CN102436653B - 确定组织基质中可疑区域的图像处理方法 - Google Patents

确定组织基质中可疑区域的图像处理方法 Download PDF

Info

Publication number
CN102436653B
CN102436653B CN201110257420.4A CN201110257420A CN102436653B CN 102436653 B CN102436653 B CN 102436653B CN 201110257420 A CN201110257420 A CN 201110257420A CN 102436653 B CN102436653 B CN 102436653B
Authority
CN
China
Prior art keywords
vox
image
suspection
periplast
value
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.)
Active
Application number
CN201110257420.4A
Other languages
English (en)
Other versions
CN102436653A (zh
Inventor
G·帕尔马
R·约尔达歇
S·贝纳尔
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of CN102436653A publication Critical patent/CN102436653A/zh
Application granted granted Critical
Publication of CN102436653B publication Critical patent/CN102436653B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10112—Digital tomosynthesis [DTS]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/436—Limited angle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明名称为确定组织基质中可疑区域的图像处理方法。本发明涉及生成揭示组织基质中的可疑区域的图像的方法。该方法从该组织介质的采集的医学图像生成2D图像。该2D图像仅示出潜在病理放射征象而不示出组织叠加。

Description

确定组织基质中可疑区域的图像处理方法
技术领域
本发明涉及医学成像领域。
更精确地，本发明涉及用于生成医学图像来证明组织基质(tissue matrix)中的可疑区域的方法。这些图像从一个相同对象的二维或三维医学图像生成并且与系统的结果结合以检测所述对象中的放射学上可疑区域。
生成医学图像的方法用于癌变类型的病变、尤其是乳房病变的检测。
背景技术
对于乳癌的诊断，一般使用放射学来获得乳房内部的图像。
二维(2D)放射图像示出组织基质(例如用于乳腺癌诊断的乳房)从放射源到由检测器形成的平面上的投影。一般通过将感兴趣对象放置在X射线发射源和X射线检测器之间，使得射线在通过对象之后到达检测器而获得该放射图像。该放射图像然后从由检测器提供的数据构建，并且代表在X射线方向上投影到检测器上的组织基质。
在该放射图像中，有经验的医师能够区分指示例如乳腺照片中的微钙化或混浊的潜在问题的放射征象。
然而，放射图像源自于三维组织基质的二维投影。组织叠加则可掩盖例如病变等放射征象，并且在任何情况下都不是已知的感兴趣对象内部的放射征象的真位置；因而医师得不到关于放射征象在投影方向上的位置的信息。
最近开发了层析摄影合成来对付这些问题；它允许采用一系列连续切片的形式获得感兴趣对象的三维(3D)表示。这些切片从感兴趣对象在不同角度的投影重构。为了该目的，感兴趣对象一般放置在X射线发射源和X射线检测器之间。该源和/或检测器是可移动的，其意味着感兴趣对象到该检测器上的投影方向可以改变(典型地超过30°的角度范围)。如此，在不同角度获得感兴趣对象的若干投影，由此可以一般使用本领域内技术人员众所周知的重构方法(参见例如文件FR 2872659)来重构感兴趣对象的3D表示。
因此，当检查感兴趣对象的层析摄影合成切片时，医师能够检测感兴趣对象中的放射征象并且估计它们的三维位置。
然而，医师在2D放射图像(标准乳腺摄影)的分析中具有多年经验，但是层析摄影合成切片的分析仅仅处于它的早期。
因此，过渡时期证明是优选的。在该过渡时期期间，为了得到3D切片分析中的经验和容易性并且为了作为对放射征象随时间的变化的研究的一部分而将这些与常规的2D放射图像学比较，将引导医师分析附有一个相同的感兴趣对象的标准乳腺摄影图像的感兴趣对象的层析摄影合成切片。
从这个角度来看，已经进行研究来产生实现获得一个相同的感兴趣对象的放射图像和层析摄影合成切片的射线图像采集系统。
然而，医师将在观察通过层析摄影合成获得的切片之前首先寻找2D放射图像中的可疑区域。与放射图像中的组织叠加相关的问题因此仍然存在。
发明内容
本发明的目的之一是因此克服现有技术的缺陷中的至少一个。
为了该目的，提出方法，其从第一图像并且从之前由医学成像系统获得的组织基质的医学图像生成证明该组织基质中的可疑区域的最终图像。
该方法包括下列步骤：
-使用检测计算器从医学图像构建3D怀疑图，该3D怀疑图是3D体素矩阵(3Dmatrix of voxels)，体素的值指示怀疑程度，该怀疑程度示出组织基质的对应区域是否可疑；
其特征在于它进一步包括以下步骤：
-用实现计算器通过复制由成像系统采集第一图像的采集条件将3D怀疑图的全部或部分从点投影到平面上来生成2D怀疑图，该2D怀疑图是2D像素矩阵，像素的值指示从3D怀疑图的怀疑程度确定的怀疑程度；以及
-用实现计算器从第一图像和/或从2D怀疑图生成组织基质的最终2D图像，该最终2D图像证明组织基质中的可疑区域。
该方法的一个优势是获得最终2D图像，其与标准2D医学图像相比携带另外的信息。因此，给医师提供他们熟悉的诊断工具。另外，指示允许在病理放射征象和由健康组织的叠加生成的征象之间做出区分。
