CN102596037A - 对图像数据表示的病灶的三维分析 - Google Patents

对图像数据表示的病灶的三维分析 Download PDF

Info

Publication number
CN102596037A
CN102596037A CN2010800487648A CN201080048764A CN102596037A CN 102596037 A CN102596037 A CN 102596037A CN 2010800487648 A CN2010800487648 A CN 2010800487648A CN 201080048764 A CN201080048764 A CN 201080048764A CN 102596037 A CN102596037 A CN 102596037A
Authority
CN
China
Prior art keywords
focus
cluster
subsystem
dimensional
dimensional position
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
CN2010800487648A
Other languages
English (en)
Other versions
CN102596037B (zh
Inventor
M·格拉斯
E·S·汉西斯
T·比洛
K·埃哈德
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN102596037A publication Critical patent/CN102596037A/zh
Application granted granted Critical
Publication of CN102596037B publication Critical patent/CN102596037B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/502—Clinical applications involving diagnosis of breast, i.e. mammography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/025—Tomosynthesis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/466—Displaying means of special interest adapted to display 3D data
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects

Abstract

公开了一种用于在图像数据中对病灶进行三维分析的系统。所述系统包括病灶检测子系统(1)，所述病灶检测子系统用于基于例如乳房图像数据(301)来检测各个病灶和各个病灶的三维位置。所述系统包括聚类检测子系统(2)，所述聚类检测子系统用于基于病灶的三维位置信息来检测病灶聚类(302)，并且基于各个病灶的三维位置将各个病灶的至少一些与病灶聚类(302)相关联。所述聚类检测子系统(2)被布置成基于各个病灶的三维位置来检测病灶聚类(302)。所述系统包括用于分析病灶聚类(302)的聚类分析子系统(3)。

