TWI552013B - 對患者組織超音波衰減影像中可疑關注區域分類之方法、裝置和電腦程式產品 - Google Patents

對患者組織超音波衰減影像中可疑關注區域分類之方法、裝置和電腦程式產品 Download PDF

Info

Publication number
TWI552013B
TWI552013B TW102125295A TW102125295A TWI552013B TW I552013 B TWI552013 B TW I552013B TW 102125295 A TW102125295 A TW 102125295A TW 102125295 A TW102125295 A TW 102125295A TW I552013 B TWI552013 B TW I552013B
Authority
TW
Taiwan
Prior art keywords
attenuation
roi
suspect
image
computerized method
Prior art date
Application number
TW102125295A
Other languages
English (en)
Other versions
TW201426379A (zh
Inventor
席文 葛雷屈曼
尤金 瓦拉曲
Original Assignee
萬國商業機器公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 萬國商業機器公司 filed Critical 萬國商業機器公司
Publication of TW201426379A publication Critical patent/TW201426379A/zh
Application granted granted Critical
Publication of TWI552013B publication Critical patent/TWI552013B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30068—Mammography; Breast

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Description

對患者組織超音波衰減影像中可疑關注區域分類之方法、裝置和電腦程式產品
本發明在其一些實施例中係關於電腦輔助診斷(CAD)，且更特定而言，但並不排他，係關於評估均質或非均質組織(諸如，乳房組織)之超音波影像中的可疑區域之方法及系統。
超音波檢查術廣泛用於對於乳癌之癌症診斷。在世界範圍內，乳癌僅構成低於30%之女性的全部診斷出之癌症。乳腺成像術係當前用於篩選及偵測乳癌之最常用模態，然而，乳腺X線相片中發現之乳房病變之大部分為良性的。為了改良特異性，醫生常使用超音波(US)成像來檢查可疑病變。然而，甚至當使用乳腺成像術及US兩者時，仍有約80%之活檢體原來是良性的。
過去幾年間，已開發出許多癌症診斷工具，參見Nover,A.B.、Jagtap,S.、Anjum,W.、Yegingil,H.、Shih,W.、Shih,W.、Brooks,A.D.之Modern Breast Cancer Detection：A Technological Review(生物醫學成像國際期刊(2009))，及Sehgal,CM.、Weinstein,S.P.、Arger,P.H.、Conant,E.F.之A Review of Breast Ultrasound(乳腺生物學及瘤形成期刊11(2)(2006)113-123)。
癌症診斷工具中之一些包括電腦輔助診斷(CAD)系統。此等系統通常計算多種乳房影像特徵以在惡性腫瘤與良性腫瘤之間作出區分。乳房影像特徵包括影像中的可疑區域之形狀(估計為描繪可能之腫 瘤)、可疑區域之紋理及可疑區域之聲學性質。
根據本發明之一些實施例，提供一種對在繪製一患者之一組織的一超音波衰減影像中之至少一可疑關注區域(ROI)分類之電腦化方法。該方法包含：接收一組織之一US影像；識別該US影像中之一可疑關注區域(ROI)；產生該可疑ROI之一衰減圖；根據該衰減圖之一分析，量測該可疑ROI及該可疑ROI中之至少一子區域中的至少一者之至少一衰減特徵；及根據該至少一衰減特徵對該可疑ROI分類。
根據本發明之一些實施例，提供一種對在繪製一患者之一組織的一超音波衰減影像中之至少一可疑關注區域(ROI)分類之系統。該系統包含：一處理器；一輸入模組，其接收一組織之一US影像；ROI模組，其識別該US影像中之一可疑關注區域(ROI)；一衰減繪製模組，其產生該ROI之一衰減圖；及一分類模組，其根據該可疑ROI中之至少一子區域之至少一衰減特徵對該可疑ROI分類，該至少一衰減特徵係根據該衰減圖之一分析而識別。
