CN108475423A - 量化图像的方法 - Google Patents
量化图像的方法 Download PDFInfo
- Publication number
- CN108475423A CN108475423A CN201680077530.3A CN201680077530A CN108475423A CN 108475423 A CN108475423 A CN 108475423A CN 201680077530 A CN201680077530 A CN 201680077530A CN 108475423 A CN108475423 A CN 108475423A
- Authority
- CN
- China
- Prior art keywords
- breast
- image
- energy
- tissue
- reference point
- 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
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
-
- 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
- G06T2207/10116—X-ray image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical 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)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种方法包括:接收表示包括组织的对象的至少一部分的X射线图像的图像数据,其中X射线图像的第一部分被直接曝光5,并且X射线图像的第二部分表示对象的区域中的组织;以及根据从X射线图像的第一部分获得的能量度量和从X射线图像的第二部分获得的能量度量来确定衰减的度量。
Description
技术领域
本发明涉及图像的分析。找到图像上的参考值,从中可以对图像的特征或区域进行量化以供进一步分析。例如,可以找到乳房密度。使用乳房密度,乳房可以被分类为脂肪性的或致密性的。
本发明特别涉及通过比较传递到物体(即被成像物体)下方的探测器的能量并将其与传递到图像的直接曝光区域的能量进行比较来量化图像的特征或区域。
背景技术
自动评估的成像系统是已知的。医学图像处理系统处理图像以从例如X射线、磁共振图像(MRI)和断层融合术中推导某些诊断信息。特别是这些用于帮助诊断癌症和测量物体组成。
通常图像处理系统接收通常密切相关的许多图像,例如,相同对象的图像,在外观或时间上略有变化。这种多重性和多样性可以推断出比单个图像更多的信息。此外,来自多个图像的选择性信息可以提高可靠性,例如,暴露一直被遮挡的物体。因此比较图像的可用性可以帮助指导和验证图像处理。但是,特别是在放射照相术领域,由于成像物理数据中的错误或未知值,图像或图像的特征常常难以解释。
使用乳房X射线照相术来对乳房组织进行成像是已知的。通过向乳房发送X射线光子并检测有多少X射线光子穿过来创建乳房X射线照片。穿过的X射线光子的数量越小,乳房组织越致密。为了量化基于物理学的“绝对”模型的图像以及乳房的假定属性,要求所有成像物理数据是已知的且准确的(例如,光子通量、X射线管电压、像素面积和曝光时间)。因此需要使用图像内参考值。
由Highnam和Brady进行的研究(Highnam和Brady,“Mammographic ImageAnalysis(乳房X射线照相图像分析)”,Kluwer Academic Publishers 1999)得到对如何从乳房X射线照片自动计算乳房组织密度从而量化感兴趣的组织的理解。感兴趣的组织可以包括例如纤维组织、腺组织、水或癌组织。
Highnam和Brady的方法使用图像处理和X射线物理学以及相关的成像物理数据的组合,其通常涉及将乳房X射线照片中坐标(x,y)处测量的像素值P,P(x,y)转换为脂肪的厚度hfat(x,y)cm和“感兴趣的组织”的厚度hint(x,y)cm,其中“感兴趣的组织”可能是纤维组织、腺组织、水或癌组织。
“感兴趣的组织”可能包含和/或隐藏癌症。因此,不管使用何种成像技术,乳房X射线照片中乳房的准确分割对于有效定位和诊断癌症都是至关重要的。分割对相关区域的异常的搜索进行指导,并且实现对相应图像的示例时间分析或自动比较的可比分析。
PCT/GB2010/001472提供了通过如下方式自动估计乳房组成的方法:计算hint和hfat值;将hint和hfat值相加;并且计算乳房密度。所述方法通过总是在图像中找到可靠的参考点,然后允许计算明确的校准误差,来解决计算和计算基础中的错误和错误指示。因此,所述方法对成像数据中的错误和未知数据具有鲁棒性,并且具有相关联的校准误差因子,可用于在必要时提醒用户。
此外,精确的成像物理数据是不必要的,实际上毫安秒(mAs)和大部分探测器信息可以被忽略,除了假设探测器与已知偏移量成线性关系。
这种方法效果很好,但关键的一步是限定内侧乳房边缘,用于识别参考点--实际上是每个图像的内部参考点。
在数字乳房断层融合术(DBT)中,拍摄并重建物体的多个低剂量X射线投影,以创建该物体的伪3D视图。DBT的中心投影实际上是低剂量乳房X射线照片,因此PCT/GB2010/001472适用。
尽管DBT具有诊断优势,但它为临床工作流程提出了挑战,因为它增加了阅读和解释的时间,从而增加了读者疏忽的成本和潜力,即使借助CAD也是如此。
发明内容
本发明涉及图像的分析。找到图像上的参考值,从中可以对图像的特征或区域进行量化以供进一步分析。
本发明尤其涉及通过比较传递到物体(即成像物体)下方的探测器的能量并将其与传递到图像的直接曝光区域的能量进行比较来量化图像的特征或区域。
本发明涉及用于对图像特征的一个或多个量化度量进行自动分析的改进方法,其中例如使用成像系统来捕获图像并且使用图像处理技术来量化图像特性。
有利的是,就乳房X射线照相而言,所述方法需要使用低剂量图像来早期评估女性的乳房组成,并计算她年轻时的基线风险。这改善了患者的结果,进而有助于优化临床工作流程。
