DE102004059577A1 - Verfahren zur radiologischen Bildverarbeitung - Google Patents

Verfahren zur radiologischen Bildverarbeitung Download PDF

Info

Publication number
DE102004059577A1
DE102004059577A1 DE102004059577A DE102004059577A DE102004059577A1 DE 102004059577 A1 DE102004059577 A1 DE 102004059577A1 DE 102004059577 A DE102004059577 A DE 102004059577A DE 102004059577 A DE102004059577 A DE 102004059577A DE 102004059577 A1 DE102004059577 A1 DE 102004059577A1
Authority
DE
Germany
Prior art keywords
image
intensity
picture
point
points
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.)
Withdrawn
Application number
DE102004059577A
Other languages
English (en)
Inventor
Sylvain Bernard
Serge Muller
Xavier Bouchevreau
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.)
GE Medical Systems Global Technology Co LLC
Original Assignee
GE Medical Systems Global Technology Co LLC
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 GE Medical Systems Global Technology Co LLC filed Critical GE Medical Systems Global Technology Co LLC
Publication of DE102004059577A1 publication Critical patent/DE102004059577A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/10Image enhancement or restoration by non-spatial domain filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/20Image enhancement or restoration by the use of local operators
    • G06T5/94
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/25Determination of region of interest [ROI] or a volume of interest [VOI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20004Adaptive image processing
    • G06T2207/20012Locally adaptive
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30068Mammography; Breast
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03Recognition of patterns in medical or anatomical images
    • G06V2201/032Recognition of patterns in medical or anatomical images of protuberances, polyps nodules, etc.

Abstract

Ein Verfahren zur radiologischen Bildverarbeitung, das enthält: das Lokalisieren eines Elementes, das Anzeichen für eine Mikrokalzifierung aufweisen kann, auf einem von einer Bildgebungseinrichtung gelieferten radiologischen Bild und Anzeigen eines Bildes, auf dem die Intensität der auf diese Weise lokalisierten Elemente erhöht ist.