Description

对图像数据表示的病灶的三维分析
技术领域
本发明涉及对图像数据表示的病灶的三维分析。本发明还涉及对乳房摄影断层合成图像数据的分析。本发明还涉及对病灶聚类(cluster)的分析。
背景技术
断层合成乳房成像可以包括相对于乳房在一系列角度处采集多幅断层合成投影图像，以及利用描述这些图像中的至少一些的信息来重建体积断层合成重建图像。这种体积图像可以包括具有选择性厚度和取向并对应于各自贯穿部分的一堆乳房切片，或者可以包括通常是但不必是平的乳房切片。另外，可以在采集乳房的断层合成图像相同流程中或在不同流程中以及在对乳房进行相同或不同挤压的情况下，采集常规X射线乳房摄影图像。这样的常规图像除了可以用于断层合成图像之外，还可以用于改善图像分析和显示。
断层合成体积图像可以通过专注于这些图像的选定部分或特征的各种技术来处理，诸如CAD(计算机辅助检测)技术，所述技术可以分析图像以识别可能的异常并且可以在乳房图像或表示上放置标记，所述标记标识位置并且在一些情况下标识关于可能的异常的类型或其他信息。
US 2009/0080752 A1公开了一种形成一组候选像素的方法，所述候选像素是包含在被确定为与钙化相关联并且被称为“钙化像素”的最终像素组中的候选。该方法包括从所述组中去除如下候选钙化像素：所述候选钙化像素不在3D像素组的指定空间中(例如，表示乳房的1cm乘1cm乘3cm体积的空间中，其中，3mm是厚切片图像的尺寸)的至少指定数目的候选钙化像素的组中。
发明内容
获得对图像数据表示的病灶的经改进三维分析将是有利的。为了更好的解决这一问题，本发明的第一方面提供了一种系统，该系统包括：
-病灶检测子系统，其用于基于图像数据来检测各个病灶和各个病灶的三维位置；以及
-聚类检测子系统，其用于基于病灶的三维位置信息来检测病灶聚类，并且基于各个病灶的三维位置将各个病灶中的至少一些与病灶聚类相关联。
当应用这种系统时，病灶聚类的各个病灶的三维位置变得可用。这些三维位置可以用于导出关于病灶的属性的信息。聚类之内的病灶的相对位置可以用作特定疾病的指示。例如，聚类中病灶的三维位置可以用作临床决策支持系统的输入。如果分离地检测聚类的病灶，则可能导出这些病灶的其他特征。下文将给出范例。还可以基于病灶的位置将病灶示意性地可视化。病灶可以包括，例如，微钙化灶。病灶聚类可以包括多个病灶或由其构成，所述多个病灶相对于其在3D中的位置彼此接近。现有的病灶检测技术可以用于检测各个病灶。图像数据可以包括乳房图像数据，并且病灶可以包括诸如微钙化灶的乳房病灶。
所述聚类检测子系统可以被布置成基于各个病灶的三维位置来检测病灶聚类。在这种情况下，病灶的三维位置信息包括各个病灶的三维位置。通过这种方式，现有的聚类算法可以用于对病灶进行聚类。这可以使得该系统易于实施。此外，可以重新使用在病灶检测和/或聚类检测领域中的进展。这可以得到所检测到的病灶和/或聚类的经改善的质量。此外，利用病灶的三维位置替代个体像素允许使用在较高抽象水平上操作的聚类算法，因为其不必处理个体像素。这可以提高效率。病灶检测子系统可以被布置成检测多个病灶，而不管它们是否是聚类的一部分。聚类检测子系统可以被布置成基于病灶的三维位置，来接收这些病灶的三维位置作为输入，并选择是来自多个病灶聚类的部分的病灶。例如，可以使用k均值聚类或模糊c均值聚类。
所述病灶检测子系统可以被布置成基于病灶的至少一个投影和至少一幅三维图像来检测病灶。可以使用用于投影图像和三维图像中的病灶检测的相应算法，在投影图像和三维图像两者中执行病灶检测。可以组合检测结果用于改善病灶检测的鲁棒性，例如通过改善特异性和/或灵敏度。可以利用多个投影导出来自投影的病灶的三维坐标。
所述系统可以包括用于分析病灶聚类的聚类分析子系统。可以通过许多种方式来执行这种分析。病灶聚类的分析可以揭示病灶聚类的临床相关的性质。
所述聚类分析子系统可以包括用于生成包含病灶聚类的界限表面的表面生成器。所述界限表面可以揭示聚类的形状。这种形状可能与身体的特定区域相关联。同样地，所述形状可以用作病灶的恶性度的指示。所述系统可以包括用于使界限表面可视化的可视化子系统。这允许所述系统的用户检查所述界限表面。
所述聚类分析子系统可以包括用于使形状模型适配病灶聚类的至少部分的形状模型子系统。经调整的形状模型可以包括界限表面。适应的形状模型是对病灶聚类进行建模的有用方式。适应的模型可以用于导出病灶聚类的其他性质，其可能有助于临床诊断。这样的性质可以是临床决策支持系统的受检对象。
所述形状模型可能与乳房的区域或结构相关联。例如，与管(duct)相关联的形状模型可以用于评估病灶聚类位于管中的概率。乳房中的管的相关范例是乳管。
所述聚类分析子系统可以包括用于确定与病灶聚类相关联的统计分布的参数的统计子系统。这种统计子系统可能能够以相对小的计算量计算性质。
所述聚类分析子系统可以包括用于计算聚类之内的病灶的三维位置对之间的距离的距离计算子系统。聚类之内的病灶对之间的距离在一些临床情况中可能是很重要的。例如，聚类中任何病灶对之间发生的最大距离，或平均距离，可能是相关的。
所述聚类分析子系统可以包括用于计算聚类之内的病灶的体积的体积计算子系统。聚类的体积可能是重要的参数。同样地，可以计算与聚类的病灶的体积相关的统计信息。
所述聚类分析子系统可以包括用于计算聚类之内的病灶的吸收系数的吸收系数计算子系统。吸收系数也可以提供重要的信息。同样地，可以计算与聚类的病灶的吸收系数相关的统计信息。
所述聚类分析子系统可以包括用于计算在病灶聚类之内的病灶的粗糙系数的粗糙系数计算子系统。这种粗糙系数可以描述病灶的表面多粗糙或者多平滑。
所述聚类分析子系统可以包括用于计算在病灶聚类的病灶的形状的形状计算子系统。这种形状可能与恶性度相关；通过组合与聚类的病灶的形状相关的信息，可以获得与恶性度相关的有关信息。
