TWI474284B - 腫瘤特徵的量化方法及影像化方法 - Google Patents
腫瘤特徵的量化方法及影像化方法 Download PDFInfo
- Publication number
- TWI474284B TWI474284B TW99101930A TW99101930A TWI474284B TW I474284 B TWI474284 B TW I474284B TW 99101930 A TW99101930 A TW 99101930A TW 99101930 A TW99101930 A TW 99101930A TW I474284 B TWI474284 B TW I474284B
- Authority
- TW
- Taiwan
- Prior art keywords
- tumor
- value
- gray
- region
- contour
- Prior art date
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
本發明係關於一種腫瘤特徵的量化方法及影像化方法,尤指一種適用於將腫瘤所具有之邊緣特徵、囊腫特徵、鈣化特徵、迴音性特徵及異質化特徵量化的量化方法及將這些腫瘤特徵影像化之影像化方法。
近年來,由於醫用超音波影像技術不論在影像的解析度上及影像數位化上均有顯著的進步,所以醫用超音波影像技術除了被應用在胎兒成長狀況的監控之外,也逐步地被應用在各種類型之腫瘤狀態的判斷上,例如甲狀腺腫瘤。而且,由於醫用超音波影像技術之非侵入成像特性,醫師也逐漸藉由醫用超音波影像技術的協助來判斷腫瘤性質及評估後續的處置方式。
而醫師從腫瘤的超音波影像中判斷腫瘤性質的第一個步驟是辨別出腫瘤的輪廓,以定義出腫瘤內部區域及腫瘤外部區域。接著,醫師才能從對應於腫瘤內部區域之超音波影像的部分中辨別出腫瘤的各項特徵,如邊緣特徵、囊腫特徵、鈣化特徵、迴音性特徵及異質化特徵等,做為其判斷腫瘤性質的參考。但是,目前的醫用超音波影像系統僅允許醫師以肉眼觀察出他所認為之腫瘤輪廓,再配合手寫輸入裝置將此腫瘤輪廓輸入至腫瘤的超音波影像上。但是,光是此辨別腫瘤輪廓的程序,就存在許多不可靠之處。因為,目前的方式需完全倚賴醫師的主觀感受及經驗,甚至醫師當時的精神狀態,所以針對同一腫瘤的超音波影像,不同醫師所輸入的腫瘤輪廓並不相同,如圖1A所示。甚至,即便是同一位醫師,在不同時間針對同一腫瘤的超音波影像所輸入的腫瘤輪廓也不盡相同。
然後,醫師才能藉由此腫瘤輪廓的協助,以肉眼觀察的方式識別出腫瘤內部區域是否具有各項特徵及各項特徵佔整個腫瘤內部區域的比率。最後,醫師再藉由所蒐集到的各項結果,如某項特徵的分佈或某項特徵佔整個腫瘤內部區域的比例等,判斷出此腫瘤之性質。也就是說,目前藉由腫瘤的超音波影像判斷腫瘤性質的程序並無一種客觀的機制存在,導致誤判腫瘤性質的案例時有發生,造成此藉由醫用超音波影像技術判斷腫瘤性質的技術仍無法被醫界及社會大眾信賴。
此外,雖然在影像辨識的領域(如車牌辨識)中已存在數種影像邊緣辨識方式,如snake演算法。但是,此snake演算法在一開始仍須仰賴使用者輸入一起始邊緣(即醫師仍須手動輸入一腫瘤的大略輪廓)至此演算法中,此snake演算法才能開始後續的演算程序。況且,由於此snake演算法的本身特性,其比較適合應用在影像邊緣明顯的案例中,否則演算出的結果往往與實際邊緣差距極大。可是,腫瘤的邊緣一般來說並不明顯,所以即使將此snake演算法應用在腫瘤的超音波影像上,其所得出的腫瘤輪廓往往與腫瘤實際輪廓仍存有一段差距,如圖1B所示。況且,為求演算出的輪廓比較接近腫瘤實際輪廓並縮短演算所需時間,醫師還是需要仔細地輸入一個與實際腫瘤輪廓不會相差太遠的起始邊緣,結果還是沒有減輕醫師太多的負擔。除此之外,由於腫瘤的超音波影像係為一種灰階影像,而腫瘤所具有的各項特徵(如邊緣特徵、囊腫特徵、鈣化特徵、迴音性特徵及異質化特徵等)往往在此灰階影像中僅為某些像素點所具有之灰階梯度值的些微改變,對於醫師的肉眼來說,這些特徵並不容易辨識出來,醫師僅能憑著「感覺」來判斷這些特徵是否存在,進而造成腫瘤性質的判斷僅能基於醫師的主觀感受,而無法基於事實而精確地判斷。
因此,業界需要一種腫瘤特徵的量化方法及對應之影像化方法,尤指一種適用於將腫瘤所具有之邊緣特徵、囊腫特徵、鈣化特徵、迴音性特徵及異質化特徵量化的量化方法及將這些腫瘤特徵影像化之影像化方法。
本發明之主要目的係在提供一種腫瘤特徵的量化方法,俾能將腫瘤所具有的各種特徵,如邊緣特徵、囊腫特徵、鈣化特徵、迴音性特徵及異質化特徵量化,以供醫師評估之用。
本發明之另一目的係在提供一種腫瘤特徵的影像化方法,俾能將腫瘤所具有的各種特徵,如邊緣特徵、囊腫特徵、鈣化特徵及異質化特徵影像化,以供醫師評估之用。
為達成上述目的,本發明之腫瘤邊緣特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)擷取此腫瘤輪廓環形區域的一重心點,定義一從此重心點向外延伸並通過此腫瘤輪廓環形區域的剖面線,及提供一位於此剖面線上並位於此腫瘤輪廓環形區域內之量測線段;(D)計算出位於此量測線段上之此等像素點所分別具有之灰階移動變異值;以及(E)依據位於此量測線段上之每一此等像素點所分別具有之灰階移動變異值,將位於此剖面線上之腫瘤邊緣特徵量化。
為達成上述目的,本發明之腫瘤邊緣特徵的影像化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)擷取此腫瘤輪廓環形區域的一重心點,定義一從此重心點向外延伸並通過此腫瘤輪廓環形區域的剖面線,及提供一位於此剖面線上並位於此腫瘤輪廓環形區域內之量測線段;(D)計算出位於此量測線段上之此等像素點所分別具有之灰階移動變異值;以及(E)依據位於此量測線段上之此等像素點所分別具有之灰階移動變異值,定義出一邊緣成像上界及一邊緣成像下界,且配合一彩虹色階將位於此剖面線上之腫瘤邊緣特徵影像化。
為達成上述目的,本發明之腫瘤囊腫特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;以及(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,將位於此腫瘤內部區域內之囊腫特徵量化。
為達成上述目的,本發明之腫瘤囊腫特徵的影像化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;以及(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,定義出一囊腫成像上界及一囊腫成像下界,以將位於此腫瘤內部區域內之腫瘤囊腫特徵影像化。
為達成上述目的,本發明之腫瘤鈣化特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,從此灰階影像中擷取出一位於此腫瘤內部區域內之囊腫區域;(E)藉由位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值;以及(F)依據位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值,將位於此腫瘤內部區域內之腫瘤鈣化特徵量化。
為達成上述目的,本發明之腫瘤鈣化特徵的影像化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,從此灰階影像中擷取出一位於此腫瘤內部區域內之囊腫區域;(E)藉由位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值;以及(F)依據位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值,定義出一鈣化成像上界及一鈣化成像下界,以將位於此腫瘤內部區域內之腫瘤鈣化特徵影像化。
為達成上述目的,本發明之腫瘤迴音性特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的平均值;(D)於此腫瘤外部區域選取一基準區域,藉由位於此基準區域內之此等像素點所分別具有之灰階梯度值,計算出位於此基準區域內之此等像素點所具有之灰階梯度值的平均值;以及(E)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的平均值及位於此基準區域內之此等像素點所具有之灰階梯度值的平均值,將此腫瘤之迴音性特徵量化。
為達成上述目的,本發明之腫瘤異質化特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)將位於此腫瘤內部區域內之此等像素點分別定義為複數個參考遮罩,且每一此等參考遮罩係包含一基準像素點與複數個相鄰於此基準像素點之像素點;(D)計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均及參考遮罩灰階梯度值局部變異;(E)計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均之變異、參考遮罩灰階梯度值局部變異之平均以及參考遮罩灰階梯度值局部變異之變異;以及(F)藉由每一此等參考遮罩所分別具有之至少一選自於一由參考遮罩灰階梯度值局部平均之變異、參考遮罩灰階梯度值局部變異之平均以及參考遮罩灰階梯度值局部變異之變異所構成之群組,計算出每一此等參考遮罩所分別具有之異質化指標值,將此腫瘤之異質化特徵量化。
為達成上述目的,本發明之腫瘤異質化特徵的影像化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)將位於此腫瘤內部區域內之此等像素點分別定義為複數個參考遮罩,且每一此等參考遮罩係包含一基準像素點與複數個相鄰於此基準像素點之像素點;(D)藉由包含於每一此等參考遮罩之此等像素點所分別具有之灰階梯度值,計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值變異;(E)藉由每一此等參考遮罩所分別具有之參考遮罩灰階梯度值變異,計算出此等參考遮罩所具有之平均遮罩灰階梯度值變異;(F)藉由每一此等參考遮罩所分別具有之參考遮罩灰階梯度值變異及此等參考遮罩所具有之平均遮罩灰階梯度值變異,計算出每一此等參考遮罩所分別具有之異質化指標值;(G)藉由每一此等參考遮罩所分別具有之異質化指標值,計算出此等參考遮罩所具有之異質化指標值的最大值、異質化指標值的最小值、異質化指標值的平均值及異質化指標值的標準差;以及(H)依據此等參考遮罩所具有之異質化指標值的最大值、異質化指標值的最小值、異質化指標值的平均值及異質化指標值的標準差,定義出一異質化成像上界及一異質化成像下界,且配合一彩虹色階將位於此腫瘤內部區域內之腫瘤異質化特徵影像化。
本發明提供一種電腦可讀取記錄媒體,係儲存有用以使一電腦系統執行一腫瘤邊緣特徵之量化方法的程式,此腫瘤邊緣特徵之量化方法係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)擷取此腫瘤輪廓環形區域的一重心點,定義一從此重心點向外延伸並通過此腫瘤輪廓環形區域的剖面線,及提供一位於此剖面線上並位於此腫瘤輪廓環形區域內之量測線段;(D)計算出位於此量測線段上之此等像素點所分別具有之灰階移動變異值;以及(E)依據位於此量測線段上之每一此等像素點所分別具有之灰階移動變異值,將位於此剖面線上之腫瘤邊緣特徵量化。
