在全球范围内，乳腺癌都是威胁女性健康的最主要恶性癌症。有研究表明，早期的筛查诊断和治疗有利于改善患者的预后，并能延长生存期。在早期筛查诊断中，乳腺微钙化簇类病灶是重要的早期征象，对于乳腺癌的早期发现及临床治疗具有重要的意义。乳腺X射线摄影对该类病灶十分敏感，其中乳腺X射线断层摄影(DigitalBreastTomosynthesis,DBT)是一种伪三维的X射线图像，它能一定程度上克服二维乳腺钼靶因组织重叠而影响病变观察的问题。
利用DBT进行微钙化病灶的诊断敏感性较高，但仍然存在以下挑战：第一，微钙化簇病灶分散在三维数据的多张切片中，不利于病灶的整体观察；第二，由于有限角度的重建或者病人潜在的位移，导致钙化点存在伪影，这些挑战容易导致微钙化病灶的误诊。由此，研究计算机辅助诊断技术来实现DBT中微钙化簇的良恶性诊断，将有利于提高医生的诊断准确率，减少病人不必要的穿刺活检手术。
近期，中国科学院苏州医工所先进成像技术创新中心（AIIC）医院东区乳腺筛查中心合作，开发了一套基于乳腺DBT的微钙化簇病灶辅助诊断算法。该算法在可疑病灶区域，利用半自动的检测方法获得微钙化点的轮廓（如图1）。具体步骤为：(a)从全图中提取包含病灶的立方体数据；(b)通过高斯差分滤波器（DifferenceofGaussianFilter,DOG）增强钙化点部分体素；(c)采用自适应阈值的方式获得微钙化病灶种子点；(d)利用三维主动轮廓算法获得微钙化病灶的具体轮廓。
图1微钙化簇病灶半自动检测在微钙化点轮廓获得的基础上，针对微钙化簇分散在三维空间的特点，该课题组从三维图像角度创新性地设计各类组学特征对其关键信息进行描述（主要包含：形状特征、纹理特征、强度特征和上下文特征）。通过特征筛选和随机森林分类器的训练，最终实现的微钙化簇病灶良恶性分类AUC值（AUC为ROC曲线下面积）达到0.（如图2）。图2微钙化簇良恶性分类ROC曲线（receiveroperatingcharacteristic）该算法能较好地在术前对病灶进行无创诊断，减少良性病人不必要的手术伤害和经济负担。当分别对比分析良恶性微钙化簇特征时，发现恶性微钙化簇相比于良性通常分布较广、钙化点更小且更亮（如图3）。图3（a）恶性微钙化簇，其钙化点分布较广；（b）良性微钙化簇，红色圈内为微钙化点，其钙化点分布较为集中，钙化点个数较少。该研究课题得到了美国匹兹堡大学医学院放射科（吴山东博士）、医院东区乳腺放射科（胡大章主任、蒋可医生）等合作单位的大力支持。该项工作受国家重点研发计划（YFC、YFF）、国家自然科学基金（）、苏州市科技局（SYG）、中国科学院苏州生物医学工程技术研究所(#Y、#Y95KK05)等项目的经费支持。相关成果发表于MedicalPhysics杂志（Aradiomicsmethodtoclassifymicrocalcificationclustersindigitalbreasttomosynthesis，）.撰稿：彭云松
编辑：郭清乾
校对：常严张寅刘兆邦
预览时标签不可点收录于话题#个上一篇下一篇转载请注明：http://www.chinaweilisi.com/rxyzz/8570.html
