CN114155205A - 一种乳腺结节边界清晰度判定装置 - Google Patents

一种乳腺结节边界清晰度判定装置 Download PDF

Info

Publication number
CN114155205A
CN114155205A CN202111337988.7A CN202111337988A CN114155205A CN 114155205 A CN114155205 A CN 114155205A CN 202111337988 A CN202111337988 A CN 202111337988A CN 114155205 A CN114155205 A CN 114155205A
Authority
CN
China
Prior art keywords
boundary
region
nodule
breast
sub
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.)
Pending
Application number
CN202111337988.7A
Other languages
English (en)
Inventor
朱一成
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.)
Shiwei Xinzhi Medical Technology Shanghai Co ltd
Original Assignee
Shiwei Xinzhi Medical Technology Shanghai Co ltd
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 Shiwei Xinzhi Medical Technology Shanghai Co ltd filed Critical Shiwei Xinzhi Medical Technology Shanghai Co ltd
Priority to CN202111337988.7A priority Critical patent/CN114155205A/zh
Publication of CN114155205A publication Critical patent/CN114155205A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G06T2207/10132—Ultrasound 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种乳腺结节边界清晰度判定装置，包括：图像获取模块：用于获取带有乳腺结节的超声图像；感兴趣结节图像提取模块：用于得到感兴趣结节图像；乳腺结节边界信息提取模块：用于基于感兴趣结节图像提取乳腺结节的带状区域；区域差异分析模块：用于将所述带状区域分割为若干子带状区域，并判断每个子带状区域的区分度；带状区域超像素分割模块：用于将带状区域进行超像素分割；边界锐利度判定模块：用于获取超像素带状区域中若干关于超像素的亮度趋势变化信号，并对其锐利度进行判定；乳腺结节边界清晰度判定模块：用于根据每个子带状区域的区分度和锐利度判定结果对结节边界的清晰度进行判定。本发明能够有效判定乳腺结节的边界清晰度。

