ZUSAMMENFASSUNG
DER ERFINDUNG
Die
Erfindung ist genau darauf ausgerichtet, die Nachteile der hier
erläuterten
Technologien zu überwinden.
Zu diesem Zweck schlägt
die Erfindung ein 3-D-Bildverarbeitungsverfahren vor, dass dazu genutzt
werden kann, radiologische Auffälligkeiten
in Serien von 3-D-Bildern zu erfassen. Die zur Lokalisierung dieser
radiologischen Markern erforderliche Zeit, wird damit stark reduziert.
Somit kann das System die Wahrscheinlichkeit reduzieren, dass Läsionen durch
den Radiologen während
der Diagnose übersehen
werden.
Die
Erfindung schlägt
einen neuen Ansatz für die
Mammografie vor der vorteilhafterweise die Techniken der digitalen
Verarbeitung des radiologischen Bilds nutzt, um die Lesbarkeit der
Information zu verbessern.
Dieses
Bildverarbeitungsverfahren kann zur Bewältigung einer großen Datenmenge
genutzt werden, in dem neue Strategien entwickelt werden, die in der
Lage sind, die erforderliche Zeit zu reduzieren und den Zugriff
auf klinisch interessante Information zu vereinfachen.
Die
vorliegende Erfindung schlägt
einen Algorithmus zur Erfassung radiologischer Auffälligkeiten
in Serien von 3-D-Bildern
vor. Der erfindungsgemäße Algorithmus
wird dazu verwendet, die Position der radiologischen Auffälligkeiten
in dem 3-D-Bild durch Marker zu indizieren. Er macht es außerdem möglich, automatisch
zwischen bösartigen
und gutartigen Elementen zu unterscheiden.
Um
dies zu vollbringen nutzt der erfindungsgemäße Algorithmus einen Fuzzy-Logik-Ansatz,
um die Zweideutigkeiten in dem Bild zu modellieren. Die Verwendung
von Fuzzy Logik macht es möglich,
das Entscheidungsverfahren hinsichtlich möglicher radiologischer Auffälligkeiten
zu vereinfachen, indem die verfügbare
Information über
die fraglichen radiologischen Auffälligkeiten sowie die Information über die Akquisitionsgeometrie
zusammengestellt werden. Es ordnet jeder fraglichen radiologischen
Auffälligkeit
einen Vertrauenswert zu, in dem alle Information über die
radiologische Auffälligkeit
in Betracht gezogen wird. Dieses Vertrauensmaß gestattet, eine präzise Entscheidung über die
fragliche radiologische Auffälligkeit
zu treffen.
Außerdem wird
der Algorithmus bei der Erfindung direkt auf Ansichten (views) der
radiographischen Projektionen angewendet. Dies ergibt einen Algorithmus
der keinen Rekonstruktionsschritt enthält und außerdem unabhängig von
jedem Rekonstruktionsalgorithmus es der zur Rekonstruktion von Serien
von 3-D-Daten verwendet wird. Außerdem wird eine Verringerung
der Ausführungszeit
erreicht, weil das Bildverarbeitungsverfahren gemäß der Erfindung
einfach von den Projektionen und nicht von einer Anzahl rekonstruierter
Schnitte abhängt,
wie es im Stand der Technik der Fall ist. Im Allgemeinen ist die
Anzahl der Projektionen viel kleiner als die Anzahl der in einer
Brust rekonstruierten Schichten.
Die
Erfindung bietet somit einen Ansatz, der unter Berücksichtigung
der Unklarheiten oder Zweideutigkeiten in dem Bild ein verbessertes
Detektionsergebnis liefert, wobei ein nicht vernachlässigbarer Zeitgewinn
erhalten wird.
In
dem Fall der Untersuchung einer dichten Brust oder einer Brust mit
vielen fibrösen
Strukturen führt
die Überlagerung
der Gewebe zum Zeitpunkt der Filmaufnahme der Projektionen zu Unklarheiten in
der Interpretation. Der erfindungsgemäße Algorithmus gestattet ebenfalls
die Reduktion der Interpretationsunklarheiten in Folge dieser Gewebeüberlagerungen.
Das
erfindungsgemäße Verfahren
neigt außerdem
dazu, die radiologischen Auffälligkeiten
in dem 3-D-Bild einer Brust hervorzuheben. Die vorliegende Erfindung
gibt dem Arzt ein besseres Vertrauen in seine diagnostischen Werkzeuge.
Spezieller
liegt eine Aufgabe der Erfindung in der Verarbeitung von Bildern
einer Röntgeneinrichtung
wobei:
Verschiedene radiografische Projektionsbilder eines Körpers erzeugt
werden;
ein 3-D-Bild des Körpers
rekonstruiert wird;
in diesem 3-D-Bild Strukturen, die möglicherweise
radiologische 3-D-Auffälligkeiten
repräsentieren,
mit hoher Vertrauenswürdigkeit
lokalisiert und auf diese Weise angenommene radiologische 3-D-Auffälligkeiten
erhalten werden wobei
in jedem Projektionsbild ein Set von
2-D-Verdachtskandidaten bestimmt wird, die Projektionen angenommener
radiologischer 3-D-Auffälligkeiten
entsprechen,
wobei mittels Fuzzy-Logik-Beschreibung jedem der Verdachtskandidaten
ein Mitgliedschaftsgrad in jeder der 2-D-Mitgliederklassen eines Satzes von Mitgliederklassen
zugeordnet wird, wobei jede Mitgliedsklasse sich auf einen Typ einer
radiologischen Auffälligkeit
bezieht, wobei jede Klasse vorläufig
bestimmt wird;
jeder 2-D-Fuzzy-Partikel durch den Satz der 2-D-Kandidaten
und durch deren entsprechenden Mitgliedschaftsgrad in der betrachteten
Klasse gebildet wird;
in jedem Projektionsbild eine Zusammenstellung
der 2-D-Fuzzy-Partikel
gebildet wird, um in einem digitalen Volumen ein 3-D-Fuzzy-Partikel
zu erhalten;
aus jedem 3-D-Fuzzy-Partikel Attributinformation
extrahiert wird;
aus dem Satz der erhaltenen einzelnen Attributinformationen
ein Vertrauensgrad (Konfidenzgrad) für jede radiologische Auffälligkeit
bestimmt wird.
KURZE BESCHREIBUNG
DER ZEICHNUNGEN
Die
Erfindung ergibt sich besser aus der nachfolgenden Beschreibung
und den zugehörigen Zeichnungen.
Diese Zeichnungen sind als Beispiel angegeben und beschränken die
Erfindung in keiner Weise.
1 ist
eine schematische Ansicht einer Röntgeneinrichtung, insbesondere
einer Mammografieeinrichtung, die mit den verbesserten erfindungsgemäßen Mitteln
ausgerüstet
ist.
2 veranschaulicht
Mittel zur Implementierung des erfindungsgemäßen Verfahrens.
3 gibt
eine Ansicht in Form eines Graphen über ein Verfahren zur Bestimmung
eines Satzes von Kandidatenkonturen einer fraglichen lokalisierten
radiologischen Auffälligkeit
gemäß der Erfindung.
