CN101706843A - 一种乳腺cr图像交互式读片方法 - Google Patents

一种乳腺cr图像交互式读片方法 Download PDF

Info

Publication number
CN101706843A
CN101706843A CN200910153868A CN200910153868A CN101706843A CN 101706843 A CN101706843 A CN 101706843A CN 200910153868 A CN200910153868 A CN 200910153868A CN 200910153868 A CN200910153868 A CN 200910153868A CN 101706843 A CN101706843 A CN 101706843A
Authority
CN
China
Prior art keywords
image
instrument
area
zone
gray scale
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN200910153868A
Other languages
English (en)
Other versions
CN101706843B (zh
Inventor
徐伟栋
厉力华
刘伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haian Service Center for Transformation of Scientific Achievements
Original Assignee
Hangzhou Electronic Science and Technology University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Electronic Science and Technology University filed Critical Hangzhou Electronic Science and Technology University
Priority to CN2009101538684A priority Critical patent/CN101706843B/zh
Publication of CN101706843A publication Critical patent/CN101706843A/zh
Application granted granted Critical
Publication of CN101706843B publication Critical patent/CN101706843B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种乳腺CR图像交互式读片方法。目前的人工读片方法效率和准确率低。本发明首先读入一幅待处理的乳腺CR图像，然后选择疑似病灶区域，计算疑似病灶区域的扫描线横截直方图、两点间距离、灰度直方图、灰度标准差、面积、周长、紧凑度、狭长度、边界离心距离和分形维数；使用图像增强技术对疑似病灶区域进行视觉增强处理；在病灶数据库中检索出与其外观相似的病灶，为良恶性诊断提供参考。本发明方法能够方便快捷地对乳腺CR图像进行局部观察、细节增强与参数测量，提高读片效率、减轻工作负荷，并且精度也可以得到改善。

