一种双尺度模板的双视图乳腺肿块检测匹配

宋立新+李东红+裴恒+曾皓+牛滨

摘要：为减少乳腺肿块检测到假阳性区域，进而提高可疑病灶区域的匹配率，提出了一种基于双尺度模板检测乳腺肿块可疑病灶区域的方法。该方法首先依据CC视图中可疑病灶区域，在MLO视图中构建条形匹配区域带；然后，基于双尺度Sech模板对肿块图像进行检测后，再做归一化互相关计算，检测出相关性高的区域为肿块的可疑病灶区域，依据基于形状、面积特征的规则删除假阳性区域；最后，根据基于互信息的相似性度量方法实现双视图的可疑病灶区域的匹配。实验结果显示：对DDSM数据库中已确诊的100幅肿块图像进行实验对比，有90幅图像能实现双视图肿块的匹配，匹配率达到90%，与基于灰度分层的乳腺肿块的双视图匹配相比，匹配率得到提高。

关键词：双视图；模板匹配；双尺度Sech模板；互信息；匹配率

DOI：1015938/jjhust201702024

中图分类号： TN91173

文献标志码： A

文章编号： 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

乳腺癌的计算机辅助检测分为基于单视图和双视图的检测，双视图分为轴位（cranio caudal， CC）视图和斜位（medio lateral oblique， MLO）视图[1]。由于基于单视图的肿块检测敏感度高，存在假阳性区域多的问题，基于双视图的分析得到了广泛研究。

国内外众多研究人员在乳腺肿块CAD方面展开了大量的研究，取得了相应的成果。例如，Zheng和Nevine等人分别提出了基于三层地形模型和多层地形模型的检测方法[2]，将肿块图像分成多个层次进行可疑肿块区域的提取，肿块检测的查全率有所提高，但假阳性区域个数明显增多，导致匹配率降低。宋恩民、徐胜舟等人认为可疑肿块病灶区域的灰度分布一般是中心的灰度值大，越往边缘延伸，灰度值越小，形状比较规则且近似于圆形[3]。在匹配区域带中，先搜索出疑似肿块病灶区域，然后再进行肿块分割，如模板匹配法和滤波法[4]，本文选择了与肿块的灰度分布有较高相似度的Sech模板进行肿块检测，减少了假阳性区域个数，提高检测的准确性。

本文重点研究了基于双尺度模板匹配检测肿块的可疑病灶区域，然后利用基于互信息的相似性度量方法实现轴视图和斜视图的可疑病灶区域的匹配。具体步骤是先确定CC视图和MLO視图乳腺的边缘、胸壁线、和乳头[5]等参考位置；然后依据CC视图中的可疑病灶区域在MLO视图中构建条形匹配区域带，在匹配带中利用双尺度Sech模板检测可疑病灶区域，并根据基于形状、面积特征的规则删除部分假阳性区域；最后利用基于互信息的相似性度量方法进行双视图的可疑病灶区域的匹配。

1条形匹配区域带的构建

本文采用的图像来自美国南佛罗利达大学构建的数字乳腺X线图像数据库（digital database for screening mammography， DDSM），依据数据库中医生手动标记的疑似肿块区域，在CC视图中标记肿块区域，结合参考对象[6]，建立参考坐标系，并依此建立条形匹配区域带。

首先利用最小二乘直线拟合的方法拟合胸壁线，依据几何方法近似得到乳头[7]。根据CC视图的参考信息建立条形匹配区域带，以便进行双视图的肿块区域的匹配。具体步骤为：①在CC视图中，手动选取疑似肿块病灶区域，找到所选疑似病灶区域的中心点到中轴线的投影点，定义投影点到乳头的距离d；②在MLO视图中，找到距离乳头长度为d的点，过此点做平行于胸壁线的直线，即为条形区域带的中心线[8]；③再根据中心线为基准，选定区域带的宽度后，确定条形匹配区域带。