CN106471547A - 在乳房x光照相期间产生的乳房的x光图像的分析处理 - Google Patents

在乳房x光照相期间产生的乳房的x光图像的分析处理 Download PDF

Info

Publication number
CN106471547A
CN106471547A CN201580023258.6A CN201580023258A CN106471547A CN 106471547 A CN106471547 A CN 106471547A CN 201580023258 A CN201580023258 A CN 201580023258A CN 106471547 A CN106471547 A CN 106471547A
Authority
CN
China
Prior art keywords
breast
risk
value
ray image
cover
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
CN201580023258.6A
Other languages
English (en)
Other versions
CN106471547B (zh
Inventor
A.菲塞尔曼
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.)
Siemens Medical Ag
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN106471547A publication Critical patent/CN106471547A/zh
Application granted granted Critical
Publication of CN106471547B publication Critical patent/CN106471547B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/43Detecting, measuring or recording for evaluating the reproductive systems
    • A61B5/4306Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
    • A61B5/4312Breast evaluation or disorder diagnosis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10116X-ray image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20036Morphological image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30068Mammography; Breast

Landscapes

  • Engineering & 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及用于分析处理在乳房X光照相期间产生的乳房(3)的X光图像(10)的一种方法、一种设备(25)和一种计算机程序(27)。为了在乳腺密度方面简化这样的X光图像(10)的分析处理,提出一种方法,以便自动地确定由乳房X光照相式地紧密的组织(7,8)引起的掩盖风险,并且将其用于乳腺密度的分类、说明和/或显示。