Description

一种乳腺结节边界清晰度判定装置
技术领域
本发明涉及辅助医学诊断技术领域，特别是涉及一种乳腺结节边界清晰度判定装置。
背景技术
如今，随着对快速准确诊断的需求日益增长，以及临床人员的短缺，计算机分析方法已经越来越多地应用于支持常规临床诊断，并显示出良好的效果。
预计近些年，乳腺癌将成为女性的第二大致命癌症，死亡率为15％。这些统计数据表明，乳腺癌的诊断对于提高预期寿命至关重要，尤其是对女性而言。作为一种常用的临床工具，超声成像是一种无创、无辐射、低成本的癌症诊断技术。然而，由于图像质量较低，从超声中识别乳腺病变和检测癌症体征是一项具有挑战性的任务。
恶性肿瘤的生长和进展可以通过其方向、外观、质地、成分和许多其他因素来反映。作为一种使用良好的工具，灰度超声(US)图像可以可视化许多这些因素，帮助医生更好地观察和理解乳腺结节。然而，在目前的临床实践中，在超声乳腺图像中观察到的特征只能主观或半主观地进行评估，这限制了超声图像的广泛应用。因此，自动准确的乳腺结节定量分析标准对于准确的癌症诊断至关重要。
乳腺成像报告和数据系统(BI-RADS)是科学测量和报告乳腺结节的指南。不幸的是，目前还没有研究定量BI-RADS特征改善乳腺癌分类的诊断性能。
发明内容
本发明所要解决的技术问题是提供一种乳腺结节边界清晰度判定装置，能够有效判定乳腺结节边界的清晰度。
本发明解决其技术问题所采用的技术方案是：提供一种乳腺结节边界清晰度判定装置，包括：
图像获取模块：用于获取带有乳腺结节的超声图像；
感兴趣结节图像提取模块：用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取，得到感兴趣结节图像；
乳腺结节边界信息提取模块：用于基于所述感兴趣结节图像，通过坐标差值法或形态学操作来提取乳腺结节的带状区域，所述带状区域包括内部带状区域和外部带状区域；
区域差异分析模块：用于将所述带状区域分割为若干子带状区域，每个子带状区域包括内部带状子区域和外部带状子区域，基于所述内部带状子区域和外部带状子区域判断每个子带状区域的区分度；
带状区域超像素分割模块：用于将所述带状区域进行超像素分割，得到超像素带状区域；
边界锐利度判定模块：用于获取所述超像素带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定；
乳腺结节边界清晰度判定模块：用于根据每个子带状区域的区分度和锐利度判定结果对乳腺结节边界的清晰度进行判定。
所述乳腺结节边界信息提取模块中的基于所述感兴趣结节图像，通过坐标差值法来提取乳腺结节的带状区域，包括：
基于所述感兴趣结节图像确定带状区域的内部边界IP和外部边界OP；
根据确定好的带状区域的内部边界IP和外部边界OP，来提取乳腺结节的带状区域；
其中，所述乳腺结节边界信息提取模块中的基于所述感兴趣结节图像确定带状区域的内部边界IP和外部边界OP，包括：
构建比率d，其中，所述比率d为结节质心到带状区域的内部边界IP距离与结节质心到乳腺结节边界距离之比；
根据所述比率d和乳腺结节的边界RC计算带状区域的内部边界IP坐标；
获取带状区域的内部边界IP坐标和乳腺结节的边界RC之间的距离D；
根据所述距离D计算带状区域的外部边界OP坐标。
所述乳腺结节边界信息提取模块中的比率d的公式为：
Figure BDA0003351236240000021
其中，w表示乳腺结节的宽度，h表示乳腺结节的高度。
所述乳腺结节边界信息提取模块中的根据所述比率d和乳腺结节边界RC计算带状区域的内部边界IP坐标，公式为：
Figure BDA0003351236240000022
其中，IPx和IPy是带状区域的内部边界的坐标，RCx和RCy是乳腺结节边界坐标，NCx和NCy是乳腺结节的质心坐标。
所述乳腺结节边界信息提取模块中的根据所述距离D计算带状区域的外部边界OP坐标，公式为：
Figure BDA0003351236240000031
其中，Dx和Dy分别是乳腺结节的边界RC和带状区域的内部边界IP之间x和y距离的大小，RCx和RCy是乳腺结节边界坐标，Quadrant1、Quadrant2、Quadrant3和Quadrant4是以乳腺结节中心为基准划分出的四个象限。
所述区域差异分析模块中的基于所述内部带状子区域和外部带状子区域判断每个子带状区域的区分度，包括：
分别提取内部带状子区域和外部带状子区域的亮度均值、标准差；
基于内部带状子区域和外部带状子区域的亮度均值、标准差构造特征向量；
计算内部带状子区域的特征向量和外部带状子区域的特征向量之间的欧氏距离，并根据欧氏距离的计算结果判断每个子带状区域的区分度。
所述边界锐利度判定模块中的获取所述带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定，具体为：
