增强钙化点可视化的乳腺X线成像方法研究

Mammography is currently the gold standard for breast cancer screening and the determination of masses and calcifications in mammograms is very important in the early diagnosis of breast cancer. However, the visualization of calcifications in mammograms could be obscured because of the overlapping of tissue structures. This project aims to improve the visualization of calcifications and will develop a new digital mammography imaging method based on dual energy. This method can generate both accurate calcification image and conventional mammogram. The research includes: 1) eliminating calibration phantom error, accurate scatter correction without extra exposure and denoising; 2) conventional mammography image generation based on multi-scale decomposition and reconstruction. To the end, using commercial mammography system without any hardware modification and extra dose, this method can generate conventional mammography image with improved calcification visualization. All these can offer clinical physicians a wealth of information and help them improve the early diagnosis of breast cancer in their reading habits.

乳腺X 线成像是乳腺癌诊断的金标准，对乳腺X 线片中钙化点和肿块的检测是乳腺癌早期诊断的关键。乳腺X线成像中，钙化点易被乳腺中的组织结构“遮挡”，难以检测。本项目以增强钙化点可视化为目标，设计出一种新的基于双能量曝光的乳腺X 线成像方法，可以同时提供准确的钙化图像和与常规乳腺X线片一致的图像。具体研究内容包括：1）标定体模误差消除，无需额外曝光的精确散射校正，消除成像噪声影响，最终生成准确的钙化点图像；2）在多尺度分解和合成框架下，用双能量图像重建出类似于常规乳腺X线摄影的图像。通过本项目研究，在现有的数字乳腺X 线机上，无需任何附加物理装置和额外剂量，利用双能量曝光可以提供常规乳腺X线图像并附加准确的钙化点信息，在不改变医生当前诊断习惯的前提下，帮助医生进行乳腺癌早期诊断。

本项目提出研究基于的双能量乳腺X线成像计算方法，从成像物理模型的角度出发，研究散射校正的去除和量子噪声的去除。其中散射校正设计出基于成像物理学原理的双能量散射校正算法和利用运动blocker的散射校正算法，两种方法都取得了很好的效果，且没有额外剂量。其中基于运动blocker的散射校正算法已经制作出运行良好的硬件设备，计划开展临床试验。在去噪方面，我们设计出一种基于维纳滤波的投影域去噪算法，该去噪算法同时可以增强图像中微小结构，有利于钙化点检测。在图像重建方面，我们不仅限于常规乳腺X线图像的重建，而是设计出了基于物理模型的统一重建框架，以及基于图像统计特性的正则化参数选择方法。在图像评价方面，我们从最近兴起的影像组学角度开展研究，从影像数据中提取高维图像特征，利用机器学习的方法预测基因突变以及预后情况。在该方向上对图像信息的利用，可以更好的指导我们在图像评价时选取合适的指标。此外，本项目跟随近两年相关研究领域的发展趋势，进行了拓展研究，获得了初步的结果主要包括：侧向康普顿散射CT成像方法，基于阵列X射线源的投影图像恢复方法，以及使用机器学习算法预测三阴性乳腺癌复发。该项目研究以成像物理学原理为基础，将最新发展的信号和图像处理技术引入到X线成像计算中，获得更加出色的计算性能，改善成像效果；同时将人工智能算法引入到图像质量评价与疾病预测相关研究，为下一步工作打下基础。