TW201402074A - 乳房超音波影像之腫瘤偵測系統及其方法 - Google Patents
乳房超音波影像之腫瘤偵測系統及其方法 Download PDFInfo
- Publication number
- TW201402074A TW201402074A TW101124714A TW101124714A TW201402074A TW 201402074 A TW201402074 A TW 201402074A TW 101124714 A TW101124714 A TW 101124714A TW 101124714 A TW101124714 A TW 101124714A TW 201402074 A TW201402074 A TW 201402074A
- Authority
- TW
- Taiwan
- Prior art keywords
- tumor
- area
- tumor tissue
- module
- region
- Prior art date
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
- A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/461—Displaying means of special interest
- A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
-
- 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
- G06T2207/10136—3D 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Vascular Medicine (AREA)
- Theoretical Computer Science (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本發明有關於一種乳房超音波影像之腫瘤偵測系統及其方法,首先擷取複數張三維乳房超音波影像,利用一平均位移演算法以將乳房超音波影像切割成複數個小塊區域,從各區域之中分別擷取出一平均灰階值,依照各平均灰階值所屬的等級分類其對應的各區域,分類為最低等級之區域被視為一可疑腫瘤區域,再將最低等級之區域與其至少一相鄰且同質性相似之區域合併為一可疑腫瘤組織完整區域,分析可疑腫瘤組織完整區域之腫瘤特徵以判別為一腫瘤組織或一非腫瘤組織,則,係以區域為基本運算單元,將可以快速地從乳房超音波影像之中偵測出腫瘤組織。
Description
本發明有關於一種乳房超音波影像之腫瘤偵測系統及其方法,尤指一種可快速地從乳房超音波影像之中偵測出腫瘤組織之系統及其方法。
乳癌是女性同胞常見的癌症之一。從臨床經驗得知,若能儘早發現初期乳癌並實行治療,其治癒率非常高。
其中,乳房超音波檢查為目前乳房病變主要的醫療檢查方法之一,其具有無輻射性、無侵襲性、不破壞乳房組織器官、定位性高、安全方便、簡單易行之特點。最重要的是相對其他的CT、MRT檢查,乳房超音波檢查具有價錢便宜的優勢。再者,亞洲女性之乳房較為緻密,以致十分適合使用超音波進行乳房的病理檢查。
又,在乳房超音波掃描過程中,亦可經由一乳房超音波影像系統同步記錄為數眾多的乳房超音波影像。並且,乳房超音波影像系統亦可藉由分析乳房超音波影像內容,而偵測出影像之中是否存在有腫瘤組織,藉以提醒醫生注意。
以往乳房超音波影像系統對於乳房超音波影像的分析程序,大都以像素(pixel-based)為基本的運算單元。然而,一張高品質之乳房超音波影像往往超過百萬以上之像素,其運算量非常可觀,以致乳房超音波影像之分析程序
必須花費不少時間。
有鑑於此,本發明將提供一種係以區域為基本運算單元之乳房超音波影像之腫瘤偵測系統及其方法,不僅可大幅降低運算量而快速地從偵測出腫瘤組織,且可以有效消除影像之中的斑駁雜訊,將會是本發明欲達到的目的。
本發明之一目的,在於提供一種乳房超音波影像之腫瘤偵測系統及其方法,將超音波掃描所擷取到的三維乳房超音波影像切割成複數個小塊區域,並以區域作為分析三維乳房超音波影像之基本運算單元,藉此,將可以大幅降低運算量,而快速地從乳房超音波影像之中偵測出腫瘤組織。
本發明之一目的,在於提供一種乳房超音波影像之腫瘤偵測系統及其方法,其採用平均位移演算法進行三維乳房超音波影像的之區域切割,將可以有效地消除影像之中的斑駁雜訊而達到平滑化的效果。
本發明之一目的,在於提供一種乳房超音波影像之腫瘤偵測系統及其方法,其利用一BI-RADS分類標準對於偵測出的腫瘤組織進行分類,以令醫生可以清楚得知腫瘤組織的良惡性程度。
本發明之一目的,在於提供一種乳房超音波影像之腫瘤偵測系統及其方法,其提供一腫瘤地圖,將偵測出的各腫瘤組織依其分佈於乳房的位置而分別標示在腫瘤地圖之
上,且依照各腫瘤組織所屬的BI-RADS類別進行不同顏色的區別標示,如此以利於醫生觀測腫瘤組織的分佈情況及判斷腫瘤組織的重要性。
本發明之一目的,在於提供一種乳房超音波影像之腫瘤偵測系統及其方法,其對於各腫瘤組織進行BI-RADS分類且計算出腫瘤組織之所在方位及尺寸,如此藉由系統主動提供腫瘤的診斷資訊而令醫生可以輕易地進行乳房診斷報告的記錄工作。