根據本發明之一些實施例，提供一種對在繪製一患者之一組織的一超音波衰減影像中之至少一可疑關注區域(ROI)分類之電腦程式產品。該電腦程式產品包括：一非暫時性電腦可讀儲存媒體；接收一組織之一US影像之第一程式指令；識別該US影像中之一可疑關注區域(ROI)之第二程式指令；產生該可疑ROI之一衰減圖之第三程式指令；根據該衰減圖之一分析量測該可疑ROI及該可疑ROI中之至少一子區域中的至少一者之至少一衰減特徵之第四程式指令；及根據該至少一衰減特徵對該可疑ROI分類之第五程式指令。該第一程式指令、該第二程式指令、該第三程式指令、該第四程式指令及該第五程式指令儲存於該非暫時性電腦可讀儲存媒體上。
除非另有定義，否則，本文中所使用之所有技術及/或科學術語 具有與一般熟習本發明所屬之技術者通常所理解相同之意義。儘管在實踐或測試本發明之實施例的過程中可使用與本文中所描述方法及材料類似或等效的方法及材料，但下文描述例示性方法及/或材料。若有衝突，則本專利說明書(包括定義)將為支配性的。此外，該等材料、方法及實例僅為說明性的，且並不意欲為必要地限制性。
61‧‧‧輸入介面
63‧‧‧ROI模組/ROI標記模組
64‧‧‧衰減繪製模組
65‧‧‧分類模組
71‧‧‧超音波模態
72‧‧‧儲存庫
100‧‧‧基於繪製具有均質或非均質超音波輻射吸收之組織的US影像中之衰減特徵之分析對一或多個可疑ROI分類的方法
301‧‧‧某一像素
專利或申請案檔案含有至少一個彩製圖式。在請求且支付必要的費用後，專利局將提供具有彩色圖式之本專利或專利申請公開案之複本。
本文中僅參看隨附圖式藉由實例來描述本發明之一些實施例。現特定詳細參看圖式，強調詳情係藉由實例且出於說明性論述本發明之實施例之目的而展示。就此而言，藉由圖式進行之描述使熟習此項技術者顯而易見可實踐本發明之實施例的方式。
在圖式中：圖1為根據本發明之一些實施例的基於超音波衰減特徵之分析對在繪製患者之均質或非均質組織之US影像中的一或多個可疑ROI分類之方法之流程圖；圖2為根據本發明之一些實施例的例如藉由實施圖1中所描繪之方法對在繪製均質或非均質組織之超音波影像中的ROI分類之系統之組件之圖解說明；圖3A至圖3C為根據本發明之一些實施例的圍繞某一像素之一例示性區塊、施加至該例示性區塊上之遮罩及移除周邊斑點之後的經處理之遮罩之影像；圖4A至圖4C為根據本發明之一些實施例的US影像、具有手動標記之可疑ROI的US影像及根據圖4B中所描繪之可疑ROI產生之衰減圖； 圖5A至圖5D為描繪良性腫瘤的ROI之衰減圖之實例；圖5E至圖5H為描繪惡性腫瘤的ROI之衰減圖之實例；圖6A至圖6D為根據本發明之一些實施例的描繪良性腫瘤且與可疑ROI對應的US影像段、具有指示腫瘤邊界之線標記的衰減圖、該衰減圖之變平滑之版本及具有表示均勻衰減區域之彩色區域的衰減圖之變平滑之版本；及圖7A至圖7E描繪根據本發明之一些實施例的用以實施衰減特徵之分析之軟體程式碼。
本發明在其一些實施例中係關於電腦輔助診斷(CAD)，且更特定而言，但並不排他，係關於對在組織之超音波影像中的可疑區域分類之方法及系統。
根據本發明之一些實施例，提供藉由產生可疑關注區域(ROI)之衰減圖且分析自該衰減圖提取之一或多個衰減特徵而對在超音波(US)影像(諸如，B型掃描影像)之ROI中描繪之均質或非均質組織(諸如，乳房組織、甲狀腺組織、結腸組織及前列腺組織)分類之方法及系統。可為二維的或容積的ROI可在US影像中由使用者標記及/或自動識別。
視情況，經分析之特徵與尺寸、衰減值及ROI中之子區域中的衰減值之均質性相關。此等特徵指示在ROI中成像的組織中之良性腫瘤及/或惡性腫瘤之潛在型樣。
視情況，藉由計算衰減像素值產生衰減圖(視情況，在考量相鄰像素之值時)。
在詳細解釋本發明之至少一實施例之前，應理解，本發明未必在其應用上限於以下描述中所闡明及/或圖式及/或實例中所說明之組件及/或方法之構造及配置的細節。本發明能夠有其他實施例或能夠 以各種方式實踐或進行。
如熟習此項技術者將瞭解，本發明之態樣可體現為系統、方法或電腦程式產品。因此，本發明之態樣可採用完全硬體實施例、完全軟體實施例(包括韌體、常駐軟體、微碼等)或組合軟體與硬體態樣之實施例的形式，該等實施例在本文中皆可通稱為「電路」、「模組」或「系統」。此外，本發明之態樣可採用體現於一或多個電腦可讀媒體中之電腦程式產品之形式，該一或多個電腦可讀媒體具有體現於其上的電腦可讀程式碼。
可利用一或多個電腦可讀媒體之任何組合。電腦可讀媒體可為電腦可讀信號媒體或電腦可讀儲存媒體。舉例而言，電腦可讀儲存媒體可為(但不限於)電子、磁性、光學、電磁、紅外線或半導體系統、裝置或器件，或前述系統、裝置或器件的任何合適組合。電腦可讀儲存媒體之較具體實例(非詳盡清單)將包括以下各者：具有一或多條導線之電連接件、攜帶型電腦碟片、硬碟、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可抹除可程式化唯讀記憶體(EPROM或快閃記憶體)、光纖、攜帶型光碟唯讀記憶體(CD-ROM)、光學儲存器件、磁性儲存器件，或前述各者之任何合適組合。在本文件之上下文中，電腦可讀儲存媒體可為可含有或儲存供指令執行系統、裝置或器件使用或結合指令執行系統、裝置或器件而使用之程式的任何有形媒體。
