9、人工智能在医学影像中的应用与发展

人工智能在医学影像中的应用与发展

1. 乳腺钼靶成像中的人工智能应用

1.1 微钙化与乳腺肿块检测

微钙化在乳腺钼靶算法中被视为检测乳腺异常的理想目标，因其在图像中可见，结构与正常解剖结构不同，且对临床诊断有重要意义。许多研究人员在计算机辅助检测（CAD）中对微钙化进行研究，在图像处理、特征分析和决策阶段采用不同方法。

例如，减法图像法是算法图像处理阶段的重要方法。具体操作步骤如下：
1. 对原始数字乳腺钼靶图像进行两次空间滤波，一次增强微钙化，一次抑制微钙化。
2. 相减这两幅数字图像，以提高微钙化的信噪比并抑制乳腺中的软组织。
3. 分析图像的像素值，若特定位置的像素值达到微钙化的阈值像素值，则表示图像中存在微钙化。通常，阈值会根据真阳性检查结果定期更新，以提高检测灵敏度。
4. 利用阈值图像的更多特征和标准（如数学形态学、新的聚类滤波器、人工神经网络等），避免微钙化的假阳性检测，检测真正的微钙化簇。

乳腺肿块的检测比微钙化更困难，因为在图像中乳腺肿块会被正常组织掩盖。研究人员探讨了多种检测乳腺肿块的方法：
- 利用左右乳房的不对称性检测细微肿块，在图像处理阶段使用多个减法图像增强这种不对称性。
- 特征提取用于形态学滤波，确定病变的大小、形状及其与乳房边界的距离。
- 模板匹配、检测乳房中的星形异常和多分辨率图像处理方法用于早期识别乳腺肿块。这些方法可减少假阳性检测数量，还可将微钙化簇或乳腺肿块分类为良性或恶性，但仍存在误分类的可能，可通过改进计算机算法和结合人类观察者来纠正。

1.2 现状与未来方向

目前，已有许多如基于卷积神经网络（C