用于病变检测的设备和方法
【专利说明】用于病变检测的设备和方法
[0001]本申请要求于2014年2月19日在韩国知识产权局提交的第10-2014-0019265号韩国专利申请的权益，该韩国专利申请的整个公开通过出于所有目的的引用被包含于此。
技术领域
[0002]以下描述涉及一种从医学图像检测病变的技术，并且涉及一种用于去除从医学图像检测到的作为假阳性候选病变的一个或更多个候选病变的方法和设备。
【背景技术】
[0003]计算机辅助检测(CADe)(也称为计算机辅助诊断(CADx))是一种为了帮助医生做出诊断的目的而使用计算机从医学图像自动检测病变的技术。然而，很多医学图像的低分辨率和医学图像中的病变的宽范围非典型的特性使在CAD中实现高精度具有挑战性。
[0004]例如，超声图像从位置和角度由医生任意地确定的探头获得。因此，获得的超声图像会因用于获得图像的探头的不同的位置和角度而包含病变的非典型图像。因此，如果将自动检测病变的算法应用于这种非典型图像，则计算机有可能不仅检测病变，还可能将图像中发现的解剖学对象(anatomical object)检测为病变。
【发明内容】
[0005]提供本
【发明内容】
来以简化的形式介绍选择的构思，所述构思将在下面在【具体实施方式】中进一步描述。本
【发明内容】
不意图识别要求保护的主题的关键特征或必要特征，也不意图用于帮助确定要求保护的主题的范围。
[0006]在一个总体方面，用于病变检测的设备包括:候选病变检测器，被构造为从医学图像检测候选病变；相邻对象检测器，被构造为从医学图像检测解剖学对象；候选病变验证器，被构造为基于解剖学背景信息验证每个候选病变，其中，所述解剖学背景信息包括关于每个候选病变和解剖学对象之间的位置关系的信息；候选去除器，被构造为基于候选病变验证器的验证结果从检测到的候选病变中去除一个或更多个假阳性候选病变。
[0007]所述设备还可包括:图像接收器，被构造为获得医学图像，其中，所述医学图像是使用超声波或X射线捕获的人的乳房的图像；相邻对象检测器被构造为:将来自乳房图像的皮肤、脂肪、腺体组织、肌肉和骨骼中的至少一个检测为解剖学对象；并且候选病变验证器被构造为:基于解剖学背景信息验证每个候选病变，其中，所述解剖学背景信息包括关于每个候选病变与皮肤、脂肪、腺体组织、肌肉和骨骼中的至少一个之间的位置关系的信息。
[0008]候选病变检测器可被构造为:使用Haar特征检测技术、可变形部件模型(DPM)和深度学习技术中的至少一种从医学图像检测候选病变。
[0009]相邻对象检测器可包括多个单独的对象检测器，所述多个单独的对象检测器中的每个对象检测器可从医学图像单独地检测解剖学对象。
[0010]所述多个单独的对象检测器中的每个对象检测器可被构造为:使用深度学习技术、滑动窗口技术或超像素技术。
[0011]相邻对象检测器可包括:单个对象检测器，被构造为从医学图像同时检测多个解剖学对象。
[0012]单个对象检测器可被构造为使用深度学习技术、滑动窗口技术或超像素技术。
[0013]单个对象检测器可被构造为:从整个医学图像或医学图像的一部分提取多个特征图，向提取的特征图分配相应的解剖学对象，将分配有特定解剖学对象的特征图在医学图像中的位置标注为特定解剖学对象。
[0014]候选病变验证器可被构造为:使用支持向量机(SVM)、人工神经网络(ANN)、深度学习技术和贝叶斯网络中的至少一个。
[0015]解剖学背景信息可包括解剖学对象的领域知识和候选病变的领域知识，其中，解剖学对象的领域知识包括以下项目中的至少一个人体的特定部位具有预定义的解剖学对象”、“不同的解剖学对象具有在人体的特定部位中的预定义的位置关系”和“相同的解剖学对象聚集在一起”;候选病变的领域知识包括特定候选病变仅存在于人体的特定部位的特定解剖学对象中”。
[0016]解剖学背景信息可包括从检测到的候选病变和检测到的解剖学对象提取的自信息，并且所述自信息可包括置信水平信息、亮度信息、纹理信息和形状信息中的至少一个。
[0017]解剖学背景信息可包括从每个候选病变和每个解剖学对象之间的相关性提取的关系信息。
[0018]所述关系信息可包括如下项目中的至少一个:每个候选病变与每个解剖学对象之间的距离、每个候选病变相对于每个解剖学对象的位置以及关于每个候选病变和每个解剖学对象之间在亮度、纹理或形状方面的相似性的信息。
[0019]解剖学背景信息可包括医学图像中的每个候选病变的存在的概率分布，其中，可从预建立的学习数据获得所述概率分布。
[0020]响应于医学图像为2D连续帧中的一帧或3D截面图像中的一幅，解剖学背景信息还可包括从相邻帧或相邻截面获得的相邻图像信息，其中，所述相邻图像信息包括每个候选病变和每个解剖学对象的位置信息。
[0021]在另一总体方面，病变检测的方法包括:从医学图像检测候选病变；从医学图像检测解剖学对象；基于解剖学背景信息验证每个候选病变，其中，所述解剖学背景信息包括关于候选病变和解剖学对象之间的位置关系的信息；以及基于验证结果从检测到的候选病变去除一个或更多个假阳性候选病变。
