专利名称：一种乳腺肿块、钙化良恶自动识别及定量化影像评价系统的制作方法
技术领域：
本发明属于乳腺病的医疗诊断器械，特别是涉及一种乳腺肿块、钙化良恶自动识 别及定量化影像(钼靶、超声、核磁)评价系统，包含影像数据分割提取和基于临床病理数 据影像数据的数理建模；本发明系统适用于一般性的临床辅助诊断和普查。
背景技术：
乳腺影像学检查，特别是乳腺钼靶摄片为乳腺肿瘤的诊断、分期、疗效评价的判断 提供重要依据，已应用于乳腺普查。遗憾的是在当前临床诊断中，常规影像诊断仅仅局限 于肿瘤尺度大小及简单形状因子的测量和一些定性评估，即使是某些能使用国外图像处理 软件Image-Pro Plus进行手动计算的医生或医务科研人员，由于各自对图片的处理水平不 同，甚至同一人不同操作次数，得到的结果差异较大。随着医学图像定量分析技术的不断提高，在肿瘤的基础研究中也需要通过图像定 量分析来评价不同肿瘤类别的生长与扩散特征。特别是分形概念被更多的研究者接受，如 肿瘤边界几何分形维对评价肿瘤在生长扩散过程中与其周边组织的营养交流和开放程度 十分重要；而复杂分形维则可以揭露肿物内部生长裂变的重要信息如异质性等。这一技术 的应用已经显示出其独到的价值。分形技术以及相关的图形分析手段逐渐被应用到多种肿 瘤医学影像分析及肿瘤病情的危险率评估中来，并取得了一些对肿瘤基础理论研究及临床 诊断有重要参考价值的结果。从分形数学和非线性物理的角度来看，肿瘤内部癌细胞子代 的分裂、演变可由复杂分形表征，肿瘤边界轮廓的分形维数是表征肿瘤生长扩散后的边界 轮廓的复杂性。良恶性肿瘤存在不同的扩散与生长方式。本发明考查乳腺肿瘤生长扩散参数，如 边界轮廓分形维、肿瘤内部的复杂分形维、异质性及包块化程度等，并综合乳腺病变钙化特 征，及临床特征性征象，提供一种简洁有效的实用性肿瘤影像量化评估方法，计算出肿瘤良 恶性预测数值，供临床参考。
发明内容
本发明的目的在于克服现有乳腺钼靶片(核磁、超声)影像诊断缺乏定量化评价 指标的问题，提供一种乳腺病变定量化影像辅助诊断评价系统，该定量化影像评价系统可 对乳腺钼靶片(核磁、超声)图像进行定量化分析，提供乳腺病变良恶性预测值。本发明计 算机辅助诊断(CAD)系统对肿块、钙化的识别采用一键式操作，方便快捷，对同一图片的操 作计算结果，不会因人而异。本发明采用的技术方案如下—种乳腺病变定量化影像评价系统，其采用分形技术以及图形分析手段应用于肿 瘤医学影像分析及肿瘤病情的危险率评估中，建立并采用了乳腺病变细胞生长扩散的非线 性数据模型，所述非线性数据模型包含了乳腺肿瘤生长扩散形态特征参数、钙化形态特征 参数以及临床参数。
上述技术方案中，肿瘤生长扩散形态特征参数的权重比为0. 1 1. 0，钙化形态特 征参数的权重比为0.001 1. 0 ；临床病理分级参数的权重比为0. 1 1. 0。所述肿瘤生长扩散形态特征参数主要包括肿瘤复杂分形Mf、肿瘤边界几何分形维 Df ；临床参数包括病人的年龄Y、乳头溢液U、乳腺病史及哺育史V。所述钙化形态特征参数主要包括钙化斑点的钙化密度P、钙化斑点的最小外接矩 形框测度S、沙粒钙化斑比例Ns。所述临床参数主要包括病人年龄y、病情的临床诊断分级\。本发明所述非线性数据模型包括多因素线性拟合回归数学建模，通过对肿瘤生长 扩散形态特征参数和临床参数进行不同权重分析，筛选出最能符合临床病情数据的肿物分 级判断回归方程(1)Ye = a*DF+b*MF+c*y+d*P+e*H (1)其中a、b、c、d、e为回归权重系数，Ye是预测性病理分级。结合临床参数对礼、Df做如下修正，得到如下拟合方程(2)和(3):Mmul = y*MF+f，(2)Fsimp = y*DF+g，(3)其中，Mmul是经修正后的复杂分形维；Fsimp是经修正后的边界分形维；y是年龄修正 系数，f、g是用本CAD计算的大量经手术活检图片数据回归分析得到的参数，y是病人年龄 参数。