ABOUT

CAD&DICOM

CAD1.Introduction2.Enhancement3.Segmentation4.Detection5.Malignancyanalysis6.Evaluationfordetectionalgorithms1.Introduction近年來有很多女性死于乳癌，由于這種病的產(chǎn)生原因還不明確，所以早期預(yù)防似乎是不可能的。因此需要能夠較早的診斷，CAD是用于乳癌等疾病的診斷與控制控制，其原理如上。2.增強Enhancement傳統(tǒng)方法其他方法Region-basedenhancement

基于區(qū)域增強，增大與周圍背景的對比度可運用區(qū)域生長法。Feature-basedenhancement

基于特征增強，利用圖像特征，估算背景，或移除背景?？蓪D像增強。Contraststretching

對比伸展，移去相同的背景，方法簡單，但難以消除噪聲Enhancementbyhistogramequalizationmethod

圖像直方圖均衡法，將圖像灰度調(diào)節(jié)的盡量均勻，但噪聲也被增強Convolutionmaskenhancement

卷積屏蔽，普遍運用于乳房X照片，使用非銳化屏蔽，減少低頻信息，加強高頻信息，這種方法戲劇化地改變了圖片F(xiàn)ixedandadaptiveneighborhoodenhancement

鄰近固定和適應(yīng)法，采用鄰近區(qū)域的特征及灰度分布的方法，利用Square-rootfunction,但會使圖像特征損失，而且很難和同樣被加強的噪聲和背景區(qū)分開。

Evaluationofenhancementalgorithms增強算法評估3.分割SegmentationGoalsofsegmentation:總的來說，分割就是將圖像分為不同的部分ObtainthelocationofsuspiciousareaClassifytheabnormalitiesofthebreastintobenignormalignantLocalthresholding局部門限法，確定門限值，將圖像分為四個窗口，將每個窗口最大灰度與最小灰度移動。每個像素點，都至少需要五個獨立的窗口門限值。Regiongrowing區(qū)域生長法，以一個種子點，和周圍的點比較，若差別在閾值范圍類，則歸為一類，否則算作另一類，重復(fù)上述過程。Edgedetection邊緣探測法，用于解決圖像分析中的幾何問題。Wavelettransform微波轉(zhuǎn)換，利用一些微波算子，可進行邊緣特征分析，并且能夠保存被分割圖像的形態(tài)學(xué)特征及其空間信息。Stochasticapproaches隨機方法，隨機域模型，用來解決迭代處理中標記獲得的空間關(guān)系。其優(yōu)點是每個像素點的完善都有很大的利用4.探測DetectionTemplatematching模板匹配，將圖片與已儲備的模板進行匹配，為二位模板，是最簡單以及最早的結(jié)構(gòu)識別方法。但只是一個模擬的結(jié)果，且沒在乳房X照片上演示，只能對有所存儲的模板左移，噪聲太大也不適用。Microcalcificationdetectionbaseonitsfeatures特征探測，用各種特征作為輸入進行探測，特征有從圖像提取的，也有直接描述個別圖像的。4.探測DetectionMicrocalcificationdetectionbasedonstatisticaltexturefeatures

基于統(tǒng)計學(xué)結(jié)構(gòu)特征的探測Surroundingregiondependencemethod(SRDM)

依賴周圍區(qū)域的方法，二維直方矩陣Spatialgrayleveldependencemethod(SGLDM)

依賴空間灰度的方法Graylevelrunlengthmethod(GLRLM)

Agrey-levelrunisasetofconsecutiveandcollinearpixelpointshavingthesamegraylevelvalueanditslengthisthenumberofpixelpointsintherun.一系列有著相同灰度值共線的連續(xù)像素點，長度為點的個數(shù)Grayleveldifferencemethod(GLDM)

灰度差異的方法，兩像素點有明顯灰度差異4.探測DetectionMicrocalcificationdetectionbasedonmulti-scaletexturefeatures基于多數(shù)值結(jié)構(gòu)特征Waveletbasedmethod基于微波的方法，運用不同微波轉(zhuǎn)化數(shù)值，獲得不同特征。GaborfilterbankmethodGabor濾波庫方法，運用不同中心頻率的波，可將原始圖像變成不同數(shù)值及空間方向空間。將濾波后的圖像分為小的nonoverlapping區(qū)，每個區(qū)的平均值和標準差被計算出來，同時生成一個特征矢量，將這些矢量輸入。LaplacianofGaussianmethod高斯-拉普拉斯算法，改變?yōu)V波器大小，圖像可分為不同的數(shù)值空間，不同的數(shù)值被認為是一種特征。通過比較高斯-拉普拉斯算法預(yù)先確定的門限的microcalcification的回應(yīng)就可判斷一個點是否是microcalcificationMicrocalcificationdetectionbasedonfractaldimensionfeatures基于不規(guī)則碎片尺寸，fractaldimension表示圖片的粗糙度。Microcalcificationclusterdetectionusingclusteringfeatures運用串特征，設(shè)定門限值，用microcalcification之間的距離來進行分組，區(qū)分各個串。5.惡性腫瘤分析Malignancyanalysis

