專利名稱：用于從圖像分析組織的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像的分析。建立了圖像上的參考值以及使圖像可以自校準并因此量化。
背景技術(shù)：
本領(lǐng)域的很多人員為了不同的目的而試圖量化圖像，但是在成像物理數(shù)據(jù)中遇到與誤差或者未知值有關(guān)的問題。例如，試圖基于絕對物理模型連同組織的假設(shè)屬性來量化圖像需要所有的成像物理數(shù)據(jù)是已知并且精確的。甚至量化梯形楔塊包括在每一個圖像中仍然需要大量的成像物理數(shù)據(jù)并且假定它們是精確的。因此，需要使用圖像內(nèi)參考值。例如，通過向乳房發(fā)送X射線光子并然后檢測多少X射線光子通過它來創(chuàng)建乳房 X射線照片。通過的X射線光子的數(shù)量越小，乳房組織就越密乳房密度通過很多研究與發(fā)展乳癌的概率相關(guān)聯(lián)，并且這些研究中的大部分通過使用視覺或者半自動式方法來評估乳房密度。一般綜述例如在乳癌研究的評論叢書中給出，包括 Vachon 等人的“Mammographic density, breast cancer risk and risk prediction"(乳腺X射線攝像密度，乳腺癌的風(fēng)險以及風(fēng)險預(yù)測)(Breast Cancer Research, 2007, vol 9 :217), Martin 禾口 Boyd 的“Potential mechanisms of breast cancer risk associated with mammographic density，，(與乳腺 X 身寸線攝像密度有關(guān)聯(lián)的乳腺癌風(fēng)險的潛在機制)(Breast Cancer Research, 2008, Vol 10 :201)以及^ffe的 "Measurement of mammo graphic density，，(乳腺 X 射線攝像密度的測量)(Breast Cancer Research, 2008, Vol 10 :209)。
現(xiàn)有技術(shù)# ^iJ ^ S M # # =Highnam (1992) "Model-based mammo graphic image processing”(基于乳腺X射線攝像圖像處理的模型)，(PhD Thesis, University of Oxford 1992) , Highnam 禾口 Brady 1999 “Mammographic Image Analysis，，(Kluwer Academic Publishers,1999) , Highnam 2006 "Breast composition measurements using retrospective standard mammogram form(SMF) ”(使用過去標準乳腺 X 身寸線照片形式的乳腺構(gòu)圖測量)(Physics in Medicine&Biology, 2006), Highnam
2007"Comparing measurements of breast density，，(對比乳腺密度的測量) (Physics in Medicine&Biology,2007), Van Engeland 2006 "Volumetric breast density estimation，，(乳腺體積密度評估)(IEEE Medical Imaging, 2006)，Hartman
2008"Volumetric assessment of breast tissue composition” (乳腺組織組成白勺 本禾只核 i 十)(International Workshop on Digital Mammography2008)， Kaufhold 2002 "Calibration approach to glandular tissue composition，，(腺個生組 只構(gòu)圖的校準方法)(Medical Physics, 2002), Blot 2005 "Volumetric approach to risk assessment”(風(fēng)險核計的體積的途徑)(Physics in Medicine&Biology, 2005), Heine 2006 "Effective χ-ray attenuation measures" ( ^- X M^ MllJfi ) (MedicalPhysics, Vol 33,2006), Heine 2008 "Effective χ-ray attenuation coefficient measurements from two full-field digital mammography systems，，(兩個全令頁域的數(shù)字化乳腺X射線相片的有效地X射線衰減系數(shù)測量)(BioMedical Engineering