CN108392215B - 一种同侧异位乳腺钼靶图像的点位置关联方法 - Google Patents
一种同侧异位乳腺钼靶图像的点位置关联方法 Download PDFInfo
- Publication number
- CN108392215B CN108392215B CN201810133440.2A CN201810133440A CN108392215B CN 108392215 B CN108392215 B CN 108392215B CN 201810133440 A CN201810133440 A CN 201810133440A CN 108392215 B CN108392215 B CN 108392215B
- Authority
- CN
- China
- Prior art keywords
- point
- image
- curve
- breast
- mlo
- 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
Links
- 210000005075 mammary gland Anatomy 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 56
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 title claims abstract description 34
- 229910052750 molybdenum Inorganic materials 0.000 title claims abstract description 34
- 239000011733 molybdenum Substances 0.000 title claims abstract description 34
- 238000007906 compression Methods 0.000 claims abstract description 65
- 230000006835 compression Effects 0.000 claims abstract description 58
- 230000003447 ipsilateral effect Effects 0.000 claims abstract description 20
- 238000013178 mathematical model Methods 0.000 claims abstract description 10
- 210000000481 breast Anatomy 0.000 claims description 129
- 210000000779 thoracic wall Anatomy 0.000 claims description 43
- 210000002445 nipple Anatomy 0.000 claims description 37
- 230000003902 lesion Effects 0.000 claims description 35
- 238000003384 imaging method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 206010006187 Breast cancer Diseases 0.000 description 14
- 208000026310 Breast neoplasm Diseases 0.000 description 14
- 208000004434 Calcinosis Diseases 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 14
- 230000002308 calcification Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 6
- 238000012216 screening Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- ODOJGYBXTZYZCP-UHFFFAOYSA-N molybdenum palladium Chemical compound [Mo].[Pd].[Pd].[Pd] ODOJGYBXTZYZCP-UHFFFAOYSA-N 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种同侧异位乳腺钼靶图像的点位置关联方法，将CC位压缩图像上的病灶点带入数学模型中，得到病灶点经旋转后在与CC位压缩图像同侧异位的MLO位压缩图像上的位置，将带有病灶点的CC位压缩图像和MLO位压缩图像作为输入图像，恢复自由状态下的三维乳腺图像，再将CC位压缩图像的病灶点恢复到自由状态时形成的病灶曲线，对三维乳腺图像和病灶曲线进行MLO角度旋转，再对旋转后的三维乳腺图像和病灶曲线进行MLO位压缩操作，利用投射投影原理，将病灶曲线投影于MLO位压缩图像上，并得出病灶点在MLO位压缩图像上的位置。将两幅图像的同一病灶点对应起来，建立同侧异位乳腺钼靶图像的点位置关联关系，进而帮助医生全面分析病灶点。
Description
技术领域
本发明涉及乳腺钼靶图像技术领域，特别是涉及一种同侧异位乳腺钼靶图像的点位置关联方法。
背景技术
随着经济发展和生活水平的提高，人们越来越关注自身的健康保持及对疾病的早期检测。乳腺癌作为危害中老年妇女健康的第一大杀手，对其生活的影响不容忽视。据统计，全球每年新发乳腺癌约170万，其中发达国家乳腺癌发病率比发展中国家更高。预计至2021年乳腺癌患者数量将达到250 万左右，发病率将从不到60例/10万女性(55岁～69岁)增加到超过100例/10万女性(沈坤炜,李宏为.乳腺癌诊治进展——多学科与个体化.中国实用外科杂志2011:891-893.)。乳腺癌发病机理相对复杂，目前针对乳腺癌治疗的各国实施手段并无明显差异，均采用外科手术为主，同时配合放射治疗、化学治疗等。然而，东西方乳腺癌患者存活率却存在较大差异。究其原因，在于发现病情阶段的不同。因此，普及乳腺癌筛查和诊断以实现乳腺癌的早期发现，对提高乳腺癌的存活率和改善患者的生活质量起关键作用。
乳腺癌的影像学筛查诊断一般包括，超声诊断，数字钼靶摄影(X射线)诊断，磁共振成像(MRI) 诊断。X线乳腺筛查，作为一种无创性的检查手段，痛苦相对较小，简便易行，且分辨率高，重复性好，留取的图像可供前后对比，不受年龄、体形的限制，目前诊断乳腺疾病的首选和最简便、最可靠的无创性检测手段。
临床上，乳腺钼靶摄影在操作时要对乳腺进行特定方位的压缩，原因主要有两点：(1)对乳腺压缩可减少X射线组织的重叠成像，减少医生的误判率；(2)对易变形的物体进行压缩可以缩短X 射线穿过的厚度，从而减少X射线的辐射剂量。大多数对压缩的乳腺必须成像的方位是内外斜(MLO) 位，此方位能使更多的乳腺组织成像，从而能全面的反映乳腺的病变。同时，医生认为头尾(CC)位也是一个不可忽略的方位，它能与MLO位图像配合共同反映病灶点的空间信息，极大地提高医生诊断的灵敏性和准确性。