Description

  • HINTERGRUND DER ERFINDUNG
  • Die Erfindung bezieht sich auf das Feld der radiologischen Bildgebung und, spezifischer, ein Interessengebiet speziell in dem Bereich der Mammografie. Mammografie wird in großem Umfang benutzt, um Schädigungen zu erkennen und Brustkrebs vorzubeugen. Die ersten Anzeichen, die Radiologen auf mammografischen Bildern suchen, sind als Mikrokalzifizierungen bezeichnete Kalziumablagerungen, die allgemein beim Röntgen undurchsichtigere Elemente als das umgebende Gewebe bilden. Radiologen prüfen die Bilder genau, indem sie nach Anzeichen für diese Mikrokalzifizierungen suchen. Radiologen können bis zu einem gewissen Grade zwischen bösartigen Mikrokalzifizierungen (häufig eine Gruppe von Clustern) und gutartigen Kalziumablagerungen unterscheiden. Radiologen deuten die Form und Helligkeit jeder einzelnen Mikrokalzifizierung ebenso wie die Form und Ausdehnung der Cluster, die sie auf den radiografischen Bildern erkennen.
  • Dennoch bemerken einige Radiologen bestimmte Ablagerungen nicht. Diese Erscheinung hat verschiedene Gründe. Weil mammografische Bilder das Ergebnis von Projektionen sind, ist zu bemerken, dass sie überlagerte Strukturen darstellen, die die Sichtbarkeit von Mikrokalzifizierungen versperren. Außerdem müssen Radiologen oft mehrere mammografische Bilder, eines nach dem anderen, analysieren, was zur Augenermüdung führen könnte, die ihre Fähigkeit zum Erkennen von Clustern beinträchtigen könnte.
  • Werkzeuge zur computerunterstützten Diagnose (CAD) helfen den Radiologen beim Erkennen und Charakterisieren von Läsionen. Ein solches System ist z.B. in dem US-Patent Nr. 6,137,898 beschrieben. Diese CAD-Systeme können Filmbilder verarbeiten, die zuvor unter Benutzung eines Scanners digitalisiert worden sind, und Cluster von bösartigen Mikrokalzifizierungen erkennen. Diese Systeme zeigen die Position der Cluster in dem Bild durch Verwendung von Markierungen, wie z.B. Rechtecken, Kreisen oder sogar Pfeilen an, die um die Cluster herum angeordnet sind. Der Radiologe kann das auf diese Weise markierte Gebiet zum genaueren Betrachten auswählen. Diese Systeme enthalten auf charakteristische Parameter gestützte Algorithmen, die es ihnen erlauben, die bösartigen Elemente automatisch von den gutartigen Elementen zu unterscheiden. Der Nachteil dieser Systeme besteht darin, dass sie dazu neigen, den Radiologen bei der Interpretation der Bilder und speziell beim Unterscheiden zwischen bösartigen Elementen und gutartigen Elementen zu ersetzen. Dennoch sind diese Systeme nicht zuverlässig genug, um die Radiologen vollständig zu ersetzen.
  • KURZE BESCHREIBUNG DER ERFINDUNG:
  • sEine Ausführungsform der Erfindung ist auf ein CAD-System zum Unterstützen eines Radiologen beim Erkennen von Mikrokalzifizierungen gerichtet, ohne den Radiologen in dem Stadium der Bildinterpretation zu ersetzen. Eine Ausführungsform der Erfindung ist auf ein Verfahren zur Bildver arbeitung, typischerweise eines radiologischen Bildes, gerichtet, wobei das Verfahren aufweist: das Bestimmen der Lage eines Elementes, das ein Anzeichen für eine Mikrokalzifizierung enthalten kann, auf einem Bild, das von einer Bildgebungseinrichtung bereitgestellt worden sein kann, und das Anzeigen eines Bildes, auf dem die Intensität der auf diese Weise lokalisierten Elemente erhöht ist. Jedes auf dem radiologischen Bild lokalisierte Element besteht aus einer Menge von verbundenen Pixeln (oder Punkten).
  • Eine Ausführungsform des Verfahrens der Erfindung erlaubt das Verstärken aller auf dem Bild erscheinenden Anzeichen von Mikrokalzifizierungen ohne eine Unterscheidung, ob diese Anzeichen in Gruppen oder isoliert auftreten und gutartig oder bösartig sind. Folglich behält der Radiologe eine unmittelbare Übersicht über die Verteilungsaufzeichnung der Mikrokalzifizierungen. Der Radiologe kann dann direkt die Form und Ausdehnung der Cluster betrachten, ohne notwendigerweise die fraglichen Bereiche vergrößert darstellen zu müssen.
  • In allen Fällen bleibt die Einschätzung der klinischen Bedeutung der verstärkten Anzeichen dem Radiologen überlassen.
  • In einer Ausführungsform der Erfindung wird die erhöhte Intensität der Elemente, die Mikrokalzifizierungen enthalten können, auf einem "Präsentations"-Bild angewandt, das von dem Radiologen betrachtet werden kann und sich von dem rohen Bild unterscheidet, auf dem die Elemente erkannt werden. Dieses Präsentationsbild kann durch andere Verarbeitungsverfahren gewonnen werden, die zum Verbessern der Einfachheit entworfen worden sind, mit der der Radiologe die Bilder liest.
  • KURZE BESCHREIBUNG DER ZEICHNUNGEN:
  • Andere Merkmale und Vorteile werden durch das Lesen der Beschreibung unten deutlicher offenbart, die allein zu darstellenden, nicht beschränkenden Zwecken bereitgestellt wird und mit Bezug zu den beigefügten Figuren gelesen werden muss, in denen:
  • 1 in Form eines Diagramms die verschiedenen Phasen und Schritte einer Ausführungsform der Erfindung darstellt;
  • die 2A und 2B Beispiele für Funktionen des β-Spline-Typs darstellen;
  • 3 ein Bespiel einer μFibre-Funktion eines Pixels darstellt, das, gestützt auf die Ausdehnung des Segmentes, zu dem es gehört, zu der "Fiber"-Klasse gehört und
  • die 4A und 4B ein Präsentationsbild vor dem Verstärken und ein endgültiges Präsentationsbild nach dem Verstärken der Kalkanzeichen entsprechend darstellen.
