[1]程运福,张光玉,崔栋,等.基于乳腺X线图像的微钙化点区域自动检测算法研究[J].中国医学物理学杂志,2013,30(02):3992-3996.[doi:10.3969/j.issn.1005-202X.2013.02.007]
点击复制

基于乳腺X线图像的微钙化点区域自动检测算法研究
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
30卷
期数:
2013年02期
页码:
3992-3996
栏目:
出版日期:
2013-03-15

文章信息/Info

作者:
程运福; 张光玉; 崔栋; 张勇
泰山医学院放射学院;
关键词:
乳腺X线图像; 感兴趣区域; 微钙化点
分类号:
R318
DOI:
10.3969/j.issn.1005-202X.2013.02.007
文献标志码:
B
摘要:
目的:乳腺癌是女性最常见和多发的恶性肿瘤之一。恶性乳腺肿瘤早期重要表征是伴有微钙化现象。人工识别乳腺X射线图像微钙化点和微小肿块等病变遗漏率较高。探讨乳腺X线影像中微钙化点区域的自动提取算法,以提高诊断速度和准确率。方法:在综合运用各种算法的基础上,基于乳腺X线图像微钙化点特征提出应用小波变换等研究乳腺X影像中微钙化点感兴趣区域的自动提取方法,并仿真验证算法的有效性。结果:应用ROC模型对医院临床80个病例的150副图像对提出的小波改进算法和相关算法进行了测试和比较。基于小波的微钙化点区域自动提取算法,可以获得高达98.8%的检出率和5%的误检率,实现了乳腺图像中含钙化点感兴趣区域的自动提取,验证了算法对提高检出率的可行性。结论:应用小波改进算法对乳腺X线图像中含钙化点感兴趣区域的自动提取是可行的,具有较高的微钙化点检出率,有利于实现乳腺影像可疑病灶区域的自动定位和早期发现,有利于加强对导致乳腺癌危险因素的研究和积极干预。

相似文献/References:

[1]孙晓琪,蔡思清,任艳楠.基于Attention U-Net的乳腺X线图像微钙化检测模型的临床应用[J].中国医学物理学杂志,2024,41(6):716.[doi:DOI:10.3969/j.issn.1005-202X.2024.06.009]
　SUN Xiaoqi,CAI Siqing,REN Yannan.Clinical application of mammogram microcalcification detection model based on Attention U-Net[J].Chinese Journal of Medical Physics,2024,41(02):716.[doi:DOI:10.3969/j.issn.1005-202X.2024.06.009]

更新日期/Last Update: 2013-03-15