本發明提供一種電腦可讀取記錄媒體,係儲存有用以使一電腦系統執行一腫瘤邊緣特徵之影像化方法的程式,此腫瘤邊緣特徵之影像化方法係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)擷取此腫瘤輪廓環形區域的一重心點,定義一從此重心點向外延伸並通過此腫瘤輪廓環形區域的剖面線,及提供一位於此剖面線上並位於此腫瘤輪廓環形區域內之量測線段;(D)計算出位於此量測線段上之此等像素點所分別具有之灰階移動變異值;以及(E)依據位於此量測線段上之此等像素點所分別具有之灰階移動變異值,定義出一邊緣成像上界及一邊緣成像下界,且配合一彩虹色階將位於此剖面線上之腫瘤邊緣特徵影像化。
本發明提供一種電腦可讀取記錄媒體,係儲存有用以使一電腦系統執行一腫瘤囊腫特徵之量化方法的程式,此腫瘤囊腫特徵之量化方法係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;以及(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,將位於此腫瘤內部區域內之囊腫特徵量化。
本發明提供一種電腦可讀取記錄媒體,係儲存有用以使一電腦系統執行一腫瘤囊腫特徵之影像化方法的程式,此腫瘤囊腫特徵之影像化方法係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;以及(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,定義出一囊腫成像上界及一囊腫成像下界,以將位於此腫瘤內部區域內之腫瘤囊腫特徵影像化。
本發明提供一種電腦可讀取記錄媒體,係儲存有用以使一電腦系統執行一腫瘤鈣化特徵之量化方法的程式,此腫瘤鈣化特徵之量化方法係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,從此灰階影像中擷取出一位於此腫瘤內部區域內之囊腫區域;(E)藉由位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值;以及(F)依據位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值,將位於此腫瘤內部區域內之腫瘤鈣化特徵量化。
本發明提供一種電腦可讀取記錄媒體,係儲存有用以使一電腦系統執行一腫瘤鈣化特徵之影像化方法的程式,此腫瘤鈣化特徵之影像化方法係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,從此灰階影像中擷取出一位於此腫瘤內部區域內之囊腫區域;(E)藉由位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值;以及(F)依據位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值,定義出一鈣化成像上界及一鈣化成像下界,以將位於此腫瘤內部區域內之腫瘤鈣化特徵影像化。
本發明提供一種電腦可讀取記錄媒體,係儲存有用以使一電腦系統執行一腫瘤迴音性特徵之量化方法的程式,此腫瘤迴音性特徵之量化方法係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的平均值;(D)於此腫瘤外部區域選取一基準區域,藉由位於此基準區域內之此等像素點所分別具有之灰階梯度值,計算出位於此基準區域內之此等像素點所具有之灰階梯度值的平均值;以及(E)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的平均值及位於此基準區域內之此等像素點所具有之灰階梯度值的平均值,將此腫瘤之迴音性特徵量化。
本發明提供一種電腦可讀取記錄媒體,係儲存有用以使一電腦系統執行一腫瘤異質化特徵之量化方法的程式,此腫瘤異質化特徵之量化方法係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)將位於此腫瘤內部區域內之此等像素點分別定義為複數個參考遮罩,且每一此等參考遮罩係包含一基準像素點與複數個相鄰於此基準像素點之像素點;(D)計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均及參考遮罩灰階梯度值局部變異;(E)計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均之變異、參考遮罩灰階梯度值局部變異之平均以及參考遮罩灰階梯度值局部變異之變異;以及(F)藉由每一此等參考遮罩所分別具有之至少一選自於一由參考遮罩灰階梯度值局部平均之變異、參考遮罩灰階梯度值局部變異之平均以及參考遮罩灰階梯度值局部變異之變異所構成之群組,計算出每一此等參考遮罩所分別具有之異質化指標值,將此腫瘤之異質化特徵量化。
本發明提供一種電腦可讀取記錄媒體,係儲存有用以使一電腦系統執行一腫瘤異質化特徵之影像化方法的程式,此腫瘤異質化特徵之影像化方法係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)將位於此腫瘤內部區域內之此等像素點分別定義為複數個參考遮罩,且每一此等參考遮罩係包含一基準像素點與複數個相鄰於此基準像素點之像素點;(D)藉由包含於每一此等參考遮罩之此等像素點所分別具有之灰階梯度值,計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值變異;(E)藉由每一此等參考遮罩所分別具有之參考遮罩灰階梯度值變異,計算出此等參考遮罩所具有之平均遮罩灰階梯度值變異;(F)藉由每一此等參考遮罩所分別具有之參考遮罩灰階梯度值變異及此等參考遮罩所具有之平均遮罩灰階梯度值變異,計算出每一此等參考遮罩所分別具有之異質化指標值;(G)藉由每一此等參考遮罩所分別具有之異質化指標值,計算出此等參考遮罩所具有之異質化指標值的最大值、異質化指標值的最小值、異質化指標值的平均值及異質化指標值的標準差;以及(H)依據此等參考遮罩所具有之異質化指標值的最大值、異質化指標值的最小值、異質化指標值的平均值及異質化指標值的標準差,定義出一異質化成像上界及一異質化成像下界,且配合一彩虹色階將位於此腫瘤內部區域內之腫瘤異質化特徵影像化。
因此,藉由本發明所提供之腫瘤邊緣特徵的量化方法、腫瘤邊緣特徵的影像化方法、腫瘤囊腫特徵的量化方法、腫瘤囊腫特徵的影像化方法、腫瘤鈣化特徵的量化方法、腫瘤鈣化特徵的影像化方法、腫瘤迴音性特徵的量化方法、腫瘤異質化特徵的量化方法及腫瘤異質化特徵的影像化方法,醫師可於拿到一腫瘤之超音波灰階影像的同時,一併得到腫瘤這些特徵的量化數據與影像化圖像,做為判斷腫瘤之性質的依據,以大幅提昇藉由腫瘤之超音波灰階影像判斷腫瘤性質之程序的準確率及可靠度,且減輕醫師在判斷腫瘤性質時的負擔。
圖2係顯示一電腦系統之架構的示意圖,其可用以執行本發明之腫瘤邊緣特徵的量化方法、腫瘤邊緣特徵的影像化方法、腫瘤囊腫特徵的量化方法、腫瘤囊腫特徵的影像化方法、腫瘤鈣化特徵的量化方法、腫瘤鈣化特徵的影像化方法、腫瘤迴音性特徵的量化方法、腫瘤異質化特徵的量化方法及腫瘤異質化特徵的影像化方法。
如圖2所示,電腦系統包含顯示裝置21、處理器22、記憶體23、輸入裝置24及儲存裝置25等。其中,輸入裝置24可用以輸入影像、文字、指令等資料至電腦系統,儲存裝置25係例如為硬碟、光碟機或藉由網際網路連接之遠端資料庫,用以儲存系統程式、應用程式及使用者資料等,記憶體23係用以暫存資料或執行之程式,處理器22用以運算及處理資料等,顯示裝置21則用以顯示輸出之資料。如圖2所示之電腦系統一般係於系統程式26下執行各種應用程式,例如文書處理程式、繪圖程式、科學運算程式、瀏覽程式、電子郵件程式等。
在本實施例中,儲存裝置25係儲存有使電腦系統執行一腫瘤邊緣特徵之量化方法的程式、使一電腦系統執行一腫瘤邊緣特徵之影像化方法的程式、使一電腦系統執行一腫瘤囊腫特徵之量化方法的程式、使一電腦系統執行一腫瘤囊腫特徵之影像化方法的程式、使一電腦系統執行一腫瘤鈣化特徵之量化方法的程式、使一電腦系統執行一腫瘤鈣化特徵之影像化方法的程式、使一電腦系統執行一腫瘤迴音性特徵之量化方法的程式、使一電腦系統執行一腫瘤異質化特徵之量化方法的程式以及使一電腦系統執行一腫瘤異質化特徵之影像化方法的程式。當欲使電腦系統執行某一量化方法或影像化方法時,對應之程式便被載入記憶體23,以配合處理器22執行此量化方法或影像化方法。最後,再將量化或影像化的結果顯示於顯示裝置21或藉由網際網路儲存於一遠端資料庫中。
此外,預備被量化或影像化之超音波灰階影像係儲存於儲存裝置25,且在被量化或影像化時從儲存裝置25被載入記憶體23,以執行預定之量化方法或影像化方法所包含的各個步驟。除此之外,腫瘤輪廓擷取方法之「初始腫瘤輪廓線」係藉由輸入裝置24輸入至電腦系統中,再與超音波灰階影像互相結合,以執行後續的步驟。
圖3A係一超音波灰階影像的示意圖,其係由複數個像素點組合而成,且每一像素點分別具有一灰階梯度值。而如圖3A所示,此超音波灰階影像係顯示一甲狀腺腫瘤與其周圍的甲狀腺組織。
其次,如圖3B所示,其係本發明第一實施例之腫瘤邊緣特徵之量化方法的流程圖,其包括下列步驟:
(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;
(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;
(C)擷取此腫瘤輪廓環形區域的一重心點,定義一從此重心點向外延伸並通過此腫瘤輪廓環形區域的剖面線,及提供一位於此剖面線上並位於此腫瘤輪廓環形區域內之量測線段;
(D)計算出位於此量測線段上之每一此等像素點所分別具有之灰階移動變異值;以及
(E)依據位於此量測線段上之每一此等像素點所分別具有之灰階移動變異值,將位於此剖面線上之腫瘤邊緣特徵量化。
請參閱圖3C及圖3D,一用於擷取前述步驟(A)之「腫瘤輪廓」與「腫瘤輪廓環形區域」之「腫瘤輪廓擷取方法」、步驟(A)所擷取出之「腫瘤輪廓」與「腫瘤輪廓環形區域」以及步驟(C)之位於「腫瘤內部區域」內之「重心點」與「剖面線」的定義將敘述於下。其中,圖3C係腫瘤輪廓擷取方法的流程圖,圖3D則為應用此「腫瘤輪廓擷取方法」以擷取「腫瘤輪廓」與「腫瘤輪廓環形區域」之包含一腫瘤之灰階影像圖。
如圖3C所示,在本實施例中,一用於擷取步驟(A)之「腫瘤輪廓」與「腫瘤輪廓環形區域」之「腫瘤輪廓擷取方法」所應用之腫瘤輪廓擷取方法係包括下列步驟:輸入一初始腫瘤輪廓線(圖3D中的軌跡31);藉由此初始腫瘤輪廓線定義出一初始腫瘤輪廓環形區域(由圖3D中的軌跡32與軌跡33所包圍的區域),且此初始腫瘤輪廓係位於此初始腫瘤輪廓環形區域內;藉由此初始腫瘤輪廓環形區域定義出一初始重心點(圖3D中的點34)及一從此初始重心點向外延伸並通過此初始腫瘤輪廓環形區域的初始剖面線(圖3D中的線段35),及提供一位於此初始剖面線上並位於此腫瘤輪廓環形區域內之初始量測線段;依據位於此初始量測線段上之此等像素點像所分別具有之灰階梯度值,計算出位於此初始量測線段上之此等像素點所分別具有之灰階移動變異值;比較位於此初始量測線段上之此等像素點所分別具有之灰階移動變異值,將具有最大之灰階移動變異值的像素點定義為一位於此初始剖面線上之腫瘤輪廓建議點(圖3D中的點36);以及改變此初始剖面線之位置以掃瞄此腫瘤之全部邊緣,且將從不同初始剖面線之位置所分別定義出之複數個腫瘤輪廓建議點互相連接,以得出此腫瘤輪廓及此腫瘤輪廓環形區域。
