专利名称：用于从图像分析组织的方法和系统的制作方法
技术领域：
本发明涉及图像的分析。建立了图像上的参考值以及使图像可以自校准并因此量化。
背景技术：
本领域的很多人员为了不同的目的而试图量化图像，但是在成像物理数据中遇到与误差或者未知值有关的问题。例如，试图基于绝对物理模型连同组织的假设属性来量化图像需要所有的成像物理数据是已知并且精确的。甚至量化梯形楔块包括在每一个图像中仍然需要大量的成像物理数据并且假定它们是精确的。因此，需要使用图像内参考值。例如，通过向乳房发送X射线光子并然后检测多少X射线光子通过它来创建乳房 X射线照片。通过的X射线光子的数量越小，乳房组织就越密乳房密度通过很多研究与发展乳癌的概率相关联，并且这些研究中的大部分通过使用视觉或者半自动式方法来评估乳房密度。一般综述例如在乳癌研究的评论丛书中给出，包括 Vachon 等人的“Mammographic density, breast cancer risk and risk prediction"(乳腺X射线摄像密度，乳腺癌的风险以及风险预测)(Breast Cancer Research, 2007, vol 9 :217), Martin 禾口 Boyd 的“Potential mechanisms of breast cancer risk associated with mammographic density，，(与乳腺 X 身寸线摄像密度有关联的乳腺癌风险的潜在机制)(Breast Cancer Research, 2008, Vol 10 :201)以及^ffe的 "Measurement of mammo graphic density，，(乳腺 X 射线摄像密度的测量)(Breast Cancer Research, 2008, Vol 10 :209)。
现有技术# ^iJ ^ S M # # =Highnam (1992) "Model-based mammo graphic image processing”(基于乳腺X射线摄像图像处理的模型)，(PhD Thesis, University of Oxford 1992) , Highnam 禾口 Brady 1999 “Mammographic Image Analysis，，(Kluwer Academic Publishers,1999) , Highnam 2006 "Breast composition measurements using retrospective standard mammogram form(SMF) ”(使用过去标准乳腺 X 身寸线照片形式的乳腺构图测量)(Physics in Medicine&Biology, 2006), Highnam
2007"Comparing measurements of breast density，，(对比乳腺密度的测量) (Physics in Medicine&Biology,2007), Van Engeland 2006 "Volumetric breast density estimation，，(乳腺体积密度评估)(IEEE Medical Imaging, 2006)，Hartman
2008"Volumetric assessment of breast tissue composition” (乳腺组织组成白勺 本禾只核 i 十)(International Workshop on Digital Mammography2008)， Kaufhold 2002 "Calibration approach to glandular tissue composition，，(腺个生组 只构图的校准方法)(Medical Physics, 2002), Blot 2005 "Volumetric approach to risk assessment”(风险核计的体积的途径)(Physics in Medicine&Biology, 2005), Heine 2006 "Effective χ-ray attenuation measures" ( ^- X M^ MllJfi ) (MedicalPhysics, Vol 33,2006), Heine 2008 "Effective χ-ray attenuation coefficient measurements from two full-field digital mammography systems，，(两个全令页域的数字化乳腺X射线相片的有效地X射线衰减系数测量)(BioMedical Engineering OnLine, 2008，Vol 7 13)一般量化肌理并将它们应用于乳房X线照片的标准的图像处理技术的使用还在下列文献中被描述Millerl991，‘‘Classification of breast tissue by texture analysis” (肌理分析的乳腺组织的分类)(British Machine Vision Association Conference,1991), Karssemeijer 1998, "Automated classification of parenchymal patterns in mammograms"(乳腺X射线照片中实质模式的自动分类)(Physics in Medicine&Biology,1998), Olsen 2007 "Automatic segmentation of fibroglandular