專利名稱：一種乳腺x線攝片計算機圖像檢索方法及系統(tǒng)的制作方法
技術領域：
本發(fā)明屬于醫(yī)學圖像的計算機分析與應用技術，具體涉及一種乳腺X
線攝片計算機圖像檢索方法及其系統(tǒng)。
背景技術：
在臨床實踐中， 一個放射科醫(yī)師必須通過不斷地積攢閱片經(jīng)驗來提高 自身的診斷水平。每次的病例診斷過程可以認為是放射科醫(yī)師首先根據(jù)已 存儲在大腦中的"知識"(己有的閱片經(jīng)驗)，得到待診斷病例的初步診斷，然 后再根據(jù)初步診斷可疑病灶組織區(qū)域的病理活檢檢査，得到待診斷病例最 終的診斷結(jié)果。然而，病理檢查無論在身體上還是精神上都給予病患很大 的負擔，所以提高放射科醫(yī)師初步診斷的準確性進而減少病理檢查的數(shù)量 是非常重要的。由于年輕的放射科醫(yī)師閱片經(jīng)驗較少，大腦中存儲的"知識" 量有限，如果能夠在其培訓學習和自學習的過程中，對于某些較難區(qū)分診 斷的病例提供一些與其相似且已經(jīng)確診的病例圖像，可以幫助年輕的放射 科醫(yī)師增加"知識"量，使他們在隨后的臨床中更準確地做出初步診斷，這無 論對年輕的放射科醫(yī)師還是對病人都是一件非常有意義的事情。這種提供 相似圖像的過程屬于計算機圖像檢索領域。
計算機圖像檢索可以分為基于文本的圖像檢索和基于內(nèi)容的圖像檢索 兩種。傳統(tǒng)的基于文本的圖像檢索方法是基于關鍵字的檢索，例如圖像名 稱、圖像文字描述等，但是由于圖像實體的顏色、紋理、形狀、空間關系 以及語義信息很難用文字描述，所以基于文本的圖像檢索便顯出很多不足 之處。基于內(nèi)容的圖像檢索是從圖像本身提取例如灰度、紋理、形狀等特 征，直接用這些特征代替文本信息去檢索相似圖像。提供相似且己知診斷 結(jié)果病例圖像的過程可以運用基于內(nèi)容的圖像檢索方法實現(xiàn)，但是由于待
檢索對象醫(yī)學圖像的自身特點，如灰度分辨率高、圖像相似性大、所含
信息量大、顏色類型少等，使得方法實現(xiàn)的難度較大。因此，基于內(nèi)容的 醫(yī)學圖像檢索方法不僅需要在已建立的醫(yī)學知識庫的導引下進行常規(guī)的圖 像檢索，即使用一般的圖像學特征達到視覺上的相似，而且還需要一些與 醫(yī)學需要相結(jié)合的病理相關的圖像特征而達到病理上的相似。
研究表明，乳腺X線攝片(乳腺鉬靶X射線技術)是一種有效的進行早期
臨床無癥狀乳腺癌的檢查方法，已被美國食品藥品管理局(Food and Drug Administrator, FDA)認可的常規(guī)乳腺疾病普查方法。但是受成像原理限制， 在乳腺x線攝片中高密度的正常乳腺組織也會呈現(xiàn)與異常組織相近的高亮 度，對于乳腺組織較致密的年輕亞洲女性其病灶則更加不易被發(fā)現(xiàn)，容易 造成漏診和誤診，并且乳腺癌的早期診斷很大程度上依賴于放射科醫(yī)師的 經(jīng)驗、專業(yè)能力、疲勞程度，主觀因素影響較大，尤其在乳腺疾病的普查 活動中，難以保證診斷的效率及準確性。在這種情況下，有效加強年輕放 射科醫(yī)師的培訓學習和自學習是非常必要的。
因此，如何設計一個從己知診斷結(jié)果的乳腺x線攝片計算機圖像參考 數(shù)據(jù)庫中準確和有效地檢索出與查詢病例相似圖像的方法及其系統(tǒng)將成為 我們研究的焦點。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種乳腺x線攝片計算機圖像檢索方法，該方 法可以為用戶返回與査詢?nèi)橄賦線攝片計算機圖像相似的若干乳腺X線攝 片計算機圖像，并且具有較高的査全率和查準率；本發(fā)明進一步提供了實 現(xiàn)該方法的乳腺x線攝片計算機圖像檢索系統(tǒng)。