Description

在乳房X光照相期间产生的乳房的X光图像的分析处理
技术领域
本发明涉及用于分析处理在乳房X光照相期间产生的乳房的X光图像的一种方法、一种设备和一种计算机程序。
背景技术
已知由在乳房X光照相期间产生的乳房的X光图像自动地计算乳房的体积密度(VBD)。乳房的体积密度被定义为乳房的纤维腺的组织的体积与总体积的比例关系。以下同义地使用术语“纤维腺的组织”、“ 腺的组织”和“乳房X光照相式地紧密的组织”或者说“紧密的组织”。在该VBD值的基础上,到目前为止,通过使用固定的极限值将乳房归为确定的乳腺密度类别,尤其归为根据美国放射学会(American College of Radiology(ACR))的划分的BI-RAD值“1”至“4”。
一些女性的乳房具有高的VBD值,在这些女性中,存在着提高的乳腺癌发病的风险。这种风险的提高部分地归因于以下实际情况:癌变组织被乳房X光照相式地紧密的组织掩盖,并且因此在乳房X光照相期间不被识别。
已知,掩盖风险不总是与VBD值相关。在图1和2中示出在乳房X光照相期间被压缩在两个板1,2之间的乳房3。从X光源4出发的X光射束5在穿透乳房3的组织之后照射到X光探测器6上。如在图1中和图2中所示,相同体积的纤维腺的组织7,8可以以不同的方式盖住小的质块9。在图1中所示出的例子中,具有确定的体积的纤维腺的组织7定位在唯一的位置上,使得小的质块9被紧密的组织7盖住。基于纤维腺的组织7的体积,由确定的VBD值表征乳房3的所示出的区域。同时,在图2中所示出的例子中,具有相同体积的纤维腺的组织8均匀地分布在乳房3的体积中,使得不太可能的是,小的质块9被紧密的组织8盖住。尽管VBD值相等,直接显而易见的是,在图2中,掩盖小的质块9的风险更小。因此,VBD值的单独的使用不足够用于准确地说明乳房X光照相式地紧密的组织7,8的掩盖效果。
由此原因,在ACR BI-RAD-图集的第5版中,提出具有乳腺密度类别的口头地说明的新类别“a”至“d”,由在乳房中纤维腺的组织的视觉估计的部分定义。在本文中,首次提出考虑掩盖风险。因此,当小的质块由于不均匀的密度分布而可能被盖住时,应分配类别“c”。建议,在这样的情况下,放射科医生以另外的句子说明紧密的组织的位置。
此外,当乳房几乎完全含脂肪时,用类别“a”说明乳房的状态。当存在着纤维腺的紧密性分散的区域时,应存在类别“b”。当乳房极度紧密时,应分配类别“d”,由此减小乳房X光照相的敏感性。
如在图3中所示,到目前为止,在第一步骤101中通过使用在乳房X光照相期间产生的X光图像计算腺度图,其中所述腺度表明纤维腺的组织占总的组织的比重。腺度图通过X光图像的每个图像像素将腺的组织的数量或者定义为以毫米的说明或者定义为百分比的说明,其中值典型地位于1%至50%的范围内。然后,在第二步骤102中,求取平均的腺度、VBD值。接着,在第三步骤103中仅仅基于VBD值进行类别“a”至“d”的确定。这些步骤或者手动地通过放射科医生或者已经自动化地借助于现有的系统执行。然而,只有有经验的放射科医生可以进行掩盖风险的可靠的评估并且在考虑掩盖风险的情况下根据ACR的预先规定制作完整的乳腺密度报告。在此,总是存在判断错误的危险。
发明内容
因此,本发明的任务在于,就乳腺密度而言实现对在乳房X光照相期间产生的乳房的X光图像更准确地分析处理。该任务由根据权利要求1所述的方法或根据权利要求9所述的设备或根据权利要求10所述的计算机程序解决。在从属权利要求中说明本发明的有利的实施方案。以下结合所述方法解释的优点和构型合理地也适用于根据本发明的设备并且反之亦然。
本发明从以下出发:在确定乳腺密度时更强烈地考虑纤维腺的组织的掩盖特性。本发明的核心理念在于,在考虑掩盖风险的情况下并且在很大程度上、优选完全自动地进行X光图像的评估。为此目的,自动地确定由乳房X光照相式地紧密的组织引起的掩盖风险并且将其用于乳腺密度的分类、说明和/或显示。通过由本发明提出的自动地确定掩盖风险的数量,提供可临床使用的、标准化的方法用于乳腺密度的简单和改进的说明。
在本发明的一种优选的实施方式中,自动地产生用于在X光图像中所示出的乳房区域的掩盖风险图。在此基础上,优选自动地产生掩盖风险值(M值),该掩盖风险值确定在X光图像中所示出的乳房区域的掩盖风险的数量。有利地,与到目前为止已经使用的VBD值相结合地使用该M值,以便根据BI-RAD,第5版更准确地确定乳腺密度类别。
在本发明的一种优选的实施方式中,所产生的掩盖风险图与X光图像共同地显示在屏幕上,以显示图像的以下区域,对于所述区域已确定提高的掩盖风险。放射科医生可以使用掩盖风险的信息,以便在分析处理X光图像期间集中在所述区域上。
在本发明的一种优选的实施方式中,基于所述掩盖风险图自动地产生用于在X光图像中所示出的乳房区域的乳房X光照相式地紧密的组织的位置和/或分布的说明,有利地以短的句子的形式产生,如所述句子根据BI-RAD,第5版可以作为乳腺密度报告的部分使用。
特别有利的是,之前所提到的应用中的一些或者全部相互组合。
利用本发明,首次可能的是,在考虑掩盖风险的情况下产生确定数量的、自动地制作的乳腺密度报告,所述乳腺密度报告满足根据ACR BI-RAD,第5版的要求。要进行的到乳腺密度类别的分类的准确性相对于常规的解决方案提高。减小或者排除主观的影响和错误。以一致并且可复制的方式进行评估。总之,通过本发明,就乳腺密度而言实现对在乳房X光照相期间产生的乳房的X光图像简单得非常多地分析处理。
特别有利地,本发明可使用在数字的乳房X光照相仪器中以及在图像支持的、优选自动化的乳腺密度测量的领域中。
附图说明
本发明的上述特性、特征和优点以及如何实现它们的方式结合实施例的以下说明变得更明白和更明确地可理解,结合附图详细地解释所述实施例。在此:
图1和2 示出由于不同地布置的纤维腺的组织引起的小的质块的掩盖效果的图示,
图3 示出乳腺密度报告的制作的常规流程(现有技术),
图4 示出根据本发明的乳腺密度报告的制作的流程,
图5 示出乳房的腺度图,
图6 示出在阈值处理之后的乳房的图像,
图7 示出在形态学式的打开之后的乳房的图像,
图8 示出映射函数f的图示,如该映射函数被用于计算M值,
图9 示出掩盖风险图,
图10 示出VBD值与乳腺密度类别的图示,
图11 示出根据本发明的设备。
