用于图像标准化的方法和系统与流程

1.本发明涉及用于将原始乳房x线照片变换成标准化表示的方法和系统，其中，像素值与成像条件无关。


背景技术：

2.乳房x线摄影是一种诊断和筛查过程，其中，x射线用于检查乳房，主要用于乳腺癌检测，乳房x线摄影还可以识别与其他疾病，例如慢性肾病、骨矿物质密度降低、糖尿病、代谢综合征、高血压、冠状动脉疾病和中风相关的异常。
3.乳房筛查需要获得每个乳房的两个视图，即，每个患者四个乳房x线照片。最近，为了改善诊断，已经捕获了一系列二维(2d)投影并将其用于重建三维(3d)图像，其称为层析x射线照相组合或3d乳房x线摄影。
4.数字乳房x线摄影通常涉及两种类型的图像：“原始”的图像和“处理过”的图像。“原始”的图像是所获取的图像，具有一些技术调整比如像素校准和不均匀性校正；“处理过”的图像是从原始图像导出的图像，其已经被修改以提高空间分辨率(例如，对比度均衡或增强)。
5.基本上，乳房x线摄影图像是辐射衰减映射，并且由于应用于成像过程以生成原始图像的物理参数(例如，辐射剂量、x射线管电压、滤波材料等)的不一致性，原始乳房x线摄影图像的显示在不同成像模态和每个乳房x线摄影设备(即，由不同制造商制造的设备)之间显著变化。
6.cad系统自动检测并突出显示乳房x线照片中潜在癌症的位置。cad系统使用人工智能技术、模式识别技术或图像处理技术进行自动分析，并且然后由放射科医师审查分析以进行最终诊断决策。
7.cad的目的是降低假阳性率并提高乳腺x线照片的敏感性。然而，cad的表现受到乳房动脉钙化(bac)的存在的影响。bac是沿着乳房中动脉壁的钙沉积物。bac经常在筛查乳房x线照片上观察到，并且是由cad系统标记的最常见的假阳性之一。bac的示例在图1中示出，其中，在图1(d)中，bac被视为乳房下半部分中的明亮线性迹线。
8.乳房x线照片中bac的检测是一项具有挑战性的任务，特别是由于其拓扑复杂性(bac可以彼此交叉和重叠)。这种拓扑复杂性产生各种模式，并且这种多样性使得难以定义用来描述bac的模型。
9.此外，bac的强度值不均匀，并且其外观有时类似于健康的乳房组织。因此，需要一种稳健的方法来区分和分割出来自乳房x线照片的bac，由此cad算法可以在来自不同模态和制造商的原始图像上实现更一致的性能。
10.本发明提供了这样的解决方案。


技术实现要素：

11.本发明涉及一种这样的方法和系统，即：其用于区分和分割来自乳房x线照片的
bac，由此cad算法可以在来自不同模态和制造商的原始图像上实现更一致的性能。该方法可以用于使原始图像标准化。根据该方法和系统，原始图像通过其中像素值独立于成像条件的手段被标准化：滤波后的像素值表示原始图像中的所述像素与相邻像素之间的相对幅度。
12.根据本发明的方面，该方法包括给出的如下三个步骤。
13.1)对比度增强，用于改善乳房组织成分的可见性，由此分割乳房的区域，并将对比度拉伸算法应用于所分割的区域以优选地创建增强的原始图像或乳房x线照片；
14.2)执行局部最大变换，由此2维第一滤波器设计成从感兴趣区域(roi)中提取最大像素值，以优选地创建局部最大映射像或映射；以及
15.3)导出比率映射，(其中“比率映射”意指增强的原始图像与其局部最大映射之间的逐像素比率)，由此比率映射的像素值是所述像素相对于其局部最大值的相对响应的度量，从而捕获乳房成分之间的差异，而不管乳房x线照片变化如何。
16.该方法是用于区分和分割bac与乳房x线照片中的其他组织的原始图像的标准化的手段。该方法降低了假阳性率并且提高了乳腺x线照片的敏感性。
17.可以根据上述三个步骤从原始图像乳房x线照片中导出标准化图像。标准化图像可以示出来自上述步骤1的逐像素对比度增强值与来自上述步骤2的相应的局部最大值之间的逐像素比率。
18.在步骤2中，可以通过对在步骤1中确定的对比度增强值进行滤波来导出局部最大值。
19.可以通过以下方式从对比度增强乳房x线照片中导出局部最大映射，即：使用局部最大变换来对对比度增强的乳房x线照片进行滤波。优选地，局部最大变换由2维第一滤波器实现。