以乳腺结节为中心围绕所述带状区域旋转一周，并在旋转过程中依次从所述内部带状区域至外部带状区域的方向上提取每个超像素的亮度值，得到一个关于内部带状区域至外部带状区域中超像素的亮度趋势变化信号，旋转一周后得到n个亮度趋势变化信号，最后对n个亮度趋势变化信号进行锐利度判定；
若所述亮度趋势变化信号小于预设阈值，则判定乳腺结节边界非锐利；若所述亮度趋势变化信号大于预设阈值，则判定乳腺结节边界锐利。
所述边界锐利度判定模块还包括：对乳腺结节边界锐利度判定后，将第i个亮度趋势变化信号判定结果和相邻亮度趋势变化信号判定结果进行对比来修正锐利度判定结果，公式为：
Figure BDA0003351236240000032
其中，亮度趋势变化信号判定结果为1表示锐利，亮度趋势变化信号判定结果为0表示非锐利。
所述乳腺结节边界清晰度判定模块中的根据每个子带状区域的区分度和锐利度判定结果对乳腺结节边界的清晰度进行判定，包括：确定每个子带状区域的清晰度标签，公式为：
Figure BDA0003351236240000041
其中，tscp表示信号锐利度的比例阈值，∧表示与运算，clear表示子带状区域清晰，unclear表示子带状区域不清晰，SDr表示每个子带状区域的区分度判断结果，SDr＝true表示子带状区域被判定为易于区分的，SDr＝false表示子带状区域被判定为难以区分的，SCPr表示带状区域的锐利度测量结果。
所述乳腺结节边界清晰度判定模块中的根据每个子带状区域的区分度和锐利度判定结果对乳腺结节边界的清晰度进行判定，还包括：根据每个子带状区域的清晰度标签确定乳腺结节边界的整体清晰度，公式为：
Figure BDA0003351236240000042
其中，tclear表示乳腺结节清晰的阈值，tunclear表示乳腺结节不清晰的阈值，SRatio表示乳腺结节整体清晰度比率且
Figure BDA0003351236240000043
R表示子带状区域个数。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过坐标插值法或形态学方法实现对乳腺结节边界的信息进行提取，并且提取到的边界信息能够用于乳腺结节的征象分析；本发明中的比率d是根据乳腺结节大小来确定的，并且比率d决定了带状区域的大小，带状区域的大小对乳腺结节边界分析具有重要意义，若是带状区域过大或过小都会使得对乳腺结节边界的分析产生误差，进而导致对乳腺结节征象的错误解读；本发明基于超像素结合信号分析的方法对乳腺结节的边界进行局部分析，能够有效判定出结节的边界是否锐利；本发明局部度量(即信号分析)和全局度量(即区域差异分析)能够对乳腺结节边界的清晰度进行有效判定；本发明可以有效避免医生对乳腺结节直接进行主观分析导致错误，方便医生更好更快更精确地做出判断。
附图说明
图1是本发明实施方式的流程图；
图2是本发明实施方式的关于乳腺结节边界和带状区域示意图；
图3是本发明实施方式的基于乳腺结节的象限分割示意图；
图4是本发明实施方式的自适应中值滤波和双边滤波前后示意图；
图5是本发明实施方式的超像素分割前后示意图；
图6是本发明实施方式的带状区域分割为子带状区域示意图；
图7是本发明实施方式的子带状区域清晰度示意图；
图8是本发明实施方式的乳腺结节锐利度判定结果示意图；
图9是本发明实施方式的乳腺结节清晰度判定结果示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种乳腺结节边界清晰度判定装置，请参阅图1，包括：
图像获取模块：用于获取带有乳腺结节的超声图像；
感兴趣结节图像提取模块：用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取，得到感兴趣结节图像；
乳腺结节边界信息提取模块：用于基于所述感兴趣结节图像，通过坐标差值法或形态学操作来提取乳腺结节的带状区域，所述带状区域包括内部带状区域和外部带状区域；
区域差异分析模块：用于将所述带状区域分割为若干子带状区域，每个子带状区域包括内部带状子区域和外部带状子区域，基于所述内部带状子区域和外部带状子区域判断每个子带状区域的区分度；
带状区域超像素分割模块：用于将所述带状区域进行超像素分割，得到超像素带状区域；
边界锐利度判定模块：用于获取所述超像素带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定；
乳腺结节边界清晰度判定模块：用于根据每个子带状区域的区分度和锐利度判定结果对乳腺结节边界的清晰度进行判定。
以下通过一个具体的实施方式对本发明进行详细介绍：