而當從圖3D之灰階影像中傑取出腫瘤輪廓以後,圖3D之灰階影像中被腫瘤輪廓包圍的部分即為「腫瘤內部區域」,而圖3D之灰階影像中其他非屬「腫瘤內部區域」的部分即為「腫瘤外部區域」。
至於如何從位於此初始量測線段上之此等像素點所分別具有之灰階梯度值計算出位於此初始量測線段上之此等像素點所分別具有之灰階移動變異值(moving variance,以下將以MV ijk
表示)的方法,將配合下列表1敘述於下:首先,在本實施例中,某一像素點所具之灰階移動變異值(MV ijk
)係定義為此像素點所對應之「局部區段」內灰階梯度變異值與此像素點所對應之「局部區段」內各「移動區間」灰階梯度平均變異之比值,即
其中,局部區段係包含此像素點與複數個位於此像素點之前(或之後)、位於此初始量測線段上的像素點。一般而言,若p表示在此局部區段中,從此像素點向前或向後包含之像素點的數目,此局部區段則包含2p+1個像素點。
此外,此局部區段內之移動區間係包含此像素點與複數個位於此像素點之後、位於此局部區間內之像素點。一般而言,若q表示在此移動區間中,包含此像素點及位於此像素點之後之像素點的數目,此局部區段則包含2p-q+2個移動區間。
其中,表1中的k
表示位於此初始量測線段上之此等像素點的編號,G ijk
係為此像素點之灰階梯度值,MV ijk
則為此像素點之灰階移動變異值。
從表1中可看出,編號10的像素點具有最大的灰階移動變異值,而此位於此初始量測線段上之像素點便為前述之「腫瘤輪廓建議點」。
此外,如圖3E所示,在本實施例之腫瘤邊緣特徵的量化方法中,步驟(D)包括一步驟(D1),依據位於此量測線段上之此等像素點所分別具有之灰階移動變異值(MV i
),計算出位於此量測線段上之此等像素點所具有之灰階移動變異值的標準差( std MV i
)。至於從灰階移動變異值計算出灰階移動變異值之標準差的方法,由於已廣為各界所熟悉,在此便不再贅述。
除此之外,如圖3E所示,步驟(D)於前述之步驟(D1)之後更包括一步驟(D2),依據位於此量測線段上之此等像素點所分別具有之灰階移動變異值(MV i
),計算出位於此量測線段上之此等像素點所具有之灰階移動變異值的平均值()。至於從灰階移動變異值計算出灰階移動變異值之平均值的方法,由於已廣為各界所熟悉,在此亦不再贅述。
另一方面,如圖3F所示,在本實施例之腫瘤邊緣特徵的影像化方法中,步驟(E)包括一步驟(E1),藉由位於此量測線段上之此等像素點所具有之灰階移動變異值的標準差( std MV i
)及灰階移動變異值的平均值(),定義出一灰階移動變異值閥值(threshold value),以判別位於此剖面線上之腫瘤邊緣特徵的模糊程度。
在本實施例中,此閥值係為位於此量測線段上之此等像素點所具有之灰階移動變異值的的平均值()加上三倍之此灰階移動變異值的標準差,即。若一位於此量測線段上之像素點所具有之灰階移動變異值(MV i
)係低於此閥值時,此像素點便被定義為具有邊緣模糊特徵。在比對完所有位於此量測線段上的像素點後,將被定義為具有邊緣模糊特徵之像素點的數目除以所有位於此量測線段上之像素點的數目後,便可得出邊緣模糊特徵於此剖面線之位於此腫瘤輪廓環形區域內之部分所佔的比例。
最後,本發明第一實施例之腫瘤邊緣特徵之量化方法可於步驟(E)之後更包括一步驟(F)改變此剖面線之位置,以掃瞄此腫瘤之全部邊緣而將此腫瘤之全部邊緣特徵量化。如此,便可得出在腫瘤之全部邊緣中,具有邊緣模糊特徵之邊緣所佔的比例。
圖4A係本發明第二實施例之腫瘤邊緣特徵之影像化方法的流程圖,其包括下列步驟:
(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;
(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;
(C)擷取此腫瘤輪廓環形區域的一重心點,定義一從此重心點向外延伸並通過此腫瘤輪廓環形區域的剖面線,及提供一位於此剖面線上並位於此腫瘤輪廓環形區域內之量測線段;
(D)計算出位於此量測線段上之此等像素點所分別具有之灰階移動變異值;以及
(E)依據位於此量測線段上之此等像素點所分別具有之灰階移動變異值,定義出一邊緣成像上界及一邊緣成像下界,且配合一彩虹色階將位於此剖面線上之腫瘤邊緣特徵影像化。
其中,由於步驟(A)所擷取出之「腫瘤輪廓」與「腫瘤輪廓環形區域」、步驟(B)之藉由「腫瘤輪廓」所定義出之「腫瘤內部區域」與「腫瘤外部區域」、步驟(C)之位於「腫瘤內部區域」內之「重心點」與「剖面線」以及步驟(D)之位於「剖面線」上之各像素點所分別具有之灰階移動變異值的計算方式均已詳細敘述於前,在此便不再重複敘述。
此外,如圖4B所示,在本實施例之腫瘤邊緣特徵的影像化方法中,步驟(D)包括一步驟(D1),依據位於此量測線段上之此等像素點所分別具有之灰階移動變異值(MV i
),計算出位於此量測線段上之此等像素點所具有之灰階移動變異值的標準差( std MV i
)。至於從灰階移動變異值計算出灰階移動變異值之標準差的方法,由於已廣為各界所熟悉,在此便不再贅述。
除此之外,如圖4B所示,前述之步驟(D1)之後更包括一步驟(D2),依據位於此量測線段上之此等像素點所分別具有之灰階移動變異值(MV i
),計算出位於此量測線段上之此等像素點所具有之灰階移動變異值的平均值()。至於從灰階移動變異值計算出灰階移動變異值之平均值的方法,由於已廣為各界所熟悉,在此亦不再贅述。
另一方面,如圖4C所示,在本實施例之腫瘤邊緣特徵的影像化方法中,步驟(E)包括一步驟(El),藉由位於此量測線段上之此等像素點所具有之灰階移動變異值的標準差( std MV i
)及灰階移動變異值的平均值()定義出此邊緣成像上界及此邊緣成像下界。
而在本實施例中,「邊緣成像上界」係為此灰階移動變異值的平均值加上三倍之此灰階移動變異值的標準差(),「邊緣成像下界」則為此灰階移動變異值的平均值減去三倍之此灰階移動變異值的標準差(-3× std MV i
)。但是,若「邊緣成像下界」的數值低於此等像素點所具有之灰階移動變異值的最小值,則改以此等像素點所具有之灰階移動變異值的最小值做為「邊緣成像下界」的數值。
需注意的是,在其他的應用狀況下,前述之「邊緣成像上界」及「邊緣成像下界」亦可具有不同的數值,如「邊緣成像上界」可為灰階移動變異值的平均值加上兩倍之此灰階移動變異值的標準差(),「邊緣成像下界」則可為此灰階移動變異值的平均值減去兩倍之此灰階移動變異值的標準差(),只要「邊緣成像上界」的數值大於「邊緣成像下界」的數值即可。
此外,在本實施例之腫瘤邊緣特徵的影像化方法中,步驟(E)所配合的此彩虹色階係為一紅橙黃綠藍靛紫之連續漸變色階。而在腫瘤邊緣特徵影像化時,每一位於此量測線段上之像素點係分別依據下述之影像化規則而被影像化:
1. 若此位於此量測線段上之像素點所具有之灰階移動變異值大於或等於前述之「邊緣成像上界」,則以一紅色區塊覆蓋此像素點;
2. 若此位於此量測線段上之像素點所具有之灰階移動變異值小於或等於前述之「邊緣成像下界」,則以一紫色區塊覆蓋此像素點;以及
3. 若此位於此量測線段上之像素點所具有之灰階移動變異值介於前述之「邊緣成像上界」與前述之「邊緣成像下界」之間,便依據此像素點所具有之灰階移動變異值分別與前述之「邊緣成像上界」與前述之「邊緣成像下界」之間的對應關係,以一具有從此彩虹色階中對應出之顏色的區塊覆蓋此像素點。
而在依據上述影像化規則將位於此量測線段上之此等像素點影像化之後,即完成步驟(E)之後,本實施例之腫瘤邊緣特徵的影像化方法可更包括一步驟(F)改變此剖面線之位置,以掃瞄此腫瘤之全部邊緣。如此,可將位於此腫瘤的全部邊緣上之腫瘤輪廓環形區域內的所有像素點影像化,得出如圖5所示之腫瘤邊緣特徵影像化圖像。而藉由如圖5所示之腫瘤邊緣特徵影像化圖像,醫師可輕易判斷出此腫瘤之邊緣特徵的分佈及腫瘤邊緣模糊的程度。
需注意的是,在腫瘤邊緣特徵影像化時,除了持續地將前述之配合彩虹色階而得出之各個顏色區塊覆蓋於此灰階影像以外,亦可間歇地顯示這些顏色區塊於此灰階影像上,以利醫生同時地觀察此腫瘤所具有的其他特徵。
圖6A係一超音波灰階影像的示意圖,其係由複數個像素點組合而成,且每一像素點分別具有一灰階梯度值。如圖6A所示,其顯示一甲狀腺腫瘤與其周圍的甲狀腺組織,且此甲狀腺腫瘤包含一囊腫區域。
圖6B係本發明第三實施例之腫瘤囊腫特徵之量化方法的流程圖,其包括下列步驟:
(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;
(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;
(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;以及
(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,將位於此腫瘤內部區域內之囊腫特徵量化。
其中,由於步驟(A)所擷取出之「腫瘤輪廓」與「腫瘤輪廓環形區域」以及步驟(B)之藉由「腫瘤輪廓」所定義出之「腫瘤內部區域」與「腫瘤外部區域」均已詳細敘述於前,在此便不再重複敘述。
此外,由於步驟(C)之計算出位於「腫瘤內部區域」內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差的方法已廣為各界所熟悉,在此便不再贅述。
除此之外,如圖6C所示,在本實施例之腫瘤囊腫特徵的量化方法中,步驟(D)包括一步驟(D1),藉由位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值(G ijl
)的最小值( min G ijl
)及灰階梯度值的標準差( std G ijl
),定義出一囊腫特徵之灰階梯度值的閥值(threshold value),以計算出此囊腫特徵於此腫瘤內部區域內所佔的比例。
在本實施例中,此閥值係為位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值(G ijl
)的最小值( min G ijl
)加上零點一倍之此灰階梯度值的標準差( std G ijl
),即 min G ijl
+0.1× std G ijl
。若一位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值(G ijl
)係低於此閥值時,此像素點便被定義為具有囊腫特徵。在比對完所有位於此腫瘤內部區域內的像素點後,將被定義為具有囊腫特徵之像素點的數目除以所有位於此腫瘤內部區域內之像素點的數目後,便可得出囊腫特徵於此腫瘤內部區域內所佔的比例。
圖7A係本發明第四實施例之腫瘤囊腫特徵之影像化方法的流程圖,其包括下列步驟:
(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;
(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;
(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;以及
(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,定義出一囊腫成像上界及一囊腫成像下界,以將位於此腫瘤內部區域內之腫瘤囊腫特徵影像化。