其他的可选的和非限制性的特性是：
-成像系统是乳房层析摄影合成系统；
-2D怀疑图的一个像素的值μ(PixM2D)通过对3D怀疑图中的位于连接该点和像素的直线L上的体素的值μ(VoxM3D i)应用聚集运算⊥获得，使得：
μ(PixM2D)＝⊥i∈Lμ(VoxM3D i)；
-实现计算器从之前获得的组织基质的3D图像和从3D怀疑图生成体积，
该3D图像是体素矩阵，体素的值从医学图像的强度获得，
该体积是体素矩阵，体素的值是3D怀疑图和3D图像中对应的体素的值之间的相乘；
其中实现计算器通过复制第一图像的采集条件将体积从点投影到平面上来生成可疑放射征象的图像，
可疑放射征象的图像是像素矩阵，
可疑放射征象的图像的一个像素的值∏(PixP1)通过对该体积的位于连接该点和像素的直线L上的体素值∏(VoxV1 i)应用聚集算子⊥获得，使得：
∏(PixP1)＝⊥i∈L∏(VoxV1 i)；
-实现计算器通过进行第一图像的、可疑放射征象的图像的和2D怀疑图的像素值的全部或部分的加权求和生成最终2D图像；
-一旦已经构建3D怀疑图，实现计算器仅仅对图和图像的一部分起作用，该部分是从3D怀疑图确定的感兴趣区域(ROI)并且可能是可疑区域；
-该ROI从3D怀疑图自动产生；
-该方法进一步包括下列步骤：
-在显示装置上显示组织基质的图像；
-在组织基质的图像中标记感兴趣区域；
-对应于在感兴趣区域的组织基质的切片并且平行于组织基质的图像的若干图像在该显示装置或另一个显示装置上显示，组织基质的切片按符合3D怀疑图的怀疑顺序分类；
组织基质的显示的图像是第一图像或最终2D图像；
-该方法进一步包括下列步骤：
-在显示装置上显示组织基质的图像；
-指示组织基质中的区域的怀疑程度的水印覆盖在组织基质的图像上，该水印从2D怀疑图构建并且揭示2D怀疑图的等值线；
-该等值线由线条或彩色区域在水印中指示。
本发明还提出计算系统来实现上文描述的方法，其包括：
-实现计算器，其包括：
-从之前生成的从组织基质的医学图像获得的3D怀疑图生成2D怀疑图的模块；
-从组织基质的3D图像和从3D怀疑图生成体积的模块；
-从体积的模拟投影(从点开始到平面上)生成可疑放射征象的图像的模块；
-从之前采集的第一图像、从2D怀疑图和从可疑放射征象的图像通过对其加权求和来生成最终2D图像的模块；
-存储2D怀疑图、体积、可疑放射征象的图像和最终2D图像的存储器单元；
-显示图像中的至少一个的显示单元。
本发明进一步提出计算机程序，其包括机器指令以当该计算机程序在计算机上执行或运行时实现上文提到的方法。
附图说明
其他目的、特性和优势将参照为图示目的给出并且非限制性的图从下列详细说明中变得明显，在图之中：
图1示意地图示用于采集医学图像的医学成像系统，其与实现方法的计算系统耦合；
图2是图示方法的不同步骤的流程图；
图3图示在图2中的方法的采集步骤来采集组织基质的第一医学图像；
图4图示在图2中的方法的采集步骤来采集另外的医学图像；
图5图示在图2中的方法的构建步骤来构建组织基质的3D图像；
图6图示在图2中的方法的构建步骤来构建3D怀疑图；
图7图示在图2中的方法的构建步骤来从3D怀疑图构建2D怀疑图；
图8图示在其中进行3D图像的和3D怀疑图的乘积从而给出体积的步骤；
图9图示投影图8中图示的乘积的步骤；
图10示意地图示根据图2的方法用于3D导航通过组织基质的方法的第一用途；
图11示意地图示根据图2的方法用于3D导航通过组织基质的方法的第二用途。
为了简化以及因为易读性，在图3、4、6、8中，仅仅示出采集或生成的不同的图像，而未示出获得的这些图像所在的检测器或平面。
具体实施方式
医学成像系统和实现系统生成揭示组织基质的可疑区域的最终2D图像。
图1示意地图示用于采集图像的医学成像系统1，其允许从组织基质O的二维(2D)图像来三维(3D)重构组织基质O。
医学成像系统1可是用于放射征象(其用于乳腺癌(组织基质)的筛选、诊断和治疗)的检测和表征的乳腺摄影设备。
成像系统1包括2D图像的采集单元2。
采集单元2包括垂直支架21和连接到例如X射线源的放射源21的定位臂22。该定位臂22绕旋转轴23旋转地联接到该垂直支架21。该垂直支架21是固定的。因此，通过使该定位臂22旋转，该源24可以沿确定的取向安置。
采集单元2还包括提供有平台的支撑臂，其包括检测支撑25和平行于该检测支撑25的压缩支撑26来压缩如在图1中图示的放置在两个支撑之间的乳房O。该压缩支撑26安置在下支撑25上并且可以沿着平移轨道27相对于后者平移移动。该检测支撑25包括放射检测器来检测对应于由源21使用的放射的放射。该检测支撑25和压缩支撑26保持乳房O在医学图像的采集期间不移动。
定位臂22和支撑臂可互相联接或它们可是可分开的，允许它们绕旋转轴23相对于彼此的旋转。它们相对于彼此安置使得由源24发射的放射的大部分被检测器接收。
检测器可是半导体图像传感器，其包含例如在非晶硅中的晶体管/光电二极管阵列上的碘化铯磷光体(闪烁体)。其他适合的检测器是：CCD传感器、直接将X射线转换成数字信号的直接数字检测器。在图1中图示的检测器是平面的并且限定平面图像表面，例如形成弯曲图像表面的弯曲形状的数字X射线检测器等其他几何形状是适合的。
成像系统1还包括通过电线连接或经由网络连接到采集单元2的控制单元3。该控制单元3发送电控制信号到该采集单元2来设置例如要发射的放射剂量、定位臂22的角度位置、支撑臂的角度定位、压缩支撑26必须施加到乳房O的压缩力等若干参数。
控制单元3可包括例如软盘读取器、CD-ROM或DVD-ROM读取器的读取器装置(未图示)，或从例如软盘、CD-ROM、DVD-ROM或USB闪速驱动器等指令介质(未示出)或更一般的任何可移除存储器介质、或经由网络连接读取处理方法的指令的连接端口。
作为变化形式，控制单元3可包括电线或无线网络连接装置(未示出)。作为变化形式，控制单元3执行存储在固件中的处理方法的指令。
成像系统1进一步包括连接到控制单元3来记录参数和采集的图像的存储器单元4。为将位于控制单元3内部或外部的数据库4作出准备也是可能的。