4a und 4b veranschaulichen
jeweils ein Bespiel der Funktion eines Kriteriums einer vordefinierten
Klasse; die dazu verwendet wird, einer gegebenen Kandidatenkontur
gemäß der Erfindung einen
Mitgliedschaftsgrad bezüglich
dieser Klasse zuzuordnen.
5 ist
eine schematische Ansicht der Aggregation verschiedener Fuzzy-Partikel
des Projektionsbilds gemäß der Erfindung.
6a bis 6c sind
schematische Ansichten eines exemplarischen erfindungsgemäßen Verfahrens
zur Bestimmung von Clustern.
DETAILIERTE
BESCHREIBUNG EINER AUSFÜHRUNGSFORM
DER ERFINDUNG
1 veranschaulicht
eine Röntgeneinrichtung,
die insbesondere eine erfindungsgemäße Mammografieeinrichtung ist.
Diese Röntgeneinrichtung 1 weist
eine feste vertikale Säule 2 auf.
Die Einrichtung 1 weist einen an der vertikalen Säule 2 gelenkig
angeordneten vertikalen Support 2a auf. Dieser vertikale
Support 2a kann schräg
orientiert sein. Die Einrichtung 1 weist eine Röntgenröhre 3 und
einen Detektor 5 auf, der in der Lage ist, die von der Röntgenröhre 3 emittierten
Röntgenstrahlen
zu erfassen.
Die
Röhre 3 weist
einen Fokus 5 auf, der den Röntgenstrahlen emittierenden
Fokus bildet. Dieser Fokus 5 emittiert einen Röntgenstrahl 6 entlang
einer Hauptemmisionsrichtung D. Die Röhre 3 ist von einem
Arm 7 getragen, der an dem vertikalen Support 2a befestigt
ist. Dieser Arm 7 ist ein C-Arm. Der Arm 7 ist
mit der Säule 2 gelenkig
verbunden. Er kann dazu benutzt werden, die Röhre 3 entlang eines Pfads
in Form eines Kreisbogens zu bewegen. Es sind andere Anordnungen
möglich,
die es der Röhre ermöglichen,
sich in einer Ebene oder in einem sphärischen Bereich zu bewegen.
Die Röhre 3 kann
verschiedene Positionen einnehmen, die sich hinsichtlich einer Neigung
zwischen zwei Extrempositionen unterscheiden. Diese beiden Positionen
sind beispielsweise zu einer Ebene der Säule 2 symmetrisch.
Der
Detektor 4 ist beispielsweise ein elektronischer Detektor.
Der Detektor 4 ist mit dem vertikalen Support 2a der
Röhre 3 bezüglich der
Hauptemissionsrichtung D gegenüberliegend
verbunden, um den Röntgenstrahl 6 aufzunehmen.
Der
vertikale Support 2a ist mit einer Brustauflage 8 versehen,
auf die eine Patientin ihre Brust legt. Die Brustauflage liegt über dem
Detektor 4. Der Detektor ist unterhalb der Brustauflage 8 angeordnet.
Der Detektor 4 erfasst die Röntgenstrahlen, die durch die
Brust der Patientin gelaufen sind.
Außerdem muss
die Brust der Patientin aus Gründen
der Stabilität
und der Bildqualität
während der
Radiografie komprimiert werden. Es werden verschiedene komprimierende
Kräfte
aufgebracht. Diese Kräfte
werden über
ein Kompressionspad 9 appliziert, die die Brust auf die
Brustauflage 8 in Abhängigkeit
von der Art der Untersuchung drücken.
Zu diesem Zweck weist der vertikale Support 2a ein verschiebbares
Pad 9 auf, das in der Lage ist, die Brust manuell oder
motorgetrieben zu komprimieren. Das Pad 9 ist aus einem
röntgentransparenten
Material, wie beispielsweise Kunststoff, ausgebildet. Der Vertialsupport 2a trägt deshalb
die folgenden Elemente vertikal von oben nach unten: Die Röntgenröhre 3, das
Pad 9, die Brustauflage 8 und den Detektor.
Während das
Pad 9, die Patientenbrust, die Auflage 8 und der
Detektor 4 im Gebrauch fixiert sind, kann die Röntgenröhre 3 verschiedene
Raumpositionen in Bezug auf diese Anordnung einnehmen.
In
einer Variante kann der Detektor 4 mobil sein und gleichzeitig
mit der Röntgenröhre 3 verschiedene
Positionen um die Brust herum einnehmen. In diesem Fall ist der
Detektor 4 nicht länger
mit der Brustauflage 8 fest verbunden. Der Detektor 4 kann
flach oder gekrümmt
sein. Er kann gedreht und/oder translatorisch bewegt werden.
Nachdem
der Detektor 3 den Röntgenstahl 6 aufgenommen
hat, der einen Teil des Körpers
des Patienten durchlaufen hat, gibt der elektrische Signale ab,
die der Energie der empfangenen Röntgenstrahlen entsprechen.
Die elektrischen Signale müssen
dann mittels eines externen Bus 11 an eine Steuerlogikeinheit 10 übergeben
werden. Diese elektrischen Signale ermöglichen es der Steuerlogikeinheit 10,
ein 2-D-Bild zu
erzeugen, das dem Teil des analysierten Körpers entspricht. Dieses Bild
kann mittels eines Schirms der Steuerlogikeinheit 10 angezeigt oder
ausgedruckt werden.
In
einem Bespiel weist die Steuerlogikeinheit 10 einen Mikroprozessor 12 einen
Programmspeicher 14, ein Datenspeicher 15, einen
Displayschirm 16, eine Tastatur 17 und ein Ausgabe-/Eingabe-Interface 18 auf.
Der Mikroprozessor 12 der Programmspeicher 14,
der Datenspeicher 15, der mit der Tastatur 17 versehene
Schirm 16 und das Eingangs-/Ausgangs-Interface 18 sind durch einen
internen Bus 19 miteinander verbunden.
In
der Praxis wird, wenn davon gesprochen wird, dass die Einrichtung
eine Maßnahme
ausführt, diese
Maßnahme
von einem Mikroprozessor der Einrichtung ausgeführt, der durch Arbeitsanweisungen gesteuert
wird, die in einem Programmspeicher der Einrichtung abgelegt sind.
Die Steuerlogikeinheit 10 ist eine solche Einrichtung.
Die Steuerlogikeinheit 10 wird häufig in Form einer integrierten
Schaltung ausgeführt.
Der
Programmspeicher 14 ist in verschiedene Zonen eingeteilt,
wobei jede Zone entsprechend den enthaltenen Arbeitsanweisungen
eine Funktion der Einrichtung erfüllt. In Abhängigkeit von Ausführungsformen
der Erfindung hat der Speicher 14 eine Zone 20 mit
Arbeitsanweisungen zur Festlegung des Wegs der Röhre 3 und zur Steuerung
der Aussendung einer Vielzahl von Bildprojektionen entlang dieses
Weges. Der Speicher 14 hat eine Zone 21 mit Arbeitsanweisungen
zur Ausführung
der Verarbeitung der Projektionsbilder zur Korrektur von Artefakten
in Folge der Akquisitionsgeometrie.