在临床实践中，边界清晰度是分析结节的恶性程度的重要指标。由于恶性肿瘤对周围组织具有侵袭性，因此恶性结节的边界通常是欠清晰的。本实施方式通过对乳腺结节边界清晰度进行分析，以帮助医生做出快速准确的临床决策。
(一)乳腺结节边界的带状区域提取
边界清晰度是对结节边缘周围外观的描述。因此，需要从感兴趣结节图像(ROI)中提取子区域以获得更好的分析结果。如图2所示，带状区域构建模块中，在提取子区域时，首先基于结节边界RC获得带状区域(由IP和OP构成的区域)。该带状区域包括两个区域——内部带状区域(由IP和RC构成的区域)和外部带状区域(由OP和RC构成的区域)。本实施方式通过坐标插值法和形态学操作两种方法得到内部带状区域和外部带状区域。
(1)坐标插值法
在乳腺结节边界信息提取模块中，可以通过坐标差值法确定带状区域(即内部带状区域和外部带状区域)，包括：
基于所述感兴趣结节图像确定带状区域的内部边界IP和外部边界OP；
根据确定好的带状区域的内部边界IP和外部边界OP，来提取乳腺结节的带状区域。
具体如下：
带状区域的内部边界坐标(图2(a)中的IP)位于距离结节边界(图2(a)中的RC)d倍处的位置。d表示结节质心NC和所定义IP之间距离与结节质心NC和RC之间距离的比率，且d∈[0,1]。该倍率系数d是根据乳腺结节大小动态定义的，公式如下：
Figure BDA0003351236240000061
其中，w和h分别是乳腺结节的宽度和高度，min(w,h)表示乳腺结节的最小尺寸。然后，通过以下方法估计带状区域的内部边界：
IPx＝(1-d·RCx)+(d·NCx)
IPy＝(1-d·RCy)+(d·NCy)
其中，IPx和IPy是带状区域的内部边界IP的坐标，NCx和NCy是乳腺结节的质心坐标。外部边界坐标OPx和OPy与结节边界的距离应与内部边界坐标与结节边界的距离相同，即图2(a)中的RC和IP之间的距离应与图2(a)中的RC和OP之间的距离相同。以下公式用于获得RC-IP的距离：
Dx＝|IPx-RCx|
Dy＝|IPy-RCy|
计算上述距离后，根据以下公式估算OP的坐标：
Figure BDA0003351236240000071
其中，Dx和Dy是RC和IP之间x和y距离的大小。如图3所示，本实施方式将乳腺结节划分为4个象限，分别是Quadrant1、Quadrant2、Quadrant3和Quadrant4，则OP的坐标基于乳腺结节4个象限进行估算。当得出的OPx小于1时将其限至为1，当得出的OPx大于乳腺结节宽度w时将其限至为w；当得出的OPy小于1时将其限至为1，当得出的OPy大于乳腺结节高度h时将其限至为h。
综上所述，IP和OP分别表示带状区域的内部边界坐标和外部边界坐标。上述坐标差值法仅适用于常规中小型结节(结节尺寸小于100×100像素)。
(2)形态学操作
在乳腺结节边界信息提取模块中，还可以通过形态学操作确定带状区域(即内部带状区域和外部带状区域)，具体如下：
形态学操作通过对结节边界进行腐蚀(收缩)和膨胀(生长)来衍生出内部带状区域和外部带状区域，原理具体为：基于结节边界进行膨胀操作，即图像表现为区域生长，基于结节边界进行腐蚀操作，即图像表现为区域收缩，然后分别将膨胀操作后的图像和腐蚀操作后的图像与感兴趣结节图像进行相减操作，进而得到乳腺结节的内部带状区域和外部带状区域，即得到了带状区域。
膨胀操作和腐蚀操作是通过碟形结构元素S在二值图像BI上实现各自的操作，公式如下：
Figure BDA0003351236240000081
Figure BDA0003351236240000082
其中，
Figure BDA0003351236240000083
表示腐蚀操作符号，
Figure BDA0003351236240000084
表示膨胀操作符号，BI表示基于感兴趣结节图像得到的二值图像。本实施方式的形态学操作适用于乳腺结节尺寸大于100×100像素的结节。
如图2(b)所示，通过对实际的乳腺结节进行坐标插值或形态学操作后，提取出的带状区域，该带状区域包括内部带状区域和外部带状区域。
结果表明，提取的子区域突出了边界分析的关键区域，使得后续过程能够在不考虑无关信息的情况下专注于信息领域，从而加快计算过程并提高分析精度。
(二)图像增强和噪声过滤
对乳腺边界清晰度的研究不仅涉及ROI边界的形状，还涉及其周围的回声表现。然而，众所周知，由于超声图像易受到各种噪声的影响，导致其图像质量较差，这就需要对图像进行增强和噪声滤波。本实施方式应用了几种图像增强和噪声滤波技术来改善图像质量，使其适合于图像内容与算子的提取和分析。具体而言，本实施方式采用自适应中值滤波器和双边滤波器来减少图像中噪声的影响，并对图像进行超像素分割，从而实现图像的一致性评估，具体描述如下：