Description

一种乳腺CR图像交互式读片方法
技术领域
本发明属于医学影像的计算机辅助分析技术的应用领域，具体涉及到一种基于病灶区域增强与相关病灶查询的乳腺CR图像交互式读片方法。
背景技术
乳腺癌是目前世界范围内女性发病率最高的恶性肿瘤之一。据世界卫生组织(World Health Organization，WHO)估计，在北美、欧洲与大洋洲等发达国家与地区，平均不到十位女性中会有一位患上乳腺癌。另据美国癌症学会公布的数字，2006年美国每3分钟就有一名女性诊断出乳腺癌，每13分钟就有一人死于乳腺癌。我国的乳腺癌发病率虽然较西方国家低，但发病率与死亡率却逐年上升，每年约有18万妇女罹患乳腺癌，1.3万多妇女死于乳腺癌。20世纪的最后10年，我国城市妇女乳腺癌的死亡率增长了38.9％，农村妇女乳腺癌的死亡率增长了39.7％，乳腺癌已成为我国改革开放以后死亡率增长最快的癌症。在京津、长三角、珠三角等发达地区，乳腺癌已经超过肺癌，成为女性的十大恶性肿瘤之首。
尽管乳腺癌的死亡率很高，但如果能尽早发现，治愈率将高达80～90％，到晚期就只剩下40％左右的治愈率。而实际中，80％的患者确诊时已经是癌症中晚期了，为避免细胞转移，医生大都采取手术切除，这样，不仅增加了患者的生理痛苦、经济负担，还将使患者忍受缺失乳房的终生遗憾。因此，许多专家呼吁，女性要想在症状显现之前就能检测到疾病的存在，在做好自我检查的基础上，还需要定期到医院进行乳腺癌检测。
在乳腺癌检测方面虽然存在多种方法，但目前而言，国内外都将乳腺钼靶X线摄影技术当作常规的检测手段，它在检测乳腺癌的早期征象——微钙化方面具有独特的优势，对乳腺肿块的表现也颇为不俗。从05年开始，由卫生部组织实施的“百万妇女乳腺普查工程”在中国全面铺开，大批适龄妇女得到了免费的乳腺癌检查，乳腺钼靶摄影也是其重要的检测手段。为了让乳腺钼靶图像的处理、保存与查询更加方便快捷，并融入各级医疗机构所使用的HIS/PACS(Hospital Information System/Picture Archiving and CommunicationSystem)系统之中，需要将钼靶图像数字化，国内通常采用计算机X线成像(Computed Radiography，CR)技术来实现。目前，国内许多医院的放射科医师都是面对乳腺钼靶CR图像进行乳腺癌筛查与诊断工作的。
由于乳腺钼靶图像的阅读分析依赖于放射科医师的专业技术和读片经验，不仅对医师素质的要求很高，且要求医师长时间处于精神集中状态。同时，病灶有时会隐藏在各种组织结构内部，并非总是显而易见。因此，如果让医师直接阅读海量的钼靶图像，一方面容易产生视觉疲劳，遗漏重要的病灶；另一方面过重的工作负担也容易让医师不堪重负，出现精神不集中的现象。为了提高乳腺钼靶CR图像的阅读效率，帮助医师更好更快地诊断乳腺癌，可以引入计算机辅助诊断(Computer-aided Diagnosis，CAD)和基于内容图像检索(Content-based Image Retrieval，CBIR)技术进行协助，构建交互式读片系统。
交互式读片系统并非能自动阅读摄片或诊断乳腺癌，而是通过人机之间的丰富交互手段，结合计算机的可视化与数据处理能力，让乳腺CR图像的阅读工作变得更加高效；同时，利用数字图像处理(Digital Image Processing，DIP)的相关技术，将放射科医师所检测到的病灶区域进行增强，使之更加清晰明显，并根据要求测量一系列特征参数，帮助医师实施诊断；最后，将当前病灶与病灶数据库中已经实施了活检证实的相关病灶进行比对，为诊断提供更全面的参考意见，提高检测的准确率。
发明内容
本发明的目的在于提供一种基于病灶区域增强与相关病灶查询的乳腺钼靶CR图像交互式读片方法。该方法能提供一系列图像查看与测量工具，帮助放射科医师根据自身的需要方便快捷地查看图像的局部细节；同时针对医师标识的疑似病灶实施视觉增强，并根据所抽取的一系列局部特征将数据库中与该病灶特性相关且已经实施活检证实的病灶及其相关数据显示出来，作为医师更全面的诊断依据。
本发明方法的具体步骤是：
步骤(1)读入一幅待处理的乳腺CR图像；
步骤(2)选择疑似病灶区域(可以是矩形、椭圆形和不规则形)；
步骤(3)计算步骤(2)中局部区域的包括扫描线横截直方图、两点间距离以及局部区域的灰度直方图、灰度标准差、面积、周长、紧凑度、狭长度、边界离心距离和分形维数；
步骤(4)使用图像增强技术(包括对比度增强、梯度提取、频域滤波)对步骤(2)中得到的疑似病灶区域进行视觉增强处理；
步骤(5)在病灶数据库中，根据步骤(4)中疑似病灶的特征(包括Gabor特征、分维数、紧凑度)检索出与其外观相似的病灶，为良恶性诊断提供参考。
本发明所提供的基于病灶区域增强与相关病灶查询的乳腺CR图像交互式读片方法由一组功能模块组成，它们包括：图像管理模块、局部区域标识模块、图像查看与测量模块、病灶区域增强模块和相关病灶查询模块。
图像管理模块负责通过磁盘、网络或其他应用程序(包括HIS/PACS)的接口读取或存储乳腺钼靶CR图像数据，查询、登记或更新与乳腺CR图像所对应的病历数据。
局部区域标识模块提供了一组方便快捷的局部区域(包括矩形、椭圆形和不规则形)标识和编辑工具，让医师自由地定义、更改与合并乳房区域内的感兴趣区域(包括疑似病灶、可疑组织等)。
图像查看与测量模块提供了一组方便快捷的图像查看工具(包括局部缩放、窗宽窗位调整、伪彩色显示等)和局部测量工具(包括扫描线横截直方图、两点间距离以及局部区域的灰度直方图、灰度标准差、面积、周长、紧凑度、狭长度、边界离心距离和分形维数等)，帮助医师看清与分析图像细节。
病灶区域增强模块提供了一组病灶增强工具(包括对比度增强、梯度提取、频域滤波等)，帮助医师对原本不够明显的疑似区域进行视觉增强，使之特征更加显著。
相关病灶查询模块负责将当前病灶区域的特征抽取出来，在病灶数据库中寻找一组与之相关的并已经过活检证实的病灶，为医师的诊断提供参考。
采用本发明的系统框架与技术方案，放射科医师能够方便快捷地对乳腺CR图像进行局部观察、细节增强与参数测量，提高读片效率、减轻工作负荷；同时，通过将当前病灶与相关的且已由活检证实的病灶进行比对，对那些特征不明显、模棱两可的病灶的诊断精度也可以得到改善.目前我国各级医疗机构中乳腺CR机覆盖面很广，本发明所提供的基于病灶区域增强与相关病灶查询的乳腺CR图像交互式读片系统将一系列CAD和CBIR技术与乳腺CR图像的特点相结合，提供了一组功能强大又简单易用的辅助工具，无论对于尚处实习期的年轻医师还是经验丰富的读片行家来说，都是非常实用的.
