要。由于乳腺組織中的血管、結(jié)締組織以及血管等軟組織密度相對(duì)較大，使用X線獲取乳腺圖像具有一定的影響，不穩(wěn)定的圖像質(zhì)量以及患者自身身體素質(zhì)的不同均會(huì)對(duì)乳腺癌篩查的準(zhǔn)確性造成影響。且當(dāng)前使用的微小腫瘤對(duì)圖像亮度的依賴性較大，無法進(jìn)行高精度的檢測(cè)[5]。針對(duì)惡性腫瘤的結(jié)構(gòu)特征，在本次研究中根據(jù)邊緣幾何特征完成檢測(cè)過程。在圖像質(zhì)量無法快速提高的前提下，提高診斷準(zhǔn)確率，幫助患者更早地發(fā)現(xiàn)病情，從而采取更加有效的治療手段，提高健康水平。

2 基于邊緣幾何特征的乳腺X線圖像中微小腫瘤檢測(cè)

2.1 乳腺X線圖像增強(qiáng)處理

為了給予后續(xù)檢測(cè)工作良好的圖像基礎(chǔ)，首先對(duì)原始乳腺X線圖像進(jìn)行增強(qiáng)處理，根據(jù)形態(tài)學(xué)原理[6,7]完成此部分處理過程。在以往的乳腺腫瘤檢測(cè)過程中，如何將腫瘤從復(fù)雜的乳腺組織中分離出來一直都是制約檢測(cè)精度的重要問題。為此，在本次研究中首先對(duì)原始圖像進(jìn)行膨脹處理。設(shè)定膨脹運(yùn)算的符號(hào)為⊕，圖像結(jié)構(gòu)元素a對(duì)灰度X線圖像f進(jìn)行的膨脹運(yùn)算可寫作a⊕f，其計(jì)算過程可以表示為

(a⊕f)=max{f(c-x,d-y)+a(x,y)|(c-x)}

(d-y)∈Sfand(x,y)∈Sa

(1)

其中，Sf和Sa分別表示f與a的定義域，(c-x)與(d-y)必須存在于f的定義域中，此兩部分的運(yùn)算結(jié)果必須存在非零元素相交。在完成膨脹運(yùn)算處理后，對(duì)其展開腐蝕處理。設(shè)定腐蝕運(yùn)算符號(hào)為?，圖像結(jié)構(gòu)元素a對(duì)灰度X線圖像f進(jìn)行的膨脹運(yùn)算可寫作a?f，則其計(jì)算過程可以表示為

(a?f)=min{f(c+x,d+y)-a(x,y)|(c+x)}

(d+y)∈Sfand(x,y)∈Sa

(2)

其中，(c+x)與(d+y)必須存在于f的定義域中，如兩個(gè)影像中存在細(xì)小連接，當(dāng)結(jié)構(gòu)元素增強(qiáng)到足夠大時(shí)，對(duì)其進(jìn)行分離處理。

上述運(yùn)算過程結(jié)束后，對(duì)處理后的圖像進(jìn)行開合運(yùn)算與閉合運(yùn)算。在對(duì)X線圖像f以及結(jié)構(gòu)元素a進(jìn)行運(yùn)算的過程中，用a·f表示兩者之間的開合運(yùn)算，a○f表示兩者之間的閉合運(yùn)算，見式(3)、(4)。

a·f=(a?f)⊕a

(3)

a○f=(a⊕f)?a

(4)

在實(shí)際操作中，使用開合運(yùn)算與閉合運(yùn)算對(duì)圖像中的亮細(xì)節(jié)與暗細(xì)節(jié)進(jìn)行處理[8,9]，在不對(duì)圖像原貌造成影響的前提下，對(duì)圖像中的微小細(xì)節(jié)進(jìn)行處理，以此提升圖像的清晰度，保證后續(xù)處理的穩(wěn)定性。

由于乳腺X線圖像的尺寸相對(duì)較大，經(jīng)過預(yù)處理后，其尺寸控制在1000×500像素以上，且腫塊大小不一，其處理后的圖像像素具有一定的差異，當(dāng)前腫瘤檢測(cè)方法對(duì)于像素以及亮度的依賴性較高，無法完成高精度檢測(cè)，為此，將處理后的圖像作為基礎(chǔ)，結(jié)合歷史數(shù)據(jù)，獲取乳腺腫瘤邊緣幾何特征。

2.2 乳腺腫瘤邊緣幾何特征提取

在本次研究中選用HOG特征提取方法[10]獲取乳腺微小腫瘤邊緣幾何特征，特征獲取流程如圖1所示。

從圖1中可以看出乳腺腫瘤邊緣幾何特征提取的過程大致為：完成乳腺腫瘤圖像輸入后，通過預(yù)處理提高圖像的質(zhì)量。對(duì)腫瘤圖像的梯度進(jìn)行計(jì)算，從而實(shí)現(xiàn)單元映射。最后，通過歸一化計(jì)算處理，得到乳腺腫瘤圖像的特征組合，完成乳腺腫瘤邊緣幾何特征。

