CN114155204A - 一种乳腺结节边界锐利度判定装置 - Google Patents

一种乳腺结节边界锐利度判定装置 Download PDF

Info

Publication number
CN114155204A
CN114155204A CN202111337877.6A CN202111337877A CN114155204A CN 114155204 A CN114155204 A CN 114155204A CN 202111337877 A CN202111337877 A CN 202111337877A CN 114155204 A CN114155204 A CN 114155204A
Authority
CN
China
Prior art keywords
boundary
nodule
image
sharpness
breast
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN202111337877.6A
Other languages
English (en)
Inventor
韩东旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shiwei Xinzhi Medical Technology Shanghai Co ltd
Original Assignee
Shiwei Xinzhi Medical Technology Shanghai Co ltd
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 Shiwei Xinzhi Medical Technology Shanghai Co ltd filed Critical Shiwei Xinzhi Medical Technology Shanghai Co ltd
Priority to CN202111337877.6A priority Critical patent/CN114155204A/zh
Publication of CN114155204A publication Critical patent/CN114155204A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种乳腺结节边界锐利度判定装置，包括：图像获取模块：用于获取带有乳腺结节的超声图像；感兴趣结节图像提取模块：用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取，得到感兴趣结节图像；超像素图像构建模块：用于对所述感兴趣结节图像进行超像素分割，得到超像素图像；带状区域构建模块：用于以所述超像素图像中的乳腺结节边界为基准构建一带状区域，所述带状区域包括内部带状区域和外部带状区域；边界锐利度判定模块：用于获取所述带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定。本发明能够对乳腺结节的锐利度进行有效判定。