自适应中值滤波器：自适应中值滤波器可有效减少图像中孤立的亮或暗像素(即噪声)，其工作原理是将图像中的每个像素与邻域像素(由滤波器圈定)进行比较，如果中心像素值与邻域像素差异较大，则将该中心像素视为噪声，然后用邻域中像素的中值替换该中心像素。重复此过程，直到从图像中删除所有噪声像素。本实施方式根据结节的大小动态选择滤波器的窗口大小，公式如下：
Figure BDA0003351236240000085
其中，fs表示自适应中值滤波器的窗口尺寸，w和h分别是乳腺结节的宽和高，当乳腺结节的最小尺寸min(w,h)≥200，则自适应中值滤波器的窗口尺寸fs＝7×7；当乳腺结节的最小尺寸min(w,h)≥100，则自适应中值滤波器的窗口尺寸fs＝5×5；其他情况则自适应中值滤波器的窗口尺寸fs＝3×3。由于自适应中值滤波器的输出是一幅平滑但模糊的图像，因此，后续需要通过双边滤波器来突出显示图像中的边缘和特征。
双边滤波器：双边滤波器是一种非线性滤波器，它使用高斯核函数平滑图像，同时保留图像中的边缘信息。从根本上说，该过程结合了平滑功能和边缘保留功能。图4中的(a)为感兴趣结节图像，图4中的(b)为经过自适应中值滤波器和双边滤波器处理后的图像。
超像素算法能够实现对图像的分割并且消除了图像冗余，其提供了一种简易的结构，从中捕获图像特征，从而最终降低了对图像进行进一步分析的复杂性。本实施方式采用k-means聚类算法生成超像素，这种方法的优点是，它降低了图像的复杂性，但也保留了图像中的某些特征，例如：边界边缘，这对于结节边缘平滑度检测至关重要。超像素的输出如图5所示，(a)为感兴趣结节图像，(b)为超像素分割后的图像。
需要注意的是，本实施方式在后续计算过程中，仅对带状区域进行超像素分割，得到超像素带状区域。
结果表明，上述预处理能够大大降低超声图像中的噪声，并显著提高了图像的可读性，这对图像的后续分析有很大的帮助。
(三)区域差异分析(子带状区域清晰度分析)
区域差异分析根据乳腺结节的大小，将带状区域(内部边界IP和外部边界OP构成)分割为若干子带状区域，带状区域包括内部带状区域(由IP和RC构成的区域)和外部带状区域(由OP和RC构成的区域)，每个子带状区域包括内部带状子区域和外部带状子区域，并使用图像特征对每个子带状区域进行分析，以确定该子带状区域是易于区分的还是难以区分的。该方法描述了关于每个子带状区域平滑度的全局度量。
3.1带状区域分割
带状区域被分成若干子带状区域，这些子带状区域可以对乳腺结节边界的清晰度进行更为鲁棒和精确的估计。本实施方式将带状区域视为圆环形(即360°)，以乳腺结节的中心为圆心，将带状区域进行分割，分割角度由以下公式确定：
Figure BDA0003351236240000091
其中，θ表示分割角度，如图6所示，将带状区域分成12个子带状区域，即|R|＝12，分割角度θ＝30°。根据经验，子带状区域的数量应与乳腺结节大小相关，并且数量不小于12或大于36，即乳腺结节越大，子带状区域的数量越多(即分割角度越小)。
3.2特征分析和区域预测
区域差异分析模块中，在每个子带状区域上都会做出一个二分类决策，以判定该子带状区域的边界是清晰还是不清晰。其中，主要从每个子带状区域的内部带状子区域和外部带状子区域中提取两组特征，具体特征定义如下：
(1)均值
均值是指子带状区域中的亮度均值，亮度均值较高则表示该子带状区域(包括内部带状子区域和外部带状子区域)具有较高的对比度，公式如下：
Figure BDA0003351236240000101
其中，N表示子带状区域中的像素个数，I(x,y)表示在子带状区域中像素点(x,y)处的亮度值。
(2)标准差
标准差用于度量子带状区域中亮度的变化，标准差较高则表示子带状区域(包括内部带状子区域和外部带状子区域)内亮度有较高的变化，公式如下：
Figure BDA0003351236240000102
其中，N表示子带状区域中的像素个数，I(x,y)表示在子带状区域中像素点(x,y)处的亮度值，Mean表示亮度均值。
进一步地，将每个子带状区域的两个特征(即均值和标准差)融合成一个特征向量，任何一个子带状区域都可以用该特征向量来表示。为了确定每个子带状区域是易于区分的还是难以区分的，需要测量每个子带状区域中内部带状子区域和外部带状子区域的欧氏距离，然后与决策阈值tED进行比较，决策阈值tED通过实验确定，欧氏距离公式如下：
Figure BDA0003351236240000103
r＝1...|R|表示子带状区域的数量，j表示特征索引，Rr(inj)表示子带状区域中内部带状子区域的特征向量，Rr(outj)表示子带状区域中外部带状子区域的特征向量。
测量欧氏距离后，根据以下公式对子带状区域的区域差异度做出决策：
Figure BDA0003351236240000111