具体实施方式
本发明所提供的基于病灶区域增强与相关病灶查询的乳腺CR图像交互式读片方法的具体工作步骤与实施方式如下：
(1)图像管理模块读入一幅待处理的乳腺CR图像。
(2)局部区域标识模块提供了一组局部区域标识与编辑工具，用来选择感兴趣区域。
局部区域标识工具包括：矩形区域框选工具、椭圆形区域框选工具、不规则区域点选工具和区域智能选择工具。其中矩形区域框选工具和椭圆形区域框选工具是由医师点击鼠标左键并进行拖动，从而在相应位置定义矩形或椭圆形的局部区域的；不规则区域点选工具是由医师在目标区域的边缘上不断点击鼠标左键并以点击右键作为结束，从而将所有点击位置连接起来形成不规则的局部区域的；区域智能选择工具则是由医师在目标区域的中心点击鼠标左键或拖动出一个小区域，然后使用一种藤蔓扩张技术对邻域进行分割，从而生成一个不规则的局部区域的。
这里所采用的藤蔓扩张技术是一种经典区域生长技术的改进，它将初始区域视作藤蔓的根系，图像视作地形图，像素的灰度视作海拔高度。藤蔓从根系出发开始向四周蔓延，这一过程的每一步都是一次形态学膨胀，向外扩张一个像素的宽度；对于蔓延所抵达的每一个像素，需要进行一组判别，以决定该像素是否应该被藤蔓占据，如果是则该像素纳入藤蔓控制范围，否则就在该位置建立起藤蔓扩张的边界。判别由三个约束条件组成：
|f(x，y)-froot|≤Troot，|f(x，y)-f|≤Tneigh，Igrad(x，y)≤Tgrad    (1)
这里，f(x，y)是当前点的灰度，froot是根系区域像素的平均灰度，f是当前点的邻域(其半径是一个经验值)内已被藤蔓占据的像素的平均灰度，Igrad(x，y)是当前点的梯度模值(先利用一阶差分算子计算出图像在垂直与水平方向上的梯度，然后计算矢量模值)，Troot、Tneigh和Tgrad则是三个阈值。这三个约束条件中的第一个是养料输送约束，它表明如果当前点与根系之间的海拔差距过大，养料将无法输送到位，藤蔓就无法扩张至此；第二个是藤蔓攀爬约束，它表明如果当前点与周围藤蔓的海拔差距过大，藤蔓就无法穿越陡峭的山壁攀爬到位；第三个条件是局部障碍约束，它表明如果当前点位置上存在较强的局部障碍，藤蔓就无法穿越到位。在这三个约束条件中，第一个负责保证扩张区域与初始区域之间的协调性，体现了内核约束力，后两个则负责保证扩张区域与局部背景之间的相容性，体现了外周约束力。区域智能选择工具所涉及的三个阈值需要事先确定，系统提供了经验值作为其默认取值，但医师可以通过系统的配置选项自由设定。
局部区域编辑工具主要包括区域合并工具、区域分离工具和区域局部修改工具.如果将通过任何一种局部区域标识工具所生成的区域称作原子区域，那么区域合并工具就是提供将一些相邻(彼此之间存在至少一个像素的重叠部分)的原子区域合并成一个大区域的功能，而区域分离工具就是提供将合并后的大区域中的部分原子区域分离出来的功能，原子区域本身无法分离.使用区域局部修改工具时，要求对象必须是一个原子区域，且无论该区域之前是使用哪一种局部区域标识工具生成的，都视作不规则区域进行处理，也就是会记录整个区域的每一个边界点.
(3)图像查看与测量模块提供了一组图像查看与测量工具，用来对图像的局部细节进行增强与测量。
图像查看工具包括局部缩放工具、窗宽窗位调整工具和伪彩色显示工具，局部缩放工具只能针对局部位置进行，而窗宽窗位调整工具和伪彩色显示工具则同时支持全图和步骤(2)中定义的局部区域。
其中局部缩放工具是提供了一个图像放大镜，在医生点击左键拖动鼠标的过程中，将以鼠标位置为中心的一定半径的圆形范围内的图像内容扩大一定倍数后显示在扩大后的同心圆范围内，这里的目标圆形半径和扩大倍数的默认值由系统提供，医师可以通过系统的配置选项自由设定。
窗宽窗位调整工具是通过医师点击右键后拖动鼠标来实现的，横向拖动时，向左为窗位降低(不低于零)，向右为窗位升高(不高于图像的最大灰度级减1)；纵向拖动时，向上为窗宽加大(和窗位之和不大于图像的最大灰度级减1)，向下为窗宽缩小(不低于零)；拖动时如果配合Ctrl键，则针对当前激活的局部区域实施窗宽窗位调整，否则就针对全图实施；对全图进行窗宽窗位调整之后，局部区域的窗宽窗位也同步更新，但局部区域的窗宽窗位调整不影响全图；默认情况下，图像的初始窗位为0，初始窗宽为图像的最大灰度级减1，但可以在系统的配置选项中确定一系列窗宽窗位喜好设定，通过快捷键即可直接选择所需的窗宽窗位设定，还可以将最常用的窗宽窗位喜好设定设置为系统的初始窗宽窗位。
伪彩色显示工具提供了两种彩虹和两种热金属共四种配色方案，由医师自由选择后，将灰度图像转换成相应的伪彩色图像。由于人眼对彩色图像的分辨能力强过对灰度图像的分辨能力，伪彩色显示虽然没有对局部区域的对比度进行拉伸，但仍能起到视觉增强的作用。
局部测量模块提供了两种模式的测量手段，一种模式是基于扫描线的，另一种模式则是基于步骤(2)中定义的局部区域。扫描线测量模式就是由医师点击鼠标左键后拖动出一条扫描线，然后根据扫描线进行定点测量，包括：扫描线穿过的像素的灰度直方图(即扫描线横截直方图)、扫描线端点间距离等。局部区域中的测量项目则包括灰度直方图、平均灰度、灰度标准差、边缘带对比度(局部区域边缘带中区域内像素的平均灰度与外周像素的平均灰度的差值)、边界梯度方向熵、区域面积、边界周长、紧凑度(面积与周长的比值)、狭长度(最长的区域穿心线段与其垂直方向的区域穿心线段之间的比值)、边界离心距离直方图、微钙化个数和Hausdorff分形维数(用盒计数法计算)等。
这里提到的局部区域边缘带是指在局部区域边界线两侧有一定宽度的过渡带，通过将二值化的局部区域分别实施一定次数的形态学膨胀和腐蚀，然后用膨胀的结果减去腐蚀的结果即可得到；边界梯度方向熵则是对于局部区域边界线上的每个点，先利用一阶差分算子计算出垂直梯度与水平梯度，然后融合得到梯度矢量的方向，并将其规整到一系列标准化方向(以局部区域的几何中心为起点，从零角度开始，每隔3度向外作一条射线，共有120条这样的射线，每条射线的方向就是标准化方向)上，最后根据标准化方向i上的边界点分布比例Pi计算熵值，即：
P i = N i M , M = Σ i = 0 119 N i , E = - Σ i = 0 119 P i log P i - - - ( 2 )