其中,由於步驟(A)所擷取出之「腫瘤輪廓」與「腫瘤輪廓環形區域」以及步驟(B)之藉由「腫瘤輪廓」所定義出之「腫瘤內部區域」與「腫瘤外部區域」均已詳細敘述於前,在此便不再重複敘述。
此外,由於步驟(C)之計算出位於「腫瘤內部區域」內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差的方法已廣為各界所熟悉,在此便不再贅述。
除此之外,在本實施例之腫瘤囊腫特徵的影像化方法中,步驟(D)之囊腫成像上界係為位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值(G ijl
)的最小值( min G ijl
)加上零點一倍之此灰階梯度值的標準差( std G ijl
),即 min G ijl
+0.1× std G ijl
。另一方面,囊腫成像下界則為位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值(G ijl
)的最小值( min G ijl
)。
需注意的是,在其他的應用狀況下,前述之「囊腫成像上界」及「囊腫成像下界」亦可具有不同的數值,如「囊腫成像上界」可為位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值加上零點三倍之此灰階梯度值的標準差,(即 min G ijl
+0.3× std G ijl
),「囊腫成像下界」則可為位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值加上零點零五倍之此灰階梯度值的標準差,(即 min G ijl
+0.05× std G ijl
),只要「囊腫成像上界」的數值大於「囊腫成像下界」的數值即可。
此外,當腫瘤囊腫特徵影像化時,若此位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值係介於前述之「囊腫成像上界」與「囊腫成像下界」之間,此像素點便被一桃紅色區塊覆蓋。如此,在將每一位於此腫瘤內部區域內之此等像素點依據此規則影像化之後,便可得出如圖7B所示之腫瘤囊腫特徵影像化圖像。而藉由如圖7B所示之腫瘤囊腫特徵影像化圖像,醫師可輕易判斷出此腫瘤之囊腫特徵於腫瘤內的分佈及佔腫瘤內部區域的比率。
除此之外,本發明第四實施例之腫瘤囊腫特徵之影像化方法於步驟(D)後更包括下列步驟:
(E)將位於該腫瘤內部區域內之該等像素點分別定義為複數個參考遮罩,且每一該等參考遮罩係包含一基準像素點與複數個相鄰於該基準像素點之像素點,且該基準像素點所具有之灰階梯度值係介於該囊腫成像上界及該囊腫成像下界之間;以及
(F)當至少一該等像素點所具有之灰階梯度值介於該囊腫成像上界及該囊腫成像下界之間時,該基準像素點及該等像素點在腫瘤囊腫特徵影像化時便被一桃紅色區塊覆蓋。
另一方面,本發明第四實施例之腫瘤囊腫特徵之影像化方法於前述之步驟(F)後更包括一步驟(G),當只有該基準像素點所具有之灰階梯度值介於該囊腫成像上界及該囊腫成像下界之間時,移除覆蓋於該基準像素點及該等像素點的該桃紅色區塊。
如此,藉由完成前述之步驟(E)至步驟(G),桃紅色區塊的形狀及面積便與腫瘤特徵之實際形狀及實際面積更佳符合。另外,在本實施例中,步驟(E)中所定義之參考遮罩係包含9個像素點。
圖8A係一超音波灰階影像的示意圖,其係由複數個像素點組合而成,且每一像素點分別具有一灰階梯度值。如圖8A所示,其顯示一甲狀腺腫瘤與其周圍的甲狀腺組織,且此甲狀腺腫瘤包含一鈣化區域。
圖8B係本發明第五實施例之腫瘤鈣化特徵之量化方法的流程圖,其包括下列步驟:
(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;
(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;
(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;
(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,從此灰階影像中擷取出一位於此腫瘤內部區域內之囊腫區域;
(E)藉由位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值;以及
(F)依據位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值,將位於此腫瘤內部區域內之腫瘤鈣化特徵量化。
其中,由於步驟(A)所擷取出之「腫瘤輪廓」與「腫瘤輪廓環形區域」、步驟(B)之藉由「腫瘤輪廓」所定義出之「腫瘤內部區域」與「腫瘤外部區域」以及步驟(D)所擷取之「囊腫區域」均已詳細敘述於前,在此便不再重複敘述。
此外,由於步驟(C)之計算出位於「腫瘤內部區域」內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差的方法、步驟(E)之計算出位於「腫瘤內部區域」內但位於「囊腫區域」外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值的方法已廣為各界所熟悉,在此便不再贅述。
除此之外,如圖8C所示,在本實施例之腫瘤鈣化特徵的量化方法中,步驟(F)包括一步驟(F1),藉由位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值(G ijl
)的最大值( max _ c G ijl
)、灰階梯度值的標準差( std _ c G ijl
)及灰階梯度值的平均值( mean _ c G ijl
),定義出一鈣化特徵之灰階梯度值的閥值(threshold value),以計算出此鈣化特徵於此腫瘤內部區域內所佔的比例。
在本實施例中,此閥值係為位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值(G ijl
)的平均值( mean_ c G ijl
)加上二點八倍之此灰階梯度值的標準差( std_c G ijl
),即 mean_c G ijl
+2.8× std_c G ijl
。若一此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值(G ijl
)係高於此閥值時,此像素點便被定義為具有鈣化特徵。在比對完所有位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點後,將被定義為具有鈣化特徵之像素點的數目除以所有位於此腫瘤內部區域內之像素點的數目後,便可得出鈣化特徵於此腫瘤內部區域內所佔的比例。
圖9A係本發明第六實施例之腫瘤鈣化特徵之影像化方法的流程圖,其包括下列步驟:
(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;
(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;
(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;
(D)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,從此灰階影像中擷取出一位於此腫瘤內部區域內之囊腫區域;
(E)藉由位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值;以及
(F)依據位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值,定義出一鈣化成像上界及一鈣化成像下界,以將位於此腫瘤內部區域內之腫瘤鈣化特徵影像化。
其中,由於步驟(A)所擷取出之「腫瘤輪廓」與「腫瘤輪廓環形區域」、步驟(B)之藉由「腫瘤輪廓」所定義出之「腫瘤內部區域」與「腫瘤外部區域」以及步驟(D)所擷取之「囊腫區域」均已詳細敘述於前,在此便不再重複敘述。
此外,由於步驟(C)之計算出位於「腫瘤內部區域」內之此等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差的方法、步驟(E)之計算出位於「腫瘤內部區域」內但位於「囊腫區域」外之此等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值的方法已廣為各界所熟悉,在此便不再贅述。
除此之外,在本實施例之腫瘤鈣化特徵的影像化方法中,步驟(F)之鈣化成像上界係為位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值( max_c G ijl
),鈣化成像下界則為位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的平均值( mean_c G ijl
)加上二點八倍之此灰階梯度值的標準差( std_c G ijl
),即 mean_c G ijl
+2.8× std_c G ijl
。
需注意的是,在其他的應用狀況下,前述之「鈣化成像上界」及「鈣化成像下界」亦可具有不同的數值,如「鈣化成像上界」可為位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的最大值( max_c G ijl
)減去零點一倍之此灰階梯度值的標準差( std_c G ijl
),即 max_c G ijl
-0.1× std_c G ijl
,「鈣化成像下界」則可為位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值的平均值( mean_c G ijl
)加上二點五倍之此灰階梯度值的標準差( std_c G ijl
),即 mean_c G ijl
+2.5× std_c G ijl
,只要「鈣化成像上界」的數值大於「鈣化成像下界」的數值即可。
此外,當腫瘤鈣化特徵影像化時,若此位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點所具有之灰階梯度值介於前述之「鈣化成像上界」與「鈣化成像下界」之間時,此像素點便被一黃色區塊覆蓋。如此,在將每一位於此腫瘤內部區域內但位於此囊腫區域之外之此等像素點依據此規則影像化之後,便可得出如圖9B所示之腫瘤鈣化特徵影像化圖像。而藉由如圖9B所示之腫瘤鈣化特徵影像化圖像,醫師可輕易判斷出此腫瘤之鈣化特徵於腫瘤內的分佈及佔腫瘤內部區域的比率。
圖10A係一超音波灰階影像的示意圖,其係由複數個像素點組合而成,且每一像素點分別具有一灰階梯度值。如圖10A所示,其顯示一甲狀腺腫瘤與其周圍的甲狀腺組織。
圖10B係本發明第七實施例之腫瘤迴音性特徵之量化方法的流程圖,其包括下列步驟:
(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;
(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;
(C)藉由位於此腫瘤內部區域內之此等像素點所分別具有之灰階梯度值,計算出位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的平均值;
