使用多级级联方法从乳腺 X 线影像中自动检测个体微钙化点

在乳腺 X 线摄影中，计算机辅助检测方法的有效性部分取决于微钙化点（$\mu$C）的稳健定位。目前，最有效的方法基于三个步骤：1) 检测个体 $\mu$C 候选点，2) 对个体 $\mu$C 候选点进行聚类，以及 3) 对 $\mu$C 簇进行分类。其中第二步的动机既是为了减少第一步产生的假阳性检测数量，也是基于恶性程度取决于特定区域内相对大量的 $\mu$C 检测这一证据。在本文中，我们提出了一种新颖的 $\mu$C 检测方法，该方法包括使用形状和外观特征，通过级联提升分类器对个体 $\mu$C 候选点进行检测\emph{和}分类。我们方法的最后一步则是对剩余的个体 $\mu$C 候选点进行聚类。这种方法的主要优势在于，与先前提出的方法相比，它能够拒绝大量的假阳性 $\mu$C 候选点。具体而言，在 INbreast 数据集上，我们展示了我们的方法在每幅图像一个假阳性（FPI）时，对个体 $\mu$C 的真阳性率（TPR）为 40%，在 10 FPI 时 TPR 为 80%。这些结果显著优于当前最先进的方法，后者在一个 FPI 时 TPR 低于 1%，在 10 FPI 时 TPR 为 10%。我们的结果在后续检测 $\mu$C 簇的阶段与最先进的方法具有竞争力。