[发明专利]一种钼靶图像中乳头位置自动检测方法

说明书

本发明公开了一种钼靶图像中乳头位置自动检测方法，包括下述步骤：S1、读入乳腺钼靶图像，并进行预处理；S2、判断乳腺钼靶图像中乳头的大小与设定标准值的大小，若大于等于设定标准值，则进入步骤S3，若小于设定标准值，则进入步骤S4；S3、采用滚球法对乳腺钼靶图像进行分类，并检测乳头位置；S4、采用橡皮筋矫直变换(RBST)算法，将乳腺钼靶图像中乳房边缘拉直成为矩形RBST图像，将沿乳房边界的像素映射到RBST图像的第一行，沿着对象边界法线的像素依次按列映射到RBST图像。本发明能够准确有效且鲁棒性高的钼靶图像中定位乳头位置的方法，从而为提高乳腺钼靶图像的多视角分析的潜力，提高乳腺癌诊断准确率，提高癌症患者的生存机率。

技术领域

本发明涉及图像处理的技术领域，更具体地说，涉及一种钼靶图像中乳头位置自动检测方法。

背景技术

在计算机辅助诊断乳腺癌领域，乳头作为乳腺钼靶图像中唯一稳定和一致的标志点，乳头位置的诊断是一个重要的研究方向，并且出现了较多的诊断算法，且不同的诊断算法各自有其优点，但是也有不足之处。

2004年，Zhou提出了一种非常严格的乳头检测算法。该算法分为两个阶段，第一阶段，基于沿乳房边界的强度值的显著变化检测乳头位置。第二阶段，基于乳头周围的纹理图案的收敛来检测乳头位置。最终乳头位置是基于置信度测量和一组规则找到的。然而，致密的乳房钼靶图像可能具有结构化的噪声，因此当使用该方法时可能产生假阳性，所以这一方法的结果仍然是不够好的。

2008年，Kinoshita et al.发现乳头位置处于乳腺组织成分的交叉点，并使用Radon变换实现检测乳头位置；虽然这是很优秀的算法，但它的局限之处在于不能精确检测出乳房边界。

2009年，Mustra尝试使用乳房区域的几何性质以及乳头在内部轮廓和乳头外部轮廓累积强度分布不同两种特征组合。该种算法的局限之处在于没有在中侧外倾斜(MLO)视图图像上测试，并在最终检测中过度依赖于强度分布。

2011年，Tzikopoulos试图将乳头模型化为位于乳房边界外侧的10mm搜索带中的椭圆。但是该算法的实现都是基于强度特征，并且这可能成为限制算法鲁棒性的因素，因为图像采集技术随着时间推移会发生变化，而这将影响图像的对比度和强度等参数。此外，该算法的一个缺点是会将强度类似于乳头的区域错误的检测为乳头。

2013年，Paola Casti提出基于海森矩阵的乳头检测方法，该方法包括使用几何约束检测乳房钼靶图像中的乳头的合理存在区域，通过平均和高斯曲率测量分析梯度矢量场以及局部形状条件检测出乳头位置。但是该方法的不足之处在于，将具有最大的平均高斯曲率的连通区域检测为乳头位置不是对于所有乳腺钼靶图像都成立，这一方法在检测乳头平坦且较小的乳腺钼靶图像时准确率较低。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，本发明提供一种具有准确有效且鲁棒性高的钼靶图像中定位乳头位置的方法，从而为提高乳腺钼靶图像的多视角分析的潜力，提高乳腺癌诊断准确率，提高癌症患者的生存机率。

为了达到上述目的，本发明采用以下技术方案：

本发明一种钼靶图像中乳头位置自动检测方法，包括下述步骤：

S1、读入乳腺钼靶图像，并进行预处理，预处理包括：

S11、将乳房区域和背景分开以及去除图像中的文字标签信息；

S12、图像下采样；

S13、求出缩小乳头搜索范围的区域，即PNRA区域；

S2、判断乳腺钼靶图像中乳头的大小与设定标准值的大小，若大于等于设定标准值，则进入步骤S3，若小于设定标准值，则进入步骤S4；

S3、采用滚球法对乳腺钼靶图像进行分类，并检测乳头位置；