CN102188258A - 用于检测异常阴影的方法、设备和程序 - Google Patents
用于检测异常阴影的方法、设备和程序 Download PDFInfo
- Publication number
- CN102188258A CN102188258A CN201110062242XA CN201110062242A CN102188258A CN 102188258 A CN102188258 A CN 102188258A CN 201110062242X A CN201110062242X A CN 201110062242XA CN 201110062242 A CN201110062242 A CN 201110062242A CN 102188258 A CN102188258 A CN 102188258A
- Authority
- CN
- China
- Prior art keywords
- mammary gland
- pixel
- containing ratio
- abnormal shade
- gland containing
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及用于检测异常阴影的方法、设备和程序。利用乳腺含有率来检测异常阴影。为通过放射成像设备2获得的乳腺X线照片P的各个像素计算乳腺含有率r(x,y)。然后,使用各个像素的乳腺含有率r(x,y)计算乳房区域MR中乳腺含有率的平均值rave。利用乳腺含有率r(x,y)、平均值rave和设定参考值Rref来检测构成异常阴影的异常像素AP。
Description
技术领域
本发明涉及根据乳腺X线照片来自动检测乳房区域中的异常区域的方法、设备和程序。
背景技术
常规情况下,根据通过放射成像获得的乳腺X线照片来进行乳腺癌、乳腺疾病等的诊断。最近,正在开发自动分析乳腺X线照片以辅助鉴别异常阴影的CAD(计算机辅助诊断)系统。存在已知的根据乳房区域中的密度来检测异常阴影的候选的方法,以及根据异常阴影的特征形状来自动检测异常阴影的方法。
此外,已经提出的是,在通过乳腺X线照相设备成像的乳腺X线照片中计算乳腺含有量(含有率)。还已经提出的是,根据计算出的乳腺含有量来进行各种处理,例如改变放射成像条件、设置图像处理条件、检查图像质量、和辨别乳房类型(例如,参见日本未审专利公开No.2005-065855和No.2001-238868)。此外,也已提出的是,为乳腺X线照片中的各个像素计算乳腺含有率(参见例如T.Amano et al.,“Measurement of Glandular Dose Using Digital Mammogram”(使用数字乳腺X线照片对腺体剂量的计算),Medical Imaging and Information Sciences,Vol.24,No.1,pp.6-12,2007)。
常规情况下,还没有考虑到由为各个像素计算的乳腺含有率检测异常阴影,并且上述的乳腺含有率的计算和异常阴影的检测是独立进行的。利用像素值检测异常阴影的方法受到乳房厚度、成像条件等的影响,并且存在不能准确检出异常阴影的情况。因此,期望在异常阴影检测期间使用不依赖于乳房厚度和成像条件的值。
发明内容
有鉴于上述情况,开发了本发明。本发明的目的是提供利用乳腺含有率来检测异常阴影的方法、设备和程序,其不依赖于乳房厚度或成像条件。
本发明的异常阴影检测设备从通过放射成像设备进行的放射成像而获得的乳腺X线照片中检测异常阴影,其特征在于包含:
区域检测装置,用于从乳腺X线照片中检测乳房区域;
乳腺含有率计算装置,用于为通过区域检测装置检测到的乳房区域的各个像素计算乳腺含有率;以及
判断装置,使用通过乳腺含有率计算装置计算出的乳腺含有率来判断各个像素是否表示异常阴影。
本发明的异常阴影检测方法从通过放射成像设备进行的放射成像而获得的乳腺X线照片中检测异常阴影,其特征在于包含:
从乳腺X线照片中检测乳房区域;
为检测到的乳房区域的各个像素计算乳腺含有率;以及
使用计算出的乳腺含有率来判断各个像素是否表示异常阴影。
本发明的异常阴影检测程序从通过放射成像设备进行的放射成像而获得并存储在其中的乳腺X线照片中检测异常阴影,其特征在于使计算机执行下列步骤:
从乳腺X线照片中检测乳房区域;
为检测到的乳房区域的各个像素计算乳腺含有率;以及
使用计算出的乳腺含有率来判断各个像素是否表示异常阴影。
这里,异常阴影是指表示诸如肿瘤和钙化的疾病的可能性的阴影。异常像素是构成异常阴影的像素。
需要指出的是,判断装置可以包含:
平均值计算装置,用于计算通过乳腺含有率计算装置计算出的乳腺含有率的平均值;以及
异常判断装置,使用通过平均值计算装置计算出的平均值、乳腺含有率和预先设定的设定参考值,判断各个像素是否表示异常阴影。具体来说,异常判断装置可以将在其中乳腺含有率和平均值之间的差异大于设定参考值的像素判断为异常像素。
此外,平均值计算装置可以起到计算正常平均值的作用,所述正常平均值是通过异常判断装置判断为正常的多个像素的乳腺含有率的平均值;并且