電腦可讀信號媒體可包括經傳播之資料信號，該經傳播之資料信號具有體現於其中(例如，在基頻中或作為載波之部分)之電腦可讀程式碼。此經傳播之信號可採用多種形式中之任一者，包括(但不限於)電磁、光學或其任何合適組合。電腦可讀信號媒體可為並非電腦可讀儲存媒體且可傳達、傳播或傳送供指令執行系統、裝置或器件使用或結合指令執行系統、裝置或器件而使用之程式的任何電腦可讀媒體。
可使用任何適當媒體來傳輸體現於電腦可讀媒體上之程式碼，適當媒體包括(但不限於)無線、有線、光纖纜線、RF等或前述各者之任何合適組合。
可以一或多種程式設計語言之任何組合來撰寫用於進行本發明之態樣的操作之電腦程式碼，該一或多種程式設計語言包括諸如Java、Smalltalk、C++或類似者之物件導向式程式設計語言及諸如「C」程式設計語言或類似程式設計語言之習知程序性程式設計語言。程式碼可完全地在使用者電腦上執行、部分地在使用者電腦上執行、作為獨立套裝軟體而執行、部分地在使用者電腦上執行且部分地在遠端電腦上執行，或完全在遠端電腦或伺服器上執行。在完全地在遠端電腦或伺服器上執行的情形中，遠端電腦可經由任一類型之網路(包括區域網路(LAN)或廣域網路(WAN))連接至使用者電腦，或可進行至外部電腦之連接(例如，使用網際網路服務提供者，經由網際網路)。
下文參考根據本發明之實施例之方法、裝置(系統)及電腦程式產品的流程圖說明及/或方塊圖來描述本發明之態樣。應理解，可由電腦程式指令來實施該等流程圖說明及/或方塊圖之每一方塊及該等流程圖說明及/或方塊圖中之方塊的組合。可將此等電腦程式指令提供至通用電腦、專用電腦或其他可程式化資料處理裝置之處理器以產生機器，使得經由該電腦或其他可程式化資料處理裝置之處理器而執行之指令創造用於實施在該或該等流程圖及/或方塊圖方塊中所指定之功能/動作之構件。
亦可將此等電腦程式指令儲存於電腦可讀媒體中，其可指導電腦、其他可程式化資料處理裝置或其他器件以特定方式發揮作用，使得儲存於該電腦可讀媒體中之指令產生製造物件，該製造物件包括實施在該或該等流程圖及/或方塊圖方塊中所指定之功能/動作的指令。
亦可將該等電腦程式指令載入至電腦、其他可程式化資料處理裝置或其他器件上，以使一系列操作步驟在該電腦、其他可程式化裝置或其他器件上執行以產生電腦實施處理程序，使得在該電腦或其他可程式化裝置上執行之指令提供用於實施在該或該等流程圖及/或方塊圖方塊中所指定之功能/動作的處理程序。
現參看圖1，其為根據本發明之一些實施例的基於繪製具有均質或非均質超音波輻射吸收之組織(為簡潔起見，本文中被稱作非均質組織)的US影像中之衰減特徵之分析對一或多個可疑ROI分類的方法100之流程圖。衰減特徵為可疑ROI及/或其子區域(亦被稱作斑點)之特徵。此等衰減特徵視情況自可疑ROI之衰減圖提取出。
亦參看圖2，其為根據本發明之一些實施例的(例如)藉由實施圖1中所描繪之方法對在繪製非均質組織(諸如，乳房組織、甲狀腺組織、結腸組織及前列腺組織)之超音波影像中的一或多個ROI分類之系統之組件之圖解說明。如圖示，軟體組件包括用於自超音波模態71及/或儲存庫72(視情況，經由網路)接收超音波影像之一輸入介面61、一ROI模組63、一衰減繪製模組64及一分類模組65。
超音波模態71視情況為基於背向散射產生超音波影像之B型掃描超音波檢查術模態。
該等方法及系統係基於聲學特徵之分析，即，用以在惡性組織與良性組織之間區分的聲學組織衰減量測。藉由以斷層射影方式使用超音波(US)之傳輸而計算組織衰減。
首先，如101處所展示，例如，自超音波模態71(例如，B型掃描模態)及/或自儲存庫72(例如，醫學資料庫)提供非均質組織(諸如，乳房組織)之超音波(US)影像。視情況，US影像在不修改影像獲取過程及/或所使用之硬體的情況下而擷取之習知B型掃描影像。
現如102處所展示，在US影像中識別可疑ROI。可疑ROI可由醫 師及/或操作者手動標記。舉例而言，ROI標記模組63設定成呈現圖形使用者介面(GUI)，該GUI允許使用者在用戶端終端機(諸如，桌上型電腦、膝上型電腦、平板電腦及/或類似者)之顯示器上的US影像之呈現上標記ROI，例如，藉由在其周圍繪製線(例如，見關於在圖4C中所呈現之US影像的在圖4B中所描繪之線)。在另一實施例中，ROI藉由US影像之影像處理自動識別，見(例如)關於US影像中之分段之調查：Noble及Boukerroui之「Ultrasound Image Segmentation：A Survey」，IEEE醫學成像匯刊，2006年8月第8期第25卷。
現在，如103處所展示，分析所標記之ROI及視情況其周圍之區以創造衰減圖，例如，由衰減繪製模組64。視情況，藉由在ROI中計算每一像素之局部衰減值來創造衰減圖。根據周圍區塊，視情況針對每一像素估計局部衰減值。視情況，除經移除之離群值(例如，像素顯著不同於區塊之中央像素處)之外，區塊之衰減假設為係均勻的。
視情況，將衰減圖呈現於(例如)顯示器上。衰減圖允許醫師在良性腫瘤與惡性腫瘤之間區分，且因此減少當前正進行的冗餘活檢體之數目。