OnLine, 2008，Vol 7 13)一般量化肌理并將它們應(yīng)用于乳房X線照片的標準的圖像處理技術(shù)的使用還在下列文獻中被描述Millerl991，‘‘Classification of breast tissue by texture analysis” (肌理分析的乳腺組織的分類)(British Machine Vision Association Conference,1991), Karssemeijer 1998, "Automated classification of parenchymal patterns in mammograms"(乳腺X射線照片中實質(zhì)模式的自動分類)(Physics in Medicine&Biology,1998), Olsen 2007 "Automatic segmentation of fibroglandular tissue”(腺性纖維組織的自動切分)(Image Analysis 2007)，Raundahl 2008,"Automated effect-specific mammographic pattern measures，，(自動乳腺 X 身寸線攝像模式測量的具體效果)(IEEE Medical Imaging 2008), Hadley 2007 "Risk classification of mammograms using anatomical linear structures and density，，(使用角軍剖的乳腺 X 射線照片的線性結(jié)構(gòu)和密度的風(fēng)險分類)(Pattern Recognition and Image Analysis, 2007), Freixent 2008 "Eigendetection of masses considering false positive reduction and breast density information”(大眾考慮的假陽性衰減以及乳腺密度信息的特征檢測)(Medical Physics, 2008), Raundahl 2007 "Breast tissue density measure” (乳腺組織密度測量患上)(W0/2007/090892)，Magninl986 “Mammographic texture analysis :an evaluation of risk for developing breast cancer" ( ^1/ X 射線攝像肌理分析患上乳腺癌的風(fēng)險的評估)(Optical Engineering 1986)，Caldwell 1990。ift夕卜 -“Characterization of mammographic parenchymal pattern by fractal dimension”(通過分型維數(shù)的乳腺X射線攝像的實質(zhì)模式的特征化)(Vol 35，Physics in Medicine and Biology 1990), Luo 2007 "Method for classifying breast tissue density”(乳腺組織密度的分類方法)(W0/2008/088478)，Giger2003 "Risk-modulated diagnosis of disease”(疾病的風(fēng)險收調(diào)診斷)(W0/2003/067371)，Hui 1999"Computerized assessment of breast cancer risk，，(乳腺癌風(fēng)險的計算機化評估) (W0/1999/063480) ,Thornton 1998"EarIy detection and aid to diagnosis，，(早期發(fā)現(xiàn)及診斷援助)(W0/1999/008225)，Li 2006 "Mammary gland quantification，，(乳腺量化) (CN01234026) ,Zhou 2001“Estimation of breast density on mammograms，，(在乳腺 X 射線照片上的乳腺密度的評估)(Medical Physics 28 (6), 2001), Saha 2001“Breast tissue density quantification via digitized mammograms，，(通過數(shù)字化的乳腺 X 射線照片的乳腺密度量化)(IEEE Medical Imaging, VoI20,8, 2001), Bovis 2002 "Classification of mammo graphic breast density using a combined classifier paradigm" ( Μ^ 合分類范式的乳腺X射線攝像乳腺密度的分類)(IWDM 2002，ρ 77-80，2002)，Petroudi 2003 "Classification of mammo graphic parenchymal patterns'^ X M^MiM^M. 