放射攝影圖像中的微鈣化檢測和分級制造技術

提供了數字化圖像的分析。重復地卷積該數字化圖像以形成第一卷積圖像，第二次卷積該第一卷積圖像以形成第二卷積圖像。每個第一卷積圖像和相應的第二卷積圖像表示一個階段，并且每個階段表示異常的不同的尺度和大小。作為一個實例，第一卷積可以利用高斯卷積器并且第二卷積可以利用拉普拉斯卷積器，但是可以使用其他卷積器。由峰值檢測器將來自當前階段的第二卷積圖像和來自前一階段的第一卷積圖像與從來自當前階段的第二卷積圖像所確定的鄰居中值一起使用，以檢測該具體尺度的峰值或可能的異常。

【技術實現步驟摘要】
【國外來華專利技術】相關申請的交叉引用本申請要求2010年5月2日遞交的美國臨時申請序列號61/343,609，2010年5月2日遞交的美國臨時申請序列號61/343,608，2010年5月2日遞交的美國臨時申請序列號61/343,552，2010年4月30日遞交的美國臨時申請序列號61/343,557，2010年5月6日遞交的美國臨時申請序列號61/395,029，2010年6月25日遞交的美國臨時申請序列號61/398,571，2010年7月7日遞交的美國臨時申請序列號61/399,094，2010年7月28日遞交的美國臨時申請序列號61/400,573的優先權，通過參考將全部所述申請并入本文。
本文的公開整體涉及放射攝影圖像中的類微鈣化標志的計算機輔助檢測和分級，并且更具體而言涉及用于微鈣化候選項的分級系統和方法。
技術介紹
放射線學者使用放射攝影圖像，如乳房X線照片，來例如在疾病易于被其他侵入式方法檢測之前盡可能地檢測并且查明患者中的可疑病變。同樣地，對于放射線學者能夠基于成像來定位極其小的癌癥病變和先兆而言，存在真正的好處。微鈣化特別是發生在特定類型的簇中的那些微鈣化是受關注的一個標志。雖然單獨的微鈣化往往易于吸收輻射并且因此可以在放射攝影圖像中顯得非常明亮，但是，各種其他因素，包括極其小的尺寸、被其他自然結構閉塞、出現在圖像的結構上“繁忙的”部分中，所有這些有時與放射線學者的疲勞相耦合，可能使得在視覺檢查時，難以檢測到某些鈣化。已開發了計算機輔助檢測(CAD)算法來輔助放射線學者定位放射攝影圖像中的潛在病變。CAD算法在計算機中在患者的乳房X線照片集的數字表示上操作。該數字表示可以是原始或已處理傳感器數據(當由數字傳感器獲得該乳房X線照片時)或者傳統的基于膠片的乳房X線照片集的掃描版本。假設如本文所使用的“圖像”是用于給予CAD算法的合適的數字表示的至少二維數據，與原始用于獲得患者信息的獲取機制沒有不同。CAD算法搜索圖像以獲得與感興趣的標志匹配的對象，并且當找到感興趣的標志時警告放射線學者。一個感興趣的標志是微鈣化。現有CAD算法使用各種策略來定位潛在的微鈣化。在美國專利6,014,452中，使用強度高于全局固定閾值的全部像素作為潛在微鈣化的種子位置。美國專利6,801,645應用高斯濾波器的偏差來增強微鈣化并且隨后閾值。美國專利7,593，561應用固定濾波器，該濾波器在中央3X3像素區域比距圖像位置3和6個像素的像素環更亮時增強圖像位置處的對比度，并且隨后自適應地并且迭代地確定調整圖像的閾值以獲得希望的簇的數量。另一個感興趣的標志是微鈣化簇。現有CAD算法使用各種策略來將潛在微鈣化簇標記為可疑，包括如美國專利7,593,561中所示的訓練神經網絡和特征加權線性判別式。可以使用用于描述觀察到隨機變量的任意給定樣本值的相對可能性的概率密度函數(PDF)來執行異常的分級。全部可能值上的PDF的積分是1；隨機變量的范圍的子集上的PDF的積分表示隨機變量的抽取樣本將落入該范圍中的概率。通常可以良好地理解可以由閉合形式方程式表示的PDF，并且已經開發了用于該PDF的許多應用。另一方面，用于復雜多維隨機變量特別是在每個維度中具有未知的并且有可能不規律的分布以及/或者長的、稀疏填充尾巴的復雜多維隨機變量的PDF的實際估計大部分被研究人員回避。在模式和圖像識別的領域中，由于在應用PDF方法中的實際困難，許多研究人員已經放棄PDF方法并且投身于已知的可解的替代如神經網絡和線性判別式函數。附圖說明下文是附圖的簡要描述，其示出了本專利技術的示例性實施方式并且其中：圖1是根據一個實施方式的異常檢測的系統級圖；圖2是根據一個實施方式的計算機輔助檢測(CAD)單元的組件圖；圖3是根據一個實施方式的檢測單元的組件圖；圖4包括根據一個實施方式的峰值檢測處理系統的方框圖；圖5包括根據一個實施方式的對象邊界確定程序的流程圖；圖6描述了圖2的一個步驟中使用的對象邊界環；圖7示出了用于加權一個實施方式中的對象邊界中的像素的邊界距離映射；圖8描述了根據一個實施方式與一個對象相關聯的邊界的進一步的提煉中的步驟；圖9包括根據第一實施方式的微鈣化分級過程的方框圖；圖10顯示了用于描述在以下附圖中的對象特征計算中使用的分隔對象的邊界描述；圖11描述了用于圖10的邊界描述的縱橫比測量；圖12示出了用于圖10的邊界描述的凸包描述的構造；圖13示出了用于圖10的邊界描述的邊緣變化特征的計算中所使用的測量；圖14顯示了用于計算用于圖10的邊界描述的脊比率特征的方向；圖15示出了在第二分級階段中使用的鄰居概率圖形的形成；圖16顯示了根據一個實施方式的兩階段成簇技術中的步驟；圖17描述了簇形狀的凸包和局部凹包表示；圖18示出了在本專利技術的實施方式中采用的坐標系統；圖19a和19b示出了根據一個實施方式的分級器概率單元；圖20示出了閉合形式PDF和從概率分布抽取的樣本分布的柱狀圖；圖21概念性地顯示用于由表示點的集合表示的假設一維分布的西格瑪值的估計；圖22顯示了圖21的西格瑪值到評估點上的PDF的估計的應用；以及圖23是根據一個實施方式的桌面計算設備的方框圖。具體實施方式下文詳細討論實施方式的制造和使用。但是應該認識到本專利技術提供許多可以實現在各種各樣具體環境中的可應用的創造性概念。所討論的具體實施方式僅僅是制造并且使用本專利技術的具體方式的示例并且不限制本專利技術的范圍。例如，根據通過定位并且分級可能的異常以便由醫療人員復查輔助醫療人員檢查胸部X線圖像(如在執行乳房X線照片的過程中可以獲得的那些胸部X線圖像)，總體描述本文所述的實施方式。但是，針對其他情況，可以使用其他實施方式，其它情況包括例如檢測并且分級其他組織(例如肺組織)中的異常、用于統計學異常的任意類型的圖像分析等等。現在參考附圖，其中在這里在各種視圖中使用相同的附圖標記來指示相同的或相似的元素，顯示并且描述了本專利技術的說明性的實施方式。無需按比例繪制附圖并且在一些實例中適當地放大并且/或者簡化附圖以僅用于說明的目的。本領域的普通技術人員基于本發明的以下說明性的實施方式將認識到本專利技術的許多可能的應用和變形。首先參考圖1，示出了根據一個實施方式用于在例如乳房X線照本文檔來自技高網...