本發(fā)明提供的乳腺x線攝片計算機圖像的檢索方法，其步驟包括 步驟(1)輸入一幅乳腺x線攝片計算機圖像；
步驟(2)用戶交互式地在圖像上圈畫出其關注的區(qū)域，得到待查詢的 感興趣區(qū)域；
步驟(3)首先計算機對待查詢感興趣區(qū)域進行分割，確定感興趣組織 的邊界；
步驟(4)基于對感興趣組織的分割結(jié)果，計算機提取若干區(qū)域相關的 單視圖和多視圖的圖像學特征，該圖像學特征包括幾何特征、形態(tài)學特征、 灰度特征以及紋理特征；用戶選擇其關注的單視圖和/或多視圖特征，并輸 入特征重要性相關的權(quán)重；
步驟(5)利用加權(quán)的特征相似性度量準則，從已建立已知診斷結(jié)果的 乳腺x線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫中檢索出與待查詢感興趣 區(qū)域相似的若干感興趣區(qū)域；參考數(shù)據(jù)庫中包含感興趣區(qū)域圖像，感興 趣區(qū)域相應的病理檢查和診斷結(jié)果信息文件，以及計算機提取的感興趣區(qū) 域相關的圖像學特征記錄文件；
步驟(6)將檢索得到的感興趣區(qū)域及區(qū)域的相應病理檢査和診斷結(jié)果 信息顯示給用戶。
本發(fā)明提供的乳腺x線攝片計算機圖像的檢索系統(tǒng)，其特征在于它 包括輸入模塊、待查詢感興趣區(qū)域提取模塊、感興趣組織分割模塊、感興 趣組織特征提取模塊、基于特征相似性度量準則的檢索模塊和輸出模塊；
輸入模塊用于接收輸入的乳腺x線攝片計算機圖像，并傳送給待查詢 感興趣區(qū)域提取模塊；
待查詢感興趣區(qū)域提取模塊用于與用戶進行交互，在圖像上圈畫出的 感興趣區(qū)域，并按照上述步驟(2)所述的過程，提取輸入的乳腺x線攝片中 的待查詢感興趣區(qū)域，傳送給感興趣組織分割模塊；
感興趣組織分割模塊按照上述步驟(3)所述的過程，將待査詢感興趣區(qū) 域提取模塊提取的感興趣區(qū)域中的感興趣組織分割出來，得到感興趣組織 的邊界信息，傳送給感興趣組織特征提取模塊；
感興趣組織特征提取模塊根據(jù)接收的感興趣組織的邊界信息，按照上 述步驟(4)所述的過程，計算單視圖和多視圖的包括幾何特征、形態(tài)學特征、 灰度特征以及紋理特征在內(nèi)的特征值；并與用戶進行交互，供用戶選擇其 所關注的單視圖和/或多視圖特征及輸入特征重要性相關的權(quán)重，并將信息 傳送給基于特征相似性度量準則的檢索模塊；
基于特征相似性度量準則的檢索模塊按照上述步驟(5)所述的過程，利 用加權(quán)的特征相似性度量準則，在已建立的已知診斷結(jié)果的乳腺x線攝片 感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫中檢索出與查詢感興趣區(qū)域相似的若干 己知診斷結(jié)果的感興趣區(qū)域，并根據(jù)用戶的需要選擇前A個相似度值對應 的感興趣區(qū)域作為檢索結(jié)果傳送給輸出模塊，A為用戶關注的相似圖像的個 數(shù)，由輸出模塊將檢索得到的感興趣區(qū)域及區(qū)域的相應病理檢查和診斷結(jié) 果信息顯示給用戶。
本發(fā)明通過輸入一幅乳腺x線攝片計算機圖像，由用戶交互式地在圖