其中，若ED_Rr≥tED，则表示子带状区域的是易于区分(dintinct)的，否则难以区分(indintinct)。
如图7所示，(a)表示感兴趣结节图像，(b)中亮白色粗线条所在的子带状区域都是易于区分的，灰色细线条所在的子带状区域都是难以区分的。
结果表明，检测到易于区分的子带状区域可以作为乳腺结节边界清晰的一个很好的指标，这大大有助于医生做出更快速、更准确的临床决策。
(四)信号分析(结节边界锐利度分析)
在边界锐利度判定模块中，信号分析主要是对带状区域中超像素的亮度趋势变化进行分析，基于超像素图像提取乳腺结节边界周围(即带状区域)的多个超像素的亮度趋势变化信号，对每个亮度趋势变化信号进行分析，并为每个亮度趋势变化信号分配一个标签——锐利或非锐利。该方法体现了结节边界平滑度的局部度量。
对带状区域中超像素的亮度趋势变化信号进行分析的原理为：以乳腺结节为中心围绕所述带状区域旋转一周，并在旋转过程中依次从所述内部带状区域至外部带状区域的方向上提取每个超像素的亮度值，得到一条关于内部带状区域至外部带状区域中超像素的亮度趋势变化信号，旋转一周后得到n条亮度趋势变化信号。需要注意的是，超像素的亮度值是根据组成该超像素的普通像素的亮度求均值得到的。每个亮度趋势变化信号的分类结果遵循以下标准：
Figure BDA0003351236240000112
其中，Si表示第i条亮度趋势变化信号，Rangei表示第i条亮度趋势变化信号中超像素的最高亮度值和最低亮度值之间的差值，sharp表示锐利，unsharp表示非锐利，trange表示预设锐利信号的阈值，当乳腺结节为大结节时，trange＝15；当乳腺结节为小结节时，trange＝20。
在对所有亮度趋势变化信号进行分类后，本实施方式对锐利度判定结果进行进一步的复核，以更正异常的分类。该检查通过将每个亮度趋势变化信号分类结果与其相邻的亮度趋势变化信号分类结果进行对比，来确保区域内分类结果的一致性，即，如果锐利(1)/非锐利(0)信号被非锐利(0)/锐利(1)信号包围，则该分类结果将被反转以保持和大多数相邻分类结果相同，具体如下所示：
Figure BDA0003351236240000121
超像素亮度趋势变化信号分析的输出是每个信号及其位置的锐利度标签，请参阅图8，(a)中白色线条圈出来的区域表示乳腺结节，(b)中在带状区域里，线条密集的区域表示该区域是清晰的，没有线条的区域表示该区域是不清晰的。
结果表明，超像素亮度趋势变化信号分析可以作为结节清晰度的一个很好的指标，极大地帮助医生做出更快速、更准确的临床决策。
(五)乳腺结节清晰度判定
边界清晰度分析方法可捕捉结节与周围组织边界区域内的亮度变化，并对该变化是否表现为明显或锐利进行分析。换言之，清晰的边界是由易于区分的、锐利的变化来定义的，这种变化能够清楚地将内部结节组织与周围组织分开。根据这一认识，本实施方式通过结节边界亮度变化的一致性来估计边界清晰度。
在乳腺结节边界清晰度判定模块中，将上述区域差异分析和信号分析的输出进行融合，可以得到清晰度度量和预测。对于每一个子带状区域Sr，本实施方式上述得出的区域差异判定结果SDr和锐利度SCPr。据此，对子带状区域Sr清晰度标签的最终判定可以由以下公式确定：
Figure BDA0003351236240000122
其中，tscp＝80％是信号锐利的比例阈值，∧表示与运算，clear表示子带状区域清晰，unclear表示子带状区域不清晰，SDr表示每个子带状区域的区分度判断结果(即欧氏距离判断结果)，SDr＝true表示子带状区域判定为易于区分的，SDr＝false表示子带状区域判定为难以区分的，SCPr表示带状区域的锐利度判定结果。
进一步地，本实施方式根据每个子带状区域Sr的最终标签确定结节的整体清晰度比率SRatio，公式如下：
Figure BDA0003351236240000131
其中，R表示子带状区域个数。
最后，结节的整体清晰度标签由以下公式确定：
Figure BDA0003351236240000132
tclear和tunclear分别是确定乳腺结节清晰和不清晰的阈值，并且tclear和tunclear是根据乳腺结节大小动态确定的。根据实验结果，当tclear＝80和tunclear＝70时，适用于小于100×100像素的乳腺结节，当tclear＝75和tunclear＝65时，适用于大于或等于100×100像素的乳腺结节。
如图9所示，(a)表示乳腺结节边界不清晰(NotClear)，(b)表示乳腺结节边界较清晰(LessClear)，(c)表示乳腺结节边界清晰(Clear)。
由此可见，本发明能够对乳腺结节边界的清晰度进行有效判定；本发明可以有效避免医生对乳腺结节直接进行主观分析导致错误，方便医生更好更快更精确地做出判断。