Description

一种乳腺结节边界锐利度判定装置
技术领域
本发明涉及辅助医学诊断技术领域，特别是涉及一种乳腺结节边界锐利度判定装置。
背景技术
如今，随着对快速准确诊断的需求日益增长，以及临床人员的短缺，计算机分析方法已经越来越多地应用于支持常规临床诊断，并显示出良好的效果。
预计近些年，乳腺癌将成为女性的第二大致命癌症，死亡率为15％。这些统计数据表明，乳腺癌的诊断对于提高预期寿命至关重要，尤其是对女性而言。作为一种常用的临床工具，超声成像是一种无创、无辐射、低成本的癌症诊断技术。然而，由于图像质量较低，从超声中识别乳腺病变和检测癌症体征是一项具有挑战性的任务。
恶性肿瘤的生长和进展可以通过其方向、外观、质地、成分和许多其他因素来反映。作为一种使用良好的工具，灰度超声(US)图像可以可视化许多这些因素，帮助医生更好地观察和理解乳腺结节。然而，在目前的临床实践中，在超声乳腺图像中观察到的特征只能主观或半主观地进行评估，这限制了超声图像的广泛应用。因此，自动准确的乳腺结节定量分析标准对于准确的癌症诊断至关重要。
乳腺成像报告和数据***(BI-RADS)是科学测量和报告乳腺结节的指南。不幸的是，目前还没有研究定量BI-RADS特征改善乳腺癌分类的诊断性能。
发明内容
本发明所要解决的技术问题是提供一种乳腺结节边界锐利度判定装置，能够对乳腺结节的锐利度进行有效判定。
本发明解决其技术问题所采用的技术方案是：提供一种乳腺结节边界锐利度判定装置，包括：
图像获取模块：用于获取带有乳腺结节的超声图像；
感兴趣结节图像提取模块：用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取，得到感兴趣结节图像；
超像素图像构建模块：用于对所述感兴趣结节图像进行超像素分割，得到超像素图像；
带状区域构建模块：用于以所述超像素图像中的乳腺结节边界为基准构建一带状区域，所述带状区域包括内部带状区域和外部带状区域；
边界锐利度判定模块：用于获取所述带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定。
所述超像素图像构建模块中的对所述感兴趣结节图像进行超像素分割，还包括：对超像素的数量进行设定，公式为：
Figure BDA0003351097460000021
其中，Isp表示超像素的数量，w表示乳腺结节的宽度，h表示乳腺结节的高度。
所述带状区域构建模块中，通过坐标插值法或形态学操作以所述超像素图像中的乳腺结节边界为基准构建一带状区域。
所述边界锐利度判定模块中的获取所述带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定，具体为：
以乳腺结节为中心围绕所述带状区域旋转一周，并在旋转过程中依次从所述内部带状区域至外部带状区域的方向上提取每个超像素的亮度值，得到一个关于内部带状区域至外部带状区域中超像素的亮度趋势变化信号，旋转一周后得到n个亮度趋势变化信号，最后对n个亮度趋势变化信号进行锐利度判定；
若所述亮度趋势变化信号小于预设阈值，则判定乳腺结节边界非锐利；若所述亮度趋势变化信号大于预设阈值，则判定乳腺结节边界锐利。
所述边界锐利度判定模块中的根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定，公式为：
Figure BDA0003351097460000022
其中，Si表示第i个亮度趋势变化信号，Rangei表示第i个亮度趋势变化信号中超像素的最高亮度值和最低亮度值之间的差值，sharp表示锐利，unsharp表示非锐利，trange表示预设锐利信号的阈值。
所述边界锐利度判定模块还包括：对乳腺结节边界锐利度判定后，将第i个亮度趋势变化信号判定结果和相邻亮度趋势变化信号判定结果进行对比来修正锐利度判定结果，公式为：
Figure BDA0003351097460000023
其中，亮度趋势变化信号判定结果为1表示锐利，亮度趋势变化信号判定结果为0表示非锐利。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明基于超像素结合信号分析的方法对乳腺结节的边界进行局部分析，能够有效判定出结节的边界是否锐利；本发明可以有效避免医生对乳腺结节直接进行主观分析导致错误，方便医生更好更快更精确地做出判断。
附图说明
图1是本发明实施方式的流程图；
图2是本发明实施方式的带状区域示意图；
图3是本发明实施方式的乳腺结节锐利度判定结果示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种乳腺结节边界锐利度判定装置，请参阅图1，包括：
图像获取模块：用于获取带有乳腺结节的超声图像；
感兴趣结节图像提取模块：用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取，得到感兴趣结节图像；
超像素图像构建模块：用于对所述感兴趣结节图像进行超像素分割，得到超像素图像；
带状区域构建模块：用于以所述超像素图像中的乳腺结节边界为基准构建一带状区域，所述带状区域包括内部带状区域和外部带状区域；
边界锐利度判定模块：用于获取所述带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定。
以下通过一个具体的实施方式进一步说明本发明：
在临床实践中，边界锐利度是分析结节的恶性程度的重要指标。由于恶性肿瘤对周围组织具有侵袭性，因此恶性结节的边界通常表现出欠锐利的特征。本实施方式通过对乳腺结节边界锐利度进行分析，以帮助医生做出快速准确的临床决策。
在带状区域构建模块中，首先需要从感兴趣结节图像(ROI)中提取子区域以获得更好的分析结果。如图2所示，在提取子区域时，基于结节边界RC获得带状区域(由内部边界IP和外部边界OP构成的区域)。该带状区域包括两个区域——内部带状区域(由内部边界IP和结节边界RC构成的区域)和外部带状区域(由外部边界OP和结节边界RC构成的区域)。
在提取上述子区域前，需要对感兴趣结节图像进行超像素化，即在超像素图像构建模块中，通过算法对所述感兴趣结节图像进行超像素分割，得到超像素图像。
超像素算法对图像进行分割并且消除了图像冗余，并提供了一种简易的结构，从中捕获图像特征，从而最终降低了对图像进行进一步分析的复杂性。本实施方式采用k-means聚类算法生成超像素，这种方法的优点是，它降低了图像的复杂性，但也保留了图像中的某些特征，超像素的数量Isp可以被指定，本实施方式中，Isp根据结节的大小来确定，公式如下：
Figure BDA0003351097460000041
其中，w和h分别是乳腺结节的宽和高，min(w,h)表示乳腺结节的最小尺寸，所有Isp的数值均占结节区域的50％到10％之间。
在边界锐利度判定模块中，信号分析主要是对带状区域中超像素的亮度趋势变化进行分析，基于超像素图像提取乳腺结节边界周围(即带状区域)的多个超像素的亮度趋势变化信号，对每个亮度趋势变化信号进行分析，并为每个亮度趋势变化信号分配一个标签——锐利或非锐利。该方法体现了结节边界清晰度的局部度量。
对带状区域中超像素的亮度趋势变化信号进行分析的原理为：以乳腺结节为中心围绕所述带状区域旋转一周，并在旋转过程中依次从所述内部带状区域至外部带状区域的方向上提取每个超像素的亮度值，得到一条关于内部带状区域至外部带状区域中超像素的亮度趋势变化信号，旋转一周后得到n条亮度趋势变化信号。需要注意的是，超像素的亮度值是根据组成该超像素的普通像素的亮度求均值得到的。每个亮度趋势变化信号的分类结果遵循以下标准：
Figure BDA0003351097460000042
其中，Si表示第i条亮度趋势变化信号，Rangei表示第i条亮度趋势变化信号中超像素的最高亮度值和最低亮度值之间的差值，sharp表示锐利，unsharp表示非锐利，trange表示预设锐利信号的阈值，当乳腺结节为大结节时，trange＝15；当乳腺结节为小结节时，trange＝20。
在对所有亮度趋势变化信号进行分类后，本实施方式对锐利度判定结果进行进一步的复核，以更正异常的分类。该检查通过将每个亮度趋势变化信号分类结果与其相邻的亮度趋势变化信号分类结果进行对比，来确保区域内分类结果的一致性，即，如果锐利(1)/非锐利(0)信号被非锐利(0)/锐利(1)信号包围，则该分类结果将被反转以保持和大多数相邻分类结果相同，具体如下所示：
Figure BDA0003351097460000051
超像素亮度趋势变化信号分析的输出是每个信号及其位置的锐利度标签，请参阅图3，(a)中白色线条圈出来的区域表示乳腺结节，(b)中在带状区域里，线条密集的区域表示该区域边界是锐利的，没有线条的区域表示该区域边界是不锐利的。
结果表明，超像素亮度趋势变化信号分析可以作为结节边界锐利度的一个很好的指标，极大地帮助医生做出更快速、更准确的临床决策。
由此可见，本发明通过超像素结合信号分析的方法对乳腺结节的边界进行局部分析，能够有效判定出结节的边界是否锐利。

