基于SPCNN与改进型矢量CV模型的乳腺X射线肿块分割方法

韩振中; 陈后金; 李艳凤; 李居朋; 姚畅; 程琳

doi:10.7498/aps.63.078703

摘要

作为乳腺癌计算机辅助诊断系统的重要环节，肿块分割的结果严重影响到肿块良恶性的判别. 针对现有方法的不足，本文提出了一种基于简化型脉冲耦合神经网络和改进型矢量无边缘活动轮廓模型的乳腺X射线肿块分割方法. 首先，通过数学分析计算SPCNN的相关参数与终止条件，进而利用SPCNN模型分割出肿块的初始轮廓. 然后，针对传统CV模型的不足，进行相应的修正得到改进型矢量CV模型. 最后，结合SPCNN分割出的初始轮廓，利用改进型的矢量CV模型处理ROI分割出肿块. 采用北京大学人民医院乳腺中心提供的临床图像以及DDSM数据库的图像进行对比实验，实验结果表明，本文方法相比较现有方法分割结果更为准确，尤其是在处理东方女性致密性案例时，本文方法更有优势.

关键词:

Abstract

Mass segmentation plays an important role in computer-aided diagnosis (CAD) system. The segmentation result seriously affects classifying mass as benign and malignant. By combining the simplified pulse coupled neural network (SPCNN) and the improved vector active contour without edge (vector-CV), a novel method of mass segmentation in mammogram is proposed in this paper. First, the parameters and termination conditions of SPCNN are obtained through mathematical analysis and the initial contour is segmented by SPCNN. Then, the vector CV model is accordingly modified to overcome the shortcomings of traditional CV model. Finally, combined with the initial contour, the improved vector-CV is used to segment the mass contour. The experiments implemented on the public digital database for screening mammography (DDSM) and the clinical images which are provided by the Center of Breast Disease of Peking University People’s Hospital indicate that the proposed method is better than the existing methods, especially when dealing with the dense breasts of Oriental female.

Keywords:

CAD /
mass segmentation /
SPCNN /
vector-CV

作者及机构信息

1.
北京交通大学电子信息工程学院, 北京 100044;

2.
北京大学人民医院乳腺中心, 北京 100044

基金项目: 国家自然科学基金（批准号：61271305，61201363，60972093）、国家高等学校博士学科点专项科研基金（批准号：20110009110001）和中央高校基本科研业务费专项资金（批准号：2014JBM020）资助的课题.

Authors and contacts

1.
School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing 100044, China;

2.
Center of Breast Disease, Peking University People’s Hospital, Beijing 100044, China

Funds: Project supported by the National Natural Science Foundation of China (Grant Nos. 661271305, 61201363, 60972093), the Specialized Research Fund for the Doctoral Program of Higher Education of China (Grant No. 20110009110001), and the Fundamental Research Funds for the Central Universities (Grant No. 2014JBM020).