所述聚类检测子系统可以被布置成处理病灶的三维位置对之间的距离。病灶对之间的距离可能是判断他们是否属于聚类的重要标准。
所述系统可以包括用于评估三维病灶聚类的特征的临床决策支持系统。病灶聚类的特征可能与乳房疾病的诊断或决定采取什么措施有关。因此，这些特征可能是用于临床决策支持系统的合适的输入。临床决策支持系统可以与聚类分析子系统耦合，例如聚类分析子系统的输出可以用作决策支持系统的输入。
所述系统可以是乳房摄影断层合成图像形成设备的一部分。这允许将图像采集与图像的分析整合。
所述系统也可以是医学成像工作站的一部分。这种医学工作站还可以包括用于接收乳房摄影断层合成图像数据的输入部。这允许将该系统与医学工作站提供的其他功能整合。
本发明的一方面提供了一种对图像数据表示的病灶进行三维分析的方法，包括：
-基于图像数据检测各个病灶和各个病灶的三维位置；以及
-基于病灶的三维位置信息检测病灶聚类，并且基于各个病灶的三维位置将各个病灶中的至少一些与病灶聚类相关联。
本发明的一方面提供了包括用于令处理器系统执行所述方法的步骤的指令的计算机程序产品。
本领域技术人员应当认识到，可以按照认为有用的任意方式来组合上文所提到的实施例、实施方式和/或本发明的各方面中的两个或更多个。
本领域技术人员可以基于本说明书实现图像采集设备、工作站、系统和/或计算机程序产品的修改和变型，所述修改和变型对应于所描述的系统的修改和变型。
本领域技术人员应当认识到，可以将所述方法应用于多维图像数据，例如，应用于二维(2-D)、三维(3-D)或四维(4-D)图像，所述图像是由各种采集模态采集的，诸如，但不限于，标准X射线成像、计算机断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)和核医学(NM)。
附图说明
参考下文所描述的实施例，本发明的这些和其他方面将显而易见并得以阐述。在附图中：
图1是用于对图像数据表示的病灶进行三维分析的系统的框图；
图2是用于对图像数据表示的病灶进行三维分析的系统的流程图；以及
图3是乳房图像和病灶聚类的图示。
具体实施细节
病灶，如在本文中所使用的，可以理解为异常，诸如身体器官或组织中的局部病理变化。例如，病灶可以包括小到无法感知的微小斑块。它们可能是在超声或乳房摄影中出现的癌症的重要标志物。例如，乳房中的微钙化灶是病灶的范例。可以把在乳房中发生的病灶称为乳房病灶。这样的乳房病灶，特别是乳房微钙化灶，在乳房摄影和/或乳房摄影断层合成中可能是可见的。然而，这并非限制。其他种类的病灶可以成为本文所描述的系统的受检对象。
图1是图示说明用于乳房微钙化灶的三维分析的系统的各方面的框图。仅图示了与本说明相关的元件。例如，可以使用经适当编程的微处理器来实施所述系统。例如，在计算机可读介质上提供计算机程序产品以结合处理器实施所述系统。此外，所述系统可以包括用于储存图像数据的存储器、用于储存软件的存储器、用于例如借助有线或无线网络连接与其他装置通信的通信端口。所述通信端口可以用于检索图像数据和/或发送由系统生成的数据。所述系统还可以包括用户输入装置，所述用户输入装置使得用户能够控制所述系统，例如开始检索图像数据、在图像数据中检测病灶、对图像数据中发现的病灶进行聚类、输出聚类中病灶的信息(诸如位置信息)中的任何步骤。所述系统还可以包括用于使所检索的图像数据和/或所提取的关于病灶聚类的信息可视化的显示器。可以在医学工作站上例如作为软件选项来实施所述系统。所述系统还可以整合在医学图像采集设备中，诸如整合在乳房断层合成扫描器中。图1所描述的系统的特定配置应当仅被认为是实施的范例。根据本说明书和权利要求书，所述系统的其他设计在本领域技术人员的能力范围之内。
所述系统可以包括用于基于乳房图像数据来检测各个病灶和各个病灶的三维位置的病灶检测子系统1。例如，所述乳房图像数据可以经由通信端口检索的并储存在本地存储器中。可以通过X射线乳房断层合成采集设备获得图像数据。然而，也可以通过另一种成像模态，诸如磁共振或CT，来获得图像数据。可以使用已知的病灶检测算法来检测病灶。在乳房中经常发生的病灶的范例是微钙化灶。这样的微钙化灶可能具有在病灶检测过程中有帮助的不同的吸收系数。所述病灶检测子系统可以被布置成处理体积数据集并在三维体积数据集中直接检测病灶。例如，检测可以基于具有不同灰度级范围的对象的局部灰度级和/或尺寸与形状。或者，所述病灶检测子系统可以被布置成检测多个二维投影图像中的病灶。T.Netsch和H.-O.Peitgen在IEEE Transactions on Medical Imaging，Vol.18，No.9，1999年9月的“Scale-Space Signatures for the Detection of Clustered Microcalcificationsin Digital Mammograms”一文中描述了这种病灶检测子系统。通过组合在多个投影图像中检测到的病灶，可以计算病灶的三维位置。具体而言，通过在以X射线源与X射线探测器的不同角位置采集的多个投影中检测相同的病灶来确定病灶的三维位置。这可以利用如本领域已知的对极几何(epi-polar geometry)来完成。可以代替本文所提出的范例使用检测多个病灶和所述多个病灶的三维位置的其他方法。所述病灶检测子系统可以被布置成基于病灶的至少一个投影和至少一个三维图像来检测病灶。例如，通过基于(一幅或多幅)2D投影确定结构是病灶的概率以及基于3D数据集确定结构是病灶的概率，可以基于(一幅或多幅)2D投影和3D数据集形成所述结构是病灶的组合概率。