tissue”(腺性纤维组织的自动切分)(Image Analysis 2007)，Raundahl 2008,"Automated effect-specific mammographic pattern measures，，(自动乳腺 X 身寸线摄像模式测量的具体效果)(IEEE Medical Imaging 2008), Hadley 2007 "Risk classification of mammograms using anatomical linear structures and density，，(使用角军剖的乳腺 X 射线照片的线性结构和密度的风险分类)(Pattern Recognition and Image Analysis, 2007), Freixent 2008 "Eigendetection of masses considering false positive reduction and breast density information”(大众考虑的假阳性衰减以及乳腺密度信息的特征检测)(Medical Physics, 2008), Raundahl 2007 "Breast tissue density measure” (乳腺组织密度测量患上)(W0/2007/090892)，Magninl986 “Mammographic texture analysis :an evaluation of risk for developing breast cancer" ( ^1/ X 射线摄像肌理分析患上乳腺癌的风险的评估)(Optical Engineering 1986)，Caldwell 1990。ift夕卜 -“Characterization of mammographic parenchymal pattern by fractal dimension”(通过分型维数的乳腺X射线摄像的实质模式的特征化)(Vol 35，Physics in Medicine and Biology 1990), Luo 2007 "Method for classifying breast tissue density”(乳腺组织密度的分类方法)(W0/2008/088478)，Giger2003 "Risk-modulated diagnosis of disease”(疾病的风险收调诊断)(W0/2003/067371)，Hui 1999"Computerized assessment of breast cancer risk，，(乳腺癌风险的计算机化评估) (W0/1999/063480) ,Thornton 1998"EarIy detection and aid to diagnosis，，(早期发现及诊断援助)(W0/1999/008225)，Li 2006 "Mammary gland quantification，，(乳腺量化) (CN01234026) ,Zhou 2001“Estimation of breast density on mammograms，，(在乳腺 X 射线照片上的乳腺密度的评估)(Medical Physics 28 (6), 2001), Saha 2001“Breast tissue density quantification via digitized mammograms，，(通过数字化的乳腺 X 射线照片的乳腺密度量化)(IEEE Medical Imaging, VoI20,8, 2001), Bovis 2002 "Classification of mammo graphic breast density using a combined classifier paradigm" ( Μ^ 合分类范式的乳腺X射线摄像乳腺密度的分类)(IWDM 2002，ρ 77-80，2002)，Petroudi 2003 "Classification of mammo graphic parenchymal patterns'^ X M^MiM^M. 模式的分类)(IEEE Medicine&Biology, Vol 2，p 416-423，2003)，Lui2004 "Mammographic parenchymal patterns for assessing risk，，(用于风险评估的乳腺X射线摄像实质模式)(Medical Physics,Vol 31,no 3,2004),Karssemeijer 1998"Automated classification of parenchymal patterns in mammograms”(在乳腺X射线照片中实质模式的自动分类) (Physics in Medicine&Biology,1998),Sivaramakrishna 2001"Automatic segmentation of mammographic density” (乳腺 X 射线摄像的自动切分)(Academic Radiology, )，Wei 2004 “Correlation between mammographic density and volumetric fibroglandular tissue estimated on breast MR images”(在乳腺MR图像上的乳腺X射线摄像密度与腺性纤维组织评估之间的相关性)(Medical Physics, 31 (4)，2004)，Boehm 2008 "Automated classification