研究表明，作为乳腺癌早期病变特征，微小钙化点和肿块的形状，大小及数目对乳腺癌的诊断有重要的指导作用。一般来说，目前的钙化点和肿块识别均是利用图像的灰度特征进行识别，因为钙化点在X片图像上表现为高亮点，肿块表现为边缘弱化中心低密度。如Dengler等人提出的结合两个阶段的钙化点高亮度检测和形状提取算法(Denglerr J,Behrens S,Desaga JF.Segmentation of microcalcifications in mammograms.IEEETransactions on Medical Imaging 1993；12:634.)，第一个阶段利用高斯滤波器的加权差分确定钙化点的几何位置关系和钙化点的数目，第二阶段利用形态滤波器确定钙化点的形状，从而可对钙化点进行独立分割。Wu等人(Wu Y,Doi K,Giger ML, NishikawaRM.Computerized detection of clustered microcalcifications in digitalmammograms: applications of artificial neural networks.Medical Physics 1992；19:555-560.)利用神经网络在频率域对钙化点簇进行识别，结果显示这种识别方法是明显优于传统的基于纹理识别的方法，能够在频率域将真实钙化点簇和假阳性钙化点区分开来。此外，Chang等人还提出了一种探测肿块的方法(Chang YH,Gur D,ZhengB.Identification of suspicious mass regions in mammograms:US, US5615243[P].1997.)，利用五种不同检测方法从图像中识别可以区域，并尽可能地减少相互之间的重叠，最终在图像中最多出现五个假阳性区域，从一定程度上提高了肿块检测的准确性。但是，以上及其他经典算法的思维都是把疑似钙化点和肿块作为一种特征对象对待，以类似策略形成的方法至少有以下几种缺陷：1)只对单一的CC位或者MLO位压缩图像进行检测，不能将CC位图像和MLO位图像中的同一病灶点进行匹配的，由于乳腺可变形的形态特征，其在不同方位的压缩程度不一样，这就导致放射科医生很难将CC位和MLO位图像联系起来；2)由于乳腺钼靶图像本身是二维图像，图像内容高度重叠，常常存在钙化点或肿块和周围组织图像高度融合的情况，钙化点或肿块图像特征不明显或者不存在，造成以上算法结果很差。如果我们能对乳腺钼靶图像的任意乳腺位置点找到其同侧异位钼靶图像的对应位置，实现钙化点或肿块以及其他组织在两个同侧异位图像上的关联位置匹配，那么可以脱离钙化点或者肿块不确定性特征的影响，对于放射科医生做出精确诊断具有巨大的帮助。
因此，针对现有技术不足，提供一种同侧异位乳腺钼靶图像的点位置关联方法以解决现有技术不足甚为必要。
发明内容
本发明的目的在于避免现有技术的不足之处而提供一种同侧异位乳腺钼靶图像的点位置关联方法，该同侧异位乳腺钼靶图像的点位置关联方法通过对同侧异位图像进行辅助诊断，将两幅图像的同一病灶点对应起来，尤其是微小钙化点之间的对应关系，建立同侧异位乳腺钼靶图像的点位置关联关系，进而帮助医生全面分析病灶点，将CC位图像和MLO位图像用立体视觉几何联系起来。
本发明的上述目的通过如下技术手段实现。
提供一种同侧异位乳腺钼靶图像的点位置关联方法，将CC位压缩图像上的病灶点带入数学模型中，得到病灶点经旋转后在与CC位压缩图像同侧异位的MLO位压缩图像上的位置。
具体而言的，建立数学模型的步骤如下：
S1、将带有病灶点的CC位压缩图像和MLO位压缩图像作为输入图像，恢复自由状态下的三维乳腺图像；
S2、再将CC位压缩图像的病灶点恢复到自由状态时形成的病灶曲线；
S3、对三维乳腺图像和病灶曲线进行MLO角度旋转；
S4、再对旋转后的三维乳腺图像和病灶曲线进行MLO位压缩操作；
S5、利用投射投影原理，将病灶曲线投影于MLO位压缩图像上，并得出病灶点在MLO位压缩图像上的位置。
优选的，步骤S1中恢复三维乳腺图像的具体步骤如下：
S11、分别对CC位压缩图像和MLO位压缩图像进行缩放提取轮廓，同时，对缩放后的MLO位压缩图像以乳头为旋转中心进行旋转；
以乳头中心点到胸壁的最短距离所在的直线为X轴方向，且最短距离与胸壁的交点为坐标系原点，分别在CC位乳腺轮廓和MLO位乳腺轮廓上建立直角坐标系；
CC位乳腺轮廓中的乳头坐标为(jnCC,inCC)，MLO位乳腺轮廓的乳头坐标为(jnMLO,inMLO)；
S12、在旋转后的MLO位乳腺轮廓上选取上、下拐点，并经过上、下拐点向胸壁方向做切线；
S13、将CC位乳腺轮廓和MLO位乳腺轮廓调整至同一坐标系内；
以乳头中心点到胸壁的最短距离所在的直线为X轴方向，且最短距离与胸壁的交点为坐标系原点，根据左手定则建立三维直角坐标系；
S14、在CC位乳腺轮廓和MLO位乳腺轮廓的X轴上选取一点向X轴方向做垂线，分别交CC位乳腺轮廓于两点；
定义CC位乳腺轮廓上的交点到Y＝0的距离分别为上、下短径，MLO位乳腺轮廓上的交点到Z＝0的距离分别为上、下长径；
再根据上、下短径和上、下长径重建三维乳腺轮廓的内部图像具体如下：
根据式(1)，重建乳腺右上部分的内部图像：
根据式(2)，重建乳腺左上部分的内部图像：
根据式(3)，重建乳腺右下部分的内部图像：
根据式(4)，重建乳腺左下部分的内部图像：
其中，a和b分别为Z＞0时的短径和长径，c和d分别对应Z＜0时的短径和长径。
具体而言的，步骤S2的具体操作如下：
S21、确定CC位压缩图像上病灶点，坐标为(jsCC,isCC)；
S22、计算病灶点所在横断面y＝inCC-isCC与压缩板的交点Pu CC，与成像暗盒的交点Pl CC，与X轴正方向的交点Pc；
Pu CC的坐标为：
xu CC＝a*jsCC*(L-HCC)/L
yu CC＝a*(inCC-isCC)*(L-HCC)/L
zu CC＝HCC/2......式(5)；
Pc的坐标为：
xc CC＝a*jsCC*(L-HCC/2)/L
yc CC＝a*(inCC-isCC)*(L-HCC/2)/L
zc CC＝0......式(6)；
Pl CC的坐标为：
xl CC＝a*jsCC
yl CC＝a*(inCC-isCC)
zl CC＝-HCC/2......式(7)；
其中，a为图像的像素大小，L是X射线源到成像暗盒的距离，HCC是CC位压缩图像中乳房的厚度。
S23、利用近似简化条件，恢复Pu CC和Pl CC在三维乳腺图像表面上Pu和Pl的坐标；
S24、再根据步骤S23中Pc、Pu和Pl的坐标，恢复病灶曲线Pc Pu和病灶曲线Pc Pl在三维乳腺图像内部的点坐标。
进一步的，步骤S23中计算Pu点坐标的方法如下：
定义：P1是y＝inCC-isCC的横断面与胸壁的交点，P2是压缩板与胸壁的交点，P3是压缩后的乳房沿压缩板下降的拐点，P4是横断面离胸壁最远的点，Pu是Pu CC对应的三维乳腺图像中乳房上表面上的一点，Pl是Pl CC对应的三维乳腺图像中乳房上表面上的一点，P1P2的长度为L1，P2P3的长度为L2，P3P4的长度为L3，P1Pu曲线的长度为lu，P1P4曲线的长度为Lu，Lu'＝L1+L2+L3， l是P1到Pu CC的折线长度，满足P1Pu占P1P4的比例和压缩后P1Pu CC占P1P2P3P4的比例相同，如下：