模式的分類)(IEEE Medicine&Biology, Vol 2，p 416-423，2003)，Lui2004 "Mammographic parenchymal patterns for assessing risk，，(用于風(fēng)險評估的乳腺X射線攝像實質(zhì)模式)(Medical Physics,Vol 31,no 3,2004),Karssemeijer 1998"Automated classification of parenchymal patterns in mammograms”(在乳腺X射線照片中實質(zhì)模式的自動分類) (Physics in Medicine&Biology,1998),Sivaramakrishna 2001"Automatic segmentation of mammographic density” (乳腺 X 射線攝像的自動切分)(Academic Radiology, )，Wei 2004 “Correlation between mammographic density and volumetric fibroglandular tissue estimated on breast MR images”(在乳腺MR圖像上的乳腺X射線攝像密度與腺性纖維組織評估之間的相關(guān)性)(Medical Physics, 31 (4)，2004)，Boehm 2008 "Automated classification of breast parenchymal density :topologic analysis of x-ray attenuation patterns"(乳腺實質(zhì)密度的自動分類X射線衰減模式的拓撲分析)(AJR， 191，p275-282，2008) ,Jamal 2006"Breast density into Tabar' s patterns，，(塔巴爾模式中的乳腺密度)(Physics in Medicine&Biology, 2006), Torres-Majia2005"Comparison of Qualitative and Quantitative Evaluations，，(胃個生與tfi^i平{古的比罾)(Cancer Epidemiology Biomarkers&Prevention, 2005), Heine 2008。其他來源包括"Automated approach for estimation of breast density，，(用于乳腺密度的評估的自動方法)(Cancer Epidemiology, Biomarkers&Prevention, Vol 17, Nov 2008), Oliver 2008 "Novel breast tissue density classification methodology，，(創(chuàng)新式的乳腺組織密度分類方法)(IEEE IT in Biomedicine，2008)，Li 2005"Computerized texture analysis of mammographic parenchymal patterns，，(乳腺X 射線攝像實質(zhì)模式的計算機化肌理分析)(Academic Radiology 2005) ,Megalooikionomou 2007 “Analysis of texture in medical images with an application to breast imaging，，(使用乳腺成像應(yīng)用的醫(yī)學(xué)圖像中的肌理分析)(SPIE Medical Imaging 2007)， Chang2002 “Computerized assessment of tissue composition，，(組織構(gòu)成的計算機化評估)(Academic Radiology, 2007), Glide-Hurst 2007"A new method for quantitative analysis of mammographic density”(用于乳腺X射線攝像密度量化分析的一種新方法) (Medical Physics), Taylor 1994 "Measuring image texture to separate difficult from easy mammograms”(檢測圖像肌理從簡單乳腺X射線照片中分離困難乳腺X射線照片)，以及 Heine 2000 "Statistical methodology for mammographic density detection"(用于乳腺X射線攝像密度檢測的統(tǒng)計方法)(Medical Physics, 27，2000)。這些參考文獻還指出了嘗試仿真半自動化閾值技術(shù)的已知手段，例如積云，其被理解為對乳房密度測量是典范的。