当从局部区域几何中心发出的每条射线与局部区域边界线相交时，交点与起点之间的线段就是中心射线段，它可以用来度量每个标准化方向上从中心到边界的距离，将所有标准化方向上的中心射线段长度组成序列即可获得边界离心距离直方图。而将方向相反(间隔180度，即相隔60条射线)的两条中心射线段连接起来，就形成了一条穿过局部区域几何中心且分别到达两个边界的线段，也就是计算狭长度时所提到的区域穿心线段，这样的线段共有60条。
(4)病灶区域增强模块提供了一组基于数字图像处理技术的视觉增强功能，帮助医师对步骤(2)中定义的疑似病灶区域进行局部处理。与步骤(3)中的图像查看工具不同的是，图像查看工具不更改图像本身的数据，而只是将其显示模式进行了调整(包括缩放、窗宽窗位调整和伪彩色)，而模块病灶区域增强模块则更改了图像本身，不过其原始内容可以从内存备份中恢复回来。病灶区域增强模块主要包括：对比度增强工具、梯度提取工具与频域处理工具。在实施增强过程中所用的各个参数的取值在使用增强工具时由医师自由设定。
对比度增强工具提供了灰度线性变换、灰度线性拉伸和灰度非线性拉伸三种对比度增强手段。灰度线性变换是将任意像素的灰度f(x，y)经过一个线性函数g＝kf+b，然后用g(x，y)代替f(x，y)成为新的灰度取值；灰度线性拉伸是首先在直角坐标系的第一象限定义了一组分段点(fi，gi)(其中横坐标fi必须大于零且小于M，按序列顺序从小到大排布，这里的M是指图像的最大灰度减1)，然后使用直线将(0，0)、分段点组、(M，M)依次连接起来，将该组折线段视作一个灰度变换函数g＝G(f)(超出(0，0)和(M，M)之外的部分无效)，最后对任意像素的灰度f(x，y)进行运算，并用g(x，y)代替f(x，y)成为新的灰度取值；灰度非线性拉伸也是定义了一组分段点并连接成灰度转换函数，但它使用幂函数或对数/指数函数曲线而非直线来连接分段点。通过对局部区域对比度的拉伸，可以让医师更加清晰地看到疑似病灶的灰度分布细节。
梯度提取工具提供了一阶差分法、锐化模板卷积法、Canny算子法和灰度形态学减影法四种梯度提取手段。一阶差分法就是将每个像素与其水平方向和垂直方向的前一个像素相减，其差值就是水平和垂直的局部梯度；锐化模板法就是选用一系列的锐化模板，将模板与图像进行卷积，获取局部梯度的模值，系统所提供的锐化模板包括：Prewitt、Sobel、Kirsch、Robinson和Gauss-Laplace；Canny算子法就是先用一阶差分法求取图像的局部梯度，然后在局部梯度的方向上求取二阶差分过零点，使用该位置的一阶差分模值作为真正的梯度值；灰度形态学减影法就是分别对图像进行一定深度的灰度形态学膨胀(最大值滤波)与腐蚀(最小值滤波)，然后将膨胀结果减去腐蚀结果。通过梯度提取，图像中局部变化的强度更加清晰，边缘与亮斑更加明显。
频域处理工具提供了高通滤波、低通滤波、带通/带阻滤波、高频增强滤波、陷波滤波和同态滤波六种频域处理手段，它们都工作在离散傅立叶变换(Discrete Fourier Transform，DFT)域。高通滤波、低通滤波和带通/带阻滤波是三种数字信号领域最常见的频域处理手段，它们在数字图像领域的涵义并未有很大改变，只是空域与频域均拓展到了二维。系统为这三种频域滤波模式提供了理想、巴特沃斯和高斯三种可选的频域滤波器。高频增强滤波是一种将频域的低频部分信号进行抑制，同时增强高频部分信号强度的处理方法，它通常被定义成Hhfe(u，v)＝α+βHhp(u，v)，这里的Hhp(u，v)是一种高通滤波器，α是低频抑制参数，一般不大于1，β是高频增强参数，一般大于1。陷波滤波是一种特殊的带阻滤波，与传统的指定频率值的带阻滤波(其频域滤波函数通常表现为环状抑制形态)不同，陷波滤波抑制频域空间中指定位置(包括坐标轴、平行于坐标轴的直线以及一系列孤立点)的信号，根据其抑制对象的不同分为：坐标轴陷波、网格线陷波与点陷波等。同态滤波基于一种对乳腺钼靶X线摄影的特殊解释，它认为钼靶摄影图像信号是由两种信号通过相乘运算组合而成的，这两种信号就是入射信号i(x，y)和透射信号t(x，y)；由于钼靶X线机的入射信号相对固定，变化很小，而透射信号体现了乳腺局部组织的X线吸收率，反映了乳腺内部的状况，因此需要抑制入射信号i(x，y)，增强透射信号t(x，y)；但原始图像信号是乘积组合的，即f(x，y)＝i(x，y)t(x，y)，通过傅立叶变换仍然无法分开处理，因此将原始信号先进行对数化，即z(x，y)＝log(f(x，y))＝log(i(x，y))+log(t(x，y))，然后进行傅立叶变换后在频域中使用高频增强滤波加以处理(入射信号i(x，y)变化缓慢，属于低频，将受到抑制；而变化剧烈、处于高频段的透射信号t(x，y)将被增强)，即Z′(u，v)＝Z(u，v)Hhfe(u，v)＝F(z(x，y))Hhfe(u，v)，最后在傅立叶重建之后通过指数化，即
Figure G2009101538684D0000071
即可获得同态滤波的处理结果。利用频域处理方法，医师可以对图像实施一些在空域中不宜进行的增强操作(比如带通/带阻滤波、陷波滤波与同态滤波)，获得有针对性的细节观察效果。
(5)相关病灶查询模块是通过对步骤(2)定义的局部区域进行相关查询，从而帮助医师提高诊断准确率的。在读片过程中，医师有时很难对局部区域内的疑似病灶的真伪性或良恶性作出准确判断，因此需要将以往病例中与当前病灶相关的且已经得到活检验证的病灶进行比对鉴别。这里所提到的相关通常是指视觉相似性，也就是将病灶数据库中与当前病灶外观最像的一些病灶检索出来，它们的真伪性和良恶性对当前病灶的判断具有最大的参考价值。所采用的检索方法是一种经典的CBIR技术，它首先由医师指定疑似病灶的类型(肿块还是微钙化簇)，然后将当前局部区域的对应特征组抽取出来形成一个向量，最后将该特征向量与病灶数据库中所有同类型病灶(肿块对应肿块，微钙化簇对应微钙化簇)的特征向量进行比较，将向量欧氏距离最近的一定数量的病灶选作检索结果。系统所选用的肿块特征共有12个，包括：区域的紧凑度、区域的狭长度、区域的平均灰度、区域的灰度标准差、区域灰度的平均波动幅度、区域的灰度波动幅度标准差、边界的平均离心距离、边界的离心距离标准差、边界的梯度标准差、区域外周灰度的标准差、区域外周灰度的平均波动幅度、区域的Hausdorff分形维数；微钙化簇特征共有8个，包括：簇中微钙化个数、簇面积、簇环度、微钙化的平均面积、微钙化的平均紧凑度、微钙化的平均狭长度、所有微钙化的离心距离标准差的平均值、所有微钙化的边界梯度标准差的平均值。

