24、基于计算机辅助乳腺摄影的乳腺癌分类与检测

基于计算机辅助乳腺摄影的乳腺癌分类与检测

1. 乳腺癌检测现状

乳腺癌检测是女性健康领域的重要挑战。乳腺摄影是广泛使用的检测方法，具有复杂度低、成本低的优点，在印度和其他国家被广泛应用。然而，它也存在一定局限性，对于乳腺脂肪较少的年轻女性以及因各种原因接受过手术的女性，检测准确性会降低。同时，大量女性需要进行乳腺摄影检查，仅靠少数放射科医生难以准确诊断大量乳腺图像，还可能因视觉疲劳导致误诊。

虽然乳腺摄影能检测出大部分（80 - 90%）的乳腺异常，但数字乳腺摄影无法保证100%的检测结果，会存在一定误差。此外，现有的一些检测方法，如向量量化，使用大量分割区域和信息来检测乳腺癌，既耗时又复杂。

2. 相关研究工作

许多研究人员提出了不同的乳腺癌检测技术，以下是部分相关研究：
| 作者 | 算法 | 目的 |
| — | — | — |
| Sulochana 等 | 基于实验结果识别肿块和钙化等异常，提取临床属性，用软计算技术优化人工神经网络进行良性和恶性异常分类 | 识别乳腺异常 |
| Singh 等 | 使用 K - 均值和模糊 C - 均值聚类图像处理技术，识别簇和肿块 | 检测原始乳腺图像中的乳腺癌区域 |
| O’Halloran 等 | 提出伪影去除算法和波束形成器处理多静态数据，去除早期伪影 | 适用于小于 5mm 的异质乳腺组织肿瘤 |
| Karabataka 和 Cevdet Ince | 提出关联规则和神经网络，优化特征选择 | 早期发现乳腺癌 |
| Dheeba 和 Tamil Selvi | 基于粒子群优化神经网络的 CAD 系统，分类微钙化 | 分类微钙化