异常判断装置还可以利用正常平均值、乳腺含有率和预先设定的设定参考值,判断已被判断为正常的多个像素是否表示异常阴影。通过平均值计算装置计算正常平均值和通过异常判断装置的判断可以重复进行,直到不剩余被判断为表示异常阴影的像素。
此外,乳腺含有率计算装置可以利用任何方法来计算乳腺含有率。例如,可以预先储存与像素值相对应的乳腺含有率,并可以根据像素值来计算乳腺含有率。可替选地,乳腺含有率计算装置20可以获得辐射没有通过乳房而是直接照射到辐射检测器上的区域的像素值I0,对通过放射成像只对脂肪组织进行成像的像素(x,y)处的像素值A(x,y)进行计算,并根据预先储存的、在脂肪与乳腺之间的平均衰减系数的比率μ,按照下面的公式(1)从像素值I(x,y)计算出乳腺含有率r(x,y):
异常阴影检测设备还可以包含图像处理条件设置装置,用于根据检测到的异常像素来设置图像处理条件;或成像通过/失败判定装置,用于判定乳腺X线照片的放射成像过程中进行的成像是否适当。
新近发现,能够利用乳腺含有率检测异常阴影。根据该知识,本发明的异常阴影检测设备和异常阴影检测方法从乳腺X线照片中检测乳房区域,为检测到的乳房区域中的各个像素计算乳腺含有率,并使用计算出的乳腺含有率来判断各个像素是否表示异常阴影。由此,与根据像素值等进行检测的常规方法相比,可以提高检测准确性。此外,与使用过滤处理进行检测的方法相比,能够以更快的速度和更高的效率检测异常阴影。
需要指出的是,判断装置可以包含:平均值计算装置,用于计算通过乳腺含有率计算装置计算出的乳腺含有率的平均值;以及异常判断装置,通过将平均值与乳腺含有率之间的差异与设定参考值进行比较,判断各个像素是否表示异常阴影。在这种情况下,可以从乳腺含有率准确地检测异常阴影。
此外,平均值计算装置可以起到计算正常平均值的作用,所述正常平均值是通过异常判断装置判断为正常的多个像素的乳腺含有率的平均值;并且
异常判断装置还可以利用正常平均值、乳腺含有率和预先设定的设定参考值,判断已被判断为正常的多个像素是否表示异常阴影。在这种情况下,可以检测到所有构成异常阴影的异常像素。因此,进一步提高了异常阴影检测的准确性。
通过平均值计算装置计算正常平均值和通过异常判断装置的判断可以重复进行,直到不剩余被判断为表示异常阴影的像素。在这种情况下,可以检测到所有构成异常阴影的异常像素。因此,进一步提高了异常阴影检测的准确性。
此外,乳腺含有率计算装置可以获得辐射没有通过乳房而是直接照射到辐射检测器上的区域的像素值I0,对通过放射成像只对脂肪组织进行成像的像素(x,y)处的像素值A(x,y)进行计算,并根据预先储存的在脂肪与乳腺之间的平均衰减系数的比率μ,按照下面的公式(1)从像素值I(x,y)计算出乳腺含有率r(x,y):
在这种情况下,可以从乳腺X线照片中精确地检测乳腺含有率。
此外,平均值计算装置可以使用储存在乳腺分布图中的出现概率作为权重系数,计算乳腺含有率的加权平均值。在这种情况下,可以提高对异常阴影的检测准确性。
异常阴影检测设备还可以包含图像处理条件设置装置,用于根据检测到的异常像素设置图像处理条件。在这种情况下,可以设置最优图像处理条件,而不受异常阴影存在的影响。
异常阴影检测设备还可以包含成像通过/失败判定装置,用于根据已被判断为异常的像素的数量,判定乳腺X线照片的放射成像过程中进行的成像是否适当。在这种情况下,可以简单和准确地判定成像失败的概率。
附图简述
图1是显示了本发明的异常阴影检测设备的优选实施方案的构造的框图。
图2是显示了用于获得乳腺X线照片的放射成像设备的实例的示意图。
图3是显示了通过乳腺X线照相设备获得的辐射图像的实例的示意图。
图4是显示了当通过图1的平均值计算装置来计算平均值时使用的乳腺分布图的实例的示意图。
图5是显示了乳房区域中的位置与脂肪组织的像素值之间的关系的实例的图示。
图6A是显示了从不存在异常阴影的乳腺X线照片中计算出的乳腺含有率的直方图的实例的图示。
图6B是显示了从另一个不存在异常阴影的乳腺X线照片中计算出的乳腺含有率的直方图的实例的图示。
图7A是显示了从存在异常阴影的乳腺X线照片中计算出的乳腺含有率的直方图的实例的图示。
图7B是显示了从另一个存在异常阴影的乳腺X线照片中计算出的乳腺含有率的直方图的实例的图示。
图8是显示了相对于多个乳腺X线照片中的平均乳腺含有率值的正常像素和异常像素的乳腺含有率的实例的图示。
图9是显示了根据本发明的优选实施方案的异常阴影检测方法的步骤的流程图。
具体实施方案
在后文中,将参考所附附图描述本发明的实施方案。图1是显示了作为本发明的实施方案的异常阴影检测设备1的构造的框图。需要指出的是,图1的异常阴影检测设备1的构造通过执行加载在计算机(例如个人计算机)上的辅助存储装置中的异常阴影检测程序来实现。可替选地,异常阴影检测程序被记录在诸如CD-ROM的信息记录介质上,或通过诸如因特网的网络而分布,并被安装在计算机上。
异常阴影检测设备1从通过放射成像设备2(乳腺X线照相设备)获得的乳腺X线照片中检测异常阴影。图2是显示了放射成像设备2的实例的示意图。在图2中,放射成像设备2装备有辐射源2a和辐射检测器2b。被压迫板2c压迫的乳房被定位在辐射源2a与辐射检测器2b之间。辐射从辐射源2a发射到乳房上,并由辐射检测器2b检测通过乳房的辐射。结果,检测到在其中对乳房进行拍摄的乳腺X线照片P,如图3中所示。