20.定制的第二滤波器可以应用于比率映射以帮助或执行bac的提取。优选地，定制的第二滤波器是使用基于hessian的多尺度滤波的类型。定制的第二滤波器可以应用于比率映射以生成bac的概率图像。可以通过对bac的概率图像进行阈值处理来获得示出了二进制bac的预测的映射或图像。
21.对比度拉伸算法可以包括：对原始图像中的乳房区域进行分割；以及缩放乳房区域中的像素值。
22.对比度拉伸算法包括：对原始图像中的乳房区域进行分割；以及缩放乳房区域中的像素值。优选地，对比度拉伸算法包括使乳房区域中的经缩放的像素值饱和以及/或者确定乳房区域中的饱和的经缩放的像素值。对比度拉伸算法可以包括对原始图像的经缩放的像素值执行校正。原始图像可以是饱和图像或者是乳房区域具有饱和的经缩放的像素值的图像。
23.优选地，使用指示像素值的相对低值和相对高值的低饱和度参数和/或高饱和度参数来执行校正。低饱和度值和/或高饱和度值可以是根据像素值从最低到最高排序的乳房区域中的像素的预选的低百分位和/或预选的高百分位处的像素的像素值。校正可以是伽马校正类型。
24.伽玛校正强调像素值的差异，从而有助于将它们区分开。例如，两个像素在原始图像中可以分别具有像素值1和2。在伽马校正之后，伽马校正的图像可以对于相同的两个像
素分别具有10和50的像素值。因此，两个像素之间的对比度被“拉伸”。优选地，伽马校正包括使用饱和度参数的计算，该饱和度参数对原始图像的乳房区域中的像素的低饱和度阈值和高饱和度阈值进行量化。
25.优选地，低饱和度阈值是乳房区域中的像素的预选低百分位数的像素值。优选地，根据像素值，预选的低百分位数是像素的最低0.5％或1％或2％或5％。类似地，优选地，高饱和度阈值是乳房区域中的像素的预选高分位数的像素值。优选地，根据像素值，预选的高分位数是像素的最高0.5％或1％或2％或5％。
26.对比度拉伸算法的应用可以是对饱和的原始图像的伽马校正，其中，饱和度参数是根据乳房区域中的经缩放的像素确定的。
27.根据本发明的另一方面，提供了一种用于变换包括乳房图像的原始乳房x线照片以标准化呈现的系统，该系统包括与存储器通信的处理器，存储器布置成：
28.1)创建对比度增强的乳房x线照片以改善乳房组织成分的可见性，其中，对存储器中存储的原始乳房x线照片中的乳房图像的区域进行分割，并且处理器布置成实施应用于所分割的区域的对比度拉伸算法；
29.2)通过执行局部最大变换来创建存储器中存储的对比度增强的乳房x线照片的局部最大映射，其中，由处理器实施的2维第一滤波器从感兴趣区域(roi)提取最大像素值；并且
30.3)使用处理器来导出比率映射并将比率映射存储在存储器中，其中，比率映射包括对比度增强的乳房x线照片与存储在存储器中的局部最大映射之间的逐像素比率，其中，比率映射的像素值是比率映射的像素对原始乳房x线照片中的其局部最大值的相对响应的度量。
31.该系统实现了创建与成像条件无关的映射和图像的方法。
32.优选地，该系统包括用以示出比率映射或者从映射导出的标准化图像的显示器。因此，可以使用该系统清楚地看到乳房区域中的各种特征。
33.优选地，处理器布置成实现对比度拉伸算法以将乳房区域中的像素值映射到新值，以创建对比度增强的乳房x线照片，使得新值的一部分在输入数据的低强度和高强度下饱和。因此，高饱和度极限与低饱和度极限之间的像素值的全范围可以被“拉伸”以看到具有清晰度和对比度的该范围内的特征。
34.在系统中，优选地，处理器布置成对大小为m行n列的对比度增强的乳房x线照片上的2维第一滤波器进行处理，并且将其分成重叠的roi；将其转换成图像大小不变的另一表示；并且产生局部最大映射，在该局部最大映射中，其像素代表来自对比度增强的乳房x线照片中的相邻像素的局部最大像素值。通过这种方式，2维滤波器能够从感兴趣区域中提取最大像素值。
35.优选地，处理器布置成读取比率映射的范围从0至1的像素值，并且将像素值重新缩放为8位、16位、32位或64位整数，以作为标准化图像存储在存储器中。以这种方式，标准化放大了乳房组成之间的区别，因此bac相比其他乳房组织具有更好的对比度。