像上圈畫出其關注的區(qū)域得到待査詢的感興趣區(qū)域；然后計算機對待查詢 感興趣區(qū)域進行分割并提取若干區(qū)域相關的圖像學特征，方法同時提供與 輸入乳腺X線攝片計算機圖像相應的病患的同側(cè)乳腺組織的不同角度乳腺X 線攝片圖像及異側(cè)乳腺組織的相同角度乳腺X線攝片圖像的圖像學特征， 據(jù)此用戶可以選擇其關注的單視圖和/或多視圖特征及輸入特征重要性相關 的權(quán)重；最后方法利用加權(quán)的特征相似性度量準則(特征向量越相似，則圖 像越相似)，從已建立已知診斷結(jié)果的乳腺x線攝片感興趣區(qū)域計算機圖像 參考數(shù)據(jù)庫(參考數(shù)據(jù)庫中包含感興趣區(qū)域圖像，感興趣區(qū)域相應的病患 基本信息文件，感興趣區(qū)域相應的病理檢査和診斷結(jié)果信息文件，計算機 提取的感興趣區(qū)域相關的圖像學特征記錄文件)中檢索出與待査詢感興趣區(qū) 域相似的若干感興趣區(qū)域，并將檢索得到的感興趣區(qū)域及區(qū)域的相應病理 檢査和診斷結(jié)果信息顯示給用戶。總之，本發(fā)明方法通過一個乳腺X線攝 片計算機圖像檢索方法及其系統(tǒng)從已建立已知診斷結(jié)果的乳腺X線攝片感 興趣區(qū)域計算機圖像參考數(shù)據(jù)庫中準確和有效地檢索得到與用戶圈畫的待 査詢感興趣區(qū)相似的若干已知診斷結(jié)果的感興趣區(qū)域圖像。


圖1為本發(fā)明乳腺x線攝片計算機圖像檢索方法的流程圖2為本發(fā)明乳腺x線攝片計算機圖像檢索系統(tǒng)的結(jié)構(gòu)示意圖3為本發(fā)明實施例中感興趣區(qū)域背景趨勢去除的過程示意圖4為本發(fā)明實施例鄰近組織抑制結(jié)果示意圖5為本發(fā)明實施例圖像分割過程示意圖6為本發(fā)明實施例對感興趣組織抽取的特征列表；
圖7為本發(fā)明實施例中查找異側(cè)乳腺組織的相同角度乳腺X線攝片圖
像上匹配的多視圖區(qū)域?qū) — G'的示意圖； 圖8為本發(fā)明實施例中查找同側(cè)乳腺組織的不同角度乳腺X線攝片圖
像上匹配的多視圖區(qū)域?qū)—R，的示意圖； 圖9為乳腺x線攝片計算機圖像檢索的應用圖例。
具體實施例方式
下面結(jié)合附圖和實例對本發(fā)明作進一步詳細的說明。
如圖1所示，本發(fā)明方法包括以下步驟
(1) 輸入一幅乳腺X線攝片計算機圖像。
(2) 由用戶交互式地在圖像上圈畫出其關注的區(qū)域得到待査詢的感興 趣區(qū)域。
(2.1) 由用戶交互式地在圖像上圈畫出其關注的區(qū)域，并計算圈畫區(qū)域 的中心；
(2.2) 以圈畫區(qū)域的中心為圓心，做一個與圈畫區(qū)域等面積的圓，計算 此圓的灰度加權(quán)重心，將圓心移動到此重心處，重新計算與圈畫區(qū)域等面 積圓的灰度加權(quán)重心，重復此過程若干次后(由用戶輸入)，得到最后計算的 灰度加權(quán)重心。之所以這樣做而不是直接采用用戶圈定區(qū)域的中心，是因 為用戶對同一個區(qū)域的先后兩次圈定存在偏差，這樣一個迭代的過程可以 在某種程度上減少這種偏差，增加系統(tǒng)的穩(wěn)定性和一致性；
(2.3) 以(2.2)步中迭代終止時的重心為中心，在輸入的乳腺x線攝片計 算機圖像上取一個與數(shù)據(jù)庫中感興趣區(qū)域大小相同的正方形窗口圖像(如 125x125像素寬)作為待查詢感興趣區(qū)域。
(3) 計算機對待查詢感興趣區(qū)域進行分割，確定感興趣組織(如可疑病 灶組織)的邊界。本發(fā)明方法采用一種交互式的感興趣組織分割方法，方
法充分利用了用戶圈畫區(qū)域的大小，即有關組織大小的信息，使得分割結(jié) 果更貼近用戶的期望，增加了系統(tǒng)的穩(wěn)定性和用戶的信任度。具體實現(xiàn)如 下
(3.1) 背景趨勢去除；
