基于视觉感知信息的乳腺钼靶肿块检测分析与自动提取

基于视觉感知信息的乳腺钼靶肿块检测分析与自动提取

白杰

内蒙古锡林郭勒盟医院内蒙古026000

摘要:医生的视觉感知信息与影像诊断联系紧密，如何有效利用该信息以提高医学影像辅助诊断中的决策准确性，是一个具有前沿性和实际临床价值的研究课题。针对医生临床诊断时其视觉感知行为的分析和利用，探讨医生读片时单纯的视觉注视信息在多大程度上反映肿块位置(可检测性)，以及如何利用视觉注视信息提取病灶，文章研究分析了视觉感知信息的乳腺钼靶肿块检测分析与自动提取。

关键词：视觉感知；乳腺钼靶肿块检测；自动提取

前言

如今，乳腺癌早期检测与诊断已经成为降低乳腺癌死亡率的重要环节。随着医疗技术的不断创新和发展，乳腺癌早期诊断技术已有不少。本文主要讨论基于医学影像实现的早期诊断技术，临床上常用影像技术主要有：磁共振(MRI)、钼靶X线摄影(Mammography)、计算机断层扫描(CT)、近红外扫描(NILS)、超声诊断、乳腺干板摄影、乳腺血管造影术等。钼靶X线摄影分辨率高且噪声污染小，可以清晰地显示乳腺组织、乳腺增生、组织微钙化以及肿块生长等问题，是目前定性分析乳腺癌病情的最有效摄影学检测技术。作为前期检查的可靠手段[3]，钼靶X线摄影技术能够提前两年显示病变情况，尤其在临床触诊阴性发展为触诊阳性的情况。乳腺钼靶X线摄影一般拍摄侧斜位(Cranio-Caudal，CC)和侧位(Medio-LateralOblique，MLO)两个视角，图1.1是临床上基于乳腺钼靶X线机拍摄的结果，每个病例包含四张钼靶影像，分别标记为左乳侧位(LCC)、左乳侧斜位(LMLO)、右乳侧位(RCC)和右乳侧斜位(RMLO)。

1眼动跟踪发展状况

人眼是传递外界环境变化和反应心理活动的接口，而人的眼动模式与感知行为之间存在着很大的联系。通过眼动跟踪设备采集人眼运动信息并对其进行分析，可以获取人们的“兴趣区域”的位置所在。随着计算机技术与生物医学的快速发展，为了能够精确追踪人类眼动行为，眼动跟踪技术已经成为学者争先研究热点。刚开始出现眼动跟踪技术的时候，该技术的发展遇到了很多困难，主要是信息处理器运算速度和传感器技术的限制。随着计算机信息处理能力的提高和光学传感器技术的飞速发展，专门用来测试和记录眼睛视线变化的仪器——眼动跟踪系统（简称眼动仪）开始出现，其主要涉及自动控制、图像处理、计算机应用等学科。当前，眼动跟踪技术已经在很多领域中获得不同程度的应用。另外，伴随着近年来虚拟实现、数据计算可视化以及多媒体技术的发展，应用中更加注重的实现。目前，眼动跟踪设备已经被广泛应用于人机交互研究等新型领域，其原因就在于眼动跟踪设备具有直接性、自然性和双向性。目前，移动终端大量涌现，在欧美发达国家中，更有企业研发用眼动跟踪技术代替多点触摸，这为残疾人使用提供了可能。

2基于视觉感知信息的乳腺钼靶肿块检测分析与自动提取

基于视觉感知信息分析来验证医生诊断过程中其自身感知行为对肿块检测的作用，提出一种基于视觉感知信息的肿块自动提取方法来实现感知反馈，方法框架如图1所示。通过采集医生视觉感知信息，并对其进行聚类分析，得到医生关注点，然后以关注点为种子点，利用图像分割技术提取疑似肿块。

2.1眼动视觉注意信息采集和预处理

实验邀请具有20多年临床影像诊断经验的医生作为眼动数据采集的被试，使用ASL-H6头戴式单目眼动跟踪系统，记录医生在浏览钼靶影像时的各项眼动信息。已有研究表明，注视点位置、注视点停留时间和瞳孔直径这3项眼动注视点属性能反映被试在浏览图像时对不同局部区域的感兴趣程度。读取每个钼靶影像对应的所有注视点的该属性数据，并将其作为后续分析的眼动数据。