得到基于经手术活检得到的良恶阈值数据与临床影像形态数据的拟合方程(4) 和逻辑方程(5)P = Nghb/S ； (4)E = Mmul|Fsimp|y*P&Ns;(5)其中，Ns为沙粒钙化斑比例；P是钙化斑的钙化密度；E为预测性病理良恶。本发明CAD系统具体操作包括如下步骤(1)对临床乳腺钼靶(核磁、超声)摄片进行预处理，统一图像为灰8度，统一扣除 背景和背景补偿，统一滤除皮肤边缘假钙化、假肿块，自动方式获取乳腺钼靶(核磁、超声) 摄片的病灶区/感兴趣区；(2)计算经预处理后的感兴趣区的肿瘤生长扩散形态特征参数，肿物参数包括肿 物与正常组织之间的边界的几何分形维Df、肿块内部的复杂分形Mf、肿物内部的异质性H、 肿块等效直径D ；钙化特征参数主要包括钙化斑点的钙化密度P、钙化斑点的最小外接矩形 框测度S、沙粒钙化斑比例Ns ；以及乳腺外观形貌的特征的局限性不对称致密比较、乳头回 缩、皮肤增厚、结构扭曲等乳腺外观形貌影像参数；(3)引入包括病人的年龄y、乳头溢液U、乳腺病例史V临床参数，并结合提取的病 灶影像特征参数和乳腺外观形貌影像参数，基于所建的数理模型计算，给出预测性病情分 期分析和良恶性判断。本发明CAD系统具有如下有益效果本发明的乳腺病变定量化影像评价系统，为全图形界面；可导入钼靶、核磁、超声 影像数据且操作方便(一键操作)；乳腺病变生长扩散的非线形数据模型，包含了乳腺肿瘤 生长扩散定量参数、钙化参数以及临床参数。在数理建模中，本发明采用了具有学习功能的人工智能编程技术，可以通过结合临床结果定期对新增病例筛选，进一步提高本发明CAD 系统的判断精度。本发明计算出乳腺钼靶片(包括核磁共振及超声影像)病变的良恶性预测数值， 不仅可应用于乳腺疾病影像临床辅助诊断，也可用于基于钼靶影像的乳腺摄片普查。
图1A、图IB及图IC分别为实施例的钼靶片自动识别肿块示例图。图2A及图2B分别为单纯性钙化钼靶图。图3A及图3B分别为超声片识别肿块实施例示例图。图4A及图4B分别为核磁共振MRI片识别肿块示例图。
具体实施例方式下面通过实施例对本发明做进一步的说明。其中实施例1 9，涉及到操作具体步骤(1) (3)方案的应用内容，引用各图做 辅助性说明。实施例1为肿块加钙化斑复合类型钼靶图像分析；实施例2为单纯性钙化斑 钼靶图像分析；实施例3和4为钼靶图像分析；实施例6和7为超声图像分析；实施例8和 9为核磁共振图像分析。实施例1病人A 年龄80岁临床诊断无乳头溢液恶性乳腺癌2级使用CAD系统，自动获取乳腺钼靶摄片的良性及恶性肿瘤感兴趣区。图1A、图IB 和图IC分别是钼靶片自动识别肿块示例图，图中左图是原始钼靶片，其中红色曲线包围的 区域是CAD自动识别出的恶性肿块，与左图拼在一起的中间图是放大的钙化区域截图，右 图是CAD自动提取的钙化斑，黄色矩形框是钙化区域的外接矩形框。当无黄色矩形框自动 出现，表明图像中无钙化斑(如图1C)，一旦黄色矩形框自动出现，表明有微钙化斑的存在， 即使黄色矩形框中观察不到明显的钙化斑(如图1B)，说明出现了一个像素尺度附近的极 细小的沙粒钙化斑被本CAD系统捕获，但太细小而不能被肉眼察觉。所挖掘提取的全部影 像参数值位于CAD系统图形界面底部区域，根据内建模型得出的评价参考位于CAD系统图 形界面底部右下角区域。根据CAD计算得到图IA中的肿块参数分形维Df = 1. 2033，异质性H = O. 3762， 多重分形维Mf = 0. 0909，钙化参数钙化密度P = O. 0914，钙化斑个数N = 7，沙粒钙化斑 Ns = 9. 324%。根据分级判断回归方程(1) :YE = a*DF+b*MF+C*y+d*P+e*H，根据肿瘤良恶判别逻 辑方程(5) :E = Mmul|Fsimp|y*P&Ns，联合分析判别。