CN103892848B - 乳腺x光图像的钙化点检测方法 - Google Patents

Abstract

本发明公开一种乳腺X光图像的钙化点检测方法，其包括步骤：去除乳腺X光图像的背景及胸肌壁区域的图像，得到乳腺图像I₀；使用非下采样曲波变换对乳腺图像I₀进行4个层次的分解，得到低频系数子带G₀和4个高频系数子带组；对4个高频系数子带组中的各个高频系数子带进行系数分解处理，得到新的高频系数子带；使用低频系数子带和上面得到的高频系数子带对乳腺图像I₀进行非下采样曲波重构变换，得到增强图像I_E；使用非下采样的小波变换对增强图像I_E进行分解，得到大小相同的1个低频图像A_I及3个高频图像，对3个高频图像使用概率统计分析得到最终的钙化点位置。本发明有效的增强了钙化点检测的正确率和准确率。

Description

乳腺X光图像的钙化点检测方法

技术领域

本发明涉及医学图像处理技术，尤其是涉及一种乳腺X光图像的钙化点的检测方法。

背景技术

乳腺钙化点和肿块是癌症最常见的影像学特征。但由于乳腺肿的腺体、结缔组织、脂肪和血管等组织的密度与病灶区域的密度非常接近，诊断容易造成视觉疲劳，是的早期癌症的误诊和漏诊仍时常发生。随着计算机技术和数字图像处理技术的发展，使得利用计算机进行乳腺钙化点检测成为可能。数字图像处理技术对乳腺X光图像中的钙化点进行标记，可以将医生从繁琐的阅片、分类工作中解脱出来，帮助医生对图像进行更好的理解和判断，达到提高诊断正确率的目的。

申请号CN201010111555.5的中国专利申请，提出一种乳腺微钙化点计算机辅助检测方法，此方法先对乳腺图像进行灰度校正变换，得到灰度校正后图像；然后采用基于双结构元素的背景叠加法，得到微钙化点增强的乳腺图像，同时采用形态学中的Top-hat变换方法，得到另一幅背景抑制的乳腺图像；再对这两幅图像采用双阈值进行分割得到初步的微钙化点图像，经过后处理形成微钙化点粗检图像；用支持向量机的进行分类，得到钙化点图像。此方法使用的图像处理技术较多，步骤较为复杂处理速度较慢，医生需要等待较长时间才能得到处理结果。并且每一种方法都有若干参数需要调节，参数的选择对最终的处理结果有很大的影响，因此，此方法的实用性较差。

申请号CN201010182856.7的中国专利申请，提出一种钙化点成像方法及系统，此方法是一种钙化点成像方法及系统。此方法使用超声或者X光的多次成像直接的重叠已经差异得到最终的乳腺钙化点图像。此方法获得的影像相较于超声波及X光乳房摄影，具有无斑点噪声、高光学吸收对比、高超声波空间分辨率的优点。但是此方法对设备的要求较高，目前国内大多数的设备不具备这种条件。

综上，现有技术在钙化点自动检测方面存在如下缺陷：

1、现有的检测方法一般都存在着检测效果不够理想，检测算法的稳定性不高，特别是在一些乳腺致密组织、图像质量较低的图像中，钙化点目标难以检测的现象严重。

2、存在着对为钙化点病灶区域提取不够充分或者提取病灶区域过大等缺点，给后续的特征提取并定位钙化点造成了很大的困难。

发明内容

本发明提出一种乳腺X光图像的钙化点检测方法，将乳腺X光片中的钙化点标定出来，以解决目前检测方法存在检测效果不够理想、钙化点病灶区域提取难度大的技术问题。

本发明采用如下技术方案实现：一种乳腺X光图像的钙化点检测方法，其包括步骤：

A、去除乳腺X光图像的背景及胸肌壁区域的图像，得到乳腺图像I₀；

B、使用非下采样曲波变换对乳腺图像I₀进行4个层次的分解，得到低频系数子带G₀和4个高频系数子带组和

C、对4个高频系数子带组中的各个高频系数子带进行系数分解处理，得到新的高频系数子带和

D、使用低频系数子带G₀和上面得到的高频系数子带和对乳腺图像I₀进行非下采样曲波重构变换，得到一幅组织强度减弱而钙化点增强的增强图像I_E；

E、使用非下采样的小波变换对增强图像I_E进行分解，得到大小相同的1个低频图像A_I及3个高频图像H_I、V_I和D_I，对3个高频图像H_I、V_I和D_I使用概率统计分析得到最终的钙化点位置。

