[发明专利]一种钼靶图像中胸大肌区域自动检测方法

说明书

本发明公开了一种钼靶图像中胸大肌区域自动检测方法，包括下述步骤：S1、使用传统的基于灰度、梯度、纹理特征的方法得到胸大肌区域的粗分割图像；S2、对步骤S1得到的粗分割图像使用深度卷积神经网络得到细分割图像；S3、基于得到的深度卷积神经网络模型对乳腺钼靶图像胸大肌图像进行自动检测。本发明改进采用了经典算法来对钼靶图像中胸大肌区域进行初步检测，由于传统算法一般只能适应特定的一些情况，很难能够通用，故本发明中将其作初步分割，进一步用深度卷积神经网络来进行精细分割；同时通过粗分割处理，本发明大大缓解了深度学习对大数量训练样本的需求。

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胸大肌区域自动检测方法。

背景技术

乳腺癌是女性癌症死亡的主要原因之一。目前，乳腺癌早期检测的最有效的方法是乳腺钼靶图像的筛查。然而，目前放射科医生每天分析数百张乳腺钼靶图像，任务繁重耗时耗力，这导致了部分病例病情的漏报和误报。计算机辅助诊断(CAD)系统作为“第二读者意见”有其一致性，可靠性，且速度快的优点，因此越来越受欢迎。CAD系统可以为放射科医生提供有效的辅助诊断意见，这能提高了乳腺钼靶图像检测的准确性。

在乳腺的CAD系统中，胸大肌区域的自动检测是钼靶图像计算分析的关键的预处理步骤。准确的胸大肌区域分割对CAD系统诊断有许多帮助，例如，能减少钼靶图像乳腺密度估计的误差，为乳腺钼靶图像多视图分析的图像配准提供参数，提高CAD系统后续计算分析辅助诊断的效果等。然而，胸大肌区域的准确自动分割是一个极具挑战的任务，特别是在筛查的钼靶图像中伪影，乳房皮肤线的低对比度，胸部和乳房组织之间的均匀性等，都极大增加了胸大肌区域准确分割的难度。

目前，钼靶图像中胸大肌区域检测方法中，现有的技术都是基于经典计算机视觉算法实现的。这些胸大肌区域检测方法分为以下几类。

1)基于灰度的胸大肌检测。这一类检测方法应用乳房组织和胸大肌之间的灰度差异，其原理是假定胸大肌的灰度高于其周围组织，利用此信息来进行胸大肌的分割，如简单的使用阈值分割，使用梯度跟踪等等。

2)基于线检测技术的胸大肌检测。这一类检测方法原理是假定胸大肌边界是一条直线，然后使用检测直线的方法进行胸大肌的分割。常用的直线检测方法比如霍夫变换被用来找霍夫空间中正确梯度幅度和方向，投影长度和相应的胸部面积。

3)基于统计分析方法的胸大肌检测。乳房结构根据其纹理、外观和密度被分为不同的类别进行研究。利用此信息，可以推断得到几个统计参数，从而可以运用一些统计技术对乳房密度模式进行分类。比如使用纹理特性来识别胸部边界，方法中可用支持向量回归来识别胸肌的端点。

4)基于小波的胸大肌检测方法。这一类方法运用小波剧透从图形中获取空间频率信息的能力来对钼靶图像胸大肌进行检测。比如使用Dyadic小波分解进行胸肌检测。

5)其他检测方法。比如基于主动轮廓的分割方法用来检测胸大肌。

从上面的阐述可知，目前，钼靶图像中胸大肌区域检测方法中，现有的技术都是基于经典算法实现的。在大多数情况下，这些方法都是具有较强的使用前提假设的，它们更多的是针对一组数据或者特定的问题，极少通用的解决方法可用于胸肌检测，因此从现有方法来看，没有一种具体的方法可以很好的解决胸大肌的完全自动检测问题。导致上述缺点原因是它们针对特定类型的数据或者特定的问题，具有较强的使用条件。

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，提供一种通用且准确有效的钼靶图像中胸大肌区域自动检测方法，为现有的乳腺CAD系统提供准确的钼靶图像胸大肌检测结果，从而提高计算分析结果的准确度，为放射科医生提供更好的辅助诊断，最终减少病例病情的漏报和误报。

为了达到上述目的，本发明采用以下技术方案：

本发明钼靶图像中胸大肌区域自动检测方法，包括下述步骤：