of breast parenchymal density :topologic analysis of x-ray attenuation patterns"(乳腺实质密度的自动分类X射线衰减模式的拓扑分析)(AJR， 191，p275-282，2008) ,Jamal 2006"Breast density into Tabar' s patterns，，(塔巴尔模式中的乳腺密度)(Physics in Medicine&Biology, 2006), Torres-Majia2005"Comparison of Qualitative and Quantitative Evaluations，，(胃个生与tfi^i平{古的比罾)(Cancer Epidemiology Biomarkers&Prevention, 2005), Heine 2008。其他来源包括"Automated approach for estimation of breast density，，(用于乳腺密度的评估的自动方法)(Cancer Epidemiology, Biomarkers&Prevention, Vol 17, Nov 2008), Oliver 2008 "Novel breast tissue density classification methodology，，(创新式的乳腺组织密度分类方法)(IEEE IT in Biomedicine，2008)，Li 2005"Computerized texture analysis of mammographic parenchymal patterns，，(乳腺X 射线摄像实质模式的计算机化肌理分析)(Academic Radiology 2005) ,Megalooikionomou 2007 “Analysis of texture in medical images with an application to breast imaging，，(使用乳腺成像应用的医学图像中的肌理分析)(SPIE Medical Imaging 2007)， Chang2002 “Computerized assessment of tissue composition，，(组织构成的计算机化评估)(Academic Radiology, 2007), Glide-Hurst 2007"A new method for quantitative analysis of mammographic density”(用于乳腺X射线摄像密度量化分析的一种新方法) (Medical Physics), Taylor 1994 "Measuring image texture to separate difficult from easy mammograms”(检测图像肌理从简单乳腺X射线照片中分离困难乳腺X射线照片)，以及 Heine 2000 "Statistical methodology for mammographic density detection"(用于乳腺X射线摄像密度检测的统计方法)(Medical Physics, 27，2000)。这些参考文献还指出了尝试仿真半自动化阈值技术的已知手段，例如积云，其被理解为对乳房密度测量是典范的。乳房组织的量化的一个解决方案需要梯形楔块插入每个图像中。例如=Diffey 2006 "New step wedge for volumetric measurement of density，，(用于密度的体禾只测量的新式步进式光楔)(IWDM 2006), Augustine 2006 "Volumetric breast density estimation，， (IWDM 2006), Patel 2006 "Automated breast tissue measurement of women” (女性的自动乳腺组织检测)(IWDM2OO6)以及Sh印herd 2005 "Novel use of single χ-ray absorptiometry for measuring breast density，，(为测量乳腺密度的单 X 射线吸收仪的创新式使用)(Technology in Cancer Research&Treatment，2005，Vol 4 173-182)。在本领域中已知的可选途径包括使用简单的物理过程将乳房分为密度类，即使这样的方法并不表现为使用图像内参考数据(Merelmeier 2007 "Displaying an χ-ray image recorded on mammography ”(展示记录在乳腺X射线相片上的X射线图像)， W0/2008/052854)；不使用任何图像校准的简单组织密度方法(Tasaki 2007 "Imaging system”，W0/2008/038525)；通过侦察 X 射线曝光的组织密度(Jing 2003 "Mammography with tissue exposure control，Tomosynthesis”(组织曝光控制的乳腺 X 射线相片， 层析X射线照相组合)，WCV2004/049949)；使用在压缩板顶部上的栅格以找到乳房厚度 (Yang 2003 "Measuring the thickness of compressed objects" (IlJ fiJi it^# W 厚度)，W0/2004/000121)；使用幻影图像计算出乳房边缘厚度(Rico2003 "Determining peripheral breast thickness”(确定周围的乳腺厚度)，W0/2004/000110)；用于密度的人工评估的物理栅格的使用(Bershtejn 2008 "Adipose tissue percentage evaluation in mammary gland”(乳腺中脂肪组织百分比的估算)，RU2325852)；用于预后目的的密度的使用(Giger 2003 "Computerised image analysis prognosis”(计算机化图像的预后分析)，US2004101181)；用于重建目的的密度图像的使用(Clause 2008 "Quantitative image reconstruction method”(量化图像的分析方法)，US20080292217)；涵盖胶片曲线的胶片工作(Highnam 2000 "X-ray image processing”(X射线图像过程)， W0/2000/052641)；使用胸肌以标准化数据(Kotsuma 2008 "Quantitative assessment of mammographic density and breast cancer risk for Japanese women" ( X^tT" H^^Ctife 的乳腺X射线摄像以及乳腺癌风险的量化核计)，Breast，2008)；以及改进的半自动阈值 (Byng 1994 "Quantitative analysis of mammo graphic densities" ( X M^1 摄像密度的量化分析)，Physics in Medicine&Biology, 1994)；依照骨骼密度使用双能量 (Shepherd 2002 "Measurement of breast density with dual χ-ray absorptiometry feasibility”(使用双X摄像吸光测量的乳腺密度的测量可行性)，Radiology 2002)； 从 MRI 计算密度(Klife 2004 " Quantification of breast tissue index from MR data using fuzzy clustering"(使用模糊簇聚的核磁共振数据的乳腺组织系数的量化)，IEEE Engineering in Medicine&Biology Society, 2004)；以及从超声波计算密度 (Glide 2007 "Novel approach to evaluating breast density utilizing ultrasound tomography”(利用超声波层析X射线照相法得到的乳腺密度的估算的创新式方法)， Medical Physics，2007)。然而，图像物理中的误差以及未知值使得这样的方法固有地不可靠。Highnam和Brady从事的研究导致对如何使用图像处理和X射线物理学与相关成像物理数据的混合从乳房X射线照片自动计算乳房组织的密度的理解，该相关成像物理数据通常涉及在乳房X射线照片中的坐标(X，y)处测量的像素值P(X，y)到脂肪厚度hfat(x， y)厘米以及“所关注的组织”的厚度hint(x，y)厘米的转换，其中“所关注的组织”可以是纤维组织、腺组织、水或者癌组织。此外，近来对通过一种称为层析X射线照相组合的技术来创建乳房的三维图像有兴趣，根据该技术以在乳房周围的变化的角度拍摄一系列乳房X射线照片，并重建三维图像。如Highnam和Brady (1999)提出的，到此为止Hint表示被计算的过程包括如在图2 示出的8个步骤。相似的过程由Van Engeland 2006 (虽然不包括步骤S3，S6，S7，S8)和Hartman 2008提出，Hartman注意到S4对数字乳房X射线相片并不是必要的，并且报告了对S6的修改。Kaufhold (2002)以及Heine (2006，2008)以更系统的方式考虑了生成hint的过程， 在数据收集之前在一个X射线系统上生成被校准的数据，而不使用用于自校准目的的图像数据。更详细地，并且参考图2 来源于胶片乳房X射线照片202、数字乳房X射线照片 204和/或数字断层投影206的数据须经以下列步骤开始的多个步骤步骤1 210分割-某种形式的图像处理应用来描绘内部乳房边缘310以及外部乳房边缘360以及胸肌380。步骤2 215像素值至能量-将乳房X射线照片中的在位置(x，y)处的像素值P(x， y)转换至传给在(χ，y)处的检测器的能量。这涉及到对特定检测器的物理过程的理解。步骤3 220检测器模糊校正-使用特定检测器的物理过程的知识来移除它可能引入的任何模糊。对于数字系统，这个步骤通常是不必要的。步骤4 225校正阳极足跟-考虑到在乳房上给出在空间上变化的入射辐射强度的 X射线管的阳极足跟效应，并且校正它，以便给出出现得好像入射辐射强度是恒定的图像。 在数字系统中，这通常由生产商自动执行作为他们“平场处理”过程的一部分。步骤5 230校正压缩板倾斜-确认当乳房在准备乳房X射线相片中被压迫时，顶部压缩板倾斜；该校正(一般)通过添加脂肪的虚拟楔块来补偿该倾斜。步骤6 235估计乳房厚度-认识到由X射线机记录的乳房厚度可以是不精确的， 并且通过找到图像的大部分是脂肪的区域并且然后计算出必须有多少脂肪可以从图像本身进行另一个估计。步骤7 240移除分散分量；以及步骤8 245移除焦外分量。传给检测器的能量拥有主要分量(不受阻碍地直通过乳房的X射线光子)、分散分量(X射线光子被偏转)以及在乳房边缘周围与焦外辐射有关的分量(远离焦斑从X射线管出去的X射线光子)。在这些步骤中，估计分散分量以及焦外分量以仅仅获得主要分量。步骤9 250从主要分量生成hint255。从主要分量中，可以计算出必要的X射线衰减，并且因此以数学方式得出脂肪以及所关注的组织的厚度方程1