根據(jù)上述流程完成特征提取過程，使用提取后的特征構(gòu)建圖像稀疏分類器[11,12]。根據(jù)圖像灰度特征與HOG特征，結(jié)合邊緣字典完成圖像分類。分別構(gòu)建兩個(gè)訓(xùn)練字典，在檢測(cè)階段使用滑動(dòng)窗口向乳腺區(qū)域滑動(dòng)，得到待檢測(cè)圖像，而后使用分類器對(duì)其進(jìn)行分類處理。

本次研究中，將訓(xùn)練樣本分為兩類，分別為含有微小腫瘤區(qū)域以及正常乳腺區(qū)域，假設(shè)第i類圖像樣本生成的訓(xùn)練字典為Ei=[Ei1,Ei2,…,Eiki]，其中ki表示第i類圖像樣本提取出的特征數(shù)目。對(duì)于待檢測(cè)圖像，同樣提取出的特征使用l表示，此特征可使用訓(xùn)練字典ki表示，見式(5)。

(5)

其中，βi=[βi1,βi2,…,βiki]表示待測(cè)試圖像塊l在分類字典Ei的系數(shù)，根據(jù)此公式完成圖像塊分解工作，如圖2所示。

X線圖像塊分解的原理為：將原始圖像劃分為兩個(gè)圖像塊，并且分別計(jì)算每個(gè)圖像塊的分割系數(shù)，從而更好地實(shí)現(xiàn)圖像塊分解。在實(shí)際的計(jì)算過程中，可以根據(jù)實(shí)際需求，將原始圖像劃分為任意數(shù)量的圖像塊，從而使圖像塊數(shù)量滿足計(jì)算需求。

假設(shè)乳腺X線圖像可分為V類，為了使此部分系數(shù)滿足稀疏計(jì)算要求，通過最小化β的h范數(shù)進(jìn)行近似求解，則有

min‖β‖i

(6)

根據(jù)拉格朗日計(jì)算原理[13]，在式(6)中引入平衡因子η，將其轉(zhuǎn)化為所求公式的最小化，則每個(gè)圖像塊分別對(duì)應(yīng)的類別見式(7)。使用此公式對(duì)圖像中的腫瘤疑似區(qū)域以及正常區(qū)域進(jìn)行劃分，并將其作為微小腫瘤診斷的基礎(chǔ)。

Lable=min‖l-Eiβi‖η

(7)

2.3 惡性微小腫瘤檢測(cè)

(8)

(9)

將式(9)轉(zhuǎn)換為模板運(yùn)算，并將中心點(diǎn)使用墨點(diǎn)表示。使用模板進(jìn)行操作后，對(duì)圖像進(jìn)行銳化處理，實(shí)現(xiàn)圖像增強(qiáng)處理，使其變得清晰。將清晰的圖像作為基礎(chǔ)，使用差影法獲取圖像間的差異信息，并對(duì)微小腫塊進(jìn)行捕捉，則含有微小腫瘤的圖像f(x,y)與正常乳腺組織圖像d(x,y)之間的差異可表示為式(10)。

r(x,y)=f(x,y)-d(x,y)

(10)

使用式(10)對(duì)圖像進(jìn)行分類后，按照分類器中預(yù)存的腫瘤邊緣特征對(duì)含有腫瘤區(qū)域的圖像進(jìn)行分析，以此確定腫瘤位置。在實(shí)際應(yīng)用過程中可能會(huì)出現(xiàn)假陽(yáng)性區(qū)域，為了提高檢測(cè)精度，使用自適應(yīng)閾值分割方法，降低后續(xù)處理的運(yùn)算時(shí)間，將假陽(yáng)性區(qū)域從腫瘤疑似區(qū)去除。再剔除假陽(yáng)性區(qū)域完成微小腫瘤的檢測(cè)工作。

對(duì)上述新型檢測(cè)方法各環(huán)節(jié)進(jìn)行整合，并將與當(dāng)前使用方法有機(jī)融合，至此，基于邊緣幾何特征的乳腺X線圖像中微小腫瘤檢測(cè)方法構(gòu)建完成。

3 實(shí)驗(yàn)論證分析

本次研究針對(duì)乳腺腫塊的邊緣特征，構(gòu)建新型乳腺X線圖像微小腫瘤檢測(cè)方法。為證實(shí)此方法對(duì)于當(dāng)前的乳腺癌診斷具有輔助作用，構(gòu)建實(shí)驗(yàn)環(huán)節(jié)對(duì)其使用效果加以評(píng)估。為了提高實(shí)驗(yàn)結(jié)果的可靠性并降低實(shí)驗(yàn)誤差，在相同的實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)環(huán)境下，將所提出方法與傳統(tǒng)方法進(jìn)行對(duì)比驗(yàn)證，從而充分驗(yàn)證所提出方法對(duì)于微小腫瘤檢測(cè)的有效性。