乳房組織的量化的一個解決方案需要梯形楔塊插入每個圖像中。例如=Diffey 2006 "New step wedge for volumetric measurement of density，，(用于密度的體禾只測量的新式步進式光楔)(IWDM 2006), Augustine 2006 "Volumetric breast density estimation，， (IWDM 2006), Patel 2006 "Automated breast tissue measurement of women” (女性的自動乳腺組織檢測)(IWDM2OO6)以及Sh印herd 2005 "Novel use of single χ-ray absorptiometry for measuring breast density，，(為測量乳腺密度的單 X 射線吸收儀的創(chuàng)新式使用)(Technology in Cancer Research&Treatment，2005，Vol 4 173-182)。在本領(lǐng)域中已知的可選途徑包括使用簡單的物理過程將乳房分為密度類，即使這樣的方法并不表現(xiàn)為使用圖像內(nèi)參考數(shù)據(jù)(Merelmeier 2007 "Displaying an χ-ray image recorded on mammography ”(展示記錄在乳腺X射線相片上的X射線圖像)， W0/2008/052854)；不使用任何圖像校準的簡單組織密度方法(Tasaki 2007 "Imaging system”，W0/2008/038525)；通過偵察 X 射線曝光的組織密度(Jing 2003 "Mammography with tissue exposure control，Tomosynthesis”(組織曝光控制的乳腺 X 射線相片， 層析X射線照相組合)，WCV2004/049949)；使用在壓縮板頂部上的柵格以找到乳房厚度 (Yang 2003 "Measuring the thickness of compressed objects" (IlJ fiJi it^# W 厚度)，W0/2004/000121)；使用幻影圖像計算出乳房邊緣厚度(Rico2003 "Determining peripheral breast thickness”(確定周圍的乳腺厚度)，W0/2004/000110)；用于密度的人工評估的物理柵格的使用(Bershtejn 2008 "Adipose tissue percentage evaluation in mammary gland”(乳腺中脂肪組織百分比的估算)，RU2325852)；用于預(yù)后目的的密度的使用(Giger 2003 "Computerised image analysis prognosis”(計算機化圖像的預(yù)后分析)，US2004101181)；用于重建目的的密度圖像的使用(Clause 2008 "Quantitative image reconstruction method”(量化圖像的分析方法)，US20080292217)；涵蓋膠片曲線的膠片工作(Highnam 2000 "X-ray image processing”(X射線圖像過程)， W0/2000/052641)；使用胸肌以標準化數(shù)據(jù)(Kotsuma 2008 "Quantitative assessment of mammographic density and breast cancer risk for Japanese women" ( X^tT" H^^Ctife 的乳腺X射線攝像以及乳腺癌風(fēng)險的量化核計)，Breast，2008)；以及改進的半自動閾值 (Byng 1994 "Quantitative analysis of mammo graphic densities" ( X M^1 攝像密度的量化分析)，Physics in Medicine&Biology, 1994)；依照骨骼密度使用雙能量 (Shepherd 2002 "Measurement of breast density with dual χ-ray absorptiometry feasibility”(使用雙X攝像吸光測量的乳腺密度的測量可行性)，Radiology 2002)； 從 MRI 計算密度(Klife 2004 " Quantification of breast tissue index from MR data using fuzzy clustering"(使用模糊簇聚的核磁共振數(shù)據(jù)的乳腺組織系數(shù)的量化)，IEEE Engineering in Medicine&Biology Society, 2004)；以及從超聲波計算密度 (Glide 2007 "Novel approach to evaluating breast density utilizing ultrasound tomography”(利用超聲波層析X射線照相法得到的乳腺密度的估算的創(chuàng)新式方法)， Medical Physics，2007)。