為了達到上述目的,本發明提供一種乳房超音波影像之腫瘤偵測系統,包括:一影像擷取模組,擷取複數張三維乳房超音波影像;一影像切割模組,其連接影像擷取模組,利用一平均位移(mean shift)演算法以將三維乳房超音波影像切割成複數個小塊區域;一平均灰階值擷取模組,其連接影像切割模組,對於各區域分別擷取出一平均灰階值;一區域分類模組,其連接平均灰階值擷取模組,設定有複數個用以區分平均灰階值大小之等級,區分各平均灰階值所處的等級以分類其對應的區域,被分類為最低等級之區域視為一可疑腫瘤區域;及一區域合併模組,其連接區域分類模組,將最低等級之區域與其至少一相鄰且同質性較高之區域進行合併,以合併出至少一可疑腫瘤組織完整區域。
本發明一實施例中,其中平均位移演算法係將三維乳房超音波影像之中灰階值相近且相鄰的像素群聚成同一區域。
本發明一實施例中,其中區域分類模組採用一fuzzy c-means演算法對於各區域的平均灰階值進行等級分類。
本發明一實施例中,腫瘤偵測系統尚包括一特徵擷取分析模組,特徵擷取分析模組連接區域合併模組,以從各可疑腫瘤組織完整區域之中分別擷取出至少一腫瘤特徵,分析腫瘤特徵,以判別出各可疑腫瘤組織完整區域為一腫瘤或一非腫瘤組織區域。
本發明一實施例中,其中特徵擷取分析模組利用一乳房造影報告與資料解讀系統(BI-RADS)分類準則以對於各腫瘤組織區域進行分類。
本發明一實施例中,腫瘤偵測系統尚包括一連接特徵擷取分析模組之腫瘤標示模組,腫瘤標示模組提供一腫瘤地圖,各腫瘤組織區域依其分佈於乳房的位置而被腫瘤標示模組標示在腫瘤地圖上。
本發明一實施例中,其中腫瘤標示模組根據各腫瘤組織區域被分類的BI-RADS類別進行不同顏色的區別標示。
本發明一實施例中,其中腫瘤標示模組以乳頭位置為中心點相對計算出各腫瘤組織區域之所在方位,並且計算出各腫瘤組織區域之尺寸大小。
本發明一實施例中,腫瘤偵測系統尚包括一連接腫瘤標示模組之使用者介面,其包括一腫瘤地圖顯示區,腫瘤地圖將顯示於腫瘤地圖顯示區之中。
本發明一實施例中,腫瘤偵測系統尚包括一連接腫瘤標示模組之使用者介面,其包括一腫瘤診斷結果區,腫瘤
診斷結果區以一列表方式顯示各腫瘤組織區域之診斷結果,診斷結果包括各腫瘤組織區域被分類的BI-RADS類別、各腫瘤組織區域之所在方位及/或各腫瘤組織區域之尺寸大小。
本發明一實施例中,腫瘤偵測系統尚包括一連接影像擷取模組之使用者介面,其包括一乳房掃描部位選擇區及一超音波影像顯示區,乳房掃描部位選擇區包括有複數個掃描部位選單元件,經由點選其中一特定的掃描部位選單元件,以在超音波影像顯示區瀏覽到相對應的乳房部位之三維乳房超音波影像。
本發明又提供一種乳房超音波影像之腫瘤偵測方法,包括:擷取複數張三維乳房超音波影像;利用一平均位移(mean shift)演算法,以將三維乳房超音波影像切割成複數個小塊區域;從各區域之中分別擷取出一平均灰階值;設定複數個用以區分平均灰階值大小之等級;區分各平均灰階值所屬的等級以分類其對應的區域;及令被分類為最低等級之區域與其至少一相鄰且同質性較高之區域進行合併,以合併出至少一可疑腫瘤組織完整區域。
本發明一實施例中,腫瘤偵測方法尚包括下列步驟:從各可疑腫瘤組織完整區域之中擷取出至少一腫瘤特徵;及分析腫瘤特徵,以判別出各可疑腫瘤組織完整區域為一腫瘤或一非腫瘤組織區域。
本發明一實施例中,在判別出至少一可疑腫瘤組織完整區域為腫瘤組織區域後,腫瘤偵測方法尚包括下列步
驟:利用一乳房造影報告與資料解讀系統(BI-RADS)分類準則以分類腫瘤組織區域之類別。
本發明一實施例中,腫瘤偵測方法尚包括下列步驟:標示各腫瘤組織區域於一腫瘤地圖上。
本發明一實施例中,腫瘤偵測方法尚包括下列步驟:計算各腫瘤組織區域的所在方位及尺寸大小。
請參閱第1圖,為本發明乳房超音波影像之腫瘤偵測系統一較佳實施例之系統結構圖。如圖所示,腫瘤偵測系統100包括一影像擷取模組11、一影像切割模組12、一平均灰階值擷取模組13、一區域分類模組14及一區域合併模組15。
首先,超音波探頭於乳房上方開始執行乳房超音波掃描程序,並經由影像擷取模組11擷取複數張連續的三維乳房超音波影像111,如第2圖所示。影像切割模組12連接影像擷取模組11以接收三維乳房超音波影像111,並利用一平均位移演算法(3D mean shift)以將三維乳房超音波影像111之中灰階值相近且相鄰的像素群聚一起而組成為一區域120,致使以在三維乳房超音波影像111之中切割出複數個小塊區域120,如第3圖所示。
平均灰階值擷取模組13連接影像切割模組12以對於切割出的每一區域120進行像素之灰階值平均運算,而在各區域120之中分別擷取出一可用以代表區域顏色之平均
灰階值1200。
區域分類模組14連接平均灰階值擷取模組13,設定有複數個用以區分平均灰階值1200大小之等級,例如:4個等級。區域分類模組14藉由區分各平均灰階值1200所屬的等級而分類各區域120,藉以分類出不同顏色等級之區域120。再者,本發明區域分類模組14亦可採用一fuzzy c-means演算法對於各區域120的平均灰階值1200進行等級分類。如第4圖所示,經由區域分類程序後,於三維乳房超音波影像111之中將可以分類出兩種類型態樣之區域121、123。其中,區域121為被分類至最低等級(如第1等級)之區域其區域顏色最黑,而另一區域123為其他被分類至較高等級(如第2~4等級)之區域所組成其區域顏色較淡。此外,本發明一實施例中,另一區域123亦可經過一影像濾除程序,以將區域123中的影像內容進行濾除。對於一般超音波掃描而言,腫瘤組織之顏色相較於正常組織之顏色較為黑暗深沉。因此,被分類為最低等級之區域121將視為一可疑腫瘤區域。