[0022]所述方法的总体方面还可包括:从医学成像设备获得医学图像，其中，所述医学图像是使用超声波或X射线捕获的人体乳房的图像；检测解剖学对象的步骤包括:从乳房图像将皮肤、脂肪、腺体组织、肌肉和骨骼中的至少一个检测为解剖学对象；验证每个候选病变的步骤包括:基于解剖学背景信息验证每个候选病变，其中，所述解剖学背景信息包括关于候选病变与皮肤、脂肪、腺体组织、肌肉和骨骼中的至少一个之间的位置关系的信息。
[0023]检测候选病变的步骤可包括:使用Haar特征检测技术、可变形部件模型(DPM)和深度学习技术来从医学图像检测候选病变。
[0024]检测解剖学对象的步骤可包括:检测多个单独的对象，以从医学图像单独地检测解剖学对象。
[0025]所述多个单独的对象中的每个对象的检测可利用深度学习技术、滑动窗口技术或超像素技术。
[0026]检测解剖学对象的步骤可包括:从医学图像同时检测所有的解剖学对象。
[0027]从医学图像同时检测所有的解剖学对象可采用深度学习技术、滑动窗口技术或超像素技术。
[0028]同时检测所有解剖学对象的步骤可包括:从整个医学图像或医学图像的一部分提取多个特征图，将相应的解剖学对象分配给所述多个提取的特征图中的每个特征图，以及用特定解剖学对象在医学图像中标注分配有特定解剖学对象的特征图的位置。
[0029]每个候选病变的验证可采用支持向量机(SVM)、人工神经网络(ANN)和贝叶斯网络中的至少一个。
[0030]解剖学背景信息可包括解剖学对象的领域知识和候选病变的领域知识，并且解剖学对象的领域知识可包括如下项目的至少一个人体的特定部位具有预定义的解剖学对象”、“不同的解剖学对象在人体的特定部位中具有预定义的位置关系”和“相同的解剖学对象聚集在一起”;候选病变的领域知识可包括:“特定候选病变仅存在于人体的特定部位的特定解剖学对象中”。
[0031]解剖学背景信息可包括分别从候选病变和解剖学对象提取的自信息，并且所述自信息可包括置信水平信息、亮度信息、纹理信息和形状信息中的至少一个。
[0032]解剖学背景信息可包括从每个候选病变和每个解剖学对象之间的相关性提取的关系信息。所述关系信息可包括如下内容中的至少一个:每个候选病变和每个解剖学对象之间的距离、每个候选病变相对于每个解剖学对象的位置以及关于每个候选病变和每个解剖学对象之间在亮度、纹理或形状方面的相似性的信息。
[0033]解剖学环境信息可包括医学图像中每个候选病变存在的概率分布，其中，可从预建立的学习数据获得所述概率分布。
[0034]响应于所述医学图像是二维(2D)连续帧中的一帧或三维(3D)截面图像中的一幅，解剖学背景信息还可包括来自相邻帧或相邻截面的相邻图像信息，其中，相邻图像信息包括每个候选病变或每个解剖学对象的位置信息。
[0035]在另一总体方面，用于病变检测的设备包括:存储器，被构造为存储医学图像；处理器，被构造为:从医学图像检测候选病变和解剖学对象，被构造为基于解剖学背景信息验证每个检测到的候选病变，被构造为基于验证结果从检测到的候选病变去除一个或更多个假阳性候选病变，其中，所述解剖学背景信息包括关于每个候选病变和检测到的解剖学对象之间的位置关系的信息。
[0036]所述设备的总体方面还可包括图像接收器，被构造为:从医学成像设备获得医学图像，将医学图像存储在存储器中，其中，所述医学图像是使用超声波或X射线捕获的人的乳房的图像，所述解剖学对象包括来自乳房图像的皮肤、脂肪、腺体组织、肌肉和骨骼中的至少一个。所述设备的总体方面还可包括被构造为输出医学图像的示图的显示屏，其中，去除了一个或更多个假阳性候选病变之后剩余的候选病变显示在所述示图中。
[0037]从以下【具体实施方式】、附图和权利要求，其它特征和方面将变得清楚。
【附图说明】
[0038]图1是示出计算机辅助诊断(CAD)设备的构造的框图；
[0039]图2是示出乳房超声图像中的候选病变以及乳房超声图像的解剖学结构的示例的示图；
[0040]图3是示出用于去除一个或更多个假阳性候选病变的设备的示例的框图；
[0041]图4是示出在图3的示例中示出的相邻对象检测器的示例的框图；
[0042]图5是示出由在图4的示例中示出的相邻对象检测器提取的特征图的示例的示图；
[0043]图6是示出在图3的示例中示出的相邻对象检测器的操作的另一示例的示图；
[0044]图7是示出显示从在图3的实施例中示出的原始图像检测到的候选病变和解剖学对象的组合图像的示例的示图；
[0045]图8是示出在图3的示例中示出的候选病变验证器的示例的框图；
[0046]图9是示出在图3的示例中示出的候选病变验证器使用的背景信息的示例的框图；
[0047]图10是示出作为背景信息的示例的概率信息的示例的曲线图；
[0048]图11是示出用于从医学图像去除一个或更多个假阳性候选病变的方法的示例的流程图；
[0049]图12是示出用于从医学图像去除一个或更多个假阳性候选病变的方法的另一示例的流程图；
[0050]图13是示出用于从医学图像去除一个或更多个假阳性候选病变的另一示例的流程图；
[0051]贯穿附图和【具体实施方式】，除非另有描述或提供，否则相同的附图标号将被理解为指