(D)於此腫瘤外部區域選取一基準區域,藉由位於此基準區域內之此等像素點所分別具有之灰階梯度值,計算出位於此基準區域內之此等像素點所具有之灰階梯度值的平均值;以及
(E)依據位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的平均值及位於此基準區域內之此等像素點所具有之灰階梯度值的平均值,將此腫瘤之迴音性特徵量化。
其中,由於步驟(A)所擷取出之「腫瘤輪廓」與「腫瘤輪廓環形區域」以及步驟(B)之藉由「腫瘤輪廓」所定義出之「腫瘤內部區域」與「腫瘤外部區域」均已詳細敘述於前,在此便不再重複敘述。
此外,由於步驟(C)之計算出位於「腫瘤內部區域」內之此等像素點所具有之灰階梯度值之平均值的方法以及步驟(D)之計算出位於「基準區域」內之此等像素點所具有之灰階梯度值之平均值的方法已廣為各界所熟悉,在此便不再贅述。
除此之外,前述之「基準區域」係為圖10A中之位於腫瘤輪廓外側(即位於腫瘤外部區域)之矩形框所包圍的區域。一般而言,此「基準區域」係位於代表正常組織的影像區域內。
在本實施例中,迴音性特徵係藉由將位於此腫瘤內部區域內之此等像素點所具有之灰階梯度值的平均值( mean G ijl
)減去位於此基準區域內之此等像素點所具有之灰階梯度值的平均值( mean G r
)所得到之差值除以位於此基準區域內之此等像素點所具有之灰階梯度值的平均值( mean G r
)的方式被量化,即如下列式子所示:
由上式計算所得的結果,一般以ER表示。當ER大於或等於零時(即ER
≧0),此腫瘤便具有高迴音性(Hyperechoic)之特徵。另一方面,當ER小於零時(即ER
<0),此腫瘤便具有低迴音性(Hypoechoic)之特徵。
圖11A係一超音波灰階影像的示意圖,其係由複數個像素點組合而成,且每一像素點分別具有一灰階梯度值。如圖11A所示,其顯示一甲狀腺腫瘤與其周圍的甲狀腺組織。
圖11B係本發明第八實施例之腫瘤異質化特徵之量化方法的流程圖,其包括下列步驟:
(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;
(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;
(C)將位於此腫瘤內部區域內之此等像素點分別定義為複數個參考遮罩,且每一此等參考遮罩係包含一基準像素點與複數個相鄰於此基準像素點之像素點;
(D)計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均(local mean)及參考遮罩灰階梯度值局部變異(local variance);
(E)計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均之變異(variance of local mean)、參考遮罩灰階梯度值局部變異之平均(mean of local variance)以及參考遮罩灰階梯度值局部變異之變異(variance of local variance);以及
(F)藉由每一此等參考遮罩所分別具有之至少一選自於一由參考遮罩灰階梯度值局部平均之變異、參考遮罩灰階梯度值局部變異之平均以及參考遮罩灰階梯度值局部變異之變異所構成之群組,計算出每一此等參考遮罩所分別具有之異質化指標值,將此腫瘤之異質化特徵量化。
其中,由於步驟(A)所擷取出之「腫瘤輪廓」與「腫瘤輪廓環形區域」以及步驟(B)之藉由「腫瘤輪廓」所定義出之「腫瘤內部區域」與「腫瘤外部區域」均已詳細敘述於前,在此便不再重複敘述。
此外,在本實施例中,步驟(C)之參考遮罩係包含25個像素點,即基準像素點以及與複數個相鄰於此基準像素點的像素點,而這些像素點之座標值(X’,y’)與此基準像素點之座標值(x,y)之間的差距均在2以內。需注意的是,在其他的應用狀況下,步驟(C)之參考遮罩亦可包含不同數目的像素點,如49個像素點。
以下,依據每一此等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均(local mean)及參考遮罩灰階梯度值局部變異(local variance)而計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均之變異(variance of local mean,VOM)、參考遮罩灰階梯度值局部變異之平均(mean or local variance,MOV)以及參考遮罩灰階梯度值局部變異之變異(variance of local variance,VOV)的過程,將詳細敘述。
首先,參考遮罩灰階梯度值局部平均之變異(VOM)可被解讀為局部平均的變化。意即,參考遮罩灰階梯度值局部平均之變異(VOM)可被計算為存在於各局部平均之間的變異。其次,參考遮罩灰階梯度值局部變異之平均(MOV)可被解讀為局部區間(local area)的差異幅度。意即,參考遮罩灰階梯度值局部變異之平均(MOV)可被計算為存在於各局部區間(local area)變異之間的平均。最後,參考遮罩灰階梯度值局部變異之變異(VOV)可被解讀為存在於各局部區間之間之差異的變化意即,參考遮罩灰階梯度值局部變異之變異(VOV)可被計算為存在於各局部區間(local area)變異之間的變異。
一用於解釋這三種變異之計算的例子,則提供於下:首先,針對一位於一超音波灰階影像中的一量測點Pi,j
,一局部矩形區域(如參考遮罩)被定義出來(表示為),其包含(2q+1)×(2q+1)個量測點,其中q係用於定義矩形區域寬度的參數。此外,的組成元素可表示為:
位於內之各點的樣本平均則被定義為局部平均(local mean),其可表示為,且可以下式計算:
其中,GR i , j
係Pi,j
於一固定時間點(timepoint)之單一架構(frame)的亮度。
位於內之各點的樣本變化則被定義為局部變異(local variance),其可表示為,且可以下式計算:
然而,當包含位於有興趣區域(region of interest,ROI)以外的點時,的及將不會被計算。
基於先前定義出之有興趣區域(ROI),在此例子中,腫瘤內部區域,且q具有一定值,即q=2。而n q
局部平均可表示為,n q
局部變異則可表示為),其中。
因此,參考遮罩灰階梯度值局部平均之變異(VOM)可為
其中,
參考遮罩灰階梯度值局部變異之平均(MOV)則可計算為:
最後,參考遮罩灰階梯度值局部變異之變異(VOV)則可計算為
其中,
因此,參考遮罩灰階梯度值局部平均之變異(VOM)、參考遮罩灰階梯度值局部變異之平均(MOV)以及參考遮罩灰階梯度值局部變異之變異(VOV)的計算過程,以及參考遮罩灰階梯度值局部變異之變異(VOV)除以參考遮罩灰階梯度值局部平均之變異(VOM)所得之比值、參考遮罩灰階梯度值局部變異之平均(MOV)除以參考遮罩灰階梯度值局部變異之變異(VOV)所得之比值以及參考遮罩灰階梯度值局部變異之平均(MOV)除以參考遮罩灰階梯度值局部平均之變異(VOM)所得之比值的計算過程,也在此被揭露。
在前述之6種形式的異質化指標值中,其中當異質化指標值係係一變數為參考遮罩灰階梯度值局部變異之變異(VOV)除以參考遮罩灰階梯度值局部平均之變異(VOM)所得之比值的函數時,此異質化指標值具有最佳的表現。
圖12A係本發明第九實施例之腫瘤異質化特徵之影像化方法的流程圖,其包括下列步驟:
(A)從此灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且此腫瘤輪廓係位於此腫瘤輪廓環形區域內;
(B)將此腫瘤輪廓重疊顯示於此灰階影像上,以在此灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;
(C)將位於此腫瘤內部區域內之此等像素點分別定義為複數個參考遮罩,且每一此等參考遮罩係包含一基準像素點與複數個相鄰於此基準像素點之像素點;
(D)藉由包含於每一此等參考遮罩之此等像素點所分別具有之灰階梯度值,計算出每一此等參考遮罩所分別具有之參考遮罩灰階梯度值變異;
(E)藉由每一此等參考遮罩所分別具有之參考遮罩灰階梯度值變異,計算出此等參考遮罩所具有之平均遮罩灰階梯度值變異;
(F)藉由每一此等參考遮罩所分別具有之參考遮罩灰階梯度值變異及此等參考遮罩所具有之平均遮罩灰階梯度值變異,計算出每一此等參考遮罩所分別具有之異質化指標值;
(G)藉由每一此等參考遮罩所分別具有之異質化指標值,計算出此等參考遮罩所具有之異質化指標值的最大值、異質化指標值的最小值、異質化指標值的平均值及異質化指標值的標準差;以及
(H)依據此等參考遮罩所具有之異質化指標值的最大值、異質化指標值的最小值、異質化指標值的平均值及異質化指標值的標準差,定義出一異質化成像上界及一異質化成像下界,且配合一彩虹色階將位於此腫瘤內部區域內之腫瘤異質化特徵影像化。
其中,由於步驟(A)所擷取出之「腫瘤輪廓」與「腫瘤輪廓環形區域」以及步驟(B)之藉由「腫瘤輪廓」所定義出之「腫瘤內部區域」與「腫瘤外部區域」均已詳細敘述於前,在此便不再重複敘述。
此外,由於步驟(G)之計算出此等參考遮罩所具有之異質化指標值之最大值、異質化指標值之最小值、異質化指標值之平均值及異質化指標值之標準差的方法已廣為各界所熟悉,在此便不再贅述。
除此之外,在本實施例中,步驟(C)之參考遮罩係包含25個像素點,即基準像素點以及與複數個相鄰於此基準像素點的像素點,而這些像素點之座標值(x’,y’)與此基準像素點之座標值(x,y)之間的差距均在2以內。需注意的是,在其他的應用狀況下,步驟(C)之參考遮罩亦可包含不同數目的像素點,如49個像素點。
除此之外,前述之步驟(D)所計算出之每一此等參考遮罩(MHI iz
)所分別具有的「參考遮罩灰階梯度值變異」係以 varp MHI i
表示,步驟(E)所計算出之此等參考遮罩所具有之「平均遮罩灰階梯度值變異」則以 MOV MHI i
表示,且
另一方面,如圖11C所示,在本實施例之腫瘤異質化特徵的量化方法中,步驟(F)包含一步驟(F1),藉由將此參考遮罩所具有之參考遮罩灰階梯度值變異( varp MHI i
)減去此等參考遮罩所具有之平均遮罩灰階梯度值變異( MOV MHI i
)所得之差值的絕對值開根號的方式,計算出每一此等參考遮罩所分別具有之異質化指標值HP iz
,如下列式子所示:
再如圖11C所示,在本實施例之腫瘤異質化特徵的量化方法中,步驟(F)於步驟(F1)之後更包括一步驟(F2),藉由每一此等參考遮罩所分別具有之異質化指標值(HP iz
),定義出一異質化特徵之異質化指標值的閥值(threshold value),以計算出此異質化特徵於此腫瘤內部區域內所佔的比例。
在本實施例之腫瘤異質化特徵的影像化方法中,步驟(H)之異質化成像上界係為此等參考遮罩所具有之異質化指標值(HP iz
)的最大值,異質化成像下界則為此等參考遮罩所具有之異質化指標值的平均值( mean HP i
)減去零點一倍之異質化指標值的標準差( std HP i
),即 mean HP i
-0.1× std HP i
。
需注意的是,在其他的應用狀況下,前述之「異質化成像上界」及「異質化成像下界」亦可具有不同的數值,如「異質化成像上界」可為異質化指標值(HP iz
)的最大值減去零點一倍之異質化指標值的標準差( std HP i
),「異質化成像下界」則可為此等參考遮罩所具有之異質化指標值的平均值( mean HP i