接著,區域合併模組15連接區域分類模組14,將各個最低等級之區域121與其至少一相鄰且同質性相似之區域121(例如:兩區域121之間的平均灰階值1200差異在一門檻值之內視為同質性相似)進行合併,藉以合併出至少一可疑腫瘤組織完整區域122、124而真正地切割出可疑腫瘤組織之邊界,如第5圖所示。
又,腫瘤偵測系統100尚包括一連接區域合併模組15
之特徵擷取分析模組16。特徵擷取分析模組16從各可疑腫瘤組織完整區域122、124之中分別擷取出至少一腫瘤特徵1220、1240,例如:區域體積、平均灰階值、灰階值標準差、與鄰近組織在灰階值上的差異…等等。之後,特徵擷取分析模組16藉由分析腫瘤特徵1220、1240,以判別出可疑腫瘤組織完整區域122、124為一腫瘤組織區域或一非腫瘤組織區域。以本實施例為例,將可判別出可疑腫瘤組織完整區域124為一腫瘤組織區域,而可疑腫瘤組織完整區域122為一非腫瘤組織區域。
此外,參閱第5圖及第6圖所示,本發明一實施例中,在確定可疑腫瘤組織完整區域122為一非腫瘤組織區域之後,將對於可疑腫瘤組織完整區域122進行一影像濾除程序,以將區域122中的影像內容進行濾除,而使得區域122與另一區域123組成為一非腫瘤組織區域125。在此,藉由特徵擷取分析模組16協助醫生診斷可疑腫瘤組織完整區域122、124之腫瘤真偽,以有效降低過多的非腫瘤組織被誤判為腫瘤的情況發生。
又,本發明一實施例中,特徵擷取分析模組16進一步利用一乳房造影報告與資料解讀系統(Breast Imaging Reporting and Data System;BI-RADS)分類準則對於已判定為腫瘤組織之區域124進行分類,例如:BI-RADS 0~6。藉此,經由分類腫瘤組織區域124所屬的BI-RADS類別,將使得醫生清楚得知腫瘤組織區域124的良惡性程度。當然,本實施例中,分類腫瘤組織區域124所屬的BI-RADS
類別除藉由特徵擷取分析模組16執行外,也可選擇經由醫生的醫學經驗自行判定或進一步協助修正特徵擷取分析模組16所分類的結果,致使將可以更精確地分類出腫瘤組織區域124所屬的BI-RADS類別。如上據以實施,本發明係以區域120作為分析三維乳房超音波影像111之基本運算單元,不僅可大幅降低運算量而快速地從三維乳房超音波影像111之中偵測及切割出腫瘤組織,且利用平均位移演算法進行三維乳房超音波影像111之區域切割,將可以有效地消除影像111之中的斑駁雜訊而達到平滑化的效果。
接續,請參閱第7圖,為一用以顯示乳房超音波影像及其腫瘤診斷資訊之使用者介面示意圖,並同時參閱第1圖。本發明腫瘤偵測系統100尚包括有一腫瘤標示模組17及一使用者介面18。腫瘤標示模組17連接特徵擷取分析模組16,而使用者介面18連接影像擷取模組11及/或腫瘤標示模組17。
使用者介面18包括一乳房掃描部位選擇區181、一超音波影像顯示區182、一腫瘤診斷結果區183及一腫瘤地圖顯示區184。
其中,乳房掃描部位選擇區181包括複數個掃描部位選單元件1811。在乳房超音波掃描期間,醫生利用超音波探頭在乳房之各個部位進行來回掃描,再經由影像擷取模組11擷取到不同乳房部位的三維乳房超音波影像111。在此,每一乳房部位所掃描到的三維乳房超音波影像111將會連結對應至一特定的掃描部位選單元件1811。則,醫生
亦可透過其中一特定的掃描部位選單元件1811之點選動作,以在超音波影像顯示區182上瀏覽到相對應的乳房部位之三維乳房超音波影像111。例如:醫生點選第一掃描部位選擇元件1811,超音波影像顯示區182將會顯示出乳房右上部位之三維乳房超音波影像111。
而腫瘤標示模組17提供一腫瘤地圖171,該腫瘤地圖171將顯示在使用者介面18之腫瘤地圖顯示區184中。腫瘤標示模組17對於特徵擷取分析模組16所診斷出的各腫瘤組織區域124依其原本分佈於乳房的位置而分別標示在腫瘤地圖171上,且依照各腫瘤組織區域124被分類的BI-RADS類別進行不同顏色的區別標示,例如:腫瘤組織區域124被分類為BI-RADS 0將標示為棕色,被分類為BI-RADS 1將標示為紫色,被分類為BI-RADS 2將標示為藍色,被分類為BI-RADS 3將標示為綠色,被分類為BI-RADS 4將標示為黃色,被分類為BI-RADS 5將標示為橙色,被分類為BI-RADS 6將標示為紅色。
又,本發明一實施例中,腫瘤標示模組17標示各腫瘤組織區域124於腫瘤地圖171之後,將以乳頭1710之位置為中心點相對計算出各腫瘤組織區域124之方位,此腫瘤方位將以時鐘方向(clock;C)及距離(distance;D)進行表示。此外,腫瘤標示模組17也會同時計算出各腫瘤組織區域124之尺寸,例如:腫瘤的最大徑。
接續,使用者介面18之腫瘤診斷結果區183係以一列表的方式顯示各腫瘤組織區域124之診斷結果。該診斷結
果亦可包括有各腫瘤組織區域124被分類的BI-RADS類別、所在方位及/或尺寸大小。並且,本發明實施例中,亦可選擇依照BI-RADS類別、所在方位或尺寸大小以排列各腫瘤組織區域124之診斷結果。
以第7圖為例,依照BI-RADS類別高低依序排列各腫瘤組織區域124之診斷結果。例如:排列在第一順位(N0.1)之腫瘤組織區域124,其BI-RADS分類在較高的第5類別,而排列在第五順位(N0.5)之腫瘤組織區域124,其BI-RADS分類在較低的第1類別。
承上所述,本發明之系統100使用腫瘤地圖171顯示各腫瘤組織區域124於乳房的位置,並以不同顏色區別其所屬的BI-RADS類別,將以利於醫生觀測腫瘤組織的分佈情況及判斷腫瘤組織的重要性。並且,進一步配合腫瘤診斷結果區183所顯示的診斷結果,以令醫生進一步清楚得知腫瘤組織的良惡程度、所在方位及其尺寸大小等等腫瘤資訊,而輕易地進行乳房診斷報告的記錄工作。