Claims (1)

1.一种乳腺CR图像交互式读片方法，其特征在于该方法的具体步骤是：
步骤(1)图像管理模块读入一幅待处理的乳腺CR图像；
步骤(2)局部区域标识模块提供一组局部区域标识工具和局部区域编辑工具，用来选择感兴趣区域；
局部区域标识工具包括：矩形区域框选工具、椭圆形区域框选工具、不规则区域点选工具和区域智能选择工具；其中矩形区域框选工具和椭圆形区域框选工具是由医师点击鼠标左键并进行拖动，从而在相应位置定义矩形或椭圆形的局部区域的；不规则区域点选工具是由医师在目标区域的边缘上不断点击鼠标左键并以点击右键作为结束，从而将所有点击位置连接起来形成不规则的局部区域的；区域智能选择工具则是由医师在目标区域的中心点击鼠标左键或拖动出一个区域，然后使用一种藤蔓扩张技术对邻域进行分割，生成一个不规则的局部区域的；
所述的藤蔓扩张技术是将初始区域视作藤蔓的根系，图像视作地形图，像素的灰度视作海拔高度；藤蔓从根系出发开始向四周蔓延，这一过程的每一步都是一次形态学膨胀，向外扩张一个像素的宽度；对于蔓延所抵达的每一个像素，需要进行一组判别，以决定该像素是否应该被藤蔓占据，如果是则该像素纳入藤蔓控制范围，否则就在该位置建立起藤蔓扩张的边界；判别由三个约束条件组成：
|f(x，y)-Froot|≤Troot，|f(x，y)-f|≤Tneigh，Igrad(x，y)≤Tgrad    (1)
其中f(x，y)是当前点的灰度，froot是根系区域像素的平均灰度，f是当前点的邻域内已被藤蔓占据的像素的平均灰度，Igrad(x，y)是当前点的梯度模值，Troot、Tneigh和Tgrad是三个阈值；
局部区域编辑工具包括区域合并工具、区域分离工具和区域局部修改工具；如果将通过任何一种局部区域标识工具所生成的区域称作原子区域，那么区域合并工具就是提供将一些相邻的原子区域合并成一个大区域的功能，而区域分离工具就是提供将合并后的大区域中的部分原子区域分离出来的功能，原子区域本身无法分离；使用区域局部修改工具时，要求对象必须是一个原子区域，且无论该区域之前是使用哪一种局部区域标识工具生成的，都视作不规则区域进行处理，记录整个区域的每一个边界点；
步骤(3)图像查看模块和图像测量模块提供了一组图像查看与测量工具，用来对图像的局部细节进行增强与测量；
图像查看工具包括局部缩放工具、窗宽窗位调整工具和伪彩色显示工具，局部缩放工具只能针对局部位置进行，而窗宽窗位调整工具和伪彩色显示工具则同时支持全图和步骤(2)中定义的局部区域；
其中局部缩放工具是提供了一个图像放大镜，在医生点击左键拖动鼠标的过程中，将以鼠标位置为中心的一定半径的圆形范围内的图像内容扩大一定倍数后显示在扩大后的同心圆范围内，这里的目标圆形半径和扩大倍数的默认值由系统提供，医师可以通过系统的配置选项自由设定；
窗宽窗位调整工具是通过医师点击右键后拖动鼠标来实现的，横向拖动时，向左为窗位降低，向右为窗位升高；纵向拖动时，向上为窗宽加大，向下为窗宽缩小；拖动时如果配合Ctrl键，则针对当前激活的局部区域实施窗宽窗位调整，否则就针对全图实施；对全图进行窗宽窗位调整之后，局部区域的窗宽窗位也同步更新，但局部区域的窗宽窗位调整不影响全图；默认情况下，图像的初始窗位为0，初始窗宽为图像的最大灰度级减1，但可以在系统的配置选项中确定一系列窗宽窗位喜好设定，通过快捷键即可直接选择所需的窗宽窗位设定，还可以将最常用的窗宽窗位喜好设定设置为系统的初始窗宽窗位；
伪彩色显示工具提供了两种彩虹和两种热金属共四种配色方案，由医师自由选择后，将灰度图像转换成相应的伪彩色图像；由于人眼对彩色图像的分辨能力强过对灰度图像的分辨能力，伪彩色显示虽然没有对局部区域的对比度进行拉伸，但仍能起到视觉增强的作用；
局部测量模块提供了两种模式的测量手段，一种模式是基于扫描线的，另一种模式则是基于步骤(2)中定义的局部区域；扫描线测量模式就是由医师点击鼠标左键后拖动出一条扫描线，然后根据扫描线进行定点测量，包括：扫描线穿过的像素的灰度直方图、扫描线端点间距离；局部区域中的测量项目则包括灰度直方图、平均灰度、灰度标准差、边缘带对比度、边界梯度方向熵、区域面积、边界周长、紧凑度、狭长度、边界离心距离直方图、微钙化个数和Hausdorff分形维数；
步骤(4)病灶区域增强模块提供了一组基于数字图像处理技术的视觉增强功能，帮助医师对步骤(2)中定义的疑似病灶区域进行局部处理；图像查看工具不更改图像本身的数据，而只是将其显示模式进行了调整，而病灶区域增强模块则更改了图像本身，不过其原始内容可以从内存备份中恢复回来；病灶区域增强模块主要包括：对比度增强工具、梯度提取工具与频域处理工具；在实施增强过程中所用的各个参数的取值在使用增强工具时由医师自由设定；
对比度增强工具提供了灰度线性变换、灰度线性拉伸和灰度非线性拉伸三种对比度增强手段；灰度线性变换是将任意像素的灰度f(x，y)经过一个线性函数g＝kf+b，然后用g(x，y)代替f(x，y)成为新的灰度取值；灰度线性拉伸是首先在直角坐标系的第一象限定义了一组分段点(fi，gi)，其中横坐标fi必须大于零且小于M，按序列顺序从小到大排布，这里的M是指图像的最大灰度减1，然后使用直线将(0，0)、分段点组、(M，M)依次连接起来，将该组折线段视作一个灰度变换函数g＝G(f)，超出(0，0)和(M，M)之外的部分无效，最后对任意像素的灰度f(x，y)进行运算，并用g(x，y)代替f(x，y)成为新的灰度取值；灰度非线性拉伸定义了一组分段点并连接成灰度转换函数，使用幂函数或对数/指数函数曲线而非直线来连接分段点；通过对局部区域对比度的拉伸，可以更加清晰地看到疑似病灶的灰度分布细节；
梯度提取工具提供了一阶差分法、锐化模板卷积法、Canny算子法和灰度形态学减影法四种梯度提取手段；一阶差分法就是将每个像素与其水平方向和垂直方向的前一个像素相减，其差值就是水平和垂直的局部梯度；锐化模板法就是选用一系列的锐化模板，将模板与图像进行卷积，获取局部梯度的模值，系统所提供的锐化模板包括：Prewitt、Sobel、Kirsch、Robinson和Gaus s-Laplace；Canny算子法就是先用一阶差分法求取图像的局部梯度，然后在局部梯度的方向上求取二阶差分过零点，使用该位置的一阶差分模值作为真正的梯度值；灰度形态学减影法就是分别对图像进行最大值滤波与最小值滤波，然后将膨胀结果减去腐蚀结果；通过梯度提取，图像中局部变化的强度更加清晰，边缘与亮斑更加明显；
频域处理工具提供了高通滤波、低通滤波、带通/带阻滤波、高频增强滤波、陷波滤波和同态滤波六种频域处理手段，它们都工作在离散傅立叶变换域；
步骤(5)相关病灶查询模块通过对步骤(2)定义的局部区域进行相关查询，提高诊断准确率的；在读片过程中，需要将以往病例中与当前病灶相关的且已经得到活检验证的病灶进行比对鉴别；所采用的检索方法是首先指定疑似病灶的类型，然后将当前局部区域的对应特征组抽取出来形成一个向量，最后将该特征向量与病灶数据库中所有同类型病灶的特征向量进行比较，将向量欧氏距离最近的一定数量的病灶选作检索结果；系统所选用的肿块特征共有12个，包括：区域的紧凑度、区域的狭长度、区域的平均灰度、区域的灰度标准差、区域灰度的平均波动幅度、区域的灰度波动幅度标准差、边界的平均离心距离、边界的离心距离标准差、边界的梯度标准差、区域外周灰度的标准差、区域外周灰度的平均波动幅度、区域的Hausdorff分形维数；微钙化簇特征共有8个，包括：簇中微钙化个数、簇面积、簇环度、微钙化的平均面积、微钙化的平均紧凑度、微钙化的平均狭长度、所有微钙化的离心距离标准差的平均值、所有微钙化的边界梯度标准差的平均值。
CN2009101538684A 2009-11-16 2009-11-16 一种乳腺cr图像交互式读片方法 Expired - Fee Related CN101706843B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2009101538684A CN101706843B (zh) 2009-11-16 2009-11-16 一种乳腺cr图像交互式读片方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2009101538684A CN101706843B (zh) 2009-11-16 2009-11-16 一种乳腺cr图像交互式读片方法