視情況，衰減圖如下產生：對於ROI中及視情況周圍之每一像素：將周圍區塊大小定義成L×P；定義具有周圍區塊大小且含有像素及其周圍之複數個像素的周圍區塊之遮罩，(例如)使得該像素位於周圍區塊之中央處；根據遮罩中的像素之衰減值估計周圍區塊之區塊衰減值；及將區塊衰減值指派為像素之衰減圖值。
視情況，區塊衰減值為使用最小平方法計算出之區塊平均衰減。
視情況，將US影像之第n行及第m列中的像素之強度定義為如 下：
其中E 0 表示初始振幅，△表示像素之大小，及σ m；n 、α k,n 分別表示背向散射係數及衰減係數。在不損失一般性之情況下，假設△=1。此等效於僅改變衰減量測之單位。
估計在可疑ROI中及視情況圍繞可疑ROI之每個像素的α k,n 。衰減係數及背向散射係數假設為在每一像素之較附近處為恆定的。如以上所描述，附近被定義為圍繞每一像素具有LxP像素(例如，65×17像素)之周圍區塊。若在此區塊中衰減係均勻的，則等式1簡化為：等式2：E j,i =E i e -2(j-1)α
其中，E j,i 表示區塊之(j,i)像素中的強度且α表示區塊之像素的恆定衰減。
視情況，遮罩用以判定像素具有恆定衰減的位置。視情況，針對全部範圍內像素識別遮罩，例如，區塊中最接近中央像素之強度在約3分貝(dB)內之全部像素。接著，將周邊連接之非零像素多維物件(本文中被稱作非零斑點)自遮罩移除。舉例而言，移除距主斑點之距離超過4個像素之任何非零斑點。
由於遮罩指示具有均質衰減之子區域，因此等式2中之模型適用於由遮罩指示之全部像素。因此，可將成本函數定義為區塊之平方差之總和(在全部像素上)，其中恆定衰減假設係合理的。接著，等式2僅應用於此遮罩上之像素。
圖3A至圖3C為圍繞某一像素301之一例示性區塊、施加至該例示性區塊上之遮罩及移除周邊斑點之後的經處理之遮罩之影像，見下文：
其中Ω i 表示遮罩之第i行。目標為求出最小化此成本函數之E i 及α。視情況，該解限於其一階近似值。在α<<1之假設下，此限制係適當的，使得等式3中之指數較小。由於多數生物組織之衰減值很少高於每像素0.01奈培，因此此假設有效。等式3之一階近似值為：
其中k i 表示遮罩之第i th 行上的非零像素之數目，且定義如下：
使用此記數法，易於看到根據E i 將C(E i ；α)之導數設定為零且使用一階近似值得到：
將等式5代入等式4且僅保留一階α而得到α之簡單平方函數，其單一全局極小值為：
其中Ω (j,i 表示遮罩中之(j,i)像素，且D i =(b i -E 1,i ,...,b i -E L,i ) T 、B i =2(Ω 1,iCi ,...,Ω L,i (c i -(L-1)b i )...) T
將估計之衰減值α僅指派給中央像素且並非整個區塊。針對ROI中及周圍之每一像素執行此計算得到衰減圖。舉例而言，圖4C為根據關於圖4A中所呈現之US影像的在圖4B中由醫師標記之可疑ROI產生的衰減圖之影像。
現在，如104處所展示，可根據衰減圖計算可疑ROI中的可疑ROI及/或子區域之一或多個衰減特徵。視情況，衰減特徵屬於可疑ROI之一或多個子區域。
現參看圖5A至圖5D，其為描繪良性腫瘤的ROI之衰減圖之實例，及參看圖5E至圖5H，其為描繪惡性腫瘤的ROI之衰減圖之實例。每一ROI由線環繞。如在圖5E至圖5H中可觀察，當總體結構為非均質 時，惡性腫瘤具有相對大片的高衰減。如此等圖中所描繪，歸因於失真，諸如，時間增益補償(TGC)，衰減圖係相對的而非絕對的，其中零衰減預期針對健康組織，且較高衰減值預期針對惡性腫瘤。應關注，同一方法可用於無TGC的獲取之影像。
亦參照可用以對可疑ROI分類之一組特徵：
視情況，為量化特徵1及特徵2，使用抑制溫和極大值之H極大值變換處理衰減圖。對於特徵編號1，藉由將臨限值，視情況為固定臨限值(例如，10-3奈培/像素)應用至變平滑之圖上，同時過濾具有過小面積之斑點而識別相對高衰減之子區域。對於特徵編號2，視情況分析變平滑之圖中的具有均勻衰減之兩個區域。第一區域由其值等於變平滑之衰減圖之中位值的全部像素組成，且第二區域類似地定義為其值等於不在第一區域中的像素之中位值的全部像素。圖5A至圖5D為US影像中的可疑ROI及各別均勻衰減區域之例示性影像。圖6A為描繪良性腫瘤且與可疑ROI對應之US影像段，圖6B描繪所描繪之線標記腫瘤邊界之衰減圖，及圖6C及圖6D為衰減圖之變平滑之版本及具有表示均勻衰減區域之彩色區域的衰減圖之變平滑之版本。
視情況，根據影像中之衰減值識別特徵3。特徵編號4檢查衰減靠近最大值處之面積。因此，假影被過濾掉，同時忽略僅在較少數目 個隔離像素中出現之最大值。
視情況，特徵取決於ROI之大小。舉例而言，當應對較小腫瘤時，對於特徵3之最小可接受強度及H極大值變換之參數較小。此係歸因於以下實情：對於較小腫瘤，衰減估計準確性較低。
現在，如105處所展示，根據一或多個特徵(例如，根據組合特徵)對可疑ROI分類。視情況，加權該等特徵。分類可為二元的，例如，在惡性腫瘤與良性腫瘤之間區分。分類可為指示腫瘤為惡性及/或良性之概率的記分。視情況，將分類(例如)作為US影像之顯示上的覆疊片呈現給使用者。
視情況，如106處所展示，反覆地重複102至105中所描繪之過程，每次針對另一可疑ROI。在此等實施例中，可獨立地分析影像中之多個可疑ROI。
