结合图像分割和多特征融合识别乳腺钼靶图像

章鸣嬛 肖勤 刘文坚 陈瑛 张璇 顾雅佳

1上海杉达学院大数据分析与处理研究中心201209；2复旦大学附属肿瘤医院放射诊断科，上海200032；3澳门城市大学人文社会科学学院999078

0 引言

乳腺癌是女性最常见的恶性肿瘤之一，其死亡率高居女性癌症的第二位。统计数据显示，全球每年有超过50万女性死于乳腺癌，超过120万女性患乳腺癌[1]。中国抗癌协会的统计结果显示，我国乳腺癌发生率以每年3%的速率递增，主要城市女性居民的乳腺癌发病率10年间升高了37%。

目前，乳腺钼靶X线摄影技术（mammography）是首选的用于乳腺癌早期发现和诊断的普查方法[2]，是针对早期乳腺癌的最有效检查手段。乳腺图像报告和数据系统（breast imaging reporting and data system，BI-RADS）是美国放射学会推荐的一种乳腺图像报告诊断标准。在2013年最新修订的第五版BIRADS 中，共包括 6 个类别（BIRADS1～BIRADS6）[3]，其中满足第4类（BI-RADS4）的受检者，其罹患恶性乳腺肿瘤的可能性为3%～94%。数字钼靶X线图像数据库（the digital database for screening mammography，DDSM）是美国佛罗里达大学开发的用于乳腺癌筛查的图像数据库，其中包含超过2 000个病例的图像数据，并根据诊断结果将这些图像分为恶性病变、良性病变、良性且无需复诊、正常4个类别。

图像分割是图像处理与分析的关键步骤，也是对图像进行特征提取、参数选择和模式识别的重要基础与前提。由于DDSM中的钼靶图像空间分辨率较高，且图像中存在大量无效区域，并不适合直接对其进行处理和识别。因此，应首先从这些图像中提取出感兴趣区域（region of interest，ROI），较常用的ROI划分法有阈值分割、区域分割、边缘分割、聚类分割和模型分割等[4]。……