請參閱第8圖,為本發明乳房超音波影像之腫瘤偵測方法一較佳實施例之流程圖。首先,步驟S300,超音波探頭於乳房上方開始執行乳房超音波掃描程序,影像擷取模組11依序擷取複數張連續的三維乳房超音波影像111,如第2圖所示。
步驟301,在擷取得到三維乳房超音波影像111之後,影像切割模組12利用一平均位移演算法(3D mean shift)以將三維乳房超音波影像111之中灰階值相近且相鄰的像
素群聚一起而切割出複數個小塊區域120,如第3圖所示。
步驟302,平均灰階值擷取模組13對於切割出的各區域120分別進行像素之灰階值平均運算,而在各區域120之中分別擷取出一可用以代表區域顏色之平均灰階值1200。
步驟303,區域分類模組14設定有複數個用以區分平均灰階值1200大小之等級。
步驟304,區域分類模組14藉由區分各平均灰階值1200所屬的等級而分類其對應的區域120。則,如第4圖所示,即可在三維乳房超音波影像111之中分類出最低等級之區域121,這些被分類為最低等級之區域121將視為一可疑腫瘤區域。
步驟305,區域合併模組15將各最低等級之區域121與其至少一相鄰且同質性相似之區域121合併一起,致使以進一步合併出至少一可疑腫瘤組織完整區域122、124,如第5圖所示。
步驟306,特徵擷取分析模組16從各可疑腫瘤組織完整區域122、124之中分別擷取出至少一腫瘤特徵1220、1240。
步驟307,特徵擷取分析模組16經由分析腫瘤特徵1220、1240,以判別出各可疑腫瘤組織完整區域122、124為一腫瘤組織區域或一非腫瘤組織區域。係以第5圖及第6圖為例,將可判別出可疑腫瘤組織完整區域124為一腫瘤組織區域,而可疑腫瘤組織完整區域122為一非腫瘤組
織區域。
步驟308,在三維乳房超音波影像111之中判定出腫瘤組織區域124之後,特徵擷取分析模組16亦可進一步利用BI-RADS分類準則對於腫瘤組織區域124進行良惡性分類。
之後,步驟309,腫瘤標示模組17進一步將各腫瘤組織區域124標示於一腫瘤地圖171之中且依照各腫瘤組織區域124被分類的BI-RADS類別進行不同顏色的區別標示。之後,醫生即可透過腫瘤地圖171觀測腫瘤組織的分佈情況及判斷腫瘤組織的重要性。
此外,步驟310,腫瘤標示模組17將各腫瘤組織區域124標示於腫瘤地圖171的同時,亦可計算各腫瘤組織區域124的所在方位及尺寸大小。則,後續,再將各腫瘤組織區域124之BI-RADS分類、所在方位及尺寸大小整合為一診斷結果以供醫生參考,而令醫生可以輕易地進行乳房診斷報告之記錄工作。
以上所述者,僅為本發明之較佳實施例而已,並非用來限定本發明實施之範圍,即凡依本發明申請專利範圍所述之形狀、構造、特徵及精神所為之均等變化與修飾,均應包括於本發明之申請專利範圍內。
100‧‧‧腫瘤偵測系統
11‧‧‧影像擷取模組
111‧‧‧三維乳房超音波影像
12‧‧‧影像切割模組
120‧‧‧區域
1200‧‧‧平均灰階值
121‧‧‧區域
122‧‧‧可疑腫瘤組織完整區域
1220‧‧‧腫瘤特徵
123‧‧‧區域
124‧‧‧可疑腫瘤組織完整區域
1240‧‧‧腫瘤特徵
125‧‧‧區域
13‧‧‧平均灰階值擷取模組
14‧‧‧區域分類模組
15‧‧‧區域合併模組
16‧‧‧特徵擷取分析模組
17‧‧‧腫瘤標示模組
171‧‧‧腫瘤地圖
18‧‧‧使用者介面
181‧‧‧乳房掃描部位選擇區
1811‧‧‧掃描部位選單元件
182‧‧‧超音波影像顯示區
183‧‧‧腫瘤診斷結果區
184‧‧‧腫瘤地圖顯示區
第1圖:本發明乳房超音波影像之腫瘤偵測系統一較佳實施例之系統結構圖。
第2圖:本發明三維乳房超音波影像之示意圖。
第3圖:本發明三維乳房超音波影像執行一區域分割程序後之區域示意圖。
第4圖:本發明三維乳房超音波影像執行一區域分類程序後之區域示意圖。
第5圖:本發明三維乳房超音波影像執行一區域合併程序後之區域示意圖。
第6圖:本發明三維乳房超音波影像執行一腫瘤分析程序後之區域示意圖。
第7圖:本發明使用者介面之介面示意圖。
第8圖:本發明乳房超音波影像之腫瘤偵測方法一較佳實施例之流程圖。
100‧‧‧腫瘤偵測系統
11‧‧‧影像擷取模組
111‧‧‧三維乳房超音波影像
12‧‧‧影像切割模組
120‧‧‧區域
1200‧‧‧平均灰階值
121‧‧‧區域
122‧‧‧可疑腫瘤組織完整區域
1220‧‧‧腫瘤特徵
123‧‧‧區域
124‧‧‧可疑腫瘤組織完整區域
1240‧‧‧腫瘤特徵
13‧‧‧平均灰階值擷取模組
14‧‧‧區域分類模組
15‧‧‧區域合併模組
16‧‧‧特徵擷取分析模組
17‧‧‧腫瘤標示模組
171‧‧‧腫瘤地圖
18‧‧‧使用者介面
Claims (18)
- 一種乳房超音波影像之腫瘤偵測系統,包括:一影像擷取模組,擷取複數張三維乳房超音波影像;一影像切割模組,其連接影像擷取模組,利用一平均位移(mean shift)演算法以將三維乳房超音波影像切割成複數個小塊區域;一平均灰階值擷取模組,其連接影像切割模組,對於各區域分別擷取出一平均灰階值;一區域分類模組,其連接平均灰階值擷取模組,設定有複數個用以區分平均灰階值大小之等級,區分各平均灰階值所處的等級以分類其對應的區域,被分類為最低等級之區域視為一可疑腫瘤區域;及一區域合併模組,其連接區域分類模組,將最低等級之區域與其至少一相鄰且同質性較高之區域進行合併,以合併出至少一可疑腫瘤組織完整區域。