Publications (2)

Publication Number Publication Date
CN101706843A true CN101706843A (zh) 2010-05-12
CN101706843B CN101706843B (zh) 2011-09-07

Family

ID=42377068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009101538684A Expired - Fee Related CN101706843B (zh) 2009-11-16 2009-11-16 一种乳腺cr图像交互式读片方法

Country Status (1)

Country Link
CN (1) CN101706843B (zh)

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102485179A (zh) * 2010-12-02 2012-06-06 深圳迈瑞生物医疗电子股份有限公司 影像窗宽/窗位调节方法、装置及医学影像设备
CN102741849A (zh) * 2010-09-07 2012-10-17 松下电器产业株式会社 误诊原因检测装置以及误诊原因检测方法
CN103069455A (zh) * 2010-07-30 2013-04-24 皇家飞利浦电子股份有限公司 用于医学图像的鲁棒分割的器官特异的增强滤波器
CN103200861A (zh) * 2011-11-04 2013-07-10 松下电器产业株式会社 类似病例检索装置以及类似病例检索方法
CN103514590A (zh) * 2013-10-23 2014-01-15 杨大刚 数字式乳腺机图像后处理方法
CN103679713A (zh) * 2013-12-04 2014-03-26 华南理工大学 一种针对部分匹配图像的二维图像配准方法
CN103914824A (zh) * 2012-12-31 2014-07-09 南方医科大学南方医院 医学图像多目标区域勾画及任意目标区域面积计算方法
CN103996168A (zh) * 2014-01-21 2014-08-20 公安部第一研究所 一种基于区域自适应处理的x射线安全检查图像增强方法
CN104318507A (zh) * 2014-10-31 2015-01-28 杭州美诺瓦医疗科技有限公司 医学影像局部多参数单画幅快捷键控制的处理及显示方法
CN104346785A (zh) * 2014-10-31 2015-02-11 杭州美诺瓦医疗科技有限公司 x光医学影像局部多参数多画幅动态图像处理及显示方法
CN104408690A (zh) * 2014-10-31 2015-03-11 杭州美诺瓦医疗科技有限公司 x光医学影像局部多参数单画幅动态图像处理及显示方法
CN104408699A (zh) * 2014-10-31 2015-03-11 杭州美诺瓦医疗科技有限公司 x光医学影像局部多参数多画幅非动态处理及显示方法
CN104463783A (zh) * 2014-10-31 2015-03-25 杭州美诺瓦医疗科技有限公司 局部多参数多画幅快捷键控制图像的处理及显示方法
CN105678706A (zh) * 2015-12-29 2016-06-15 上海联影医疗科技有限公司 医学图像增强方法和装置
CN105741241A (zh) * 2016-01-27 2016-07-06 中南民族大学 基于合成增强图像的肿瘤区域图像增强方法及系统
CN106204546A (zh) * 2016-06-30 2016-12-07 上海联影医疗科技有限公司 静脉窦的分割方法
CN106408024A (zh) * 2016-09-20 2017-02-15 四川大学 针对dr片的肺叶轮廓提取方法
CN107092774A (zh) * 2017-03-10 2017-08-25 深圳华大智造科技有限公司 一种提供参考信息的方法及装置
CN107169257A (zh) * 2016-03-07 2017-09-15 刘江 基于视觉影像的多眼疾“慧查”筛查方法和系统
CN107220649A (zh) * 2017-05-27 2017-09-29 江苏理工学院 一种素色布匹缺陷检测和分类方法
CN108573481A (zh) * 2017-03-14 2018-09-25 深圳怡化电脑股份有限公司 一种水印特征的增强方法及系统
CN108898578A (zh) * 2018-05-29 2018-11-27 杭州晟视科技有限公司 一种医疗图像的处理方法、装置及计算机存储介质
CN109394268A (zh) * 2018-12-07 2019-03-01 余姚市华耀工具科技有限公司 息肉危害程度映射平台
US10357218B2 (en) 2016-06-30 2019-07-23 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for extracting blood vessel
CN110610498A (zh) * 2019-08-13 2019-12-24 上海联影智能医疗科技有限公司 乳腺钼靶图像处理方法、系统、存储介质及设备
CN110837572A (zh) * 2019-11-15 2020-02-25 北京推想科技有限公司 图像检索方法、装置、可读存储介质及电子设备
CN111012317A (zh) * 2020-01-18 2020-04-17 四川知周光声医疗科技有限公司 一种光声乳腺的图像重建方法及系统
CN112288684A (zh) * 2020-07-15 2021-01-29 唐科伦 应用密度分析的致病判断系统及方法
CN112418090A (zh) * 2020-11-23 2021-02-26 中国科学院西安光学精密机械研究所 一种天空背景下红外弱小目标实时检测方法
CN113689355A (zh) * 2021-09-10 2021-11-23 数坤(北京)网络科技股份有限公司 图像处理方法、装置、存储介质及计算机设备
CN116309551A (zh) * 2023-05-11 2023-06-23 浙江太美医疗科技股份有限公司 确定病灶取样区的方法、装置、电子设备及可读介质
CN116993625A (zh) * 2023-09-26 2023-11-03 天津市胸科医院 一种气管镜图像增强方法及系统
CN117893530A (zh) * 2024-03-14 2024-04-16 沈阳市弘启健康管理有限公司 一种基于人工智能的喉部影像分析系统

