乳腺癌是世界范围内女性最常见的恶性肿瘤，也是继肺癌之后导致女性癌症死亡的第二大原因。 当肿块直径大于2cm时乳腺癌细胞就有可能发生转移。 乳腺癌细胞往往先转移到同侧的腋窝淋巴结，发生转移的淋巴结数量越多，患者的存活率越低。 乳腺癌患者腋窝淋巴结是否出现转移对乳腺癌的分期、治疗和预后有重要意义，也是术后放疗和化疗的重要参考指标之一。
磁共振成像是一种无创性、无辐射的检查方法，其软组织分辨力高，已被广泛应用于乳腺疾病的诊断，其诊断价值也得到了广泛的认可，但由于其FOV的限制，一些位置较高的淋巴结难以显示，并且乳腺线圈对腋窝淋巴结显示的空间分辨率欠佳。 目前诊断淋巴结是否转移的金标准仍为病理学检查，常采用腋窝淋巴结清扫和前哨淋巴结活检。 腋窝淋巴结清扫可以提供最完整、准确的信息，但是其创伤大，并发症多，比如淋巴结水肿、腋窝疼痛、同侧肩关节活动受限等，并且部分清扫结果为阴性，给淋巴结未出现转移的患者带来不必要的过度治疗。 因此，准确预测腋窝淋巴结状态对腋窝淋巴结触诊阴性的乳腺癌患者，可避免不必要的腋窝淋巴结清扫手术，减少痛苦和费用。 前哨淋巴结活检较腋窝淋巴结清扫并发症少，但其对腋窝淋巴结状态的评估不完全，增加了手术时间，并且若淋巴结出现跳跃转移或术中快速病理出现错误导致假阴性病例出现，患者将进行二次手术。 如果能在术前准确的评估腋窝淋巴结的状态，便可以跳过前哨淋巴结活检而直接进行或不进行腋窝淋巴结清扫。
腋窝疼痛: 腋下疼痛是什么原因？
6.根据权利要求1所述的基于MRI影像的腋窝淋巴结转移预测系统，其特征在于：所述特征降维模块具体通过LASSO，在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，产生某些严格等于0的回归系数，达到降维的目的。 步骤3.7：对分割结果进行膨胀、补充空洞、删除小面积对象三项形态学处理，得到理想的分割结果；本实施例中，图像序列中中间层图像的形态学处理结果如图6所示。 SVM方法是通过一个非线性映射，把样本空间映射到一个高维乃至无穷维的特征空间中，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。
输入模块用于接收用户输入的待诊断的乳腺DCE-MR图像序列。 本实施例中，输入的待诊断的乳腺DCE-MR图像序列如图3所示。 在少女和年轻患者中最为常见，其原因是由于性腺激素分泌旺盛及变化波动较大的缘故，以明显周期性乳房胀痛为待征，月经后疼痛自行消失。
腋窝疼痛: 腋下疼痛是什么原因？
现代医学则认为，它的发生，发展和转归，完全是由于妇女体内的激素周期性变化所导致。 当卵巢分泌的雌激素水平过高，黄体孕激素过少，或者这两者分泌不协调，就可以引起乳房中的乳腺导管上皮细胞和纤维组织增生。 正常情况下，每一个进入青春期的妇女的乳房的腺泡、腺管和纤维组织，在每一个月经周期里，都要经历增生和复原的组织改变过程。 由于这种改变，每一个妇女在每一次月经前，都有可能出现一侧或两侧乳房或轻或重的胀痛，月经过后胀痛又自然消失，这完全不妨碍生活，学习和工作，是正常的生理现象。
正确提取和选择有效的图像特征是判断乳腺癌淋巴结转移的重要环节，也是提高乳腺癌腋窝淋巴结转移精度度的重要前提。 5.根据权利要求1所述的基于MRI影像的腋窝淋巴结转移预测系统，其特征在于：所述特征提取模块提取四种特征，包括形态学特征、灰度共生矩阵特征、灰度直方图特征和Tamura特征。 步骤2.5：将步骤2.3中保存的变量作用于每一层图像中，自动提取每层的感兴趣区域，得到感兴趣图像序列。 如图5所示，为本实施例中对图3中图像序列截取的感兴趣区。
腋窝疼痛: 腋下疼痛是什么原因？
