[发明专利]一种乳腺超声图像分割方法及系统

说明书

技术领域

本发明涉及医疗领域，具体而言，涉及一种基于中智集合理论和水平集曲线演化的乳腺超声图像分割方法。

背景技术

乳腺癌是临床多发病、常见病，其发病率占女性恶性肿瘤的第二位，且有逐年增多的趋势。晚期死亡率较高，严重危害女性健康，近年来男性乳腺癌病例亦时有报道。由于乳腺癌的预后与疾病确诊时机密切相关，因此做到早期诊断、早期治疗，可明显改善患者的生存质量、提高长期存活率。计算机辅助诊断技术能有效的帮助医生发现早期乳腺肿块，降低假阳性，给医生提供有效的诊断依据作为参考，被称为医生的“第二双眼睛”。基于乳腺超声图像的计算机辅助诊断技术通过对乳腺超声图像的数字化处理，能精确地确定病变区域的位置，根据以往的知识和计算机技术对病变的区域进行诊断，从而得出精确的诊断结果。

乳腺超声图像分割是乳腺超声图像的计算机辅助诊断技术中一项重要步骤。它通过对乳腺超声图像进行分割，能把可疑肿块区域从背景组织中提取出来，精确描绘可疑肿块的边界，为超声医生提供可疑肿块区域作为参考。国内外已有多个课题组进行乳腺超声图像分割技术研究。Horsch等人(K.Horsch,M.L.Giger,L.A.Venta,and C.J.Vyborny,“Automatic segmentation of breast lesions on ultrasound,”Med.Phys.,1652-1659(2001).[6]M.A.Kupinski and M.L.Giger,“Automated seeded lesion segmentation on digital mammograms,”IEEE Trans.On Medical Imaging,vol.17,no.4,510-517(1998))应用阈值来分割乳腺超声图像中的肿块。他们引入高斯约束函数来寻找肿块边界。其分割结果依赖高斯函数的形状，一些非椭圆形的肿块也被分割成卵形区域。Yu等人(Donghoon Yu,Sooyeul Lee,Jeong Won Lee,and Seunghwan Kim，“Automatic lesion detection and segmentation algorithm on2D breast ultrasound images”提出了一种半径依赖增强调整(RDCA)技术来增强肿块区域，然后利用数学形态学和阈值方法来完成肿块的分割。