参考文献

[1]	Xiang L Z, Xing D, Guo H, Yang S H 2009 Acta Phys. Sin. 58 4610 (in Chinese) [向良忠, 邢达, 郭华, 杨思华 2009 58 4610]
[2]	Xu X H, Li H 2008 Acta Phys. Sin. 57 4623 (in Chinese)[徐晓辉, 李晖2008 57 4623]
[3]	Xiao X, Xu L, Liu B Y 2013 Acta Phys. Sin. 62 044105 (in Chinese) [肖夏, 徐立, 刘冰雨2013 62 044105]
[4]	Liu G D, Zhang Y R 2011 Acta Phys. Sin. 60 074303 (in Chinese) [刘广东, 张业荣2011 60 074303]
[5]	Yao C, Chen H J, Yang Y Y, Li Y F, Han Z Z, Zhang S J 2013 Acta Phys. Sin. 62 088702 (in Chinese) [姚畅, 陈后金, Yang Yong-Yi, 李艳凤, 韩振中, 张圣君2013 62 088702]
[6]	Liu T S 2004 Guangxi Medical Journal 26 1595 (in Chinese)[刘惕生2004 广西医学26 1595]
[7]	Kupinski M A, Giger M L 1998 IEEE Trans. Med. Imag. 17 510
[8]	Kobatake H, Murakami M, Takeo H, Nawano S 1999 IEEE Trans. Med. Imag. 18 369
[9]	Cao Y, Hao X, Zhu X E, Xia S R 2011 Journal of Zhejiang University (Engineering Science) 45 1753(in Chinese)[曹颖, 郝欣, 朱晓恩, 夏顺仁浙江大学学报(工学版) 45 1753]
[10]	Xu W D, Xia S R, Xiao M, Duan H L 2005 Proceedings of the 27th Annual Conference on Medicine and Biology. Shanghai, China September 1-4, 2005 p2543
[11]	Yu S S, Tsai C Y, Liu C C 2010 Proceedings of 4th International Conference on New Trends in Information Science and Service Science (NISS). Gyeongju, South Korea May 11-13, 2010 p715
[12]	Wang Y, Tao D C, Gao X B, Li X L, Wang B 2011 Pattern Recognition 44 1903
[13]	Wang D K, Hou Y Q, Peng J Y 2008 Image processing using partial differential equations (Beijing: Science Press) p103. (in Chinese) [王大凯, 侯榆青, 彭进业2008 图像处理的偏微分方程方法(北京: 科学出版社) 第103 页]
[14]	Ma Y D, Li L, Wang Z B 2008 Pulse Coupled Neural Network and Digital Image Processing(Beijing: Science Press) p44 (in Chinese) [马义德, 李廉, 王兆滨脉冲耦合神经网络与数字图像处理(北京: 科学出版社) 第44 页]
[15]	Hou K, Bao S L, Ma J F, Chen C 2011 Chin. Phys. B 20 028701
[16]	Huang G, Tai Y C, Fang Q 2011 Jilin Medical Journal 32 6979 (in Chinese) [黄贵, 邰亦成, 方琪2011 吉林医学 32 6979]

施引文献

[1]	Xiang L Z, Xing D, Guo H, Yang S H 2009 Acta Phys. Sin. 58 4610 (in Chinese) [向良忠, 邢达, 郭华, 杨思华 2009 58 4610]
[2]	Xu X H, Li H 2008 Acta Phys. Sin. 57 4623 (in Chinese)[徐晓辉, 李晖2008 57 4623]
[3]	Xiao X, Xu L, Liu B Y 2013 Acta Phys. Sin. 62 044105 (in Chinese) [肖夏, 徐立, 刘冰雨2013 62 044105]
[4]	Liu G D, Zhang Y R 2011 Acta Phys. Sin. 60 074303 (in Chinese) [刘广东, 张业荣2011 60 074303]
[5]	Yao C, Chen H J, Yang Y Y, Li Y F, Han Z Z, Zhang S J 2013 Acta Phys. Sin. 62 088702 (in Chinese) [姚畅, 陈后金, Yang Yong-Yi, 李艳凤, 韩振中, 张圣君2013 62 088702]
[6]	Liu T S 2004 Guangxi Medical Journal 26 1595 (in Chinese)[刘惕生2004 广西医学26 1595]
[7]	Kupinski M A, Giger M L 1998 IEEE Trans. Med. Imag. 17 510
[8]	Kobatake H, Murakami M, Takeo H, Nawano S 1999 IEEE Trans. Med. Imag. 18 369
[9]	Cao Y, Hao X, Zhu X E, Xia S R 2011 Journal of Zhejiang University (Engineering Science) 45 1753(in Chinese)[曹颖, 郝欣, 朱晓恩, 夏顺仁浙江大学学报(工学版) 45 1753]
[10]	Xu W D, Xia S R, Xiao M, Duan H L 2005 Proceedings of the 27th Annual Conference on Medicine and Biology. Shanghai, China September 1-4, 2005 p2543
[11]	Yu S S, Tsai C Y, Liu C C 2010 Proceedings of 4th International Conference on New Trends in Information Science and Service Science (NISS). Gyeongju, South Korea May 11-13, 2010 p715
[12]	Wang Y, Tao D C, Gao X B, Li X L, Wang B 2011 Pattern Recognition 44 1903
[13]	Wang D K, Hou Y Q, Peng J Y 2008 Image processing using partial differential equations (Beijing: Science Press) p103. (in Chinese) [王大凯, 侯榆青, 彭进业2008 图像处理的偏微分方程方法(北京: 科学出版社) 第103 页]
[14]	Ma Y D, Li L, Wang Z B 2008 Pulse Coupled Neural Network and Digital Image Processing(Beijing: Science Press) p44 (in Chinese) [马义德, 李廉, 王兆滨脉冲耦合神经网络与数字图像处理(北京: 科学出版社) 第44 页]
[15]	Hou K, Bao S L, Ma J F, Chen C 2011 Chin. Phys. B 20 028701
[16]	Huang G, Tai Y C, Fang Q 2011 Jilin Medical Journal 32 6979 (in Chinese) [黄贵, 邰亦成, 方琪2011 吉林医学 32 6979]