36.优选地，处理器布置成将定制的第二滤波器应用于比率映射，其中，第二滤波器是使用基于hessian的多尺度滤波的类型的血管增强滤波器，该血管增强滤波器被调谐以适应bac和乳房x线照片的特性，以获得血管概率的度量以生成bac的概率图像。因此，减少了
专家的误报和误解，原因在于定制的第二滤波器增强了比率映射中的管状和细长结构，其对应于bac模式。
37.本发明的其他特征在权利要求中公开。现在将参照附图仅通过示例的方式对本发明进行描述。
附图说明
38.图1示出了原始乳房x线照片的标准化，其中，图1(d)的标准化图像是图1(b)的对比度增强的乳房x线照片(即，图1(a)所示的原始乳房x线照片的对比度增强版本)与图1(c)的局部最大映射之间的逐像素比率，其中，通过使用局部最大变换对图1(b)进行滤波来得到图1(c)，该局部最大变换是用2维第一滤波器实现的。
39.图2示出了两对图像：原始乳房x线照片图2(a)和层析x射线照相组合图2(b)，其通过来自相同制造商的成像设备生产(顶行)；来自相同模态但不同制造商，即，西门子图2(c)和飞利浦图2(d)，的原始乳房x线照片；比率映射标准化(底行)去除了每个原始图像对之间的区别，并且进一步增强了组织结构。
40.图3示出了使用基于hessian的多尺度滤波的bac提取。将乳房x线照片标准化为比率映射3(a)；应用定制的第二滤波器以生成bac概率图像图3(b)；二进制bac预测通过阈值化图3(b)获得图3(c)(蓝色)。在(d)中示出了对应的地面实况掩码(红色)。
41.图4示出了原始图像(a)及其乳房区域分割(b)。这里，原始图像是单色2，因此其在乳房区域中的像素值小于在背景区域中的像素值。
42.图5示出了像素饱和度的应用。在乳房区域中的经缩放的像素(参见缩放等式(1))中，低饱和度阈值和高饱和度阈值由(a)中这些像素的顶部和底部1％确定。如(b)中那样将饱和度阈值应用于整个图像，从而产生饱和图像(c)。
43.图6示出了伽马校正，在该伽马校正中，在所示的非线性变换之后，校正将低饱和度映射到低输出，以及将高饱和度映射到高输出。应用于图5(c)的伽马校正产生图6(b)。
44.图7示出了局部最大变换。以3
×
3图像区域(a)为例，由第一滤波器实现的局部最大变换从该区域提取最大像素值。第一滤波器用区域最大值替换中心像素值，如(b)中所示。图6(b)上的局部最大变换产生图7(c)。
45.图8示出了从图6(b)和图7(c)之间的逐像素比率导出的比率图像，其中乳房区域外部的像素值被设置为零。
46.图9示出了将原始乳房x线照片标准化为比率图像的工作流程。比率图像(f)是(c)伽马校正图像与(d)局部最大值图像之间的逐像素比率。前者从2％饱和图像(b)的伽马校正获得，后者通过使用局部最大第一滤波器的滤波(c)导出。
具体实施方式
47.在实施方式中，区分和分割来自乳房x线照片的bac的方法和系统包括如下给出的三个步骤。
48.1)对比度增强，用于改善乳房组织成分的可见性，由此分割乳房区域，并且对比度拉伸算法应用于所分割的区域。该算法将乳房区域中的像素值映射到新值，使得数据的一部分在输入数据的低强度和高强度下饱和。
49.2)执行局部“最大”变换，由此2维第一滤波器设计成从感兴趣区域(roi)中提取最大像素值。m行和n列的图像可以被分成m
×
n个重叠的roi，其中，每个roi以像素位置(m，n)为中心。因此，第一滤波器将图像转换为图像尺寸不变的另一表示。将第一滤波器应用于增强的原始乳房x线照片产生以下图像，在该图像中，其像素表示来自增强的原始乳房x线照片中的相邻像素的局部最大像素值。
50.3)导出比率映射，由此比率映射的像素值是所述像素对其局部最大值的相对响应的度量。这种相关性捕获乳房组成之间的差异，而不管乳房x线照片变化如何。由于比率映射的像素值的范围从0至1，重新缩放到8位或16位整数获得了标准化图像。
51.标准化图像中的像素值表示在不管成像条件的情况下，原始图像中该像素与其相邻像素之间的相对幅度。此外，标准化放大了乳房组成之间的区别，因此bac相比其他乳房组织具有更好的对比度。如图1所示，与原始乳房x线照片(图1(a))相比，bac的可见性在标准化图像(图1(d))中显著改善。这种清晰度有助于开发bac检测算法。