变换得：
lu＝l*Lu/Lu'......式(9)；
根据P1Pu曲线长度确定Pu点的坐标位置，同理，Pl点坐标的算法与Pu点坐标的算法相同。
进一步的，步骤S24中恢复病灶曲线在三维乳腺图像内部的点坐标的方法如下：
将线段PcPu CC在Z轴方向等分为100个点，经过Pu向下做垂线，交X轴于P0；
然后，在曲线P0Pu CC上找到有同样Z值的点，根据曲线的伸展和压缩比例相同的原理，在线段 P0Pu上对应的点的坐标；
定义曲线PcPu上点的X坐标值与Pc点的X坐标值差值与曲线P0Pu CC上点的X坐标值与P0点的 X坐标值差值的绝对值相等；
根据曲线PcPu上点的X、Z坐标求得对应点在三维乳腺图像中的位置；
同理，线段PcPl CC上也设有100个点，得到曲线PcPl在三维乳腺图像中对应点的坐标。
优选的，步骤S24中恢复病灶曲线在三维乳腺图像内部的点坐标的方法还可以根据X轴方向上的点坐标确定曲线PcPu上的点坐标，即恢复病灶曲线，具体如下：
经过Pu向下做垂线交X轴于P0，将线段P0Pc等分成100份，端点分别为P1、......、P99，过点P1沿Z轴正向作直线交乳腺轮廓于Pu1，根据式(8)进行如下变换：
l＝lu·Lu'/Lu......式(10)；
其中，xu1 CC、zu1 CC分别是点Pu1 CC的x轴和z轴的坐标，当0≤l＜L1时，x为0，z等于胸壁与乳腺轮廓交点到乳头所在平面的L1+L2垂线长度减去l；
当L1＜l＜L1+L2时，x为l减去L1，z为
当l＞L1+L2时，x为乳头到胸壁的距离，z为Lu'减去l；
曲线P1Pu1 CC与线段PcPu CC交于一点，该点占曲线P1Pu1 CC的比例和该点在三维乳腺图像中占曲线P1Pu1的比例相同，曲线PcPu和线段P1Pu1的交点是该点在三维乳腺图像中的位置，即得出三维乳腺图像中曲线PcPu上的点坐标；
同理，曲线PcPl上的点坐标与曲线PcPu上的点坐标的算法相同。
进一步的，进行MLO角度旋转过程中各点坐标满足式(12)：
(xk,yk,zk)是自由状态下的病灶曲线上的一点Pk的坐标，(x'k,y'k,z'k)是旋转之后病灶曲线上的点Pk'的坐标，θ是MLO位乳腺与水平方向的夹角；
同理，旋转三维乳腺图像上的点的操作与旋转病灶曲线的操作相同。
具体而言的，步骤S4的具体操作如下：
S41、以乳头中心点到胸壁的最短距离所在的直线为X'轴方向，且最短距离与胸壁的交点为坐标系原点，根据左手定则建立三维直角坐标系X'-Y′-Z'；
选取旋转后三维乳腺图像的内部点Pk'，k＝1、......、200，且Pk'与步骤S24中200个等分点一一对应，Pk'是通过对应的等分点经旋转后得到；
S42、令k＝1，以P1′作为输入进行步骤S43；
S43、经过Pk'向上沿Z'轴作直线，交乳腺轮廓为Puk'，交X'轴为Pck'，Puk”为二次曲线Pck'Puk”上的一点，根据曲线的伸展和压缩比例不变的特性，输出点Pk'对应在MLO位压缩图像上的点Pk”(xk”,yk”,zk”)的坐标；
S44、若k＜200，进行步骤S45；
若k≥200，停止操作,并输出步骤S43中Pk”(xk”,yk”,zk”)的坐标；
S45、令k＝k+1，返回步骤S43。
优选的，步骤S5中，设三维乳腺图像的乳头坐标为(xn,yn,zn)，CC位压缩图像中的乳头投影到MLO位压缩图像上的坐标为(jnMLO',inMLO')，经过旋转的三维病灶曲线投影到MLO位压缩图像上满足：
xn＝a*jnCC*((L-HCC/2)/L)，yn＝zn＝0......式(13)；
同时，对投影到MLO位压缩图像上的曲线进行校正，满足下式：
ikMLO＝ikMLO'+(inMLO-inMLO')
jkMLO＝jkMLO'+(jnMLO-jnMLO')......式(15)。
本发明通过对同侧异位图像进行辅助诊断，将两幅图像的同一病灶点对应起来，尤其是微小钙化点之间的对应关系，建立同侧异位乳腺钼靶图像的点位置关联关系，进而帮助医生全面分析病灶点，将CC位图像和MLO位图像用立体视觉几何联系起来。
附图说明
利用附图对本发明作进一步的说明，但附图中的内容不构成对本发明的任何限制。
图1为本发明近似四示意图。
图2为本发明乳腺钼靶CC位和MLO位成像示意图。
图3为本发明建立同侧异位乳腺钼靶图像的点位置关联关系方法流程图。
图4为本发明CC位和MLO位乳腺轮廓提取示意图。
图5为本发明确定MLO位轮廓的旋转角度的结构示意图。
图6为本发明重建后的三维乳腺图像。
图7为病灶点在CC位压缩过程中的经过的路径示意图。
图8为乳腺表面上的点由CC位压缩状态到三维自由状态下的未压缩的点之间的对照示意图。
图9为第一种恢复病灶曲线内部点坐标的示意图。
图10为第二种恢复病灶曲线内部点坐标的示意图。
图11为经过MLO位角度旋转之后的三维自由状态下的乳腺图像。
图12为旋转之后的曲线进行MLO位的压缩的示意图。
图13为同侧异位乳腺钼靶图像的点位置关联关系最终效果图。
具体实施方式
结合以下实施例对本发明作进一步描述。
本发明在建立数学模型之前，对压缩过程中所需要应用到的现有技术进行总结，归结为以下四个近似点：
近似一：压缩过程中，乳房的横断面仅在横断平面上变形，在乳腺压缩过程中，该平面变形仅在该平面发生，即在压缩过程中，该平面不会凹陷进去，也不会向外凸起。
近似二：在板和暗盒之间正中的平面，乳腺没有变形，认为在压缩过程中，板和暗盒正中的平面上乳房没有变化。
换句话说，也就是乳腺在压缩前后的过程中，乳头的位置是固定的，乳房压缩的形状从侧边可近似认为是一个矩形，长是乳头到胸壁的距离，高是乳房被压缩的厚度。
近似三：乳房在压缩过程中曲线伸展压缩具有等比例性。
乳房压缩前某个点占某条线的比例在压缩后该比例是不变的，同样，乳房压缩后某个点占某条线的比例在压缩前该比例也是不变的，即为曲线伸展压缩的等比例性。
利用此特性，如果已知原始乳房的形状和压缩的厚度，我们就可以从未压缩的乳房皮肤表面上一点的位置得出压缩后该点的对应位置，同理，反之亦然。
近似四：如图1所示，曲线m'o和曲线n'o可以用二次方程表示，以乳头所在的平面垂直胸壁向外作为X轴正向，沿胸壁向上垂直于X轴所在的平面作为Z轴正向，Y轴方向可根据左手定则确定。黑色曲线是某一Y值的横断面，若o是压缩板和成像暗盒正中间的平面的一点，从o点向上做一条垂线，交于乳腺横断面轮廓于一点m。
即m是三维乳腺图像表面上的一点，通过压缩之后，若压缩点m'落在压缩板上，那么m'o之间的曲线可以近似认为是一条二次曲线，其表达式如下：
x＝C*z2+xo。
其中，xo是o点的x坐标，C为二次曲线的系数。
同理，n'o也可认为是二次曲线，表达式同上。
以上四点近似对于通过建立数学模型提供了重要的线索。
实施例1。
如图2-3所示，一种同侧异位乳腺钼靶图像的点位置关联方法，将CC位压缩图像上的病灶点带入数学模型中，得到病灶点经旋转后在与CC位压缩图像同侧异位的MLO位压缩图像上的位置。
本发明通过对可变形的乳腺进行3D还原建模，从两幅图像中恢复乳腺未压缩的模型，再对未压缩的乳腺进行MLO位的压缩，建立一个从CC位压缩到未压缩再到MLO位压缩的数学模型，从而将两幅图像对应起来，找到同一个病灶点的位置。
