基于双视图的乳腺密度分割和量化分类研究

作     者：胡敬宇 

作者单位：西南科技大学 

学位级别：硕士

导师姓名：刘志勤;郑介志

授予年度：2023年

学科分类：1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 100214[医学-肿瘤学] 0802[工学-机械工程] 10[医学] 

主      题：乳腺钼靶X线图像 乳腺密度 卷积神经网络 双注意力模块 双视图量化分类 

摘      要：截止到2018年,乳腺癌已位居女性癌症发病率首位,成为女性健康的首要敌人。经医学研究发现乳腺密度是造成乳腺异常的一个重要评估标准。乳腺钼靶X线图像因其能够有效发现早期乳腺癌病变成为乳腺疾病筛查首选,目前多数公开数据集也多以乳腺钼靶X线图像留存,同时乳腺钼靶X线图像在拍摄过程中容易出现伪影,单视图导致腺体丰富时容易发生重叠等问题导致乳腺密度筛查出现误差,使得多视图、高精度的乳腺密度分类成为临床所需。综合国内外研究可知提高乳腺密度分类的准确性主要存在三大难点,难点一:如何去除乳腺钼靶X线图像的内外侧斜位视图存在的无效区域胸肌,以及现有公开数据集乳腺钼靶X线图像数量不足的问题。难点二:如何解决乳腺钼靶X线图像中存在伪影导致乳腺密度的分割效果不佳的问题。难点三:如何解决由腺体重叠导致单视图中存在乳腺钼靶X线图线分类存在误差的问题。围绕着以上针对乳腺密度分类存在的三个难点,本文开展了以下的工作。(1)乳腺钼靶X线图像预处理及数据增强在INbreast公开数据库获取的乳腺钼靶X线图像中,真正的乳房区域只占一部分,无效背景区域提高了对于乳腺钼靶X线图像特征区域的读取。经医学研究发现乳腺密度是造成乳腺异常的一个重要评估标准,然而乳腺钼靶中存在背景伪影区域以及无效胸肌等部分严重影响乳腺密度分割和分类实验,因此本文通过图像预处理方式对乳腺钼靶X线图像进行输入前的处理准备,通过二值化、单连通区域分析法去除无效背景区域并裁剪出乳腺区域图像,最后对于其中内外侧斜位视角中存在的胸肌采用阈值法去除。对于深度学习所需大量数据集,然而本文采用的INbreast公开数据库中存在数据量不足的问题,本文将INbreast数据库中的410张图片数据增广至3200张图片,增广后模型能学习到更多乳腺特征的信息。(2)基于双注意力机制的乳腺密度分割本文提出了一种基于双注意力机制的U-Net深度卷积神经网络模型用于提高因存在内部伪影导致分割效果不佳的问题。首先将经过预处理的乳腺钼靶X线图像输入协同注意力模块,利用注意力机制对输入的乳腺钼靶X线图像的每个部位权重进行计算,多方位大范围获取感兴趣区信息。其次上采样特征融合过程中,将经过协同注意力模块处理过的浅层特征图与深层特征图进过注意门处理,生成权重分配给每个部分对局部特征进行进一步增强。最后将注意门处理过后的特征图与上采样后的特征图进行结合,再经过协同注意力模块,保持上采样过程中全程的特征加强,直至分割结束。改进后分割模型在乳腺密度中的平均分割指标可达:Dice相关系数(DSC)91.8%,交并比(IOU)指标85.8%,其中患癌率较高的致密性乳腺类型的DSC和IOU分别为98.4%和96.8%。有利于帮助医生对乳腺密度类别进行准确判断。(3)基于双视图的乳腺密度分类量化目前多数公开数据集以乳腺钼靶X线图像为主,腺体丰富时单视图容易存在乳腺重叠的问题导致乳腺密度筛查出现误差,因此多视图、高精度的乳腺密度分类成为临床所需。论文首先通过第四章的双注意力模块分割网络得到单视图乳腺密度分割结果。其次将头足位和内外侧斜位组成单侧乳房双视图,按照各占二分一比例通过本文提出基于像素级的乳腺密度量化方法得到乳腺密度百分比。最后将得到的结果同BI-RADS结果进行分类比较。实验结果表明,基于双视图的乳腺密度分类的使用大大提高了分类的准确性,对比于单视图双视图平均分类准确性提高了2.93%。因此双视图乳腺密度量化分类不仅能很好的解决单视图存在的问题,还提供给医护人员更加精准的分类结果。