【技術保護點】

【技術特征摘要】
【國外來華專利技術】2010.04.30 US 61/343,557;2010.05.02 US 61/343,608;1.一種用于檢測圖像中的異常的方法，所述方法包括：
卷積數字圖像以創建處于不同尺度的多個第一卷積圖像；
卷積所述多個第一卷積圖像中的每個第一卷積圖像，由此創建多
個第二卷積圖像，所述多個第一卷積圖像中的每個第一卷積圖像和
所述多個第二卷積圖像中對應的第二卷積圖像對應于多個階段中的
相應階段；
創建多個外科遮罩，每個外科遮罩至少部分地基于當前階段的所
述多個第二卷積圖像中的一個第二卷積圖像和來自前一階段的所述
多個第二卷積圖像中的一個第二卷積圖像；
確定用于所述多個外科遮罩的每個像素位置的鄰居中值；以及
至少部分地基于來自所述當前階段的所述第二卷積圖像、來自所
述前一階段的所述第一卷積圖像和用于所述當前階段的所述鄰居中
值，識別一個或多個峰值。
2.如權利要求1所述的方法，其中，至少部分地通過使用來自
所述前一階段的所述鄰居中值，執行至少部分地基于來自所述前一
階段的所述多個第二卷積圖像中的一個第二卷積圖像創建所述多個
外科遮罩。
3.如權利要求2所述的方法，其中，至少部分地通過對于所述
多個第二卷積圖像中的相應第二卷積圖像的每個像素將像素相對對
比度與閾值進行比較，執行至少部分地基于來自所述前一階段的所
述多個第二卷積圖像中的一個第二卷積圖像創建所述多個外科遮
罩。
4.如權利要求3所述的方法，其中，至少部分地通過將所述當
前階段的所述的相應第二卷積圖像的所述像素值除以前一階段的相
同像素位置的鄰居中值，確定所述像素相對對比度。
5.如權利要求1所述的方法，還包括從更大的尺度中排除在更
小的尺度處檢測的峰值。
6.如權利要求1所述的方法，其中，所述數字化圖像是縮放圖
像。
7.如權利要求1所述的方法，其中，從一個尺度到下一個尺度，
標準偏差翻倍。
8.一種用于識別數字化圖像中的異常的系統，所述系統包括：
第一卷積器，用于卷積數字化圖像、創建第一卷積圖像；
第二卷積器，用于卷積所述第一卷積圖像、創建第二卷積圖像；
以及
峰值檢測器，用于接收所述數字化圖像和所述第二卷積圖像，所
述峰值檢測器識別具有峰值的像素。
9.如權利要求8所述的系統，其中，所述數字化圖像是在前一
階段中由所述第一卷積器卷積的卷積圖像。
10.如權利要求8所述的系統，還包括耦合到所述峰值檢測...

【專利技術屬性】
技術研發人員：J·C·威內斯，J·P·莫納科，D·S·哈丁，J·H·派克，A·T·霍，L·M·哈納菲，
申請(專利權)人：沃康普公司，
類型：
國別省市：