所有的附图仅仅示意性地并且以其主要的组成部分示出本发明。在此,相同的附图标记对应于相同或者可比较的功能的元件。
具体实施方式
在用于分析处理在乳房X光照相期间产生的乳房3的X光图像10的、根据本发明的方法中,自动地确定由乳房X光照相式地紧密的组织7,8引起的掩盖风险,并且将其用于乳腺密度的分类、说明和/或显示。要分析处理的X光图像10优选是全视野乳房X光照相机(FFDM)图像或者数字的乳房断层合成(DBT)拍摄的投影图像。
如果以下涉及“X光图像”,则不必总是涉及整体的拍摄。代替于此,也可以仅仅涉及所拍摄的X光图像的当前显示或者处理的图像区域。
根据本发明的方法的基础是用于乳房3的在X光图像中示出的区域的掩盖风险图11的自动产生,见图4,步骤104。在该掩盖风险图11中显示相互连接的、紧密的组织。以下说明用于产生这样的掩盖风险图11的示例性的途径。
作为用于求取掩盖风险图11的输入数据,使用腺度图12(G(x,y))的数据,如其示例性地在图5中描绘。在以下的说明中,由以下出发:以百分比说明腺度。将腺度换算成单位mm通过百分值与被压缩的乳房的已知的厚度(以mm测量)相乘来简单地执行。进一步由以下出发:分割对于乳腺密度的计算不重要的结构、诸如胸肌或者乳头并且将它们从腺度图12中除去。
存在不同的、专业人员已知的计算这样的腺度图12的可能性。计算腺度的方式不是本发明的组成部分。代替于此,本发明研究腺度图12的分析处理,如以下更详细地说明。
在计算掩盖风险图11时,在步骤104的(在图4中未单个示出的)分步骤104a,104b和104c中在不同的阈值平面上多次处理腺度图12。在此,运行的数量取决于所期望的阈值平面的数量。例如第一阈值平面包括在10%和15%之间的乳腺密度值,并且第二阈值平面包括在15%和20%之间的乳腺密度值等等。在此,阈值平面可以重叠。在以下的例子中,第一阈值平面包括超过15%的乳腺密度值,第二阈值平面包括超过20%的乳腺密度值,并且第三阈值平面包括超过25%的乳腺密度值(N=3)。N次地实施(i=1,…,N)、对于每个阈值平面一次地实施分步骤104a,104b和104c。
在第一分步骤104a中,进行到前景区域和背景区域的二进制分割。在此,通过用阈值Ti={15%;20%;25%}对腺度图12的阈值处理产生二进制图像Ii sg(x,y)。在此采用,以升序对T值分类,即阈值平面代表具有上升的密度的区域。在所产生的图像Ii sg(x,y)中,因此标记所有在其中密度大于给定的阈值Ti的图像像素。在这些图像像素的位置上存在着潜在的风险:小的质块9被盖住。图6示例性地示出图像I1 sg(x,y)。
然而,到目前为止,紧密的组织的连通性保持不加考虑。在这里,这是有意义的,因为在使用阈值处理的方案的情况下将分割具有大于或等于阈值Ti的腺度的紧密的组织的小的隔离的区域,尽管如此,所述区域太小,而无法实际地盖住小的质块9。因此,在产生掩盖风险图11时同时考虑紧密的组织的连通性。这以以下方式进行:在接着的分步骤104b中使用形态学式的打开程序。在此,通过用具有半径Ri的盘状的结构元件形态学式地打开图像Ii sg(x,y)来计算图像Ii op(x,y)。通过该分步骤除去紧密的组织的相对小的隔离的区域,在所述区域中,由于其大小而不可能的是,所述区域盖住小的质块9。在此,使用盘状的结构元件,因为假定质块9首先具有圆形的形状。图7示例性地示出图像I1 op(x,y)。
因此,该分步骤的使用也是特别有利的,因为由此也除去可以被包含在腺度图12中的小的隔离的反差明显的对象、诸如微钙化或金属夹。
特别有利的是,在形态学式的打开程序期间使用相同的结构元件用于删减以及也用于重新添加,因为这作为标准程序已经在软件库中实现。在该例子中,半径为Ri={0.4cm;0.4cm;0.4cm}。同样可以的是,使用具有不同的半径的盘状的结构元件用于去除和添加。特别有利的是,用于添加的半径小于用于删减的半径,因为终端面总是稍微小于初始面。由此可以去除以下区域,在所述区域中质块的一部分位于紧密的区域中,然而质块的另一部分位于紧密的区域外部,使得仅仅存在着较不关键的部分掩盖的风险。有利地,在本文中,使用以下结构元件用于添加,所述结构元件的半径对应于被用于删减的结构元件的半径的确定的极小部分。在此,被证明特别有利的是,用于添加的结构元件的半径对应于用于删减的结构元件的半径的70%至80%的值。
在分步骤104c中,计算在图像Ii op(x,y)中的剩余的前景区域的面积Ai,即具有这样的图像像素的区域,在所述图像像素中,密度大于相应的阈值。该面积Ai(单位cm2)对于相应的阈值平面是对以下风险的度量:紧密的组织盖住小的质块9。在图7中所示出的面积例如为A1=13.5cm2。另外的面积例如为A2=6.3cm2和A3=3.1cm2
从所获得的图像Ii op(x,y)(其中i=1,…,N),在多次运行分步骤104a至104c之后在步骤104的最后的(在图4中同样未单个示出的)分步骤104d中制作二维的掩盖风险图11,在该二维的掩盖风险图中,将来自图像组Ii op(x,y)的最大可能的值i分配给每个图像像素(x,y),在该图像组中,还分割该图像像素,即将其分类为前景区域。在图9中描绘这类掩盖风险图11的例子。在深蓝色地示出的乳房(其腺度图12在图5中描绘)上,紧密的乳房组织13淡蓝色地描绘,在评估掩盖风险时,所述紧密的乳房组织13由于其受限的连通性而保持不加考虑。具有超过15%的腺度的紧密的组织14黄色地示出,具有超过20%的腺度的紧密的组织15橙色地示出,和具有超过25%的腺度的紧密的组织16红色地示出。可以使用另外的色彩编码。
接着,对于在X光图像10中所示出的乳房区域自动地产生掩盖风险值(M值)17,见图4,步骤105。该M值17确定用于乳房3的该区域的掩盖风险的数量。在此,小的M值17意味着,质块9的掩盖的可能性小,而高的M值17意味着高的掩盖可能性。在高的M值17的情况下,放射科医生可以建议例如执行继续检查,例如乳房超声波检查或者乳房断层合成。以下说明用于产生这样的M值17的示例性的途径。
在第一分步骤105a中,使用计算出的面积Ai,以便计算(无量纲的)总风险值(ρ)18。例如这通过使用线性的风险模型
进行,其中系数ci具有上升的(或者至少不下降的)值,例如ci={2cm-2;5cm-2;8cm-2}。由于这种加权的和,具有更高的密度的面更强烈地为总风险作贡献。在这里所说明的例子中为ρ=2.52。代替线性的风险模型,也可以使用另外的、例如非线性的模型。