存储器单元4可由硬盘或SSD或任何其他重写可移除存储介质(USB闪速驱动器、存储卡等)构成。
存储器单元4可是控制单元3的ROM/RAM存储器、USB闪速驱动器、存储器卡、中央服务器的存储器。
成像系统1包括连接到控制单元3来显示采集的图像和/或关于控制单元3必须传送到采集单元2的参数的数据的显示单元5。
显示单元5可集成在采集单元2或控制单元3中或甚至在下文描述的3D计算器61中，或它可是单独的，例如在由放射科医生用来从数字医学图像建立诊断的观察站处。
显示单元5是例如计算机屏幕或监视器、平面屏幕、等离子屏幕或任何类型的商业上已知的显示装置。
显示单元5允许医师控制采集的2D图像的重构和/或显示。
成像系统1与包括3D计算器61的计算系统6耦合，该计算系统6接受存储在成像系统1的存储器单元4中的采集的图像，它使用数字层析摄影合成从该图像构建乳房的3D图像。乳房的数字层析摄影合成的方法的示例在文件FR 2 872 659中更详细地描述。
计算器61是例如一个或多个计算机、一个或多个处理器、一个或多个微控制器、一个或多个微计算机、一个或多个可编程逻辑控制器、一个或多个专用集成电路、其他可编程电路或包括例如工作站等计算机的其他装置。
计算系统6还包括用于存储由3D计算器61生成的数据的存储器单元62。
成像和计算系统(分别是1和6)与自动检测系统7耦合，其检测由计算系统6产生的3D图像中的可疑区域。该检测系统7包括检测计算器71，其允许产生3D怀疑图，从而给出关于来自3D图像(从计算系统6和/或从源于成像系统1的数据获得的)并且在与3D图像关联的相同的检查会话期间采集的可疑区域的信息。该检测计算器71可与3D计算器61相似。
检测系统7还包括用于存储由检测计算器71生成的数据的存储器单元72。
在一些情况下，检测系统7可与计算系统6相同。
成像、计算和检测系统(分别是1、6和7)还可连接到专用于下文描述的方法的实现的系统8。该实现系统8使用源自于成像1、计算6和检测7系统的数据的全部或部分，即源自于成像系统1的采集数据和/或由3D计算系统6构建的3D图像和/或由检测系统7产生的3D怀疑图。在一些情况下，该实现系统8可与或计算6或检测系统7相同。
在成像系统1的存储器单元4和计算6、检测7或实现8系统之间的数据传送可经由内部或外部计算机网络或通过例如软盘、CD-ROM、DVD-ROM、外部硬盘、USB闪速驱动器、SD卡等任何适合的物理存储器介质发生。
为了使下文描述的方法能够实现，实现系统8包括计算器81，其配备有生成2D怀疑图M2D的模块811、生成体积V1的模块812、生成可疑放射征象的图像P1的模块813和生成最终2D图像P的模块814。
计算器81可包括读取器装置(未示出)，例如软盘读取器、CD-ROM或DVD-ROM读取器，或从例如软盘、CD-ROM、DVD-ROM或USB密钥等指令介质(未示出)或更一般的任何可移除存储器介质或经由网络连接读取处理方法的指令的连接端口。
作为变化形式，计算器81可包括有线或无线网络连接装置(未示出)。作为变化形式，计算器81执行存储在固件中的处理方法的指令。
实现计算系统8还可包括显示由计算器81生成的图像的显示单元。该显示单元可与成像系统1的显示单元5相同(如在图1中图示的)，或是单独的显示单元。
通过耦合，意味成像系统1和计算6、检测7和实现8系统最终用于获得揭示乳房O的可疑区域的图像。然而，成像1、计算6、检测7和实现8系统并不是有系统地同时使用并且设置在一个相同的房间中。成像1、计算6、检测7和实现8系统也不必须在物理上连接。在该情况下，耦合通过如上文描述的从一个系统到另一个系统的数据传递发生。
在本文的剩余部分中，参考X射线乳腺摄影做出说明。在该情况下组织基质是乳房。该选择决不反映将本发明限于仅适用于乳腺摄影。本领域内技术人员将能够使下文描述的教导适应于允许该教导的任何类型的图像采集技术。
参照图1至4，在用于生成医学图像的方法(本发明的主题)之前描述四个步骤。这些步骤通过图示给出，并且使用其他方法的相似数据的采集不使下文描述的本发明的核心成问题。
预备步骤
·步骤E1-医学图像Im的采集
一个第一在先步骤是要在此后使用的医学图像Im的采集E1。这些医学图像Im使用成像系统1采集。为了该目的，乳房O安置在属于上文描述的成像系统1的采集单元2的检测支撑25和压缩支撑26之间。然后将压缩支撑26沿轨道27带向检测支撑25来压缩乳房O。该操作可以人工或在控制单元3的控制下进行。控制单元3然后发送定位信号给定位臂22，使得它绕轴23旋转直到期望的角度位置为止。可选地，控制单元3还发送定位信号到支撑臂用于检测器的角度定位。控制单元3发送信号到源24使得它发射确定的放射剂量。包含在检测支撑25中的检测器检测通过乳房O的放射，并且控制单元3将检测器上读取的图像存储在存储器单元4中。控制单元3还将源24的和检测器的位置(对于后者，通过检测支撑25的位置)存储在存储器单元4中。对若干角度位置重复该采集操作。获得的不同数据对应于医学图像Im，其然后由控制单元3存储在成像系统1的存储器单元4中供随后使用。
·步骤E2-3D图像V的重构
该方法可进一步包括如在图2和5中图示的乳房O的3D图像V从医学图像Im的重构E3。
3D计算器61从存储在存储器单元4中的医学图像Im重构该3D图像V。数据从存储器单元4的传送可以经由内部或外部计算机网络或用任何适合的物理介质(例如软盘、CD-ROM、DVD-ROM、外部硬盘、USB闪速驱动器、SD卡等)发生。
乳房O的3D图像V的由3D计算器61的重构使得能够获得乳房O的三维表示，并且因此使得当与乳房O的标准2D图像比较时能够了解放射征象的更确切位点，在该2D图像中了解放射征象在投影的方向(联接源和示出放射征象的2D医学图像的区域的直线)上的位置是不可能的。
3D图像是体素VoxV的矩阵。体素VoxV的值∏(VoxV)与对应于位于体素VoxV的组织的衰减系数成比例。
·步骤E3-获得第一图像P0
提出的方法要求使用与标准乳腺照片相似的第一图像P0。该图像可以采用不同的方式获得，尤其是(但不限于)通过下列方式中的一个。
首先，该第一图像P0可以刚好在医学图像Im的采集之前或之后通过标准乳腺照片的采集获得。在该采集期间，由源发射的放射剂量确定为通常和常规的。该第一图像P0从而是标准数字2D医学图像。