  • DETAILLIERTE BESCHREIBUNG DER ERFINDUNG:
  • In 1 ist eine Ausführungsform der Erfindung dargestellt, bei der das Bildverarbeitungsverfahren auf ein Rohbild R angewandt wird, was bedeutet, dass es direkt von einem digitalen Detektor des radiologischen Systems gelie fert wird, ohne vorverarbeitet worden zu sein. Von diesem Rohbild R aus erlaubt das Verarbeitungsverfahren das örtliche Bestimmen von Elementen oder Objekten, die Anzeichen für Mikrokalzifizierungen enthalten können.
  • Das Verarbeitungsverfahren verwendet auch ein als "Präsentationsbild" bezeichnetes Bild, auf dem die Elemente am Ende hervorgehoben sein werden. Dieses Präsentationsbild S wird durch ein anderes Verarbeitungsverfahren aus dem rohen Bild R gewonnen. Dieses Verfahren ermöglicht das Erstellen eines Bildes, das von dem Radiologen direkt betrachtet werden kann. EP 1 113 392 beschreibt z.B. ein Verfahren zur Dickekompensation, das ein Anpassen der Graustufenvariationen zum Anzeigen eines Bildes ermöglicht, dessen Erscheinung das Durchführen eines Ablesens entlang der gesamten Ausdehnung der Brust der Patientin ermöglicht.
  • In 1 kann das Bildverarbeitungsverfahren fünf Phasen enthalten: (1) eine Vorverarbeitungsphase 100 eines rohen Bildes R, (2) eine Bildanalysephase 200, (3) eine Bildsegmentierungsphase 300, (4) eine Ähnlichkeitsmessungsphase 400 und (5) eine Zusammenfassungsphase 500 des Bildes, das zur Betrachtung durch den Radiologen vorgesehen ist.
  • Die Vorverarbeitungsphase 100 enthält das Umwandeln des rohen Digitalbildes R direkt von der digitalen Erkennungsvorrichtung in ein Bild, das für die anschließenden Verfahren verwendet werden kann. In dem Schritt 110 wird das rohe Bild R in einem interessierenden Bereich (ROI), das heißt in dem Bereich des Bildes, der die Brust der Patientin enthält, neu eingefasst. Dieser Schritt ist zum Anwenden der Erkennung der Elemente, die Anzeichen für eine Mikrokalzifizierung enthalten können, nur in dem interessierenden Bereich, und dadurch zum Verringern der folgenden Verarbeitungszeiten entworfen worden. Eine Logarithmusfunktion wird angewandt, um ein radiologisches, hinsichtlich der Dicke zugeschnittenes Bild zu erhalten, und der an jedem Punkt definierte lokale Kontrast wird normiert.
  • In Schritt 120 wird das rohe, neu eingerahmte Bild in ein Kontrastbild C umgewandelt, das für jedes Bildpixel so definiert ist:
    Figure 00060001
    wobei R(x,y) die Graustufenintensität des Dickebildes des rohen Bildes R bei dem Pixel (x,y) ist, M(x,y) die in dem das Pixel (x,y) in dem rohen Bild R umgebenden Gebiet berechnete durchschnittliche Graustufenintensität ist und K eine Konstante ist. Das umgebende Gebiet des Pixels (x,y) ist z. B. durch ein Fenster von (2W+1)2 Pixeln am Rand begrenzt, wobei W = 4 ist.
  • Die Bildanalysephase 200 enthält das Filtern des Kontrastbildes C durch Verwendung einer Sammlung von Filtern. Jeder Filter der Sammlung ist dazu entworfen, stark auf das Vorhandensein von Strukturen zu reagieren, die eine gegebene Größe und Richtung aufweisen. In der Phase 200 wird für jedes Pixel (x0,y0) des Bildes ein in dem Pixel (x0,y0) zentriertes umgebendes Seitengebiet f' aus (2W+1)2 Pixeln bestimmt. Die Funktion f'(x,y) gilt als Darstellung der Graustufenintensität des Kontrastbildes C in dem Umgebungsgebiet des Punktes (x0,y0): f'(x,y) = N(x0+x,y0+y) mit (x,y) ∊ [-W,W[2 [2]
  • Die Funktion f' wird danach mit jedem Filter aus der Sammlung von Filtern korreliert. Diese Filter können β-Spline-Waveletfunktionen sein. Beispiele für β-Spline-Funktionen sind in den 2A und 2B dargestellt. Diese Funktionen sind in den folgenden Veröffentlichungen beschrieben:
  • Michael UNSER, Akram ALDOURI, & Murray EDEN "On the Asymptotic Convergence of β-spline Wavelets to Gabor Funktions," IEEE Transactions on Information Theory, vol. 38, no. 2 pp. 864-872, March 1992; and Michael UNSER, "Fast Gabor-Like Windowed Fourier and Continours Wavelet Transforms," IEEE Signal Processing Letters. vol 1, no. 5, pp. 76-79, May 1004. Diese Art von Funktionen erlaubt ein schnelles Filtern und erlaubt die Faltung in dem Raumbereich. Die Sammlung enthält z.B. 16 Wavelets, die acht verschiedene Richtungen und zwei verschiedene Größe aufweisen. Für eine gs,α-Welle mit einer Größe s und einer Richtung α wird der folgende Korrelationsanpassungsfaktor erhalten:
    Figure 00070001
  • Die Segmentierungsphase 300 enthält das Lokalisieren der Elemente P, die aus einer Masse von verbundenen Pixeln bestehen, die Anzeichen für Mikrokalzifizierungen enthalten können, aus den gefilterten Bildern. Aus den gefilterten Bildern werden die folgenden Bilder erzeugt: ein isotropes gefiltertes Bild B und ein richtungsorientiertes gefiltertes Bild O.
  • In dem Schritt 310 wird das isotrope Bild B als die Summe aller durch die Analysephase 200 erzeugten gefilterten Bilder berechnet. Daher:
    Figure 00080001
    Sammlung bilden, N = 16.
  • In dem Schritt 311 wird ein Schwellwert T1 auf das Bild B angewandt, um die eine Intensität größer als der Schwellwert aufweisenden Pixel auszuwählen. Dies erlaubt es, nur die Elemente mit einer ausreichenden Intensität in dem isotropen gefilterten Bild zu behalten.