- 如申請專利範圍第1項所述之腫瘤偵測系統,其中該平均位移演算法係將該三維乳房超音波影像之中灰階值相近且相鄰的像素群聚成該同一區域。
- 如申請專利範圍第1項所述之腫瘤偵測系統,其中該區域分類模組採用一fuzzy c-means演算法對於各區域的該平均灰階值進行等級分類。
- 如申請專利範圍第1項所述之腫瘤偵測系統,尚包括一特徵擷取分析模組,特徵擷取分析模組連接該區域合併模組,以從各可疑腫瘤組織完整區域之中分別擷 取出至少一腫瘤特徵,分析腫瘤特徵,以判別出各可疑腫瘤組織完整區域為一腫瘤或一非腫瘤組織區域。
- 如申請專利範圍第4項所述之腫瘤偵測系統,其中該特徵擷取分析模組利用一乳房造影報告與資料解讀系統(BI-RADS)分類準則以對於各腫瘤組織區域進行分類。
- 如申請專利範圍第5項所述之腫瘤偵測系統,尚包括一連接該特徵擷取分析模組之腫瘤標示模組,腫瘤標示模組提供一腫瘤地圖,各腫瘤組織區域依其分佈於乳房的位置而被腫瘤標示模組標示在腫瘤地圖上。
- 如申請專利範圍第6項所述之腫瘤偵測系統,其中該腫瘤標示模組根據各腫瘤組織區域被分類的該BI-RADS類別進行不同顏色的區別標示。
- 如申請專利範圍第6項所述之腫瘤偵測系統,其中該腫瘤標示模組以乳頭位置為中心點相對計算出各腫瘤組織區域之所在方位,並且計算出各腫瘤組織區域之尺寸大小。
- 如申請專利範圍第6項所述之腫瘤偵測系統,尚包括一連接該腫瘤標示模組之使用者介面,其包括一腫瘤地圖顯示區,該腫瘤地圖將顯示於腫瘤地圖顯示區之中。
- 如申請專利範圍第8項所述之腫瘤偵測系統,尚包括一連接該腫瘤標示模組之使用者介面,其包括一腫瘤診斷結果區,腫瘤診斷結果區以一列表方式顯示各腫 瘤組織區域之診斷結果,診斷結果包括各腫瘤組織區域被分類的該BI-RADS類別、各腫瘤組織區域之該所在方位及/或各腫瘤組織區域之該尺寸大小。
- 如申請專利範圍第10項所述之腫瘤偵測系統,其中該列表選擇根據各腫瘤組織區域被分類的該BI-RADS類別、各腫瘤組織區域之該所在方位或各腫瘤組織區域之該尺寸大小以排序各腫瘤組織區域之診斷結果。
- 如申請專利範圍第1項所述之腫瘤偵測系統,尚包括一連接該影像擷取模組之使用者介面,其包括一乳房掃描部位選擇區及一超音波影像顯示區,乳房掃描部位選擇區包括有複數個掃描部位選單元件,經由點選其中一特定的掃描部位選單元件,以在超音波影像顯示區瀏覽到相對應的乳房部位之該三維乳房超音波影像。
- 一種乳房超音波影像之腫瘤偵測方法,包括:擷取複數張三維乳房超音波影像;利用一平均位移(mean shift)演算法,以將三維乳房超音波影像切割成複數個小塊區域;從各區域之中分別擷取出一平均灰階值;設定複數個用以區分平均灰階值大小之等級;區分各平均灰階值所屬的等級以分類其對應的區域;及令被分類為最低等級之區域與其至少一相鄰且同質性較高之區域進行合併,以合併出至少一可疑腫瘤組 織完整區域。
- 如申請專利範圍13項所述之腫瘤偵測方法,尚包括下列步驟:從各可疑腫瘤組織完整區域之中擷取出至少一腫瘤特徵;及分析腫瘤特徵,以判別出各可疑腫瘤組織完整區域為一腫瘤或一非腫瘤組織區域。
- 如申請專利範圍14項所述之腫瘤偵測方法,在判別出至少一該可疑腫瘤組織完整區域為該腫瘤組織區域後,尚包括下列步驟:利用一乳房造影報告與資料解讀系統(BI-RADS)分類準則以分類該腫瘤組織區域之類別。
- 如申請專利範圍15項所述之腫瘤偵測方法,尚包括下列步驟:標示各腫瘤組織區域於一腫瘤地圖上。
- 如申請專利範圍16項所述之腫瘤偵測方法,其中各腫瘤組織區域依照被分類的該BI-RADS類別於該腫瘤地圖上進行不同顏色的區別標示。
- 如申請專利範圍16項所述之腫瘤偵測方法,尚包括下列步驟:計算各腫瘤組織區域的所在方位及尺寸大小。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101124714A TWI483711B (zh) | 2012-07-10 | 2012-07-10 | Tumor detection system and method of breast ultrasound image |
US13/729,444 US20140018681A1 (en) | 2012-07-10 | 2012-12-28 | Ultrasound imaging breast tumor detection and diagnostic system and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101124714A TWI483711B (zh) | 2012-07-10 | 2012-07-10 | Tumor detection system and method of breast ultrasound image |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201402074A true TW201402074A (zh) | 2014-01-16 |
TWI483711B TWI483711B (zh) | 2015-05-11 |
Family
ID=49914567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW101124714A TWI483711B (zh) | 2012-07-10 | 2012-07-10 | Tumor detection system and method of breast ultrasound image |