FeaturesetsClassifiers

Neuralnetworks（NN)Thekeycharacteristicsoftheartificialneuralnetworksisthedistributedrepresentation,localoperations,andnonlinearprocessing.神經(jīng)網(wǎng)絡(luò)，主要特征：分布式表示，局部運算，非線性處理。這些屬性使得神經(jīng)網(wǎng)絡(luò)適用于在許多數(shù)據(jù)中只有一些結(jié)論的地方，和一些復(fù)雜的非線性關(guān)系需要學(xué)習(xí)的地方。當一般的專業(yè)知識不適用時，神經(jīng)網(wǎng)絡(luò)可以找到更好的方法，它還可以有效地學(xué)習(xí)非線性繪圖，神經(jīng)網(wǎng)絡(luò)可以有效地更新來學(xué)習(xí)新的特征。K-nearestneighborclassifiers(KNN)K值最鄰近分類器，基于已知樣品區(qū)分未知結(jié)構(gòu)。KNN算法計算未知結(jié)構(gòu)與已知樣本的距離，選取最近的K來分類，但比神經(jīng)網(wǎng)絡(luò)的效果差些。Bayesianbeliefnetwork(classifier)（BBN)貝葉斯定理網(wǎng)絡(luò)，BNN是最佳的結(jié)構(gòu)識別方法，運用概率性的方法來確定一個特殊數(shù)據(jù)庫最佳的分割方法。結(jié)果更加依賴于特征和數(shù)據(jù)庫，而不是分類器。Binarydecisiontree二元判定樹，通過把特征設(shè)置門限，分為兩類，直到能夠分開為止。比起神經(jīng)網(wǎng)絡(luò)更簡單，計算量更小，也不需要知道特征的概率，而且模糊邏輯學(xué)可以提高其精度。6.探測算法的量化Evaluationfordetectionalgorithms

Sensitivityandspecificity靈敏度和特征值TP,acorrectjudgmentofanactualabnormalityFP,anormalregionwasfalselyidentifiedasabnormalityTN,anormalregionwascorrectlylabeled.FN,atrueabnormalitywasnotdetectedsensitivity=TPs=(TPs+FNs)specificity=TNs=(TNs+FPs)ROCandFROCcurveanalysis曲線分析，兩種曲線都有局限。Theydonotaddressthecomplexityofimagesandaredi9culttotransformthesubjectivemeasurements(radiologist’sobservations)totheobjectiveFROCcurve.AZvaluescomputingAZ值計算。TheareaundertheROCcurveortheFROCcurveisanimportantcriterionforevaluatingdiagnosticperformance.可表示FP,TP等的數(shù)值。DICOM1.DICOMBitmaps2.ImageCompression3.WorkingwithDigitalMedicalImages1.DICOM位圖DICOMBitmaps

2.圖像壓縮ImageCompression

LosslessCompression無損壓縮1000,1001,1002,1002,1000,1000,1001,1057,….用a代替1000a,1001,1002,1002,a,a,1001,1057,….只能為原來的一半或四分之一LossyCompression有損壓縮1000,1001,1002,1002,1000,1000,1001,1057,….將1001，1002近似為1000，用a代替a,a,a,a,a,a,a,1057,….有損壓縮容易出現(xiàn)一些人眼難以辨認的錯誤，但CAD軟件可以辨別。一個項目中所有有損壓縮的壓縮值需要相同。不斷地壓縮解壓會累積損失。StreamingCompression按需求，選擇性壓縮特點：快速下載，只需下載需要的，不需要全部都清晰。但整個下載需要很長時間。3.工作中的數(shù)字醫(yī)療圖像WorkingwithDigitalMedicalImages

ImageInterpolation圖像篡改，修改原圖像，人為增加像素點。DICOM忽視篡改