)減去零點二倍之異質化指標值的標準差( std HP i
)( mean HP i
-0.2× std HP i
),只要「異質化成像上界」的數值大於「異質化成像下界」的數值即可。
此外,在本實施例之腫瘤異質化特徵的影像化方法中,步驟(H)所配合的此彩虹色階係為一紅橙黃綠藍靛紫之連續漸變色階。而在腫瘤異質化特徵影像化時,每一此等參考遮罩所具有之基準像素點係分別依據下述之影像化規則而被影像化:
1. 若此參考遮罩所具有之異質化指標值等於前述之「異質化成像上界」,則以一紅色區塊覆蓋此參考遮罩之基準像素點;
2. 若此參考遮罩所具有之異質化指標值小於或等於前述之「異質化成像下界」,則以一紫色區塊覆蓋此參考遮罩之基準像素點;以及
3. 若此參考遮罩所具有之異質化指標值介於前述之「異質化成像上界」與前述之「異質化成像下界」之間,便依據此參考遮罩所具有之異質化指標值分別與前述之「異質化成像上界」與前述之「異質化成像下界」之間的對應關係,以一具有從此彩虹色階中對應出之顏色的區塊覆蓋此參考遮罩之基準像素點。
而在依據上述影像化規則將每一此等參考遮罩所具有之基準像素點影像化之後,即得出如圖12B所示之腫瘤異質化特徵影像化圖像。而藉由如圖12B所示之腫瘤異質化特徵影像化圖像,醫師可輕易判斷出此腫瘤之異質化特徵的分佈及佔腫瘤內部區域的比率。
需注意的是,在腫瘤異質化特徵影像化時,除了持續地將前述之配合彩虹色階而得出之各個顏色區塊覆蓋於此灰階影像以外,亦可間歇地顯示這些顏色區塊,以利醫生同時地觀察此腫瘤所具有的其他特徵。
綜上所述,藉由本發明所提供之腫瘤邊緣特徵的量化方法、腫瘤邊緣特徵的影像化方法、腫瘤囊腫特徵的量化方法、腫瘤囊腫特徵的影像化方法、腫瘤鈣化特徵的量化方法、腫瘤鈣化特徵的影像化方法、腫瘤迴音性特徵的量化方法、腫瘤異質化特徵的量化方法及腫瘤異質化特徵的影像化方法,醫師可於拿到一腫瘤之超音波灰階影像的同時,一併得到腫瘤這些特徵的量化數據與影像化圖像,做為判斷腫瘤之性質的依據,以大幅提昇藉由腫瘤之超音波灰階影像判斷腫瘤性質之程序的準確率及可靠度,且減輕醫師在判斷腫瘤性質時的負擔。
除此之外,本發明所提供之腫瘤邊緣特徵的量化方法、腫瘤邊緣特徵的影像化方法、腫瘤囊腫特徵的量化方法、腫瘤囊腫特徵的影像化方法、腫瘤鈣化特徵的量化方法、腫瘤鈣化特徵的影像化方法、腫瘤迴音性特徵的量化方法、腫瘤異質化特徵的量化方法及腫瘤異質化特徵的影像化方法所分別具有的各執行步驟,可以電腦語言寫成以便執行,而該寫成之軟體程式可以儲存於任何微處理單元可以辨識、解讀之紀錄媒體,或包含有該紀錄媒體之物品及裝置。其不限為任何形式,該物品可為硬碟、軟碟、光碟、ZIP、MO、IC晶片、隨機存取記憶體(RAM),或任何熟悉此項技藝者所可使用之包含有該紀錄媒體之物品。
上述實施例僅係為了方便說明而舉例而已,本發明所主張之權利範圍自應以申請專利範圍所述為準,而非僅限於上述實施例。
21...顯示裝置
22...處理器
23...記憶體
24...輸入裝置
25...儲存裝置
26...系統程式
31~33...軌跡
34、36...點
35...線段
圖1A係習知之藉由手寫輸入方式標示出腫瘤輪廓的超音波影像。
圖1B係習知之藉由snake演算法計算並標示出腫瘤輪廓的超音波影像。
圖2係顯示一電腦系統之架構的示意圖。
圖3A係一超音波灰階影像的示意圖。
圖3B係本發明第一實施例之腫瘤邊緣特徵之量化方法的流程圖。
圖3C係本發明第一實施例之腫瘤邊緣特徵之量化方法之步驟(A)所應用之腫瘤輪廓擷取方法的流程圖。
圖3D則為應用此「腫瘤輪廓擷取方法」以擷取「腫瘤輪廓」與「腫瘤輪廓環形區域」之包含一腫瘤之灰階影像圖。
圖3E係顯示本發明第一實施例之腫瘤邊緣特徵之量化方法之步驟(D)所包含之子步驟(D1)及子步驟(D2)的流程圖。
圖3F係顯示本發明第一實施例之腫瘤邊緣特徵之量化方法之步驟(E)所包含之子步驟(E1)的流程圖。
圖4A係本發明第二實施例之腫瘤邊緣特徵之影像化方法的流程圖。
圖4B係顯示本發明第二實施例之腫瘤邊緣特徵之影像化化方法之步驟(D)所包含之子步驟(D1)及子步驟(D2)的流程圖。
圖4C係顯示本發明第二實施例之腫瘤邊緣特徵之影像化化方法之步驟(E)所包含之子步驟(E1)的流程圖。
圖5係一顯示腫瘤邊緣特徵影像化圖像之超音波灰階影像的示意圖。
圖6A係一超音波灰階影像的示意圖。
圖6B係本發明第三實施例之腫瘤囊腫特徵之量化方法的流程圖。
圖6C係顯示本發明第三實施例之腫瘤囊腫特徵之量化方法之步驟(D)所包含之子步驟(D1)的流程圖。
圖7A係本發明第四實施例之腫瘤囊腫特徵之影像化方法的流程圖。
圖7B係一顯示腫瘤囊腫特徵影像化圖像之超音波灰階影像的示意圖。
圖8A係一超音波灰階影像的示意圖。
圖8B係本發明第五實施例之腫瘤鈣化特徵之量化方法的流程圖。
圖8C係顯示本發明第五實施例之腫瘤鈣化特徵之量化方法之步驟(F)所包含之子步驟(F1)的流程圖。
圖9A係本發明第六實施例之腫瘤鈣化特徵之影像化方法的流程圖。
圖9B係一顯示腫瘤鈣化特徵影像化圖像之超音波灰階影像的示意圖。
圖10A係一超音波灰階影像的示意圖。
圖10B係本發明第七實施例之腫瘤迴音性特徵之量化方法的流程圖。
圖11A係一超音波灰階影像的示意圖。
圖11B係本發明第八實施例之腫瘤異質化特徵之量化方法的流程圖。
圖11C係顯示本發明第八實施例之腫瘤異質化特徵之量化方法之步驟(F)所包含之子步驟(F1)的流程圖。
圖12A係本發明第九實施例之腫瘤異質化特徵之影像化方法的流程圖。
圖12B係一顯示腫瘤異質化特徵影像化圖像之超音波灰階影像的示意圖。
該圖為一流程圖故無元件代表符號
Claims (42)
- 一種腫瘤邊緣特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從該灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且該腫瘤輪廓係位於該腫瘤輪廓環形區域內;(B)將該腫瘤輪廓重疊顯示於該灰階影像上,以在該灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)擷取該腫瘤輪廓環形區域的一重心點,定義一從該重心點向外延伸並通過該腫瘤輪廓環形區域的剖面線,及提供一位於該剖面線上並位於該腫瘤輪廓環形區域內之量測線段;(D)計算出位於該量測線段上之該等像素點所分別具有之灰階移動變異值;以及(E)依據位於該量測線段上之每一該等像素點所分別具有之灰階移動變異值,將位於該剖面線上之腫瘤邊緣特徵量化。
- 如申請專利範圍第1項所述之量化方法,其中該步驟(D)包括一步驟(D1),依據位於該量測線段上之該等像素點所分別具有之灰階移動變異值,計算出位於該量測線段上之該等像素點所具有之灰階移動變異值的標準差。
- 如申請專利範圍第2項所述之量化方法,其中該步驟(D)於該步驟(D1)之後更包括一步驟(D2),依據位於該量測線段上之該等像素點所分別具有之灰階移動變異值,計 算出位於該量測線段上之該等像素點所具有之灰階移動變異值的平均值。
- 如申請專利範圍第3項所述之量化方法,其中該步驟(E)包括一步驟(E1),藉由位於該量測線段上之該等像素點所具有之灰階移動變異值的標準差及灰階移動變異值的平均值,定義出一灰階移動變異值閥值,以判別位於該剖面線上之腫瘤邊緣特徵的模糊程度。
- 如申請專利範圍第1項所述之量化方法,於該步驟(E)之後更包括一步驟(F)改變該剖面線之位置,以掃瞄該腫瘤之全部邊緣而將該腫瘤之全部邊緣特徵量化。
- 一種腫瘤邊緣特徵的影像化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從該灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且該腫瘤輪廓係位於該腫瘤輪廓環形區域內;(B)將該腫瘤輪廓重疊顯示於該灰階影像上,以在該灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)擷取該腫瘤輪廓環形區域的一重心點,定義一從該重心點向外延伸並通過該腫瘤輪廓環形區域的剖面線,及提供一位於該剖面線上並位於該腫瘤輪廓環形區域內之量測線段;(D)計算出位於該量測線段上之該等像素點所分別具有之灰階移動變異值;以及 (E)依據位於該量測線段上之該等像素點所分別具有之灰階移動變異值,定義出一邊緣成像上界及一邊緣成像下界,且配合一彩虹色階將位於該剖面線上之腫瘤邊緣特徵影像化。
- 如申請專利範圍第6項所述之影像化方法,其中該步驟(D)包括一步驟(D1),依據位於該量測線段上之該等像素點所分別具有之灰階移動變異值,計算出位於該量測線段上之該等像素點所具有之灰階移動變異值的標準差。
- 如申請專利範圍第7項所述之影像化方法,其中該步驟(D)於該步驟(D1)之後更包括一步驟(D2),依據位於該量測線段上之該等像素點所分別具有之灰階移動變異值,計算出位於該量測線段上之該等像素點所具有之灰階移動變異值的平均值。
- 如申請專利範圍第8項所述之影像化方法,其中該步驟(E)包括一步驟(E1),藉由位於該量測線段上之該等像素點所具有之灰階移動變異值的標準差及灰階移動變異值的平均值定義出該邊緣成像上界及該邊緣成像下界。
- 如申請專利範圍第9項所述之影像化方法,其中該邊緣成像上界係為該灰階移動變異值的平均值加上三倍之該灰階移動變異值的標準差,該邊緣成像下界則為該灰階移動變異值的平均值減去三倍之該灰階移動變異值的標準差。
- 如申請專利範圍第6項所述之影像化方法,其中該彩虹色階係為一紅橙黃綠藍靛紫之連續漸變色階,且當一 位於該量測線段上之像素點所具有之灰階移動變異值大於或等於該邊緣成像上界時,該像素點在腫瘤邊緣特徵影像化時便被一紅色區塊覆蓋。
- 如申請專利範圍第6項所述之影像化方法,其中該彩虹色階係為一紅橙黃綠藍靛紫之連續漸變色階,且當一位於該量測線段上之像素點所具有之灰階移動變異值小於或等於該邊緣成像下界時,該像素點在腫瘤邊緣特徵影像化時便被一紫色區塊覆蓋。
- 如申請專利範圍第6項所述之影像化方法,其中該彩虹色階係為一紅橙黃綠藍靛紫之連續漸變色階,且當一位於該量測線段上之像素點所具有之灰階移動變異值介於該邊緣成像上界及該邊緣成像下界之間時,該像素點在腫瘤邊緣特徵影像化時便依據其灰階移動變異值分別與該邊緣成像上界及該邊緣成像下界之間的對應關係,被一具有從該彩虹色階中對應出之顏色的區塊覆蓋。
- 如申請專利範圍第6項所述之影像化方法,於該步驟(E)之後更包括一步驟(F)改變該剖面線之位置,以掃瞄該腫瘤之全部邊緣而將該腫瘤之全部邊緣特徵影像化。
- 一種腫瘤囊腫特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從該灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且該腫瘤輪廓係位於該腫瘤輪廓環形區域內; (B)將該腫瘤輪廓重疊顯示於該灰階影像上,以在該灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於該腫瘤內部區域內之該等像素點所分別具有之灰階梯度值,計算出位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;(D)依據位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,將位於該腫瘤內部區域內之囊腫特徵量化;其中,當該腫瘤內部區域內之一該等像素點所具有小於閥值之灰階梯度值時,該像素點定義成具有囊腫特徵;以及(E)計算出該囊腫特徵於該腫瘤內部區域內所佔的比例。
