基于Kmean的乳腺腫塊檢測方法

　　摘要：乳腺癌是一種常見的惡性腫瘤，早期診斷和治療是降低乳腺癌死亡率的關鍵。腫塊是乳腺癌在X線圖像上的一個主要表現(xiàn)，本文提出了一種基于Kmean的乳腺腫塊檢測方法。該方法包括四個步驟：首先是圖像預處理，該階段包括去除背景、標記、胸肌和噪聲，以及乳腺分割;其次利用Kmean方法找到感興趣區(qū)域(ROI);然后提取能夠表征腫塊的特征;最后根據(jù)提取到的特征將腫塊和正常組織分離開來。通過在MIAS數(shù)據(jù)庫中乳腺X線圖像的測試實驗，得到的檢測腫塊的準確率為93.2%，結(jié)果表明，該方法能夠有效的檢測出腫塊。

　　引言

　　乳腺癌是女性最常見的惡性腫瘤之一，嚴重威脅著婦女的健康甚至生命。腫塊和鈣化簇是乳腺癌最常見的特征。本文的目的就在于研究并提出一種能夠在乳腺X線圖像中自動檢測出腫塊的方法。一般的計算機輔助檢測系統(tǒng)大都包括以下幾個部分：首先輸入原始圖像;然后進行預處理;然后提取感興趣區(qū)域(ROI);再對這些ROI進行特征提取;最后根據(jù)這些特征，經(jīng)過分類，得到腫塊和正常組織。大多學者注重研究如何提出乳腺圖像中的可能病灶區(qū)域以及如何對這些感興趣區(qū)域(ROI)區(qū)域進行進一步判斷。

　　對于感興趣疑似病灶的提取，Matsubara等人^[2]提出了一種自適應閾值技術來檢測;而Petrick等人^[3]則是通過一種自適應灰度加權對比度增強濾波器(DWCE)來實現(xiàn)的。對于ROI區(qū)域的分類，Sahiner等人^[4]在提取出了感興趣區(qū)域的紋理特征后，采用一種卷積神經(jīng)網(wǎng)絡的方法進行分類;Wei等人^[5]則通過計算基于灰度共生矩陣的紋理特征，利用線性誤差分類器進行分類;而Kupinsk等人^[6]根據(jù)幾何特征、灰度特征以及梯度特征采用一種正規(guī)化神經(jīng)網(wǎng)絡進行分類。

　　檢測方法

　　本文提出的方法分為以下幾步：(1)預處理;(2)提取感興趣區(qū)域;(3)特征提取;(4)腫塊檢測。其流程圖如圖1所示。

　　預處理

　　在預處理階段，我們手動去除了圖像的背景、胸肌(斜側(cè)位圖像中存在胸肌)、標記以及噪聲，并且將圖像中的乳腺分割出來。如圖2所示，(a)為一幅斜側(cè)位乳腺X線原圖像，(b)為經(jīng)過預處理之后的圖像。整個預處理過程是在醫(yī)生的監(jiān)督下進行的。