圖7A至圖7E描繪根據本發明之一些實施例的用以實施衰減特徵之以上分析的軟體程式碼。
根據本發明之一些實施例，US影像為(例如)使用三維(3D)US模態成像之3D影像。在此等實施例中，可疑ROI為由醫師及/或另一操作者自動、半自動(例如，需要使用者批准之自動識別)或手動識別的具有寬度、長度及深度之容積ROI。
視情況，如107處所展示，反覆地重複102至105及(視情況)106中所描繪之過程，每次針對可疑容積ROI之另一截塊影像。在此等實施例中，可獨立地分析影像中之多個可疑ROI。在另一實施例中，對每一截塊獨立地執行103，同時對覆蓋3D腫瘤之容積可疑ROI上執行分段、特徵識別及鈣化。
視情況，如108處所展示，將一或多個可疑ROI之分類呈現給使用者，例如，在顯示器上，例如，作為藉由各別US影像呈現之資訊覆疊片及/或作為為使用者產生的報告。視情況，對於同一腫瘤之若 干視圖執行相同分析，同時執行表決以便組合每一視圖之結果。
如以上所描述之方法用於製造積體電路晶片。
圖中之流程圖及方塊圖說明根據本發明之各種實施例的系統、方法及電腦程式產品之可能實施的架構、功能性及操作。就此而言，流程圖或方塊圖中之每一方塊可表示程式碼之模組、區段或部分，其包含用於實施指定邏輯功能的一或多個可執行指令。亦應關注，在一些替代實施中，方塊中所提到之功能可不以諸圖中所提到之次序發生。舉例而言，取決於所涉及之功能性，連續展示之兩個方塊實際上可實質上同時執行，或該等方塊有時可以相反次序執行。亦應關注，可藉由執行指定功能或動作的基於專用硬體之系統或專用硬體與電腦指令之組合來實施方塊圖及/或流程圖說明之每一方塊及方塊圖及/或流程圖說明中之方塊的組合。
本發明之各種實施例之描述已出於說明目的而呈現，但並不意欲為詳盡的或限於所揭示之實施例。在不脫離所描述之實施例的範疇及精神的情況下，許多修改及變化對熟習此項技術者而言將係顯而易見的。選擇本文中所使用之術語以最佳地解釋實施例之原理、實務應用或對在市場中發現之技術的技藝改良，或使一般技術者能夠理解本文中所揭示之實施例。
預期，在自本申請起到期的專利期內，許多相關方法及系統將被開發，且術語處理器、模組、US影像、B型掃描及超音波模態的範疇意欲包括所有此等先驗的新技術。
如本文中所使用，術語「約」指的是±10%。
術語「包含」、「包括」、「具有」及其詞性變化意謂「包括但不限於」。此術語涵蓋術語「由……組成」及「基本上由……組成」。
片語「基本上由……組成」意謂組合物或方法可包括額外成份及/或步驟，但僅在額外成份及/或步驟不會實質上更改所主張之組合 物或方法之基本及新穎特性時。
如本文中所使用，單數形式「一」、「一個」及「該」包括複數形式，除非上下文另有清晰指出。舉例而言，術語「化合物」或「至少一化合物」可包括複數個化合物，包括其混合物。
詞「例示性」在本文中用以意謂「充當實例、個例子或例子」。描述為「例示性」之任一實施例未必應視為比其他實施例較佳或有利及/或排除併有來自其他實施例之特徵。
詞「視情況」在本文中用以意謂「在一些實施例中提供且在其他實施例中未提供」。本發明之任一特定實施例可包括複數個「視情況」特徵，除非此等特徵發生衝突。
貫穿本申請案，本發明之各種實施例可以範圍格式呈現。應理解，呈範圍格式之描述僅僅出於方便且簡潔起見，且不應視為對本發明之範疇的固定限制。因此，範圍之描述應被視為已特定地揭示出在彼範圍內之所有可能子範圍以及個別數值。舉例而言，諸如自1至6之範圍的描述應被視為已特定揭示諸如自1至3、自1至4、自1至5、自2至4、自2至6、自3至6等之子範圍，以及在彼範圍內之個別數目，例如，1、2、3、4、5及6。此情況之適用與該範圍之寬度無關。
當在本文中指示數值範圍時，其意謂包括所指示範圍內之任何引用數字(分數或整數)。片語「範圍介於」第一指示數目與第二指示數目之間及「範圍自」第一指示數目「至」第二指示數目本文中互換地使用且意謂包括該第一指示數目及該第二指示數目及該兩者之間的所有分數及整數數字。
應瞭解，為清楚起見，在獨立實施例之上下文中描述的本發明之某些特徵亦可在單一實施例中組合提供。相反地，為簡潔起見，在單一實施例之上下文中描述的本發明之各種實施例亦可獨立地或以任何合適子組合提供，或在本發明之任何其他所描述之實施例中合適地 提供。在各種實施例之上下文中描述的某些特徵不應被視為彼等實施例之基本特徵，除非該等實施例在無彼等元素之情況下無法操作。
儘管已結合本發明之具體實施例描述了本發明，但顯然，許多替代、修改及變化將對熟習此項技術者顯而易見。因此，本發明意欲涵蓋屬於隨附申請專利範圍之精神及廣泛範疇的所有此等替代、修改及變化。
在本說明書中提到之所有公開案、專利及專利申請案被以引用的方式全部併入於本說明書中，正如每一個別公開案、專利或專利申請案經特定及個別地指示被以引用的方式併入本文中一般。此外，本申請案中對任何參考之引用或識別不應被視為許可此參考可用作本發明之先前技術。就使用段落標題而言，其不應被視為必要的限制性。
100‧‧‧基於繪製具有均質或非均質超音波輻射吸收之組織的US影像中之衰減特徵之分析對一或多個可疑ROI分類的方法