图1的异常阴影检测设备1装备有:区域检测装置10;乳腺含有率计算装置20;以及判断装置30。区域检测装置10从乳腺X线照片P中检测在其中对乳房进行拍摄的乳房区域MR和在其中辐射直接照射到辐射检测器2上的空白区域BR。需要指出的是,可以使用各种已知技术检测乳房区域MR。此外,区域检测装置10也起到从乳腺X线照片P中检测胸肌区域的作用。例如,区域检测装置10利用胸肌区域与脂肪区域之间的边界具有相对清晰的边缘的事实,并使用微分算子对从乳房的边界线朝向胸壁进行扫描。然后,提取具有大的微分值的点作为边界点A和B(参考图4)。然后,区域检测装置10计算出将提取出的边界点相连的曲线,并检测曲线朝向胸壁的一侧(与空白区域相反的一侧)作为胸肌区域PR4。
乳腺含有率计算装置20为乳腺X线照片P中的各个像素计算乳腺含有率r(x,y)。乳腺含有率r(x,y)表示占据各个像素区域的乳腺组织的权重比率。也就是说,乳腺含有率表示包含在乳房的厚度方向、即辐射的照射方向中的乳腺的比率。在由于区域全是脂肪而导致不存在乳腺的情况下,乳腺含有率r(x,y)为0。随着乳腺密度的增加,乳腺含有率r(x,y)也增加。
乳腺含有率计算装置20按照下列公式(1)计算乳腺含有率r(x,y)。需要指出的是,关于该计算的详细情况描述在日本专利申请No.2010-010239中。
在公式(1)中,I0是空白区域的像素值,A(x,y)是表示脂肪的像素的像素值,I(x,y)是将要计算乳腺含有率r(x,y)的像素的像素值,μ是脂肪与乳腺之间的平均衰减系数的比率(乳腺的平均衰减系数/脂肪的平均衰减系数)。需要指出的是,预先储存预定值(例如1.778)作为平均衰减系数比率μ。
从上面公式(1)的变量中,使用在日本未审专利公开No.2005-065855或日本专利申请No.2010-010239中公开的技术来计算脂肪像素值A(x,y)。也就是说,当对脂肪组织进行成像时获得的像素值对应其厚度而不同。同时,乳房在其成像期间不可能是厚度均匀的。被压迫的乳房具有如下的厚度分布,其使得厚度从乳房的轮廓朝着轮廓的法线方向而逐渐增加。因此,对于仅仅对脂肪组织进行拍摄的像素来说,如果其位置在乳房的边界线附近和在胸壁附近,则其像素值将是不同的。因此,乳腺含有率计算装置20在乳房区域MR中各个位置处计算如果只对脂肪组织进行成像时估计将输出的脂肪像素值A(x,y)。
具体来说,首先,根据朝向胸壁一侧的胸肌的像素值及其附近的脂肪区域的像素值,计算出用于区分乳腺和脂肪区域的阈值。接下来,使用阈值区分乳房区域和脂肪区域,并对位于距边界线不同距离的脂肪区域的多个像素值进行取样。然后,通过如图5中显示的曲线近似,计算在边界线法线方向上距边界线的距离与脂肪像素值A(x,y)之间的关系。当通过公式(1)计算各个像素(x,y)的乳腺含有率r(x,y)时,脂肪像素值A(x,y)对应于像素(x,y)的位置。
需要指出的是,描述了如下一种情况,在其中,乳腺含有率计算装置20从乳腺X线照片计算乳腺含有率r(x,y)。可替选地,可以通过在T.Amano et al.,“Measurement of Glandular Dose Using Digital Mammogram(使用数字乳腺X线照片对腺体剂量的计算)”,Medical Imaging and Information Sciences,Vol.24,No.1,pp.6-12,2007中描述的已知方法计算乳腺含有率r(x,y)。也就是说,预先对相应于乳腺含有率的实验模型(phantom)进行成像,并制备表示像素值与乳腺含有率r(x,y)之间的关系的LUT(查找表)。然后,乳腺含有率计算装置20可以参照LUT计算乳腺含有率r(x,y)。作为另一种可替选方案,LUT指示了多种成像条件(X-射线管电压、滤光器类型、乳房厚度等)的各种的像素值与乳腺含有率r(x,y)之间的关系。
图3的判断装置30判断乳房区域MR中各个像素是表示异常阴影的异常像素AP还是正常像素NP。判断装置30装备有平均值计算装置31和异常判断装置32。平均值计算装置31计算乳房区域MR中的乳腺含有率的平均乳腺含有率rave。平均值计算装置31具有计算加权平均值、使用例如图4中显示的乳腺分布图PM执行对应于像素位置的加权的功能。乳腺分布图PM储存了乳腺在乳房区域MR的各个位置中出现的概率。乳腺分布图PM可以通过在日本未审专利公开No.2005-065855等中描述的已知技术来生成。例如,对于其中出现乳腺的概率高的区域PR1、其中乳腺出现的概率较高的区域PR2、其中乳腺出现的概率低的区域PR3和胸肌区域PR4,储存了乳腺出现的概率。需要指出的是,当计算平均乳腺含有率rave时,优选从计算中排除胸肌区域PR4中的像素(乳腺出现概率=0)。
异常判断装置32使用通过平均值计算装置31计算的平均值rave、各个像素的乳腺含有率r(x,y)和预先设定的设定参考值Rref,判断各个像素是否表示异常阴影。具体来说,异常判断装置32将其中乳腺含有率r(x,y)与平均值rave之间的差异大于设定参考值Rref(|r(x,y)-rave|>Rref)的像素,判断为异常像素,并将其中乳腺含有率r(x,y)与平均值rave之间的差异小于或等于设定参考值Rref(|r(x,y)-rave|≤Rref)的像素,判断为正常像素。