基于上述CAD系统的自动分析判断，图 IA被CAD判断为恶性右乳腺癌2级，影像评价结果与病理结果相符。实施例2病人B 年龄75岁临床诊断有乳头溢液恶性乳腺癌3级使用CAD系统，自动获取乳腺钼靶摄片的良性及恶性肿瘤感兴趣区。所处理的图 形类似实施例1中所述的图1A。左图是原钼靶片，中间是CAD自动识别的恶性钙化斑的放大 图，黄色矩形框是钙化斑最小外接矩形框。所挖掘提取的全部影像参数值位于CAD系统图形界面底部区域，根据内建模型得出的评价参考位于CAD系统图形界面底部右下角区域。根据CAD计算得到图IB中的肿块参数分形维Df = 1. 2459，异质性H = O. 4735， 多重分形维Mf = 0. 1364，钙化参数钙化密度P = O. 0378，钙化斑个数N = 14，沙粒钙化斑 Ns = 12. 066%根据分级判断回归方程(1) :YE = a*DF+b*MF+C*y+d*P+e*H，根据肿瘤良恶判别逻 辑方程(5) :E = Mmul|Fsimp|y*P&Ns，联合分析判别。基于上述CAD系统的自动分析判断，图 IB被CAD判断为恶性右乳腺癌3级，影像评价结果与病理结果相符。实施例3病人C 年龄44岁临床诊断有触疼乳腺炎根据CAD计算得到图IC中的肿块参数分形维Df = 0，异质性H = 0，多重分形维 Mf = 0，钙化参数钙化密度P = 0，钙化斑个数N = 0，沙粒钙化斑Ns = 0，由于CAD检查结果是没有肿块以及钙化斑，故计算结果全是0，判断结果为未发现 恶性肿块及钙化，与临床诊断相符(乳腺炎只是常见一般乳腺病)根据分级判断回归方程(1) :YE = a*DF+b*MF+C*y+d*P+e*H，根据肿瘤良恶判别逻 辑方程(5) :E = Mmul|Fsimp|y*P&Ns，联合分析判别。基于上述CAD系统的自动分析判断，图 IC被CAD判断为未发现恶性肿块及钙化，影像评价结果与病理结果相符。实施例4病人D 年龄33 ^ 临床i金断右^溢液，导管癌根据CAD计算得到图2A中的肿块参数分形维Df = 0，异质性H = 0，多重分形维 Mf = 0，钙化参数钙化密度P = O. 0901，钙化斑个数N = 30，沙粒钙化斑Ns = 8. 894%,由于CAD检查结果是没有肿块，故肿块计算结果全是0，仅以钙化数据判断。根据分级判断回归方程(1) :YE = a*DF+b*MF+C*y+d*P+e*H，根据肿瘤良恶判别逻 辑方程(5) :E = Mmul|Fsimp|y*P&Ns，联合分析判别。基于上述CAD系统的自动分析判断，图 2A被CAD判断为恶性右乳乳腺癌，影像评价结果与病理结果相符。实施例5病人D 年龄33岁临床诊断左乳lH常根据CAD计算得到图2B中的肿块参数分形维Df = 0，异质性H = 0，多重分形维 Mf = 0，钙化参数钙化密度P = 0，钙化斑个数N = 0，沙粒钙化斑Ns = 0，根据分级判断回归方程(1) :YE = a*DF+b*MF+C*y+d*P+e*H，根据肿瘤良恶判别逻 辑方程(5) :E = Mmul|Fsimp|y*P&Ns，联合分析判别。基于上述CAD系统的自动分析判断，图 2B被CAD判断为左乳未发现恶性肿块及钙化，该例与实施例4为同一病人，该病人临床诊断 结果为右乳导管癌恶性，左乳正常，影像评价结果与病理结果相符。实施例6病人E 年龄46岁临床诊断乳腺癌，2级根据CAD自动识别出肿块计算得到图3A中的肿块参数分形维Df= 1. 1844，异质 性H = O. 8792，多重分形维Mf = 0. 7812，钙化参数钙化密度P = 0，钙化斑个数N = 0，沙 粒钙化斑Ns = 0。由于超声对微钙化检出不敏感，故超声图片只做肿块监测。根据分级判断回归方程(1) :YE = a*DF+b*MF+C*y+d*P+e*H ，根据肿瘤良恶判别 逻辑程(5) :E = Mmul|Fsimp|y*P&Ns，联合分析判别。