一种新颖的乳腺X线影像中钙化点检测方法

乳腺癌是妇女常见恶性肿瘤之一,早期诊断和早期治疗是降低乳腺癌患者死亡率的关键。微钙化是乳腺癌早期的一个重要标志,因此,快速准确地找出乳腺X光片中的钙化点成为成功诊断的第一步。现有多种方法能用于检测钙化点并各有优缺点,其中典型的高斯-拉普拉斯算子（LOG）是有效方法之一,尽管其能较精确地检出钙化点的位置但检测效率低。级联形态学滤波算子的LOG改进了LOG的效率,但仍无法满足大规模普查的高效率要求。通过提出一维和二维LOG相级联的方法来实现高效实时的钙化点的检测,并通过实验证实了所提检测方法的有效性。     

乳腺图像微钙化簇主动学习检测新方法

提出一种基于主动学习的微钙化簇区域检测新算法,利用方向差分滤波器组对微钙化区域进行增强和特征提取,同时抑制高亮血管和导管等复杂区域的干扰; 利用基于Bootstrap的主动学习样本方法进行样本选择和分类器训练; 采用训练后的分类器实现乳腺X-线图像中钙化簇区域检测．实验结果表明,相对于被动学习的分类器检测效果,新算法在保持检出率的同时使假阳性率降低了约4.7％,取得了较好的检测效果．     

致密组织图像的图像增强算法

近年来乳腺癌有年轻化的趋势,年轻妇女的乳腺组织结构以致密组织为主,由于致密组织在乳腺X光片中也呈现出高亮度,所以致密组织很容易被误解为微钙化。文章主要针对这些图像,提出一种新的图像增强算法。试验证明,该算法可以改进CAD系统性能,并能更好地在致密乳腺组织图像中检测微钙化点。     

基于先验模型和区域生长的乳腺图像钙化点检测

早期乳腺癌的一个重要特征就是钙化点,快速准确地找出乳腺图像中的钙化点是成功诊断的第一步。提出了一种先验模板和区域生长的钙化点快速检测方法。根据钙化点检测的临床经验,选用一直径为0.5mm的模板找出乳腺图像中的局部峰值点。以这些峰值点为初始种子点,进行区域生长;计算每个区域的面积、平均灰度、对比度,保留满足钙化点特征的区域。根据先验知识,对生长获得的钙化点是否成簇进行判别,保留成簇的微钙化点。实验表明,该算法实现了乳腺图像中钙化点的快速自动检测,提高了医生诊断的正确性。     

The Paradox Effect of Calcification in Carotid Atherosclerosis: Microcalcification Is Correlated with Plaque Instability

Background: this study aims to investigate the possible association among the histopathologic features of carotid plaque instability, the presence of micro- or macrocalcifications, the expression of in situ inflammatory biomarkers, and the occurrence of the major risk factors in this process in a large series of carotid plaques. Methods: a total of 687 carotid plaques from symptomatic and asymptomatic patients were collected. Histological evaluation was performed to classify the calcium deposits in micro or macrocalcifications according to their morphological features (location and size). Immunohistochemistry was performed to study the expression of the main inflammatory biomarkers. Results: results here reported demonstrated that calcifications are very frequent in carotid plaques, with a significant difference between the presence of micro- and macrocalcifications. Specifically, microcalcifications were significantly associated to high inflamed unstable plaques. Paradoxically, macrocalcifications seem to stabilize the plaque and are associated to a M2 macrophage polarization instead. Discussion: the characterization of mechanisms involved in the formation of carotid calcifications can lay the foundation for developing new strategies for the management of patients affected by carotid atherosclerosis. Data of this study could provide key elements for an exhaustive evaluation of carotid plaque calcifications allowing to establish the risk of associated clinical events.     

使用遗传算法的乳腺微钙化点特征优化

乳腺微钙化点包含众多属性,由于其中存在的冗余和不相关属性降低了微钙化点病变类型判别的性能。因此,特征子集选择问题成为微钙化点病变类型识别中的重要问题。该文针对传统优化方法用于特征选择的种种缺陷,提出了基于遗传算法的特征子集选择测算法。经乳腺微钙化点特征选择实例分析,证明该方法拥有较强的并行性和寻优能力,在特征选择领域有广阔的应用前景。     

基于K-L变换和神经网络分类的微钙化点检测新方法

目前一般的乳腺X光片微钙化点检测系统大致都包括:图像预处理和分割;病理图像的特征提取和分类;辅助诊断和分析等几个步骤,其中神经网络经常用于特征提取和分类阶段。为了提高神经网络的分类能力,需要采用最具代表性的特征作为分类系统的输入部分,而且采用的特征数目要有利于最有效的特征提取,否则会使分类的效率大打折扣。所以分类系统一个重要的任务是对神经网络的输入样本集进行训练和特征值的优化,本文采用K-L变换用于降低输入特征向量的维数,从而达到参数优化的目的。试验表明,该方法可以有效地提高系统的灵敏度,降低诊断的假阳性。