Cited By (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103069455A (zh) * 2010-07-30 2013-04-24 皇家飞利浦电子股份有限公司 用于医学图像的鲁棒分割的器官特异的增强滤波器
CN103069455B (zh) * 2010-07-30 2017-05-24 皇家飞利浦电子股份有限公司 用于医学图像的鲁棒分割的器官特异的增强滤波器
CN102741849A (zh) * 2010-09-07 2012-10-17 松下电器产业株式会社 误诊原因检测装置以及误诊原因检测方法
CN102741849B (zh) * 2010-09-07 2016-03-16 松下电器产业株式会社 误诊原因检测装置以及误诊原因检测方法
CN102485179A (zh) * 2010-12-02 2012-06-06 深圳迈瑞生物医疗电子股份有限公司 影像窗宽/窗位调节方法、装置及医学影像设备
CN102485179B (zh) * 2010-12-02 2016-03-09 深圳迈瑞生物医疗电子股份有限公司 影像窗宽/窗位调节方法、装置及医学影像设备
CN103200861B (zh) * 2011-11-04 2015-10-14 松下电器产业株式会社 类似病例检索装置以及类似病例检索方法
CN103200861A (zh) * 2011-11-04 2013-07-10 松下电器产业株式会社 类似病例检索装置以及类似病例检索方法
CN103914824A (zh) * 2012-12-31 2014-07-09 南方医科大学南方医院 医学图像多目标区域勾画及任意目标区域面积计算方法
CN103914824B (zh) * 2012-12-31 2017-02-08 南方医科大学南方医院 医学图像多目标区域勾画及任意目标区域面积计算方法
CN103514590A (zh) * 2013-10-23 2014-01-15 杨大刚 数字式乳腺机图像后处理方法
CN103679713A (zh) * 2013-12-04 2014-03-26 华南理工大学 一种针对部分匹配图像的二维图像配准方法
CN103996168B (zh) * 2014-01-21 2017-02-01 公安部第一研究所 一种基于区域自适应处理的x射线安全检查图像增强方法
CN103996168A (zh) * 2014-01-21 2014-08-20 公安部第一研究所 一种基于区域自适应处理的x射线安全检查图像增强方法
CN104463783A (zh) * 2014-10-31 2015-03-25 杭州美诺瓦医疗科技有限公司 局部多参数多画幅快捷键控制图像的处理及显示方法
CN104408699A (zh) * 2014-10-31 2015-03-11 杭州美诺瓦医疗科技有限公司 x光医学影像局部多参数多画幅非动态处理及显示方法
CN104408690A (zh) * 2014-10-31 2015-03-11 杭州美诺瓦医疗科技有限公司 x光医学影像局部多参数单画幅动态图像处理及显示方法
CN104346785A (zh) * 2014-10-31 2015-02-11 杭州美诺瓦医疗科技有限公司 x光医学影像局部多参数多画幅动态图像处理及显示方法
CN104318507A (zh) * 2014-10-31 2015-01-28 杭州美诺瓦医疗科技有限公司 医学影像局部多参数单画幅快捷键控制的处理及显示方法
CN105678706A (zh) * 2015-12-29 2016-06-15 上海联影医疗科技有限公司 医学图像增强方法和装置
CN105678706B (zh) * 2015-12-29 2018-04-03 上海联影医疗科技有限公司 医学图像增强方法和装置
CN105741241A (zh) * 2016-01-27 2016-07-06 中南民族大学 基于合成增强图像的肿瘤区域图像增强方法及系统
CN105741241B (zh) * 2016-01-27 2018-08-17 中南民族大学 基于合成增强图像的肿瘤区域图像增强方法及系统
CN107169257A (zh) * 2016-03-07 2017-09-15 刘江 基于视觉影像的多眼疾“慧查”筛查方法和系统
US10357218B2 (en) 2016-06-30 2019-07-23 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for extracting blood vessel
CN106204546A (zh) * 2016-06-30 2016-12-07 上海联影医疗科技有限公司 静脉窦的分割方法
US11344273B2 (en) 2016-06-30 2022-05-31 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for extracting blood vessel
CN106408024A (zh) * 2016-09-20 2017-02-15 四川大学 针对dr片的肺叶轮廓提取方法
CN106408024B (zh) * 2016-09-20 2019-06-21 四川大学 针对dr片的肺叶轮廓提取方法
CN107092774A (zh) * 2017-03-10 2017-08-25 深圳华大智造科技有限公司 一种提供参考信息的方法及装置
CN108573481A (zh) * 2017-03-14 2018-09-25 深圳怡化电脑股份有限公司 一种水印特征的增强方法及系统
CN107220649A (zh) * 2017-05-27 2017-09-29 江苏理工学院 一种素色布匹缺陷检测和分类方法
CN108898578B (zh) * 2018-05-29 2020-12-08 杭州晟视科技有限公司 一种医疗图像的处理方法、装置及计算机存储介质
CN108898578A (zh) * 2018-05-29 2018-11-27 杭州晟视科技有限公司 一种医疗图像的处理方法、装置及计算机存储介质
CN109394268A (zh) * 2018-12-07 2019-03-01 余姚市华耀工具科技有限公司 息肉危害程度映射平台
CN109394268B (zh) * 2018-12-07 2021-05-11 刘志红 息肉危害程度映射平台
CN110610498A (zh) * 2019-08-13 2019-12-24 上海联影智能医疗科技有限公司 乳腺钼靶图像处理方法、系统、存储介质及设备
CN110837572A (zh) * 2019-11-15 2020-02-25 北京推想科技有限公司 图像检索方法、装置、可读存储介质及电子设备
CN111012317A (zh) * 2020-01-18 2020-04-17 四川知周光声医疗科技有限公司 一种光声乳腺的图像重建方法及系统
CN112288684A (zh) * 2020-07-15 2021-01-29 唐科伦 应用密度分析的致病判断系统及方法
CN112288684B (zh) * 2020-07-15 2021-06-25 华北理工大学 应用密度分析的致病判断系统及方法
CN112418090A (zh) * 2020-11-23 2021-02-26 中国科学院西安光学精密机械研究所 一种天空背景下红外弱小目标实时检测方法
CN113689355A (zh) * 2021-09-10 2021-11-23 数坤(北京)网络科技股份有限公司 图像处理方法、装置、存储介质及计算机设备
CN116309551A (zh) * 2023-05-11 2023-06-23 浙江太美医疗科技股份有限公司 确定病灶取样区的方法、装置、电子设备及可读介质
CN116309551B (zh) * 2023-05-11 2023-08-15 浙江太美医疗科技股份有限公司 确定病灶取样区的方法、装置、电子设备及可读介质
CN116993625A (zh) * 2023-09-26 2023-11-03 天津市胸科医院 一种气管镜图像增强方法及系统
CN116993625B (zh) * 2023-09-26 2023-12-15 天津市胸科医院 一种气管镜图像增强方法及系统
CN117893530A (zh) * 2024-03-14 2024-04-16 沈阳市弘启健康管理有限公司 一种基于人工智能的喉部影像分析系统