其中，步骤C具体包括：

C1、分别计算每个高频系数子带的门限阈值T：

$T=\left\{\begin{array}{ccc}2.75*\mathrm{var},& \mathrm{if}& \mathrm{var}>0\\ 0,& \mathrm{if}& \mathrm{var}\≤0\end{array}\right.,$

其中var的计算方式为： 为该高频系数子带的均值，n为该高频系数子带的中点数量，x_i表示高频系数子带中的每个点的值；

C2、使用sobel滤波模板对每个高频系数子带组和进行滤波，滤波结果分别为和并使用门限值T对每个滤波结果按下公式进行处理， $E_k^t(x,y)=\left\{\begin{array}{ccc}{E}_k^t(x,y),& \mathrm{if}& E_k^t(x,y)>T\\ 0,& \mathrm{if}& E_k^t(x,y)\≤T\end{array}\right.$ t∈1，2，…，4；k∈j1，j2，j3，j4，其中x，y为上述滤波结果和的横坐标和纵坐标；

C3、计算高频系数子带组和的统计学系数g，计算方式为：t∈1，2，3，4；k∈j1，j2，j3，j4，其中Std为均方差；

C4、对每个高频系数子带组和中每一点的值进行处理：

$P_k^t(x,y)=\left\{\begin{array}{cc}{H}_k^t(x,y)\·g,& \mathrm{if}{E}_k^t(x,y)=1\\ H_k^t(x,y)\·\frac{1}{3\mathrm{Var}},& \mathrm{other}\end{array}\right.$ t∈1，2，…，4；k∈j1，j2，j3，j4

得到新的高频系数子带 $P_{j1}^{1}j1\∈\mathrm{1,2},$ $P_{j2}^{2}j2\∈\mathrm{1,2},$ $P_{j3}^{3}j3\∈\mathrm{1,2},\·\·\·,8$ 和 $P_{j3}^{3}j3\∈\mathrm{1,2},\·\·\·,4.$

其中，步骤E中使用概率统计分析得到最终的钙化点位置的步骤具体包括：

E1、分别计算高频图像H_I、V_I和D_I中每一行的偏度skewness，并分别计算高频图像H_I、V_I和D_I中所有行的偏度平均值Avg_Hr、Avg_Vr和Avg_Dr，将偏度平均值Avg_Hr、Avg_Vr和Avg_Dr分别乘以系数a作为3个高频图像H_I、V_I、D_I各自的阈值，将3个高频图像H_I、V_I、D_I中分别高于各自阈值的行记录下来；

E2、分别计算高频图像H_I、V_I和D_I中每一列的偏度skewness，并分别计算高频图像H_I、V_I和D_I中所有列的偏度平均值Avg_Hc、Avg_Vc和Avg_Dc，将偏度平均值Avg_Hc、Avg_Vc和Avg_Dc分别乘以系数a作为3个高频图像H_I、V_I、D_I各自的阈值，将3个高频图像H_I、V_I、D_I中分别高于各自阈值的列记录下来；

E3、上述高于各自阈值的行、高于各自阈值的列的交点处为钙化点。

其中，还包括：将钙化点在增强图像I_E中用白色标定出来，其他的部分用黑色替代从而得到最终结果图像。

其中，系数a等于1.75。

与现有技术相比，本发明具有如下有益效果：

本发明使用多尺度几何分析技术增在强钙化点的同时对其他区域进行弱化从而降低了乳腺致密组织对钙化点的影响，进而使用概率统计分析得到最终的钙化点位置，有效的增强了钙化点检测的正确率和准确率。

附图说明

图1是本发明一个实施例的流程示意图。

图2A和图2B分别是输入的乳腺X光图像及钙化点结果图像的示意图。

具体实施方式

本发明公开了一种基于多尺度几何分析的乳腺X光图像钙化点检测方法，将乳腺X光片中的钙化点标定出来，并去掉假的微钙化点目标区域，将剩下的标记到乳腺图像中去，供医生阅片参考，辅助医生对乳腺X光图像进行更好的理解和判断，从而降低误诊与漏诊，达到提高诊断正确率的目的。