本发明的一个优点是,它早期确定对乳房是脂肪性的还是致密性的以及低剂量图像。它通过利用图像的低剂量性质来正确设置用于搜索的内部乳房区域,从而从诸如DBT的图像解决乳房组成估计。具体而言,本发明涉及通过比较传递到在诸如乳房的物体下方的探测器的能量与传递到图像的直接曝光区域的能量来量化图像。
重要的是,该技术在低剂量图像中的成功表明,乳房的低剂量x射线评估可用于早期评估女性乳房组成,早期计算的基线风险,由此可以随着时间追踪诸如密度(癌症的已知前兆)之类的特征,并且早期检测到癌症。
一个重要的步骤是定义内侧乳房边缘,在内侧乳房边缘中识别参考点-实际上是每个图像的内部参考点。因此,应在过程的早期确定乳房是脂肪性的还是致密性的。
在本发明的第一方面,提供了一种方法,包括:接收表示包括组织的对象的至少一部分的X射线图像的图像数据,其中所述X射线图像的第一部分被直接曝光,并且所述X射线图像的第二部分表示所述对象的区域中的组织;以及根据从所述X射线图像的所述第一部分获得的能量度量和从所述X射线图像的所述第二部分获得的能量度量来确定衰减的度量。
X射线图像可以包括例如X射线不穿过对象或组织的直接曝光区域以及表示对象的所述至少一部分的区域。
从X射线图像的第一部分获得的能量度量可以表示输入的X射线能量。从X射线图像的第二部分获得的能量度量可以表示被组织衰减的X射线能量。
所述方法还可包括使用所述衰减的度量来估计所述对象的所述区域的至少一部分内的组织密度。
所估计的组织密度可以在图像分析过程的早期阶段提供组织密度的近似值。
确定所述衰减的度量可以包括:将从所述X射线图像的所述第一部分获得的能量度量除以从所述X射线图像的所述第二部分获得的能量度量以获得衰减值;以及将所述衰减值除以所述对象的区域中的组织的厚度以获得所述衰减的度量。
所述方法还可包括使用所述X射线图像的所述第一部分中的至少一个像素的至少一个像素值获得来自所述X射线图像的所述第一部分的能量度量;以及使用所述X射线图像的所述第二部分中的至少一个像素的至少一个像素值获得所述X射线图像的所述第二部分的能量度量。
所述方法还可包括确定所述X射线图像上的参考点,其中所述参考点的确定取决于所估计的组织密度来执行。所述方法可以包括确定X射线图像上的多个参考点。
参考点的选择可以包括在用于确定所述参考点的第一过程和第二过程之间进行选择,所述第一过程和第二过程之间的选择基于所估计的组织密度。
通过使用估计的组织密度,可以在图像分析过程中尽早分类不同类型的组织,从而允许使用确定参考点的不同过程。这可能会节省时间和/或计算能力。
参考点可以包括组织基本上或主要包含脂肪的对象区域中的点。参考点可以用于校准X射线图像的像素值。
所述第一过程和第二过程中的每个过程可以包括确定所述X射线图像上的组织边界,所述组织边界将第一组织区域与第二组织区域分开,并且根据所述组织边界选择参考点。
第二过程还可包括迭代所述组织边界的位置,直到满足所述组织边界的准则。迭代组织边界的位置可以改变第一组织区域和第二组织区域的范围。
所述方法还可包括使用所述参考点为所述对象的所述区域中的多个点中的每个点确定脂肪厚度hfat和感兴趣的组织厚度hint。
所述方法还可包括确定所述对象的所述区域中的组织密度。组织密度的确定可以基于所述多个点的hfat和hint。
在第一过程和第二过程之间进行选择可以包括:如果所估计的组织密度高于阈值组织密度,则选择所述第一过程,并且如果所估计的组织密度低于阈值组织密度,则选择所述第二过程。可以为致密性乳房选择第一过程。可以为脂肪性乳房选择第二过程。在用于致密性乳房的第一过程和用于脂肪性乳房的第二过程之间的早期选择可以节省时间和/或计算能力。
对象的区域可以包括乳房的至少一部分。估计的组织密度可以是所述乳房的至少一部分的估计组织密度。
在第一过程中选择参考点可以包括选择靠近所述乳房的边缘的参考点。在所述第二过程中选择参考点可以包括选择距所述乳房的边缘更远的参考点。
在所述第一过程中选择参考点可以包括:在所述第一组织区域或所述组织边界上选择参考点。在所述第二过程中选择参考点可以包括:在迭代的组织边界或所述第二组织区域中选择参考点。
组织边界可以包括内侧乳房边缘。第一组织区域可以位于所述内侧乳房边缘与所述乳房的边缘之间。第二组织区域可以在内侧乳房边缘内部。内侧乳房边缘的迭代可以包括将内侧乳房边缘向内移动远离乳房的边缘。
对象的区域可以包括胸部的至少一部分和/或肺的至少一部分。
所述方法还可包括通过执行X射线成像过程来获得图像数据。
X射线成像过程可以包括乳房X射线照相过程。X射线成像过程可以包括数字乳房断层合成(DBT)过程。
在DBT中,每个投影使用低辐射剂量,因此探测器不会饱和。由于可以以较低的剂量估计密度,所以对年轻对象的风险可以最小化。
X射线成像过程可以包括:选择在所述X射线成像过程中使用的低于X射线探测器的饱和阈值的输入X射线能量,使得所述X射线图像的第一部分中的像素值根据输入X射线能量而变化。
输入X射线成像能量可以小于1mGy。输入X射线成像能量可以小于0.5mGy。输入X射线成像能量可以小于0.3mGy。
X射线图像可以使用单能X射线获取。
X射线图像可以使用多能X射线获取。
所述方法还可包括通过分割图像数据来确定X射线图像的第一部分和第二部分。
在可独立提供的本发明的第二方面中,提供了一种方法,包括:接收乳房的X射线图像;从X射线图像的直接曝光部分获得进入乳房的能量的指示;从表示乳房的X射线图像的区域获得输出乳房外的能量指示;将输入能量指示除以输出能量指示以获得X射线衰减;将X射线衰减除以乳房的厚度以获得每个体积节段的平均有效衰减;以及使用每个体积节段的平均有效衰减来估计乳房的乳房密度。
在可独立提供的本发明的第三方面中,提供了一种包括处理器的装置,所述处理器被配置为:接收表示包括组织的对象的至少一部分的X射线图像的图像数据,其中所述X射线图像的第一部分被直接曝光,并且所述X射线图像的第二部分表示所述对象的区域中的组织;以及根据从所述X射线图像的所述第一部分获得的能量度量和从所述X射线图像的所述第二部分获得的能量度量来确定衰减的度量。
可以提供包括计算机可读指令的计算机程序产品,所述计算机可读指令可由处理器执行以执行如在此要求保护或描述的方法。