基于上述CAD系统的自动分析判断，图3A被CAD判断为恶性乳腺癌2级，影像评价结果与病理结果相符。实施例7病人F 年龄53 临床诊断良件肿瘤根据CAD自动识别出肿块计算得到图3B中的肿块参数分形维Df = 1. 1123，异质 性H = O. 7690，多重分形维Mf = 0. 9711，钙化参数钙化密度P = 0，钙化斑个数N = 0，沙 粒钙化斑Ns = 0。由于超声对微钙化检出不敏感，故超声图片只做肿块监测。根据分级判断回归方程(1) :YE = a*DF+b*MF+C*y+d*P+e*H，根据肿瘤良恶判别逻 辑程(5) :E = Mmul|Fsimp|y*P&Ns，联合分析判别。基于上述CAD系统的自动分析判断，图3B 被CAD判断为良性肿瘤，影像评价结果与病理结果相符。实施例8病人G 年龄66 临床诊断乳腺癌，恶件1级根据CAD自动识别出肿块计算得到图4A中的肿块参数分形维Df= 1. 1759，异质 性H = O. 8235，多重分形维Mf = 0. 3496，钙化参数钙化密度P = 0，钙化斑个数N = 0，沙 粒钙化斑Ns = 0，由于MRI对微钙化检出不敏感，故MRI图片只做肿块监测。根据分级判断回归方程(1) :YE = a*DF+b*MF+C*y+d*P+e*H，根据肿瘤良恶判别逻 辑方程(5) :E = Mmul|Fsimp|y*P&Ns，联合分析判别。基于上述CAD系统的自动分析判断，图 4A被CAD判断为恶性右乳乳腺癌，影像评价结果与病理结果相符。实施例9病人H:年龄52岁临床诊断良性根据CAD自动识别出肿块计算得到图4B中的肿块参数分形维Df= 1. 1568，异质 性H = O. 8276，多重分形维Mf = 0. 3612，钙化参数钙化密度P = 0，钙化斑个数N = 0，沙 粒钙化斑Ns = 0，由于MRI对微钙化检出不敏感，故MRI图片只做肿块监测。根据分级判断回归方程(1) :YE = a*DF+b*MF +c*y+d*P+e*H，根据肿瘤良恶判别逻 辑方程(5) :E = Mmul|Fsimp|y*P&Ns，联合分析判别。基于上述CAD系统的自动分析判断，图 4B被CAD判断为良性乳腺病变，影像评价结果与病理结果相符。以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故 凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修 改、等同变化与修饰，均仍属于本发明权利要求书所限定技术方案的范围内。
权利要求
一种乳腺肿块、钙化良恶自动识别及定量化影像评价系统，其采用分形技术以及图形分析手段应用于肿瘤医学影像分析及肿瘤病情的危险率评估中，建立并采用了乳腺肿瘤病变生长扩散的非线性数据模型。所述非线性数据模型包含了乳腺肿瘤生长扩散形态特征的复杂分形维MF、肿块边界几何分形维DF、肿块内部异质性H、钙化形态特征参数P，以及临床参数y、乳头溢液U、乳腺病史及哺育史V。其特征在于所述肿瘤生长扩散形态特征参数的权重比为0.1～1.0；钙化形态特征参数的权重比为0.001～1.0；临床病理分级参数的权重比为0.1～1.0。所述肿瘤生长扩散形态特征参数包括肿块内部复杂分形MF、肿块边界几何分形维DF、肿块内部异质性H；所述肿瘤钙化形态特征参数P；所述临床参数包括病人的年龄y、乳头溢液U、乳腺病史及哺育史V。所述非线性数据模型包括多因素线性拟合回归数学建模，通过对肿瘤生长扩散形态特征参数和临床参数进行不同权重分析，筛选出最能符合临床病情数据的回归方程，得到基于临床病理分级YC与临床影像形态数据的乳腺肿物判断回归方程YE＝a*DF+b*MF+c*y+d*P+e*H；(1)其中a、b、c、d、e为回归权重系数，YE是预测性病理分级。对MF、DF做如下修正，Mmul＝y*MF+f(2)Fsimp＝y*DF+g， (3)其中，Mmul是经修正后的复杂分形维；Fsimp是经修正后的边界分形维；y是年龄修正系数，f、g是选择经钼靶、MRI、超声设备相应经手术或活检证实的乳腺图片计算得到的统计分析对应数据。