- 一種腫瘤囊腫特徵的影像化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從該灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且該腫瘤輪廓係位於該腫瘤輪廓環形區域內;(B)將該腫瘤輪廓重疊顯示於該灰階影像上,以在該灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於該腫瘤內部區域內之該等像素點所分別具有之灰階梯度值,計算出位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;以及 (D)依據位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,定義出一囊腫成像上界及一囊腫成像下界,以將位於該腫瘤內部區域內之腫瘤囊腫特徵影像化。
- 如申請專利範圍第16項所述之影像化方法,其中該囊腫成像上界係為位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值加上零點一倍或零點三倍之該灰階梯度值的標準差,該囊腫成像下界則為位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值。
- 如申請專利範圍第16項所述之影像化方法,其中當一位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值介於該囊腫成像上界及該囊腫成像下界之間時,該像素點在腫瘤囊腫特徵影像化時便被一桃紅色區塊覆蓋。
- 如申請專利範圍第16項所述之影像化方法,其中在該步驟(D)後更包括下列步驟:(E)將位於該腫瘤內部區域內之該等像素點分別定義為複數個參考遮罩,且每一該等參考遮罩係包含一基準像素點與複數個相鄰於該基準像素點之像素點,且該基準像素點所具有之灰階梯度值係介於該囊腫成像上界及該囊腫成像下界之間;以及(F)當至少一該等像素點所具有之灰階梯度值介於該囊腫成像上界及該囊腫成像下界之間時,該基準像素點及該等像素點在腫瘤囊腫特徵影像化時便被一桃紅色區塊覆蓋。
- 如申請專利範圍第19項所述之影像化方法,其中在該步驟(F)後更包括一步驟(G),當只有該基準像素點所具有之灰階梯度值介於該囊腫成像上界及該囊腫成像下界之間時,移除覆蓋於該基準像素點及該等像素點的該桃紅色區塊。
- 一種腫瘤鈣化特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從該灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且該腫瘤輪廓係位於該腫瘤輪廓環形區域內;(B)將該腫瘤輪廓重疊顯示於該灰階影像上,以在該灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)計算出位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差(D)依據位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,從該灰階影像中擷取出一位於該腫瘤內部區域內之囊腫區域;(E)藉由位於該腫瘤內部區域內但位於該囊腫區域之外之該等像素點所分別具有之灰階梯度值,計算出位於該腫瘤內部區域內但位於該囊腫區域之外之該等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值;以及(F)依據位於該腫瘤內部區域內但位於該囊腫區域之外之該等像素點所具有之灰階梯度值的最大值、灰階梯度值 的標準差及灰階梯度值的平均值,將位於該腫瘤內部區域內之腫瘤鈣化特徵量化。其中當該腫瘤內部區域內但位於該囊腫區域之外之一該等像素點具有大於該閥值之灰階梯度值時,該像素點定義成具有鈣化特徵;並且計算出該鈣化特徵於該腫瘤內部區域內所佔的比例。
- 一種腫瘤鈣化特徵的影像化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)從該灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且該腫瘤輪廓係位於該腫瘤輪廓環形區域內;(B)將該腫瘤輪廓重疊顯示於該灰階影像上,以在該灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)計算出位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差;(D)依據位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的最小值及灰階梯度值的標準差,從該灰階影像中擷取出一位於該腫瘤內部區域內之囊腫區域;(E)藉由位於該腫瘤內部區域內但位於該囊腫區域之外之該等像素點所分別具有之灰階梯度值,計算出位於該腫瘤內部區域內但位於該囊腫區域之外之該等像素點所具有之灰階梯度值的最大值、灰階梯度值的標準差及灰階梯度值的平均值;以及(F)定義出一鈣化成像上界及一鈣化成像下界以將位於該腫瘤內部區域內但位於該囊腫區域之外之腫瘤鈣化特徵 影像化,其中該鈣化成像上界係為位於該腫瘤內部區域內但位於該囊腫區域之外之該等像素點所具有之灰階梯度值的最大值,該鈣化成像下界則為位於該腫瘤內部區域內但位於該囊腫區域之外之該等像素點所具有之灰階梯度值的平均值加上二點八倍或二點五倍之該灰階梯度值的標準差,以及其中當該腫瘤內部區域內但位於該囊腫區域之外之一該等像素點之灰階梯度值介於該鈣化成像上界及鈣化成像下界時,該像素點定義成具有鈣化特徵的影像。
- 如申請專利範圍第22項所述之影像化方法,其中當一位於該腫瘤內部區域內但位於該囊腫區域之外之該等像素點所具有之灰階梯度值介於該鈣化成像上界及該鈣化成像下界之間時,該像素點在腫瘤鈣化特徵影像化時便被一黃色區塊覆蓋。
- 一種腫瘤迴音性特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟:(A)應從該灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且該腫瘤輪廓係位於該腫瘤輪廓環形區域內;(B)將該腫瘤輪廓重疊顯示於該灰階影像上,以在該灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)藉由位於該腫瘤內部區域內之該等像素點所分別具有之灰階梯度值,計算出位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的平均值; (D)於該腫瘤外部區域選取一基準區域,藉由位於該基準區域內之該等像素點所分別具有之灰階梯度值,計算出位於該基準區域內之該等像素點所具有之灰階梯度值的平均值;以及(E)依據位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的平均值及位於該基準區域內之該等像素點所具有之灰階梯度值的平均值,將該腫瘤之迴音性特徵量化。
- 如申請專利範圍第24項所述之量化方法,其中該迴音性特徵係藉由將位於該腫瘤內部區域內之該等像素點所具有之灰階梯度值的平均值減去位於該基準區域內之該等像素點所具有之灰階梯度值的平均值所得到之差值除以位於該基準區域內之該等像素點所具有之灰階梯度值的平均值的方式被量化。
- 如申請專利範圍第24項所述之量化方法,其中當迴音性特徵量化所得出的數值大於或等於零時,該腫瘤便具有高迴音性之特徵。
- 如申請專利範圍第24項所述之量化方法,其中當迴音性特徵量化所得出的數值小於零時,該腫瘤便具有低迴音性之特徵。
- 一種腫瘤異質化特徵的量化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟: (A)從該灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且該腫瘤輪廓係位於該腫瘤輪廓環形區域內;(B)將該腫瘤輪廓重疊顯示於該灰階影像上,以在該灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)將位於該腫瘤內部區域內之該等像素點分別定義為複數個參考遮罩,且每一該等參考遮罩係包含一基準像素點與複數個相鄰於該基準像素點之像素點;(D)計算出每一該等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均及參考遮罩灰階梯度值局部變異;(E)計算出每一該等參考遮罩所分別具有之參考遮罩灰階梯度值局部平均之變異、參考遮罩灰階梯度值局部變異之平均以及參考遮罩灰階梯度值局部變異之變異;以及(F)藉由每一該等參考遮罩所分別具有之至少一選自於一由參考遮罩灰階梯度值局部平均之變異、參考遮罩灰階梯度值局部變異之平均以及參考遮罩灰階梯度值局部變異之變異所構成之群組,計算出每一該等參考遮罩所分別具有之異質化指標值,將該腫瘤之異質化特徵量化。
- 如申請專利範圍第28項所述之量化方法,其中每一該等參考遮罩係包含25個像素點。
- 如申請專利範圍第28項所述之量化方法,其中步驟(F)包含一步驟(F1),藉由將該參考遮罩所具有之參考遮罩灰階梯度值變異減去該等參考遮罩所具有之平均遮罩灰階梯度值變異所得之差值的絕對值開根號的方式,計算出每一該等參考遮罩所分別具有之異質化指標值。
- 如申請專利範圍第28項所述之量化方法,其中該異質化指標值係一變數為參考遮罩灰階梯度值局部平均之變異的函數。
- 如申請專利範圍第28項所述之量化方法,其中該異質化指標值係一變數為參考遮罩灰階梯度值局部變異之平均的函數。
- 如申請專利範圍第28項所述之量化方法,其中該異質化指標值係一變數為參考遮罩灰階梯度值局部變異之變異的函數。
- 如申請專利範圍第28項所述之量化方法,其中該異質化指標值係一變數為參考遮罩灰階梯度值局部變異之變異除以參考遮罩灰階梯度值局部平均之變異所得之比值的函數。
- 如申請專利範圍第28項所述之量化方法,其中該異質化指標值係一變數為參考遮罩灰階梯度值局部變異之平均除以參考遮罩灰階梯度值局部變異之變異所得之比值的函數。
- 如申請專利範圍第28項所述之量化方法,其中該異質化指標值係一變數為參考遮罩灰階梯度值局部變異之平均除以參考遮罩灰階梯度值局部平均之變異所得之比值的函數。
- 一種腫瘤異質化特徵的影像化方法,係應用於一由複數個像素點組合而成並至少顯示一腫瘤的灰階影像,包括下列步驟: (A)從該灰階影像擷取出一腫瘤輪廓及一腫瘤輪廓環形區域,且該腫瘤輪廓係位於該腫瘤輪廓環形區域內;(B)將該腫瘤輪廓重疊顯示於該灰階影像上,以在該灰階影像上定義出一腫瘤內部區域及一腫瘤外部區域;(C)將位於該腫瘤內部區域內之該等像素點分別定義為複數個參考遮罩,且每一該等參考遮罩係包含一基準像素點與複數個相鄰於該基準像素點之像素點;(D)藉由包含於每一該等參考遮罩之該等像素點所分別具有之灰階梯度值,計算出每一該等參考遮罩所分別具有之參考遮罩灰階梯度值變異;(E)藉由每一該等參考遮罩所分別具有之參考遮罩灰階梯度值變異,計算出該等參考遮罩所具有之平均遮罩灰階梯度值變異;(F)藉由每一該等參考遮罩所分別具有之參考遮罩灰階梯度值變異及該等參考遮罩所具有之平均遮罩灰階梯度值變異,計算出每一該等參考遮罩所分別具有之異質化指標值;(G)藉由每一該等參考遮罩所分別具有之異質化指標值,計算出該等參考遮罩所具有之異質化指標值的最大值、異質化指標值的最小值、異質化指標值的平均值及異質化指標值的標準差;以及(H)依據該等參考遮罩所具有之異質化指標值的最大值、異質化指標值的最小值、異質化指標值的平均值及異質化指標值的標準差,定義出一異質化成像上界及一異質 化成像下界,且配合一彩虹色階將位於該腫瘤內部區域內之腫瘤異質化特徵影像化。