这个过程中有3个关键的问题：生长种子点的确定、区域生长的条件、区域生长停止的条件。 下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。 以下实施例用于说明本发明，但不用来限制本发明的范围。 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。 乳腺增生有很多类型，有的完全是生理性的，不需特殊处理也可自行消退，如单纯性乳腺增生症，有的则是病理性的，需积极治疗，尤其是囊性增生类型，由于存在癌变的可能，不能掉以心，下面就按照乳腺增生不同的类型分加紧讲述其治疗。
SVM需要训练出一个分割超平面，该平面就是分类的决策边界，分在平面两边的就是两类。 此外，为了在一定程度上减少过拟合，并尽可能地从有限的数据中获取有效信息，采用了5倍交叉验证来确定分类器的鲁棒性。 考虑到肿块具有高亮度、近似于圆形以及由于和周围组织的灰度差异而产生的对比度等特征，本实施例采用三维区域生长分割肿块。
腋窝疼痛: 腋下疼痛是什么原因？
因此，临床需要一个无创准确的预测系统评估近期诊断为乳腺癌的患者腋窝淋巴结状态，以确定哪些患者需要直接进行腋窝淋巴结清扫，而腋窝淋巴结未转移的患者避免腋窝淋巴结清扫的过度治疗。 本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于MRI影像的腋窝淋巴结转移预测系统，利用计算机辅助诊断技术，可以实现乳腺病灶的准确分割，有效辅助乳腺腋窝淋巴结转移的准确诊断。 肿块分割模块用于将感兴趣区域提取模块提取的感兴趣区域中的肿块分割出来，获得分割图像序列，并传送给可视化模块和特征提取模块。 腋窝疼痛 腋窝疼痛 感兴趣区域提取模块用于提取输入的乳腺DCE-MR图像序列中的感兴趣区域，并将提取出的感兴趣区域图像序列传送给肿块分割模块。 特征提取是乳腺淋巴结转移计算机辅助诊断系统的重要组成部分，也是图像信息量化和表达的重要信息基础。
但是，当机体在某些应激因素的作用下（如工作过于紧张，情绪过于激动，高龄未婚，产后不哺乳及患某些慢性疾病等），就有可能导致乳房本来应该复原的乳腺增生组织得不到复原或复原不全，久而久之，便形成乳腺增生，表现为增厚的乳叶和结节性颗粒，乳房胀痛及乳头溢乳等三大症状和体征。 可能是乳腺增生，传统中医认为它是由于郁怒伤肝、思虑伤脾、气滞血淤、痰凝成核所致，中医学称之为”乳癖”。
腋窝疼痛: 腋下疼痛是什么原因？
临床查体通常是患者最先接受的检查，由于受肋骨及胸部肌肉的影响，查体只能触及较表浅的淋巴结，并且查体很难鉴别炎症性和肿瘤转移性肿大淋巴结。 有时在乳腺X线上可以观察到部分腋窝淋巴结，淋巴结不对称性体积增大、密度增高，淋巴门消失等均提示转移可能。 但乳腺X线摄影显示的淋巴结通常不完整，结构不连续，使得乳腺X线摄影对于转移性淋巴结的诊断存在较大不足，而对于可以显示的淋巴结，乳腺X线摄影诊断的特异度亦较低。
- 在乳腺癌基于MRI影像的腋窝淋巴结转移预测系统中，必须将经过病灶分割、特征提取与选择等处理后得到的特征参数输入到分类器进行分类分析才能获得最终的淋巴结转移预测结果，实现完整的病灶诊断。
- 下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
- 这种异常团块，有时单凭医生用手触摸也难诊断，因此，还必须借助于一些特殊的器械检查，甚至还需要病理活检才能确诊。