同时，根据本领域技术人员的先验知识可知，不可变形物体在某一个方位的投影是一个点的情况下，那么该不可变形物体在其他的方位的投影是一条直线，如果是可变形的物体，则这条直线就变成了曲线。
本发明采取的辅助诊断具体方式是在CC位图像上用鼠标点击病灶点，从而在MLO位图像显示出病灶点可能经过的位置，即为一条辅助诊断的病灶曲线。
通过这条病灶曲线这样就将两幅图像联系起来，可以有效的减少误检率，提高医生的诊断能力，同时，我们在找到CC位和MLO位图像相应对应的病灶点之后，就可以利用两幅图像提供的信息全面对病灶点进行分析，包括其空间位置信息及形态大小特征等。
通过对同侧异位图像进行辅助诊断，将两幅图像的同一病灶点对应起来，尤其是微小钙化点之间的对应关系，建立同侧异位乳腺钼靶图像的点位置关联关系，进而帮助医生全面分析病灶点，将CC 位图像和MLO位图像用立体视觉几何联系起来。
需要说明的是，为验证本发明的可行性和有效性，使用实际的医院HOLOGIC数字乳腺机采集的数字乳腺X片进行验证。
为实现实验结果的精确性，请求放射科医生首先挑选出具有明显钙化点对应的DICOM文件图像，以使非专业人员能够进行该算法准确度的验证。
DICOM文件中包含本发明关联方法中所需要的参数，如CC位和MLO位对应压缩的厚度，射线源到探测器的距离以及图像的像素大小等，MATLAB可用dicominfo函数获取。
在实验中，使用该方法自动确定病灶点经过路径离真实的钙化点几何中心之间的最小距离做误差估计，用绝对误差(Mean Absolute Error)定量评判该方法效果的好坏，如式(16)：
AE＝min(|r-o|)......式(16)
N为实验中用于验证的图像组数，r为我们所求的MLO位曲线上的点，o为MLO位图像上与CC位图像对应的病灶点的几何中心，如图13中，AE＝1.7723mm。
实施例2。
一种同侧异位乳腺钼靶图像的点位置关联方法，其它特征与实施例1相同，不同之处在于：建立数学模型的步骤如下：
S1、将带有病灶点的CC位压缩图像和MLO位压缩图像作为输入图像，恢复自由状态下的三维乳腺图像。
从CC位和MLO位的压缩图像提取乳腺轮廓。
正常情况下，乳腺的自由状态下可近似为一个半个椭球，因此，该实施例利用CC轮廓和MLO 位轮廓恢复成三维自由状态下的乳腺。
首先，在进行乳腺三维重建之前，由于考虑实际压缩后乳房轮廓比自由状态下要大的现象，对压缩状态下的轮廓进行缩放，同时对MLO位压缩图像提取的轮廓进行一个角度的旋转，角度的大小依赖于胸壁的具体的走向，不同的MLO位压缩图像，旋转的角度不同。
之后，针对有些旋转之后的MLO位压缩图像的轮廓靠近胸壁处无限延长的现象，对旋转后的MLO 位压缩图像的轮廓再进行上下拐点的选取，并沿着选取的上下拐点向胸壁方向做切线。
为了实现CC位压缩图像的轮廓和MLO位压缩图像的轮廓X坐标值对应，以CC位和MLO位压缩图像的乳头最大X坐标值做基准，对CC位压缩图像的轮廓或者MLO位压缩图像的轮廓进行右移。
然后在CC位压缩图像的轮廓和MLO位压缩图像的轮廓对同一个X值做垂线，交CC位压缩图像的轮廓于两点，那么认为其两点分别到y＝0的距离是重建椭球的两条短径，而延长后的MLO位压缩图像的轮廓的交点到z＝0距离是重建椭球的两条长径。
S2、再将CC位压缩图像的病灶点恢复到自由状态时形成的病灶曲线。
具体的说，在重建出三维自由状态下乳房后，则CC位压缩图像的病灶点根据先验知识可知，病灶点可能经过的路径就变成自由状态下的一条曲线。
该过程涉及到X射线源的投射投影原理，先将二维平面图像上的病灶点恢复到压缩状态下的三维乳腺内的一条直线，然后再将压缩状态下的一条直线恢复到三维未压缩乳腺内的一条曲线。
同时分别对该直线先进行乳房表面上的点恢复，然后利用已恢复的乳房表面上的点做中间桥梁，进行乳房内部的点的恢复，进而完成三维状态下乳腺所有点的恢复，同时恢复三维状态下的病灶曲线。
S3、对三维乳腺图像和病灶曲线进行MLO角度旋转。
在实际筛查过程中，一般病人在CC位压缩成像后要经过40°～60°角度的旋转才进行MLO位的压缩成像。
为此，钼靶射线机将成射线源、压缩平板和成像暗盒设计连体式，这样在成像时，可以保持三者相对不动。
同时，压缩平板设计成可以上下移动的，放射科技师可以将检查者的乳房适当的调节，尽量让最多的乳房组织得到曝光，同时又要保持尽量少的组织重叠。
然后使压缩平板降落，给予乳房适当的压力，使乳房呈最好的压缩状态，如图2所示。
上述钼钯射线机的结构与操作均为现有技术，属于本领域公知常识，在此不加以赘述，而MLO 位的旋转角度可在MLO位的DICOM文件包含的信息中获得。
S4、再对旋转后的三维乳腺图像和病灶曲线进行MLO位压缩操作。
该步骤是将旋转之后的自由状态下的病灶曲线进行压缩操作。
需要注意的是，病灶曲线经过旋转之后，曲线上的点坐标的Y坐标不再相同，在进行压缩过程要对曲线分成点对点的压缩，同时不同的点进行压缩处理。
S5、利用投射投影原理，将病灶曲线投影于MLO位压缩图像上，并得出病灶点在MLO位压缩图像上的位置。
由于经过压缩后的MLO位对应的曲线依然是三维状态，而MLO位乳腺图像是平面二维的，因此需要对三维MLO位对应的曲线进行透射投影映射。
最终能够将CC位乳腺图像中的病灶点与MLO位乳腺图像中的病灶点所在位置联系起来，帮助医生能够进行准确的判断。
实施例3
一种同侧异位乳腺钼靶图像的点位置关联方法，其它特征与实施例1相同，不同之处在于：如图7和8所示，步骤S1中恢复三维乳腺图像的具体步骤如下：
S11、分别对CC位压缩图像和MLO位压缩图像进行缩放提取轮廓，同时，对缩放后的MLO位压缩图像以乳头为旋转中心进行旋转。
由于实际压缩过程中乳房轮廓会向外扩展的现象，如图4所示，图4中的左图为CC位乳腺图像，右图为MLO位乳腺图像，白色实线为压缩状态下的轮廓，白色虚线是自由状态下的轮廓。
以乳头中心点到胸壁的最短距离所在的直线为X轴方向，且最短距离与胸壁的交点为坐标系原点，分别在CC位乳腺轮廓和MLO位乳腺轮廓上建立直角坐标系。
CC位乳腺轮廓中的乳头坐标为(jnCC,inCC)，MLO位乳腺轮廓的乳头坐标为(jnMLO,inMLO)。
S12、在旋转后的MLO位乳腺轮廓上选取上、下拐点，并经过上、下拐点向胸壁方向做切线。
如图5所示，白色的实线为标记的胸壁的走向。同时拐点的动选取是通过本领域技术人员手动选取出来的。
S13、将CC位乳腺轮廓和MLO位乳腺轮廓调整至同一坐标系内。
以乳头最大坐标值做基准，对CC位乳腺轮廓或者MLO位乳腺轮廓进行右移。
以乳头中心点到胸壁的最短距离所在的直线为X轴方向，且最短距离与胸壁的交点为坐标系原点，根据左手定则建立三维直角坐标系。
S14、在CC位乳腺轮廓和MLO位乳腺轮廓的X轴上选取一点向X轴方向做垂线，分别交CC位乳腺轮廓的轮廓于两点。
定义CC位乳腺轮廓上的交点到Y＝0的距离分别为上、下短径，MLO位乳腺轮廓上的交点到Z＝0的距离分别为上、下长径。
再根据上、下短径和上、下长径重建三维乳腺轮廓的内部图像具体如下：
根据式(1)，重建乳腺右上部分的内部图像：
根据式(2)，重建乳腺左上部分的内部图像：
根据式(3)，重建乳腺右下部分的内部图像：
根据式(4)，重建乳腺左下部分的内部图像：