所述病灶检测子系统可以具有一个或多个用户可选设置。这些设置可以借助用户输入装置或者借助软件来控制。例如，在一些情况下，可以假设病灶，诸如微钙化灶，仅在断层合成数据集的若干可用投影图像中可见。用户可选设置可以规定仅考虑至少在最小数目的投影中可见的病灶。作为另一范例，病灶的尺寸可以遵从诸如预定最小尺寸的限制。
所述系统还可以包括用于基于病灶的三维位置信息来检测病灶聚类的聚类检测子系统2。例如，可以使用US 2009/0080752 A1中所描述的基于像素的方法来检测聚类。然而，这并非限制。可以从逐个识别的病灶独立地完成聚类本身的检测，例如使用基于体素的分析方法。这种基于体素的分析方法可以首先分割个体体素作为“病灶体素”和“非病灶体素”，并执行“病灶体素”的聚类以获得病灶聚类。之后，可以识别聚类中的各个病灶并将其与聚类相关联。如下文将描述的，也可以使用各个病灶的三维位置来检测聚类。在本文中，各个病灶的三维位置意指作为整体的病灶的位置。例如，病灶的中心或重心可以用作各个病灶的三维位置。聚类检测子系统2被布置成基于各个病灶的三维位置将各个病灶中的至少一些与病灶聚类相关联。因此，构成聚类的各个病灶与聚类相关联，使他们可用于进一步的分析。例如，聚类检测算法可以得到聚类所位于的三维区域。然后这一区域内的各个病灶可以与聚类相关联。或者，可以通过聚类检测算法分析各个病灶并且各个病灶和(一个或多个)聚类之间的关联性可能是聚类检测算法的自然结果。
例如，在病灶检测子系统1和聚类检测子系统2之间的箭头所指示的情况下，病灶检测子系统1可以首先被应用于图像的区域，或者应用于完整的图像，以检测多个病灶，而无需聚类的先验知识。接下来，可以应用聚类检测子系统来检测病灶聚类。聚类检测子系统2可以被布置成基于各个病灶的三维位置来检测病灶聚类。例如，可以分析所检测到的多个病灶的位置以检测其中的一个或多个聚类。当已检测了聚类，构成聚类的病灶可能与所述聚类相关联。聚类检测子系统2可以被布置成基于多个所检测到的病灶的三维位置来选择构成病灶聚类的病灶。
病灶检测子系统1和聚类检测子系统2的结果可以包括构成病灶聚类的多个病灶，以及构成聚类的那些病灶的三维位置。
聚类检测子系统2可以具有一个或多个用户可选设置。这些设置可以借助用户输入装置或者借助软件来控制。例如，可以提供最大或可变的距离或半径，其可能限制聚类的尺寸。也可以搜索具有特殊形状的聚类。使用诸如比例或长度的参数可配置这种形状。
所述系统可以包括用于分析病灶聚类的聚类分析子系统3。这种分析可以包括对构成病灶聚类的各个病灶的参数估算。例如，各个病灶的三维位置、尺寸、体积、形状和灰度值可以起重要的作用。聚类之内的病灶的总数目或者聚类之内的病灶之间的距离也能够起重要的作用。
所述聚类分析子系统可以包括用于生成包含病灶聚类的界限表面的表面生成器。这一表面可以给出聚类的总体形状的描述。界限表面的范例是凸壳形(convex hull)。然而，其他的，非凸壳形的界限表面也是可能的。
所述系统还可以包括可视化子系统4。这种可视化子系统4可以被布置成提供聚类的可视化。例如，可视化子系统4可以被布置成用于使界限表面可视化。其他的可视化也是可能的，例如可以使各个病灶可视化。
图3是病灶聚类302的可视化303的范例。病灶由点304表示。邻近的病灶用线305表示。这给出了聚类几何结构的外观。
聚类分析子系统3可以包括用于使形状模型适配病灶聚类的至少部分的形状模型子系统10。形状模型子系统10可以访问在存储器中储存的合适的形状模型组12。这些合适的形状模型12可以与乳房内的解剖区或结构相关联。例如，表示管状形状的合适的形状模型可以与乳管相关联。当这种管状形状能够匹配聚类时，这可能表明聚类位于乳管之中或周围。
聚类分析子系统3可以包括用于确定与病灶聚类相关联的统计分布的参数的统计子系统8。具体而言，可以从与聚类之内的各个病灶相关联的量导出统计性质。例如，可以计算各个病灶的数值性质的平均和/或标准差。
聚类分析子系统3可以包括用于计算聚类之内的病灶的三维位置对之间的距离的距离计算子系统9。线305的长度通过图形图示了这种距离。聚类分析子系统3可以包括用于计算聚类之内的病灶的体积的体积计算子系统7。聚类分析子系统3可以包括用于计算聚类之内的病灶的吸收系数的吸收系数计算子系统11。聚类分析子系统3可以包括用于计算病灶聚类之内的病灶的粗糙系数的粗糙系数计算子系统13。这种粗糙系数可以包括微钙化灶的表面的粗糙度的指示。聚类分析子系统3可以包括用于计算病灶聚类的病灶的形状的形状计算子系统14。这五个子系统提供了可以作为统计子系统8的受检对象的各个病灶和病灶对的参数的范例以获得关于病灶聚类302的信息。
此外，所述聚类检测子系统可以被布置成处理病灶的三维位置对之间的距离。这些距离可以用于检测聚类。例如，当若干病灶具有在预定阈值以下的两两间的距离时，可以检测到聚类。
所述系统可以包括用于评估三维病灶聚类的特征的临床决策支持系统5。这种特征包括上文所述的任何信息。这种特征可以从病灶聚类的各个病灶导出。临床决策支持系统5可以被布置成给保健机构的患者流程提供下一步的建议。临床决策支持系统在本领域中是已知的。
所述系统可以被整合到乳房摄影断层合成图像形成设备中。这样的设备在本领域中是已知的。所述设备可以包括乳房挤压构件。所述设备还可以包括X射线源和X射线探测器，其可以被布置成以从一系列视角采集乳房的乳房摄影投影图像。可以使用已知的断层合成技术将这些图像转换为体积图像数据集。可以由病灶检测子系统1在二维投影图像中直接执行病灶检测。通过检测多个投影图像中的相同病灶，可以计算病灶的三维位置。或者，可以在可能包含病灶的三维表示和可能直接提供位置信息的体积图像数据集中检测病灶。图像采集和图像重建的这些范例并非进行限制。可以使用其他种类的医学数据，包括CT和MR。
所述系统也可以被整合到医学成像工作站中。这种工作站可以从外部源例如经由通信端口和/或网络接收乳房摄影断层合成图像数据。所述工作站可以被布置成执行对来自投影图像的体积图像数据集的重建。所述工作站也可以被布置成从外部源接收体积图像数据集。