在可独立提供的本发明的第四方面中,提供了一种用于量化图像的方法,由此找到图像上的参考值;使用所述图像的直接曝光部分来估计乳房密度以获得进入所述乳房的能量的指示(“能量输入”);估计所述区域内的像素值以获得离开所述乳房的能量的指示(“能量输出”),其中
X射线衰减uh=ln(能量输入/能量输出);以及
将所述衰减除以乳房厚度以获得所述乳房中每厘米的平均有效衰减。
参考区域可以是脂肪性区域,并且远离乳房边缘进行搜索。参考区域可以是致密性的并且在乳房边缘附近进行搜索。所述方法可以应用于DBT图像。所述方法可以应用于低剂量图像。X射线假设可以是单能X射线假设。X射线假设可以是多能X射线假设。
可以提供基本上如本文参照附图所描述的方法或装置。
在一个方面中的特征可以适当地作为任何其他方面的特征来提供。例如,可以提供方法的特征作为装置的特征,反之亦然。在一个方面中的任何一个或多个特征可以与任何其他方面中的任何一个或多个合适的特征组合提供。
附图说明
图1是X射线成像装置的示意图;
图2是概述了实施例的方法的流程图;
图3示出了传递进乳房的能量以及从乳房传递出的能量的方向;
图4是包括脂肪性乳房的参考点的图像;
图5是脂肪性乳房的能量分布图;
图6是包括致密性乳房的参考点的图像;以及
图7是致密性乳房的能量分布图。
具体实施方式
本发明涉及用于分析和量化图像,特别是低剂量图像(即其中探测器中的像素值不饱和并且反映输入X射线能量的近似度量)的改进方法。
通过在图像的适当区域内搜索,找到图像上的参考值,例如脂肪组织的区域。在优选实施例中,该区域远离乳房边缘。已知乳房是脂肪性的,并远离乳房边缘附近搜索避免了噪声点、坏点。
或者,如果乳房是致密性的,则靠近乳房边缘进行搜索。
本发明的优点是提供手段用于在计算乳房组成之前确定乳房是脂肪性的还是致密性的,并且通过使用传递到乳房下方的探测器的能量以及传递给乳房外的探测器的能量来获得乳房组成的“引导性”估计。
作为说明性实施例,仅针对DBT图像描述了本发明。
图1是根据一个实施例的X射线成像装置10的示意图。在本实施例中,X射线成像装置10是数字乳房断层融合(DBT)成像装置。在其他实施例中,可以使用任何X射线成像装置。
X射线成像装置10包括X射线源12和包括多个探测器单元的探测器阵列14。X射线源12和探测器阵列14均连接到计算装置16。计算装置16包括处理器20和配置成存储由探测器阵列14获得的图像数据的数据存储器18。处理器20包括被配置为控制X射线成像过程的参数的控制电路22以及被配置为分析由探测器阵列获得的X射线图像的图像分析电路24。在其他实施例中,可以使用任何合适的一个或多个计算装置。
图2是概述了实施例的方法的流程图。在图2的方法的阶段40处,使用X射线装置10来获得患者乳房的低剂量乳房X射线照相图像(在该实施例中为DBT图像)。乳房被放置在X射线源12和X射线探测器阵列14之间。计算装置16使X射线源12发射低剂量单能X射线辐射。使用的输入能量在0mGy和0.5mGy之间,例如在0.05mGy或0.1mGy和0.5mGy之间。(为了比较,非低剂量的标准乳房X射线照片的输入能量范围可以从0.7mGy至2.4mGy。)在其他实施例中,可以使用多能X射线辐射。
X射线探测器14接收来自X射线源12的辐射。图像处理电路22从X射线探测器接收表示由每个探测器阵列单元接收的X射线辐射量的信号。图像处理电路22处理这些信号以获得表示包括多个像素的X射线图像的一组图像数据。每个像素可以表示由相应的探测器阵列单元接收的辐射。
图3是使用X射线成像装置10获得的乳房X射线照相图像的示例。图像的第一部分30由来自X射线源12的X射线辐射直接曝光。在第一部分30中,由X射线探测器14接收的辐射未穿过组织。第一部分30在图2中看起来很暗。然而,X射线辐射的输入能量使得探测器单元不饱和。由每个探测器单元提供的信号表示由该探测器单元接收到的X射线辐射(甚至在图像的直接曝光部分)。
图像的第二部分32由穿过乳房组织的X射线辐射曝光。
在图2的阶段42,处理器20处理图像数据以获得乳房组成的指引性估计。处理器20使用图像数据的每个像素的像素值来获得该像素的能量值。
在本实施例中,通过假定线性将像素值转换为能量:
传递的能量(x,y)=a x像素值(x,y)+b (等式1)
其中a和b通常是已知的。
处理器20将图像分成直接曝光的第一部分和表示组织的第二部分。处理器20可以例如通过使用阈值像素值来在图像中分割乳房,以区分乳房组织的像素和直接曝光的像素。乳房密度通过如下方式估计:使用图像的直接曝光部分来获得“能量输入”(即,进入乳房的能量)的指示,使用所指示的乳房区域内的像素值来获得“能量输出”(即,输出乳房的能量)的指示,并使用单能X射线假设:
X射线衰减uh=ln(能量输入/能量输出)(等式2)
其中uh是X射线衰减的符号,能量输入是进入乳房的能量,并且能量输出是输出乳房的能量。
在本实施例中,处理器20确定图像的第一部分(其被直接曝光)中的像素的平均能量。处理器20确定图像的第二部分(其中辐射穿过乳房)中的像素的平均能量。然后,处理器20将第一直接曝光部分中的像素的平均能量除以第二部分中的像素的平均能量以获得衰减值。
在其他实施例中,处理器20可以确定第一部分和第二部分中的任何能量度量的值。例如,处理器20可以确定第一部分和第二部分中的像素的能量值的任何统计组合。
在一些实施例中,处理器20通过取第一部分的能量度量除以第二部分的能量度量的对数来确定衰减值。然而,利用DBA(数字乳房衰减),计算衰减值时不需要取对数(因为它是单调的)。
然后将该衰减除以乳房厚度以获得每个体积节段(例如,厘米乳房)的平均有效衰减。
在本实施例中,乳房厚度是由X射线成像装置10获得的测量的厚度。在其他实施例中,厚度可以通过任何合适的方法获得。衰减可以除以厚度以获得任何合适的衰减度量,例如每单位距离的任何衰减度量。
在本实施例中,X射线辐射是单能的并且使用等式1获得衰减值。可以使用更复杂的X射线模型,诸如多能模型。
在一些实施例中,使用多能X射线。取代诸如等式2的单个方程,处理器20对许多能量执行积分。