其中，a和b分别为Z＞0时的短径和长径，c和d分别对应Z＜0时的短径和长径，三维乳腺重建效果如图6所示。
实施例4
一种同侧异位乳腺钼靶图像的点位置关联方法，其它特征与实施例1相同，不同之处在于：该实施例先进行恢复病灶曲线与三维乳腺轮廓的交点，再根据交点确定病灶曲线，并恢复病灶曲线上的点坐标。
步骤S2的具体操作如下：
S21、确定CC位压缩图像上病灶点，坐标为(jsCC,isCC)。
S22、计算病灶点所在横断面y＝inCC-isCC与压缩板的交点Pu CC，与成像暗盒的交点Pl CC，与X轴正方向的交点Pc。
Pu CC的坐标为：
xu CC＝a*jsCC*(L-HCC)/L
yu CC＝a*(inCC-isCC)*(L-HCC)/L
zu CC＝HCC/2......式(5)。
Pc的坐标为：
xc CC＝a*jsCC*(L-HCC/2)/L
yc CC＝a*(inCC-isCC)*(L-HCC/2)/L
zc CC＝0......式(6)。
Pl CC的坐标为：
xl CC＝a*jsCC
yl CC＝a*(inCC-isCC)
zl CC＝-HCC/2......式(7)。
其中，如图7所示，a为图像的像素大小，L是X射线源到成像暗盒的距离，HCC是CC位压缩图像中乳房的厚度。
结合实际情况，X射线源到成像暗盒的距离L一般为70cm，而CC压缩状态下乳房的厚度HCC为 4cm，故可认为Pu CC，Pc，Pl CC三点具有同样的X和Y值，均和Pl CC的坐标值保持相同。
S23、利用近似简化条件，模拟反压缩过程，恢复Pu CC和Pl CC在三维乳腺图像表面上Pu和Pl的坐标。
步骤S23中计算Pu点坐标的方法如下：
如图8所示，定义：P1是y＝inCC-isCC的横断面与胸壁的交点，P2是压缩板与胸壁的交点，P3是压缩后的乳房沿压缩板下降的拐点，P4是横断面离胸壁最远的点，Pu是Pu CC对应的三维乳腺图像中乳房上表面上的一点，Pl是Pl CC对应的三维乳腺图像中乳房上表面上的一点，P1P2的长度为L1，P2P3的长度为L2，P3P4的长度为L3，P1Pu曲线的长度为lu，P1P4曲线的长度为Lu， Lu'＝L1+L2+L3，l是P1到Pu CC的折线长度，根据近似三可知，P1Pu占P1P4的比例和压缩后P1Pu CC占P1P2P3P4的比例相同，如下：
变换得：
lu＝l*Lu/Lu'......式(9)。
根据P1Pu曲线长度确定Pu点的坐标位置，同理，Pl点坐标的算法与Pu点坐标的算法相同，在此不加以赘述。
S24、再根据步骤S23中Pc、Pu和Pl的坐标，恢复病灶曲线PcPu和病灶曲线PcPl在三维乳腺图像内部的点坐标。
步骤S24中恢复病灶曲线在三维乳腺图像内部的点坐标的方法如下：
如图9所示，Pc是上述求得的压缩板和成像暗盒正中间的平面上的一点，Pu是三维乳腺轮廓表面上的一点，Pl是对应的下表面上的一点，Pu CC和Pl CC分别是Pu和Pl对应的压缩的位置，根据线段Pu CCPl CC求得曲线PuPcPl。
将线段PcPu CC在Z轴方向等分为100个点，经过Pu向下做垂线，交X轴于P0，根据近似四，曲线P0Pu CC即为二次曲线。
然后，在曲线P0Pu CC上找到有同样Z值的点，根据曲线的伸展和压缩比例相同的原理，在线段 P0Pu上对应的点的坐标，如图中短划线所示。
此时曲线P0Pu CC上的点坐标可以确定，又因为它是由线段P0Pu压缩得来的，根据近似三，我们知道曲线的伸展和压缩是相同比例的，故对应点在压缩前的坐标也可得到。
定义曲线PcPu上点的X坐标值与Pc点的X坐标值差值与曲线P0Pu CC上点的X坐标值与P0点的 X坐标值差值的绝对值相等。
以线段P0Pu上的点的Z坐标值作为所求曲线PcPu上点的Z坐标值，根据曲线PcPu上点的X、Z 坐标求得对应点在三维乳腺图像中的位置。
至此，得到曲线PcPu上点的X、Z坐标，其空间位置已经可以确定。同理，线段PcPl CC上也设有 100个点，得到曲线PcPl在三维乳腺图像中对应点的坐标。
需要说明的是，该实施例将CC位的一个感兴趣点通过反压缩过程恢复成三维未压缩乳腺中的一条曲线。
实施例5
一种同侧异位乳腺钼靶图像的点位置关联方法，其它特征与实施例1相同，不同之处在于：如图10所示，该实施例提出了另外一种能够恢复病灶曲线在三维乳腺图像内部的点坐标的方法。
根据X轴方向上的点坐标确定曲线PcPu上的点坐标，即恢复病灶曲线，具体如下：
经过Pu向下做垂线交X轴于P0，将线段P0Pc等分成100份，端点分别为P1、......、P99，过点P1沿Z轴正向作直线交乳腺轮廓于Pu1，根据式(8)进行如下变换：
l＝lu·Lu'/Lu......式(10)。
其中，xu1 CC、zu1 CC分别是点Pu1 CC的x轴和z轴的坐标，当0≤l＜L1时，x为0，z等于胸壁与乳腺轮廓交点到乳头所在平面的L1+L2垂线长度减去l。
当L1＜l＜L1+L2时，x为l减去L1，z为
当l＞L1+L2时，x为乳头到胸壁的距离，z为Lu'减去l。
根据近似一可知，所有在该实施例中提到的坐标都在y＝inCC-isCC的横断面上，即上述坐标的y值都是相同的，故能够得到乳腺表面上的点未压缩与压缩之间的转换。
根据近似四可知，P1Pu1 CC也是一条二次曲线，曲线P1Pu1 CC与线段PcPu CC交于一点，该点占曲线P1Pu1 CC的比例和该点在三维乳腺图像中占曲线P1Pu1的比例相同，曲线PcPu和线段P1Pu1的交点是该点在三维乳腺图像中的位置，即得出三维乳腺图像中曲线PcPu上的点坐标。
同理，曲线PcPl上的点坐标与曲线PcPu上的点坐标的算法相同。
实施例6
一种同侧异位乳腺钼靶图像的点位置关联方法，其它特征与实施例1相同，不同之处在于：由于MLO位和CC位X射线源成像的方位是不同的，所以在实际钼靶摄影的过程中，要对乳腺和所求得的曲线分别进行一个角度旋转。
进行MLO角度旋转过程中各点坐标满足式(12)：
(xk,yk,zk)是自由状态下的病灶曲线上的一点Pk的坐标，(x'k,y'k,z'k)是旋转之后病灶曲线上的点Pk'的坐标，θ是MLO位乳腺与水平方向的夹角。
同理，旋转三维乳腺图像上的点的操作与旋转病灶曲线的操作相同，旋转之后的乳房如图11所示。
实施例7
一种同侧异位乳腺钼靶图像的点位置关联方法，其它特征与实施例1相同，不同之处在于：用于病灶曲线求解的点共有200个点，经过旋转之后这200个点所对应的y'值是不一样的，利用200个 y＝y'所对应的横断面，从旋转的得到的横断面轮廓再对曲线进行压缩，200个横断面进行200次压缩，如图12所示。
具体操作如下：
S41、以乳头中心点到胸壁的最短距离所在的直线为X'轴方向，且最短距离与胸壁的交点为坐标系原点，根据左手定则建立三维直角坐标系X'-Y′-Z'。
选取旋转后三维乳腺图像的内部点Pk'，k＝1、......、200，且Pk'与步骤S24中200个等分点一一对应，Pk'是通过对应的等分点经旋转后得到。
S42、令k＝1，以P1′作为输入进行步骤S43。
S43、经过Pk'向上沿Z'轴作直线，交乳腺轮廓为Puk'，交X'轴为Pck'，压缩转换和步骤S2一样，在此不加以不再赘述，再利用近似四，曲线Pck'Puk”是一条二次曲线，其表达式已知。
