一種雙尺度模板的雙視圖乳腺腫塊檢測匹配

宋立新+李東紅+裴恒+曾皓+牛濱

摘要：為減少乳腺腫塊檢測到假陽性區(qū)域，進而提高可疑病灶區(qū)域的匹配率，提出了一種基于雙尺度模板檢測乳腺腫塊可疑病灶區(qū)域的方法。該方法首先依據(jù)CC視圖中可疑病灶區(qū)域，在MLO視圖中構(gòu)建條形匹配區(qū)域帶；然后，基于雙尺度Sech模板對腫塊圖像進行檢測后，再做歸一化互相關(guān)計算，檢測出相關(guān)性高的區(qū)域為腫塊的可疑病灶區(qū)域，依據(jù)基于形狀、面積特征的規(guī)則刪除假陽性區(qū)域；最后，根據(jù)基于互信息的相似性度量方法實現(xiàn)雙視圖的可疑病灶區(qū)域的匹配。實驗結(jié)果顯示：對DDSM數(shù)據(jù)庫中已確診的100幅腫塊圖像進行實驗對比，有90幅圖像能實現(xiàn)雙視圖腫塊的匹配，匹配率達到90%，與基于灰度分層的乳腺腫塊的雙視圖匹配相比，匹配率得到提高。

關(guān)鍵詞：雙視圖；模板匹配；雙尺度Sech模板；互信息；匹配率

DOI：1015938/jjhust201702024

中圖分類號： TN91173

文獻標志碼： A

文章編號： 1007-2683（2017）02-0129-06

Abstract：In order to reduce the detection of false positive masses and improve the matching rate of the double view lump， a method of double templates matching to detect the suspicious lesions area has been proposed This paper uses the suspicious lesions in the CCview area to identify the matching bar area in the MLOview firstly And then， it uses double Sechtemplate to detect lumps， the areas of high correlation coefficient will be suspicious lesions area After deleting the false positive regions， it fuse the different size template results based on rules of shape and area Finally， it is realized that the mass matching by measuring the similarity based on the mutual information This paper selects 100 pairs of images which have been confirmed to carry out the experiments of suspicious lesions match The experimental results show that ninety pairs of images have been achieved doubleview mass matching in comparing with the grayscale layering algorithm

Keywords：doubleview， template matching， double Sechtemplates， correlation coefficient， mutual information

0引言

乳腺癌的計算機輔助檢測分為基于單視圖和雙視圖的檢測，雙視圖分為軸位（cranio caudal， CC）視圖和斜位（medio lateral oblique， MLO）視圖[1]。由于基于單視圖的腫塊檢測敏感度高，存在假陽性區(qū)域多的問題，基于雙視圖的分析得到了廣泛研究。

國內(nèi)外眾多研究人員在乳腺腫塊CAD方面展開了大量的研究，取得了相應(yīng)的成果。例如，Zheng和Nevine等人分別提出了基于三層地形模型和多層地形模型的檢測方法[2]，將腫塊圖像分成多個層次進行可疑腫塊區(qū)域的提取，腫塊檢測的查全率有所提高，但假陽性區(qū)域個數(shù)明顯增多，導(dǎo)致匹配率降低。宋恩民、徐勝舟等人認為可疑腫塊病灶區(qū)域的灰度分布一般是中心的灰度值大，越往邊緣延伸，灰度值越小，形狀比較規(guī)則且近似于圓形[3]。在匹配區(qū)域帶中，先搜索出疑似腫塊病灶區(qū)域，然后再進行腫塊分割，如模板匹配法和濾波法[4]，本文選擇了與腫塊的灰度分布有較高相似度的Sech模板進行腫塊檢測，減少了假陽性區(qū)域個數(shù)，提高檢測的準確性。

本文重點研究了基于雙尺度模板匹配檢測腫塊的可疑病灶區(qū)域，然后利用基于互信息的相似性度量方法實現(xiàn)軸視圖和斜視圖的可疑病灶區(qū)域的匹配。具體步驟是先確定CC視圖和MLO視圖乳腺的邊緣、胸壁線、和乳頭[5]等參考位置；然后依據(jù)CC視圖中的可疑病灶區(qū)域在MLO視圖中構(gòu)建條形匹配區(qū)域帶，在匹配帶中利用雙尺度Sech模板檢測可疑病灶區(qū)域，并根據(jù)基于形狀、面積特征的規(guī)則刪除部分假陽性區(qū)域；最后利用基于互信息的相似性度量方法進行雙視圖的可疑病灶區(qū)域的匹配。

1條形匹配區(qū)域帶的構(gòu)建

本文采用的圖像來自美國南佛羅利達大學(xué)構(gòu)建的數(shù)字乳腺X線圖像數(shù)據(jù)庫（digital database for screening mammography， DDSM），依據(jù)數(shù)據(jù)庫中醫(yī)生手動標記的疑似腫塊區(qū)域，在CC視圖中標記腫塊區(qū)域，結(jié)合參考對象[6]，建立參考坐標系，并依此建立條形匹配區(qū)域帶。

首先利用最小二乘直線擬合的方法擬合胸壁線，依據(jù)幾何方法近似得到乳頭[7]。根據(jù)CC視圖的參考信息建立條形匹配區(qū)域帶，以便進行雙視圖的腫塊區(qū)域的匹配。具體步驟為：①在CC視圖中，手動選取疑似腫塊病灶區(qū)域，找到所選疑似病灶區(qū)域的中心點到中軸線的投影點，定義投影點到乳頭的距離d；②在MLO視圖中，找到距離乳頭長度為d的點，過此點做平行于胸壁線的直線，即為條形區(qū)域帶的中心線[8]；③再根據(jù)中心線為基準，選定區(qū)域帶的寬度后，確定條形匹配區(qū)域帶。