需要指出的是,描述了如下一种情况,在其中,对各个像素(x,y)计算差异。可替选地,可以将乳腺含有率r(x,y)与设定的参考值Rref和平均值rave之和进行比较(r(x,y)>Rref+Rave),以执行关于各个像素是否异常的判断。
出于下面的原因,可以根据如上所述的乳腺含有率r(x,y)来检测异常阴影。首先,异常组织具有明显小于正常组织并显得发白的像素值I(x,y)。因此,如公式(1)所示,当I(x,y)变小时,乳腺含有率r(x,y)将变大。结果,异常阴影将具有较大的乳腺含有率值r(x,y)。
图6A和6B是显示了从不存在异常阴影的乳腺X线照片计算的乳腺含有率r(x,y)的直方图的实例的视图。图7A和7B是显示了从存在异常阴影的乳腺X线照片计算的乳腺含有率r(x,y)的直方图的实例的视图。正如从图6A到7B清楚显示的,在存在异常区域的乳腺X线照片中直方图的下摆(hem)更长。因此,构成图7A和7B的直方图的下摆的像素可以被判断为是表示异常阴影的异常像素。
同时,图8是其中使用多个乳腺X线照片P(例如57个乳腺X线照片)图示相对于平均乳腺含有率值的差异之间的关系的图。在图8中,水平轴表示平均乳腺含有率rave,垂直轴表示乳腺含有率r(x,y)与平均值rave之间的差异(|r(x,y)-rave|)。此外,关于正常区域和异常区域的判定由医师进行。
可以看出,不考虑在多个乳腺X线照片P中拍摄的乳房之间的个体差异(主要是乳腺的量)如何,通过使用相对于乳腺含有率r(x,y)的预定阈值Rref,可以分离正常区域和异常区域。因此,判断装置30利用预定阈值Rref(例如0.25)来判断像素是否表示异常阴影。通过以这种方式根据乳腺含有率r(x,y)来检测异常阴影,与使用光阑滤镜等执行检测的常规方法相比,可以以更快速度并以更高效率检测异常阴影。
此外,判断装置30起到重复执行像素是否表示异常阴影的判断的作用。具体来说,平均值计算装置31通过计算由异常判断装置32判断为不是异常的像素的乳腺含有率r(x,y)的平均值,来计算正常平均值nrave。因此,异常判断装置32利用正常平均值nrave、正常像素NP的乳腺含有率r(x,y)和设定参考值来判断正常像素NP是否包含任何异常像素AP。可以将判断装置30构造成重复进行预定次数(例如两次)的判断。可替选地,异常判断装置32可以重复进行判断,直到不剩余被判断为表示异常阴影的像素。通过采用这种构造,可以改进判断装置30的判断准确性。值得注意的是,在重复判断过程中可以使用单个值(例如0.25)作为设定参考值Rref,或者可以使用不同的值。
异常阴影的检测结果可以使用在各种后续处理中。例如,异常阴影检测设备1可以装备有图像处理条件设置装置41,用于相对于已经从中除去了检测到的异常阴影的乳腺X线照片P的正常像素区域,设定图像处理参数。例如,乳腺像素值和乳腺对比(contrast)值的计算可以只针对正常像素进行,以设置分级处理参数。可替选地,图像处理条件设置装置41可以为异常像素和正常像素分别设置图像处理条件。
此外,异常阴影检测设备1可以装备有成像通过/失败判定装置42,用于判定定位失败(乳房压迫极端不足,乳腺显影不足等)。例如,成像通过/失败判定装置42计算如下的指数值,所述指数值=被判断为异常的像素数量/乳房区域中像素数量。在指数值为0.2或以上的情况下,即在20%或更多的像素被判定为表示异常阴影的情况下,成像通过/失败判定装置42可以在终端的监测器上显示可能发生了定位错误的警告。
图9是显示了本发明的优选实施方案的异常阴影检测方法的步骤的流程图。将参考图9对异常阴影检测方法进行描述。首先,根据通过放射成像设备2获得的乳腺X线照片P,计算各个像素的乳腺含有率r(x,y)(步骤ST1)。然后,平均值计算装置31计算乳房区域MR中乳腺含有率r(x,y)的平均值rave(步骤ST2)。然后,异常判断装置32使用乳腺含有率r(x,y)、平均值rave和设定参考值Rref检测正常像素NP和异常像素AP(步骤ST3)。此外,计算正常像素NP的乳腺含有率的正常平均值nrave(步骤ST4)。然后,判断正常像素NP是正常像素NP还是异常像素AP(步骤ST5)。重复地计算正常平均值nrave和判断正常像素NP是正常像素NP还是异常像素AP,直到不再检测到异常像素AP(步骤ST4到步骤ST6)。
新近发现,能够利用乳腺含有率来检测异常阴影。根据该知识,上面描述的实施方案从通过放射成像设备2获得的乳腺X线照片P中检测乳房区域MR,为检测到的乳房区域MR中的各个像素计算乳腺含有率r(x,y),并使用计算出的乳腺含有率r(x,y)进行关于各个像素是否表示异常阴影的判断。由此,与根据像素值等进行检测的常规方法相比,可以提高检测准确性。此外,与使用过滤处理进行检测的方法相比,能够以更快的速度和更高的效率检测异常阴影。