  • In dem Schritt 312 wird ein Connected-Component-Labelling-Algorithmus auf das auf diese Weise erhaltene Binärbild angewandt, um die Gewichte der miteinander verbundenen Pixel (diese Gewichte werden auch als Partikel bezeichnet), deren Intensität größer als der Schwellwert T1 in dem Bild B ist, zu extrahieren. Die auf diese Weise ausgewählten Gewichte können Anzeichen für Mikrokalzifizierungen bilden.
  • In dem Schritt 320 wird das richtungsorientierte gefilterte Bild O durch Anwenden des Filters berechnet, der die am stärksten signifikanter Antwort auf alle die Kontrastbilder C liefert. Daher:
    Figure 00090001
  • In dem Schritt 321 wird ein Schwellwert T2 auf das Bild O angewandt, um die Pixel mit einer Intensität größer als dieser Schwellwert auszuwählen, was es ermöglicht, nur die Elemente mit einer ausreichenden Intensität zu behalten.
  • In dem Schritt 322 wird ein Connected-Component-Labelling-Algorithmus auf das auf diese Weise gewonnene binäre Bild angewandt, um die Gewichte der miteinander verbundenen Pixel (diese Gewichte werden auch als Segmente bezeichnet), deren Intensität größer als T2 in dem Bild O ist, zu extrahieren.
  • In dem Schritt 323 wird für jedes Pixel (x,y) eines Segmentes der Grad bestimmt, zu dem es gemäß der Ausdehnung des Segmentes, zu dem es gehört, zu der μFibre(x,y)-"Fiber"-Klasse gehört. 3 stellt ein Beispiel einer auf die Länge des Segmentes, zu der es gehört, gestützten μFibre-Zugehörigkeitsfunktion dar. Einige während des Schrittes 312 entdeckte Partikel P sind sicher Anzeichen einer Mikrokalzifizierung, andere sind es wahrscheinlich nicht. Für die meisten dieser Partikel ist es schwer zu entscheiden, ob sie Kalziumablagerungen enthalten oder nicht.
  • Die Ähnlichkeitsmessungsphase 400 enthält für jeden Partikel P das Bestimmen eines Parameters μK alzium(P), der die Ähnlichkeit zwischen dem Partikel und einem Kalkanzei chen kennzeichnet. Dieser Parameter μKalzium (P) stellt den Grad dar, zu welchem der Partikel P zu der "Kalkanzeichen"-Klasse gehört. Die beiden folgenden Bilder werden aus den gefilterten Bildern erzeugt: ein Bild der Maximalamplituden Amax und ein Bild der Maximalamplituden in orthogonaler Richtung Amax .
  • In dem Schritt 410 wird das Maximalamplitudenbild Amax durch Anwenden des Filters mit der maximalen Antwort auf jedes Pixel (x,y) des Kontrastbildes C berechnet. Daher:
    Figure 00100001
  • In dem Schritt 420 wird das Maximalamplitudenbild in orthogonaler Richtung Amax durch das Anwenden des Filters mit einer orthogonalen Richtung θ in der Richtung des Filters mit der maximalen Antwort auf jedes Pixel (x,y) des Kontrastbildes C berechnet. Daher: A max (x,y) = Aσ,θ (x,y) [7]
  • In dem Schritt 430 wird aus dem in dem Schritt 410 gewonnenen Maximalamplitudenbild Amax und für jeden aus einer Anzahl von n Pixeln zusammengesetzten Partikel P ein Parameter Ap als Durchschnitt der Maximalamplituden berechnet:
    Figure 00100002
  • Der Parameter Ap kennzeichnet die Helligkeit des Partikels P im Bezug auf seine Umgebung.
  • In dem Schritt 440 wird dieselbe Berechnung aus dem Maximalamplitudenbild in der orthogonalen Richtung Amax ausgeführt. Ein Parameter Ap wird erhalten:
    Figure 00110001
  • Der Parameter Ap kennzeichnet sowohl die Helligkeit als auch die Form des Partikels P. Je heller und runder der Partikel P ist, desto höher wird der Parameter Ap sein.
  • In dem Schritt 450 wird für jeden Partikel P ein Parameter μKalzium(P) berechnet, der den Grad kennzeichnet, zu dem der Partikel P zu der „Kalkanzeichen"-Klasse gehört. Dieser Parameter μKalzium (P) wird gemäß den Parametern Ap und Ap berechnet, ebenso wie der Grad, zu dem μFibre (xc,yc) des zentralen Pixels (xc,yc) des Partikels P zu der in dem Schritt 322 bestimmten „Fibre"-Klasse gehört. Dieser Parameter μKalzium(P) berücksichtigt folglich die Kriterien der Größe, Form und Helligkeit. Je stärker der Partikel P einem Kalkanzeichen ähnelt (oder entsprechend nicht ähnelt), desto größer und näher bei 1 (oder entsprechend bei 0) wird der erhaltene Parameter μKalzium (P) sein. Dieser Parameter μKalzium(P) kann auf einer Datenbank durch Trainieren an Bildern gewonnen werden, in denen nachgewiesene Mikrokalzifizierungen markiert worden sind (z.B. durch Verwenden eines Entscheidungsbaumes, eines neuronalen Netzes oder Supportvektormaschinen).
  • Die Zusammenfassungsphase 500 enthält das Verstärken der Intensität der Pixel, die zudem in dem Schritt 312 ausgewählten Partikel P gehören, in dem Präsentationsbild S. Für jedes zu einem Partikel P gehörende Pixel (x,y) des Präsentationsbildes S ist die Pixelintensität im Bezug auf die Intensität der unmittelbaren Umgebung erhöht. Die Erhöhung der Intensität hängt von der Ähnlichkeit des Partikels P mit einem Kalkanzeichen ab. Die neue FBF (auf das Auffinden gestützte Filterung, „Finding Based Filtration")-Pixelintensität wird wie folgt berechnet: FBF(x,y) = Ms(x,y) + μK a l z i um(P) (Sp(x,y) – Ms(x,y)) [10],wobei Sp(x,y) die Graustufe eines zu dem Partikel P gehörenden Pixels (x,y), Ms(x,y) die durchschnittliche Graustufe der in der Umgebung des Partikels P angeordneten und nicht zu dem Partikel P gehörenden Pixel ist.
  • Es gilt.
    Figure 00120001
    wobei A die Menge der in einem Abstand kleiner als N Pixel (N ist normalerweise gleich 5) und nicht gleich Null von dem Partikel P angeordneten Bildpunkte ist und #A die Kardinalzahl dieser Menge ist. Die Partikel P sind daher gemäß ihrer Ähnlichkeit zu einem Kalkanzeichen mehr oder weniger vergrößert. Speziell erlaubt dies, die Partikel weiter zu vergrößern, für die eine größere Wahrscheinlichkeit des Vorhandenseins von Mikrokalzifizierungen besteht.