然而，圖像物理中的誤差以及未知值使得這樣的方法固有地不可靠。Highnam和Brady從事的研究導(dǎo)致對如何使用圖像處理和X射線物理學(xué)與相關(guān)成像物理數(shù)據(jù)的混合從乳房X射線照片自動計算乳房組織的密度的理解，該相關(guān)成像物理數(shù)據(jù)通常涉及在乳房X射線照片中的坐標(X，y)處測量的像素值P(X，y)到脂肪厚度hfat(x， y)厘米以及“所關(guān)注的組織”的厚度hint(x，y)厘米的轉(zhuǎn)換，其中“所關(guān)注的組織”可以是纖維組織、腺組織、水或者癌組織。此外，近來對通過一種稱為層析X射線照相組合的技術(shù)來創(chuàng)建乳房的三維圖像有興趣，根據(jù)該技術(shù)以在乳房周圍的變化的角度拍攝一系列乳房X射線照片，并重建三維圖像。如Highnam和Brady (1999)提出的，到此為止Hint表示被計算的過程包括如在圖2 示出的8個步驟。相似的過程由Van Engeland 2006 (雖然不包括步驟S3，S6，S7，S8)和Hartman 2008提出，Hartman注意到S4對數(shù)字乳房X射線相片并不是必要的，并且報告了對S6的修改。Kaufhold (2002)以及Heine (2006，2008)以更系統(tǒng)的方式考慮了生成hint的過程， 在數(shù)據(jù)收集之前在一個X射線系統(tǒng)上生成被校準的數(shù)據(jù)，而不使用用于自校準目的的圖像數(shù)據(jù)。更詳細地，并且參考圖2 來源于膠片乳房X射線照片202、數(shù)字乳房X射線照片 204和/或數(shù)字斷層投影206的數(shù)據(jù)須經(jīng)以下列步驟開始的多個步驟步驟1 210分割-某種形式的圖像處理應(yīng)用來描繪內(nèi)部乳房邊緣310以及外部乳房邊緣360以及胸肌380。步驟2 215像素值至能量-將乳房X射線照片中的在位置(x，y)處的像素值P(x， y)轉(zhuǎn)換至傳給在(χ，y)處的檢測器的能量。這涉及到對特定檢測器的物理過程的理解。步驟3 220檢測器模糊校正-使用特定檢測器的物理過程的知識來移除它可能引入的任何模糊。對于數(shù)字系統(tǒng)，這個步驟通常是不必要的。步驟4 225校正陽極足跟-考慮到在乳房上給出在空間上變化的入射輻射強度的 X射線管的陽極足跟效應(yīng)，并且校正它，以便給出出現(xiàn)得好像入射輻射強度是恒定的圖像。 在數(shù)字系統(tǒng)中，這通常由生產(chǎn)商自動執(zhí)行作為他們“平場處理”過程的一部分。步驟5 230校正壓縮板傾斜-確認當(dāng)乳房在準備乳房X射線相片中被壓迫時，頂部壓縮板傾斜；該校正(一般)通過添加脂肪的虛擬楔塊來補償該傾斜。步驟6 235估計乳房厚度-認識到由X射線機記錄的乳房厚度可以是不精確的， 并且通過找到圖像的大部分是脂肪的區(qū)域并且然后計算出必須有多少脂肪可以從圖像本身進行另一個估計。步驟7 240移除分散分量；以及步驟8 245移除焦外分量。傳給檢測器的能量擁有主要分量(不受阻礙地直通過乳房的X射線光子)、分散分量(X射線光子被偏轉(zhuǎn))以及在乳房邊緣周圍與焦外輻射有關(guān)的分量(遠離焦斑從X射線管出去的X射線光子)。在這些步驟中，估計分散分量以及焦外分量以僅僅獲得主要分量。步驟9 250從主要分量生成hint255。從主要分量中，可以計算出必要的X射線衰減，并且因此以數(shù)學(xué)方式得出脂肪以及所關(guān)注的組織的厚度方程1
權(quán)利要求
1.一種從圖像分析組織的方法，包括以下步驟提供組織(100,400,450,600,800,1100)的電子圖像； 確定參考點(1070，1170，1270)； 建立所述圖像的hint表示(500，700)；以及在對所述組織的分析中使用所述hint表示，所述方法的特征在于，能夠?qū)λ鰄int表示計算校準誤差，以及值的總和量化乳房組織。
2.根據(jù)權(quán)利要求1所述的方法，包括用于建立所述參考點的步驟，其中， 生成所述圖像的直方圖(500，700)；檢測位于所述直方圖的兩個峰值之間的間隙(530，730)；以及所述間隙的位置對應(yīng)于內(nèi)部乳房邊緣(640，840，1040，1140)，所述內(nèi)部乳房邊緣用于為搜索所述參考點(1070，1170，1270)確定界限。
3.根據(jù)權(quán)利要求2所述的方法，其中通過使用相位一致性或者獲取從圖像統(tǒng)計得到的閾值來檢測所述間隙(530，730)，所述圖像統(tǒng)計從整個乳房的像素值產(chǎn)生。
4.根據(jù)任一前述權(quán)利要求所述的方法，其中，如果所述校準誤差太大(13M)，則沒有結(jié)果被返回給用戶，而只給出警告。
