乳腺超声分析系统

封面：写清楚文档版本、撰写时间、变更人、属性
以最近负责的乳腺超声图象肿瘤性质判别为例：

? 目的

1. 针对乳腺肿瘤良超声表现、BI-RADS分类和良恶性判别，设计一组识别能力强、不依赖采集系统的量化BI-RADS特征。
2. 设计乳腺超声图像分析系统，自动形成完整的超声 告、BI-RADS分类和肿瘤良恶性概率，为医生诊断提供客观依据。
3. 在保证高准确性的同时，进一步提高系统的自动化程度，为临床提供有价值的参考意见。

? 意义：

1. 本系统基于BI-RADS标准，设计并提取新颖有效的量化高通量特征，以区分不同类别肿瘤，所设计的高通量特征可以全面详细描述整个BI-RADS系统，为后续系统开发打下基础
2. 设计的系统可以对乳腺肿瘤进行详细的超声描述，区分良恶性肿瘤，并且对于每幅超声图像中的肿瘤进行恶性程度的预测，给出一个BI-RADS的类别，最终形成完善的乳腺超声分析 告。
3. 整个系统输入乳腺超声图像，输出完整超声 告，形成半自动化软件，从而有望为在偏远地区或 区医疗等提供便捷的初步诊断。

二、软件功能说明

Step7：软件输出分割分类结果后，用户根据需求自行选择点击“文件”→“保存 告”，自动将分割分类结果保存在当前文件夹“Results”中。

四、与研发人员交接确定解决方案细节
该系统主要包括三个模块组成：：乳腺肿瘤边缘的自动分割、BI-RADS高通量特征设计与提取、乳腺肿瘤分类判别。通过用Matlab设计的界面，选择分析的乳腺超声图像文件，会显示原始图像、分割图像、脂肪层图像，输出结果包括超声描述、BI-RADS类别、肿瘤良恶性判别，最后超声图像可以选择保存在所选择的文件夹中.
首先感兴趣区域的选取是在原始肿瘤图象上手动选取肿瘤最外侧的四个边界点，根据四个点选取可以覆盖肿瘤区域的最小矩形并将长宽分别向外延展1/6。
获得ROI之后，使用基于相位信息的动态轮廓(phase-based active contour, PBAC)模型，用于乳腺超声图像的自动分割。高通量特征提取设计是根据BI-RADS评估分类系统，所有BI-RADS类别、描述和对应的465个特征如表1所示。其中SNR(signal-to-noise ratio)是指信噪比，ROI(region of interest)是指感兴趣的区域。