处理器20使用每厘米的平均有效衰减来确定乳房组成的指引性估计。乳房密度通过估计乳房组成来估计。具有更低比例脂肪的乳房比具有更高比例脂肪的乳房更致密,并且因此每厘米具有更大的平均有效衰减。
具有高比例的脂肪(因此具有低密度)的乳房可以被称为脂肪性乳房。具有更低比例的脂肪(因此具有高密度)的乳房可以被称为致密性乳房。每厘米的平均有效衰减对于脂肪性乳房来说是低的,对于致密性乳房来说是高的。
现在提供脂肪性乳房和致密性乳房的衰减计算的示例。
脂肪性乳房的图像如图4所示。图4中的白色斑点是脂肪的参考点。略半圆形状的乳房组织上的细白线是内侧乳房边缘。图5示出了脂肪性乳房的能量分布图,示出传递的能量相对于距胸壁的距离的关系。
图4的乳房的衰减计算如下所示:
内侧乳房的平均能量是4175.38
探测器的平均能量为37424.60
乳房厚度为65毫米
DBA=(37424.60/4175.38)/65=0.138
其中DBA代表数字乳房衰减。
图6中示出了致密性乳房的图像。白色斑点是脂肪的参考点,略半圆形状的乳房组织上的细白线是内侧乳房边缘。图7示出了致密性乳房的能量分布图,其示出了传递的能量相对于距胸壁的距离的关系。
下面示出了图6的乳房的衰减计算:
内侧乳房的平均能量是1990.48
探测器的平均能量是22122.41
乳房厚度是47毫米
DBA=(22122.41/1990.48)/47=0.236
可以看出,脂肪性乳房的衰减度量值DBA低于致密性乳房。
处理器20基于在阶段42计算出的确定的每厘米平均有效衰减来确定是进行到图2的方法的阶段44还是阶段46。每厘米的平均有效衰减被用作乳房组成的粗略度量。在本实施例中,DBA的值为0.2表示可能是非常致密的乳房。在其他实施例中,可以使用不同的值。如果确定乳房是致密性乳房,则所述方法进行到阶段44。如果确定乳房是脂肪性乳房,则所述方法进行到阶段44。
在本实施例中,如果每厘米的平均有效衰减高于阈值,则所述方法进行到阶段44。如果每厘米的平均有效衰减低于阈值,则所述方法前进到阶段46。
阶段44和阶段46均提供了确定乳房内的参考点(其也可以被称为参考点)的方法。参考点可以是乳房的组织基本上或大部分是脂肪的点。
在阶段44,处理器20执行第一过程。
处理器20生成X射线图像中的像素的像素值的出现频率的直方图。处理器20使用从像素值生成的单个图像统计值来检测位于直方图的两个峰值之间的间隙,使得间隙位置提供区分内侧乳房边缘的第一估计的阈值像素值。
内侧乳房边缘是X射线图像中的线,该线将内侧乳房边缘与乳房边缘之间的第一组织区域与内侧乳房边缘内的第二组织区域分开。在致密性乳房中,第一组织区域可被描述为脂肪性乳房边缘。第二组织区域可被描述为致密性乳房组织。
内侧乳房边缘可以被确定为使得第一组织区域包括像素值低于阈值像素值的像素并且第二组织区域包括像素值高于阈值像素值的像素。
在其他实施例中,可以使用确定内侧乳房边缘的任何合适的方法。内侧乳房边缘可以使用相位一致性来确定。内侧乳房边缘可以使用从组织图像统计值建立的阈值像素值来确定。内侧乳房边缘的确定可以包括图像处理,例如分割。内侧乳房边缘的确定可以包括使用乳房边缘的半圆形假设。
一旦确定了内侧乳房边缘,处理器20选择内侧乳房边缘上的参考点。在其他实施例中,处理器20在第一组织区域(脂肪性乳房边缘)中选择参考点。一般来说,对于致密性乳房,参考点选择在乳房边缘附近。处理器20可以选择多个参考点。
在本实施例中,处理器20寻找出现全部脂肪的外乳房区域,对乳房边缘建模并预测脂肪参考点在内部会是什么样的。在其他实施例中,处理器20可以寻找完全致密的点而不是完全的脂肪点。
在一些实施例中,使用例如PCT/GB2010/001472的第12页第26行至第13页第2行,第13页第11至18行,第19页第4至11行以及第21页第4至17行中描述的方法确定内侧乳房边缘并且找到参考点,其通过引用并入本文。
如果确定乳房为脂肪性的,则处理器20执行阶段46而不是阶段44。在阶段46,处理器20执行第二过程。第二过程包括生成直方图,检测直方图中的间隙,并且如上参考阶段44所述确定内侧乳房边缘。然而,在脂肪性乳房的情况下,第一区域包括脂肪性乳房边缘并且第二区域包括脂肪性乳房组织。因此,使用初始确定的内侧乳房边缘来确定参考点可能无法提供最佳参考点。
第二过程进一步包括通过增加阈值像素值以迭代方式向内(即远离乳房的边缘)移动内侧乳房边缘,直到找到内侧乳房边缘的预选特性。在本实施例中,内侧乳房边缘以迭代方式向内移动,直到沿内侧乳房边缘的足够长度发现强度边缘。
在其他实施例中,处理器20向内移动内侧乳房边缘直到满足任何合适的准则。例如,内侧乳房边缘可以基于乳房区域和/或乳房边缘的区域移动。内侧乳房边缘可以移动直到满足所需的强度准则或平滑度准则。内侧乳房边缘可以移动直到沿着内侧乳房边缘的至少一部分找到强度边缘和/或直到找到光滑均匀的边缘。
处理器20将搜索参考点的区域界定为找到的内侧乳房边缘内或内侧乳房边缘上的像素(在已经移动内侧乳房边缘之后)。处理器20在内侧乳房边缘内或内侧乳房边缘上选择参考点。一般来说,对于脂肪性乳房而非在致密性乳房的情况下,参考点从乳房的边缘进一步选择。处理器20可以选择多个参考点。
在一些实施例中,使用例如PCT/GB2010/001472的第13页第24至29页和第19页第21至31行所述的方法来确定内侧乳房边缘,并且找到参考点,其通过引用并入本文。
在使用阶段44的第一过程或阶段46的第二过程选择了参考点之后,图2的方法前进到阶段48。
在阶段48,处理器20使用参考点的像素值和/或能量值来获得参考值。处理器20可以使用参考值来校准X射线图像中的其他像素的能量值。在一些实施例中,处理器20使用多个参考点来获得参考值。
在阶段50,处理器20使用X射线图像的经校准的能量值来针对X射线图像中的多个点中的每个点(例如,对于每个像素)确定脂肪厚度hfat和感兴趣的组织的厚度hint,其中感兴趣的组织可以包括纤维组织、腺组织、水或癌组织中的至少一种。由于已知参考值代表全部或大部分脂肪的点,所以可以基于参考值来确定其他点的组成。
在本实施例中,处理器20通过比较乳房组织图像中的每个像素值与参考点处的像素值以获得每个像素的相对差值来建立与乳房组织图像的每个像素相对应的感兴趣组织的hint表示。处理器20在组织分析中使用hint表示来预测乳房组织图像中对应于每个像素的纤维腺状组织的体积并且将这些值相加以量化乳房组织。