2.2眼动视觉注意信息分析

采用聚类方法分析眼动数据，提出一种关注度评价指标来捕捉关注点，并在实验结果中对“基于眼动数据进行肿瘤检测”的敏感性和特异性进行分析。

2.3基于视觉注意信息的疑似病灶提取

在医生眼动信息分析之后，笔者采用经典的区域生长分割算法，得到肿块病灶的“粗轮廓”。按照方法选取关注点，生长过程采用基于迭代的自动灰度阈值算法。本方法为自动灰度阈值算法设定一个以关注点为中心800像素×800像素的区域。

2.4基于水平集的多尺度肿块病灶分割

肿块病灶的“粗分割”主要用于提取含肿块的矩形区域，其分割结果与真实病灶轮廓相比精度较低。为了提取较为精确的肿块病灶轮廓，采用笔作者提出的一种基于水平集的多尺度乳腺病灶分割方法。综合考虑算法效率和“细分割”精度，将粗尺度图像分割迭代次数设置为600次，细尺度图像分割迭代次数为100次。另外，由于医生诊断读片时很大一部分注视点落在肿块边缘上，而种子点生长对初始种子点的位置敏感性较大，所以“粗分割”得到的肿块轮廓很可能只包括真实肿块的一部分区域，因此需要将疑似病灶区截取范围扩大。

2.5实验数据、实验被试和实验环境

实验数据库使用南佛罗里达大学的DDSM公用数据库浙江省肿瘤医院的数据，共76个钼靶影像，其中46个包含肿块病灶，30个未包含肿块病灶，图像尺寸平均值为2500×4500像素点。实验参加者为浙江省肿瘤医院放射科的副主任医生，具有20多年的临床影像诊断经验。被试在实验前未浏览过实验图像库中的任何图像，实验时的图像随机呈现。图像显示设备为21吋的WIDE医用液晶显示器，分辨率为2048像素×2560像素。实验中的图像显示在屏幕中央，被试浏览图像结束后，闭眼表示一次眼动数据记录结束。

2.6评价方法

将关注点与医生手动标注的肿块病灶区域进行位置比较分析，将关注点落在肿块病灶标注区域内称为关注点“命中”肿块病灶。分别计算“命中肿块的关注点数占关注点总数的比例”和“未命中肿块的非关注点数占非关注点总数的比例”。

为了进一步提取被定位的疑似肿块病灶，引入肿块病灶分割方法提取肿块病灶。首先，基于区域生长从乳腺钼靶全图中提取肿块病灶的“粗轮廓”，得到包含肿块病灶的感兴趣区域。粗轮廓基本决定最终肿块病灶分割所能达到的精度水平，分为完整包含、半包含和不包含肿块病灶3种情况。基于目前已有肿块分割方法用视觉感知信息分析定位疑似肿块代替医生手动标记方法，肯定会降低最终的肿块分割精度。

3结束语

乳腺癌是威胁女性健康与生命安全的最常见恶性肿瘤之一。近年来，乳腺癌的发病率和死亡率正持续上升。国内外研究调查显示，乳腺癌防治的形势已经相当严峻，成为全球性的健康问题。及早的检测发现乳腺癌并采取积极的规范化、个体化治疗，已成为目前提高乳腺癌治愈率和乳腺病人的存活率的有效策略。钼靶X线摄影分辨率高，噪声污染小，可以清晰地显示乳腺组织、乳腺增生和组织微钙化以及肿块生长等问题，因此它是定性分析乳腺癌病情的最有效摄影学检测技术。目前国内外对于乳腺癌辅助诊断功能研究取得了不少成果，但是离满足临床应用的需求还有一段距离，这是由于乳腺癌辅助诊断系统的假阳性率还很高。在降低假阳性率的研究过程中，不少学者会借鉴其他领域的各种智能算法，最终希望能够辅助医生诊断，提高其诊断过程中的检测精度、诊断效率以及决策精度等。

参考文献：

[1]刘俊.基于钼靶图像的计算机辅助乳腺癌检测系统中关键技术研究[D].武汉科技大学,2012.