3.1 圖像來源及預(yù)處理

本次實(shí)驗(yàn)共使用1000張乳腺圖像，選取其中十分之一作為訓(xùn)練樣本，在訓(xùn)練樣本中含有50張含有微小腫瘤的圖像，另外的50張為正常乳腺圖像。除去上述圖像后，剩余900張病變圖像作為本次實(shí)驗(yàn)中的測(cè)試樣本，此部分圖像中含有300張良性腫塊圖像，惡性腫塊圖像600張。為了更好地完成實(shí)驗(yàn)過程，將乳腺組織按密度劃分為3類，對(duì)應(yīng)的圖像數(shù)目分別為：Ⅰ類200張；Ⅱ類400張；Ⅲ類400張。將上述圖像輸入到matlab軟件中，使用軟件中的檢測(cè)窗口完成檢測(cè)實(shí)驗(yàn)環(huán)節(jié)。在實(shí)驗(yàn)中，進(jìn)行實(shí)驗(yàn)的樣本均為從原始圖像中截取的ROI區(qū)域，圖像大小均設(shè)定為150×150。在進(jìn)行檢測(cè)時(shí)，將圖像檢測(cè)窗口設(shè)定為150×150的滑窗完成圖像掃描過程。

3.2 不同覆蓋率X線圖像檢測(cè)分析

在本次實(shí)驗(yàn)中，將掃描窗口的覆蓋率分別設(shè)定為50%與80%，隨機(jī)選取某一圖像進(jìn)行檢測(cè)，得到檢測(cè)實(shí)驗(yàn)結(jié)果圖像如圖3所示。

圖3中，方框區(qū)域?yàn)闄z測(cè)出的可疑位置。對(duì)上述圖像進(jìn)行分析可以看出，當(dāng)檢測(cè)窗口的覆蓋率增加后，檢測(cè)效果可以得到極大的提升。根據(jù)此實(shí)驗(yàn)結(jié)果可知，新型檢測(cè)方法具有一定的可行性與科學(xué)性。但僅僅通過圖像確定新型檢測(cè)方法的使用效果具有一定的主觀性，為此，本研究提出檢測(cè)靈敏度與假陽(yáng)性指標(biāo)，對(duì)乳腺圖像進(jìn)行檢測(cè)。

3.3 檢測(cè)靈敏度及假陽(yáng)性實(shí)驗(yàn)分析

在本次實(shí)驗(yàn)中，選擇兩種當(dāng)前使用率較高的檢測(cè)方法與新型檢測(cè)方法進(jìn)行對(duì)比，選中方法分別為計(jì)算機(jī)輔助檢測(cè)方法(方法1)以及稀疏表示檢測(cè)方法(方法2)。在對(duì)大量的文獻(xiàn)進(jìn)行分析后，獲得檢測(cè)靈敏度及假陽(yáng)性計(jì)算公式，見式(11)、(12)。

(11)

(12)

其中，Q表示檢測(cè)靈敏度；Pn表示圖像數(shù)量；lesion表示損傷圖像數(shù)量；lmage表示假陽(yáng)性圖像數(shù)量。在對(duì)測(cè)試集圖像進(jìn)行全面檢測(cè)后，使用上述公式對(duì)檢測(cè)結(jié)果展開測(cè)算，據(jù)點(diǎn)結(jié)果如下所示：檢測(cè)覆蓋率為50%時(shí)，新型方法檢測(cè)靈敏度為60%，假陽(yáng)性為1.05個(gè)；方法1檢測(cè)靈敏度為54%，假陽(yáng)性為2.32個(gè)；方法2檢測(cè)靈敏度為50%，假陽(yáng)性為2.41個(gè)。檢測(cè)覆蓋率為80%時(shí)，新型方法檢測(cè)靈敏度為75%，假陽(yáng)性為0.94個(gè)；方法1檢測(cè)靈敏度為57%，假陽(yáng)性為1.78個(gè)；方法2檢測(cè)靈敏度為54%，假陽(yáng)性為2.32個(gè)。

根據(jù)上述實(shí)驗(yàn)結(jié)果可知，當(dāng)圖像檢測(cè)覆蓋率提升后，多種檢測(cè)方法的靈敏度得到了提升，但檢測(cè)時(shí)間也隨之增長(zhǎng)，綜合分析上述實(shí)驗(yàn)結(jié)果后可初步判定新型檢測(cè)方法的使用效果較好。