Country Status (2)
Country | Link |
---|---|
US (1) | US20140018681A1 (zh) |
TW (1) | TWI483711B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110868909A (zh) * | 2017-07-03 | 2020-03-06 | 富士胶片株式会社 | 医疗图像处理装置、内窥镜装置、诊断支持装置、医疗业务支持装置及报告书制作支持装置 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11751776B2 (en) | 2015-12-22 | 2023-09-12 | Zbra Care Ltd. | Systems and methods for impedance tomography of a body part of a patient |
WO2020089918A1 (en) * | 2018-11-03 | 2020-05-07 | Zbra Care Ltd. | Systems and methods for impedance tomography of a body part of a patient |
US9959617B2 (en) | 2016-01-28 | 2018-05-01 | Taihao Medical Inc. | Medical image processing apparatus and breast image processing method thereof |
TWI577342B (zh) * | 2016-01-28 | 2017-04-11 | 太豪生醫股份有限公司 | 旋轉式乳房影像之病變偵測方法及病變偵測裝置 |
TWI574671B (zh) * | 2016-06-27 | 2017-03-21 | 太豪生醫股份有限公司 | 乳房影像的分析方法以及其電子裝置 |
GB201705911D0 (en) | 2017-04-12 | 2017-05-24 | Kheiron Medical Tech Ltd | Abstracts |
JP2021527473A (ja) | 2018-06-14 | 2021-10-14 | ケイロン メディカル テクノロジーズ リミテッド | 即時精密検査 |
EP3844781A4 (en) * | 2018-08-30 | 2022-05-11 | Applied Materials, Inc. | SYSTEM FOR AUTOMATIC DETECTION AND CLASSIFICATION OF TUMORS |
TWI769370B (zh) * | 2019-03-08 | 2022-07-01 | 太豪生醫股份有限公司 | 病灶偵測裝置及其方法 |
CN112294360A (zh) * | 2019-07-23 | 2021-02-02 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像方法及装置 |
CN110599476B (zh) * | 2019-09-12 | 2023-05-23 | 腾讯科技(深圳)有限公司 | 基于机器学习的疾病分级方法、装置、设备及介质 |
CN110613486B (zh) * | 2019-09-30 | 2022-04-22 | 深圳大学总医院 | 一种乳腺超声图像的检测方法及装置 |
CN111603199B (zh) * | 2020-04-24 | 2023-03-14 | 中国人民解放军总医院第二医学中心 | 一种基于体表定位测量仪的三维重建超声诊断系统 |
CN113570567A (zh) * | 2021-07-23 | 2021-10-29 | 无锡祥生医疗科技股份有限公司 | 超声图像中目标组织的监测方法、装置及存储介质 |
CN113689424B (zh) * | 2021-09-09 | 2023-11-24 | 中国人民解放军陆军军医大学 | 可自动识别图像特征的超声检查系统及识别方法 |
CN116416381B (zh) * | 2023-03-31 | 2023-09-29 | 脉得智能科技(无锡)有限公司 | 基于乳腺超声图像的乳腺结节三维重建方法、设备及介质 |
CN116385438B (zh) * | 2023-06-05 | 2023-08-11 | 济南科汛智能科技有限公司 | 一种核磁共振肿瘤区域提取方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6984211B2 (en) * | 2003-01-03 | 2006-01-10 | Mayo Foundation For Medical Education And Research | Detection of tumor halos in ultrasound images |
US8045770B2 (en) * | 2003-03-24 | 2011-10-25 | Cornell Research Foundation, Inc. | System and method for three-dimensional image rendering and analysis |