处理器20通过计算每个像素对应的脂肪厚度hfat,对hint和hfat值求和,并且随后计算乳房密度来执行乳房组成的自动估计。乳房密度的计算可以包括使用脂肪体积和感兴趣组织的体积,如PCT/GB2010/001472的第16页第21至24行所述。在其他实施例中,可以使用利用参考值确定乳房密度的任何合适的方法。
在阶段50确定的乳房组成可以比阶段42的估计的乳房组成更准确。
通过在过程中尽早确定乳房是致密性的还是脂肪性的,可以精确地设置内侧乳房边缘并且可以获得改善的乳房组成估计。确定乳房组成的方法可以通过早期了解乳房是致密性的还是脂肪性的,以及为致密性乳房和脂肪性乳房选择不同的计算过程来改进。
因此,使用平均有效衰减作为乳房组成的粗略度量,本发明指示应该发现内侧乳房边缘在何处获得脂肪的良好参考点,然后应用PCT/GB2010/001472中描述的方法。根据乳房是脂肪性的还是致密性的来使用不同的过程找到参考点。
早期确定乳房是脂肪性的还是致密性可以节省时间和/或节省计算能力。
直接曝光区域的像素值通常在胶片画面和数字乳房X射线照片上饱和,因此对于大多数标准乳房X射线而言,计算出的X射线衰减过低。
在DBT中,每个投影使用低辐射剂量,因此探测器不会饱和,并且该值可用于估计密度。因此,本发明的另一个优点是使年轻对象受到辐射的风险最小化,因为它能够以较低剂量估计密度,识别感兴趣区域以供进一步分析,从而能够在早期进行基线扫描以及密度和风险评估。
以上参照图2描述的方法在乳房的X射线图像上执行。所述方法可以在任何合适的对象,例如任何人或动物对象的X射线图像上执行。对象的区域可以包括胸部的至少一部分和/或肺的至少一部分。
代替内侧乳房边缘,可以确定任何合适的组织边界。所述方法可以用于在任何两个或更多个过程之间进行选择。
已经通过具有修改和替换的几个实施例的方式描述了本发明,但是在阅读并理解了本说明书后,对于本领域技术人员来说,其他实施例和修改将是显而易见的。所有这些实施例和修改都意图落入本发明的范围内。
Claims (28)
1.一种方法,包括:
接收表示包括组织的对象的至少一部分的X射线图像的图像数据,其中所述X射线图像的第一部分被直接曝光,并且所述X射线图像的第二部分表示所述对象的区域中的组织;以及
根据从所述X射线图像的所述第一部分获得的能量度量和从所述X射线图像的所述第二部分获得的能量度量来确定衰减的度量。
2.根据权利要求1所述的方法,还包括使用所述衰减的度量来估计所述对象的所述区域的至少一部分内的组织密度。
3.根据权利要求1或权利要求2所述的方法,其中确定所述衰减的度量包括:将从所述X射线图像的所述第一部分获得的能量度量除以从所述X射线图像的所述第二部分获得的能量度量以获得衰减值;以及将所述衰减值除以所述对象的区域中的组织的厚度以获得所述衰减的度量。
4.根据任一前述权利要求所述的方法,还包括使用所述X射线图像的所述第一部分中的至少一个像素的至少一个像素值从所述X射线图像的所述第一部分获得能量度量;以及使用所述X射线图像的所述第二部分中的至少一个像素的至少一个像素值获得所述X射线图像的所述第二部分的能量度量。
5.根据权利要求2或从属于权利要求2的权利要求3或4所述的方法,所述方法还包括确定所述X射线图像上的参考点,其中所述参考点的确定根据所估计的组织密度来执行。
6.根据权利要求5所述的方法,其中所述参考点的选择包括在用于确定所述参考点的第一过程和第二过程之间进行选择,所述第一过程和第二过程之间的选择基于所估计的组织密度。
7.根据权利要求6所述的方法,其中所述第一过程和第二过程中的每个过程包括确定所述X射线图像上的组织边界,所述组织边界将第一组织区域与第二组织区域分开,并且根据所述组织边界选择参考点。
8.根据权利要求7所述的方法,其中所述第二过程还包括迭代所述组织边界的位置,直到满足所述组织边界的准则。
9.根据权利要求5至8中任一项所述的方法,还包括使用所述参考点针对所述对象的所述区域中的多个点中的每个点确定脂肪厚度hfat和感兴趣的组织的厚度hint。
10.根据权利要求9所述的方法,还包括确定所述对象的所述区域中的组织密度,其中所述组织密度的确定基于所述多个点的hfat和hint。
11.根据权利要求6至10中任一项所述的方法,其中在所述第一过程与所述第二过程之间进行选择包括:如果所估计的组织密度高于阈值组织密度,则选择所述第一过程,并且如果所估计的组织密度低于阈值组织密度,则选择所述第二过程。
12.根据前述权利要求中任一项所述的方法,其中所述对象的所述区域包括乳房的至少一部分。
13.根据权利要求2或从属于权利要求2的权利要求3至12中任一项所述的方法,其中所估计的组织密度是所述乳房的所述至少一部分的估计的组织密度。
14.根据从属于权利要求6至11中任一项的权利要求12或权利要求13所述的方法,其中在所述第一过程中选择参考点包括:选择靠近所述乳房的边缘的参考点;并且在所述第二过程中选择参考点包括选择距所述乳房的边缘更远的参考点。
15.根据从属于权利要求8的权利要求12至14中任一项所述的方法,其中在所述第一过程中选择参考点包括:在所述第一组织区域中或组织边界上选择参考点;并且在所述第二过程中选择参考点包括:在迭代的组织边界上或所述第二组织区域中选择参考点。
16.根据权利要求12至15中任一项所述的方法,其中所述组织边界包括内侧乳房边缘;所述第一组织区域位于所述内侧乳房边缘与所述乳房的边缘之间;并且所述第二组织区域在所述内侧乳房边缘内部。
17.根据前述权利要求中任一项所述的方法,其中所述对象的所述区域包括胸部的至少一部分和/或肺的至少一部分。
18.根据任一前述权利要求所述的方法,还包括通过执行X射线成像过程来获得所述图像数据。
19.根据权利要求18所述的方法,其中所述X射线成像过程包括乳房X射线照相过程。
20.根据权利要求18或权利要求19所述的方法,其中所述X射线成像过程包括数字乳房断层合成过程。
21.根据权利要求18至20中任一项所述的方法,其中所述X射线成像过程包括:选择在所述X射线成像过程中使用的低于X射线探测器的饱和阈值的输入X射线能量,使得所述X射线图像的所述第一部分中的像素值根据输入X射线能量而变化。