52.使用被调谐以适应bac和乳房x线照片的特性的frangi血管增强第二滤波器，检查多尺度二阶局部结构(即，hessian矩阵)，并且从hessian矩阵的特征值获得血管概率的度量。第二滤波器增强了比率映射中的管状和长形结构，管状和长形结构对应于bac模式。
53.参照图3，图像标准化(图3(a))放大了图像梯度，进而增强bac与周围组织的对比度。应用frangi血管增强第二滤波器(图3(a))，从而产生bac概率图像(图3(b))。然后，自适应阈值化算法从滤波后的图像中提取最终bac掩模(图3(c))。提取的bac(图3(c))与由有经验的放射科医师手动标记的地面实况(图3(d))良好一致。地面实况的起源是客观的、可证明的数据。
54.与其他乳房组织相比，在原始乳房x线照片上直接应用frangi血管增强第二滤波器不能增强bac结构，这进一步使阈值算法无法分割bac。
55.下面给出该方法中的三个步骤的另一说明性示例。
56.1)对比度增强
57.a)乳房区域被分割如下：
58.b)从图4(a)的原始乳房x线照片图像导出二进制图像，如图4(b)所示，其中，非零像素指示乳房在对应的原始图像中的位置。
59.c)将原始图像中的乳房区域内的像素值缩放到范围在0至1之间，然后使用等式(1)进行对数变换。
60.scaled raw image＝log(raw image/65535)
ꢀꢀꢀ
(1)
61.d)确定图像饱和度阈值，即，由分割图4(b)引导，基于像素值以升序对原始图像图4(a)的乳房区域中的经缩放的像素进行排序。从较高值到较低值对这些像素进行计数，像素的顶部和底部1％被确定为饱和度阈值。在图5(a)中示出了从图4(a)和图4(b)确定饱和度阈值的图示。在原始图像中，小于低饱和度阈值的像素值设定为低饱和度阈值，并且大于高饱和度阈值的像素值设定为高饱和度阈值。饱和图像具有在低饱和度阈值与高饱和度阈值之间的像素值范围，如图5(b)所示。例如，图5(c)是图4(a)的饱和图像。
62.e)伽马校正按照等式(2)和图6(a)将饱和图像的像素值映射至介于特定底部输出阈值与顶部输出阈值之间的非线性范围。底部输出阈值和顶部输出阈值设定为分别产生脂肪组织与致密(纤维腺)组织之间的最佳对比度的参数，例如0.01和1，并且伽马校正因子设
定为0.5。在伽马校正之后，图5(c)变为图6(b)。
[0063][0064]
其中，i表示饱和图像像素值；如图5(a)和图6(a)所示，low
in
和high
in
分别是低饱和阈值和高饱和阈值，low
out
和high
out
是特定的底部输出阈值和顶部输出阈值，如图6(a)中的“低输出”和“高输出”，并且γ控制低输出与高输出之间的权重。
[0065]
2)局部最大变换
[0066]
2维第一滤波器设计成从5mm
×
5mm的感兴趣区域(roi)提取最大像素值。将该第一滤波器应用于伽马校正图像产生了输出，在该输出中，其像素表示来自以该像素位置为中心的roi的最大像素值。在图7(a)和图7(b)中示出了这种局部最大变换的演示，并且在图7(c)中示出了变换的图6(b)。
[0067]
3)比率映射导出
[0068]
这里使用比率映射来描述伽马校正的原始图像与其局部最大映射之间的逐像素比率。例如，图8是图6(b)(逐像素)除以图7(c)的结果。在将浮点比率映射缩放到16位图像之后，可以获得最终的标准化图像。在图9中提取了从原始图像导出标准化比率映射像的整个工作流程。
[0069]
标准化图像中的像素值表示在不管成像条件的情况下，原始图像中该像素与其相邻像素之间的相对幅度。如图2所示，所提出的标准化算法减轻了来自不同模态和制造商的乳房x线照片之间的差异。此外，标准化自然地放大了图像梯度，进而增强了具有尖锐边缘的乳房组织。这可以进一步促进重要组织特征(比如乳房动脉钙化)的提取。
[0070]
已经仅通过示例的方式对本发明进行了描述，修改和替代对于本领域技术人员将是明显的。所有这样的实施方式和修改旨在落入权利要求的范围内。