  • Die 4A und 4B stellen entsprechend ein Präsentationsbild S vor dem Vergrößern und ein endgültiges FBF- Präsentationsbild nach dem Vergrößern dar. Das endgültige Präsentationsbild, auf dem die Partikel P vergrößert worden sind, wird auf einer Anzeigevorrichtung angezeigt, um von dem Radiologen betrachtet zu werden. Auf diesem endgültigen Bild sind alle Kalkanzeichen ohne Unterscheidung nach ihrer verdächtigen Beschaffenheit oder hinsichtlich ihrer gruppierten oder isolierten Anordnung deutlich offenbart worden. Folglich gewinnt der Radiologe eine unmittelbare Übersicht über die Verteilungsaufzeichnung der Mikrokalzifizierungen. Der Radiologe kann die Ausdehnung dieser Mikrokalzifizierungen direkt betrachten, ohne die fraglichen Gebiete notwendigerweise mit einer Zoomfunktion zu vergrößern.
  • Das Verarbeitungsverfahren enthält auch eine optionale Phase 600, die das Erkennen der Mikrokalzifizierungscluster und das Bereithalten von Markierungen nahe bei diesen Clustern und in ihrem Umgebungsgebiet enthält. Das Verarbeitungsverfahren kann die Partikel, die einen hohen Parameter μKalzium(P) zeigen, der den Grad kennzeichnet, zu dem sie zu der „Kalkanzeichen"-Klasse gehören, in Cluster von wenigstens drei Partikeln gruppieren. Der Radiologe kann zwischen dem Ein- und Ausschalten dieser Markierungsoption wählen. Wahlweise kann eine geschlossene Box oder eine Kontur um Gruppen von Mikrokalzifizierungen herum angeordnet werden.
  • Es gibt verschiedene mögliche Wege zum Vergrößern der Intensität von Elementen. In einer Ausführungsform der Erfindung enthält die Erhöhung der Intensität der Elemente eine Phase 500, die für jeden zu einem dieser Elemente P gehörenden Punkt (x,y) des radiologischen Bildes das Anwenden eines Verstärkungsfaktors der Differenz der Graustufe zwischen diesem Punkt (x,y) und einer Menge von in dem Umgebungsgebiet des Punktes (x,y) angeordneten, nicht zu dem fraglichen Element P gehörenden Punkten (x+k,j+1) enthält.
  • Die Phase 100 kann das Umwandeln des rohen Bildes R in ein Kontrastbild C unter Verwendung einer lokalen Standardisierung des Kontrastes enthalten.
  • In einer Ausführungsform der Erfindung wird der Ähnlichkeitsparameter μKalzium (P) für jeden Partikel wie folgt bestimmt: (a) für jeden der ein Element (P) bildenden Punkte (x,y): Bestimmen einer Maximalamplitude Amax durch Korrelieren der Intensität des radiologischen Bildes in dem Umgebungsgebiet W des Punktes (x,y) mit einer Filterfunktion gσ , die zu einer maximalen Antwort führt, und Bestimmen einer Maximalamplitude in orthogonaler Richtung Amax durch Korrelieren der Intensität des radiologischen Bildes in dem Umgebungsgebiet W des Punktes (x,y) mit der Filterfunktion gσ der orthogonalen Richtung zu der Filterfunktion gσ , die zu einer maximalen Antwort führt, (b) für jedes Element (P): Bestimmen eines Helligkeitsparameters Ap als einen Durchschnitt der Maximalamplituden in orthogonaler Richtung Amax an allen Punkten (x,y) des Elementes P, und daraus Gewinnen eines Ähnlichkeitsparameters μKalzium(P) des Elements P mit einem Kalkanzeichen, der auf die Helligkeitsparameter und/oder Rundheitsparameter Ap und Ap sowie den Grad, zu dem der Zentralpunkt (xc,yc) des Elementes P zu einer „Fiber"-Klasse gehört, gestützt ist.
  • In einer Ausführungsform der Erfindung ist der auf die zu demselben Element gehörenden Punkte angewandte Verstärkungsfaktor auf einen Ähnlichkeitsparameter μ des Elementes mit einem Kalkanzeichen gestützt.
  • In einer Ausführungsform der Erfindung enthält der Schritt zum Lokalisieren der Elemente: einen Schritt, der für jeden Punkt einer Menge von Punkten des radiologischen Bildes das Korrelieren der Bildintensität in dem Umgebungsgebiet des Punktes mit jeder der Funktionen aus einer Serie von Filterfunktionen enthält, um gefilterte Bilder zu erzeugen, und einen Schritt, der das Auswählen von Elementen, die Anzeichen von Mikrokalzifizierungen aufweisen können, aus den gefilterten Bildern enthält.
  • Die Filterfunktionen sind Funktionen vom β-Spline-Typ. Diese Funktionen haben den Vorteil, zu einer schnellen Filterung zu führen, und ermöglichen eine Faltung in dem Raumbereich. Daher vermeiden sie erkennbar Umwandlungen in den Frequenzbereich.
  • Eine Ausführungsform der Erfindung bezieht sich auch auf eine radiologische Bildverarbeitungsvorrichtung, die Mittel zum Lokalisierung von Elementen, die Anzeichen von Mikrokalzifizierungen aufweisen können, auf einem von einer Bildgebungsvorrichtung bereitgestellten radiologischen Bild, und Mittel zum Anzeigen eines Bildes aufweist, auf dem die Intensität der auf diese Weise lokalisierten Elemente erhöht worden ist.
  • Ein Verfahren zur radiologischen Bildverarbeitung, das enthält: das Lokalisieren eines Elementes, das Anzeichen für eine Mikrokalzifierung aufweisen kann, auf einem von einer Bildgebungseinrichtung gelieferten radiologischen Bild und Anzeigen eines Bildes, auf dem die Intensität der auf diese Weise lokalisierten Elemente erhöht ist.
  • Ein Fachmann kann zahlreiche Veränderungen in der Funktion und/oder dem Weg und/oder dem Ergebnis und/oder der Struktur und/oder den Schritten in den offenbarten Ausführungsformen und deren Äquivalenten vornehmen oder vorschlagen, ohne den Bereich und den Umfang der Erfindung zu verlassen.