第二，第一图像P0可以通过生成由计算系统6构建的3D图像V的投影获得。
第三，第一图像P0可以通过遵照在申请FR 09.599374中描述的方法从医学图像Im构建获得。
最后，第一图像P0可以是医学图像Im中的一个或它可以从医学图像Im中的全部或部分生成。
在所有情况下，第一图像P0是像素PixP0的矩阵，像素PixP0的值∏(PixP0)给出关于X射线通过乳房O后的吸收的信息。另外，已知允许第一图像P0的生成的涉及系统的实际或模拟配置的信息，尤其是源S的和检测器的相对位置(实际或模拟的)。
·步骤4-3D怀疑图M3D的生成
图2和6图示3D怀疑图M3D的生成E4。检测计算器71从医学图像Im或从3D图像V或从其两者计算3D怀疑图M3D。
存在获得所述3D怀疑图M3D的若干方法，例如使用数字乳房层析摄影合成计算机辅助检测，例如在：《Spiculated Lesions and Architectural Distortions Detectionin Digital Breast Tomosynthesis Datasets(在数字乳房层析摄影合成数据集中的针状病变和结构扭曲检测)》，Palma G.，Bloch I.和Muller S.，in International Workshopon Digital Mammography(IWDM)(关于数字乳腺摄影的国际研讨会)2010，Girona，Spain中，或在：《Computer-Aided Microcalcification Detection on Digital BreastTomosynthesis Data：a Preliminary Evaluation (对数字乳房层析摄影合成数据的计算机辅助微钙化检测：初步评估)》，Bernard S.，Muller S.，OnatiVia，J.，in InternationalWorkshop on Digital Mammography(IWDM)2008中描述的等。
3D怀疑图M3D是体素VoxM3D的矩阵。对于体素VoxM3D中的每个，值μ(VoxM3D)指示怀疑程度，其给出关于对应于体素VoxM3D的乳房区域中可疑放射征象的存在的指示。
怀疑程度μ(VoxM3D)可以是0和1之间的值，其是离散地(仅有的值然后是0和1，即μ(VoxM3D)∈{0；1})或连续地(即，μ(VoxM3D)∈[0；1])。
例如，如果对应于体素VoxM3D的乳房O的区域没有示出任何像混浊、结构扭曲、微钙化或其他的可疑放射征象，体素VoxM3D的怀疑程度μ(VoxM3D)取值0。如果对应于体素VoxM3D的乳房O的区域潜在地包括可疑放射征象，体素VoxM3D的怀疑程度μ(VoxM3D)取值1。
当值μ(VoxM3D)在0和1之间连续地变化时，这反映对应于体素VoxM3D的区域的怀疑程度。显然，可限定怀疑程度μ(VoxM3D)以便取其他值。
3D怀疑图M3D存储在检测系统7的存储器单元72中。
因此，提供协助工具来检测组织基质O的病理区域。
生成揭示乳房O的可疑区域的2D图像的方法的步骤
·步骤E5-2D怀疑图M2D的生成
实现系统8的计算器81如在图2和7中图示的在步骤E5从3D怀疑图M3D生成2D怀疑图M2D。
为了该目的，计算器81进行3D怀疑图M3D(从检测系统7传送到它)从点S开始到平面(由图7中的2D怀疑图M2D代表)上的投影。平面的位置和点S的位置分别对应于用于第一图像P0的采集的采集单元2的检测支撑25的位置和源24的位置，或对应于在第一图像P0通过模拟的构建期间使用的点S和平面的位置，这些位置存储在存储器单元4中并且可以采用关于上文描述的医学图像Im(步骤3)相同的方式传递到计算器81。3D怀疑图M3D的位置对应于乳房O在第一图像P0的采集时的位置。
因此，对于2D怀疑图M2D的生成，复制关于第一图像P0的采集相同的条件。
2D怀疑图M2D是像素PixM2D的矩阵。这些像素PixM2D中的每个的值μ(PixM2D)可以采用不同的方式计算。一般，该值是例如t-conorm在3D怀疑图M3D的体素VoxM3D(直线L通过体素VoxM3D联接考虑中的2D怀疑图M2D的像素PixM2D和点S)的怀疑程度μ(VoxM3D)之间的应用等聚集运算的结果，即：
μ(PixM2D)＝⊥i∈Lμ(VoxM3D i)；
⊥象征t-conorm或其他选择的聚集算子。
t-conorm是具有0的单位元的结合、单调、交换数学算子。最小的t-conorm是最大值。这给出：
⊥i∈Lμ(VoxM3D i)≥maxi∈Lμ(VoxM3D i)。
关于最大值，对于2D怀疑图M2D的每个像素PixM2D：
μ(PixM2D)＝maxi∈Lμ(VoxM3D i)。
要注意到可以使用其他聚集算子，例如平均值。
因此，2D怀疑图M2D采用关于标准医学图像相同的方式指示乳房O在二维中的可疑区域。
2D怀疑图M2D由计算器81存储在实现系统8的存储器单元82中。
健康放射征象的叠加(其可潜在地在标准医学图像中引起基序(motif)，其可以引起认为它涉及病理放射征象)因此将不在2D怀疑图M2D的对应像素PixM2D中产生引起相信该区域可疑的信息。利用例如t-conorm⊥的聚集算子，对应于乳房O的该区域的2D怀疑图M2D的像素PixM2D将不指示该区域是可疑的。
·步骤E6-体积V1的生成
之后，如在图2和8中示出的，计算器81从3D图像V并且从3D怀疑图M3D生成体积V1。
体积V1是体素VoxV1的矩阵，体素VoxV1的值通过使3D图像V的体素VoxV与3D怀疑图M3D的对应体素VoxM3D相乘获得：
∏(VoxV1 i)＝∏(VoxV i)·μ(VoxM3D i)
体积V1是其中仅示出可疑区域的乳房O的表示。
体积V1由计算器81存储在实现系统8的存储器单元82中。
·步骤E7-可疑放射征象的图像P1的生成
图2和9图示步骤E7来生成可疑放射征象的图像P1。在该步骤E7，实现系统8的计算器81将体积V1从点S投影到平面(在图9中由可疑放射征象的图像P1代表)上。
由实现系统8的计算器81使用的体积V1的、点S的和平面的相对位置与在第一图像P0的检测E3期间的乳房O的、源24的和检测支撑25的位置相同。
