粟 华 杨冠羽 胡轶宁 舒华忠

(东南大学影像科学与技术实验室，南京210096)

乳腺癌在全世界女性常见恶性肿瘤中排名第一，超过8%的女性患有这种疾病.由于超声成像的无创性、费用低廉、易操作等特点，被广泛用于乳腺肿瘤的检测.然而，超声图像固有的斑点噪声、低对比度和边缘模糊等缺点，使得超声诊断具有很强的主观性.尽管如此，大量的临床研究表明，观察者可以通过超声图像组织区域的纹理特性和形状特性来区分良性和恶性肿瘤［1］.分割是肿瘤检测和诊断的关键步骤，因此，对乳腺超声图像分割的研究具有重要意义.

常见的乳腺超声图像分割方法包括阈值法［2］、形变活动轮廓模型法［3-4］、神经网络法［5-6］等.Chang 等［3］采用棍棒算法和形态学方法进行降噪、滤波，然后应用基于灰度值和灰度差分的形变模型对图像进行分割.基于神经网络的方法在乳腺超声图像中也得到了广泛应用，该方法根据一系列的输入特征，进行分类决策.Chen 等［5］提出了一种神经网络法，其输入为方差比、自相关比及小波系数的分布失真，该方法并没有考虑图像的斑点噪声和伪影.Shan 等［6］提出了一种基于多域特征的神经网络法.

本文在文献［6］的基础上，提出了一种基于相位特征的C-V 模型分割方法.实验结果表明，与基于灰度的活动轮廓模型以及基于相位特征的神经网络方法相比，利用本文方法对乳腺超声图像进行分割，准确率明显提高.

1 基于能量的相位特征

局部相……