Puk”为二次曲线Pck'Puk”上的一点，根据近似三中曲线的伸展和压缩比例不变的特性，输出点 Pk'对应在MLO位压缩图像上的点Pk”(xk”,yk”,zk”)的坐标。
S44、若k＜200，进行步骤S45。
若k≥200，停止操作,并输出步骤S43中Pk”(xk”,yk”,zk”)的坐标。
S45、令k＝k+1，返回步骤S43。
实施例8
一种同侧异位乳腺钼靶图像的点位置关联方法，其它特征与实施例1相同，不同之处在于：由于步骤S4中求得的MLO位压缩状态下的病灶曲线坐标是三维的，要将其投射到MLO位图像上，该实施例要根据透射投影原理，对坐标进行映射。
步骤S5中，设三维乳腺图像的乳头坐标为(xn,yn,zn)，根据近似二，乳头坐标在压缩过程中始终是不变的，以此作为桥梁，将CC位乳腺图像和MLO位乳腺图像联系起来。
CC位压缩图像中的乳头投影到MLO位压缩图像上的坐标为(jnMLO',inMLO')，经过旋转的三维病灶曲线投影到MLO位压缩图像上满足：
xn＝a*jnCC*((L-HCC/2)/L)，yn＝zn＝0......式(13)。
同时，由于在CC位和MLO位成像过程中，受检者会不自觉轻微改变自己的位置，对投影到MLO 位压缩图像上的曲线进行校正，令其相对乳头的位置不变，满足下式：
ikMLO＝ikMLO'+(inMLO-inMLO')
jkMLO＝jkMLO'+(jnMLO-jnMLO')......式(15)。
上述(jkMLO,ikMLO)就是MLO位图像上对应的曲线，最终映射到MLO位乳腺图像上的一条曲线，如图13中的白色曲线所示。也即把CC位图像和MLO位图像联系起来，帮助医生分析病灶的对应关系，从而提高诊断的准确性和敏感性。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (9)
1.一种同侧异位乳腺钼靶图像的点位置关联方法，其特征在于：将CC位压缩图像上的病灶点带入数学模型中，得到病灶点经旋转后在与CC位压缩图像同侧异位的MLO位压缩图像上的位置；
建立所述数学模型的步骤如下：
S1、将带有病灶点的CC位压缩图像和MLO位压缩图像作为输入图像，恢复自由状态下的三维乳腺图像；
S2、再将CC位压缩图像的病灶点恢复到自由状态时形成的病灶曲线；
S3、对三维乳腺图像和病灶曲线进行MLO角度旋转；
S4、再对旋转后的三维乳腺图像和病灶曲线进行MLO位压缩操作；
S5、利用投射投影原理，将病灶曲线投影于MLO位压缩图像上，并得出病灶点在MLO位压缩图像上的位置。
2.根据权利要求1所述的一种同侧异位乳腺钼靶图像的点位置关联方法，其特征在于：步骤S1中恢复三维乳腺图像的具体步骤如下：
S11、分别对CC位压缩图像和MLO位压缩图像进行缩放提取轮廓，同时，对缩放后的MLO位压缩图像以乳头为旋转中心进行旋转；
以乳头中心点到胸壁的最短距离所在的直线为X轴方向，且最短距离与胸壁的交点为坐标系原点，分别在CC位乳腺轮廓和MLO位乳腺轮廓上建立直角坐标系；
CC位乳腺轮廓中的乳头坐标为(jnCC,inCC)，MLO位乳腺轮廓的乳头坐标为(jnMLO,inMLO)；
S12、在旋转后的MLO位乳腺轮廓上选取上、下拐点，并经过上、下拐点向胸壁方向做切线；
S13、将CC位乳腺轮廓和MLO位乳腺轮廓调整至同一坐标系内；
以乳头中心点到胸壁的最短距离所在的直线为X轴方向，且最短距离与胸壁的交点为坐标系原点，根据左手定则建立三维直角坐标系；
S14、在CC位乳腺轮廓和MLO位乳腺轮廓的X轴上选取一点向X轴方向做垂线，分别交CC位乳腺轮廓于两点；
定义CC位乳腺轮廓上的交点到Y＝0的距离分别为上、下短径，MLO位乳腺轮廓上的交点到Z＝0的距离分别为上、下长径；
再根据上、下短径和上、下长径重建三维乳腺轮廓的内部图像，具体如下：
根据式(1)，重建乳腺右上部分的内部图像：
根据式(2)，重建乳腺左上部分的内部图像：
根据式(3)，重建乳腺右下部分的内部图像：
根据式(4)，重建乳腺左下部分的内部图像：
其中，a和b分别为Z＞0时的短径和长径，c和d分别对应Z＜0时的短径和长径。
3.根据权利要求2所述的一种同侧异位乳腺钼靶图像的点位置关联方法，其特征在于：步骤S2的具体操作如下：
S21、在CC位压缩图像上确定一个病灶点，坐标为(jsCC,isCC)；
S22、计算病灶点所在横断面y＝inCC-isCC与压缩板的交点Pu CC，与成像暗盒的交点Pl CC，与X轴正方向的交点Pc；
Pu CC的坐标为：
xu CC＝a*jsCC*(L-HCC)/L
yu CC＝a*(inCC-isCC)*(L-HCC)/L
zu CC＝HCC/2......式(5)；
Pc的坐标为：
xc CC＝a*jsCC*(L-HCC/2)/L
yc CC＝a*(inCC-isCC)*(L-HCC/2)/L
zc CC＝0......式(6)；
Pl CC的坐标为：
xl CC＝a*jsCC
yl CC＝a*(inCC-isCC)
zl CC＝-HCC/2......式(7)；
其中，a为图像的像素大小，L是X射线源到成像暗盒的距离，HCC是CC位压缩图像中乳房的厚度；
S23、利用近似简化条件，恢复Pu CC和Pl CC在三维乳腺图像表面上Pu和Pl的坐标；
S24、再根据步骤S23中Pc、Pu和Pl的坐标，恢复病灶曲线Pc Pu和病灶曲线Pc Pl在三维乳腺图像内部的点坐标。
4.根据权利要求3所述的一种同侧异位乳腺钼靶图像的点位置关联方法，其特征在于：步骤S23中计算Pu点坐标的方法如下：
定义：P1是y＝inCC-isCC的横断面与胸壁的交点，P2是压缩板与胸壁的交点，P3是压缩后的乳房沿压缩板下降的拐点，P4是横断面离胸壁最远的点，Pu是Pu CC对应的三维乳腺图像中乳房上表面上的一点，Pl是Pl CC对应的三维乳腺图像中乳房上表面上的一点，P1 P2的长度为L1，P2 P3的长度为L2，P3 P4的长度为L3，P1 Pu曲线的长度为lu，P1 P4曲线的长度为Lu，Lu'＝L1+L2+L3，l是P1到Pu CC的折线长度，满足P1 Pu占P1 P4的比例和压缩后P1 Pu CC占P1 P2 P3 P4的比例相同，如下：
变换得：
lu＝l*Lu/Lu'......式(9)；
根据P1 Pu曲线长度确定Pu点的坐标位置，同理，Pl点坐标的算法与Pu点坐标的算法相同。
5.根据权利要求4所述的一种同侧异位乳腺钼靶图像的点位置关联方法，其特征在于：步骤S24中恢复病灶曲线在三维乳腺图像内部的点坐标的方法如下：
将线段Pc Pu CC在Z轴方向等分为100个点，经过Pu向下做垂线，交X轴于P0；
然后，在曲线P0 Pu CC上找到有同样Z值的点，根据曲线的伸展和压缩比例相同的原理，在线段P0 Pu上对应的点的坐标；
定义曲线Pc Pu上点的X坐标值与Pc点的X坐标值差值与曲线P0 Pu CC上点的X坐标值与P0点的X坐标值差值的绝对值相等；
根据曲线Pc Pu上点的X、Z坐标求得对应点在三维乳腺图像中的位置；
同理，线段Pc Pl CC上也设有100个点，得到曲线Pc Pl在三维乳腺图像中对应点的坐标。
6.根据权利要求5所述的一种同侧异位乳腺钼靶图像的点位置关联方法，其特征在于：步骤S24中恢复病灶曲线在三维乳腺图像内部的点坐标的方法还可以根据X轴方向上的点坐标确定曲线Pc Pu上的点坐标，即恢复病灶曲线，具体如下：