Claims (10)

1.一种乳腺结节边界清晰度判定装置，其特征在于，包括：
图像获取模块：用于获取带有乳腺结节的超声图像；
感兴趣结节图像提取模块：用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取，得到感兴趣结节图像；
乳腺结节边界信息提取模块：用于基于所述感兴趣结节图像，通过坐标差值法或形态学操作来提取乳腺结节的带状区域，所述带状区域包括内部带状区域和外部带状区域；
区域差异分析模块：用于将所述带状区域分割为若干子带状区域，每个子带状区域包括内部带状子区域和外部带状子区域，基于所述内部带状子区域和外部带状子区域判断每个子带状区域的区分度；
带状区域超像素分割模块：用于将所述带状区域进行超像素分割，得到超像素带状区域；
边界锐利度判定模块：用于获取所述超像素带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定；乳腺结节边界清晰度判定模块：用于根据每个子带状区域的区分度和锐利度判定结果对乳腺结节边界的清晰度进行判定。
2.根据权利要求1所述的乳腺结节边界清晰度判定装置，其特征在于，所述乳腺结节边界信息提取模块中的基于所述感兴趣结节图像，通过坐标差值法来提取乳腺结节的带状区域，包括：
基于所述感兴趣结节图像确定带状区域的内部边界IP和外部边界OP；
根据确定好的带状区域的内部边界IP和外部边界OP，来提取乳腺结节的带状区域；
其中，所述乳腺结节边界信息提取模块中的基于所述感兴趣结节图像确定带状区域的内部边界IP和外部边界OP，包括：
构建比率d，其中，所述比率d为结节质心到带状区域的内部边界IP距离与结节质心到乳腺结节边界距离之比；
根据所述比率d和乳腺结节的边界RC计算带状区域的内部边界IP坐标；
获取带状区域的内部边界IP坐标和乳腺结节的边界RC之间的距离D；
根据所述距离D计算带状区域的外部边界OP坐标。
3.根据权利要求2所述的乳腺结节边界清晰度判定装置，其特征在于，所述乳腺结节边界信息提取模块中的比率d的公式为：
Figure FDA0003351236230000021
其中，w表示乳腺结节的宽度，h表示乳腺结节的高度。
4.根据权利要求2所述的乳腺结节边界清晰度判定装置，其特征在于，所述乳腺结节边界信息提取模块中的根据所述比率d和乳腺结节边界RC计算带状区域的内部边界IP坐标，公式为：
Figure FDA0003351236230000022
其中，IPx和IPy是带状区域的内部边界的坐标，RCx和RCy是乳腺结节边界坐标，NCx和NCy是乳腺结节的质心坐标。
5.根据权利要求2所述的乳腺结节边界清晰度判定装置，其特征在于，所述乳腺结节边界信息提取模块中的根据所述距离D计算带状区域的外部边界OP坐标，公式为：
Figure FDA0003351236230000023
其中，Dx和Dy分别是乳腺结节的边界RC和带状区域的内部边界IP之间x和y距离的大小，RCx和RCy是乳腺结节边界坐标，Quadrant1、Quadrant2、Quadrant3和Quadrant4是以乳腺结节中心为基准划分出的四个象限。
6.根据权利要求1所述的乳腺结节边界清晰度判定装置，其特征在于，所述区域差异分析模块中的基于所述内部带状子区域和外部带状子区域判断每个子带状区域的区分度，包括：
分别提取内部带状子区域和外部带状子区域的亮度均值、标准差；
基于内部带状子区域和外部带状子区域的亮度均值、标准差构造特征向量；
计算内部带状子区域的特征向量和外部带状子区域的特征向量之间的欧氏距离，并根据欧氏距离的计算结果判断每个子带状区域的区分度。
7.根据权利要求1所述的乳腺结节边界清晰度判定装置，其特征在于，所述边界锐利度判定模块中的获取所述带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定，具体为：
以乳腺结节为中心围绕所述带状区域旋转一周，并在旋转过程中依次从所述内部带状区域至外部带状区域的方向上提取每个超像素的亮度值，得到一个关于内部带状区域至外部带状区域中超像素的亮度趋势变化信号，旋转一周后得到n个亮度趋势变化信号，最后对n个亮度趋势变化信号进行锐利度判定；
若所述亮度趋势变化信号小于预设阈值，则判定乳腺结节边界非锐利；若所述亮度趋势变化信号大于预设阈值，则判定乳腺结节边界锐利。
8.根据权利要求7所述的乳腺结节边界清晰度判定装置，其特征在于，所述边界锐利度判定模块还包括：对乳腺结节边界锐利度判定后，将第i个亮度趋势变化信号判定结果和相邻亮度趋势变化信号判定结果进行对比来修正锐利度判定结果，公式为：
Figure FDA0003351236230000031
其中，亮度趋势变化信号判定结果为1表示锐利，亮度趋势变化信号判定结果为0表示非锐利。
9.根据权利要求1所述的乳腺结节边界清晰度判定装置，其特征在于，所述乳腺结节边界清晰度判定模块中的根据每个子带状区域的区分度和锐利度判定结果对乳腺结节边界的清晰度进行判定，包括：确定每个子带状区域的清晰度标签，公式为：
Figure FDA0003351236230000032
其中，tscp表示信号锐利度的比例阈值，∧表示与运算，clear表示子带状区域清晰，unclear表示子带状区域不清晰，SDr表示每个子带状区域的区分度判断结果，SDr＝true表示子带状区域被判定为易于区分的，SDr＝false表示子带状区域被判定为难以区分的，SCPr表示带状区域的锐利度测量结果。
10.根据权利要求9所述的乳腺结节边界清晰度判定装置，其特征在于，所述乳腺结节边界清晰度判定模块中的根据每个子带状区域的区分度和锐利度判定结果对乳腺结节边界的清晰度进行判定，还包括：根据每个子带状区域的清晰度标签确定乳腺结节边界的整体清晰度，公式为：
Figure FDA0003351236230000041
其中，tclear表示乳腺结节清晰的阈值，tunclear表示乳腺结节不清晰的阈值，SRatio表示乳腺结节整体清晰度比率且
Figure FDA0003351236230000042
R表示子带状区域个数。
CN202111337988.7A 2021-11-12 2021-11-12 一种乳腺结节边界清晰度判定装置 Pending CN114155205A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111337988.7A CN114155205A (zh) 2021-11-12 2021-11-12 一种乳腺结节边界清晰度判定装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111337988.7A CN114155205A (zh) 2021-11-12 2021-11-12 一种乳腺结节边界清晰度判定装置