图2是图示说明对病灶的三维图像分析的方法的流程图。所述方法包括，在步骤201中，基于乳房图像数据检测各个病灶和各个病灶的三维位置。在步骤202中，所述方法包括基于病灶的三维位置信息检测病灶聚类，并且基于各个病灶的三维位置将各个病灶中的至少一些与病灶聚类相关联。如上所述，这两个步骤的顺序可以根据特定的实施例进行反转。所述方法可以在步骤203中以采集乳房图像数据开始，接着是重建体积图像数据的步骤204。步骤204是任选的，因为如上文所述，可以从二维投影图像直接提取病灶的三维位置。步骤202之后接着可以是如上文所述执行聚类分析的步骤205，以及可以显示结果的步骤206。这仅仅是范例方法；其他的布置是可能的，包括改变执行的步骤中的一些的顺序。所述方法可以借助包括用于令处理器系统执行所述方法的步骤的指令的计算机程序产品来实施。这样的程序产品可以储存在计算机可读介质上。
将断层合成应用于X射线乳房摄影使得可以生成乳房内微钙化灶的三维重建。能够确定三维空间分布。能够导出每处钙化的近似形状和密度值。这一信息的可用性实现了用于诊断目的和病灶的特性描述的新的3D微钙化灶分析的方式。可以认为微钙化灶或微钙化灶聚类的形状和分布与乳房癌症中的肿瘤诊断相关。
在下文中，更为详细地描述微钙化灶的特定情况。然而，这并非限制。所描述的原理也适用于其他种类的病灶。可以通过若干种不同的方式分析和/或可视化微钙化灶。例如，这应用于在3D断层合成数据中描述的微钙化灶。从包括多个投影图像的其他种类的数据可以导出钙化的三维位置。使用聚类算法可以将所检测到的微钙化灶分组为钙化的局部或区域聚类。聚类算法可以根据能够由用户交互操纵的参数，以便限定生理上相关的钙化供进一步分析。
微钙化灶的一个或多个聚类可能取决于对不同微钙化灶之间的距离的分析和/或对它们的3D钙化体积或吸收系数的分布的分析。可以使这种分析可视化。
此外，可以计算和/或可视化包含聚类内部所有微钙化灶的界限表面，例如三角形化表面。这有助于获得聚类的外部形状的外观。同样地，可以获得对其内部包含钙化的体积、尺寸和/或形状的分析。
从界限表面的形状，可以总结出，解剖结构的哪一部分包含微钙化灶。乳房的合适的形状模型可以支持定位过程。
微钙化灶的三维聚类可以提供女性乳房内部微钙化灶的改进的3D分析、诊断量的导出、或者改善乳房中微钙化灶聚类的定位或特征描述的能力。
具有可用的微钙化灶的3D空间分布可以帮助确定肿瘤位于哪个乳房室(compartment)内。如果能够在管状形状(例如，界限表面是像管的)内部捕获聚类，那么其可以作为该肿瘤在乳房的管中以及因此对危险度的指示，同时另一分布可以支持与其他室的关系。
如果已知乳房内部聚类中的钙化的尺寸和数量，这能够帮助聚焦乳房中的活体检查或例如切除的尺寸。
图3示意性图示了包括多个微钙化灶的体模乳房301的断层合成图像。已经对微钙化灶进行聚类，并且已经检测到微钙化灶的聚类302。聚类302在303处显示。可视化示出了具有不同尺寸的个体微钙化灶304。此外，可视化示出了聚类302、303中的相邻微钙化灶304之间的连接线305。
应当认识到，本发明还扩展到计算机程序，具体扩展到在载体上或载体内的计算机程序，其适于将本发明付诸实践。所述程序可以是源代码、目标代码媒介源和目标代码的形式，诸如部分编译的形式，或者是适于在根据本发明的实施中使用的任意其他形式。还应当认识到，这样的程序可以具有许多不同的架构设计。例如，实施根据本发明的方法或系统功能的代码可以细分成一个或多个子进程。在这些子进程之间分配功能的许多不同方式对于本领域技术人员而言显而易见。所述子进程可以用可执行文档的形式存储在一起以形成自包含(self-contained)的程序。这样的可执行文档可以包括计算机可执行指令，例如处理器指令和/或解释指令(例如Java解释指令)。备选地，子进程中的一个、多个或全部存储在至少一个外部库文档中，并例如在运行时与主程序静态地或动态地链接。主程序包含对子进程中的至少一个的至少一次调用。同样地，子进程可以包括对彼此的功能调用。一个涉及计算机程序产品的实施例，包括与前述方法中的至少一个的处理步骤中的每个对应的计算机可执行指令。这些指令可以被细分为子进程和/或存储在可以静态或动态链接的一个或多个文档中。涉及计算机程序产品的另一实施例包括与前述系统和/或产品中的至少一个的模块中的每个对应的计算机可执行指令。这些指令可以被细分成子进程和/或存储在可以静态和/或动态链接的一个或多个文档中。
计算机程序的载体可以是能够承载程序的任何实体或装置。例如。所述载体可以包括诸如ROM存储介质，例如CD ROM或半导体ROM；或磁记录介质，例如软盘或硬盘。此外，所述载体可以是可传输的载体，诸如电或光信号，其可以经由电缆或光缆或者通过射频或其他手段传递。当所述程序被嵌入到这种信号中时，可以通过线缆或其他装置或模块指定载体。备选地，所述载体可以是其中嵌入有所述程序集成电路，所述集成电路适于执行、或用于执行相关的方法。
应当认识到，上述实施例用于说明而非是限制本发明，并且本领域技术人员能够在不背离本发明权利要求范围的情况下设计许多备选实施例。在权利要求中，置于圆括号之间的任何参考标记不应当解释为对权力要求构成限制。“包括”一词以及其结合的使用并不排除权利要求中所述的那些元件或步骤之外元件或步骤。不定冠词“一”或“一个”并不排除多个此类元件的存在。本发明可以通过包括若干分立元件的硬件方式实施，以及通过适当编程的计算机的方式实施。在装置权利要求中列举了若干模块，这些模块中的一些可以通过硬件中的一个或相同内容实现。在相互不同的从属权利要求中所应用的特定措施并不指示不能有利的使用这些措施的组合。