Der
Speicher 14 weist eine Zone 22 und Arbeitsanweisungen
auf, um in jedem Projektionsbild das fragliche radiologische Auffälligkeiten
mittels erzeugter Marker zu lokalisieren. Der Speicher 14 enthält eine
Zone 23, die Arbeitsanweisungen enthält, um einen Satz möglicher
Kandidatenpartikel für
jeden Marker fraglicher radiologischer Auffälligkeiten festzulegen. Der
Speicher 14 weist eine Zone 24, die Arbeitsanweisungen
enthält,
um die programmierte Fuzzy-Logik zu implementieren.
Diese
programmierte Fuzzy-Logik bestimmt für jeden Kandidatenpartikel
einen Mitgliedschaftsgrad in jeder Mitgliedschaftsklasse, die als
2-D-Klasse bezeichnet wird, in Bezug auf einen Typ einer radiologischen
Auffälligkeit,
wobei jede Klasse vorher festgelegt ist. Der Mitgliedschaftsgrad
wird als eine Funktion der Attribute jedes Kandidatenpartikels bestimmt.
Der
Speicher 14 hat eine Zone 25, die Arbeitsanweisungen
enthält,
um für
jede angenommene radiologische Auffälligkeiten einen 2-D-Fuzzy-Partikel
festzulegen, der durch den Satz von Kandidatenpartikeln bestimmt
wird, sowie deren entsprechenden Mitgliedschaftgrad. Der Speicher 14 weist
eine Zone 26 auf, die Arbeitsanweisungen enthält, um eine
Aggregation der 2-D-Fuzzy-Partikel jedes Projektionsbilds zu implementieren.
Bei einer bevorzugten Ausführungsform
ist die Aggregation eine Operation während derer Information zu
einem Voxel eines digitalen Volumens zugeordnet wird, das durch die
Akquisitionsgeometrie erhalten wird. Diese Information wird von
den Pixeln erhalten, die diesem Voxel in verschiedenen Bildprojektionsbildern
entsprechen.
Die
Aggregation liefert 3-D-Fuzzy-Partikel, die einer Kombination der
2-D-Fuzzy-Partikel in jedem Projektionsbild entsprechen.
Der
Speicher 14 hat eine Zone 27 mit Arbeitsanweisungen
zur Verarbeitung der 3-D-Fuzzy-Partikel des digitalen Volumens zur
Extraktion der die 3-D-Fuzzy-Partikel charakterisierenden Attribute
aus diesen. Der Speicher 14 weist eine Zone 28 mit
Arbeitsanweisungen auf, um die extrahierten Attribute an einen Klassifizierer
zu übertragen,
um den 3-D-Fuzzy-Partikeln einen Vertrauens- oder Verlässlichkeitsgrad
zuzuordnen. Dieser Verlässlichkeitsgrad
ist der Läsionsgrad,
der den 3-D-Fuzzy-Partikeln zugeordnet werden kann, damit diese
eine wirkliche radiologische Auffälligkeit sind.
Bei
einer bevorzugten Ausführungsform
und für
den Rest der Beschreibung ist ein Partikel eine Kontur einer radiologischen
Auffälligkeit.
Es versteht sich, dass der Partikel außerdem eine mit der radiologischen
Auffälligkeit
verbundene Komponente sein kann. Eine verbundene Komponente ist
die Kontur und der Pixelsatz der in und an der Kontur vorhanden ist.
Wenn
der Partikel eine Kontur ist, gibt die Aggregation der Fuzzy-Partikel
Fuzzy-Oberflächen. Wenn
der Partikel eine verbundene Komponente ist, ergibt die Aggregation
der Fuzzy-Partikel
Fuzzy-Volumina.
Die
Steuerlogikeinheit 10 setzt fort, in dem sie mit der Röhre 3 eine
Serie von Aufnahmen durchführt.
Die Brust, und somit der Detektor, werden somit während aufeinander
folgender Aufnahmen bestrahlt. Bei diesen Strahlenexpositionen nimmt
der Fokus der Röntgenröhre Positionen
ein, die in unterschiedlichen Winkeln liegen können. In einem die Erfindung
nicht beschränkenden
Beispiel ist geplant, dass die Winkelaufteilung gleich 60° plus minus
30° relativ
zur Medianrichtung der Bestrahlung und im Wesentlichen rechtwinklig
bezüglich
der Mammografieeinrichtung ist.
Bei
dieser Verteilung wird eine gewisse Anzahl von Strahlen 6 akquiriert,
beispielsweise 9, 11, 13 oder andere
von der gewünschten
Präzision
abhängende
Zahlen. In dem Bespiel nach 1 ist die Anzahl
von Strahlen 9. Somit werden alle Strahlen 6 in
einem einzelnen Scann akquiriert. Jeder Strahl 6 repräsentiert
einen radiografischen Projektionsview.
2 veranschaulicht
Mittel zur Implementierung des erfindungsgemäßen Verfahrens. Bei dieser
Implementation der Erfindung wird das Bildverarbeitungsverfahren
auf jeden Teil der Bilddaten angewendet, die das jeweilige Projektionsbild
repräsentieren.
Diese Bilddatenteile werden von dem digitalen Detektor direkt an
die Steuerlogikeinheit gegeben. Auf der Basis der Bilddatenteile
wird das Verarbeitungsverfahren ge nutzt, um Elemente zu lokalisieren, die
radiologische Auffälligkeiten
bilden könnten.
Die fraglichen radiologischen Auffälligkeiten können Mikrokalzifikationen
oder Opazitäten
sein.
In 2 emittiert
die Röntgenröhre 3 in Schritt 100 die
Röntgenstrahlung,
die auf einem vorbestimmten Weg durch die Brust der Patientin geht, um
mehrere Projektionsbilder aufzunehmen. Der Detektor 4 akquiriert
die Röntgenbilddaten,
die die Projektionsbilder repräsentieren.
Die Steuerlogikeinheit verarbeitet jeden Teil der Röntgenbilddaten
individuell.
In
Schritt 101 wendet die Steuerlogikeinheit an jedem Teil
der Röntgenbilddaten
eine Vorverarbeitungsoperation an. In diesem Vorverarbeitungsschritt 101 eliminiert
die Steuerlogikeinheit vorhandene Artefakte, die in erster Linie
durch die Akquisitionsgeometrie und zweitens durch die Detektion
der Kontur der Brust entstanden sind.
Die
Artefakte, die durch die Akquisitionsgeometrie verursacht worden
sind, gehen, kurz gesagt, auf die Akquisition der Vielzahl von Projektionsbildern
zurück.
Tatsächlich
beschreiben die Platten des Kollimators der Röhre die gleiche Trajektorie
wie die Röntgenröhre. Folglich
ist die angulare Apertur, die die Detektorfläche festlegt, auf die der Strahl
projiziert wird, nicht länger
mit dem Detektor koplanar. Somit ist die Trajektorie des Fokus der
Röntgenröhre nicht
homothetisch mit der Position des Detektors. Dies führt zu einer
Trapezdeformation des Expositionsfelds und erzeugt Artefakte entlang
der Kontur der akquirierten Bilddaten.