可疑放射征象的图像P1是像素PixP1的2D矩阵，像素PixP1的值∏(PixP1)采用与2D怀疑图M2D的像素PixM2D相似的方式但这时从体积V1计算：
∏(PixP1)＝Ai∈L∏(VoxV i)；即
∏(PixP1)＝Ai∈Lμ(VoxM3D i)·∏(VoxV i)A是例如最大值、平均值、中值或其他的等聚集算子。
因此，可疑放射征象的图像P1是2D图像，其中仅示出潜在地恶性放射征象，其中具有后者与包含在对象O中的其他结构的减少的叠加。
可疑放射征象的图像P1由计算器81存储在实现系统8的存储器单元82中。
·步骤E8-最终2D图像P的生成
图2和10图示步骤E8来生成最终2D图像P。最终2D图像P是像素PixP的2D矩阵。对于像素PixP中的每个，计算器81如下计算值∏(PixP)：
∏(PixP i)＝β·[(1-μ(PixM2D i))·∏(PixP0 i)+∏(PixP1 i)]
+(1-β)·∏(PixP1 i)；
其中β位于0和1之间。
选择不同于1的值β意味选择在0和β之间的3D怀疑图M3D的怀疑程度μ(VoxM3D)。
因此，作用于β的值来删除(到更大或更小的程度上)在最终2D图像P中的可疑区域的组织叠加的影响是可能的。因此，作用于β的值以便更大或更小地感知在可疑区域上面和下面的信息是可能的。如果β＝0，这意味对第一图像P0作用。
将注意到可以对用于构建最终2D图像P的方法做出改进，尤其是可疑放射征象的图像P1中的细节的增强，其使用滤波器、它的用系数加权或只在2D怀疑图M2D中特别可见的可疑区域中的最终2D图像P的滤波。滤波将放大最终2D图像P中的一些频率或一些结构。利用滤波，可疑结构的更好证明因此变成可能的。
一旦在3D怀疑图M3D或2D怀疑图M2D中识别出感兴趣区域ROI，仅对感兴趣区域ROI作用是可能的。感兴趣区域ROI的识别可疑由医师或自动地进行，例如通过比较像素的值μ(PixM2D)与阈值来阈值处理2D怀疑图M2D，或阈值处理3D怀疑图M3D，接着将3D怀疑图M3D的阈值处理的结果采用与获得2D怀疑图M2D的投影相同的方式投影。然后容易修改这些步骤使得它们仅涉及该感兴趣区域ROI。例如，在步骤E5，实现系统8的计算器81仅将直线通过(从而通过点S和感兴趣区域ROI的附近)的3D怀疑图M3D的那部分投影，来获得部分2D怀疑图M2D。
感兴趣区域ROI还可已经由医师在第一图像P0中检测。
·步骤E9-3D导航
该方法还可实现通过乳房O的导航。在该情况下，在下文呈现的实现系统8的操作功能在系统上可用，从而使放射科医生能够观察图像。
为了该目的，计算器81发送乳房O的图像的显示信号到显示单元，其可以是成像系统1的显示单元5。显示的图像可以是上文描述的第一图像P0或最终2D图像P。
计算器81还控制在显示的图像中识别的一个或多个感兴趣区域ROI的标记，其用如在图10中图示的可以是矩形、正方形或具有任意形状的轮廓C。
对应于在感兴趣区域ROI的乳房O的切片ImC并且平行于乳房O的显示的图像的若干图像也在显示单元5或另一个显示单元上显示。切片ImC可以是整个切片或它们可对应于整个切片中感兴趣区域ROI(对应于2D图像中标记的感兴趣区域ROI)。
乳房O的切片ImC可从如在乳腺层析摄影合成中的乳房O的3D图像V生成。
这些切片ImC可以与乳房的显示图像同时或当选择了感兴趣区域ROI的标记C时示出。选择可以通过使用例如鼠标或指示笔等人机界面点击C标记做出。
乳房的切片ImC按符合3D怀疑图M3D的怀疑μImC顺序分类。为了该目的，对于切片ImC中的每个，由算子M获得的平均值、中值、最小值、最大值或任何其他值可以对3D怀疑图M3D中对应于切片ImC的体素Vox的怀疑程度μ(VoxM3D)的值计算：
μImC＝Mi∈ImCμ(VoxM3D i)。
因此，医师可以容易地导航通过乳房O以更好定位放射征象。医师因此提供有通过潜在可疑区域的最佳引导。
在图11中图示的一个变化形式中，计算器81控制水印的显示，其覆盖在乳房O的显示的图像上。该水印指示乳房O中的区域的怀疑程度。该水印从2D怀疑图M2D构建并且示出2D怀疑图M2D的等值线IsoC。等值线IsoC是标记其中像素PixM2D具有大致上不同的值μ(PixM2D)的2D怀疑图M2D的两个区域之间的边界的连续线。
等值线IsoC可以由沿这些等值线IsoC的线条或由彩色区域在水印中指示。该后者的情况下，不同颜色的两个区域之间的边界是等值线IsoC。
怀疑程度μ(PixM2D)还可以在光标移动到乳房O的图像上时显示，例如在乳房O的图像外的固定窗口中，或在随光标移动的小窗口中。
这向医师提供乳房O的带注释的绘制。
利用这两个3D导航步骤，医师提供有工具来协助准备放射征象的诊断。
该变化形式可以与第一变化形式结合使医师能够从乳房的一个描绘转换到另一个(如果需要的话)。
计算机程序
该方法可以由包括机器指令的计算机程序实现，这些机器指令为了该目的而记录在任何适合的介质上，例如：硬盘、CD-ROM、DVD-ROM、软盘、USB闪速驱动器、SD卡、本地或远程服务器等。
部件列表
图1
O 乳房 1 医学成像系统
2 采集单元 21 垂直支架
22 定位臂 23 旋转轴
24 源 25 检测支撑
26 压缩支撑 27 平移轨道
3 控制单元 4 存储器单元
5 显示单元 6 计算系统
61 3D计算器 62 存储器单元
7 自动检测系统 71 检测计算器
72 存储器单元 8 实现系统
81 计算器 811 生成2D怀疑图M2D的模块
812 生成体积V1的模块 813 生成可疑放射征象的图像P1的模块
814 生成最终2D图像P的模块 82 存储器单元
图3
P0 第一图像
图4
Im 医学图像
图5
C 感兴趣区域ROI的标记 V 3D图像
图6
M3D 3D怀疑图 VoxM3D 体素的3D矩阵
图7
M2D 2D怀疑图 PixM2D 像素的2D矩阵
S 到平面上的点 ROI 感兴趣区域
图8
V1 体积 VoxV1 体素的矩阵
图9
P1 可疑放射征象的图像 PixP1 像素的2D矩阵
图10
ImC 乳房O的切片 P 最终2D图像
图11
IsoC 等值线