22.根据权利要求18至21中任一项所述的方法,其中所述输入X射线成像能量小于0.5mGy。
23.根据任一前述权利要求所述的方法,其中使用单能X射线获取所述X射线图像。
24.根据任一前述权利要求所述的方法,其中使用多能X射线来获取所述X射线图像。
25.根据任一前述权利要求所述的方法,还包括通过分割所述图像数据来确定所述X射线图像的所述第一部分和所述第二部分。
26.一种包括处理器的装置,所述处理器被配置为:
接收表示包括组织的对象的至少一部分的X射线图像的图像数据,其中所述X射线图像的第一部分被直接曝光,并且所述X射线图像的第二部分表示所述对象的区域中的组织;以及
根据从所述X射线图像的所述第一部分获得的能量度量和从所述X射线图像的所述第二部分获得的能量度量来确定衰减的度量。
27.一种计算机程序产品,包括由处理器可执行以执行根据权利要求1至24中任一项所述的方法的计算机可读指令。
28.一种用于量化图像的方法,由此找到图像上的参考值;使用所述图像的直接曝光部分来估计乳房密度,以获得进入所述乳房的能量的指示“能量输入”;估计所述区域内的像素值以获得离开所述乳房的能量的指示“能量输出”,其中
X射线衰减uh=ln(能量输入/能量输出);以及
将所述衰减除以乳房厚度以获得所述乳房中每厘米的平均有效衰减。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NZ713915 | 2015-11-05 | ||
NZ71391515 | 2015-11-05 | ||
PCT/IB2016/056669 WO2017077511A1 (en) | 2015-11-05 | 2016-11-07 | Method for quantification of images |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108475423A true CN108475423A (zh) | 2018-08-31 |
CN108475423B CN108475423B (zh) | 2022-05-24 |
Family
ID=58662407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680077530.3A Active CN108475423B (zh) | 2015-11-05 | 2016-11-07 | 量化图像的方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US10733724B2 (zh) |
EP (1) | EP3371774B1 (zh) |
CN (1) | CN108475423B (zh) |
DK (1) | DK3371774T3 (zh) |
LT (1) | LT3371774T (zh) |
PL (1) | PL3371774T3 (zh) |
RS (1) | RS62473B1 (zh) |
WO (1) | WO2017077511A1 (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040062429A1 (en) * | 2002-09-27 | 2004-04-01 | Kaufhold John Patrick | Method and apparatus for enhancing an image |
US20080087833A1 (en) * | 2005-03-07 | 2008-04-17 | Mccroskey William K | Modular multi-modal tomographic detector and system |
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 |
GB2474319A (en) * | 2009-07-20 | 2011-04-13 | Matakina Technology Ltd | Analysing breast tissue image using reference spot and calibration error |
US20110110576A1 (en) * | 2009-10-07 | 2011-05-12 | Hologic, Inc. | Selective Display Of Computer-Aided Detection Findings With Associated Breast X-Ray Mammogram and/or Tomosynthesis Image Information |
CN102232227A (zh) * | 2008-11-26 | 2011-11-02 | 模拟技术公司 | 利用光子计数进行连续波层析x射线照相组合的方法和设备 |
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 |
US20120207271A1 (en) * | 2010-06-30 | 2012-08-16 | Yigang Yang | Article inspection device and inspection method |
CN102812492A (zh) * | 2010-03-08 | 2012-12-05 | 皇家飞利浦电子股份有限公司 | 在心脏成像中感兴趣区域的定义 |
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 |
CN103690184A (zh) * | 2012-09-27 | 2014-04-02 | 西门子公司 | 用于确定骨骼矿物质密度值的方法和计算机断层造影系统 |
WO2014195669A1 (en) * | 2013-06-06 | 2014-12-11 | Matakina Technology Ltd | A method of reconstruction of an object from projection views |