Publications (1)

Publication Number Publication Date
CN114155205A true CN114155205A (zh) 2022-03-08

Family

ID=80460086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111337988.7A Pending CN114155205A (zh) 2021-11-12 2021-11-12 一种乳腺结节边界清晰度判定装置

Country Status (1)

Country Link
CN (1) CN114155205A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114926389A (zh) * 2022-03-30 2022-08-19 什维新智医疗科技(上海)有限公司 一种超声图像的弹性信号提取装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114926389A (zh) * 2022-03-30 2022-08-19 什维新智医疗科技(上海)有限公司 一种超声图像的弹性信号提取装置

Similar Documents

Publication Publication Date Title
WO2022063198A1 (zh) 一种肺部图像处理方法、装置及设备
George et al. Automated cell nuclei segmentation for breast fine needle aspiration cytology
US8849000B2 (en) Method and device for detecting bright brain regions from computed tomography images
CN115797356B (zh) 一种核磁共振肿瘤区域提取方法
WO1995014966A1 (en) Automated method and system for the segmentation of medical images
Bandyopadhyay Pre-processing of mammogram images
CN109816655B (zh) 基于ct图像的肺结节图像特征检测方法
Sarwar et al. Segmentation of cervical cells for automated screening of cervical cancer: a review
Chen et al. A combined method for automatic identification of the breast boundary in mammograms
CN113450327B (zh) 一种甲状腺结节的血管分布信息识别装置
KR101078756B1 (ko) 디지털 유방 ｘ-선 영상에서 미세석회화 군집 검출 방법
CN114155205A (zh) 一种乳腺结节边界清晰度判定装置
CN118379313B (zh) 一种心房颤动患者颅内动脉硬化斑块医疗影像分割方法
Chen et al. A graph-based approach to automated EUS image layer segmentation and abnormal region detection
CN113940702A (zh) 一种甲状腺结节回声分析装置
CN111861984B (zh) 一种确定肺部区域的方法及装置、计算机设备及存储介质
CN113822864B (zh) 一种乳腺结节钙化检测装置
Thomas et al. An automated kidney tumour detection technique from computer tomography images
Sultana et al. Detection of pectoral muscle in mammograms using a mean-shift segmentation approach
CN113808100B (zh) 一种乳腺结节粗钙化识别装置
CN113940704A (zh) 一种基于甲状腺的肌肉和筋膜检测装置
CN111815591B (zh) 基于ct图像的肺结节检测方法
CN114022429A (zh) 一种乳腺结节分叶征检测装置
CN114764810A (zh) 一种医学图像分割方法
CN114155204A (zh) 一种乳腺结节边界锐利度判定装置

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201114 room 101-8, building 3, No. 2388, Chenhang Road, Minhang District, Shanghai

Applicant after: Shiwei Xinzhi medical technology (Shanghai) Co.,Ltd.

Address before: 1628 suzhao Road, Minhang District, Shanghai 201112

Applicant before: Shiwei Xinzhi medical technology (Shanghai) Co.,Ltd.