Claims (6)

1.一种乳腺结节边界锐利度判定装置，其特征在于，包括：
图像获取模块：用于获取带有乳腺结节的超声图像；
感兴趣结节图像提取模块：用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取，得到感兴趣结节图像；
超像素图像构建模块：用于对所述感兴趣结节图像进行超像素分割，得到超像素图像；
带状区域构建模块：用于以所述超像素图像中的乳腺结节边界为基准构建一带状区域，所述带状区域包括内部带状区域和外部带状区域；
边界锐利度判定模块：用于获取所述带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定。
2.根据权利要求1所述的乳腺结节边界锐利度判定装置，其特征在于，所述超像素图像构建模块中的对所述感兴趣结节图像进行超像素分割，还包括：对超像素的数量进行设定，公式为：
Figure FDA0003351097450000011
其中，Isp表示超像素的数量，w表示乳腺结节的宽度，h表示乳腺结节的高度。
3.根据权利要求1所述的乳腺结节边界锐利度判定装置，其特征在于，所述带状区域构建模块中，通过坐标插值法或形态学操作以所述超像素图像中的乳腺结节边界为基准构建一带状区域。
4.根据权利要求1所述的乳腺结节边界锐利度判定装置，其特征在于，所述边界锐利度判定模块中的获取所述带状区域中若干关于超像素的亮度趋势变化信号，并根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定，具体为：
以乳腺结节为中心围绕所述带状区域旋转一周，并在旋转过程中依次从所述内部带状区域至外部带状区域的方向上提取每个超像素的亮度值，得到一个关于内部带状区域至外部带状区域中超像素的亮度趋势变化信号，旋转一周后得到n个亮度趋势变化信号，最后对n个亮度趋势变化信号进行锐利度判定；
若所述亮度趋势变化信号小于预设阈值，则判定乳腺结节边界非锐利；若所述亮度趋势变化信号大于预设阈值，则判定乳腺结节边界锐利。
5.根据权利要求3所述的乳腺结节边界锐利度判定装置，其特征在于，所述边界锐利度判定模块中的根据获取的每一个亮度趋势变化信号对乳腺结节边界的锐利度进行判定，公式为：
Figure FDA0003351097450000021
其中，Si表示第i个亮度趋势变化信号，Rangei表示第i个亮度趋势变化信号中超像素的最高亮度值和最低亮度值之间的差值，sharp表示锐利，unsharp表示非锐利，trange表示预设锐利信号的阈值。
6.根据权利要求3所述的乳腺结节边界锐利度判定装置，其特征在于，所述边界锐利度判定模块还包括：对乳腺结节边界锐利度判定后，将第i个亮度趋势变化信号判定结果和相邻亮度趋势变化信号判定结果进行对比来修正锐利度判定结果，公式为：
Figure FDA0003351097450000022
其中，亮度趋势变化信号判定结果为1表示锐利，亮度趋势变化信号判定结果为0表示非锐利。
CN202111337877.6A 2021-11-12 2021-11-12 一种乳腺结节边界锐利度判定装置 Pending CN114155204A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111337877.6A CN114155204A (zh) 2021-11-12 2021-11-12 一种乳腺结节边界锐利度判定装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111337877.6A CN114155204A (zh) 2021-11-12 2021-11-12 一种乳腺结节边界锐利度判定装置