JP2015093000A (ja) * | 2013-11-11 | 2015-05-18 | 日立アロカメディカル株式会社 | 医療用x線測定装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040170561A1 (en) * | 1998-09-08 | 2004-09-02 | Jesse Salb | Functional radiographic imaging methods and agents |
US6246747B1 (en) * | 1999-11-01 | 2001-06-12 | Ge Lunar Corporation | Multi-energy x-ray machine with reduced tube loading |
US6740041B2 (en) * | 2002-09-19 | 2004-05-25 | Ge Medical Systems Global Technology Company, Llc | Bone densitometer providing assessment of absolute fracture risk |
US7391892B2 (en) * | 2003-11-26 | 2008-06-24 | Ge Medical Systems, Inc. | Universal digital subtraction phantom and analysis system and method |
-
2016
- 2016-11-07 LT LTEPPCT/IB2016/056669T patent/LT3371774T/lt unknown
- 2016-11-07 PL PL16795434T patent/PL3371774T3/pl unknown
- 2016-11-07 RS RS20211202A patent/RS62473B1/sr unknown
- 2016-11-07 EP EP16795434.6A patent/EP3371774B1/en active Active
- 2016-11-07 CN CN201680077530.3A patent/CN108475423B/zh active Active
- 2016-11-07 WO PCT/IB2016/056669 patent/WO2017077511A1/en active Application Filing
- 2016-11-07 DK DK16795434.6T patent/DK3371774T3/da active
- 2016-11-07 US US15/772,260 patent/US10733724B2/en active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040062429A1 (en) * | 2002-09-27 | 2004-04-01 | Kaufhold John Patrick | Method and apparatus for enhancing an image |
US20080087833A1 (en) * | 2005-03-07 | 2008-04-17 | Mccroskey William K | Modular multi-modal tomographic detector and system |
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 |
US20100104151A1 (en) * | 2008-09-03 | 2010-04-29 | Agfa Healthcare Nv | Method for Deriving Amount of Dense Tissue from Mammographic Image |
CN102232227A (zh) * | 2008-11-26 | 2011-11-02 | 模拟技术公司 | 利用光子计数进行连续波层析x射线照相组合的方法和设备 |
GB2474319A (en) * | 2009-07-20 | 2011-04-13 | Matakina Technology Ltd | Analysing breast tissue image using reference spot and calibration error |
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 |
US20110110576A1 (en) * | 2009-10-07 | 2011-05-12 | Hologic, Inc. | Selective Display Of Computer-Aided Detection Findings With Associated Breast X-Ray Mammogram and/or Tomosynthesis Image Information |
CN102812492A (zh) * | 2010-03-08 | 2012-12-05 | 皇家飞利浦电子股份有限公司 | 在心脏成像中感兴趣区域的定义 |
US20120207271A1 (en) * | 2010-06-30 | 2012-08-16 | Yigang Yang | Article inspection device and inspection method |
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 |
CN103690184A (zh) * | 2012-09-27 | 2014-04-02 | 西门子公司 | 用于确定骨骼矿物质密度值的方法和计算机断层造影系统 |
WO2014195669A1 (en) * | 2013-06-06 | 2014-12-11 | Matakina Technology Ltd | A method of reconstruction of an object from projection views |