经过Pu向下做垂线交X轴于P0，将线段P0 Pc等分成100份，端点分别为P1、......、P99，过点P1沿Z轴正向作直线交乳腺轮廓于Pu1，根据式(8)进行如下变换：
l＝lu·Lu'/Lu......式(10)；
其中，xu1 CC、zu1 CC分别是点Pu1 CC的x轴和z轴的坐标，当0≤l＜L1时，x为0，z等于胸壁与乳腺轮廓交点到乳头所在平面的L1+L2垂线长度减去l；
当L1＜l＜L1+L2时，x为l减去L1，z为
当l＞L1+L2时，x为乳头到胸壁的距离，z为Lu'减去l；
曲线P1 Pu1 CC与线段Pc Pu CC交于一点，该点占曲线P1 Pu1 CC的比例和该点在三维乳腺图像中占曲线P1 Pu1的比例相同，曲线Pc Pu和线段P1 Pu1的交点是该点在三维乳腺图像中的位置，即得出三维乳腺图像中曲线Pc Pu上的点坐标；
同理，曲线Pc Pl上的点坐标与曲线Pc Pu上的点坐标的算法相同。
7.根据权利要求6所述的一种同侧异位乳腺钼靶图像的点位置关联方法，其特征在于：进行MLO角度旋转过程中各点坐标满足式(12)：
(xk,yk,zk)是自由状态下的病灶曲线上的一点Pk的坐标，(x'k,y'k,z'k)是旋转之后病灶曲线上的点Pk'的坐标，θ是MLO位乳腺与水平方向的夹角；
同理，旋转三维乳腺图像上的点的操作与旋转病灶曲线的操作相同。
8.根据权利要求7所述的一种同侧异位乳腺钼靶图像的点位置关联方法，其特征在于：步骤S4的具体操作如下：
S41、以乳头中心点到胸壁的最短距离所在的直线为X'轴方向，且最短距离与胸壁的交点为坐标系原点，根据左手定则建立三维直角坐标系X'-Y′-Z'；
选取旋转后三维乳腺图像的内部点Pk'，k＝1、......、200，且Pk'与步骤S24中200个等分点一一对应，Pk'是通过对应的等分点经旋转后得到；
S42、令k＝1，以P1′作为输入进行步骤S43；
S43、经过Pk'向上沿Z'轴作直线，交乳腺轮廓为Puk'，交X'轴为Pck'，Puk”为二次曲线Pck'Puk”上的一点，根据曲线的伸展和压缩比例不变的特性，输出点Pk'对应在MLO位压缩图像上的点Pk”(xk”,yk”,zk”)的坐标；
S44、若k＜200，进行步骤S45；
若k≥200，停止操作,并输出步骤S43中Pk”(xk”,yk”,zk”)的坐标；
S45、令k＝k+1，返回步骤S43。
9.根据权利要求8所述的一种同侧异位乳腺钼靶图像的点位置关联方法，其特征在于：步骤S5中，设三维乳腺图像的乳头坐标为(xn,yn,zn)，CC位压缩图像中的乳头投影到MLO位压缩图像上的坐标为(jnMLO',inMLO')，经过旋转的三维病灶曲线投影到MLO位压缩图像上满足：
xn＝a*jnCC*((L-HCC/2)/L)，yn＝zn＝0......式(13)；
同时，对投影到MLO位压缩图像上的曲线进行校正，满足下式：
ikMLO＝ikMLO'+(inMLO-inMLO')
jkMLO＝jkMLO'+(jnMLO-jnMLO')......式(15)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810133440.2A CN108392215B (zh) | 2018-02-09 | 2018-02-09 | 一种同侧异位乳腺钼靶图像的点位置关联方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810133440.2A CN108392215B (zh) | 2018-02-09 | 2018-02-09 | 一种同侧异位乳腺钼靶图像的点位置关联方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108392215A CN108392215A (zh) | 2018-08-14 |
| CN108392215B true CN108392215B (zh) | 2021-07-27 |
Family
ID=63095928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810133440.2A Active CN108392215B (zh) | 2018-02-09 | 2018-02-09 | 一种同侧异位乳腺钼靶图像的点位置关联方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108392215B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109598702B (zh) * | 2018-10-30 | 2023-04-07 | 南方医科大学南方医院 | 对比增强能谱乳腺x线摄影的病灶特征量化方法及系统 |
| CN110490212B (zh) * | 2019-02-26 | 2022-11-08 | 腾讯科技（深圳）有限公司 | 钼靶影像处理设备、方法和装置 |
| CN110136829A (zh) | 2019-05-16 | 2019-08-16 | 腾讯科技（深圳）有限公司 | 乳腺钼靶图像的辅助诊断方法、装置、系统及介质 |
| CN112529900B (zh) * | 2020-12-29 | 2024-03-29 | 广州华端科技有限公司 | 匹配乳腺图像中roi的方法、装置、终端与存储介质 |
| CN114820590B (zh) * | 2022-06-06 | 2023-04-07 | 北京医准智能科技有限公司 | 图像处理方法、装置、电子设备及介质 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5579360A (en) * | 1994-12-30 | 1996-11-26 | Philips Electronics North America Corporation | Mass detection by computer using digital mammograms of the same breast taken from different viewing directions |
| KR20080069307A (ko) * | 2007-01-23 | 2008-07-28 | 재단법인서울대학교산학협력재단 | 유방 병변의 3차원 도시 시스템 및 그 방법 |
| JP2008278950A (ja) * | 2007-05-08 | 2008-11-20 | Toshiba Corp | 乳房ｘ線撮影装置、画像処理装置および画像処理プログラム |
| DE102007057015A1 (de) * | 2007-11-23 | 2009-05-28 | Image Diagnost International Gmbh | Verfahren und Anzeigevorrichtung zur Darstellung digitaler Mammogramme |
| CN101727537A (zh) * | 2009-11-16 | 2010-06-09 | 杭州电子科技大学 | 基于双视角信息融合的乳腺cr图像的计算机确定方法 |