Claims (17)

1.一种从第一图像P0以及从之前由医学成像系统采集的组织基质O的医学图像Im生成证明所述组织基质O中的可疑区域的最终图像的方法，其包括：
-通过检测计算器从医学图像Im构建3D怀疑图，所述3D怀疑图是体素VoxM3D的3D矩阵，体素的值指示揭示组织基质O的对应区域是否可疑的怀疑程度μ(VoxM3D)；
其特征在于，所述方法进一步包括：
-用实现计算器通过复制所述第一图像P0由所述成像系统采集的采集条件将所述3D怀疑图的全部或部分从点S投影到平面上生成2D怀疑图，所述2D怀疑图是像素的2D矩阵，像素的值指示从所述3D怀疑图M3D的怀疑程度μ(VoxM3D)确定的怀疑程度μ(PixM2D)；以及
-用所述实现计算器从所述第一图像P0和/或从所述2D怀疑图生成所述组织基质O的最终2D图像P，所述最终2D图像P证明所述组织基质O中的可疑区域；
其中所述实现计算器从之前获得的所述组织基质O的3D图像V和从所述3D怀疑图M3D生成体积V1，
所述3D图像V是体素VoxV的矩阵，体素VoxV的值Π(VoxV)从所述医学图像Im的强度获得，
所述体积V1是体素VoxV1的矩阵，体素VoxV1的值Π(VoxV1) 是所述3D怀疑图和所述3D图像V中对应的体素的值μ(VoxM3D)、Π(VoxV)之间的相乘；
其中所述实现计算器通过复制所述第一图像P0的采集条件将所述体积V1从点S投影到平面上生成可疑放射征象的图像P1，
可疑放射征象的所述图像P1是像素PixP1的矩阵，
可疑放射征象的所述图像P1的一个像素PixP1的值Π(PixP1)通过对所述体积V1的位于连接所述点S和所述像素PixP1的直线L1上的体素VoxV1的值Π(VoxV1)应用聚集算子上获得，使得：
Π(PixP1)＝⊥i∈L1Π(VoxV1 i)；其中Π(VoxV1 i)为体素VoxV1的值；
其中所述实现计算器通过进行所述第一图像P0的、可疑放射征象的所述图像P1的和所述2D怀疑图中的像素的值的全部或部分的加权求和生成所述最终2D图像P。
2.如权利要求1所述的方法，其中所述成像系统是乳房层析摄影合成系统。
3.如权利要求2所述的方法，其中所述2D怀疑图中的像素PixM2D的值μ(PixM2D)通过对所述3D怀疑图中的位于连接所述点S和所述像素PixM2D的直线L2上的体素VoxM3D的值μ(VoxM3D)的聚集运算上获得，使得：
μ(PixM2D)＝⊥i∈L2μ(VoxM3D i)；其中μ(VoxM3D)指体素VoxM3D中每个的怀疑程度。
4.如权利要求3所述的方法，其中一旦已经构建所述3D怀疑 图，所述实现计算器仅仅对所述图和图像的一部分起作用，该部分是从所述3D怀疑图确定的感兴趣区域(ROI)并且可能是可疑区域。
5.如权利要求4所述的方法，其中所述感兴趣区域从所述3D怀疑图M3D自动产生。
6.如权利要求5所述的方法，其中：
-所述组织基质的图像在显示装置上显示；
-所述感兴趣区域(ROI)在所述组织基质的所述图像中标记；
-对应于在所述感兴趣区域(ROI)的所述组织基质的切片并且平行于所述组织基质的图像的若干图像在所述显示装置或另一个显示装置上显示，所述组织基质的所述切片按符合所述3D怀疑图的怀疑顺序分类；
所述组织基质的所显示的图像是所述第一图像P0或所述最终2D图像P。
7.如权利要求6所述的方法，其中：
-所述组织基质的图像在显示装置上显示；
-指示所述组织基质的区域的怀疑程度的水印覆盖在所述组织基质的图像上，所述水印从所述2D怀疑图构建并且揭示所述2D怀疑图的等值线(ISOC)。
8.如权利要求7所述的方法，其中所述等值线由线条或彩色区域在所述水印中指示。
9.一种实现根据权利要求1至8中任一项的所述方法的计算系统，其包括：
-实现计算器，其包括：
-从之前生成的从所述组织基质O的医学图像(Im)获得的3D怀疑图生成2D怀疑图M2D的模块；
-从组织基质O的3D图像V以及从所述3D怀疑图(M3D)生成体积V1的模块；
-从所述体积V1的从点开始到平面上的模拟投影生成可疑放射征象的图像P1的模块；
-从之前采集的第一图像P0、从所述2D怀疑图M2D和从可疑放射征象的所述图像P1通过对其加权求和来生成最终2D图像P的模块；
-存储所述2D怀疑图M2D、所述体积V、可疑放射征象的所述图像P1和所述最终2D图像P的存储器单元；
-显示所述图像中的至少一个的显示单元；
其中所述实现计算器从之前获得的所述组织基质O的3D图像V和从所述3D怀疑图生成体积V1，
所述3D图像V是体素VoxV的矩阵，体素VoxV的值Π(VoxV)从所述医学图像(Im)的强度获得，
所述体积V1是体素VoxV1的矩阵，体素VoxV1的值Π(VoxV1)是所述3D怀疑图和所述3D图像V中对应的体素的值μ(VoxM3D)、Π(VoxV)之间的相乘；
其中所述实现计算器通过复制所述第一图像P0的采集条件将所述体积V1从点S投影到平面上生成可疑放射征象的图像P1，
可疑放射征象的所述图像P1是像素PixP1的矩阵，
可疑放射征象的所述图像P1的一个像素PixP1的值Π(PixP1)通过对所述体积V1的位于连接所述点S和所述像素PixP1的直线L1上的体素VoxV1的值Π(VoxV1)应用聚集算子⊥获得，使得：
Π(PixP1)＝⊥i∈L1Π(VoxV1 i)，其中Π(VoxV1 i)为体素VoxV1的值。
10.一种医学成像装置，其包括：
-用于从医学图像(Im)构建3D怀疑图M3D的装置，所述3D怀疑图M3D是体素VoxM3D的3D矩阵，体素的值指示揭示组织基质O的对应区域是否可疑的怀疑程度μ(VoxM3D)；
-用于通过复制第一图像P0由成像系统采集的采集条件将所述3D怀疑图的全部或部分从点S投影到平面上生成2D怀疑图M2D的装置，所述2D怀疑图是像素的2D矩阵，像素的值指示从所述3D怀疑图的怀疑程度μ(VoxM3D)确定的怀疑程度μ(PixM2D)；以及
-用于从所述第一图像P0和/或从所述2D怀疑图生成所述组织基质O的最终2D图像P的装置，所述最终2D图像P证明所述组织基质O中的可疑区域；
用于对之前获得的所述组织基质O的3D图像V和从所述3D怀疑图生成体积V1的装置，
所述3D图像V是体素VoxV的矩阵，体素VoxV的值Π(VoxV)从所述医学图像(Im)的强度获得，
所述体积V1是体素VoxV1的矩阵，体素VoxV1的值Π(VoxV1) 是所述3D怀疑图和所述3D图像V中对应的体素的值μ(VoxM3D)、Π(VoxV)之间的相乘；
用于复制所述第一图像P0的采集条件将所述体积V1从点S投影到平面上生成可疑放射征象的图像P1的装置，
可疑放射征象的所述图像P1是像素PixP1的矩阵，
可疑放射征象的所述图像P1的一个像素PixP1的值Π(PixP1)通过对所述体积V1的位于连接所述点S和所述像素PixP1的直线L1上的体素VoxV1的值Π(VoxV1)应用聚集算子上获得，使得：
Π(PixP1)＝⊥i∈L1Π(VoxV1 i)，其中Π(VoxV1 i)为体素VoxV1的值；
用于对所述第一图像P0的、可疑放射征象的所述图像P1的和所述2D怀疑图M2D中的像素的值的全部或部分的加权求和生成所述最终2D图像P的装置。
11.如权利要求10所述的医学成像装置，其中所述成像系统是乳房层析摄影合成系统。
12.如权利要求11所述的医学成像装置，还包括：用于对所述3D怀疑图(M3D)中的位于连接所述点S和所述像素PixM2D的直线L2上的体素VoxM3D的值μ(VoxM3D)的聚集运算⊥获得所述2D怀疑图M2D中的像素PixM2D的值μ(PixM2D)的装置，使得：
μ(PixM2D)＝⊥i∈L2μ(VoxM3D i)，其中μ(VoxM3D)指体素VoxM3D中每个的怀疑程度。
13.如权利要求12所述的医学成像装置，还包括：其中一旦已 经构建所述3D怀疑图M3D，实现计算器仅仅对所述图和图像的一部分起作用，该部分是从所述3D怀疑图M3D确定的感兴趣区域(ROI)并且可能是可疑区域。
14.如权利要求13所述的医学成像装置，还包括：用于从所述3D怀疑图M3D自动产生所述感兴趣区域的装置。
15.如权利要求14所述的医学成像装置，还包括：
-用于在显示装置上显示所述组织基质的图像的装置；
-用于在所述组织基质的所述图像中标记所述感兴趣区域(ROI)的装置；
-用于在所述显示装置或另一个显示装置上显示对应于在所述感兴趣区域(ROI)的所述组织基质的切片并且平行于所述组织基质的图像的若干图像的装置，所述组织基质的所述切片按符合所述3D怀疑图M3D的怀疑顺序分类；
所述组织基质的所显示的图像是所述第一图像P0或所述最终2D图像(P)。
16.如权利要求15所述的医学成像装置，还包括：
-用于在显示装置上显示所述组织基质的图像的装置；
-用于指示所述组织基质的区域的怀疑程度的水印覆盖在所述组织基质的图像上的装置，所述水印从所述2D怀疑图构建并且揭示所述2D怀疑图的等值线(ISOC)。
17.如权利要求16所述的医学成像装置，还包括：用于将所述等值线由线条或彩色区域在所述水印中指示的装置。
CN201110257420.4A 2010-08-23 2011-08-23 确定组织基质中可疑区域的图像处理方法 Active CN102436653B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1056712A FR2963976B1 (fr) 2010-08-23 2010-08-23 Procede de traitement d'images pour la determination de zones suspectes dans une matrice tissulaire, et son utilisation pour la navigation 3d a travers la matrice tissulaire
FR1056712 2010-08-23