5.根據(jù)任一前述權(quán)利要求所述的方法，其中，如果所述校準誤差太大(13M)，則重新定位所述參考點，并且計算新的校準誤差，重復(fù)此步驟，直到獲得可接受的校準誤差 (1322)。
6.根據(jù)權(quán)利要求5所述的方法，其中，通過下列方式中的一個或多個來向內(nèi)移動所述內(nèi)部乳房邊緣以改善/緩和所述內(nèi)部乳房邊緣基于乳房區(qū)域或者乳房邊緣的區(qū)域；和/或使用迭代方式，直到沿著所述內(nèi)部乳房邊緣的足夠長度找到強度邊緣，或者滿足邊緣的某個平滑度。
7.根據(jù)權(quán)利要求1所述的方法，其中，通過從所述乳房邊緣中的數(shù)據(jù)外推參考像素值來建立參考點。
8.根據(jù)權(quán)利要求4所述的方法，包括以下的步驟檢查所述圖像是否是致密乳房；以及如果它是致密乳房，使用乳房厚度并且假設(shè)我們有致密組織而不是脂肪組織來獲得新參考點。
9.根據(jù)任一前述權(quán)利要求的用于分析組織的方法，其中通過以下操作來計算對乳房成分的自動估計計算hint與hfat的值； 對hint與hfat的值求和；以及隨后計算乳房密度。
10.根據(jù)任一前述權(quán)利要求所述的方法，其中，對在一段時間內(nèi)收集的多個圖像進行分析和自動比較。
11.根據(jù)權(quán)利要求10所述的方法，其中通過產(chǎn)生對齊的標準化圖像來便于對多個圖像的比較。
12.根據(jù)權(quán)利要求11所述的方法，其中，使用參考點例如乳頭和胸壁來便于所述對齊。
13.根據(jù)任一前述權(quán)利要求所述的方法，其中，組織的鈣化被量化，并且從隨后的分析中移除。
14.根據(jù)任一前述權(quán)利要求所述的方法，其中，一系列參考點被找到，以能夠從不同的成像模式區(qū)分多于兩種類型的組織。
15.根據(jù)任一前述權(quán)利要求所述的方法，其中，電子圖像的像素值是對應(yīng)于空間中的三維位置(X，1，ζ)的立體像素值。
16.一種用于從乳房的圖像分析組織的系統(tǒng)，包括(a)用于提供組織(100,400,450,600,800,1100)的電子圖像的裝置；(b)對所述電子圖像運行內(nèi)部乳房邊緣檢測算法(1310)，以檢測所述圖像上的內(nèi)部乳房邊緣來產(chǎn)生結(jié)果(1315)；(c)檢查所述結(jié)果的校準誤差是否是可接受的；(d)如果所述結(jié)果的所述校準誤差是可接受的(1322)，分析所述組織(1330)；或者(e)如果所述誤差太大，不返回結(jié)果。
17.根據(jù)權(quán)利要求16所述的系統(tǒng)，其中，所述內(nèi)部乳房邊緣通過下列方式中的一個或者多個來改進基于乳房區(qū)域或者乳房邊緣的區(qū)域；和/或使用迭代方式，直到沿著所述內(nèi)部乳房邊緣的足夠長度找到強度邊緣，或者找到足夠平滑的邊緣。
18.根據(jù)權(quán)利要求17所述的系統(tǒng)，包括以下步驟檢查該圖像是否是致密乳房；以及如果它是致密乳房，使用乳房厚度并且假設(shè)所述組織周圍是致密的而不是多脂的來獲得新參考點。
19.根據(jù)權(quán)利要求16至18中的任一項所述的用于分析組織的系統(tǒng)，其中，對乳房成分的自動估計通過以下操作來計算計算hint與hfat的值；對所述hint與hfat的值求和；以及隨后計算乳房密度。
20.根據(jù)權(quán)利要求16至19中的任一項所述的系統(tǒng)，其中，在一段時間內(nèi)收集的多個圖像被分析并被自動比較。
21.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，通過產(chǎn)生對齊的標準化圖像來便于對多個圖像的比較。
22.根據(jù)權(quán)利要求21所述的系統(tǒng)，其中，使用參考點例如乳頭和胸壁來便于所述對齊。
23.根據(jù)權(quán)利要求16至22中的任一項所述的系統(tǒng)，其中，組織的鈣化被量化，并且從隨后的分析中移除。
全文摘要
公開了一種從圖像分析組織的方法，其包括提供組織(100，400，450，600，800，1100)的電子圖像，從圖像確定參考值(1070，1170，1270)，建立圖像的hint表示(500，700)，并且在組織的分析中使用hint表示，以量化乳房以及計算校準誤差。還公開了一種系統(tǒng)，其在電子圖像上運行內(nèi)部乳房邊緣檢測算法(1310)以檢測所述圖像上的內(nèi)部乳房邊緣(1315)，并且如果校準誤差是不可接受(1324)則改進內(nèi)部乳房邊緣位置(1340)。還公開了乳房成分的自動估計以及圖像的時間分析。
文檔編號G06T7/00GK102549618SQ201080044509
公開日2012年7月4日 申請日期2010年8月3日 優(yōu)先權(quán)日2009年8月3日
發(fā)明者尼科·卡爾賽梅吉爾, 拉爾夫·海納姆, 約翰·邁克爾·布拉迪, 馬丁·亞夫 申請人:馬塔基納科技有限公司