Claims (15)

1.一种用于对图像数据(301)表示的病灶进行三维分析的系统，包括：
-病灶检测子系统(1)，其用于基于所述图像数据(301)来检测各个病灶和所述各个病灶的三维位置；以及
-聚类检测子系统(2)，其用于基于病灶的三维位置信息来检测病灶聚类(302)，并且基于所述各个病灶的所述三维位置将所述各个病灶中的至少一些与所述病灶聚类(302)相关联。
2.根据权利要求1所述的系统，其中，所述聚类检测子系统(2)被布置成基于所述各个病灶的所述三维位置来检测所述病灶聚类(302)。
3.根据权利要求1所述的系统，其中，所述病灶检测子系统(1)被布置成基于所述病灶的至少一个投影和至少一幅三维图像来检测所述病灶。
4.根据权利要求1所述的系统，还包括用于分析所述病灶聚类(302)的聚类分析子系统(3)。
5.根据权利要求4所述的系统，其中，所述聚类分析子系统(3)包括用于生成包含所述病灶聚类的界限表面的表面生成器(6)。
6.根据权利要求5所述的系统，还包括用于使所述界限表面可视化的可视化子系统(4)。
7.根据权利要求4所述的系统，其中，所述聚类分析子系统(3)包括用于使形状模型(12)适配所述病灶聚类(302)的至少部分的形状模型子系统(10)。
8.根据权利要求7所述的系统，其中，所述形状模型(12)与乳房的区域或结构相关联。
9.根据权利要求4所述的系统，其中，所述聚类分析子系统(3)包括如下中的至少一个：
-距离计算子系统(9)，其用于计算在所述病灶聚类(302)之内的病灶的三维位置对之间的距离；
-体积计算子系统(7)，其用于计算在所述病灶聚类(302)之内的病灶的体积；
-吸收系数计算子系统(11)，其用于计算在所述病灶聚类(302)之内的病灶的吸收系数；
-粗糙系数计算子系统(13)，其用于计算在所述病灶聚类(302)之内的病灶的粗糙系数；或者
-形状计算子系统(14)，其用于计算在所述病灶聚类(302)之内的病灶的形状。
10.根据权利要求1所述的系统，其中，所述聚类检测子系统(2)被布置成处理病灶的三维位置对之间的距离。
11.根据权利要求1所述的系统，还包括用于评估所述病灶聚类(302)的特征的临床决策支持系统(5)
12.一种包括根据权利要求1所述的系统的乳房摄影断层合成图像形成设备。
13.一种包括用于接收图像数据(301)的输入部和根据权利要求1所述的系统的医学成像工作站。
14.一种对图像数据(301)表示的病灶进行三维分析的方法，包括：
-基于所述图像数据(301)来检测(201)各个病灶和所述各个病灶的三维位置；以及
-基于病灶的三维位置信息来检测(202)病灶聚类(302)，并且基于所述各个病灶的所述三维位置将所述各个病灶中的至少一些与所述病灶聚类(302)相关联。
15.一种包括用于令处理器系统执行根据权利要求14所述的方法的步骤的指令的计算机程序产品。
CN201080048764.8A 2009-10-30 2010-10-21 对图像数据表示的病灶的三维分析 Active CN102596037B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP09174567.9 2009-10-30
EP09174567 2009-10-30
PCT/IB2010/054772 WO2011051863A1 (en) 2009-10-30 2010-10-21 Three-dimensional analysis of lesions represented by image data