如图1所示，本发明的一个实施例包括如下实现步骤：

步骤S1、对乳腺X光图像进行预处理。

本发明所提到的乳腺X光图像为仅保留乳腺腺体组织部分的DR(数字化X射线摄影，DigitalRadiography)图像。如果输入的是一幅如图2A所示未经处理的乳腺X光图像，则应该对输入图像进行预处理：将乳腺X光图像的背景部分去除，再进一步去除人体组织中的胸肌壁区域的图像，预处理后得到乳腺图像I₀。其中，去除乳腺X光图像背景和胸肌壁的方法较多，这一过程不属于本发明的叙述范围。

步骤S2、对乳腺图像I₀使用非下采样曲波变换进行分解处理。

使用非下采样曲波变换(NSCT)对预处理之后的乳腺图像I₀进行分解，NSCT分解设定的金子塔滤波器组(PFB)为Filtersderivedfrommaximallyflatmappingfunction，方向滤波器组(DFB)为diamondmaxflatfiltersobtainedfromathreestageladder。

使用非下采样曲波变换(NSCT)对预处理之后的乳腺图像I₀进行4个层次的分解，每个层次的方向分别为1、1、3和2；从而得到一个低频系数子带G₀和4层方向的高频系数子带组： 其中和表示4层高频系数子带组，其下标j用于表示每一层的每个高频系数子带，可见这4个高频系数子带组和分别有2、2、8、4个高频系数子带。

步骤S3、对4个高频系数子带组中的各个高频系数子带进行系数分解处理。

首先，在得到上述4层16个高频系数子带之后，计算每个高频系数子带的门限阈值T：

$T=\left\{\begin{array}{ccc}2.75*\mathrm{var},& \mathrm{if}& \mathrm{var}>0\\ 0,& \mathrm{if}& \mathrm{var}\≤0\end{array}\right.$

其中var的计算方式为：

$\mathrm{var}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2}$

其中为高频系数子带的均值，n为高频系数子带的中点数量，x_i表示高频系数子带中的每个点的值。然后使用sobel滤波模板对每一层的高频系数子带和进行滤波，每一层高频系数子带得到的滤波结果分别记为：和接着使用门限值T对每个滤波结果按下公式进行处理， $E_k^t(x,y)=\left\{\begin{array}{ccc}{E}_k^t(x,y),& \mathrm{if}& E_k^t(x,y)>T\\ 0,& \mathrm{if}& E_k^t(x,y)\≤T\end{array}\right.$ t∈1，2，…，4；k∈j1，j2，j3，j4，其中x，y为上述滤波结果和的横坐标和纵坐标。

其次，计算高频系数子带组和的统计学系数g，计算方式为：

t∈1，2，3，4；k∈j1，j2，j3，j4，其中Std为均方差。

最后，对每个高频系数子带组和中每一点的值进行处理： $P_k^t(x,y)=\left\{\begin{array}{cc}{H}_k^t(x,y)\·g,& \mathrm{if}{E}_k^t(x,y)=1\\ K_k^t(x,y)\·\frac{1}{3\mathrm{Var}},& \mathrm{other}\end{array}\right.$ t∈1，2，…，4；k∈j1，j2，j3，j4，从而得到新的高频系数子带 $P_{j1}^{1}j1\∈\mathrm{1,2},$ $P_{j2}^{2}j2\∈\mathrm{1,2},$ $P_{j3}^{3}j3\∈\mathrm{1,2},\·\·\·,8$ 和 $P_{j3}^{3}j3\∈\mathrm{1,2},\·\·\·,4.$

步骤S4、进行非下采样曲波变换逆变换。

使用低频系数子带G₀和上面得到的高频系数子带和对乳腺图像I₀进行非下采样曲波重构变换，得到一幅组织强度减弱而钙化点增强的增强图像I_E。

步骤S5、小波分解得到乳腺钙化点区域。

使用非下采样的小波变换对增强图像I_E进行分解，得到大小相同的1个低频图像A_I和3个高频图像H_I、V_I、D_I，且大小相同。接着对3个高频图像H_I、V_I、DI进行处理：每次提取上述高频图像H_I、V_I、D_I的一行，计算每一行的偏度skewness。分别计算每一幅高频图像H_I、V_I、D_I中所有行的偏度平均值：Avg_Hr、Avg_Vr、Avg_Dr，将偏度平均值Avg_Hr、Avg_Vr和Avg_Dr分别乘以系数a(比如系数a为1.75)作为3个高频图像H_I、V_I、D_I各自的阈值，将3个高频图像H_I、V_I、D_I中分别高于各自的阈值的行记录下来。

