本文课题受南通市科技局项目（编号；MSZ20149三维可视化图像重建定位在乳腺癌保乳手术中的应用研究）资助

摘要：在全球范围内，乳腺癌是一种普遍存在的恶性肿瘤，在全球35-54岁女性中，25%的女性因为乳腺癌而死于乳腺癌，而在我国女性中，乳腺癌的发病率已经上升到了第一位，并且在最近几年有增加的趋势。早期发现、早期诊断、早期治疗是减少患者死亡率的重要措施。目前乳腺癌的诊断方法有多种，包括超声、CT、热像、磁共振等，但乳腺良恶性病变的计算机可视化图像检查仍然是首选。

关键词：计算机可视化图像；乳腺癌手术；应用

引言

钼靶X线摄影技术仍然是最有效的乳腺癌诊断技术，由于乳腺X线影像中的肿瘤灰度与周边组织非常相近，人眼很难识别其部位及形态，因而无法充分利用X线摄影资料，因而如何运用计算机技术来提高影像的清晰度，是目前国际上生物医学影像界的一个热门课题。

1X线成像特点

X射线影像是一种投影技术是基于物体的X射线吸收系数和身体厚度而产生的X射线反差，并以光学反差的方式在二维平面上成像物体的三维空间形状。X线影像是一种被人类使用了将近一百年的传统影像技术，具有信息不多、感光度非线性、影像重叠、软组织鉴别能力差、二次射线干涉、副照度不足等问题。X射线的信息量大约为110bit/mm2，大约55bit/cm2的核素；超声波大约90bit/cm2。由于形态学实时性观察技术有着其他成像技术无法比拟的优点，所以在临床和未来的发展中依然占据着举足轻重的位置。乳腺的正常影像以乳头、皮肤、腺体、脂肪组织为主。因为两者对X线的吸收能力不同，在影像上表现出不同的灰度，比如乳腺腺体组织，因为其高密度，X线摄入率高，故其影像表现为高灰度的白象，而脂肪组织则表现为低灰度的暗影。乳腺病变时X线显示为高灰色的肿瘤。恶性病变表现为结节状或不规则的高灰度，且其内部灰度不均，呈块状阴影，边缘不平滑，有时可见高灰度的钙化点群，常伴有皮肤增厚、血管导管增粗、组织畸形、乳头凹陷等影像表现。良性肿瘤的X线表现为灰度较高的团块阴影，偶尔可见少量的钙化，但良性肿瘤的团块阴影多为圆形，边缘光滑，规则，内部灰度均匀。利用计算机对乳腺X线影像进行处理，并结合影像学中的影像学特征，对肿瘤影像进行影像学的辅助诊断。

2乳腺X线成像的要点

2.1自动测量微钙化点

为了解决这一问题，国内外的专家和学者对其进行了大量的研究。Spiesberger介绍了一种利用光度、紧密性、统计学测度等指标对乳腺进行计算机辅助筛查的方法，并利用相关系数确定是否有微小钙化点。若相关系数超过0.65，则可判定此点为微钙化。Dawvies等采用局部检数法对小钙化点进行分割，在局部直方图为双峰时以双峰的峰值为阈值，若局部柱状为单峰，则将此子图作为相邻子图，利用大小、形状、梯度测量等方法进行分割，以分离出小钙化点[1]。Maseif等提出了一种基于高分辨率数码乳腺X线胶片的微钙化点的方法，通过突出圆形来获得强化图像，即一种高通滤波算法，可以保持边缘和纹理的中心，这里的纹理特征是从原始影像中减去的形态学上的平均数，再用阈值法将微小钙化点分开。该工艺限制在圆形微钙化点上，但是微小钙化点的形状可以有很多种。Dengler等人对微小钙化点进行了研究。首先采用高通滤波（从原图像中扣除低通滤波后的图像），再采用高斯方法求出检测点与相邻点的差值。这一点不是微钙化的。在此基础上，通过经高斯运算得到的图像，以分割的图像为掩膜，以小于此阈值的像素强度，再求出标准偏差，最后的门限值是标准偏差的三倍。最后，采用8个结构单元进行微钙化点形的重构。考虑到乳腺X线影像的特征，例如边界难以分辨、形状难以确定、密度差异等，因此可以减少计算量，通过使用整体信息（亮度）和局部信息（非均匀性）产生模糊影像和增强影像，用所建议的曲线检测器去除无关的乳腺构造，并用一系列的阈值确定微钙化点。最后，利用形态学的方法对微钙化点进行建模。另外，还有一位留美的学者张恩博等将小波变换用于图像去噪和增强，并分别得到了良好的结果。

2.2图像的自动识别

在乳腺多发的X线影像上，肿块的形态、大小、边缘、纹理等特点与致密性腺体组织的灰度相近，难以用肉眼分辨。因此，如何实现乳腺癌的自动识别是目前医学领域的热点。1989年，Lal1等人采用了基于模板匹配的图像强化技术，对边缘平滑的肿瘤进行了检测；1990Brzakovie等提出了基于形状特征的模糊三角连接算法，对X片上的感兴趣区进行了检测与识别；另有学者建议，以左右乳腺影像之不对称为依据，以鉴别肿瘤之可能。Kegelmeyef等利用Lamrs纹理的方法对毛刺病变进行了分类，获得了较为理想的效果。威廉·E·帕拉科瓦克；f1%等人提出一种新的基于模型的图像感兴趣区的方法，并按良、恶性分类。该方法由五部分组成：焦点模组：通过高斯差分滤波来加强图像中的兴趣区域；图像提取模块：通过一系列的检测方法来降低图像中的非恶性部分；基于肿块大小、形状、对比度、纹理等特点，采用最优特征技术进行模型分类；特征抽取模块：可以从所有的疑似性区域中提取出所需的特征值；匹配模块：利用多层次的感知神经网络对各部分进行分类。

结语：

利用计算机图像处理技术对乳腺癌的早期诊断和良恶性肿瘤的鉴别有很大的优势，尤其是图像的分辨率、清晰度、病灶识别、立体感等方面均优于黑白图像。当前，国内外很多技术机构和科研机构都与医院进行了联合研发和发展，使放射学专家能够获得良好的第二印象，使假阴性率大幅下降，真阳性率提高，良性病例数量也大幅下降。随着信息技术的飞速发展，将会为医疗影像的快速、清晰、廉价、更高效的医疗保健服务。

参考文献

[1]顾玉芳，李国远.乳腺触诊成像系统在乳腺疾病早期筛查中的应用分析[J].中国初级卫生保健.2022（04）.77-79.

韩蓉，女，1979年8月，汉族，硕士研究生，南通市肿瘤医院，高级工程师

通讯作者：毛俊峰，南通大学附属肿瘤医院乳腺外科，副主任医师