Publications (2)

Publication Number Publication Date
CN102596037A true CN102596037A (zh) 2012-07-18
CN102596037B CN102596037B (zh) 2016-03-16

Family

ID=43416294

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080048764.8A Active CN102596037B (zh) 2009-10-30 2010-10-21 对图像数据表示的病灶的三维分析

Country Status (5)

Country Link
US (1) US9089307B2 (zh)
EP (1) EP2493381B1 (zh)
JP (1) JP5820383B2 (zh)
CN (1) CN102596037B (zh)
WO (1) WO2011051863A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767417A (zh) * 2017-11-10 2019-05-17 太豪生医股份有限公司 病灶检测装置及其方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012153250A1 (en) * 2011-05-10 2012-11-15 Koninklijke Philips Electronics N.V. Breast cancer risk assessment
US20150238167A1 (en) * 2012-03-22 2015-08-27 Gamma Medical Technologies, Llc Dual modality endocavity biopsy imaging system and method
US10070828B2 (en) 2013-03-05 2018-09-11 Nview Medical Inc. Imaging systems and related apparatus and methods
US10846860B2 (en) * 2013-03-05 2020-11-24 Nview Medical Inc. Systems and methods for x-ray tomosynthesis image reconstruction
WO2014206881A1 (en) * 2013-06-28 2014-12-31 Koninklijke Philips N.V. Linking breast lesion locations across imaging studies
JP6262869B2 (ja) * 2014-02-04 2018-01-17 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 乳房パラメータマップの生成
WO2019060843A1 (en) 2017-09-22 2019-03-28 Nview Medical Inc. IMAGE RECONSTRUCTION USING MACHINE LEARNING REGULARIZERS
JP2023105688A (ja) * 2022-01-19 2023-07-31 富士フイルム株式会社 画像処理装置、画像処理方法、及びプログラム
JP2023105689A (ja) * 2022-01-19 2023-07-31 富士フイルム株式会社 画像処理装置、画像処理方法、及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5003979A (en) * 1989-02-21 1991-04-02 University Of Virginia System and method for the noninvasive identification and display of breast lesions and the like
US20070183641A1 (en) * 2006-02-09 2007-08-09 Peters Gero L Method and apparatus for tomosynthesis projection imaging for detection of radiological signs
CN101061491A (zh) * 2004-11-19 2007-10-24 皇家飞利浦电子股份有限公司 用于在计算机辅助肺结核假阳性降低中克服不平衡事例数目的层化方法

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5537485A (en) 1992-07-21 1996-07-16 Arch Development Corporation Method for computer-aided detection of clustered microcalcifications from digital mammograms
US5365429A (en) 1993-01-11 1994-11-15 North American Philips Corporation Computer detection of microcalcifications in mammograms
US6246782B1 (en) 1997-06-06 2001-06-12 Lockheed Martin Corporation System for automated detection of cancerous masses in mammograms
US5999639A (en) 1997-09-04 1999-12-07 Qualia Computing, Inc. Method and system for automated detection of clustered microcalcifications from digital mammograms
US7239908B1 (en) * 1998-09-14 2007-07-03 The Board Of Trustees Of The Leland Stanford Junior University Assessing the condition of a joint and devising treatment
US8414892B2 (en) * 2000-10-18 2013-04-09 Sloan-Kettering Institute For Cancer Research Uses of monoclonal antibody 8H9
US7783089B2 (en) * 2002-04-15 2010-08-24 General Electric Company Method and apparatus for providing mammographic image metrics to a clinician
WO2003095986A1 (en) * 2002-05-14 2003-11-20 Amersham Biosciences Niagara, Inc. System and methods for rapid and automated screening of cells
US8932363B2 (en) * 2002-11-07 2015-01-13 Conformis, Inc. Methods for determining meniscal size and shape and for devising treatment
JP2004357866A (ja) * 2003-06-03 2004-12-24 Konica Minolta Medical & Graphic Inc 医用画像処理装置及び表示制御方法
US7519210B2 (en) * 2004-09-09 2009-04-14 Raphael Hirsch Method of assessing localized shape and temperature of the human body
JP2006325640A (ja) * 2005-05-23 2006-12-07 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
US7269406B2 (en) * 2005-05-26 2007-09-11 Intel Corporation Methods and apparatus for providing information indicative of traffic delay of a wireless link
US8285019B2 (en) * 2006-02-10 2012-10-09 Synarc Inc. Breast tissue density measure
US7865002B2 (en) 2006-06-02 2011-01-04 Carolina Imaging Specialists, Inc. Methods and apparatus for computer automated diagnosis of mammogram images
EP2081494B1 (en) * 2006-11-16 2018-07-11 Vanderbilt University System and method of compensating for organ deformation
US7630533B2 (en) 2007-09-20 2009-12-08 Hologic, Inc. Breast tomosynthesis with display of highlighted suspected calcifications
CN102197413B (zh) * 2008-10-29 2017-03-22 皇家飞利浦电子股份有限公司 分析至少三维医学图像
US8731255B2 (en) * 2008-11-05 2014-05-20 University Of Louisville Research Foundation, Inc. Computer aided diagnostic system incorporating lung segmentation and registration
US8488863B2 (en) * 2008-11-06 2013-07-16 Los Alamos National Security, Llc Combinational pixel-by-pixel and object-level classifying, segmenting, and agglomerating in performing quantitative image analysis that distinguishes between healthy non-cancerous and cancerous cell nuclei and delineates nuclear, cytoplasm, and stromal material objects from stained biological tissue materials
US8073220B2 (en) * 2009-04-20 2011-12-06 Siemens Aktiengesellschaft Methods and systems for fully automatic segmentation of medical images
US8541748B2 (en) * 2009-06-29 2013-09-24 General Electric Company System and method for performing nuclear mammography imaging
GB0913930D0 (en) * 2009-08-07 2009-09-16 Ucl Business Plc Apparatus and method for registering two medical images
US8824762B2 (en) * 2010-10-22 2014-09-02 The Johns Hopkins University Method and system for processing ultrasound data