因为当将值映射到0%至100%的数字的标度上时,总风险值ρ的解释是更简单的,所以在接着的分步骤105b中,通过使用映射函数(f)21进行标准化,由此产生掩盖风险值(M)17。在此,适用
映射函数21优选是非线性的函数(其中),如其在图8中示出。在这样的非线性的函数中有利的是,其特性为接近分段式地线性的。在此,函数总是上升,使得上升的ρ值总是导致更大的M值,并且函数渐进式地达到100%。但是,也可以使用其它的映射函数f。在这里所说明的例子中为M=74%。
接着,使用M值17,以便为在X光图像10中所示出的乳房区域分配乳腺密度类别20,见图4,步骤103。优选完全自动地进行分配。在本发明的另一种实施方式中,分配半自动地进行。这意味着,自动地向放射科医生提出建议,放射科医生可以同意所述建议或者修改所述建议。
乳腺密度类别20到X光图像10的分配通过使用并且通过关联VBD值19和M值17来进行,所述VBD值19典型地位于2%和30%之间的范围内,所述M值可以采用在0%和100%之间的值。因为可以由以下出发:低的VBD值19导致低的M值17且高的VBD值19导致高的M值17,所以有意义的是,在评估VBD值19的平均的值范围时使用M值17。在此,两个乳腺密度类别“b”和“c”的区分是特别有意义的,因为两个类别“c”和“d”分别涉及“紧密的”乳房,并且根据现有的准则,附加的检查是值得推荐的。
因此提出,使用M值17,使得该M值仅仅影响乳腺密度类别“b”和“c”的分配。在图10中说明,在VBD值19的哪个区域22中,M值17应影响到各个乳腺密度“a”至“d”的分类。在此,为了区分相邻的类别“b”和“c”,如其到目前为止普遍的,提出用于限制这两个乳腺密度类别20的灵活的阈值来取代例如10%的清晰的VBD阈值。该灵活的阈值可以例如在9.2%至10.8%的VBD值19的范围22上延伸。
以下的表格根据在该阈值范围22中的VBD值19几乎相等的情况下的相应的M值17示例性地说明确定的乳腺密度类别20的分配。
VBD值 M值 乳腺密度类别
9.2% 88% c
9.4% 23% b
10.2% 23% b
10.7% 54% c
能够使用另外的判决规则。另外的因素、诸如女士的年龄也能够影响分类。
与M值17的计算同时地,对于在X光图像10中所示出的乳房3的区域,自动地产生基于掩盖风险图11、即通过使用所述图制作的、乳房X光照相式地紧密的组织的位置和/或空间分布的说明,见图4,步骤107。这尤其涉及以下这些区域14,15,16的空间布置,所述区域的掩盖风险非常高,见在图9中红色地示出的区域16。借助于合适的算法自动地分析掩盖风险图11并且生成文本形式的、例如短的句子形式的相应的说明并且将其添加至乳腺密度报告23。在此,例如在使用图像在象限中的分配的情况下,口头说明的标准化的形式是有利的。
与在步骤103中所确定的乳腺密度类别20和在步骤107中所制作的位置说明一起,在最后的步骤106中根据ACR的预先规定制作正确的乳腺密度报告23。
与之并行地,掩盖风险图11(见图9)与X光图像10一起在屏幕24上向放射科医生显示,见图4,步骤108。放射科医生可以使用这些信息,以便例如能够在步骤103中更好地评估乳腺密度类别20的自动地产生的建议。
在此,除了(经处理的)FFDM图像或者重构的DBT数据组之外,可以显示掩盖风险图11,或者掩盖风险图11可以与所述FFDM图像或者DBT数据组合并。例如FFDM图像或者DBT数据组可以被转换成HSV色彩空间。在该色彩空间中,灰度值信息存储在“V”通道中。两个另外的通道“H”和“S”用于编码掩盖风险图11。通过在这两个通道中的值的改变,能够以简单的方式将掩盖风险图11的显示强度作为在FFDM图像或者说DBT数据组上的叠加控制。以此方式,放射科医生可以使掩盖风险图11特别简单地在X光图像10中渐显和淡出。但是,也可以以另外的方式实现在图像或者说图重叠的情况下两个视图之间的更换。
可以使参数(N,Ti,Ri,ci)的在所说明的实施例中说明的值依赖于另外的参数,例如被压缩的乳房厚度或者照射参数。
如果X光图像是DBT拍摄,则典型地存在着n=25拍摄的图像,其中优选单个地分析处理每个投影图像。同样优选使用从所有n次投影所获得的信息,以便计算共同的掩盖风险图11、共同的VBD值21和共同的M值17。在此,例如可以使用排除异常值的(加权的)平均。
根据本发明的设备25被构造用于执行所说明的方法并且具有所有的为此所必需的器件。优选地,设备包括数据处理单元26,其被构造用于执行相应于在这里所说明的方法的所有步骤,所述步骤与数据的处理相关联。处理单元26优选地具有一些功能模块,其中每个功能模块被构造用于执行确定的功能或者执行根据所说明的方法的一些确定的功能。例如设备25具有用于显示X光图像10和/或掩盖风险图11的屏幕24。同样设置有合适的输入和输出装置,如用于输入X光图像10或者用于输出乳腺密度报告23的接口。
功能模块可以是硬件模块或者软件模块。换言之,本发明(只要涉及处理单元26)可以或者以计算机硬件的形式或者以计算机软件的形式或者以硬件和软件的组合实现。只要本发明以软件形式实现、即实现为计算机程序27,则当在具有处理器的计算机26上实施计算机程序27时,所有说明的功能由计算机程序指令实现。在此,计算机程序指令以已知的方式以任意的编程语言实现并且可以以任意的形式提供给计算机,例如以通过计算机网络传递的数据包的形式,或者以存储在软盘、CD-ROM或者另外的数据载体上的计算机程序产品的形式提供给计算机。
虽然细节上通过优选的实施例详细地说明和描述本发明,本发明不限于公开的例子并且专业人员可以由此导出另外的变型,而不离开本发明的保护范围。
附图标记列表
1 板
2 板
3 乳房
4 X光源
5 X光射束
6 X光探测器
7 紧密的组织
8 紧密的组织
9 小的质块
10 X光图像
11 掩盖风险图
12 腺度图
13 紧密的组织(不加考虑)
14 紧密的组织(<15%)
15 紧密的组织(<20%)
16 紧密的组织(<25%)
17 M值
18 风险值
19 VBD值
20 乳腺密度类别
21 映射函数
22 VBD值范围
23 乳腺密度报告
24 屏幕
25 设备
26 数据处理单元
27 计算机程序