JP2006197967A (ja) * | 2005-01-18 | 2006-08-03 | Toshiba Corp | 超音波診断装置及び超音波画像表示装置 |
JP4868843B2 (ja) * | 2005-01-26 | 2012-02-01 | 株式会社東芝 | 超音波診断装置及び超音波診断装置の制御プログラム |
EP1855596B1 (en) * | 2005-02-23 | 2015-07-01 | Koninklijke Philips N.V. | Ultrasonic diagnostic imaging system for detecting lesions of the liver |
US7483023B2 (en) * | 2005-03-17 | 2009-01-27 | Siemens Medical Solutions Usa, Inc. | Model based adaptive multi-elliptical approach: a one click 3D segmentation approach |
CN100455266C (zh) * | 2005-03-29 | 2009-01-28 | 深圳迈瑞生物医疗电子股份有限公司 | 宽景成像处理方法 |
US8014576B2 (en) * | 2005-11-23 | 2011-09-06 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images |
US9084556B2 (en) * | 2006-01-19 | 2015-07-21 | Toshiba Medical Systems Corporation | Apparatus for indicating locus of an ultrasonic probe, ultrasonic diagnostic apparatus |
CN101231755B (zh) * | 2007-01-25 | 2013-03-06 | 上海遥薇(集团)有限公司 | 运动目标跟踪及数量统计方法 |
US20100158332A1 (en) * | 2008-12-22 | 2010-06-24 | Dan Rico | Method and system of automated detection of lesions in medical images |
CN101596109B (zh) * | 2009-06-12 | 2012-01-25 | 深圳先进技术研究院 | 获取脑部特征参数的方法、系统及溶栓指征生成系统 |
US20110245650A1 (en) * | 2010-04-02 | 2011-10-06 | Kerwin William S | Method and System for Plaque Lesion Characterization |
US20110257527A1 (en) * | 2010-04-20 | 2011-10-20 | Suri Jasjit S | Ultrasound carotid media wall classification and imt measurement in curved vessels using recursive refinement and validation |
US20130046168A1 (en) * | 2011-08-17 | 2013-02-21 | Lei Sui | Method and system of characterization of carotid plaque |
US8401285B1 (en) * | 2011-09-15 | 2013-03-19 | Mckesson Financial Holdings | Methods, apparatuses, and computer program products for controlling luminance of non-tissue objects within an image |
US8781189B2 (en) * | 2011-10-12 | 2014-07-15 | Siemens Aktiengesellschaft | Reproducible segmentation of elliptical boundaries in medical imaging |
-
2012
- 2012-07-10 TW TW101124714A patent/TWI483711B/zh active
- 2012-12-28 US US13/729,444 patent/US20140018681A1/en not_active Abandoned
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110868909A (zh) * | 2017-07-03 | 2020-03-06 | 富士胶片株式会社 | 医疗图像处理装置、内窥镜装置、诊断支持装置、医疗业务支持装置及报告书制作支持装置 |
US11450425B2 (en) | 2017-07-03 | 2022-09-20 | Fujifilm Corporation | Medical image processing apparatus, endoscope apparatus, diagnostic support apparatus, medical service support apparatus, and report creation support apparatus |