Claims (19)

  1. 一種對在繪製一患者之一組織的一超音波衰減影像中之至少一可疑關注區域(ROI)分類之電腦化方法，其包含：接收一組織之一超音波(US)影像；識別該US影像中之一可疑關注區域(ROI)；產生該可疑ROI之一衰減圖；根據該衰減圖之一分析，量測該可疑ROI及該可疑ROI中之至少一子區域中的至少一者之至少一衰減特徵，其中該至少一衰減特徵為該可疑ROI之面積與其具有高於一預定義等級之一像素衰減值的複數個子區域之一比率；及根據該至少一衰減特徵對該可疑ROI分類。
  2. 如請求項1之電腦化方法，其中該組織為具有非均質超音波輻射吸收之一非均質組織。
  3. 如請求項1之電腦化方法，其中該至少一衰減特徵為該可疑ROI之一部分的一尺寸，該部分包括具有一相對均勻之像素衰減值的複數個子區域。
  4. 如請求項1之電腦化方法，其中該至少一衰減特徵為該可疑ROI之一部分的一最大衰減值。
  5. 如請求項1之電腦化方法，其中該至少一衰減特徵為該可疑ROI之一部分的一尺寸，該部分包括高於該可疑ROI之一像素之一最大衰減值的一累積像素衰減值。
  6. 如請求項1之電腦化方法，其中該至少一衰減特徵為該可疑ROI之包括一負累積像素衰減值的一部分之一尺寸。
  7. 如請求項1之電腦化方法，其中該至少一衰減特徵為該可疑ROI之大小。
  8. 如請求項1之電腦化方法，其中該產生包含，對於該可疑ROI之每一像素：定義含有該各別像素及其周圍之複數個像素的一周圍區塊，及將根據該複數個像素之衰減值之一組合計算之一衰減圖值指派給該各別像素。
  9. 如請求項1之電腦化方法，其中該衰減圖繪製該可疑ROI之一些像素相對於該可疑ROI之其他像素的衰減等級。
  10. 如請求項1之電腦化方法，其中該產生包含：產生該衰減圖以繪製在該可疑ROI中及其周圍之一區中的衰減。
  11. 如請求項1之電腦化方法，其中該識別包含：由一使用者標記該可疑ROI。
  12. 如請求項1之電腦化方法，其中由一B型掃描超音波檢查術模態獲取該US影像。
  13. 如請求項1之電腦化方法，其中該量測包含：藉由以下步驟來計算該至少一衰減特徵：應用一衰減臨限值以識別該可疑ROI中之複數個高衰減子區域，計算複數個集合，每一集合包括該等高衰減子區域中之另一者的複數個特徵，藉由組合該複數個集合計算該衰減等級變化性量測。
  14. 如請求項1之電腦化方法，其進一步包含輸出將該分類呈現給一使用者之一顯示。
  15. 如請求項1之電腦化方法，其中該US影像為一三維(3D)US影像且該可疑ROI為一可疑3D ROI；其中該產生包含對於該可疑3D ROI之複數個截塊中之每一者產生一衰減圖；其中在每個該截塊 執行該量測，且根據每一該截塊之每一該至少一衰減特徵之一組合執行該分類。
  16. 一種對在繪製一患者之一組織的一超音波衰減影像中之至少一可疑關注區域(ROI)分類之系統，其包含：一處理器；一輸入模組，其接收組織之一US影像；ROI模組，其識別在該US影像中之一可疑關注區域(ROI)；一衰減繪製模組，其產生該ROI之一衰減圖；及一分類模組，其根據該可疑ROI中之至少一子區域之至少一衰減特徵對該可疑ROI分類，該至少一衰減特徵係根據該衰減圖之一分析而識別，其中該至少一衰減特徵為該可疑ROI之面積與其具有高於一預定義等級之一像素衰減值的複數個子區域之一比率。
  17. 如請求項16之系統，其中該組織為具有非均質超音波輻射吸收之一非均質組織。
  18. 如請求項16之系統，其進一步包含用於呈現與該US影像相關聯之該分類的一顯示器。
  19. 一種對在繪製一患者之一組織的一超音波衰減影像中之至少一可疑關注區域(ROI)分類之電腦程式產品，其包含：一非暫時性電腦可讀儲存媒體；接收一組織之一US影像之第一程式指令；識別該US影像中之一可疑關注區域(ROI)之第二程式指令；產生該可疑ROI之一衰減圖之第三程式指令；根據該衰減圖之一分析量測該可疑ROI及該可疑ROI中之至少一子區域中的至少一者之至少一衰減特徵之第四程式指令，其中該至少一衰減特徵為該可疑ROI之面積與其具有高於 一預定義等級之一像素衰減值的複數個子區域之一比率；及根據該至少一衰減特徵對該可疑ROI分類之第五程式指令；其中該第一程式指令、該第二程式指令、該第三程式指令、該第四程式指令及該第五程式指令儲存於該非暫時性電腦可讀儲存媒體上。
TW102125295A 2012-07-26 2013-07-15 對患者組織超音波衰減影像中可疑關注區域分類之方法、裝置和電腦程式產品 TWI552013B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US13/558,372 US8781202B2 (en) 2012-07-26 2012-07-26 Tumor classification based on an analysis of a related ultrasonic attenuation map