Claims (10)

1.用于分析处理在乳房X光照相期间产生的乳房(3)的X光图像(10)的方法,其特征在于,自动地确定由乳房X光照相式地紧密的组织(7,8)引起的掩盖风险并且将所述掩盖风险用于乳腺密度的分类、说明和/或显示。
2.根据权利要求1所述的方法,其特征在于,自动地产生掩盖风险图(11)。
3.根据权利要求2所述的方法,其特征在于,在产生所述掩盖风险图(11)时,通过使用形态学的打开程序来考虑紧密的组织(7,8)的连通性。
4.根据权利要求3所述的方法,其特征在于,在所述形态学的打开程序的框架下所使用的结构元件为盘状的并且用于删减和添加的结构元件的半径彼此不同。
5.根据权利要求2至4中任一项所述的方法,其特征在于,所述掩盖风险图(11)与所述X光图像(10)共同地显示在屏幕(24)上。
6.根据权利要求2至5中任一项所述的方法,其特征在于,自动地产生基于所述掩盖风险图(11)的掩盖风险值(17)。
7.根据权利要求6所述的方法,其特征在于,使用所述掩盖风险值(17),以便为在所述X光图像(10)中所示出的乳房(3)的区域分配乳腺密度类别(20)。
8.根据权利要求2至7中任一项所述的方法,其特征在于,自动地产生乳房X光照相式地紧密的组织(7,8)的位置和/或分布的基于所述掩盖风险图(11)的说明。
9.用于分析处理在乳房X光照相期间产生的乳房(3)的X光图像(10)的设备(25),其特征在于用于执行根据权利要求1至8中任一项所述的方法的器件(26,24)。
10.用于分析处理在乳房X光照相期间产生的乳房(3)的X光图像(10)的计算机程序(27),其特征在于:当在计算机(26)上实施所述计算机程序(27)时用于执行根据权利要求1至8中任一项所述的方法的计算机程序指令。
CN201580023258.6A 2014-05-06 2015-03-03 在乳房x光照相期间产生的乳房的x光图像的分析处理 Active CN106471547B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102014208411.3 2014-05-06
DE102014208411.3A DE102014208411A1 (de) 2014-05-06 2014-05-06 Auswertung eines während einer Mammographie erzeugten Röntgenbildes einer Brust
PCT/EP2015/054429 WO2015169470A1 (de) 2014-05-06 2015-03-03 Auswertung eines während einer mammographie erzeugten röntgenbildes einer brust