2.根据权利要求1所述的乳腺肿块、钙化良恶自动识别及定量化影像评价系统，其特 征在于所述肿块特征参数有反映肿物内部生长异质性的复杂分形维Mf、反映肿物边界轮 廓粗糙开放程度边界分形维Df、反映钙化形态特征密度分布参数P、沙粒钙化斑比例Ns、以 及乳腺外观形貌的特征的局限性不对称致密比较、乳头回缩、皮肤增厚、结构扭曲等临床参 数；所述钙化形态特征参数包括钙化斑的钙化密度P、钙化斑个数Nghb和沙粒钙化斑比例 Ns ；钙化斑最小直径和钙化平均直径的测度Dmin、Dm_，钙化斑分布的完整区域的最小外接矩 形框测度S ；通过对钙化形态特征参数和临床参数进行不同权重分析，筛选出最能符合临 床病情数据的钙化斑判断拟合方程P = Nghb/S (4)。
3.根据权利要求2所述的乳腺肿块、钙化良恶自动识别及定量化影像评价系统，其特 征在于所述肿块、钙化斑判断拟合方程是通过以下逻辑表达式来判断肿瘤的良恶E = Mmul|Fsimp|y*P&Ns，(5)其中，y是年龄修正系数，Mmul是经修正后的复杂分形维；Fsimp是经修正后的边界分形 维；NS是沙粒钙化斑比例；P是钙化斑的钙化密度；E为预测性病理良恶。
4.一种乳腺肿块、钙化良恶自动识别及定量化影像评价系统的应用方法，其特征在于 包括如下步骤(1)对临床乳腺钼靶(核磁、超声)摄片进行预处理，统一图像为灰8度，统一扣除背景 和背景补偿，统一滤除皮肤边缘假钙化、假肿块，自动方式获取乳腺钼靶(核磁、超声)摄片 的病灶区/感兴趣区；(2)计算经预处理后的感兴趣区的肿瘤生长扩散形态特征参数，肿物参数包括肿物与正常组织之间的边界的几何分形维Df、肿块内部的复杂分形Mf、肿物内部的异质性H、肿块 等效直径D ；钙化特征参数主要包括钙化斑点的钙化密度P、钙化斑点的最小外接矩形框测 度S、沙粒钙化斑比例Ns ；以及乳腺外观形貌的特征的局限性不对称致密比较、乳头回缩、皮 肤增厚、结构扭曲等乳腺外观形貌影像参数；(3)引入包括病人的年龄y、乳头溢液U、乳腺病例史V临床参数，并结合提取的病灶影 像特征参数和乳腺外观形貌影像参数，基于所建的数理模型计算，给出预测性病情分期分 析和良恶性判断。
5.根据权利要求4所述的乳腺肿块、钙化良恶自动识别及定量化影像评价系统的应用 方法，其特征在于判断乳腺癌良恶的逻辑方程E = ^uilFsimp|y*P&Ns其中，y是年龄修正系数，Mfflffll是经修正后的复杂分形维；Fsimp是经修正后的边界分形 维；NS是沙粒钙化斑比例；P是钙化斑的钙化密度；E为预测性病理良恶。
全文摘要
本发明提供一种乳腺病变定量化影像评价(CAD)系统及其应用方法。该系统采用分形技术、图形分析等影像数据提取挖掘手段以及数理建模算法，并结合临床数据建立了乳腺病变生长扩散的非线性数据模型，应用于肿瘤医学影像分析及肿瘤病情的危险率评估。所述非线性数据模型包含了乳腺肿瘤生长扩散形态特征参数、钙化形态特征参数以及乳腺外观形貌的特征的局限性不对称致密比较、乳头回缩、皮肤增厚、结构扭曲等临床参数。本发明的乳腺病变定量化影像评价系统，为全图形界面，可导入钼靶、核磁、超声影像数据，操作方便快捷(一键操作)。通过该CAD系统，可计算出乳腺钼靶片(核磁、超声)病变的良恶性预测数值以及肿瘤分级预测值，其结果可应用于乳腺影像辅助诊断和乳腺摄片筛查。
文档编号G06F19/00GK101976303SQ20101051492
公开日2011年2月16日 申请日期2010年10月21日 优先权日2010年10月21日
发明者李立, 范家远, 邵元智 申请人:中山大学