需要指出的是,判断装置30可以包含:平均值计算装置31,用于计算通过乳腺含有率计算装置20计算出的乳腺含有率r(x,y)的平均值rave;以及异常判断装置32,通过将平均值rave与乳腺含有率r(x,y)之间的差异与设定参考值Rref进行比较,来判断各个像素是否表示异常阴影。因此,可以从乳腺含有率r(x,y)准确地检测异常阴影。
此外,平均值计算装置31起到计算正常平均值nrave的作用,所述正常平均值nrave是通过异常判断装置32判断为正常的多个像素NP的乳腺含有率r(x,y)的平均值;并且异常判断装置32还利用正常平均值nrave、乳腺含有率r(x,y)和设定参考值Rref,判断已被判断为正常的多个像素NP是否表示异常阴影。因此,可以检测到所有构成异常阴影的异常像素AP。因此,进一步提高了异常阴影检测的准确性。
通过平均值计算装置31计算正常平均值nrave和通过异常判断装置32的判断可以重复进行,直到不剩余被判断为表示异常阴影的像素。在这种情况下,可以检测到所有构成异常阴影的异常像素AP。因此,进一步提高了异常阴影检测的准确性。
此外,乳腺含有率计算装置获得辐射没有通过乳房而是直接照射到辐射检测器上的区域的像素值I0,对通过放射成像而只对脂肪组织进行成像处的像素(x,y)的像素值A(x,y)进行计算,并根据预先储存的脂肪与乳腺之间的平均衰减系数的比率μ,按照下面的公式(1)从像素值I(x,y)计算出乳腺含有率r(x,y):
因此,可以从乳腺X线照片精确地检测乳腺含有率。
此外,平均值计算装置31使用储存在乳腺分布图PM中的出现概率作为权重系数,计算乳腺含有率的加权平均值。因此,可以提高对异常阴影的检测准确性。
本发明不限于上面描述的实施方案。例如,图1的判断装置30被描述为使用乳腺含有率的平均值进行关于像素是否表示异常阴影的判断。可替选地,可以根据直方图、分散图或累积直方图中距峰值的距离来进行判断,因为正如图6A到7B中所示,在存在异常阴影的情况和不存在异常阴影的情况中,直方图的形状明显不同。
Claims (12)
1.一种异常阴影检测设备,用于从通过放射成像设备进行的放射成像而获得的乳腺X线照片中检测异常阴影,所述异常阴影检测设备包含:
区域检测装置,用于从所述乳腺X线照片中检测乳房区域;
乳腺含有率计算装置,用于为通过所述区域检测装置而检测到的所述乳房区域的各个像素计算乳腺含有率;以及
判断装置,用于使用通过所述乳腺含有率计算装置计算出的所述乳腺含有率来判断各个像素是否表示异常阴影。
2.权利要求1中所述的异常阴影检测设备,其中,所述判断装置包含:
平均值计算装置,用于计算通过所述乳腺含有率计算装置计算出的所述乳腺含有率的平均值;以及
异常判断装置,用于使用通过所述平均值计算装置计算出的所述平均值、所述乳腺含有率和预先设定的设定参考值,判断各个像素是否表示异常阴影。
3.权利要求2中所述的异常阴影检测设备,其中:
所述异常判断装置将其中所述乳腺含有率和所述平均值之间的差异大于所述设定参考值的像素判断为异常像素。
4.权利要求2中所述的异常阴影检测设备,其中:
所述平均值计算装置起到计算正常平均值的作用,所述正常平均值是通过所述异常判断装置判断为正常的多个像素的乳腺含有率的平均值;并且
所述异常判断装置还利用所述正常平均值、所述乳腺含有率和预先设定的设定参考值,判断已被判断为正常的多个像素是否表示异常阴影。
5.权利要求3中所述的异常阴影检测设备,其中:
平均值计算装置起到计算正常平均值的作用,所述正常平均值是通过所述异常判断装置判断为正常的多个像素的乳腺含有率的平均值;并且
所述异常判断装置还利用所述正常平均值、所述乳腺含有率和预先设定的设定参考值,判断已被判断为正常的多个像素是否表示异常阴影。
6.权利要求4中所述的异常阴影检测设备,其中:
通过所述平均值计算装置计算所述正常平均值和通过所述异常判断装置进行的判断重复进行,直到不剩余被判断为表示异常阴影的像素。
7.权利要求5中所述的异常阴影检测设备,其中:
通过所述平均值计算装置计算所述正常平均值和通过所述异常判断装置进行的判断重复进行,直到不剩余被判断为表示异常阴影的像素。
8.权利要求2到权利要求7任一项中所述的异常阴影检测设备,其中:
所述平均值计算装置使用储存在乳腺分布图中的出现概率作为权重系数,计算乳腺含有率的加权平均值。
9.权利要求1到权利要求7任一项中所述的异常阴影检测设备,其中:
所述乳腺含有率计算装置获得辐射没有通过乳房而是直接照射到辐射检测器上的区域的像素值I0,对通过放射成像只对脂肪组织进行了成像处的像素(x,y)的像素值A(x,y)进行计算,并根据预先储存的脂肪与乳腺之间的平均衰减系数的比率μ,按照下面的公式(1)从像素值I(x,y)计算出乳腺含有率r(x,y):
10.权利要求1到权利要求7任一项中所述的异常阴影检测设备,还包含:
处理条件设置装置,用于根据排除了已被判断为异常的像素的区域来设置图像处理条件。
11.权利要求1到权利要求7任一项中所述的异常阴影检测设备,还包含:
成像通过/失败判定装置,用于根据已被判断为异常的像素的数量,判定乳腺X线照片的放射成像过程中进行的成像是否适当。
12.一种异常阴影检测方法,用于从通过放射成像设备进行的放射成像而获得的乳腺X线照片中检测异常阴影,所述方法包含:
从所述乳腺X线照片中检测乳房区域;
为检测到的所述乳房区域的各个像素计算乳腺含有率;以及