| US10109048B2 (en) * | 2013-06-28 | 2018-10-23 | Koninklijke Philips N.V. | Linking breast lesion locations across imaging studies |
| JP6291813B2 (ja) * | 2013-11-29 | 2018-03-14 | コニカミノルタ株式会社 | 医用画像システム及びプログラム |
| CN104123729B (zh) * | 2014-08-01 | 2017-04-26 | 湖北省肿瘤医院 | 基于双视角乳腺x线摄片的钙化灶定位方法 |
| JP2016195655A (ja) * | 2015-04-03 | 2016-11-24 | コニカミノルタ株式会社 | 医用画像システム及びプログラム |
| TWI609674B (zh) * | 2016-05-12 | 2018-01-01 | 太豪生醫股份有限公司 | 乳房影像對位方法與影像處理裝置 |
-
2018
- 2018-02-09 CN CN201810133440.2A patent/CN108392215B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN108392215A (zh) | 2018-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108392215B (zh) | 一种同侧异位乳腺钼靶图像的点位置关联方法 | |
| JP4709604B2 (ja) | 画像表示装置、画像表示方法、記憶媒体及びプログラム | |
| EP3005298B1 (en) | A method of reconstruction of an object from projection views | |
| US8238637B2 (en) | Computer-aided diagnosis of malignancies of suspect regions and false positives in images | |
| Yam et al. | Three-dimensional reconstruction of microcalcification clusters from two mammographic views | |
| Pohlman et al. | Quantitative classification of breast tumors in digitized mammograms | |
| US20120256920A1 (en) | System and Method for Fusing Computer Assisted Detection in a Multi-Modality, Multi-Dimensional Breast Imaging Environment | |
| JP2011517986A (ja) | 腹部大動脈瘤の自動検知および正確なセグメント分割 | |
| CN114343604B (zh) | 基于医学影像的肿瘤检测及诊断装置 | |
| JP2023540284A (ja) | 仮想膵管造影パイプラインのためのシステムおよび方法 | |
| CN105979875B (zh) | 用于生成乳房参数图的医学成像设备、方法、装置和计算机可读介质 | |
| US11935234B2 (en) | Method for detecting abnormality, non-transitory computer-readable recording medium storing program for detecting abnormality, abnormality detection apparatus, server apparatus, and method for processing information | |
| US9361684B2 (en) | Feature validation using orientation difference vector | |
| Ou et al. | A sub-pixel accurate quantification of joint space narrowing progression in rheumatoid arthritis | |
| KR20080069307A (ko) | 유방 병변의 3차원 도시 시스템 및 그 방법 | |
| KR20180086773A (ko) | 평면 보간 기반 2차원 의료 영상을 생성하는 방법 및 장치 | |
| Hopp et al. | Breast tissue characterization by sound speed: correlation with mammograms using a 2D/3D image registration | |
| Dandıl et al. | A Mask R-CNN based Approach for Automatic Lung Segmentation in Computed Tomography Scans | |
| Hopp et al. | Automatic multimodal 2D/3D image fusion of ultrasound computer tomography and x-ray mammography for breast cancer diagnosis | |
| KR102258070B1 (ko) | 발의 유형 평가 방법 및 이를 이용한 발의 유형 평가용 디바이스 | |
| JP2021097864A (ja) | 画像判定装置、画像判定方法及びプログラム | |
| Sultana et al. | A new approach in breast image registration | |
| Mesanovic et al. | Application of lung segmentation algorithm to disease quantification from CT images | |
| dos Santos Teixeira | Computer analysis of mammography images to aid diagnosis | |
| JP7492789B1 (ja) | 未加工ＣＴイメージの幾何学的整列および前処理のための人工知能基盤装置および方法｛Ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ－ｂａｓｅｄ ｄｅｖｉｃｅｓ ａｎｄ ｍｅｔｈｏｄｓ ｆｏｒ ｇｅｏｍｅｔｒｉｃ ａｌｉｇｎｍｅｎｔ ａｎｄ ｐｒｅｐｒｏｃｅｓｓｉｎｇ ｏｆ ｒａｗ ＣＴ ｉｍａｇｅｓ｝ |
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 |