Publications (2)

Publication Number Publication Date
TW201426379A TW201426379A (zh) 2014-07-01
TWI552013B true TWI552013B (zh) 2016-10-01

Family

ID=49994935

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102125295A TWI552013B (zh) 2012-07-26 2013-07-15 對患者組織超音波衰減影像中可疑關注區域分類之方法、裝置和電腦程式產品

Country Status (4)

Country Link
US (1) US8781202B2 (zh)
CN (1) CN104321020B (zh)
TW (1) TWI552013B (zh)
WO (1) WO2014015424A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI683276B (zh) * 2017-11-10 2020-01-21 太豪生醫股份有限公司 病灶偵測裝置及其方法
TWI814268B (zh) * 2021-03-15 2023-09-01 日商歐姆龍股份有限公司 資料生成裝置、資料生成方法及電腦程式產品

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102154733B1 (ko) * 2013-01-16 2020-09-11 삼성전자주식회사 의료 영상을 이용하여 대상체에 악성 종양이 존재하는지 여부를 예측하는 장치 및 방법
KR20150131018A (ko) * 2013-03-15 2015-11-24 세노 메디컬 인스투르먼츠 인코포레이티드 진단 벡터 분류 지원을 위한 시스템 및 방법
KR20150080820A (ko) * 2014-01-02 2015-07-10 삼성전자주식회사 관심 영역 표시 장치 및 방법
CN104143101A (zh) * 2014-07-01 2014-11-12 华南理工大学 一种基于超声图像的乳腺肿瘤区域自动识别方法
JP7085470B2 (ja) * 2015-09-01 2022-06-16 デルフィヌス メディカル テクノロジーズ， インコーポレイテッド 超音波波形断層撮影方法を用いた組織撮像および分析
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
US10672115B2 (en) 2016-12-06 2020-06-02 Siemens Corporation Weakly supervised anomaly detection and segmentation in images
CN109308488B (zh) * 2018-08-30 2022-05-03 深圳大学 乳腺超声图像处理装置、方法、计算机设备及存储介质
WO2020113397A1 (zh) * 2018-12-04 2020-06-11 深圳迈瑞生物医疗电子股份有限公司 一种超声成像方法以及超声成像系统
US12016730B2 (en) 2019-01-24 2024-06-25 Koninklijke Philips N.V. Ultrasonic imaging of acoustic attenuation coefficients with confidence estimation
WO2020206337A1 (en) * 2019-04-03 2020-10-08 The Board Of Trustees Of The Leland Stanford Junior University Methods and systems for cystoscopic imaging incorporating machine learning

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5627906A (en) * 1990-12-31 1997-05-06 International Business Machines Corporation Image processing system for producing an attenuation map of a scanned image
US5806521A (en) * 1996-03-26 1998-09-15 Sandia Corporation Composite ultrasound imaging apparatus and method
US20030095692A1 (en) * 2001-11-20 2003-05-22 General Electric Company Method and system for lung disease detection
TW201023836A (en) * 2008-12-16 2010-07-01 Ind Tech Res Inst Apparatus and method for providing a dynamic 3D ultrasound image
TW201114431A (en) * 2009-09-18 2011-05-01 Kominox Usa Inc Methods for treating brain tumors
TW201126361A (en) * 2010-01-25 2011-08-01 Amcad Biomed Corp Method for retrieving a tumor contour of an image processing system
EP2359745A1 (en) * 2010-02-12 2011-08-24 Helmholtz Zentrum München Deutsches Forschungszentrum für Gesundheit und Umwelt (GmbH) Method and device for multi-spectral photonic imaging