使用计算出的所述乳腺含有率判断各个像素是否表示异常阴影。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010-063966 | 2010-03-19 | ||
JP2010063966A JP2011194024A (ja) | 2010-03-19 | 2010-03-19 | 異常陰影検出装置および方法ならびにプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102188258A true CN102188258A (zh) | 2011-09-21 |
Family
ID=44201857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110062242XA Pending CN102188258A (zh) | 2010-03-19 | 2011-03-11 | 用于检测异常阴影的方法、设备和程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20110229006A1 (zh) |
EP (1) | EP2366332A1 (zh) |
JP (1) | JP2011194024A (zh) |
CN (1) | CN102188258A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106571954A (zh) * | 2016-10-24 | 2017-04-19 | 上海斐讯数据通信技术有限公司 | 一种ap设备的异常重启原因检测方法及装置 |
CN112087970A (zh) * | 2018-05-23 | 2020-12-15 | Eizo株式会社 | 信息处理装置、信息处理方法、计算机程序 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013111813A1 (ja) * | 2012-01-27 | 2013-08-01 | 株式会社 東芝 | 医用画像処理装置 |
JP6027803B2 (ja) * | 2012-07-17 | 2016-11-16 | Hoya株式会社 | 画像処理装置及び内視鏡装置 |
JP6284898B2 (ja) * | 2015-03-31 | 2018-02-28 | 富士フイルム株式会社 | ノイズ抑制処理装置および方法並びにプログラム |
DE112016000095B4 (de) | 2015-08-13 | 2019-07-11 | Hoya Corporation | Vorrichtung zur Berechnung von Analysewerten und elektronisches Endoskopsystem |
WO2017026539A1 (ja) | 2015-08-13 | 2017-02-16 | Hoya株式会社 | 評価値計算装置及び電子内視鏡システム |
JP6682150B2 (ja) * | 2017-03-29 | 2020-04-15 | 富士フイルム株式会社 | 乳腺量取得装置、方法およびプログラム |
JP6757303B2 (ja) * | 2017-09-28 | 2020-09-16 | 富士フイルム株式会社 | 乳房タイプ識別装置、方法およびプログラム |
JP6921779B2 (ja) | 2018-03-30 | 2021-08-18 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP6910323B2 (ja) * | 2018-06-26 | 2021-07-28 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP2023146312A (ja) * | 2022-03-29 | 2023-10-12 | 富士フイルム株式会社 | 放射線画像処理装置及びその作動方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040161142A1 (en) * | 2003-02-19 | 2004-08-19 | Fuji Photo Film Co., Ltd. | Abnormal shadow detecting method, abnormal shadow detecting system and abnormal shadow detecting program |
CN101179994A (zh) * | 2005-05-23 | 2008-05-14 | 柯尼卡美能达医疗印刷器材株式会社 | 异常阴影候补的显示方法以及医用图像处理系统 |
