基于乳腺X线摄影的肿块检测综述
一、基于传统的乳腺肿块检测与分割方法总结
方法名称 | 解决问题 | 优 点 | 缺 点 |
---|---|---|---|
基于图像增强 | 乳腺肿块呈现的形态各异, 直接提取图像的低层特征难以区分肿块与正常组织 | 可以提高肿块与乳腺正常组织对比度, 是提升乳腺肿块区域的检测与分割效果的关键 | 适用于具有一定显著性特征的乳腺肿块检测任务, 需与传统经典检测与分割算法相结合 |
基于阈值分割 | 经典的图像分割方法, 广泛应用于医学图像分析 | 适用于肿块、肿瘤性疾病特点; 计算简单; 运算效率高 | 只考虑像素本身的灰度值, 缺乏对空间特征的考虑 |
基于模板匹配 | 人工设计的检测模型泛化能力很有限,对特征形态各异的肿块没有很好的鲁棒性特征表示 | 思路和实现方法相对简单,不需要设计设计复杂的特征提取方案,也不需要对乳腺组织进行细致分割 | 需要特征丰富的组织模板,计算成本高、时间开销大 |
基于特定医学理论知识的形态学特征模型 | 有效利用乳腺肿块的相关临床观察特点和诊断经验, 提出对乳腺肿块形态特征假设 | 将医学知识和计算机技术有效结合, 更科学、更准确地提出目标病灶处理方案 | 模型设计通常具有高复杂性的多参数特点; 选择和优化模型中参数存在困难 |
组合分割 | 利用不同分割技术, 弥补各种分割方法自身局限性 | 结合多种特征可以更好地拟合乳腺 |