权利要求
1.一种从图像分析组织的方法，包括以下步骤提供组织(100,400,450,600,800,1100)的电子图像； 确定参考点(1070，1170，1270)； 建立所述图像的hint表示(500，700)；以及在对所述组织的分析中使用所述hint表示，所述方法的特征在于，能够对所述hint表示计算校准误差，以及值的总和量化乳房组织。
2.根据权利要求1所述的方法，包括用于建立所述参考点的步骤，其中， 生成所述图像的直方图(500，700)；检测位于所述直方图的两个峰值之间的间隙(530，730)；以及所述间隙的位置对应于内部乳房边缘(640，840，1040，1140)，所述内部乳房边缘用于为搜索所述参考点(1070，1170，1270)确定界限。
3.根据权利要求2所述的方法，其中通过使用相位一致性或者获取从图像统计得到的阈值来检测所述间隙(530，730)，所述图像统计从整个乳房的像素值产生。
4.根据任一前述权利要求所述的方法，其中，如果所述校准误差太大(13M)，则没有结果被返回给用户，而只给出警告。
5.根据任一前述权利要求所述的方法，其中，如果所述校准误差太大(13M)，则重新定位所述参考点，并且计算新的校准误差，重复此步骤，直到获得可接受的校准误差 (1322)。
6.根据权利要求5所述的方法，其中，通过下列方式中的一个或多个来向内移动所述内部乳房边缘以改善/缓和所述内部乳房边缘基于乳房区域或者乳房边缘的区域；和/或使用迭代方式，直到沿着所述内部乳房边缘的足够长度找到强度边缘，或者满足边缘的某个平滑度。
7.根据权利要求1所述的方法，其中，通过从所述乳房边缘中的数据外推参考像素值来建立参考点。
8.根据权利要求4所述的方法，包括以下的步骤检查所述图像是否是致密乳房；以及如果它是致密乳房，使用乳房厚度并且假设我们有致密组织而不是脂肪组织来获得新参考点。
9.根据任一前述权利要求的用于分析组织的方法，其中通过以下操作来计算对乳房成分的自动估计计算hint与hfat的值； 对hint与hfat的值求和；以及随后计算乳房密度。
10.根据任一前述权利要求所述的方法，其中，对在一段时间内收集的多个图像进行分析和自动比较。
11.根据权利要求10所述的方法，其中通过产生对齐的标准化图像来便于对多个图像的比较。
12.根据权利要求11所述的方法，其中，使用参考点例如乳头和胸壁来便于所述对齐。
13.根据任一前述权利要求所述的方法，其中，组织的钙化被量化，并且从随后的分析中移除。
14.根据任一前述权利要求所述的方法，其中，一系列参考点被找到，以能够从不同的成像模式区分多于两种类型的组织。
15.根据任一前述权利要求所述的方法，其中，电子图像的像素值是对应于空间中的三维位置(X，1，ζ)的立体像素值。
16.一种用于从乳房的图像分析组织的系统，包括(a)用于提供组织(100,400,450,600,800,1100)的电子图像的装置；(b)对所述电子图像运行内部乳房边缘检测算法(1310)，以检测所述图像上的内部乳房边缘来产生结果(1315)；(c)检查所述结果的校准误差是否是可接受的；(d)如果所述结果的所述校准误差是可接受的(1322)，分析所述组织(1330)；或者(e)如果所述误差太大，不返回结果。
17.根据权利要求16所述的系统，其中，所述内部乳房边缘通过下列方式中的一个或者多个来改进基于乳房区域或者乳房边缘的区域；和/或使用迭代方式，直到沿着所述内部乳房边缘的足够长度找到强度边缘，或者找到足够平滑的边缘。
18.根据权利要求17所述的系统，包括以下步骤检查该图像是否是致密乳房；以及如果它是致密乳房，使用乳房厚度并且假设所述组织周围是致密的而不是多脂的来获得新参考点。
19.根据权利要求16至18中的任一项所述的用于分析组织的系统，其中，对乳房成分的自动估计通过以下操作来计算计算hint与hfat的值；对所述hint与hfat的值求和；以及随后计算乳房密度。
20.根据权利要求16至19中的任一项所述的系统，其中，在一段时间内收集的多个图像被分析并被自动比较。
21.根据权利要求20所述的系统，其中，通过产生对齐的标准化图像来便于对多个图像的比较。
22.根据权利要求21所述的系统，其中，使用参考点例如乳头和胸壁来便于所述对齐。
23.根据权利要求16至22中的任一项所述的系统，其中，组织的钙化被量化，并且从随后的分析中移除。
全文摘要
公开了一种从图像分析组织的方法，其包括提供组织(100，400，450，600，800，1100)的电子图像，从图像确定参考值(1070，1170，1270)，建立图像的hint表示(500，700)，并且在组织的分析中使用hint表示，以量化乳房以及计算校准误差。还公开了一种系统，其在电子图像上运行内部乳房边缘检测算法(1310)以检测所述图像上的内部乳房边缘(1315)，并且如果校准误差是不可接受(1324)则改进内部乳房边缘位置(1340)。还公开了乳房成分的自动估计以及图像的时间分析。
文档编号G06T7/00GK102549618SQ201080044509
公开日2012年7月4日 申请日期2010年8月3日 优先权日2009年8月3日
发明者尼科·卡尔赛梅吉尔, 拉尔夫·海纳姆, 约翰·迈克尔·布拉迪, 马丁·亚夫 申请人:马塔基纳科技有限公司