JP2009100926A (ja) * | 2007-10-23 | 2009-05-14 | Toshiba Corp | マンモグラフィ装置、画像処理装置、及び乳腺線量の計算方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1099306A (ja) * | 1996-09-30 | 1998-04-21 | Fuji Photo Film Co Ltd | 異常陰影候補の検出方法および装置 |
JPH1156828A (ja) * | 1997-08-27 | 1999-03-02 | Fuji Photo Film Co Ltd | 異常陰影候補検出方法および装置 |
JP2001238868A (ja) | 2000-03-01 | 2001-09-04 | Konica Corp | 画像処理方法及び画像処理装置 |
JP2005065855A (ja) * | 2003-08-21 | 2005-03-17 | Fuji Photo Film Co Ltd | 乳腺領域閾値決定方法および装置並びにプログラム |
JP4631260B2 (ja) * | 2003-09-29 | 2011-02-16 | コニカミノルタエムジー株式会社 | 画像診断支援装置、画像診断支援方法及びプログラム |
JP2006340835A (ja) * | 2005-06-08 | 2006-12-21 | Konica Minolta Medical & Graphic Inc | 異常陰影候補の表示方法及び医用画像処理システム |
EP1884193A4 (en) * | 2005-05-23 | 2010-01-27 | Konica Minolta Med & Graphic | METHOD FOR DISPLAYING ABNORMAL SHADOW CANDIDATE, AND MEDICAL IMAGE PROCESSING SYSTEM |
JP2009078033A (ja) * | 2007-09-27 | 2009-04-16 | Fujifilm Corp | 乳房画像表示装置およびそのプログラム |
JP5224931B2 (ja) | 2008-06-25 | 2013-07-03 | 京セラ株式会社 | 配線基板およびその製造方法 |
JP5399278B2 (ja) * | 2009-03-31 | 2014-01-29 | 富士フイルム株式会社 | 乳腺含有率推定装置及び方法 |
-
2010
- 2010-03-19 JP JP2010063966A patent/JP2011194024A/ja active Pending
-
2011
- 2011-03-10 US US13/045,225 patent/US20110229006A1/en not_active Abandoned
- 2011-03-10 EP EP11157647A patent/EP2366332A1/en not_active Withdrawn
- 2011-03-11 CN CN201110062242XA patent/CN102188258A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040161142A1 (en) * | 2003-02-19 | 2004-08-19 | Fuji Photo Film Co., Ltd. | Abnormal shadow detecting method, abnormal shadow detecting system and abnormal shadow detecting program |
CN101179994A (zh) * | 2005-05-23 | 2008-05-14 | 柯尼卡美能达医疗印刷器材株式会社 | 异常阴影候补的显示方法以及医用图像处理系统 |
JP2009100926A (ja) * | 2007-10-23 | 2009-05-14 | Toshiba Corp | マンモグラフィ装置、画像処理装置、及び乳腺線量の計算方法 |
Non-Patent Citations (1)
Title |
---|
SACHIKO GOTO,ET AL.: "Measurement of breast density on digital mammograms", 《INSTRUMENTATION AND MEASUREMENT TECHNOLOGY CONFERENCE》, 27 April 2006 (2006-04-27) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106571954A (zh) * | 2016-10-24 | 2017-04-19 | 上海斐讯数据通信技术有限公司 | 一种ap设备的异常重启原因检测方法及装置 |
CN112087970A (zh) * | 2018-05-23 | 2020-12-15 | Eizo株式会社 | 信息处理装置、信息处理方法、计算机程序 |
CN112087970B (zh) * | 2018-05-23 | 2023-08-08 | Eizo株式会社 | 信息处理装置、信息处理方法以及记录介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2366332A1 (en) | 2011-09-21 |
JP2011194024A (ja) | 2011-10-06 |
US20110229006A1 (en) | 2011-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102188258A (zh) | 用于检测异常阴影的方法、设备和程序 | |
Chakraborty et al. | Observer studies involving detection and localization: modeling, analysis, and validation | |
US8571290B2 (en) | Automated quantification of digital radiographic image quality | |
US5742700A (en) | Quantitative dental caries detection system and method | |
US7315640B1 (en) | X-ray image processing | |
US8340388B2 (en) | Systems, computer-readable media, methods, and medical imaging apparatus for the automated detection of suspicious regions of interest in noise normalized X-ray medical imagery | |
Semmlow et al. | A fully automated system for screening xeromammograms | |
JP3001232B2 (ja) | 画像処理方法および装置 | |
JP6175071B2 (ja) | 胸部画像の処理及び表示 | |
US20160120491A1 (en) | Image processing apparatus and storage medium | |
Hand et al. | Computer screening of xeromammograms: A technique for defining suspicious areas of the breast | |
JPH10503961A (ja) | 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置 | |
US10769779B2 (en) | Method for increasing reading efficiency in medical image reading process using gaze information of user and apparatus using the same | |
JP2004000609A (ja) | 多重エネルギ画像による計算機支援診断 | |
MacMahon et al. | Computer-aided diagnosis in chest radiology | |
EP2976746B1 (en) | A method and x-ray system for computer aided detection of structures in x-ray images | |
JP4604451B2 (ja) | 医用画像処理装置及び悪性度の判定方法 | |
Takahashi et al. | Assessment of bone scans in advanced prostate carcinoma using fully automated and semi-automated bone scan index methods | |
US20050161617A1 (en) | Image processing method, apparatus, and program | |
JP2019058606A (ja) | 乳房タイプ識別装置、方法およびプログラム | |
JP2005065856A (ja) | 異常陰影検出方法および装置並びにプログラム | |
KR101162599B1 (ko) | 흉부 방사선 이미지 분석을 통한 심비대 자동탐지 방법 및 그 기록매체 | |
JP2638631B2 (ja) | 画像処理方法及び装置 | |
JP2006239270A (ja) | 異常陰影検出装置、異常陰影検出方法およびそのプログラム | |
Holland et al. | Stability of volumetric tissue composition measured in serial screening mammograms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110921 |