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6117080A (en) 1997-06-04 2000-09-12 Atl Ultrasound Ultrasonic imaging apparatus and method for breast cancer diagnosis with the use of volume rendering
US6878115B2 (en) 2002-03-28 2005-04-12 Ultrasound Detection Systems, Llc Three-dimensional ultrasound computed tomography imaging system
US7248725B2 (en) * 2004-01-07 2007-07-24 Ramot At Tel Avia University Ltd. Methods and apparatus for analyzing ultrasound images
JP2008507372A (ja) * 2004-07-26 2008-03-13 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 自動化された疑わしいオブジェクト境界判定のためのシステム及び方法
US8834371B2 (en) 2005-03-31 2014-09-16 Kabushiki Kaisha Toshiba Ultrasound diagnostic apparatus and ultrasound image processing program
US20100266179A1 (en) 2005-05-25 2010-10-21 Ramsay Thomas E System and method for texture visualization and image analysis to differentiate between malignant and benign lesions
US8376947B2 (en) * 2008-03-26 2013-02-19 Bioquantetics, Inc. Application of image-based dynamic ultrasound spectrography (IDUS) in detection and localization of breast microcalcifcation
CN101336831B (zh) * 2008-08-13 2010-09-01 汕头市超声仪器研究所有限公司 实时三维医学超声图像的重建方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5627906A (en) * 1990-12-31 1997-05-06 International Business Machines Corporation Image processing system for producing an attenuation map of a scanned image
US5806521A (en) * 1996-03-26 1998-09-15 Sandia Corporation Composite ultrasound imaging apparatus and method
US20030095692A1 (en) * 2001-11-20 2003-05-22 General Electric Company Method and system for lung disease detection
TW201023836A (en) * 2008-12-16 2010-07-01 Ind Tech Res Inst Apparatus and method for providing a dynamic 3D ultrasound image
TW201114431A (en) * 2009-09-18 2011-05-01 Kominox Usa Inc Methods for treating brain tumors
TW201126361A (en) * 2010-01-25 2011-08-01 Amcad Biomed Corp Method for retrieving a tumor contour of an image processing system
EP2359745A1 (en) * 2010-02-12 2011-08-24 Helmholtz Zentrum München Deutsches Forschungszentrum für Gesundheit und Umwelt (GmbH) Method and device for multi-spectral photonic imaging

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI683276B (zh) * 2017-11-10 2020-01-21 太豪生醫股份有限公司 病灶偵測裝置及其方法
US10650557B2 (en) 2017-11-10 2020-05-12 Taihao Medical Inc. Focus detection apparatus and method thereof
TWI814268B (zh) * 2021-03-15 2023-09-01 日商歐姆龍股份有限公司 資料生成裝置、資料生成方法及電腦程式產品

Also Published As

Publication number Publication date
WO2014015424A1 (en) 2014-01-30
US8781202B2 (en) 2014-07-15
CN104321020B (zh) 2017-02-22
US20140029817A1 (en) 2014-01-30
TW201426379A (zh) 2014-07-01
CN104321020A (zh) 2015-01-28

Similar Documents

Publication Publication Date Title
TWI552013B (zh) 對患者組織超音波衰減影像中可疑關注區域分類之方法、裝置和電腦程式產品
Mesejo et al. Computer-aided classification of gastrointestinal lesions in regular colonoscopy
Yip et al. Application of the 3D slicer chest imaging platform segmentation algorithm for large lung nodule delineation
Basile et al. Microcalcification detection in full-field digital mammograms: A fully automated computer-aided system
Chan et al. Computer‐aided detection of masses in digital tomosynthesis mammography: Comparison of three approaches
Malik et al. Objective breast tissue image classification using quantitative transmission ultrasound tomography
Van Schie et al. Mass detection in reconstructed digital breast tomosynthesis volumes with a computer‐aided detection system trained on 2D mammograms
US20150356730A1 (en) Quantitative predictors of tumor severity
KR102251245B1 (ko) 관심 영역별 추가 정보 제공 장치 및 방법
JP2009516551A (ja) 医用画像の定量的および定性的なコンピュータ支援分析方法およびシステム
CN110430819A (zh) 用于超声断层成像的波形增强反射和边缘边界表征
Drukker et al. Computerized detection of breast cancer on automated breast ultrasound imaging of women with dense breasts
US11026641B2 (en) System and method for tomography-based radiomic mass analysis
JP6256954B2 (ja) 乳房画像病変検出システム、乳房画像病変検出方法、乳房画像病変検出プログラムおよび乳房画像病変検出プログラムを記録したコンピュータ読み取り可能な記録媒体
US9361711B2 (en) Lesion-type specific reconstruction and display of digital breast tomosynthesis volumes
Srivastava Research developments in computer vision and image processing: methodologies and applications: methodologies and applications
JP2020535924A (ja) 診断撮像における画像特徴のアノテーション
Domingues et al. Computer vision in esophageal cancer: a literature review
US20060047227A1 (en) System and method for colon wall extraction in the presence of tagged fecal matter or collapsed colon regions
CA3047972A1 (en) Method and system of performing medical treatment outcome assessment or medical condition diagnostic
Kang et al. Ex vivo estimation of photoacoustic imaging for detecting thyroid microcalcifications
Kaur et al. Computer-aided diagnosis of renal lesions in CT images: a comprehensive survey and future prospects
Kuo et al. Segmentation of breast masses on dedicated breast computed tomography and three-dimensional breast ultrasound images
WO2013151749A1 (en) System, method, and computer accessible medium for volumetric texture analysis for computer aided detection and diagnosis of polyps
Khanna A Review of AI Devices in Cancer Radiology for Breast and Lung Imaging and Diagnosis