Publications (2)

Publication Number Publication Date
CN106471547A true CN106471547A (zh) 2017-03-01
CN106471547B CN106471547B (zh) 2021-03-09

Family

ID=52627205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580023258.6A Active CN106471547B (zh) 2014-05-06 2015-03-03 在乳房x光照相期间产生的乳房的x光图像的分析处理

Country Status (5)

Country Link
US (2) US10169867B2 (zh)
EP (1) EP3073924B1 (zh)
CN (1) CN106471547B (zh)
DE (1) DE102014208411A1 (zh)
WO (1) WO2015169470A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020107167A1 (zh) * 2018-11-26 2020-06-04 深圳先进技术研究院 乳腺密度自动分级方法及装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014208411A1 (de) * 2014-05-06 2015-11-12 Siemens Aktiengesellschaft Auswertung eines während einer Mammographie erzeugten Röntgenbildes einer Brust
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
CN108550150B (zh) * 2018-04-17 2020-11-13 上海联影医疗科技有限公司 乳腺密度的获取方法、设备及可读存储介质
DK3806746T3 (da) * 2018-06-14 2022-05-23 Kheiron Medical Tech Ltd Anden læser forslag
WO2020066199A1 (ja) 2018-09-28 2020-04-02 富士フイルム株式会社 読影支援装置とその作動プログラムおよび作動方法
CN110136809B (zh) 2019-05-22 2022-12-27 腾讯科技(深圳)有限公司 一种医疗图像处理方法、装置、电子医疗设备和存储介质
EP4338674A1 (de) 2022-09-14 2024-03-20 Siemens Healthineers AG Verfahren und system zur bestimmung des bpe in einer kontrastmittelverstärkten röntgenuntersuchung einer brust