- 如申請專利範圍第37項所述之影像化方法,其中該異質化成像上界係為該等參考遮罩所具有之異質化指標值的最大值,該異質化成像下界則為該等參考遮罩所具有之異質化指標值的平均值減去零點一倍之異質化指標值的標準差。
- 如申請專利範圍第37項所述之影像化方法,其中該彩虹色階係為一紅橙黃綠藍靛紫之連續漸變色階,且當一參考遮罩所具有之異質化指標值等於該異質化成像上界時,該參考遮罩之基準像素點在腫瘤異質化特徵影像化時便被一紅色區塊覆蓋。
- 如申請專利範圍第37項所述之影像化方法,其中該彩虹色階係為一紅橙黃綠藍靛紫之連續漸變色階,且當一參考遮罩所具有之異質化指標值小於或等於該異質化成像下界時,該參考遮罩之基準像素點在腫瘤異質化特徵影像化時便被一紫色區塊覆蓋。
- 如申請專利範圍第37項所述之影像化方法,其中該彩虹色階係為一紅橙黃綠藍靛紫之連續漸變色階,且當一參考遮罩所具有之異質化指標值介於該異質化成像上界及該異質化成像下界之間時,該參考遮罩之基準像素點在腫瘤異質化特徵影像化時便依據其異質化指標值分別與該異質化成像上界及該異質化成像下界之間的對應關係,被一具有從該彩虹色階中對應出之顏色的區塊覆蓋。
- 如申請專利範圍第37項所述之影像化方法,其中每一該等參考遮罩係包含25個像素點。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW99101930A TWI474284B (zh) | 2010-01-25 | 2010-01-25 | 腫瘤特徵的量化方法及影像化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW99101930A TWI474284B (zh) | 2010-01-25 | 2010-01-25 | 腫瘤特徵的量化方法及影像化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201126260A TW201126260A (en) | 2011-08-01 |
TWI474284B true TWI474284B (zh) | 2015-02-21 |
Family
ID=45024456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW99101930A TWI474284B (zh) | 2010-01-25 | 2010-01-25 | 腫瘤特徵的量化方法及影像化方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI474284B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI569778B (zh) * | 2014-11-06 | 2017-02-11 | 安克生醫股份有限公司 | 聲波散射訊號之影像強化方法與成像加速系統 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5224175A (en) * | 1987-12-07 | 1993-06-29 | Gdp Technologies, Inc. | Method for analyzing a body tissue ultrasound image |
US6078680A (en) * | 1997-07-25 | 2000-06-20 | Arch Development Corporation | Method, apparatus, and storage medium for detection of nodules in biological tissue using wavelet snakes to characterize features in radiographic images |
US6173083B1 (en) * | 1998-04-14 | 2001-01-09 | General Electric Company | Method and apparatus for analyzing image structures |
US20030223627A1 (en) * | 2001-10-16 | 2003-12-04 | University Of Chicago | Method for computer-aided detection of three-dimensional lesions |
-
2010
- 2010-01-25 TW TW99101930A patent/TWI474284B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5224175A (en) * | 1987-12-07 | 1993-06-29 | Gdp Technologies, Inc. | Method for analyzing a body tissue ultrasound image |
US6078680A (en) * | 1997-07-25 | 2000-06-20 | Arch Development Corporation | Method, apparatus, and storage medium for detection of nodules in biological tissue using wavelet snakes to characterize features in radiographic images |
US6173083B1 (en) * | 1998-04-14 | 2001-01-09 | General Electric Company | Method and apparatus for analyzing image structures |
US20030223627A1 (en) * | 2001-10-16 | 2003-12-04 | University Of Chicago | Method for computer-aided detection of three-dimensional lesions |
Non-Patent Citations (1)
Title |
---|
K. Taouil and N. B. Romdhane,"Automatic segmentation and classification of skin lesion images", Proc. Distrib. Frameworks Multimedia Appl., pp.1-12, 2006. 林廉鈞,"使用磁振造影影像於腦腫瘤放射治療計畫系統中劑量計算之依據",國立清華大學生醫工程與環境科學系碩士論文,2007年6月 * |
Also Published As
Publication number | Publication date |
---|---|
TW201126260A (en) | 2011-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI544898B (zh) | 決定皮膚發炎分數之裝置及方法 | |
US8948474B2 (en) | Quantification method of the feature of a tumor and an imaging method of the same | |
Grau et al. | Improved watershed transform for medical image segmentation using prior information | |
Udupa et al. | A framework for evaluating image segmentation algorithms | |
JP6265588B2 (ja) | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム | |
US20210133473A1 (en) | Learning apparatus and learning method | |
JP6361776B2 (ja) | 診断支援装置、及び診断支援装置における画像処理方法、並びにプログラム | |
WO2015076406A1 (ja) | 骨粗鬆症診断支援装置 | |
TWI624807B (zh) | 醫學影像之迭代式分析法 | |
WO2012064986A2 (en) | System and method of ultrasound image processing | |
Juang et al. | Psoriasis image identification using k-means clustering with morphological processing | |
JP6458166B2 (ja) | 医用画像処理方法及び装置及びシステム及びプログラム | |
JP2019028887A (ja) | 画像処理方法 | |
JP5624505B2 (ja) | 画像処理装置 | |
TWI474284B (zh) | 腫瘤特徵的量化方法及影像化方法 | |
US20150086095A1 (en) | Quantification and imaging methods and system of the echo texture feature | |
TWI584225B (zh) | 皮膚組織估測方法及應用其之系統 | |
JP2007252892A (ja) | 皮膚表面の立体形状の目視評価値の推定方法 | |
JP2020505092A5 (zh) | ||
CN105286912B (zh) | 回音纹理特征的量化及可视化方法及系统 | |
Delgado et al. | An image based system to automatically and objectively score the degree of redness and scaling in psoriasis lesions | |
EP2980757B1 (en) | Quantification and imaging methods of the echo-texture feature | |
CN110892448B (zh) | 用于动脉钙化的检测和量化的方法 | |
KR102067335B1 (ko) | 뇌 해마의 관상면 중심점으로부터 거리분석에 따른 치매분류 방법 | |
KR20120000730A (ko) | 로컬 바이너리 피팅법을 이용한 관절 간격 측정방법 |