[1]	林开东, 林晓倩, 林绪波. 靶向PD-L1蛋白的计算机辅助药物筛选. , 2023, 72(24): 240501. doi: 10.7498/aps.72.20231068
[2]	方波浪, 王建国, 冯国斌. 基于物理信息神经网络的光斑质心计算. , 2022, 71(20): 200601. doi: 10.7498/aps.71.20220670
[3]	郭业才, 周林锋. 基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究. , 2015, 64(19): 194204. doi: 10.7498/aps.64.194204
[4]	赵佳, 喻莉, 李静茹. 社交网络中基于贝叶斯和半环代数模型的节点影响力计算机理. , 2013, 62(13): 130201. doi: 10.7498/aps.62.130201
[5]	李承, 石丹, 邹云屏. 一种具有正弦基函数权值的反馈型神经网络模型. , 2012, 61(7): 070701. doi: 10.7498/aps.61.070701
[6]	赵兴宇, 王丽娜, 樊小辉, 张丽丽, 卫来, 张晋鲁, 黄以能. 玻璃化转变的分子串模型中分子串弛豫模式的计算机模拟. , 2011, 60(3): 036403. doi: 10.7498/aps.60.036403
[7]	顾凌云, 徐升华, 孙祉伟. 带电粒子形成胶体晶体的有效硬球模型判据的计算机模拟验证. , 2011, 60(12): 126402. doi: 10.7498/aps.60.126402
[8]	许峰, 刘堂晏, 黄永仁. 油水饱和球管孔隙模型弛豫的理论计算与计算机模拟. , 2008, 57(1): 550-555. doi: 10.7498/aps.57.550
[9]	刘　锋, 山秀明, 任　勇, 张　军, 马正新. 计算机网络的长程相关特性. , 2004, 53(2): 373-378. doi: 10.7498/aps.53.373
[10]	王少宏, B.Ferguson, 张存林, 张希成. Terahertz波计算机辅助三维层析成像技术. , 2003, 52(1): 120-124. doi: 10.7498/aps.52.120
[11]	许峰, 黄永仁. 特形脉冲的设计与计算机模拟. , 2002, 51(11): 2617-2622. doi: 10.7498/aps.51.2617
[12]	袁坚, 任勇, 刘锋, 山秀明. 复杂计算机网络中的相变和整体关联行为. , 2001, 50(7): 1221-1225. doi: 10.7498/aps.50.1221
[13]	袁坚, 任勇, 山秀明. 一种计算机网络的元胞自动机模型及分析. , 2000, 49(3): 398-402. doi: 10.7498/aps.49.398
[14]	吕晓阳, 刘慕仁, 孔令江. 一维元胞自动机随机交通流模型的理论分析与计算机实验. , 1998, 47(11): 1761-1768. doi: 10.7498/aps.47.1761
[15]	曾建林, 巴龙, 侯建国, 吴自勤. 薄膜中缩聚型分形的计算机模拟. , 1997, 46(1): 28-34. doi: 10.7498/aps.46.28
[16]	马余强, 张玥明, 龚昌德. Hopfield神经网络模型的恢复特性. , 1993, 42(8): 1356-1360. doi: 10.7498/aps.42.1356
[17]	张世昌, 王文耀, 徐勇. 自由电子激光计算机模拟的一种简化方法. , 1993, 42(5): 762-768. doi: 10.7498/aps.42.762
[18]	陈金昌, 王京汉, 李德修, 程先安, 王绪威, 陈秉玉. 非晶态合金Ni64B36结构的计算机模拟(Ⅱ)——边界条件对模型结构的影响. , 1986, 35(8): 969-978. doi: 10.7498/aps.35.969
[19]	朱振和. 脉冲主被动锁模固体激光器的理论计算(Ⅱ)——计算机模拟. , 1985, 34(5): 611-621. doi: 10.7498/aps.34.611
[20]	郑人杰, 梁栋材. 104型电子计算机上的晶体结构分析标准程序系统——Ⅱ.结构振幅F_c的计算. , 1965, 21(1): 51-55. doi: 10.7498/aps.21.51

计量

文章访问数: 6920
PDF下载量: 596
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

搜索

留言板