Claims (20)

  1. Verfahren zur Bildverarbeitung, das aufweist: Lokalisieren eines Elementes (P), das ein interessierendes Objekt bilden kann, auf einem Bild (R) und Anzeigen eines Bildes (S), auf dem die Intensität des auf diese Weise lokalisierten Elementes (P) erhöht ist.
  2. Verfahren nach Anspruch 1, das enthält, dass die Lokalisierung des Elementes (P) an einem gespeicherten rohen Digitalbild (R) ausgeführt wird.
  3. Verfahren nach Anspruch 2, bei dem das Lokalisieren des Elementes (P) das Umwandeln (100) des rohen Bildes (R) in ein Kontrastbild (C) unter Verwendung einer lokalen Standardisierung des Kontrastes enthält.
  4. Verfahren nach einem der Ansprüche 2 und 3, bei dem eine Logarithmusfunktion auf das rohe Bild angewandt wird, um ein hinsichtlich der Dicke zugeschnittenes Bild zu erhalten.
  5. Verfahren nach einem der Ansprüche 1 bis 4, bei dem das Lokalisieren des Elementes (P) enthält: Für jeden Punkt (x,y) einer Menge von Punkten des Bildes Korrelieren (200) der Bildintensität in dem Umgebungsgebiet des Punktes mit jeder der Funktionen (gs ) aus einer Serie von Filterfunktionen, um gefilterte Bilder zu erzeugen, und Auswählen (300) von Elementen (P), die das interessierende Objekt bilden können, aus den gefilterten Bildern.
  6. Verfahren nach Anspruch 5, bei dem die Filterfunktionen (gs, α) Funktionen vom β-Spline-Typ sind.
  7. Verfahren nach einem der Ansprüche 5 und 6, bei dem die Auswahl (300) enthält: Bestimmen (310) eines isotropen gefilterten Bildes (B), das durch eine Menge von Punkten (x,y) bestimmt ist, wobei die Intensität dieser Punkte der Durchschnitt der Intensitäten der zugehörigen Punkte ist, die zu den gefilterten Bildern gehören, und Gewinnen (312) einer Menge von Elementen (P), die ein interessierendes Objekt bilden können, durch Anwenden eines Schwellwerts und eines Connected-Component-Labelling-Algorithmus auf das isotrope gefilterte Bild (P).
  8. Verfahren nach einem der vorhergehenden Ansprüche, das aufweist: Bestimmen (320) eines richtungsgefilterten Bildes (O) durch Korrelieren der Menge von Bildern mit einer Filterfunktion, die zu einer maximalen Antwort führt, Gewinnen (322) einer Menge von Strukturen (F), die Fibers bilden können, durch Anwenden eines Schwellwertes und eines verbundenen Komponentenbezeichnungsalgorithmus auf das richtungsgefilterte Bild (O) und für jeden Punkt einer Struktur (F) Bestimmen (323) des Grades, zu welchem er zu einer „Fiber"-Klasse gehört.
  9. Verfahren nach einem der Ansprüche 1 bis 8, bei dem die erhöhte Intensität des Elementes (P) an einem Präsentationsbild (S) angewandt wird.
  10. Verfahren nach einem der Ansprüche 1 bis 9, bei dem die erhöhte Intensität des Elementes für jeden zu einem Partikel (P) mit einer gegebenen Intensität gehörenden Punkt (x,y) des Bildes das Anwenden eines Verstärkungsfaktors auf diese Intensität enthält.
  11. Verfahren nach Anspruch 10, bei dem die erhöhte Intensität des Elements für jeden zu einem Element (P) gehörenden Punkt (x,y) des Bildes das Anwenden (500) eines Verstärkungsfaktors der Graustufendifferenz zwischen dem Punkt (x,y) und einer Menge von Punkten (x+k,j+1), die in dem Umgebungsgebiet des Punktes (x,y) angeordnet sind und nicht zu dem Element (P) gehören, enthält.
  12. Verfahren nach einem der Ansprüche 10 und 11, bei dem der auf die zu dem Partikel (P) gehörenden Punkte angewandte Verstärkungsfaktor eine Funktion eines Ähnlichkeitsparameters (μKalzium(P)) des Partikels (P) mit einem Kalkanzeichen.
  13. Verfahren nach Anspruch 12, bei dem für jeden Partikel das Bestimmen des Ähnlichkeitsparameters (μKalzium(P)) enthält: (a) für jeden der Punkte (x,y), die das Element (P) bilden: Bestimmen einer Maximalamplitude (Amax) durch Korrelieren der Intensität des Bildes in dem Umgebungsgebiet (W) des Punktes (x,y) mit einer Filterfunktion (gσ ) , die zu einer Maximalantwort führt, und Bestimmen einer Maximalamplitude in orthogonaler Richtung (Amax ) durch Korrelieren der Intensität des Bildes in dem Umgebungsgebiet (W) des Punktes (x,y) mit der Filterfunktion (gσ ) der orthogonalen Richtung zu der Filterfunktion (gσ ), die zu einer Maximalantwort führt, (b) für jedes Element (P) Bestimmen eines Helligkeitsparameters (Ap ) als einem Durchschnitt der Maximalamplituden in orthogonaler Richtung (Amax ) über alle Punkte (x,y) des Elementes (P) und daraus Gewinnen eines Ähnlichkeitsparameters (μKalzium(P)) zwischen dem Element (P) und einem Kalkanzeichen, der auf die Helligkeitsparameter und/oder Rundheitsparameter (Ap,Ap ) sowie den Grad, zu dem der zentrale Punkt (xc, yc) des Elementes (P) zu einer „Fiber"-Klasse gehört, gestützt ist.
  14. Verfahren nach einem der Ansprüche 1 bis 13, bei dem das interessierende Objekt eine Mikrokalzifizierung ist, und das das Erkennen (600) von Mikrokalzifizie rungsclustern und das Anordnen von Markierungen nahe bei diesen Clustern oder um sie herum enthält.
  15. Verfahren zum Betreiben eines Datenverarbeitungssystems, das aufweist: Lokalisieren eines Elementes (P), das ein interessierendes Objekt bilden kann, auf einem Bild (R) und Anzeigen eines Bildes (S), auf dem die Intensität des auf diese Weise lokalisierten Elementes (P) erhöht worden ist.
  16. Rechnervorrichtung, die Mittel zum Ausführen der folgenden Schritte aufweist: Lokalisieren eines Elementes (P), das ein interessierendes Objekt enthalten kann, auf einem Bild (R) und Anzeigen eines Bildes (S), auf dem die Intensität des auf diese Weise lokalisierten Elementes (P) erhöht worden ist.
  17. Rechnerprogramm, das Programmcode enthält, der die folgenden Schritte ausführt, wenn er auf einem Rechner ausgeführt wird: Lokalisieren eines Elementes (P), das ein interessierendes Objekt enthalten kann, auf einem Bild (R) und Anzeigen eines Bildes (S), auf dem die Intensität des auf diese Weise lokalisierten Elementes (P) erhöht worden ist.
  18. Rechnerprogramm auf einem Träger, der Programmcode enthält, der die folgenden Schritte ausführt, wenn er auf einem Rechner ausgeführt wird: Lokalisieren eines Elementes (P), das ein interessierendes Objekt enthalten kann, auf einem Bild (R) und Anzeigen eines Bildes (S), auf dem die Intensität eines auf diese Weise lokalisierten Elementes (P) erhöht worden ist.
  19. Erzeugnis zur Verwendung mit einem Rechnersystem, wobei das Erzeugnis ein rechnerlesbares Medium aufweist, das in dem Medium verkörperten rechnerlesbaren Programmcode aufweist, wobei der Programmcode die Schritte nach Anspruch implementiert.
  20. Programmspeichervorrichtung, die durch eine Maschine lesbar ist, die ein durch die Maschine ausführbares Programm von Anweisungen greifbar verkörpert, um die Schritte des Verfahrens nach Anspruch 1 auszuführen.
DE102004059577A 2003-12-10 2004-12-09 Verfahren zur radiologischen Bildverarbeitung Withdrawn DE102004059577A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR0314457 2003-12-10
FR0314457A FR2863749B1 (fr) 2003-12-10 2003-12-10 Procede de traitement d'image radiologique pour la detection de microcalcifications