您腋下突然疼痛,一考虑是腋下淋巴结肿大引起,二考虑病毒感染引起的神经炎疼,三考虑不经意局部肌肉拉伤引起.可以触摸疼处和周围是否有肿大的淋巴结,再有向上抬右臂,外展,牵拉疼痛处看是否加重,如果加重考虑有肌肉拉伤.再有疼处如果是针刺样或烧灼样,注意有没有皮疹出现,观察是否要得带状疱疹.可以吃尼美舒利片,维生素B1观察. 基于人类对纹理的视觉感知的心理学的研究，Tamura等人提出了纹理特征的表达。 Tamura纹理特征的六个分量对应于心理学角度上纹理特征的六种属性，分别是粗糙度、对比度、方向度、线像度、规整度和粗略度。
腋窝疼痛: 腋下疼痛是什么原因？
疼痛以乳房局部为主，但有时疼痛可放射至同侧腋窝，胸壁，有时甚至放射至户背部，常影响睡眠，工作与学习，由此而引起焦虑不安，情绪激动的患者还不少。 这类增生属于正常的生理现象，患者首先不必过度焦虑和着急，只要调整情绪，保持平衡，一般推敲的内分泌激素都可以慢慢地得到纠正，各种症状都可以自行消失。 如果疼痛较明显，也可采用具有疏肝理气功能的中药服用，如”竭蛭胶囊”等，服用1-2个疗程，一般都可以收到良好的效果。 在本实施例中，共提取四种特征，包括形态学特征、灰度共生矩阵特征、灰度直方图特征和Tamura特征。 每个肿块共提取33维特征，包括面积、周长、似圆度、长宽比、矩形、质心、偏心度等16维形态特征；能量、熵、对比度、相关性的均值和标准差8维灰度共生矩阵特征；通过Tamura提取的3维纹理特征，即对比度、粗糙度和方向度；6维灰度直方图特征：均值、均方差、平滑度、三阶矩、一致性、熵。
CT有较高的空间分辨率，成像速度快，扫描范围亦较全，可以清楚的显示淋巴结的形态学特点，增强扫描可提供部分功能学信息。 腋窝疼痛 超声检查简单易行，可实时对淋巴结进行任意切面的显像，并且可以对于高度怀疑恶性的淋巴结进行超声引导下穿刺活检。 腋窝疼痛 由于II区淋巴结周围有胸大肌、胸小肌等结构，III区有肺尖气体的干扰，导致超声对这两组淋巴结的显示和诊断存在一定困难。
腋窝疼痛: 腋下疼痛是什么原因？
LASSO的基本思想是在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，从而能够产生某些严格等于0的回归系数，减少冗余和不相关的特征，进而达到降维的目的。 腋窝疼痛 在本实施例中，使用LASSO从原始特征集中选择最优的14维特征集，形成新的特征集。 囊性增生病是慢性病，内分泌失调严重，病变组织对药物的敏感性差，囊状肿块消失慢，治疗时间长，有时需要内服药物半年到一年才起效。 因此，患者必须保持平衡心态，并有”持久战”的信心。
- 正确提取和选择有效的图像特征是判断乳腺癌淋巴结转移的重要环节，也是提高乳腺癌腋窝淋巴结转移精度度的重要前提。
- 本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于MRI影像的腋窝淋巴结转移预测系统，利用计算机辅助诊断技术，可以实现乳腺病灶的准确分割，有效辅助乳腺腋窝淋巴结转移的准确诊断。
- CT有较高的空间分辨率，成像速度快，扫描范围亦较全，可以清楚的显示淋巴结的形态学特点，增强扫描可提供部分功能学信息。
- 本实施例提供的基于乳腺DCE-MR图像的基于MRI影像的腋窝淋巴结转移预测系统，对乳腺MRI图像序列前期进行感兴趣区域提取后，采用区域生长分割方法，进行乳腺病灶的准确分割，并将分割后肿块区域清晰的显示出来，提取形态、纹理、灰度等35个特征用于SVM分类与建模，能有效地辅助乳腺癌腋窝淋巴结转移的诊断。