Also Published As
Publication number | Publication date |
---|---|
TWI483711B (zh) | 2015-05-11 |
US20140018681A1 (en) | 2014-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI483711B (zh) | Tumor detection system and method of breast ultrasound image | |
Jitpakdee et al. | A survey on hemorrhage detection in diabetic retinopathy retinal images | |
TWI473598B (zh) | Breast ultrasound image scanning and diagnostic assistance system | |
Mendonca et al. | Segmentation of retinal blood vessels by combining the detection of centerlines and morphological reconstruction | |
US8090177B2 (en) | Methods for detection and characterization of atypical vessels in cervical imagery | |
US7599542B2 (en) | System and method for detection and display of diseases and abnormalities using confidence imaging | |
US20080159604A1 (en) | Method and system for imaging to identify vascularization | |
CN109035283B (zh) | 一种基于随机选取分区的肺气肿精准检测与量化分析方法 | |
US9959622B2 (en) | Method and apparatus for supporting diagnosis of region of interest by providing comparison image | |
Azhari et al. | Brain tumor detection and localization in magnetic resonance imaging | |
CN106780451A (zh) | X射线、超声、红外图像融合乳腺肿块图像检测方法 | |
CN111227864A (zh) | 使用超声图像利用计算机视觉进行病灶检测的方法与装置 | |
CN102282569A (zh) | 宫颈成像中的组织分类方法 | |
Tang et al. | Splat feature classification: Detection of the presence of large retinal hemorrhages | |
Anuradha et al. | Detection of oral tumor based on marker-controlled watershed algorithm | |
KR101111055B1 (ko) | 디지털 유방 x-선 영상에서 유방 밀도 자동 측정 방법 | |
WO2010131944A2 (en) | Apparatus for monitoring and grading diabetic retinopathy | |
CN104574411A (zh) | 一种基于离体牙cbct的龋齿图像处理方法 | |
JP6161146B2 (ja) | 病理組織画像解析方法、病理組織画像解析装置及び病理組織画像解析プログラム | |
Mayo et al. | Automatic evaluation of the image quality of a mammographic phantom | |
WO2022153100A1 (en) | A method for detecting breast cancer using artificial neural network | |
Siddalingaswamy et al. | Automated detection of optic disc and exudates in retinal images | |
Punithavathi et al. | Detection of breast lesion using improved GLCM feature based extraction in mammogram images | |
Fujita et al. | State-of-the-art of computer-aided detection/diagnosis (CAD) | |
Guarracino et al. | Segmenting dermoscopic images |