第1章　医学图像计算机辅助检测/诊断（CAD）系统

1.1　医学图像CAD系统概述

基于医学图像的CAD系统分为两类：一类是计算机辅助检测（Computer Aided Detection，CADe）系统，在医学图像上检测异常图像并将其定位、呈现出来；另一类是计算机辅助诊断（Computer Aided Diagnosis，CADx）系统，在医学图像上检测异常图像并帮助医生判断异常图像改变的性质以及恶性程度。计算机辅助检测/诊断系统流程图如图1.1所示。

图1.1　计算机辅助检测/诊断系统流程图

注：PACS，影响归档和通信系统；ROIs，感兴趣区域；CADe，计算机辅助检测；CADx，计算机辅助诊断

从图1.1可以看出CAD系统一般包含7个步骤：图像获取、预处理、图像分割、感兴趣区域（ROIs）检测/分割、特征提取、特征选择、去假阳性（用于CADe）或诊断分类（用于CADx）。CADx系统也可以在假阳性去除后再进行特征提取、特征选择、ROIs良恶性分类（或评估）。不同类别医学图像在CAD的具体环节上略有不同。

图像获取是指系统获取医学图像的方式，一般有3种：①从自建图像库，这些库一般是用从合作医院得到的医学图像建立的［37］；②通过图像产生设备所附系统，如图像归档和通信系统（PACS）读取数据［38］；③直接从成像系统实时得到数据［39］。

预处理是指矫正由介质衰减、噪声或运动伪影所导致的失真，对原始图像做归一化处理［40］，通过去噪和增加对比度的方式增强图像的显示质量［41］，以便后续环节的处理。

为了减少外围组织或背景对ROIs检测的干扰、减少计算量，预处理之后有些CAD系统还要进行图像分割操作，把欲研究区域从背景或周围组织中分离出来。图像分割是CAD系统的基础，也是图像处理中重要的步骤之一［42］；因为大部分图像描述和识别技术高度地依赖分割的结果［43］，所以图像分割对完成图像分析任务具有关键作用。

ROIs检测是依据密度、形状等特征把所有疑似病变的区域抽取出来。由于该步骤所抽取的信息包括ROIs的位置和形状等特征，能把ROIs从周围的正常组织中标记出来，所以有时也称之为ROIs分割。

特征提取是利用算法计算ROIs的各种特征值，如形状特征、视觉特征和密度特征等。当特征维数较多时要对特征作优化选择，只保留对分类结果作用大的特征，即特征选择。CADe与CADx的区别是CADe系统在特征选择这个环节把检测到的疑似区域标注出来呈现给医生作诊断［44］，为了提高检测准确性要进行假阳性去除。CADx系统对得到的ROIs进行良、恶性分类，乃至恶性程度分级，即可实现对疾病的诊断，也可在CADe系统基础上对检测结果做进一步诊断。