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5657362A (en) * 1995-02-24 1997-08-12 Arch Development Corporation Automated method and system for computerized detection of masses and parenchymal distortions in medical images
US6282305B1 (en) * 1998-06-05 2001-08-28 Arch Development Corporation Method and system for the computerized assessment of breast cancer risk
US20050273009A1 (en) * 2004-06-02 2005-12-08 Harald Deischinger Method and apparatus for co-display of inverse mode ultrasound images and histogram information
CN1735907A (zh) * 2002-11-12 2006-02-15 秦内蒂克有限公司 图像分析
CN1846616A (zh) * 2006-03-13 2006-10-18 华中科技大学 一种计算机辅助预测乳腺癌风险的方法
DE102006021042A1 (de) * 2006-04-28 2007-10-31 Image Diagnost International Gmbh Vorrichtung und Verfahren zur computergestützten Analyse sich hinsichtlich ihrer Bildcharakteristik unterscheidender Mammogramme
CN101664318A (zh) * 2008-09-03 2010-03-10 爱克发医疗保健公司 用于由数字乳腺摄影图像表示获得致密组织量的方法
CN101667297A (zh) * 2009-09-07 2010-03-10 宁波大学 一种乳腺钼靶x线图像中的乳腺区域提取方法
CN101849836A (zh) * 2009-03-31 2010-10-06 富士胶片株式会社 乳腺含有率推算设备、方法和记录介质
US20100316734A1 (en) * 2007-06-22 2010-12-16 Christopher Cozzie Methods of thermograph-guided medical treatment
US20110026791A1 (en) * 2009-07-29 2011-02-03 Icad, Inc. Systems, computer-readable media, and methods for classifying and displaying breast density
CN102438529A (zh) * 2008-12-22 2012-05-02 美的派特恩公司 自动检测医学图像中的病变的方法和系统
CN102549618A (zh) * 2009-08-03 2012-07-04 马塔基纳科技有限公司 用于从图像分析组织的方法和系统
CN102956035A (zh) * 2011-08-25 2013-03-06 深圳市蓝韵实业有限公司 用于乳腺x线图像中提取乳腺区域的预处理方法及系统
CN103220974A (zh) * 2010-07-21 2013-07-24 阿敏·E·莫尔勒 图像报告方法
CN103347447A (zh) * 2010-12-13 2013-10-09 皇家飞利浦电子股份有限公司 乳房密度评估
CN103582455A (zh) * 2011-02-14 2014-02-12 罗切斯特大学 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

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7274810B2 (en) * 2000-04-11 2007-09-25 Cornell Research Foundation, Inc. System and method for three-dimensional image rendering and analysis
US7664604B1 (en) * 2001-11-30 2010-02-16 University Of South Florida Breast cancer risk analysis and computer-aided diagnosis
US7848558B2 (en) * 2003-02-14 2010-12-07 The University Of Chicago Method and system for fractal-based analysis of medical image texture
US8285019B2 (en) * 2006-02-10 2012-10-09 Synarc Inc. Breast tissue density measure
DE102006051778A1 (de) 2006-11-02 2008-05-15 Siemens Ag Verfahren und Einrichtung zur Anzeige eines im Rahmen einer Mammographie aufgenommenen Röntgenbildes
US8125484B2 (en) * 2006-11-10 2012-02-28 General Electric Company Method, apparatus and user interface for determining an arterial input function used for calculating hemodynamic parameters
US8738124B2 (en) * 2007-12-11 2014-05-27 Epi-Sci, Llc Electrical bioimpedance analysis as a biomarker of breast density and/or breast cancer risk
US8422769B2 (en) * 2010-03-05 2013-04-16 Microsoft Corporation Image segmentation using reduced foreground training data
KR101516992B1 (ko) * 2012-05-03 2015-05-04 삼성메디슨 주식회사 초음파 이미지 표시 장치 및 방법
DE102014208411A1 (de) * 2014-05-06 2015-11-12 Siemens Aktiengesellschaft Auswertung eines während einer Mammographie erzeugten Röntgenbildes einer Brust