Publications (1)

Publication Number Publication Date
DE102004059577A1 true DE102004059577A1 (de) 2005-07-07

Family

ID=34610539

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102004059577A Withdrawn DE102004059577A1 (de) 2003-12-10 2004-12-09 Verfahren zur radiologischen Bildverarbeitung

Country Status (4)

Country Link
US (1) US7630534B2 (de)
JP (1) JP4651370B2 (de)
DE (1) DE102004059577A1 (de)
FR (1) FR2863749B1 (de)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040133100A1 (en) * 2002-08-23 2004-07-08 Morteza Naghavi Novel risk assessment method based upon coronary calcification distribution pattern imaged by computed tomography
FR2897182A1 (fr) 2006-02-09 2007-08-10 Gen Electric Procede de traitement d'images de projection en tomosynthese pour une detection de signes radiologiques
FR2897461A1 (fr) 2006-02-16 2007-08-17 Gen Electric Dispositif de rayonnement x et procede de traitement d'images
FR2902215A1 (fr) 2006-06-07 2007-12-14 Gen Electric Procede de traitement d'images radiologiques pour une detection de signes radiologiques
FR2902218A1 (fr) 2006-06-07 2007-12-14 Gen Electric Procede de traitement d'images de tomosynthese pour une detection de signes radiologiques
US20080025583A1 (en) * 2006-07-27 2008-01-31 General Electric Company System and method for on-demand visual enhancement of clinical conitions in images
FR2904882B1 (fr) 2006-08-11 2008-11-14 Gen Electric Procede de traitement d'images radiologiques pour une detection d'opacites
FR2909207B1 (fr) * 2006-11-24 2009-01-30 Gen Electric Procede de visualisation tridimensionnelle d'images de tomosynthese en mammographie.
US20080181534A1 (en) * 2006-12-18 2008-07-31 Masanori Toyoda Image processing method, image processing apparatus, image reading apparatus, image forming apparatus and recording medium
US8184874B2 (en) * 2006-12-22 2012-05-22 Carestream Health, Inc. Enhanced display of medical images
FR2918487B1 (fr) * 2007-07-03 2010-08-20 Gen Electric Procede de traitement d'images en tomosynthese pour une detection d'opacites
FR2918488B1 (fr) * 2007-07-03 2009-09-18 Gen Electric Procede de traitement d'images en tomosynthese pour une detection d'opacites stellaires
EP2328124B1 (de) 2009-11-25 2019-05-15 Agfa Nv Verfahren zur Erhöhung des räumlich-örtlichen Phänomens in einem Bild
TWI582708B (zh) * 2012-11-22 2017-05-11 緯創資通股份有限公司 臉部表情控制系統、表情控制之方法及其電腦系統
FR3007871B1 (fr) * 2013-06-28 2015-07-10 Thales Sa Procede de reduction de bruit dans des sequences d'images fluoroscopiques
JP6242291B2 (ja) * 2014-05-21 2017-12-06 日本電子株式会社 相分析装置、相分析方法、および表面分析装置

