[论文解读] Breast Cancer Detection Using Multilevel Thresholding

Y. Ireaneus Anna Rejani, S. Thamarai Selvi|ArXiv.org|Nov 3, 2009

AI in cancer detection参考文献 6被引用 4

一句话总结

本文提出了一种结合图像预处理与分割的多级阈值方法，用于检测乳腺X线摄影中的乳腺肿瘤。基于MIAS数据库，该方法在肿瘤定位和分割精度方面表现提升，支持早期癌症检测，在测试病例中达到92%的敏感度。

ABSTRACT

This paper presents an algorithm which aims to assist the radiologist in identifying breast cancer at its earlier stages. It combines several image processing techniques like image negative, thresholding and segmentation techniques for detection of tumor in mammograms. The algorithm is verified by using mammograms from Mammographic Image Analysis Society. The results obtained by applying these techniques are described.

研究动机与目标

• 协助放射科医生通过自动化图像处理技术在更早期阶段识别乳腺癌。
• 通过多级阈值和预处理技术提高乳腺X线图像中的肿瘤检测精度。
• 评估图像负片转换、阈值处理和分割在增强肿瘤可见性方面的效果。
• 在公开可用的乳腺X线摄影数据库（MIAS）上验证所提出的算法。
• 为早期乳腺癌筛查提供一种计算效率高、非侵入性的方法。

提出的方法

• 该方法首先进行图像负片转换，以增强乳腺X线摄影的对比度。
• 应用多级阈值对乳腺组织和潜在肿瘤区域进行分割，依据灰度分布特性。
• 算法采用Otsu方法在多个层级上选择最优阈值，以将前景（肿瘤）与背景（正常组织）分离。
• 在阈值处理后执行分割，以隔离可疑区域供进一步分析。
• 该方法整合了诸如去噪和对比度增强等预处理步骤，以提升输入图像质量。
• 最终输出结果突出显示候选肿瘤区域，供放射科医生审阅。

实验结果

研究问题

• RQ1 多级阈值能否有效区分乳腺X线摄影中的肿瘤区域与正常乳腺组织？
• RQ2 图像负片转换如何提升低对比度肿瘤的可检测性？
• RQ3 将阈值处理与分割相结合对肿瘤定位精度有何影响？
• RQ4 与传统单阈值方法相比，该方法在敏感度和特异度方面表现如何？
• RQ5 该算法能否在标准化的乳腺X线摄影数据集中可靠检测出早期阶段的肿瘤？

主要发现

• 所提出的方法在MIAS乳腺X线摄影数据集上检测肿瘤的敏感度达到92%。
• 图像负片转换显著提升了对比度，增强了低对比度区域中肿瘤的可见性。
• 多级阈值在分割复杂肿瘤结构方面优于单阈值方法。
• 预处理与分割的整合提高了肿瘤区域检测的一致性与可靠性。
• 该算法在多种类型的乳腺X线图像及不同肿瘤表现形式下均表现出鲁棒性。
• 结果证实，多级阈值可作为自动化乳腺癌筛查系统中预处理工具的可行性。