用药建议采用具有疏肝理气，活血化淤和软坚散结之功效为一体的中药。 “竭蛭胶囊”具有调节机体激素平衡，抑制乳腺上皮增生，促进增生细胞向正常转化，使增生的组织恢复正常，并有良好的止痛效果。 一旦被诊断为囊性增生病，患者应定期（如一年2-3次）到专科医院去诊查，以便早期发现是否有异常团块（癌块）。 这种异常团块，有时单凭医生用手触摸也难诊断，因此，还必须借助于一些特殊的器械检查，甚至还需要病理活检才能确诊。 它以乳管上皮细胞增生为主要病变，乳房内出现的肿块多为弥漫性增厚，有部分患者呈局限性表现，且呈椭圆形的囊状物居多，很容易与纤维混淆。 此类增生可能发展为癌变，常常引起患者的担心和恐慌。
腋窝疼痛: 腋下疼痛是什么原因？
灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。 步骤7.3：给出测试集中每个样本的分类结果为1或0，同时还输出该模型中SVM分类器的精确度；将5次实验的精确度结果保存，并求取均值作为最终的分类结果。 所述特征降维模块具体通过LASSO，在回归系数的绝对值之和小于一个常数的约束条件下，使残差平方和最小化，产生某些严格等于0的回归系数，达到降维的目的。 本类型的病变基础是乳房内的乳腺小叶和乳腺管均有扩张及腺体周围组织增生。 对这类增生病的治疗，应以软坚散结为主，辅疏肝理气的中成药。
腋窝疼痛: 腋下疼痛是什么原因？
本发明提供一种基于MRI影像的腋窝淋巴结转移预测系统，涉及计算机辅助诊断技术领域。 本发明可以实现乳腺病灶的准确分割，有效辅助乳腺腋窝淋巴结转移的准确诊断。 本实施例提供的基于乳腺DCE-MR图像的基于MRI影像的腋窝淋巴结转移预测系统，对乳腺MRI图像序列前期进行感兴趣区域提取后，采用区域生长分割方法，进行乳腺病灶的准确分割，并将分割后肿块区域清晰的显示出来，提取形态、纹理、灰度等35个特征用于SVM分类与建模，能有效地辅助乳腺癌腋窝淋巴结转移的诊断。 以上所述是本发明的具体实施方式，乳腺DCE-MR图像能在检出乳腺癌的同时全面评价腋窝淋巴结，是术前评估腋窝淋巴结状态的有效检查方法。 采用上述技术方案所产生的有益效果在于：本发明提供的基于MRI影像的腋窝淋巴结转移预测系统，基于乳腺DCE-MR图像，首先给系统输入一待诊断的乳腺DCE-MR图像序列，通过感兴趣区域提取、肿块分割和特征提取与降维，得到一系列相关特征值，然后将特征值输入到分类器对淋巴结是否转移进行分类诊断。
腋窝疼痛: 腋下疼痛是什么原因？
总之，本发明通过一种基于乳腺DCE-MR图像的基于MRI影像的腋窝淋巴结转移预测系统自动地对乳腺肿块进行检测，从而对腋窝淋巴结的转移状况作出判断，在一定程度上提高了放射科医师对乳腺癌淋巴结转移的诊断的准确性和效率，对乳腺癌手术方式的选择(如是否需要进行腋窝淋巴结清扫等)及后续临床治疗方案的选择有重要意义。 在乳腺癌基于MRI影像的腋窝淋巴结转移预测系统中，必须将经过病灶分割、特征提取与选择等处理后得到的特征参数输入到分类器进行分类分析才能获得最终的淋巴结转移预测结果，实现完整的病灶诊断。 分类诊断模块用于将降维后得到的新的特征集输入分类器中，对肿块特征值进行计算机自动分类识别，确定淋巴结是否转移，并将结果传送给输出模块。 目前，常用的评估腋下淋巴结的方法包括临床查体、乳腺X线摄影、CT、超声和磁共振成像。
腋窝疼痛: 腋下疼痛是什么原因？
灰度共生矩阵是一种纹理特征提取方法，主要由能量、熵、对比度、相关性四个特征参数的均值和方差所构成。 能量是灰度共生矩阵元素值的平方和，反映了图像灰度分布均匀程度和纹理粗细度。 纹理沟纹越深，其对比度越大，视觉效果越清晰；反之，对比度小，则沟纹浅，效果模糊。 相关性度量空间灰度共生矩阵元素在行或列方向上的相似程度，因此，相关值大小反映了图像中局部灰度相关性。 特征降维在训练分类器、降低计算复杂度、提高分类精度等方面起着重要的作用。 最小绝对收缩与选择算子方法适用于高维数据的回归，用于从原始数据集中选择最有用的预测特征。