Also Published As

Publication number Publication date
CN101706843B (zh) 2011-09-07

Similar Documents

Publication Publication Date Title
CN101706843B (zh) 一种乳腺cr图像交互式读片方法
Rangayyan et al. A review of computer-aided diagnosis of breast cancer: Toward the detection of subtle signs
Kallergi Computer‐aided diagnosis of mammographic microcalcification clusters
US20150078648A1 (en) Cell image segmentation method and a nuclear-to-cytoplasmic ratio evaluation method using the same
CN101727537A (zh) 基于双视角信息融合的乳腺cr图像的计算机确定方法
Sinha et al. Medical image processing
CN106780451A (zh) X射线、超声、红外图像融合乳腺肿块图像检测方法
Hadjiiski et al. Auto-initialized cascaded level set (AI-CALS) segmentation of bladder lesions on multidetector row CT urography
US20120099771A1 (en) Computer aided detection of architectural distortion in mammography
Deng et al. Graph cut based automatic aorta segmentation with an adaptive smoothness constraint in 3D abdominal CT images
CN101714153A (zh) 基于视觉感知的交互式乳腺钼靶图像检索方法
CN104182755A (zh) 基于塔形pca的乳腺钼靶x线图像块特征提取方法
Liu et al. Multimodal MRI brain tumor image segmentation using sparse subspace clustering algorithm
Reddy et al. Image Segmentation Technique Using SVM Classifier for Detection of Medical Disorders.
Kaur et al. Computer-aided diagnosis of renal lesions in CT images: a comprehensive survey and future prospects
Chen et al. Shape-based automatic detection of pectoral muscle boundary in mammograms
Ganvir et al. Filtering method for pre-processing mammogram images for breast cancer detection
Teuwen et al. Soft tissue lesion detection in mammography using deep neural networks for object detection
CN104331864B (zh) 基于非下采样轮廓波和视觉显著模型的乳腺影像处理
Roy et al. Heterogeneity of human brain tumor with lesion identification, localization, and analysis from MRI
Pashoutan et al. Automatic breast tumor classification using a level set method and feature extraction in mammography
Aarthy et al. Detection of lung nodule using multiscale wavelets and support vector machine
Pezeshki et al. Mass classification of mammograms using fractal dimensions and statistical features
Taghizadeh et al. The fast and accurate approach to detection and segmentation of melanoma skin cancer using fine-tuned YOLOV3 and SegNet based on deep transfer learning
Meléndez et al. Mammograms calcifications segmentation based on band-pass fourier filtering and adaptive statistical thresholding

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: HAIAN SERVICE CENTER FOR TRANSFORMATION OF SCIENTI

Free format text: FORMER OWNER: HANGZHOU ELECTRONIC SCIENCE AND TECHNOLOGY UNIV

Effective date: 20140701

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 310018 HANGZHOU, ZHEJIANG PROVINCE TO: 226600 NANTONG, JIANGSU PROVINCE

TR01 Transfer of patent right

Effective date of registration: 20140701

Address after: 226600 No. 106 middle Yangtze Road, Haian County, Nantong, Jiangsu

Patentee after: Haian Service Center for Transformation of Scientific Achievements

Address before: Hangzhou City, Zhejiang province 310018 Jianggan District Xiasha Higher Education Park No. 2 street

Patentee before: Hangzhou Electronic Science and Technology Univ

CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20110907

Termination date: 20181116

CF01 Termination of patent right due to non-payment of annual fee