JP2015093000A (ja) * | 2013-11-11 | 2015-05-18 | 日立アロカメディカル株式会社 | 医療用x線測定装置 |
Non-Patent Citations (3)
Title |
---|
ROLLER D. 等: "A Method for Interpreting Pixel Grey Levels in Digital Mammography", 《IMAGE ANALYSIS AND RECOGNITION LECTURE NOTES IN COMPUTER SCIENCE》 * |
S. VAN ENGELAND 等: "Volumetric breast density estimation from full-field digital mammograms", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
冯庆宇: "第三讲 数字化医疗影像设备质量评价与控制", 《中国医疗设备》 * |
Also Published As
Publication number | Publication date |
---|---|
US10733724B2 (en) | 2020-08-04 |
PL3371774T3 (pl) | 2022-01-03 |
DK3371774T3 (da) | 2021-10-04 |
WO2017077511A1 (en) | 2017-05-11 |
US20180315186A1 (en) | 2018-11-01 |
LT3371774T (lt) | 2021-11-10 |
EP3371774A1 (en) | 2018-09-12 |
CN108475423B (zh) | 2022-05-24 |
EP3371774B1 (en) | 2021-06-30 |
RS62473B1 (sr) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7876939B2 (en) | Medical imaging system for accurate measurement evaluation of changes in a target lesion | |
US11207043B2 (en) | Myocardial CT perfusion image synthesis | |
EP2976746B1 (en) | A method and x-ray system for computer aided detection of structures in x-ray images | |
US9936932B2 (en) | X-ray imaging apparatus and method for controlling the same | |
KR20120041557A (ko) | 영상을 처리하는 방법, 이를 수행하는 영상처리장치 및 의료영상시스템 | |
US8831323B2 (en) | Method and apparatus for measuring activity of a tracer | |
KR20150073628A (ko) | 컴퓨터 보조 진단용 진단모델 적응 시스템 및 방법 | |
CN105793894B (zh) | 根据图像数据来进行骨骼分割 | |
JP2012179360A (ja) | 医用画像処理装置、x線コンピュータ断層撮像装置及び医用画像処理プログラム | |
US11779288B2 (en) | Methods, systems, and apparatus for determining radiation doses | |
Burger et al. | How to assess background activity: introducing a histogram-based analysis as a first step for accurate one-step PET quantification | |
US10929974B2 (en) | Determining calcium content from spectral CT data | |
US20150173650A1 (en) | Method and apparatus for indicating point whose location has been adjusted based on type of caliper in medical image | |
JP2016202459A (ja) | 画像処理装置及びx線診断装置 | |
US10524754B2 (en) | Bone and hard plaque segmentation in spectral CT | |
CN108475423A (zh) | 量化图像的方法 | |
US9378549B2 (en) | Estimation of confidence limits for measurements derived from image data | |
KR101886235B1 (ko) | Ct 영상 기반의 신체크기 특이적 피폭선량 및 화질지수 제공 장치 및 방법 | |
ES2891340T3 (es) | Método de cuantificación de imágenes | |
WO2012083350A1 (en) | Coronary calcium measurement | |
RU2721932C2 (ru) | Альтернативное решение для неопределенных областей в изображениях mrcat |
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 |