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5657362A (en) * 1995-02-24 1997-08-12 Arch Development Corporation Automated method and system for computerized detection of masses and parenchymal distortions in medical images
US6282305B1 (en) * 1998-06-05 2001-08-28 Arch Development Corporation Method and system for the computerized assessment of breast cancer risk
CN1735907A (zh) * 2002-11-12 2006-02-15 秦内蒂克有限公司 图像分析
US20050273009A1 (en) * 2004-06-02 2005-12-08 Harald Deischinger Method and apparatus for co-display of inverse mode ultrasound images and histogram information
CN1846616A (zh) * 2006-03-13 2006-10-18 华中科技大学 一种计算机辅助预测乳腺癌风险的方法
DE102006021042A1 (de) * 2006-04-28 2007-10-31 Image Diagnost International Gmbh Vorrichtung und Verfahren zur computergestützten Analyse sich hinsichtlich ihrer Bildcharakteristik unterscheidender Mammogramme
US20100316734A1 (en) * 2007-06-22 2010-12-16 Christopher Cozzie Methods of thermograph-guided medical treatment
CN101664318A (zh) * 2008-09-03 2010-03-10 爱克发医疗保健公司 用于由数字乳腺摄影图像表示获得致密组织量的方法
CN102438529A (zh) * 2008-12-22 2012-05-02 美的派特恩公司 自动检测医学图像中的病变的方法和系统
CN101849836A (zh) * 2009-03-31 2010-10-06 富士胶片株式会社 乳腺含有率推算设备、方法和记录介质
US20110026791A1 (en) * 2009-07-29 2011-02-03 Icad, Inc. Systems, computer-readable media, and methods for classifying and displaying breast density
CN102549618A (zh) * 2009-08-03 2012-07-04 马塔基纳科技有限公司 用于从图像分析组织的方法和系统
CN101667297A (zh) * 2009-09-07 2010-03-10 宁波大学 一种乳腺钼靶x线图像中的乳腺区域提取方法
CN103220974A (zh) * 2010-07-21 2013-07-24 阿敏·E·莫尔勒 图像报告方法
CN103347447A (zh) * 2010-12-13 2013-10-09 皇家飞利浦电子股份有限公司 乳房密度评估
CN103582455A (zh) * 2011-02-14 2014-02-12 罗切斯特大学 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
CN102956035A (zh) * 2011-08-25 2013-03-06 深圳市蓝韵实业有限公司 用于乳腺x线图像中提取乳腺区域的预处理方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WOLFE JN: "《breast patterns an an index of risk for developing breast cancer》", 《AJR AM J ROENTGENOL》 *
夏顺仁等: "《乳腺X线图像的计算机辅助诊断技术研究进展》", 《国外医学生物医学工程分册》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020107167A1 (zh) * 2018-11-26 2020-06-04 深圳先进技术研究院 乳腺密度自动分级方法及装置

Also Published As

Publication number Publication date
US10438353B2 (en) 2019-10-08
EP3073924B1 (de) 2021-10-06
CN106471547B (zh) 2021-03-09
EP3073924A1 (de) 2016-10-05
WO2015169470A1 (de) 2015-11-12
US20170053403A1 (en) 2017-02-23
US10169867B2 (en) 2019-01-01
DE102014208411A1 (de) 2015-11-12
US20190102882A1 (en) 2019-04-04

Similar Documents

Publication Publication Date Title
CN106471547A (zh) 在乳房x光照相期间产生的乳房的x光图像的分析处理
CN109859168B (zh) 一种x射线胸片图像质量确定方法及装置
RU2687760C2 (ru) Способ и система компьютерной стратификации пациентов на основе сложности случаев заболеваний
CN113841171A (zh) 用于使临床工作流程决策自动化并生成优先读取指示符的系统和方法
CN102169530A (zh) 乳房造影图像的图像处理方法
JP2020091862A (ja) 医用撮像における特徴識別
CN101901469A (zh) 用于改进的诊断图像一致性的渲染
Chen et al. Enhancement of chest radiographs obtained in the intensive care unit through bone suppression and consistent processing
CN114746953A (zh) 用于预测审查2d/3d乳房图像的阅读时间和阅读复杂度的ai系统
KR20230157276A (ko) 분류 및 분할을 이용한 근골격계 의료 영상 분석 방법, 장치 및 컴퓨터 프로그램
JP6980785B2 (ja) マンモグラフィ品質分析を提供する装置
Lu et al. Three applications of conformal prediction for rating breast density in mammography
US11869654B2 (en) Processing medical images
US8116545B2 (en) Method and system for analysis of bone density
Gouel et al. Evaluation of the capability and reproducibility of RECIST 1.1. measurements by technologists in breast cancer follow-up: a pilot study
CN113592834A (zh) 一种x射线胸片图像质量确定方法及装置
Bajcsy et al. Modeling, validation and verification of three-dimensional cell-scaffold contacts from terabyte-sized images
Busch et al. Open access data and deep learning for cardiac device identification on standard DICOM and smartphone-based chest radiographs
JP2021533491A (ja) 画像プロセッサの制御
US20230245430A1 (en) Systems and methods for processing electronic images for auto-labeling for computational pathology
Caie et al. Digital pathology: path into the future
Chau Ethical, legal, and regulatory landscape of artificial intelligence in Australian healthcare and ethical integration in radiography: A narrative review
Ali et al. Enhancing Dental Diagnostics: Advanced Image Segmentation Models for Teeth Identification and Enumeration
Sun et al. A novel breast cancer risk assessment scheme design using dual view Mammograms
Chenchulakshmi et al. Artificial Intelligence In Diagnosing And Treatment Of Oral Mucosal Lesions-A Systematic Review

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240902

Address after: German Phu F Haim

Patentee after: Siemens Medical AG

Country or region after: Germany

Address before: Erlangen, Germany

Patentee before: SIEMENS HEALTHCARE GmbH

Country or region before: Germany