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5003979A (en) * 1989-02-21 1991-04-02 University Of Virginia System and method for the noninvasive identification and display of breast lesions and the like
CN101061491A (zh) * 2004-11-19 2007-10-24 皇家飞利浦电子股份有限公司 用于在计算机辅助肺结核假阳性降低中克服不平衡事例数目的层化方法
US20070183641A1 (en) * 2006-02-09 2007-08-09 Peters Gero L Method and apparatus for tomosynthesis projection imaging for detection of radiological signs

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
K BLIZNAKOVA等: "A three-dimensional breast software phantom for mammography simulation", 《PHYS.MED.BIOL.》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109767417A (zh) * 2017-11-10 2019-05-17 太豪生医股份有限公司 病灶检测装置及其方法
CN109767417B (zh) * 2017-11-10 2023-11-03 太豪生医股份有限公司 病灶检测装置及其方法

Also Published As

Publication number Publication date
WO2011051863A1 (en) 2011-05-05
JP5820383B2 (ja) 2015-11-24
EP2493381B1 (en) 2015-09-30
EP2493381A1 (en) 2012-09-05
CN102596037B (zh) 2016-03-16
JP2013509229A (ja) 2013-03-14
US20120207373A1 (en) 2012-08-16
US9089307B2 (en) 2015-07-28

Similar Documents

Publication Publication Date Title
CN110621231B (zh) 用于分层次多级特征图像合成和表示的系统以及方法
CN102596037B (zh) 对图像数据表示的病灶的三维分析
JP7169986B2 (ja) オブジェクトグリッド増強を用いて高次元画像データから低次元画像データを合成するためのシステムおよび方法
CN102656608B (zh) 重建感兴趣对象
CN100578511C (zh) Cad系统中检查解剖学形状的方法和系统
JP2022525198A (ja) 陽電子放射断層撮影を用いた腫瘍セグメンテーションのための深層畳み込みニューラルネットワーク
CN103582455B (zh) 基于锥形束乳房ct图像的计算机辅助检测和诊断的方法和装置
CN102165454B (zh) 用于提高计算机辅助诊断对图像处理不确定性的鲁棒性的方法
CN105832360B (zh) 用于由层析数据集生成2d图像的系统和方法
CN102549616B (zh) 用于生成感兴趣区域的图像的系统和方法
CN102473300B (zh) 多模态乳房成像
US20070052700A1 (en) System and method for 3D CAD using projection images
CN104135935A (zh) 用于利用合成图像数据导航层析堆的系统和方法
CN105451657A (zh) 用于导航断层合成堆叠的包括自动聚焦的系统和方法
CN112529834A (zh) 病理图像模式在3d图像数据中的空间分布
CN102197413B (zh) 分析至少三维医学图像
Schwaab et al. Automated quality assessment in three-dimensional breast ultrasound images
Reiser et al. Computerized detection of mass lesions in digital breast tomosynthesis images using two-and three dimensional radial gradient index segmentation
US11783476B2 (en) System and method for analyzing three-dimensional image data
Pöhlmann et al. Three-dimensional segmentation of breast masses from digital breast tomosynthesis images
Thakur et al. A systematic review of machine and deep learning techniques for the identification and classification of breast cancer through medical image modalities
Jeong et al. Three-dimensional computer-aided detection of microcalcification clusters in digital breast tomosynthesis
Massich Deformable object segmentation in ultra-sound images
Camarlinghi et al. Pattern recognition methods applied to medical imaging: lung nodule detection in computed tomography images

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