3.4 惡性微小腫塊檢測(cè)分析

根據(jù)上述實(shí)驗(yàn)結(jié)果，將惡性微小腫塊檢測(cè)框覆蓋率設(shè)定為80%，并分別使用不同的檢測(cè)方法對(duì)惡性腫瘤圖像測(cè)試集進(jìn)行檢測(cè)，隨機(jī)選取一張圖像作為測(cè)試結(jié)果輸入，具體如圖4所示。

由上述測(cè)試結(jié)果可以看出，文本檢測(cè)方法能夠較好地鎖定X線圖像中的微小腫瘤位置，對(duì)病變位置進(jìn)行標(biāo)記，這是一種可靠性較高的檢測(cè)方法。根據(jù)檢測(cè)靈敏度及假陽(yáng)性計(jì)算公式，得到此算法的惡性微小腫瘤檢測(cè)靈敏度為91.5%，平均每幅圖的假陽(yáng)性區(qū)域?yàn)?.57個(gè)。為了更加細(xì)致地說明此方法的使用效果，按照乳腺組織密度對(duì)檢測(cè)結(jié)果進(jìn)行劃分，結(jié)果如表1所示。

從表1可知，本文檢測(cè)方法對(duì)于每種乳腺密度圖像的檢出度均較高，說明此方法對(duì)于圖像的亮度依賴性較低，可以較好地完成腫塊的捕捉工作。與此同時(shí)，隨著乳腺組織密度的增加，此方法的假陽(yáng)性個(gè)數(shù)出現(xiàn)略微的波動(dòng)，說明此方法敏感性相對(duì)較高。由于部分腫塊邊緣較為不平整，對(duì)檢測(cè)方法的要求相對(duì)較高，為了更好分析不同檢測(cè)方法的使用效果，將傳統(tǒng)方法的檢測(cè)靈敏度與假陽(yáng)性個(gè)數(shù)同樣按照乳腺密度進(jìn)行劃分，結(jié)果如表2所示。

表1 本文方法微小腫瘤檢測(cè)性能

表2 傳統(tǒng)方法微小腫瘤檢測(cè)性能

結(jié)合上述實(shí)驗(yàn)結(jié)果可以看出，每種腫瘤檢測(cè)方法都各有優(yōu)劣：傳統(tǒng)方法能夠?qū)α炼容^高區(qū)域的腫塊進(jìn)行捕捉，使用其可對(duì)乳腺組織密度較低的圖像進(jìn)行高精度檢測(cè)。本文檢測(cè)方法從邊緣特征著手，通過描述算子完成高精度的微小腫瘤檢測(cè)。由于大部分惡性微小腫瘤其邊緣多為放射性毛刺，因此，本文檢測(cè)方法的使用效果與靈敏度均高于傳統(tǒng)對(duì)比方法。

3.5 實(shí)驗(yàn)結(jié)果討論與分析

本次實(shí)驗(yàn)中主要對(duì)所提微小腫瘤檢測(cè)方法的性能與使用效果進(jìn)行分析，同時(shí)獲取實(shí)驗(yàn)中選定的兩種檢測(cè)方法與新型檢測(cè)方法優(yōu)劣性，并對(duì)其進(jìn)行統(tǒng)一說明。經(jīng)實(shí)驗(yàn)可知，新型檢測(cè)方法在檢測(cè)靈敏度以及腫瘤分類方法具有較為優(yōu)異的使用效果，在日后的乳腺腫瘤圖像分析與診斷過程中，可使用此方法提高診斷精度，為醫(yī)生提供可靠性更高的輔助信息。但此方法存在部分問題需要改進(jìn)：(1)乳腺腫塊因其位置不同，腫塊的表現(xiàn)形式有所不同，其檢測(cè)的難度也有所差異，在后續(xù)的研究中需要對(duì)腫瘤的分類進(jìn)行進(jìn)一步分析與研究，以此實(shí)現(xiàn)腫塊的細(xì)分；(2)提取更多的邊緣幾何特征參數(shù)，使用多種計(jì)算方法優(yōu)化特征參數(shù)，而后將參數(shù)進(jìn)行融合分析，以此確定最優(yōu)特征參數(shù)。

4 總結(jié)

實(shí)現(xiàn)乳腺癌早期診斷的一項(xiàng)關(guān)鍵技術(shù)在于檢測(cè)微小腫塊，同時(shí)對(duì)腫瘤的性質(zhì)進(jìn)行判定。針對(duì)當(dāng)前此項(xiàng)技術(shù)中的難點(diǎn)問題，在本次研究中提出了一種新型檢測(cè)技術(shù)，并且通過實(shí)驗(yàn)確定了此方法的科學(xué)性。此方法在提取特征進(jìn)行腫瘤類型診斷的部分還存在些許不足，日后還需對(duì)此部分進(jìn)行深入研究。