Publications (1)

Publication Number Publication Date
CN114155204A true CN114155204A (zh) 2022-03-08

Family

ID=80460073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111337877.6A Pending CN114155204A (zh) 2021-11-12 2021-11-12 一种乳腺结节边界锐利度判定装置

Country Status (1)

Country Link
CN (1) CN114155204A (zh)

Similar Documents

Publication Publication Date Title
US8849000B2 (en) Method and device for detecting bright brain regions from computed tomography images
US20060120608A1 (en) Detecting and classifying lesions in ultrasound images
CN112071418B (zh) 基于增强ct影像组学的胃癌腹膜转移的预测***及方法
CN114140378A (zh) 扫描图像处理方法、电子设备和可读介质
CN113450327B (zh) 一种甲状腺结节的血管分布信息识别装置
TW201726064A (zh) 醫療影像處理裝置及其***影像處理方法
CN113450326B (zh) 一种甲状腺结节的血管信息提取装置
KR100762746B1 (ko) 미세석회화 진단 시스템 및 방법
CN114155205A (zh) 一种乳腺结节边界清晰度判定装置
CN116468727A (zh) 基于腔镜图像识别辅助判断子宫内膜高危增生的方法及***
CN114155204A (zh) 一种乳腺结节边界锐利度判定装置
CN113822864A (zh) 一种乳腺结节钙化检测装置
Arnold et al. Indistinct frame detection in colonoscopy videos
CN110648333A (zh) 基于中智学理论的乳腺超声视频图像实时分割***
TWM527991U (zh) 醫療影像處理裝置
CN113393452B (zh) 一种甲状腺结节血管数目探测装置
CN113808100B (zh) 一种乳腺结节粗钙化识别装置
WO2022153100A1 (en) A method for detecting breast cancer using artificial neural network
CN113940702A (zh) 一种甲状腺结节回声分析装置
CN114022429A (zh) 一种乳腺结节分叶征检测装置
CN113808102B (zh) 一种乳腺结节钙化阴影识别装置
CN113808101B (zh) 一种乳腺结节钙化分析装置
CN113647985B (zh) 一种结节纵横比提取装置
CN114022431A (zh) 一种乳腺结节凹凸度测量装置
CN114926389B (zh) 一种超声图像的弹性信号提取装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201114 room 101-8, building 3, No. 2388, Chenhang Road, Minhang District, Shanghai

Applicant after: Shiwei Xinzhi medical technology (Shanghai) Co.,Ltd.

Address before: 1628 suzhao Road, Minhang District, Shanghai 201112

Applicant before: Shiwei Xinzhi medical technology (Shanghai) Co.,Ltd.