Publications (2)

Publication Number Publication Date
CN102436653A CN102436653A (zh) 2012-05-02
CN102436653B true CN102436653B (zh) 2017-06-16

Family

ID=43589413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110257420.4A Active CN102436653B (zh) 2010-08-23 2011-08-23 确定组织基质中可疑区域的图像处理方法

Country Status (5)

Country Link
US (1) US8824761B2 (zh)
JP (1) JP5893290B2 (zh)
CN (1) CN102436653B (zh)
DE (1) DE102011052842A1 (zh)
FR (1) FR2963976B1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015515296A (ja) * 2012-03-12 2015-05-28 コーニンクレッカ フィリップス エヌ ヴェ 対象物の画像情報の提供
JP2014097309A (ja) * 2012-10-15 2014-05-29 Toshiba Corp 医用画像表示装置
US8983156B2 (en) * 2012-11-23 2015-03-17 Icad, Inc. System and method for improving workflow efficiences in reading tomosynthesis medical image data
US9091628B2 (en) 2012-12-21 2015-07-28 L-3 Communications Security And Detection Systems, Inc. 3D mapping with two orthogonal imaging views
DE102013208793B4 (de) * 2013-05-14 2015-04-23 Siemens Aktiengesellschaft Verfahren zur Generierung eines 3D-Bilddatensatzes von einem zu untersuchenden Volumen als Basis für Anzeige-Bilddaten
US10535167B2 (en) 2014-12-31 2020-01-14 General Electric Company Method and system for tomosynthesis projection image enhancement and review
US10542943B2 (en) * 2015-01-06 2020-01-28 Koninklijke Philips N.V. Scanning mammography X-ray system with movement adaption mechanism
JP2016159020A (ja) * 2015-03-04 2016-09-05 株式会社ジェイマックシステム 診断支援装置、診断支援方法および診断支援プログラム
US9984478B2 (en) * 2015-07-28 2018-05-29 PME IP Pty Ltd Apparatus and method for visualizing digital breast tomosynthesis and other volumetric images
DE102016208647A1 (de) 2016-05-19 2017-11-23 Siemens Healthcare Gmbh Verfahren und Vorrichtung zur Überwachung einer Brustuntersuchung
SK289010B6 (sk) 2016-10-17 2022-11-24 Ústav experimentálnej fyziky SAV, v. v. i. Spôsob interaktívnej kvantifikácie digitalizovaných 3D objektov pomocou kamery snímajúcej pohľad
US10157460B2 (en) 2016-10-25 2018-12-18 General Electric Company Interpolated tomosynthesis projection images
US10096106B2 (en) * 2016-11-10 2018-10-09 General Electric Company Combined medical imaging
US10463333B2 (en) 2016-12-13 2019-11-05 General Electric Company Synthetic images for biopsy control
CN111728627A (zh) * 2020-06-02 2020-10-02 北京昆仑医云科技有限公司 辅助诊断方法和辅助诊断装置
CN112085801B (zh) * 2020-09-08 2024-03-19 清华大学苏州汽车研究院（吴江） 基于神经网络的三维点云和二维图像融合的校准方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101288106A (zh) * 2005-09-13 2008-10-15 皇家飞利浦电子股份有限公司 用于计算机断层摄影胸部诊断的最佳视图的自动生成
US7693254B2 (en) * 2006-02-16 2010-04-06 General Electric Company X-ray device and image-processing method