Die
Steuerlogikeinheit repositioniert jedes der Bilddatenteile in dem
interessierenden Bereich (RUI), d.h. der Re gion des Bildes, die
die Brust der Patientin enthält.
Für jeden
Bilddatenteil definiert sie dann einen interessierenden Bereich
mit einem Minimum von Artefakten, in dem vorheriges Wissen über die
Akquisitionsgeometrie genutzt wird.
Der
Schritt 101 ist dazu eingerichtet, das erfindungsgemäße Bildverarbeitungsverfahren
ausschließlich
zu in dem interessierenden Bereich liegenden Elementen anzuwenden,
die radiologische Auffälligkeiten
bilden könnten.
Dies vermindert die Verarbeitungszeit und verhindert Fehldetektionen
in Bereichen die Artefakte enthalten. Der Schritt 101 wird
dazu genutzt die Teile der Bilddaten, die von dem Detektor kommen,
zu Bilddatenteilen zu konvertieren, die zur nachfolgenden Verarbeitung
genutzt werden können.
Bei
diesem Vorverarbeitungsschritt 101 können die Datenteile gefiltert
werden, um den Rauscheinfluss zu mindern. Dieser Schritt 101 wird
im Wesentlichen von der Akquisitionseinrichtung durchgeführt und
kann deshalb zwischen verschiedenen Versionen vorhandener Tomosyntheseakquisitionseinrichtungen
variieren.
Bei
einer Variante kann es passieren, dass die Steuerlogikeinheit keine
Bilddatenvorverarbeitung in Schritt 101 vornimmt und direkt
zum Schritt 102 übergeht.
In
Schritt 102 wendet die Steuerlogikeinheit auf jeden vorverarbeitenden
Bilddatenteil eine binäre Maske
an, um die Brust von dem Hintergrund zu separieren. Jeder erhaltene
Bilddatenteil wird dann in ein Kontraktbild konvertiert, das für jeden
Pixel und für
jeden Bilddatenteil definiert ist. Die Konversion wird durch eine
Mexikanerhut-Waveletfilterung erhalten. Diese Filterung wird in 3 beschrieben.
Die Steuerlogikeinheit erzeugt Marker, um alle Pixel zu markieren,
die fragliche oder vermutliche radiologische Auffälligkeiten
enthalten. Es extrahiert eine Karte der Marker, die die fraglichen
radiologischen Auffälligkeiten
zur nachfolgenden Bearbeitung repräsentiert.
In
dem Schritt 103 bestimmt die Steuerlogik den Satz möglicher
Kandidatenkonturen, die jeder fraglichen radiologischen Auffälligkeit
der vorverarbeiteten Bilddatenteile zuzuordnen sind. Bei einer bevorzugten
Ausführungsform
werden die Kandidatenkonturen durch aufeinander folgende Schwellen bestimmt.
Jede Schwelle definiert eine Kandidatenkontur. Dieser Schritt 103 soll
in 3 beschrieben werden.
In
Schritt 104 berechnet die Steuerlogikeinheit mittels Fuzzy-Logik-Beschreibung
für jede
mögliche
Kandidatenkontur jedes Markers einen Mitgliedschaftsgrad in Bezug
auf ein Kriterium einer vordefinierten Klasse. Im Falle radiologischer
Auffälligkeiten,
wie beispielsweise Mikrokalzifikationen, kann das Kriterium die
Größe der Oberfläche, der
Kontrastgradient oder jedes andere Attribut sein, das die Mikrokalzifikationen
charakterisieren könnte.
In dem Fall radiologischer Auffälligkeiten
wie beispielsweise Opazitäten,
kann das Kriterium die Dichte der Opazität sein.
In
dem Schritt 105 definiert die Steuerlogik eine Fuzzy-Kontur, die jeder
der Auffälligkeiten
der Karte von jedem der Teile der vorverarbeiteten Bilddaten zugeordnet
wird. Diese Fuzzy-Kontur wird durch einen Satz von Kandidatenkonturen
sowie deren entsprechende Mitgliedschaftsgerade gebildet. 3 veranschaulicht
die Bestimmung des Satzes möglicher
Kandidatenkonturen für
eine gegebene Auffälligkeit.
Die 4a und 4b zeigen
jeweils die Bestimmung des Grads der Mitglied schaft einer Kontur
in der Klasse der Mikrokalzifikationen in Bezug auf ein Kriterium.
Der Datenspeicher 15 der 1 veranschaulicht
eine schematische Ansicht der verschiedenen Schritte der Beschreibung
der Fuzzy-Logik. Die verschiedenen Schritte sollen weiter unten
in der Beschreibung der 3, 4a und 4b beschrieben
werden.
Nach
der Durchführung
der gesonderten Detektionsoperationen in jedem der Teile der Bilddaten führt die
Steuerlogikeinheit den Schritt 106 aus. Der Schritt 106 besteht
aus einer Aggregation der Fuzzy-Konturen jedes der Bildteildaten
in dem digitalen Volumen.
Beim
Stand der Technik wird die digitale Volumenrekonstruktion an den
Bilddatenteilen oder den radiologischen Werten durchgeführt. Dann
wird bei der Erfindung in dem digitalen Volumeneine Aggregation
der Fuzzy-Konturen fraglicher radiologischer Auffälligkeiten
jedes Bilddatenteils durchgeführt.
Diese
Aggregation im digitalen Volumen nimmt auf die Akquisitionsgeometrie
Rücksicht,
die in Schritt 107 gegeben ist, wie in Schritt 104 veranschaulicht
ist.
In
dem Schritt 108 erzeugt die Aggregation des Schritts 106 eine
Fuzzy-Oberfläche
für jedes
der angenommenen radiologischen Auffälligkeiten. Jede Fuzzy-Oberfläche ist
eine mögliche
Kombination der Kandidatenkonturen durch die Projektionsbilder. Jede
Fuzzy-Oberfläche
wird durch einen Set von Oberflächenkandidaten
sowie deren entsprechende Mitgliedschaftsgerade in einer vordefinierten
Klasse bestimmt, die als 3-D-Klasse bezeichnet wird. Jede Kandidatenoberfläche ist
eine mögliche
Kombination der Kandidatenkonturen durch die Projektionsbilder. Der
Grad der Mitgliedschaft in jeder als 3-D-Klasse bezeichneten Mitgliedschaftsklasse
wird in Bezug auf einen Typ einer radiologischen Auffälligkeit
durch eine Fuzzy-Logik Beschreibung bestimmt. Die Steuerlogikeinheit
schätzt
jede der Fuzzy-Oberflächen ein.
Sie extrahiert Attribute dieser Fuzzy-Oberflächen.
Wenn
die radiologische Auffälligkeit
eine Opazität
ist, übermittelt
die Steuerlogikeinheit die Attribute direkt in Schritt 109 an
den Klassifizierer.
Wenn
die radiologische Auffälligkeiten
eine Mikrokalzi fikation ist, führt
die Steuerlogikeinheit den Schritt 110 durch. In dem Schritt 110 bestimmt
die Steuerlogikeinheit, ob die Fuzzy-Oberflächen eine Gruppierung in einem
Cluster bilden. In jedem ermittelten Cluster extrahiert die Steuerlogikeinheit
die Attribute. Die Schritte 108 und 110 sind in
dem 6a bis 6c veranschaulicht.
In
dem Schritt 111 berechnet die Steuerlogikeinheit einen
Konfidenzgrad. Dieser Konfidenzgrad wird als eine Funktion der Attribute
in jedem Cluster oder für
jede Fuzzy-Oberfläche
berechnet, wie beispielsweise der Oberfläche, der Form, der Anzahl der in
dem Cluster vorhandenen Fuzzy-Oberflächen sowie dem Grad der Mitgliedschaft
der Kandidatenoberflächen
die es bilden. Die Attribute der Cluster der Fuzzy-Oberflächen werden
an einen vorbestimmten Klassifizierer gesendet, der den Konfidenzgrad
der radilogischen Auffälligkeit
ausgibt, die durch die Fuzzy-Oberfläche jedes Clusters repräsentiert
wird.
Je
größer das
Maß ist,
mit dem der Konfidenzgrad an ein bestätigtes radiologisches Signal (bzw.
Auffälligkeit)
erin nert, oder dieses auch nicht tut, desto höher ist der erhaltene Konfidenzgrad
und desto näher
liegt es an 1 bzw. 0. Dieser Konfidenzgrad kann außerdem durch
Erlernung einer Bilderbasis erhalten werden, in der die radiologischen
Auffälligkeiten
markiert worden sind, in dem beispielsweise ein Entscheidungsbaum,
ein neuronales Netzwerk oder ähnliche
Maschinen mit Unterstützungsvektoren
verwendet werden.
In
dem Schritt 112 werden die in Schritt 110 identifizierten
Cluster oder die Fuzzy-Oberflächen
an einem Wiedergabeschirm angezeigt. Die Wiedergabe wird durchgeführt, indem
graphische Marker in dem Bild platziert werden, oder in dem die
Graustufe der erfassten Cluster oder Fuzzy-Oberflächen modifiziert
wird, was zur Verbesserung der Ergebnisevidenz führt.
3 veranschaulicht
die Bestimmung eines Satzes möglicher
Konturen einer möglichen
radiologischen Auffälligkeit.
Die Steurerlogikeinheit bestimmt zunächst die möglichen radiologischen Auffälligkeiten
in jedem Teil von Bilddaten in dem Marker erzeugt werden. Dieser
Marker spezifizieren die Position (x, y) der möglichen radiologischen Auffälligkeiten.
Um
dies zu vollbringen, extrahiert die Steuerlogikeinheit eine Karte
möglicher
radiologischer Auffälligkeiten
für jeden
Teil der Bilddaten. Diese Extraktion wird durch eine Filterung durchgeführt die
dazu eingerichtet ist, streng auf das Vorliegen von Strukturen mit
einer gegebenen Größe zu reagieren.
Bei
einer bevorzugten Ausführungsform
wird diese Extraktion durch Wavelet-Filterung erhalten. Diese Wavelet-Filterung
ist ein Verfahren, das dazu verwendet wird, den Inhalt von Teilen
der Bilddaten zu interpretieren. Die Steuerlogikeinheit nutzt Wavelet-Filter
der Größe oder
Ordnung S zur Berechnung des Kontrasts
Diese
Wavelet-Filterung gestattet die Anwendung eines Maßstabs oder
eines Skala S auf jeden Teil der Bilddaten um die Pixel auszuwählen, die ein
Intensitätsniveau
zeigen, das größer als
der Maßstab
S ist. Dies macht es möglich
nur diejenigen Pixel zu behalten, die in den gefilterten Bilddatenteilen
eine ausreichende Intensität
haben. Beim Bestimmen des Maßstabs
S zieht die Steuerlogik außerdem
den Umstand in Betracht, dass die bei der Filterung verlorene Information
in nachfolgenden Stufen des Algorithmus nicht wieder gewonnen werden
kann.
Deshalb
wendet die Steuerlogikeinheit einen Detektionsalgorithmus auf jeden
Teil der Bilddaten an, um die Pixel zu extrahieren deren Intensität größer als
der Maßstab
S ist.
Um
dies zu tun, führt
die Steuerlogikeinheit mit dem gewählten Wafelet-Filter eine Konvolution
jedes Bilddatenteils durch. Dies betont die Strukturen einer gegebenen
Größe in den
Bilddatenteilen. Dies wird mittels eines Ansatzes verschiedener
Abstufungen durchgeführt,
um die Variationen zu erklären,
die in der Größe der radiologischen
Auffälligkeiten
vorausgesehen werden.
In
jedem der resultierenden Bilddatenteile wird beispielsweise mit
dem Maßstab
S ein Maximumoperator kombiniert.
Diese
Kombination dient der Reduktion des Einflusses des Rauschens auf
das Minimum und zur Extraktion lediglich der Filterantwort.
Um
eine Karte der angenommenen radiologischen Auffälligkeiten zu erzeugen, wird
das Konvolutionsergebnis mit der lokalen Variation des Niveaus des
Hintergrundrauschens verglichen. Die sich ergebenden Pixel werden
examiniert, um verbundene Zonen herauszufinden. Die verbundenen
Pixel werden dann als möglich
radiologische Auffälligkeiten
markiert. Tatsächlich
nutzt die Steuerlogikeinheit die Filteranordnung zur Extraktion
einer Karte möglicher
radiologischer Auffälligkeiten.
In
einer bevorzugten Ausführungsform
wendet die Steuerlogikeinheit die Fuzzy-Logik-Verarbeitung auf Marker
an, die in jeder Position verbundener Pixel erzeugt werden, die
höhere
Intensitäten
aufweisen. Die Benutzung der Marker reduziert die Komplexität der Verarbeitung
der Fuzzy-Logik. Außerdem optimiert
sie die Leistungsfähigkeit
des Algorithmus und mindert die Ausführungszeit für diesen
Algorithmus.
In
einer Variante kann die Steuerlogikeinheit die Verarbeitung auf
jedes Pixel und jeden Teil der Bilddaten anwenden und somit eine
Minimalmenge von Information behalten.
Aus
den erzeugten Markern erzeugt die Steuerlogikeinheit eine Fuzzy-Kontur
für jede
Auffälligkeit.
Dies wird separat für
jeden Teil der Bilddaten durchgeführt.
3 gibt
in einem gegebenen Teil von Bilddaten einer Ansicht eines Verarbeitungsmodus
eines Markers M einer möglichen
radiologischen Auffälligkeit,
wobei alle anderen Marker jedes Teils von Bilddaten in gleicher
Weise verarbeitet werden.
Die
Steuerlogikeinheit ermittelt einen Satz möglicher Kandidatenkonturen
des Markers M in dem bei einem bevorzugten Ausführungsbeispiel ein Verfahren
aufeinander folgender Schwellen S1 bis S10 angewendet wird. Die
Steuerlogikeinheit wendet die aufeinander folgenden Schwellen S1
bis S10 auf die Marker M an. In dem Beispiel nach 3 sind
10 aufeinander folgende Schwellen S1 bis S10 vorhanden. Sie werden
beispielsweise durch 10 Graustufen repräsentiert. Jede Schwelle S1
bis S10 hat einen Bereich von Pixelintensitäten, der von denen der anderen
verschieden ist. Bei einer bevorzugten Ausführungsform hat die Schwelle
S1 einen Pixelintensitätsbereich
der höher
ist als der Pixelintensitätsbereich der
Schwelle S2 und so weiter und so fort.
Die
Anzahl der Schwellen sowie der Bereich der Pixelintensität jeder
Schwelle wird gemäß dem Ergebnistyp
gewählt,
der erhalten werden soll.
Jeder
Marker M wird separat verarbeitet. Von dem Marker M erzeugt die
Steuerlogikeinheit eine erste Linkkontur C1 die den Marker M umgibt
und durch eine erste Schwelle S1 definiert ist. Die Steuerlogikeinheit
erzeugt eine Zweitkontur C2 die durch die zweite Schwelle S2 definiert
ist. Die Steuerlogikeinheit erzeugt somit entsprechend für jede Schwelle
S1 bis S10 eine Kontur C1 bis C10, die den Marker M umgibt.
Die
Steuerlogikeinheit wendet die aufeinander folgenden Schwellen S1
bis S10 auf den Marker M an. An jeder Schwelle verifiziert sie das
eine der folgenden beiden Bedingungen nicht erfüllt ist: A(C) ≤ Amax Bedingung 1wobei
A(C) die Oberfläche
der Kontur und Amax die maximal zulässige Oberfläche für eine radiologische Auffälligkeit
repräsentieren,
und I(ρ, C) ≥ I(ρ)max – ΔImax Bedingung
2
Mit
I(ρ, C)
als Repräsentant
für die
Intensität des
Pixels unterhalb der Kontur C in der angenommenen radiologischen
Auffälligkeiten ρ, I(ρ)maxals Repräsentant für die maximale Pixelintensität der angenommenen
radiologischen Auffälligkeit ρ und ΔImax als Repräsentant der maximalen Variation
der Intensität,
die in einer einzelnen angenommenen radiologischen Auffälligkeit
zulässig
ist.
Die
Steuerlogikeinheit erfasst die Schwelle, die die maximale Kandidatenkontur
vorgibt, sobald sie die Bedingung 1 und die Bedingung 2 antrifft.
Der Marker M kann keine Kontur haben, die größer ist als die maximale Kandidatenkontur.
In dem Beispiel nach 3 trifft die Steuerlogikeinheit
beide Konditionen 1 und 2 an der Schwelle S6 an. Folglich ist die dem
Marker M zugeordnete Kandidatenkontur die Kontur C6.
Der
Satz von Kandidatenkonturen C1 bis C6 und deren Mitgliedschaftsgrad
definiert eine Fuzzy-Kontur des Markers M. Die Bestimmung deren Mitgliedschaftsgrad
ist in den 4a und 4b veranschaulicht.
Um
den Mitgliedschaftsgrad jeder Kandidatenkontur zu bestimmen, ermittelt
die Steuerlogikeinheit für
jede Kandidatenkontur die Attribute die sie charakterisieren.
Diese
Attribute können
der Oberflächeninhalt,
der Umfang, der Kontrast, die Länge
die Morphologie, die Intensität,
die Homogenität
sowie die Textur der Kontur sein. Die Morphologie, die Information über die
Form der Kontur liefert, kann durch das Feret-Verhältnis gegeben
sein, das das Verhältnis zwischen
der größten Weite
und der kleinsten Weite der Kontur ist. Diese Morphologie kann durch
das Verhältnis
zwischen der externen Kontur, die hier durch die Kontur c6 repräsentiert
ist, und der inneren Kontur gegeben werden, die hier durch die Kontur
c1 repräsentiert
wird.
Vorheriges
Wissen über
die Konturen der radiologischen Auffälligkeit wird in einem Fuzzy-Beschreibungssatz
konvertiert. Wenn die radiologische Auffälligkeit eine Mikrokalzifikation
ist, wird vorhandenes Wissen wie folgt zusammengefasst: Die radiologischen
Auffälligkeiten
sind klein und haben einen hohen Kontrastpunkt. Diese beiden Kriterien
sind der Ausdruck der Beschreibung eines Fuzzy-Satzes bei der Verwendung
von zwei Attributen, die als Oberfläche und als Kontrastgradient
bezeichnet werden, wie insbesondere in den 4a und 4b veranschaulicht
ist. Die 4a und 4b veranschaulichen
entsprechend eine Funktion eines Kriteriums F1 und F2, das eine
2-D-Mikrokalzifikationsklasse charakterisiert.
Die
beiden Kriteriumsfunktionen F1 und F2 drücken entsprechend den Grad
der Mitgliedschaft einer angenommenen Mikrokalzifikationskandidatenkontur
in einer Mikrokalzifikation auf, die als eine Funktion der Oberfläche und
des Kontrastgradienten dieser Kontur vordefiniert ist.
Sollte
die radiologische Auffälligkeit
eine Opazität
sein, wird das vorherige Wissen wie folgt zusammengefasst: Die radiologischen
Auffälligkeiten haben
eine hohe Dichte.
Die
in der vordefinierten 2-D-Klasse einer radiologischen Auffälligkeiten
charakterisierenden Kriterien können
von den oben zitierten Kriterien verschieden sein.
Für jede Kandidatenkontur
C1 bis C6 berechnet die Steuerlogik einen Mitgliedschaftsgrad als eine
Funktion ihrer Attribute in Bezug auf die vordefinierten Kriterien
der 2-D-Klasse.
Der
Grad der Mitgliedschaft charakterisiert sowohl die Helligkeit als
auch die Form der Kontur. Je heller und runder die Kontur ist, desto
höher ist
der Grad der Mitgliedschaft.
Die
Steuerlogikeinheit bestimmt für
jeden Marker jedes Bilddatenteils eine Fuzzy-Kontur mit einem Satz
von Kandidatenkonturen und deren entsprechenden Mitgliedschaftsgraden.
In
einem Bespiel kann die Logikeinheit zur Reduktion der Komplexität des Algorithmus
und der Ausführungszeit
die Fuzzy-Konturen mit der vorbestimmten Schwelle vergleichen. Diese
Schwelle kann als eine Funktion der Größe, Form und/oder des Kontrastgradienten
eienr vordefinierten radiologischen Auffälligkeit gewählt werden.
In diesem Fall kann die logische Steuereinheit die Fuzzy-Konturen,
die über dieser
Schwelle liegen, als wahrscheinliche radiologische Auffälligkeit
interpretieren. Die Steuerlogikeinheit eliminiert dann alle Fuzzy-Konturen
unterhalb dieser Schwelle von der Karte der Marker.
Nach
Durchführung
separater Detektionsoperationen an jedem Teil der Bilddaten, führt die Steuerlogikeinheit
in dem digitalen Volumen der Fuzzy-Konturen jedes Datenteils eine
Aggregation durch, wobei die Akquisitionsgeometrie berücksichtigt
wird. Diese Aggregation liefert ein digitales Volumen von Fuzzy-Oberflächen.
Diese
Aggregation wird in dem digitalen Volumen durch eine Kombination
der Information durchgeführt,
die für
ein Voxel in jeder Mappe von Markern gesammelt worden ist, wie aus 5 ersichtlich
ist.
5 veranschaulicht
eine Ausführungsform
der Aggregation der Fuzzy-Konturen jedes Projektionsbilds. Die Aggregation
wird dazu verwendet, die Fuzzy-Konturen jedes Projektionsbild mit
einer Fuzzy-Oberfläche
des digitalen Volumens zu verbinden bzw. verbinken. Die Fuzzy-Oberflächen sind
eine mögliche
Kombination der Fuzzy-Konturen der Projektionsbilder. Die Fuzzy-Oberflächen werden
durch einen Satz von Kandidatenoberflächen gebildet. Jede Kandidatenoberfläche ist
eine mögliche
Kombination von Kandidatenkonturen der Projektionsbilder. Die Fuzzy-Oberflächen werden
durch einen Satz von Kandidatenoberflächen gebildet. Jede Kandidatenoberfläche ist
eine mögliche
Kombination von Kandidatenkonturen der Projektionen.
Diese
Kombination kann durch eine Gleichung wie folgt ausgedrückt werden:
wobei I(x
v,
y
v, z
v) die Intensität der Pixel
an der Position (x
v, y
v,
z
v) repräsentiert,
I(x
k, y
k1) den Pixel
der k-ten Karte von N Karten von Markern repräsentiert die der Position (x
v, y
v, z
v)
entspricht und wobei Ψ den Aggregationsoperator
repräsentiert,
der diese Gleichung erbringt.
Dieser
Aggregationsoperator kann ein Operator wie beispielsweise einer
Summe, ein Maximum, ein Mittelwert oder jeder andere Typ von Operator sein,
wie beispielsweise ein statistischer Befehl. Bei einer bevorzugten
Ausführungsform
wird zur Aggregation der Information in den verschiedenen Karten der
Marker für
ein gegebenes Voxel der Summenoperator verwendet.
Der
Umstand, dass die Röntgenröhre mobil ist
und Röntgenstrahlen
auf einen unbeweglichen Detektor wirft, ruft Probleme mit Artefakten
hervor, die der Akquisitionsgeometrie einer Projektionsserie inhärent ist.
Tatsächlich
werden in Abhängigkeit
von dem Akquisitionswinkel Teile der Brust außerhalb der aktiven Fläche des
Detektors projiziert. Dies führt
zu einer Situation, wo die Anzahl der Projektionen bei der Konstruktion
des digitalen Volumens nicht konstant ist. Um einen gültigen Vergleich
zwischen verschiedenen fraglichen radiologischen Auffälligkeiten zu
erhalten, berücksichtigt
die Steuerlogikeinheit diese Einschränkung, wenn sie die Fuzzy-Konturen
der verschiedenen Projektionsbilder aggregiert.
Sobald
die Fuzzy-Konturen aller Karten von Markern aggregiert worden sind,
analysiert die Steuerlogikeinheit die sich ergebenden Fuzzy-Flächen in dem
digitalen Volumen.
Für jede Kandidatenoberfläche bestimmt
die logische Einheit einen Mitliedschaftsgrad in einer vordefinierten
3-D-Klasse anhand
von Kriterien, die diese Klasse definieren.
Um
den Mitgliedschaftsgrad für
jede Kandidatenoberfläche
zu bestimmen, bestimmt die Steuerlogikeinheit die Attribute die
sie charakterisieren.
Vorhandenes
Wissen über
die Oberflächen der
radiologischen Auffälligkeiten
wird in einen Fuzzy-Beschreibungssatz konvertiert. In Abhängigkeit
von wenigstens einer Funktion eines Kriteriums, das eine vordefinierte
3-D-Klasse einer radiologischen Auffälligkeit definiert, wird der
Mitgliedschaftsgrad jeder Kandidatenoberfläche als eine Funktion der Attribute
bestimmt, die sie charakterisieren.
Der
Satz von Kandidatenoberflächen,
mit deren entsprechenden Mitgliedschaftsgraden definiert die Fuzzy-Oberfläche.
Wenn
die radiologische Auffälligkeit
eine Opazität
ist, extrahiert die Steuerlogikeinheit die Attribute jeder Fuzzy-Oberfläche. Für jede Fuzzy-Oberfläche überträgt sie sowohl
die sie charakterisierenden Attribute als auch den Satz von Kandidatenoberflächen mit
deren entsprechenden Mitgliedschaftsgraden in einem vordefinierten
Klassifizierer.
Der
Zweck des Klassifizierers ist unter anderem eine sehr präzise Entscheidung über jede Fuzzy-Oberfläche als
eine Funktion der Attribute zu liefern, die sie charakterisiert.
Ein
solcher Klassifizierer gibt Information über das Vorliegen einer radiologischen
Auffälligkeit aus
oder kann sogar die Wahrscheinlichkeit über die Bösartigkeit eines Tu mors bei
einer gegebenen Schlussfolgerung liefern. Diese Klassifizierer können ein
präziser
Entscheidungsbaum, Ein Fuzzy-Entscheidungsbaum, der präzise Werte
nutzt, ein Fuzzy-Entscheidungsbaum,
der Fuzzy-Werte nutzt, ein neuronales Netzwerk oder eine Vektorunterstützungsmaschine
sein.
Die
Entscheidung ist an jeder Fuzzy-Oberfläche durch den zugeordneten
Konfidenzgrad definiert. Nach Erhalt dieser Entscheidung zeigt die
Steuerlogikeinheit die fuzzy-Oberflächen, wobei der ihnen zugeordnete
Konfidenzgrad berücksichtigt
wird.
Bei
einem bevorzugten Beispiel erhöht
die Steuerlogikeinheit bei der Wiedergabe die Intensität des Kontrasts
der Fuzzy-Oberfläche
relativ zu der Intensität
ihrer unmittelbaren Umgebung. Diese Erhöhung hängt von dem Konfidenzgrad ab.
Dies macht es möglich,
die Fuzzy-Oberflächen
mehr zu betonen, bei denen die Wahrscheinlichkeit, dass sie radiologische
Auffälligkeiten
bilden, am größten ist.
Das
letzte Präsentationsbild,
in dem die Fuzzy-Oberflächen überhöht worden
sind, wird auf einem Wiedergabeschirm zur Ansicht durch einen Arzt
angezeigt.
Wenn
die radiologische Auffälligkeit
eine Mirkokalzifikation ist, ermittelt die Steuerlogik eine Clustergruppierung
der Fuzzy-Oberflächen.
Eine Betriebart zur Ermittlung der Clustergruppierung ist in den 6a bis 6c veranschaulicht.
6a veranschaulicht
die Fuzzy-Oberflächen
des digitalen Volumens. Diese Fuzzy-Oberflächen sind in dem digitalen
Volumen durch 3-D-Marker indiziert, die durch die Steuerlogikeinheit
erzeugt worden sind. Diese Marker, die eine gra phische Anmerkung
darstellen, werden in dem Schwerpunkt der Fuzzy-Oberflächen angeordnet.
Die Steuerlogikeinheit extrahiert die 3-D-Marker, die als Eingaben
für den
Clustererfassungsschritt dienen.
In
einer Variante kann die Steuerlogikeinheit lediglich die Marker
extrahieren, deren Fuzzy-Oberflächen
in dem digitalen Volumen ein hohes Kontrastniveau haben.
Somit
erzeugt die Steuerlogikeinheit eine graphische Repräsentation
mit 3-D-Markern V1 bis V10. Diese graphische Repräsentation
der 3-D-Marker V1 bis V10 ist die Basis der Datenstruktur, auf der jede
nachfolgende Verarbeitung zur Detektion der Cluster basiert. Dieser
Graph repräsentiert
den Satz von Markern V1 bis V10 und deren Relativpositionen in dem
3-D-Bild. Die Steuerlogikeinheit kann nach Extraktion der Marker
die Clusterung der Fuzzy-Oberflächen
ermitteln.
6b veranschaulicht
einen Modus zur Bestimmung von Clustern. Zur Bestimmung der Gruppierung
in einem Cluster von 3-D-Markern misst die Steuerlogikeinheit die
Abstände
jedes der 3-D-Marker V1 bis V10 zu jedem anderen 3-D-Marker V1 bis V10.
Um dies zu vollbringen, verbindet sie jedes Paar von 3-D-Markern durch eine
Kante, deren innerer Wert (Länge)
dem räumlichen
Abstand des Paars der 3-D-Marker entspricht.
6c veranschaulicht
einen Kantenwichtungsmodus. Wenn die 3D-Marker miteinander verbunden
sind, werden nur die signifikantesten zur Bildung von Clustern von
Kandidatenpartikeln behalten. Die Steuerlogikeinheit wendet verschiedene
Kriterien zur Implementierung der Wichtung der Kanten an. In dem
Beispiel nach 6c basiert die Kantenwichtungsentscheidung
nur auf einem Wert der Länge
der Kanten. Dieser Wert wird durch die Differenz zwischen den Positionen
zweier 3D-Marker berechnet, die durch deren entsprechende Kanten
verbunden sind.
Die
Steuerlogikeinheit wendet auf den Wert der Kanten eine Schwelle
an, um die inadäquaten Kanten
zu eliminieren. Diese Schwelle kann in einem Beispiel gleich zwei
Zentimeter oder sogar fünf
Zentimeter sein. Zwei 3-D-Marker werden als einander nahe angesehen,
wenn ihre Verbindungskantenlänge
unter dieser Schwelle liegt.
Folglich
ordnet die Steuerlogikeinheit für
einen ersten 3-D-Marker V1, der derart nahe an einem zweiten 3-D-Marker
V2 liegt, eine erste Clustergruppierung A1 zu. Sie ordnet die gleiche
erste Gruppierung von Cluster A1 allen anderen 3-D-Markern V3 bis V10
zu, die nahe an dem ersten 3-D-Marker V1 liegen. Dann ordnet sie
außerdem
die erste Gruppierung von Cluster A1 allen anderen 3-D-Markern V3 bis
V10 zu, die nahe an dem zweiten 3-D-Marker V2 liegen, und so weiter
und so fort. somit ist die erste Gruppierung von Clustern A1 gebildet.
In
der gleichen Weise ermittelt die Steuerlogikeinheit eine zweite
Gruppierung von Clustern A2 durch Analyse der anderen 3-D-Marker,
die nicht Teil der ersten Gruppierung von Clustern A1 sind. Somit bestimmt
sie alle Gruppierungen von Clustern, die in dem digitalen Volumen
vorhanden sind.
In
dem Beispiel der 6c bestimmt die Steuerlogikeinheit
somit eine Erstgruppierung von Clustern A1, die durch die 3-D-Marker
V1 bis V6 gebildet sind, wobei eine zweite Gruppe von Clustern A2
durch die 3-D-Marker V7 bis V9 gebildet ist. Der 3-D-Marker V12
wird von der Steuerlogik keinem Clustern zugeordnet, weil sie davon
ausgeht, dass ein Clustern von wenigstens drei einander nahen 3-D-Markern
gebildet wird. Ähnlich
werden die 3-D-Marker V10 und V11, die einander nahe sind, nicht
als eine Clustergruppierung angesehen.
Nachdem
die Clustergruppierungen bestimmt worden sind, ermittelt die Steuerlogikeinheit den
Konfidenzgrad dieser Cluster. Der Konfidenzgrad wird als eine Funktion
der Attribute der Cluster ermittelt. Die Steuerlogikeinheit extrahiert
eine gewisse Anzahl von Attributen, die das Cluster charakterisieren,
so dass die letztendliche Entscheidung getroffen wird (ob es ein
Cluster auf einem Cluster ist).
Diese
Attribute können
die Morphologie der Cluster und/oder der Abstand zwischen den 3D-Markern
und/oder die Anzahl der Fuzzy-Oberflächen sein, die in dem Cluster
und/oder den Attributen sowie dem Set von Kandidatenflächen vorhanden
sind, sowie deren entsprechende Mitgliedschaftsgrade einer in dem
Cluster vorhandenen Fuzzy-Oberfläche.
Die
Steuerlogikeinheit sendet den Klassifizierer der aus dem Cluster
extrahierten Attribute. Der Klassifizierer liefert Information über das
Vorliegen einer radiologischen Auffälligkeit oder kann sogar eine
Aussage über
die Wahrscheinlichkeit eines bösartigen
Tumors an einer gegebenen Konklusion liefern.
Der
Zweck des Klassifizierens liegt unter anderem darin, eine sehr präzise Entscheidung
für jedes
Cluster in Abhängigkeit
von den Attributen des korrespondierenden Clusters zu liefern.
Nachdem
die Entscheidung über
jedes Cluster erhalten worden ist, gibt die Steuerlogikeinheit die Cluster
visuell wieder, indem sie die ihnen zugeordnete Entscheidung berücksichtigt.
In
einem bevorzugten Beispiel erhöht
die Steuerlogikeinheit während
der Wiedergabe die Intensität
des Kontrasts des Clusters in Bezug auf die Intensität der unmittelbaren
Umgebung. Diese Erhöhung
hängt von
dem Konfidenzgrad ab. Dies macht es möglich, die Cluster spezieller
hervorzuheben, bei denen die Wahrscheinlichkeit, dass sie eine radiologische
Auffälligkeit
bilden, am größten ist.
Die
schlussendliche Wiedergabe des Bilds, in dem die Fuzzy-Oberflächen hervorgehoben
worden sind, erfolgt auf dem Wiedergabeschirm zur Ansicht durch
einen Arzt.
Bei
einem Bildverarbeitungsverfahren, das zur Fassung radiologischer
Signale in einer Serie von 3-D-Daten benutzt wird, wird ein Algorithmus
vorgeschlagen, der es möglich
macht, die Position der radiologischen Auffälligkeiten in einem digitalen
Volumen durch Marker zu indizieren. Der Algorithmus macht es außerdem möglich, automatisch
zwischen malignen Elementen und benignen Elementen zu unterscheiden.
Zu diesem Zweck nutzt der Algorithmus einen Fuzzy-Logikansatz zur
Bewältigung
der Zweideutigkeiten in dem Bild. Außerdem wird der Algorithmus
direkt auf die radiografischen Projektionsbilder angewendet.