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62125481A (ja) * 1985-11-26 1987-06-06 インターナショナル・ビジネス・マシーンズ・コーポレーション パタ−ン認識装置
US5365429A (en) * 1993-01-11 1994-11-15 North American Philips Corporation Computer detection of microcalcifications in mammograms
DE4318050A1 (de) * 1993-05-29 1994-12-08 Visit Gmbh Personal Datacard S Verfahren zum Erkennen von zu Clustern gruppierten Strukturveränderungen in der medizinischen Diagnostik unter Verwendung eines entsprechenden Bildes, insbesondere zum Erkennen von punktförmigen Mikrokalkablagerungen in der Mammographie
US5825936A (en) * 1994-09-22 1998-10-20 University Of South Florida Image analyzing device using adaptive criteria
US5627907A (en) * 1994-12-01 1997-05-06 University Of Pittsburgh Computerized detection of masses and microcalcifications in digital mammograms
FR2733336A1 (fr) * 1995-04-20 1996-10-25 Philips Electronique Lab Procede et dispositif de traitement d'images pour la detection automatique d'objets dans des images numerisees
US5633511A (en) * 1995-12-22 1997-05-27 Eastman Kodak Company Automatic tone scale adjustment using image activity measures
US5799100A (en) * 1996-06-03 1998-08-25 University Of South Florida Computer-assisted method and apparatus for analysis of x-ray images using wavelet transforms
US6064768A (en) * 1996-07-29 2000-05-16 Wisconsin Alumni Research Foundation Multiscale feature detector using filter banks
JP2003532934A (ja) * 1997-08-28 2003-11-05 クァリア・コンピューティング・インコーポレーテッド クラスタ化された微小カルシウム沈着をディジタル乳房x線像から自動検出するための方法およびシステム
US5999639A (en) * 1997-09-04 1999-12-07 Qualia Computing, Inc. Method and system for automated detection of clustered microcalcifications from digital mammograms
US6970587B1 (en) * 1997-08-28 2005-11-29 Icad, Inc. Use of computer-aided detection system outputs in clinical practice
US7308126B2 (en) * 1997-08-28 2007-12-11 Icad, Inc. Use of computer-aided detection system outputs in clinical practice
US6137898A (en) * 1997-08-28 2000-10-24 Qualia Computing, Inc. Gabor filtering for improved microcalcification detection in digital mammograms
US6075878A (en) * 1997-11-28 2000-06-13 Arch Development Corporation Method for determining an optimally weighted wavelet transform based on supervised training for detection of microcalcifications in digital mammograms
US6282305B1 (en) * 1998-06-05 2001-08-28 Arch Development Corporation Method and system for the computerized assessment of breast cancer risk
GB9904692D0 (en) * 1999-03-01 1999-04-21 Isis Innovation X-ray image processing
FR2790851B1 (fr) * 1999-03-12 2001-06-08 Ge Medical Syst Sa Procede d'amelioration de la detection d'elements d'interet dans une image radiographique numerique
US6801645B1 (en) * 1999-06-23 2004-10-05 Icad, Inc. Computer aided detection of masses and clustered microcalcifications with single and multiple input image context classification strategies
WO2000079474A1 (en) * 1999-06-23 2000-12-28 Qualia Computing, Inc. Computer aided detection of masses and clustered microcalcification strategies
FR2803069B1 (fr) * 1999-12-28 2002-12-13 Ge Medical Syst Sa Procede et systeme de compensation de l'epaisseur d'un organe
GB0028491D0 (en) * 2000-11-22 2001-01-10 Isis Innovation Detection of features in images
US6956975B2 (en) * 2001-04-02 2005-10-18 Eastman Kodak Company Method for improving breast cancer diagnosis using mountain-view and contrast-enhancement presentation of mammography
US7298877B1 (en) * 2001-11-20 2007-11-20 Icad, Inc. Information fusion with Bayes networks in computer-aided detection systems
US7783089B2 (en) * 2002-04-15 2010-08-24 General Electric Company Method and apparatus for providing mammographic image metrics to a clinician
GB2398379A (en) * 2003-02-11 2004-08-18 Qinetiq Ltd Automated digital image analysis
US8005288B2 (en) * 2007-04-24 2011-08-23 Siemens Aktiengesellschaft Layer reconstruction from dual-energy image pairs

Also Published As

Publication number Publication date
US20050135695A1 (en) 2005-06-23
FR2863749B1 (fr) 2006-04-07
FR2863749A1 (fr) 2005-06-17
JP4651370B2 (ja) 2011-03-16
US7630534B2 (en) 2009-12-08
JP2005169122A (ja) 2005-06-30

Similar Documents

Publication Publication Date Title
DE69034160T2 (de) Rechnerbasiertes verfahren um die untersuchung von menschlischen brustgewebe nach malignität zu unterstützen
Vujovic et al. Establishing the correspondence between control points in pairs of mammographic images
Karahaliou et al. Breast cancer diagnosis: analyzing texture of tissue surrounding microcalcifications
DE3826287C2 (de) Verfahren und Vorrichtung zur automatischen Analyse von Lungengewebe aus einem röntgenologischen Brustbild
DE69629732T2 (de) Vorrichtung zur rechnerunterstützten Diagnose
DE69432995T2 (de) Automatisches Verfahren und System zur Segmentierung medizinischer Bilder
DE102007007179B4 (de) Verfahren zur Verarbeitung von Tomosyntheseprojektionsbildern für eine Detektion von radiologischen Auffälligkeiten nebst zugehöriger Röntgeneinrichtung
DE69630935T2 (de) Bilverarbeitungsverfahren und -vorrichtung zur automatischen Erfassung von Bereichen eines vorbestimmten Krebstyps in einem Intensitätsbild
DE102004059577A1 (de) Verfahren zur radiologischen Bildverarbeitung
DE10306300A1 (de) Computergestützte Erfassung (CAD) für eine digitale 3D-Mammographie
DE102007038058A1 (de) Verfahren zur Verarbeitung radiologischer Bilder zur Detektion von Opazitäten
DE102004057026A1 (de) Erfassung zeitlicher Bildveränderungen und Darstellungsverfahren und -vorrichtung
DE102006021036B4 (de) Vorrichtung und Verfahren zur computergestützten Analyse von Mammogrammen
DE102006041619A1 (de) Systeme und Verfahren zur computerunterstützten Detektion einer Wirbelsäulenverkrümmung unter Verwendung von Bildern und Winkelmessungen
EP1191476A2 (de) Vorrichtung und Verfahren zur Berechnung einer zwei Abbildungen verbindenden Transformation
DE102006041309A1 (de) System und Verfahren zur 3D-CAD unter Verwendung von Projektionsbildern
DE112009005018B4 (de) Trennung zusammengesetzter Objekte
DE102007026804A1 (de) Verfahren zur Verarbeitung von radiologischen Bildern zur Erfassung radiologischer Auffälligkeiten
DE69839400T2 (de) Röntgenstrahl-bildverarbeitung
DE102018215770A1 (de) Bildbearbeitungsvorrichtung, Zell-Erkennungsvorrichtung, Zell-Erkennungsverfahren und Zell-Erkennungsprogramm
Teuwen et al. Soft tissue lesion detection in mammography using deep neural networks for object detection
Manikandan et al. Detection of calcification form mammogram image using canny edge detector
DE112019004300T5 (de) Ähnlichkeitsbestimmungsvorrichtung, ähnlichkeitsbestimmungsverfahren und ähnlichkeitsbestimmungsprogramm
DE102005048524A1 (de) Verfahren und System zur Erkennung anatomischer Formen in einem CAD-System
DE102005022156A1 (de) Verfahren und Vorrichtung zum Einstufen von Pixeln in medizinischer Bildgebung

Legal Events

Date Code Title Description
R012 Request for examination validly filed

Effective date: 20111118

R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee

Effective date: 20140701