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4860213A (en) * 1987-10-01 1989-08-22 General Electric Company Reasoning system for reasoning with uncertainty
US5369734A (en) * 1990-05-18 1994-11-29 Kabushiki Kaisha Toshiba Method for processing and displaying hidden-line graphic images
GB9122843D0 (en) * 1991-10-28 1991-12-11 Imperial College Method and apparatus for image processing
US6389104B1 (en) * 2000-06-30 2002-05-14 Siemens Corporate Research, Inc. Fluoroscopy based 3-D neural navigation based on 3-D angiography reconstruction data
US7520857B2 (en) * 2002-06-07 2009-04-21 Verathon Inc. 3D ultrasound-based instrument for non-invasive measurement of amniotic fluid volume
US20080139938A1 (en) * 2002-06-07 2008-06-12 Fuxing Yang System and method to identify and measure organ wall boundaries
US7616801B2 (en) * 2002-11-27 2009-11-10 Hologic, Inc. Image handling and display in x-ray mammography and tomosynthesis
JP4253497B2 (ja) * 2002-12-03 2009-04-15 株式会社東芝 コンピュータ支援診断装置
US7436991B2 (en) * 2003-08-29 2008-10-14 Agilent Technologies, Inc. Image buffers and access schedules for image reconstruction systems
US7233330B2 (en) * 2003-11-03 2007-06-19 Siemens Corporate Research, Inc. Organ wall analysis with ray-casting
US8774355B2 (en) 2004-06-30 2014-07-08 General Electric Company Method and apparatus for direct reconstruction in tomosynthesis imaging
US7711162B2 (en) * 2005-01-27 2010-05-04 Siemens Medical Solutions Usa, Inc. Accelerated texture-based fusion renderer
US20060280348A1 (en) * 2005-06-01 2006-12-14 Smith Matthew W Method of screening cellular tissue
EP1804183B1 (en) * 2005-12-30 2017-06-21 Dassault Systèmes Process for selecting objects in a PLM database and apparatus implementing this process
FR2902218A1 (fr) * 2006-06-07 2007-12-14 Gen Electric Procede de traitement d'images de tomosynthese pour une detection de signes radiologiques
US20080118182A1 (en) * 2006-11-20 2008-05-22 Agfa Healthcare Nv Method of Fusing Digital Images
US7575375B2 (en) * 2007-01-11 2009-08-18 General Electric Company Systems and methods for reducing movement of an object
US20090052763A1 (en) * 2007-06-04 2009-02-26 Mausumi Acharyya Characterization of lung nodules
EP2211717B1 (en) * 2007-11-20 2014-01-08 Koninklijke Philips N.V. Visualization of vascularization
US8355553B2 (en) * 2008-11-22 2013-01-15 General Electric Company Systems, apparatus and processes for automated medical image segmentation using a statistical model
JP5388614B2 (ja) * 2009-02-05 2014-01-15 株式会社東芝 医用画像処理装置、画像診断装置および医用画像処理プログラム
JP5729907B2 (ja) * 2009-02-23 2015-06-03 株式会社東芝 Ｘ線診断装置
FR2954556B1 (fr) 2009-12-22 2017-07-28 Gen Electric Procede de traitement d'acquisitions de tomosynthese pour obtenir une representation du contenu d'un organe

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101288106A (zh) * 2005-09-13 2008-10-15 皇家飞利浦电子股份有限公司 用于计算机断层摄影胸部诊断的最佳视图的自动生成
US7693254B2 (en) * 2006-02-16 2010-04-06 General Electric Company X-ray device and image-processing method

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Spiculated Lesions and Architectural Distortions Detection in Digital Breast Tomosynthesis Datasets;Giovanni Palma等;《10th International Workshop, IWDM 2010,Girona,Catalonia, Spain》;20100618;第713页2.1-2.3节 *

Also Published As

Publication number Publication date
CN102436653A (zh) 2012-05-02
FR2963976B1 (fr) 2013-05-10
DE102011052842A1 (de) 2012-02-23
US20120045111A1 (en) 2012-02-23
FR2963976A1 (fr) 2012-02-24
US8824761B2 (en) 2014-09-02
JP5893290B2 (ja) 2016-03-23
JP2012040395A (ja) 2012-03-01

Similar Documents

Publication Publication Date Title
CN102436653B (zh) 确定组织基质中可疑区域的图像处理方法
US7840046B2 (en) System and method for detection of breast masses and calcifications using the tomosynthesis projection and reconstructed images
Baker et al. Breast tomosynthesis: state-of-the-art and review of the literature
Dhawan Medical image analysis
Baker et al. Computer-aided detection (CAD) in screening mammography: sensitivity of commercial CAD systems for detecting architectural distortion
CN102656608B (zh) 重建感兴趣对象
US10796430B2 (en) Multimodality 2D to 3D imaging navigation
CN101529475B (zh) 3d图像结合2d投影图像的呈现
JP5138910B2 (ja) 投影画像を用いた３ｄｃａｄのシステム及び方法
CN104939850B (zh) 成像断层合成系统、特别是乳腺造影系统
CN109754445A (zh) 用于生成x射线层析图像数据的方法和设备
US20060052690A1 (en) Contrast agent imaging-driven health care system and method
US20080080770A1 (en) Method and system for identifying regions in an image
CN111383338A (zh) 用于基于深度学习的图像重建的系统和方法
CN102763133B (zh) 用于过滤图像数据的方法和系统及其在虚拟内窥镜检查中的使用
CN108230289A (zh) 基于x线体检正位胸片的计算机辅助诊断系统和方法
CN107170021A (zh) 时变数据的细化重构
Hopp et al. Evaluation of breast tissue characterization by ultrasound computer tomography using a 2D/3D image registration with mammograms
Zhang et al. Improved digital breast tomosynthesis images using automated ultrasound
Chan et al. Digital breast tomosynthesis: computerized detection of microcalcifications in reconstructed breast volume using a 3D approach
Marques Fundamentals of Medical Image Analysis
Chan et al. Computer-aided diagnosis of breast cancer with tomosynthesis imaging
Ge et al. Digital tomosynthesis mammography: Intra-and interplane artifact reduction for high-contrast objects on reconstructed slices using a priori 3D geometrical information
Kim et al. Detection of masses in digital breast tomosynthesis using complementary information of simulated projection
Thaseen et al. A Brief Survey on Multi Dimensional Feature Subset Based Lung Tumor Identification Model using Machine Learning Techniques

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant