ES2618908T3 - Una técnica de procesamiento de imágenes y un sistema de procesamiento de imágenes - Google Patents

Abstract

Un método automatizado implementado por ordenador para establecer la coincidencia de objetos procedentes de técnicas de formación de imágenes con formación de imágenes de mama mediante: el sometimiento a compresión de la mama, la obtención de una primera imagen de un objeto a lo largo de un primer eje utilizando una primera técnica de formación de imágenes, posteriormente la obtención de una segunda imagen del objeto a lo largo de un segundo eje utilizando una segunda técnica de formación de imágenes; la selección de uno o más píxeles de la primera imagen y la designación de éstos como píxeles de referencia; la obtención de mediciones de densidad de la mama, la modelización de un cambio geométrico del objeto durante la compresión de la mama y la realización de una comparación automatizada entre regiones correspondientes de la primera y segunda imágenes, en el cual el cambio geométrico y las mediciones de densidad se utilizan para establecer unos límites de búsqueda dentro de los cuales un sistema automatizado busca un objeto coincidente en la segunda imagen con el fin de localizar el objeto coincidente en la segunda imagen y, por lo tanto, de hacer coincidir el objeto coincidente con el objeto en la primera imagen.

Description

5

10

15

20

25

30

35

40

45

50

DESCRIPCION

Una tecnica de procesamiento de imagenes y un sistema de procesamiento de imagenes Campo de la invencion

La presente invencion se refiere a una tecnica de procesamiento de imagenes y a un sistema de procesamiento de imagenes y, mas particularmente, a una evaluacion automatica de medida(s) / propiedad(es) cuantitativas de un objeto, en la cual, por ejemplo se utiliza un sistema de formation de imagenes para capturar una imagen, a continuation de lo cual se cuantifican propiedades utilizando tecnicas de procesamiento de imagenes.

Antecedentes

Se conocen sistemas de procesamiento de imagenes que realizan una evaluacion automatica de imagenes. Sin embargo, particularmente en el campo de la radiografla, en muchas ocasiones son diflciles de interpretar las imagenes o las caracterlsticas de una imagen.

Los sistemas de procesamiento de imagenes procesan imagenes para deducir cierta information, por ejemplo, a partir de rayos X o de imagenes por resonancia magnetica (IME) e informacion de diagnostico y, en particular, esta es utilizada para ayudar en el diagnostico del cancer.

La predisposition al cancer y el inicio del mismo se ha asociado con una variedad de factores, tales como exposition a ciertos qulmicos (por ejemplo asbestos, hidrocarburos poli-clclicos y compuestos contenidos en el humo de cigarrillo), exposicion a radiation ionizante (por ejemplo, rayos X, escapes radiactivos y luz ultravioleta), ciertos virus y la influencia de oncogenes.

Otros factores de interes creciente incluyen la relation parasitaria entre celulas cancerosas y el tejido de soporte que se encuentra alrededor de los tumores, por ejemplo, grasa, por la cual las celulas cancerosas liberan peroxido de hidrogeno que genera radicales libres en los fibroblastos circundantes, lo cual incita a los fibroblastos a digerir su mitocondria, liberando nutrientes que alimentan a las celulas del cancer.

La relacion entre el tipo de tejido y el cancer de mama es particularmente frecuente, es decir, cuanto mayor es la densidad de tejido fibroglandular, mayor es el riesgo de cancer de mama. La interaction de la grasa y el tejido fibroglandular es, de forma similar, un factor crltico en el riesgo de cancer de mama y en el desarrollo del cancer mama.

El diagnostico comprende tanto tecnicas invasivas como no invasivas, implicando estas ultimas la generation de imagenes a partir de sistemas de procesamiento de imagenes. Estos sistemas, en la formacion de imagenes de mama y en otros foros de diagnostico medico, generan diferentes angulos de vision, compresion, condiciones de formacion de las imagenes y variation en la composition del tejido a lo largo del tiempo. Comunmente, las imagenes como tales son evaluadas visualmente, por ejemplo, por radiologos. La evaluacion visual por parte de un radiologo puede ser iterativa, basada en la experiencia y en la consideration de una serie de factores.

Con frecuencia los sistemas de procesamiento de imagenes reciben imagenes que estan estrechamente relacionadas, por ejemplo, imagenes del mismo sujeto con una ligera variacion en el angulo de vision, o imagenes que han sido capturadas en diferentes instantes de tiempo.

Una multiplicidad y variedad de imagenes como tal puede permitir la inferencia de mas informacion que una imagen unica. Por otra parte, la informacion selectiva procedente de multiples imagenes puede mejorar la fiabilidad, por ejemplo, mediante la exposicion de un objeto obstruido hasta ese momento. De este modo, la disponibilidad de imagenes comparativas puede ayudar a dirigir y verificar el procesamiento.

Sin embargo, aunque se dispone de una variedad de informacion para el diagnostico a partir de una serie de imagenes, la informacion de diagnostico se utiliza, en general, de forma separada, debido a las complicaciones de la automatization e integration, como por ejemplo, la respectiva necesidad de ponderar los diversos parametros.

Para el procesamiento, con respecto a una mamografla, las imagenes comparativas podrlan comprender imagenes craneo - caudal (CC) e imagenes oblicua medio - lateral (OML); imagenes CC y OML de la misma mama as! como otras vistas; imagenes de ambas mamas, izquierda y derecha, e imagenes tomadas en un momento anterior. Debido al tamano de las imagenes (tlpicamente 25 - 70 Mb) de los sistemas de procesamiento de imagenes, las imagenes se procesan generalmente de una en una, y los resultados a continuacion se ordenan en secuencia. Por ejemplo, los sistemas de detection asistidos por ordenador (DAO) podrlan indicar que un cierto objeto es de mayor certidumbre si ha sido detectado tanto en la vista CC como en la OML, o que un cierto objeto es de mayor certidumbre de ser cancer si no estaba presente en la imagen previa, o no tiene un objeto concordante en la otra mama.

Sin embargo una medicion precisa de la densidad de la mama puede estar significativamente sesgada por pequenas fluctuaciones en las mediciones; por ejemplo, el uso reciente de placas de compresion inclinadas en el examen mamografico trae aparejado una variacion en el espesor de la mama desde la pared del pecho hasta el margen de la

5

10

15

20

25

30

35

40

45

50

mama, de hasta 2 cm en algunos casos. Unas fluctuaciones como tales en la altura del pecho conduce a grandes variaciones en la densidad estimada de la mama, por lo cual las placas de compresion inclinadas entranan el riesgo de invalidar muchos de los modelos actualmente utilizados en la cuantificacion de la densidad volumetrica de la mama.

Es un objetivo de la invencion evitar esta variacion y proporcionar una tecnica de procesamiento de imagenes mas consistente y fiable y, de este modo, proporcionar un diagnostico mas fiable.

Tecnica anterior

El artlculo publicado por VAN ENGELAND SASKIA ET AL: “Combinacion de dos proyecciones mamograficas en un metodo de deteccion de masa asistido por ordenador”, MEDICAL PHYSICS, AIP, MELVILLE, US, volumen 34, N° 3, del 9 de febrero de 2007 (09 - 02 - 2007), paginas 898 - 905, ISSN: 0094 - 2405, DOI: 10.1118 / 1.2436974 se refiere a mamograflas de dos vistas, asociacion y clasificacion de regiones sospechosas.

Los intentos de automatizar la evaluacion estan examinados en profundidad en la publicacion de Yaffe, “Medicion de densidad mamaria” (Investigacion del Cancer de Mama, 10:209, 2008), en particular aquellos intentos de automatizar la estimacion de la composicion de la mama.

De forma similar, otros sistemas que no utilizan rayos X tales como Imagenes por Resonancia Magnetica (IRM) de mama, ultrasonidos 2D de mama y ultrasonidos 3D de mama tambien generan informacion para el diagnostico que es, en llneas generales, utilizada de forma relativamente independiente de las otras imagenes debido a las complicaciones enumeradas anteriormente, y a la necesidad de encontrar en los diferentes sistemas la concordancia del mismo objeto cuya imagen se obtiene.

Sistemas tales como Volpara® (que integra el metodo y el sistema divulgados en la Solicitud de Patente Internacional PCT/2010/0001472), que automatizan el analisis cuantitativo de los rayos X de mama, cuantificando la mama como representacion numerica del tejido de mama mediante aislamiento a partir del procedimiento de procesamiento de imagenes. Los sistemas como tales pueden trabajar sobre imagenes tomadas en diferentes vistas de la mama, por ejemplo, las vista craneo - caudal (CC) y oblicua medio - lateral (OML), y sobre imagenes tomadas a lo largo del tiempo.

Por ejemplo, la composicion de la mama, segun se representa en una mamografla, indica cuan dificultosa de diagnosticar es esa mamografla. La teorla indica que las mamas que consisten principalmente en tejido mas denso desde una perspectiva de rayos X (tejido fibroso, glandular, y otros), en lugar de grasa, pueden ocultar mas facilmente el cancer; por lo tanto, cuanto mayor sea la cantidad de tejido denso, mas dificultosa de diagnosticar es esa mamografla.

Para evaluar las caracterlsticas del tejido, por ejemplo, la densidad del tejido de la mama, los sistemas de procesamiento de imagenes tienden a procesar las imagenes CC Izquierda, OML Izquierda, CC Derecha, OML Derecha individualmente y luego hacer la media de los resultados para determinar una densidad de la mama general para un paciente individual. La realizacion de la media de los resultados es util, dado que esta elimina el ruido y reduce los errores si, por ejemplo, el procesamiento de las imagenes ha tenido un fallo en alguna de las imagenes individuales.

Aunque hay varios tipos diferentes de tejido de mama (glandular, fibroso, etc.), la mayorla de los trabajos en esta area designa a todos los tejidos no grasos como tejidos “densos”. Los terminos glandular, fibro - glandular y tejido denso se utilizan, en consecuencia, de forma intercambiable. En esta descripcion, se hace referencia a los tejidos no grasos como tejidos “densos”.

Los intentos anteriores de cuantificar las mamograflas dificultosas de diagnosticar se han enumerado en la publicacion de Yaffe y Highnam (citada anteriormente). Otros intentos estan relacionados mas especlficamente con el American College or Radiology (ACR)'s Breast Imaging and Reporting and Data System (BIRADS®), que es el sistema de clasificacion actual mas popular para la evaluacion visual de la composicion de la mama.

El sistema de clasificacion BIRADS utiliza las siguientes categorlas de patrones:

1. La mama es casi completamente grasa (< 25% glandular);

2. Hay densidades fibro - glandulares dispersas (aproximadamente 25 - 50% glandular);

3. El tejido de la mama es denso de manera heterogenea, lo cual podrla dificultar la deteccion de pequenas masas (aproximadamente 51 - 75% glandular); y

4. El tejido de la mama es extremadamente denso. Esto puede disminuir la sensibilidad de la mamografla (> 75% glandular).

Ademas, el sistema de clasificacion BIRAD y otros similares, perpetuan la interpretacion subjetiva de la imagen: aunque los radiologos (y otros evaluadores) son capaces de identificar los patrones 1 a 4, los resultados intermedios

5

10

15

20

25

30

35

40

45

50

son mucho mas propensos a error en la clasificacion; vease el documento de Zhou et al, “Estimation of breast density on mammograms" (Medical Physics, 28(6), 2001, p 1056 - 1069); Nicholson et al, “Accuracy of assigned BIRADs breast density category definitions” (Academic Radiology, 13(9), p 1143 - 1149); Ciatto et al, “Categorizing breast mammographic density: intra and inter observer reproducibility of BI-RADS density categories" (Breast, 14, 2005, pag 269 - 275); Berg et al, “BIRADS: inter and intra - observer variability in feature analysis and final assessment" (AJR, 174(6), p 1769 - 1777).

Intentos de cuantificar imagenes diflciles de diagnosticar mas especlficamente relacionadas con el sistema de clasificacion BIRADS incluyen las publicaciones: Marias et al, “Automatic labeling and BI-RADS characterization of mammogram densities" (27th International Conference of Engineering in Medicine and Biology, p 6394 - 6398, Enero de 2006); Castella et al, “Semi - automatic mammographic parenchymal patterns classification using multiple statistical features" (Academic Radiology, 14(12), P 1486 - 1499, 2008), Marias et al, “Subjective and computer - based characterization of mammographic patterns” (International Workshop on Digital Mammography, 2002); Glide Hurst et al, “A new method for quantitative analysis of mammographic density” (Medical Physics, vol 34(11), p 4491 - 4498, 2007), Glide et al, “Novel approach to evaluation breast density using ultrasound tomography" (Medical Physics, vol 34(2), p 744 - 753, 2007).

Aunque se utilizan varios metodos para calcular ya sea una composicion volumetrica de mama, basada en torno a los volumenes actuales de tejido en la mama, o para hacer la evaluation visual de la composicion de la mama objetiva y cuantitativa, se ha establecido que el area basada en mediciones describe mucho mejor las imagenes “diflciles de diagnosticar” que las tecnicas volumetricas.

Los metodos que intentan utilizar caracterlsticas de textura e imagen para determinar una clasificacion de densidad visual cuantitativa dejan sin resolver otras consideraciones integrales, tales como la manera de diferenciar entre un tejido todo graso o todo denso, en el que la textura es la misma y, por lo tanto, de bajo contraste, y entre los rangos medios de las categorlas de densidad de la mama.

La estandarizacion de la evaluacion volumetrica per se tiene algunas ventajas en el procesamiento de imagenes mamograficas y en la evaluacion del riesgo de cancer de mama. Sin embargo, el uso de valores fijos solo es posible cuando tales valores resultan fiables. Por ejemplo, los canceres son visibles normalmente en una mamografla a partir de 0,5 cm o por encima de este valor. Una region de tejido denso que sea menor en su diametro proyectado, por ejemplo, de hasta 0,3 cm, no impedira la detection del cancer dado que es demasiado pequena, o bien para enmascarar un cancer real, o bien para ser identificada como un cancer. Sin embargo, las areas de tejido por encima de 0,3 cm de profundidad y / o de diametro podrlan impedir la deteccion del cancer.

A pesar del exito de los sistemas actualmente disponibles, permanecen ciertos inconvenientes en la tecnica. Estos incluyen: una carencia de automatization; minima correlation de modalidades y / o resultados; falta de “coincidencia” comparativa ya sea temporal, cuantitativa o sustantiva; falta de un espectro de clasificacion continuo; y falta de referencia contextual (es decir, fisiologica).

Por lo tanto, es un objetivo de la presente invention proporcionar un sistema para la evaluacion automatica de medida(s) / propiedad(es) cuantitativas de un objeto, que comprende referencias simultaneas o selectivas para un rango de marcadores de diagnostico a partir de multiples sistemas de procesamiento de imagenes y, en particular, proporcionar de esta manera un sistema para la evaluacion automatica basada en un rango de marcadores de diagnostico de importancia predeterminada y en medida(s) / propiedad(es).

Otro objetivo es combinar selectiva y simultaneamente los medios de formulation de resultados para producir un diagnostico mas preciso, por ejemplo, mediante una “tecnica de puntuacion” de diagnostico, que mejore de este modo la uniformidad de una puntuacion de diagnostico como tal.

Resumen de la invencion

Segun un primer aspecto de la invencion se proporciona un metodo segun la reivindicacion 1.

Segun un segundo aspecto de la invencion se proporciona un dispositivo segun la reivindicacion 9.

La presente invencion se refiere, por lo tanto, a un sistema en el cual la evaluacion de un rango de marcadores de diagnostico predeterminados dirige un tratamiento innovador que es sensible al riesgo mediante la valoracion de la importancia pertinente de plxeles.

Se aprecia que aunque se hace referencia a un pixel, este termino esta destinado a incluir el termino voxel.

Segun una realization, se proporciona un sistema para la evaluacion automatica de la medicion cuantitativa de un objeto por el cual se utiliza un sistema de formation de imagenes para capturar una imagen y luego se utiliza un sistema de procesamiento de imagenes para cuantificar una cierta propiedad de la imagen.

5

10

15

20

25

30

35

40

45

50

55

Preferiblemente, en el sistema de procesamiento de imageries, se lleva a cabo una evaluacion automatica simultanea de unas imagenes primera y segunda, por medio de una pluralidad de marcadores de diagnostico, teniendo cada marcador una significancia predeterminada que se refiere a un nivel de riesgo.

El proceso podrla comprender, de forma simultanea y diversa: la busqueda de concordancia en la informacion de diagnostico procedente de diversos sistemas; la modelizacion de cambios geometricos utilizando medidas de densidad; la busqueda de concordancia / comparacion de caracterlsticas / regiones de interes a lo largo del tiempo; la comparacion de densidades en combinacion con algun otro marcador DAO; el calculo de la densidad a partir de imagenes CC y OML cartografiadas a un escaner 3D; la clasificacion en un espectro continuo; la combinacion selectiva de ciertos valores; el uso de fisiologla proxima como comparador; el uso de referencias basadas en el caso (tales como CC I, OML I, CCD, OML D); el ajuste de la inclinacion; la mejora de la segmentacion; la comparacion de histogramas estadlsticos; el uso de puntos de referencia de tejido graso; y la comparacion estadlstica de imagenes de tejido procedentes de las dos mamas.

De este modo se resuelven consideraciones integrales tales como la diferenciacion entre todos los tejidos grasos y todos los tejidos densos, y el descifrado de imagenes “diflciles de diagnosticar” para resultados mejorados de diagnostico y tratamiento.

La presente invencion, de este modo, se refiere a una evaluacion automatica de marcadores de medicion y diagnostico cuantitativos dentro del contexto del procesamiento de imagenes de mamas.

Ventajosamente, el sistema para la evaluacion automatica de mediciones cuantitativas que integran el calculo de la densidad de la mama es calculado mediante Volpara® (o metodos similares) con el fin de ayudar en la busqueda de concordancia de informacion de diagnostico procedente de diversos sistemas.

Considerando que las tecnicas actuales utilizan generalmente el contorno de la piel, el contorno del musculo pectoral, y opcionalmente el espesor de la mama, la presente invencion incluye el contorno de la piel, el contorno del musculo pectoral, opcionalmente el espesor de la mama y la densidad de la mama.

En una realizacion preferida, la invencion lleva a cabo la busqueda de concordancia entre mamograflas CC y OML. La cantidad de compresion de la mama y el grado de movimiento de objetos en el interior de la mama durante la compresion, indican la blandura o dureza de la mama, lo cual, a su vez, es indicativo de la densidad de la mama. Cuanto mayor sea la densidad de la mama, mas dura es la mama y menor es el movimiento de objetos en el interior de la mama durante la compresion. Por lo tanto, mayor sera el movimiento de objetos en el interior de una mama mas grasa durante la compresion.

Con el fin de correlacionar informacion con precision en las vistas CC y OML se modelizan los cambios geometricos y se utiliza la densidad de la mama para fijar los llmites de la busqueda alrededor de los cuales el sistema automatizado deberla buscar la coincidencia de un objeto en la otra vista. Las densidades mas bajas de mama tienden a indicar mamas mas grasas y un movimiento potencialmente mas grande que indica una region de busqueda grande.

Preferiblemente, el sistema para la evaluacion automatica de mediciones cuantitativas de un objeto incluye la exhibicion en mamograflas temporales de objetos coincidentes.

Una caracterlstica u “objeto” que aparece en una mamografla pero que no estaba presente en una mamografla anterior podrla indicar un cancer en desarrollo. De forma similar, un objeto que aparece mas grande en una mamografla posterior tambien podrla indicar un cancer. Inversamente, un objeto que aparece mas pequeno en una mamografla posterior es poco probable que sea un cancer. Sin embargo, las diferencias en la compresion de la mama y en la densidad de la mama complican la identificacion y busqueda de concordancia de objetos en mamograflas a lo largo del tiempo. Mientras que el espesor de la mama y los contornos de la piel pueden ser utilizados para determinar donde buscar, una mama mas grasa ofrece un rango mucho mayor de movimiento potencial y la region de busqueda consecuentemente dependera de la densidad de la mama. Un uso como tal de la densidad permite, de este modo, que las herramientas de evaluacion de la densidad de la mama simulen una DAO: un incremento en la densidad de la mama en una region indica un posible cancer.

Idealmente, se lleva a cabo una correlacion utilizando informacion procedente de la densidad de la mama y de la DAO y, en particular, de la coincidencia de una densidad de mama en una region y un resultado de la DAO.

Los canceres generalmente se forman en un tejido denso; de este modo, la correlacion de un marcador DAO mas un area de region de densidad que lo rodea puede ser mas indicativo de un cancer potencial que un marcador DAO en una region grasa. La densidad de una mama puede, por lo tanto “ponderar” el marcador DAO. Igualmente, una mama sin ningun marcador DAO y una densidad de mama baja puede indicar un riesgo bajo de un cancer y posiblemente no requiere que la imagen sea lelda por uno o mas radiologos.

Se lleva a cabo una busqueda de concordancia ideal entre rayos X CC y OML y otras tecnicas de procesamiento de imagenes 3D tales como IRM y ultrasonidos 3D. Se ha sugerido que solo el 20% de los objetos vistos en IRM se encuentran tambien en ultrasonido, y la concordancia entre rayos X e IRM es de una dificultad similar. Una

5

10

15

20

25

30

35

40

45

50

55

realizacion particularmente preferida de la presente invencion calcula la densidad de la mama para las imagenes CC y OLM e identifica regiones de alta densidad en ambas vistas, indicando de este modo caracterlsticas que requieren una investigacion adicional.

Mas aun, la presente invencion permite un cartografiado procedente de imagenes CC y OML a 3D utilizando tecnicas como las sugeridas por Kita, Highnam y Brady con la inclusion de un factor de densidad de mama para mejorar la exactitud. La mama en 3D generada con la ubicacion del objeto puede ser mostrada, por lo tanto, a un radiologo que puede enfocar directamente su atencion en consecuencia, es decir, en las areas de la mama que tienen una densidad de mama en rayos X alta, mediante una u otra, o una serie de tecnicas de procesamiento de imagenes 3D para buscar concordancia de signos. Esto representa una ventaja significativa en aplicaciones tales como ultrasonido de mama, en las cuales un radiologo raramente tiene tiempo para explorar una mama entera. Los resultados pueden ser enviados al radiologo de varias formas, incluyendo una imagen de captura secundaria DICOM con una mama en 3D pequena representada en esta.

Es una ventaja adicional de la presente invencion que el rango y clasificacion de la composicion del tejido de mama se exprese como un espectro continuo, por ejemplo en la forma de un porcentaje de composicion, o numericamente, mejorando de este modo la exactitud a efectos de indicacion y de diagnosticos adicionales. Por ejemplo, la clasificacion puede expresarse como un porcentaje entre 0% a 40%. De forma alternativa, la clasificacion de la composicion del tejido de mama comprende un rango entre un 1 y un 4, por ejemplo: 2,4; 3,2; etc. De este modo, la presente invencion mejora a los sistemas tales como el BI - RADS®.

Segun todavla otro aspecto de la invencion, esta emplea marcadores de diagnostico que comprenden la combinacion selectiva de valores generados a partir de la representacion cuantitativa. Los valores proceden del grupo que comprende: el espesor medio del tejido denso; la varianza del tejido denso / cambios en la densidad y / o heterogeneidad que produce confusion en una imagen; espesor maximo del tejido denso; una medicion basada en el area, es decir, cualquier area de la mama con un espesor de tejido denso y / o diametro de tejido denso de menos de 0,3 cm, por medio de la cual el area densa total es dividida por el area de disco glandular total para conseguir una medicion de area de cuan diflcil de diagnosticar es la mamografla; y adicionalmente, una categorization, tal como la American College or Radiology (ACR)'s Breast Imaging and Reporting and Data System (BIRADS®).

Preferiblemente, la resolution del tejido proximal, por ejemplo, la resolution del musculo pectoral, se utiliza como un comparador o contraste para evaluar de forma mas precisa la densidad del tejido de la mama. El musculo pectoral es denso, normalmente mas denso que el tejido de la mama, por lo tanto, en las zonas en las que la mama no es muy densa, el area del musculo pectoral cuando se procesa sobre una imagen OML aparecera mas brillante que el area principal de la mama.

Cuando el contraste entre la claridad del area del musculo pectoral y la claridad de la mama o de areas de la misma es grande, el contraste comparativo indica que el tejido principal de la mama no es muy denso. Si el tejido principal de la mama es denso, entonces la diferencia de contraste comparativa entre el tejido pectoral y el tejido principal de la mama es baja. Si el pectoral resulta que es graso (lo cual puede ocurrir), entonces la diferencia de contraste puede ser negativa, y no se podra extraer una conclusion segura. Si se sabe que una mama particular no es muy densa, entonces el procesamiento de las imagenes CC puede ajustarse para detectar de forma mas segura un area de referencia de solo grasa.

Segun un aspecto adicional, el sistema comprende mejoras basadas en estudios que hacen referencia a imagenes

CC Izquierda, OML Izquierda, CC Derecha, OML Derecha y mejoras basadas en el caso, que incluyen datos

temporales en los cuales el caso implica multiples estudios a lo largo del tiempo.

Una caracterlstica adicional es que las densidades / volumenes de mama / volumen de tejido fibro - glandular se

calcula para cada imagen y los resultados son ordenados en secuencia solo cuando los resultados son

comparables. Por ejemplo, si

CC I = 5%; CC D = 6%; OML I = 25%; OML D = 6%,

entonces la imagen OML I debe ser ignorada por ser un valor atlpico. Notese, sin embargo, que si la mama derecha o izquierda aparece uniformemente mas alta que la otra, esto puede indicar un cancer u otro cambio genuino (tal como un post operatorio) mas que como un valor atlpico. De forma similar, un aumento o disminucion uniforme de la densidad a lo largo del tiempo podrla indicar un cambio genuino mas que un valor atlpico.

Segun un aspecto adicional de la presente invencion se proporciona un sistema para el ajuste automatico de la inclination de compresion, en particular segun el metodo divulgado en la Solicitud tambien pendiente NZ595136 “Metodo para mejorar la cuantificacion de imagenes con efecto simetrico”. La inclinacion calculada con este metodo puede ser verificada para determinar su viabilidad mediante la consideration del volumen de la mama, el espesor de la mama grabada y el area proyectada. Si se espera que el volumen de la mama sea el mismo, se ajusta una estimation de la inclinacion hasta que coincida para todas las imagenes.

La evaluation automatizada idealmente comprende: una segmentation mejorada, en la cual se busca la misma forma de mama en todas las imagenes, y por lo tanto, un calculo del volumen de mama mejorado. Una

5

10

15

20

25

30

35

40

45

50

55

caracterlstica adicional es la eliminacion de las partes que no son la mama en la parte inferior de la imagen o tejido graso en el musculo pectoral en la parte superior de la imagen en OML, mejorando de este modo los resultados generales.

Opcionalmente, se comparan histogramas de la mama interior a traves de todas las imagenes y se verifica la composicion buscando similitudes, detectando de este modo bolsas de aire o regiones no comprimidas completamente cuando estas solo se producen en una imagen. Ciertas estadlsticas de los histogramas, por ejemplo, sesgo, tambien podrlan promediarse sobre todas las imagenes para lograr un valor mas fiable que puede ser utilizado, entonces, para ajustar el procesamiento de la imagen.

Ventajosamente, el sistema de evaluacion automatizado identifica un punto de referencia graso correcto encontrado en una imagen unica y la relacion del punto de referencia graso es comparada con el resto de plxeles de la mama. Por ejemplo, se podrla calcular el numero de puntos que son mas brillantes que el punto de referencia potencial y el numero de puntos que son menos brillantes en las diferentes vistas: y si estos son iguales en estas, el punto de referencia es, con gran probabilidad, mas fiable.

Ademas, un punto de referencia graso puede ser buscado en la misma area de la mama izquierda y de la mama derecha, si se ha detectado de forma fiable en una de las imagenes. La fiabilidad del punto de referencia graso puede ser verificada observando la distribucion espacial de puntos que tienen un brillo similar al del punto de referencia graso.

Un enfoque iterativo adicional para calcular la densidad comienza con un punto de referencia inicial y una inclinacion de la placa de compresion supuesta. A continuation se calcula el tejido denso utilizando esos valores. Luego se verifica si la distribucion de tejido denso cumple con las restricciones; las restricciones pueden ser una distribucion espacial de puntos con un espesor de tejido denso igual a cero, estadlsticas de los valores de densidad que se estan produciendo. Las restricciones tambien podrlan incluir information procedente de otras imagenes del mismo caso.

Segun un aspecto adicional, los datos temporales anteriores son utilizados de manera comparativa para ajustar el proceso, el diagnostico y el analisis de riesgo.

Segun todavla otro aspecto, la presente invention se refiere a un proceso mediante el cual se comparan estadlsticas para las dos mamas, por ejemplo, el porcentaje de mama con h_int > espesor de la mama grabada, el porcentaje de mama con h_int < 0, el porcentaje de mama con h_int > 0, donde h_int es el espesor del tejido denso. Una diferencia significativa en las estadlsticas indicarla un error.

Segun otro aspecto, la presente invencion se refiere a un proceso mediante el cual todas las imagenes en un estudio son imagenes mosaico ponderadas, excepto una. Conociendo cuanto tejido se recorta, las imagenes pueden ser procesadas aun, mediante la comparacion de los volumenes de mama de las imagenes mosaico con el volumen de la mama de la propia imagen.

Segun otro aspecto, la presente invencion se refiere a un proceso iterativo para mejorar el calculo de la densidad. En este proceso, el punto de inicio es una estimation inicial para el punto de referencia graso as! como una estimation inicial de la inclinacion de la placa de compresion. Los valores de densidad calculados con estas estimaciones iniciales se verifican frente a un conjunto de restricciones que pueden comprender varios aspectos del octavo aspecto. Si los valores de densidad no cumplen con las restricciones, se ajustan el punto de referencia graso as! como el valor para la inclinacion de la placa de compresion. Estas dos etapas se repiten hasta que los valores de densidad cumplan con las restricciones.

Preferiblemente, hay una tecnica de procesamiento de imagenes que obtiene una imagen de un objeto mediante el uso una primera tecnica de formation de imagenes y a continuacion obtiene una imagen del objeto mediante el uso una segunda tecnica de formacion de imagenes; la selection de uno o mas plxeles de la primera imagen y la designation de los mismos como plxeles de referencia; y la realization de una comparacion automatica entre regiones correspondientes de la primera y de la segunda imagen, basada en los plxeles de referencia, con el fin de indicar regiones de interes.

Preferiblemente, una tecnica de procesamiento de imagenes evalua automaticamente mediciones cuantitativas de un objeto, por lo cual se utiliza un sistema de formacion de imagenes para capturar una imagen y luego se utiliza un sistema de procesamiento de imagenes para cuantificar una propiedad de la imagen, por lo cual se utiliza una primera imagen para cuantificar una propiedad de la imagen de una segunda imagen.

Preferiblemente, una tecnica de procesamiento de imagenes emplea marcadores de diagnostico que comprenden la combination de forma selectiva de valores generados a partir de la representation cuantitativa.

Preferiblemente, hay una tecnica de procesamiento de imagenes en la cual una evaluacion automatica identifica un punto de referencia graso correcto detectado en una imagen unica y la relacion del punto de referencia graso es comparada con los plxeles restantes de la imagen.

Preferiblemente, hay un sistema para llevar a cabo el metodo descrito en este documento. Es una ventaja de la presente invencion que los aspectos descritos son integrados selectiva y simultaneamente en un sistema automatizado.

Se puede lograr una mejor comprension de la naturaleza y ventajas de la presente invencion con referencia a la 5 siguiente descripcion detallada y a los dibujos adjuntos.

Breve descripcion de los dibujos

La Figura 1 muestra un sistema que comprende valores combinados de forma selectiva generados a partir de la representacion cuantitativa y la resolucion comparativa del musculo pectoral;

la Figura 2 muestra una comparacion temporal: calcula el tejido denso, realiza el registro / busca coincidencia de 10 mamas, luego busca cambios en la densidad;

la Figura 3 muestra una comparacion temporal de la misma mama sin registro, solo basado en caracterlsticas; y la Figura 4 muestra un enfoque iterativo para calcular la densidad.

Descripcion detallada de las realizaciones preferidas de la invencion

Se han descrito anteriormente realizaciones de ejemplo con respecto a un sistema para combinar los resultados de 15 una serie de sistemas, y en particular, sistemas de diagnostico tales como sistemas de formacion de imagenes de mama. Diversas modificaciones de las realizaciones de ejemplo divulgadas, y divergencias de las mismas surgiran a aquellos que tienen una experiencia normal en la tecnica.

La materia sujeto que se pretende que este dentro de esta divulgacion se establece en las reivindicaciones siguientes.

Claims (9)

1. 5

   10

   15

   20

   25

   30

   35

   40

   45

   50

   REIVINDICACIONES

   1. Un metodo automatizado implementado por ordenador para establecer la coincidencia de objetos procedentes de tecnicas de formation de imagenes con formation de imagenes de mama mediante: el sometimiento a compresion de la mama, la obtencion de una primera imagen de un objeto a lo largo de un primer eje utilizando una primera tecnica de formacion de imagenes, posteriormente la obtencion de una segunda imagen del objeto a lo largo de un segundo eje utilizando una segunda tecnica de formacion de imagenes; la selection de uno o mas plxeles de la primera imagen y la designation de estos como plxeles de referencia; la obtencion de mediciones de densidad de la mama, la modelizacion de un cambio geometrico del objeto durante la compresion de la mama y la realization de una comparacion automatizada entre regiones correspondientes de la primera y segunda imagenes, en el cual el cambio geometrico y las mediciones de densidad se utilizan para establecer unos llmites de busqueda dentro de los cuales un sistema automatizado busca un objeto coincidente en la segunda imagen con el fin de localizar el objeto coincidente en la segunda imagen y, por lo tanto, de hacer coincidir el objeto coincidente con el objeto en la primera imagen.
2. 2. Un metodo segun la reivindicacion 1, en el cual la primera tecnica de formacion de imagenes es la radiation X para obtener una imagen de rayos X craneo - caudal (CC) a lo largo de un primer eje de formacion de imagen y la segunda imagen es obtenida mediante una segunda tecnica de formacion de imagenes que es la radiacion X para obtener una imagen de rayos X oblicua medio-lateral (OML) a lo largo de un segundo eje de formacion de imagen, y se calcula la densidad de la mama para las imagenes CC y OML, mediante lo cual se lleva a cabo la busqueda de coincidencia entre las imagenes CC y OML.
3. 3. Un metodo segun la reivindicacion 2, en el cual las imagenes CC y OML son cartografiadas a una imagen de un IMR o ultrasonido 3D, mediante lo cual se lleva a cabo la busqueda de coincidencia entre la imagen CC y OML de rayos X con la imagen procedente de IMR o ultrasonido 3D.
4. 4. Un metodo segun cualquiera de las reivindicaciones anteriores incluye la etapa de diferenciacion entre tejido solo graso y solo denso.
5. 5. Un metodo segun cualquiera de las reivindicaciones anteriores en el cual se utiliza / n por lo menos uno entre: el contorno de la piel y / o el contorno del musculo pectoral y / o el espesor de la mama, con el fin de obtener un valor de densidad de la mama.
6. 6. Un metodo segun cualquiera de las reivindicaciones anteriores en el cual un sistema automatizado busca el objeto mediante la busqueda alrededor de los llmites de busqueda.
7. 7. Un metodo segun cualquiera de las reivindicaciones anteriores en el cual la evaluation automatica de mediciones cuantitativas de un objeto incluye la busqueda de coincidencia de objetos exhibidos en imagenes temporales de la mama de forma tal que se obtiene primero la primera imagen y se obtiene la segunda imagen a continuation de la primera.
8. 8. Un metodo segun cualquiera de las reivindicaciones anteriores en el cual el tejido del musculo pectoral tiene una claridad o brillo en la imagen correspondiente a la densidad del musculo, y se utiliza la claridad o brillo como una referencia para la comparacion con la claridad o brillo del tejido de mama en la imagen para evaluar la densidad del tejido de la mama.
9. 9. Un dispositivo para la obtencion de correspondencia de objetos en mamograflas que comprende: una placa / pala de compresion operable para someter a una mama a compresion,

   un primer medio de formacion de imagen operable para obtener una primera imagen de un objeto en la mama, que es obtenida a lo largo de un primer eje utilizando una primera tecnica de formacion de imagenes,

   un segundo medio de formacion de imagenes operable para obtener una segunda imagen del objeto que es obtenida a lo largo de un segundo eje utilizando una segunda tecnica de formacion de imagenes,

   un medio de seleccion de pixel de referencia operable para seleccionar uno o mas plxeles a partir de la primera imagen y designar a los mismos como pixeles de referencia para su uso en la comparacion de una region de interes en la imagen,

   un medio de medicion de densidad operable para obtener mediciones de densidad de la mama,

   un medio de modelizacion de cambios geometricos para modelizar un cambio geometrico del objeto durante la compresion de la mama utilizando las mediciones de densidad; y

   un medio de busqueda de objeto y de coincidencia operable para usar el cambio geometrico y las mediciones de densidad para establecer un limite de busqueda para una region en la segunda imagen, en el interior del cual el medio de busqueda y coincidencia busca el objeto coincidente en la segunda imagen con el fin de localizar el objeto

   coincidente en la segunda imagen y, por lo tanto, establecer la coincidencia del objeto coincidente con el objeto en la primera imagen.