接着参照上述处理方式将行换成列进行相同处理样得到Avg_Hc、Avg_Vc、Avg_Dc，以相同的方式取得阈值并记录下高于阈值的列。这时得到的高于阈值的行列的交点处即为钙化点。将这些钙化点用白色标定出来，其他的部分用黑色替代从而得到最终结果图像，如图2B所示。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种乳腺X光图像的钙化点检测方法，其特征在于，包括步骤：

A、去除乳腺X光图像的背景及胸肌壁区域的图像，得到乳腺图像I₀；

B、使用非下采样曲波变换对乳腺图像I₀进行4个层次的分解，得到低频系数子带G₀和4个高频系数子带组和其下标j用于表示每一层的每个高频系数子带；

C、对4个高频系数子带组中的各个高频系数子带进行系数分解处理，得到新的高频系数子带和

D、使用低频系数子带G₀和上面得到的高频系数子带和对乳腺图像I₀进行非下采样曲波重构变换，得到一幅组织强度减弱而钙化点增强的增强图像I_E；

E、使用非下采样的小波变换对增强图像I_E进行分解，得到大小相同的1个低频图像A_I及3个高频图像H_I、V_I和D_I，对3个高频图像H_I、V_I和D_I使用概率统计分析得到最终的钙化点位置，H_I、V_I、D_I分别对应增强图像I_E使用非下采样的小波变换进行分解后的高频图像H、V、D。

2.根据权利要求1所述乳腺X光图像的钙化点检测方法，其特征在于，步骤C具体包括：

C1、分别计算每个高频系数子带的门限阈值T：

其中var的计算方式为： 为该高频系数子带的均值，n为该高频系数子带的中点数量，x_i表示高频系数子带中的每个点的值；

C2、使用sobel滤波模板对每个高频系数子带组和进行滤波，滤波结果分别为和并使用门限值T对每个滤波结果按下公式进行处理，

其中x,y为上述滤波结果和的横坐标和纵坐标；

C3、计算高频系数子带组和的统计学系数g，计算方式为：其中Std为均方差；

C4、对每个高频系数子带组和中每一点的值进行处理：

得到新的高频系数子带和

3.根据权利要求2所述乳腺X光图像的钙化点检测方法，其特征在于，步骤E中使用概率统计分析得到最终的钙化点位置的步骤具体包括：

E1、分别计算高频图像H_I、V_I和D_I中每一行的偏度skewness，并分别计算高频图像H_I、V_I和D_I中所有行的偏度平均值Avg_Hr、Avg_Vr和Avg_Dr，将偏度平均值Avg_Hr、Avg_Vr和Avg_Dr分别乘以系数a作为3个高频图像H_I、V_I、D_I各自的阈值，将3个高频图像H_I、V_I、D_I中分别高于各自阈值的行记录下来，Hr、Vr、Dr分别对应H_I、V_I、D_I的第r行；

E2、分别计算高频图像H_I、V_I和D_I中每一列的偏度skewness，并分别计算高频图像H_I、V_I和D_I中所有列的偏度平均值Avg_Hc、Avg_Vc和Avg_Dc，将偏度平均值Avg_Hc、Avg_Vc和Avg_Dc分别乘以系数a作为3个高频图像H_I、V_I、D_I各自的阈值，将3个高频图像H_I、V_I、D_I中分别高于各自阈值的列记录下来，Hc、Vc、Dc分别对应H_I、V_I、D_I的第c列；

E3、上述高于各自阈值的行、高于各自阈值的列的交点处为钙化点。

4.根据权利要求3所述乳腺X光图像的钙化点检测方法，其特征在于，还包括步骤：将钙化点在增强图像I_E中用白色标定出来，其他的部分用黑色替代从而得到最终结果图像。

5.根据权利要求3所述乳腺X光图像的钙化点检测方法，其特征在于，系数a等于1.75。