感興趣組織一般會被致密腺體組織包圍，有些還會位于皮膚線或胸壁 線附近，這些都給分割帶來一定的困難。為了降低周圍背景正常組織對感 興趣組織分割的影響，增強感興趣組織的對比度，本發(fā)明方法首先采用最 小二乘法擬合方法擬合出一個和原感興趣區(qū)域等大的背景平面(g卩"背景趨 勢"平面)，求得原始感興趣區(qū)域與背景平面的差值圖像，并將差值圖像進行 標定(對原始感興趣區(qū)域與背景平面的差值小于0的像素點將其灰度值置為
0;否則，將其灰度值置為差值乘以255)得到背景趨勢去除的感興趣區(qū)域。 圖3(a)是一幅位于皮膚線附近的原始感興趣區(qū)域，圖3(b)是圖3(a)經(jīng)過 最小二乘法擬合出來的背景平面，圖3(c)是圖3(a)經(jīng)過背景趨勢去除的感興 趣區(qū)域。
(3.2) 鄰近組織抑制
為了進一步減小鄰近正常腺體組織對感興趣組織分割的影響，本發(fā)明 在背景趨勢去除的感興趣區(qū)域圖像上應用"鄰近組織抑制"。
根據(jù)用戶圈畫區(qū)域的面積，大致估計該感興趣組織的半徑，處于半徑 范圍內(nèi)的像素保持其原有的灰度值，處于半徑范圍外的像素灰度值要進行 抑制，離感興趣區(qū)域中心越遠，抑制幅度越大。具體計算公式如(l)所示
<formula>formula see original document page 11</formula> (l)
其中丄表示經(jīng)過鄰近組織抑制后得到的圖像，/為經(jīng)過背景趨勢去除的
感興趣區(qū)域圖像，i 為抑制函數(shù)，其計算公式如(2)所示
<formula>formula see original document page 11</formula> (2)
其中r表示與用戶圈畫區(qū)域等面積的圓形區(qū)域的半徑。"為常量，用于 調(diào)節(jié)抑制程度，如果過度抑制，可能使感興趣組織"欠分割"(將感興趣組織 誤分成正常組織)；若抑制程度不夠，則達不到抑制的效果，使得感興趣組
織區(qū)域"過分割"(將正常組織誤分成感興趣組織區(qū)域)。因而需適當?shù)恼{(diào)整
抑制因子，使得抑制幅度合適。圖3(c)經(jīng)過鄰近組織抑制后得到的結(jié)果如圖 4所示。
"鄰近組織抑制"方法充分利用了用戶提供的有關感興趣組織大小的信
息。這體現(xiàn)在兩個方面首先，"鄰近組織抑制"在與用戶圈畫區(qū)域等面積的 圓形區(qū)域內(nèi)不做任何抑制，從而有效地避免了"欠分割"；其次，抑制因子cr 與半徑r成正比，感興趣組織越小，對鄰近組織的抑制程度越大，從而有利 于避免"過分割"。
(3.3)基于地形分割方法分割感興趣區(qū)域；
本發(fā)明方法采用多層地形分割方法確定感興趣組織的邊界，多層地形 分割方法的基本思想是應用多個不同的閾值進行區(qū)域生長得到由內(nèi)到外的 多層分割區(qū)域，將最外層的分割區(qū)域作為最終的分割結(jié)果，其中方法是根 據(jù)所選定的閾值的個數(shù)來具體確定層數(shù)t， t為正整數(shù)。
多層地形分割是基于區(qū)域生長的分割算法。之所以采用基于區(qū)域生長 的算法主要有以下幾個原因首先，待分割的感興趣組織位于圖像中心， 故可以簡單地將感興趣區(qū)域中心作為種子點；其次，感興趣區(qū)域圖像結(jié)構(gòu) 比較簡單，適合用區(qū)域生長算法。最后，基于區(qū)域生長的算法速度較快， 可以縮短系統(tǒng)響應時間。
本實施例中將以三層地形分割方法對此分割方法進行具體說明。三層 地形分割方法的實施步驟如下
step0:初始將感興趣區(qū)域的中心像素點作為種子點加入集合S CS初始 為空)，并設定初始的當前閾值，該閾值與種子點灰度值相關，如取值為種
子點灰度值的百分之一，置!'為0;
stepl:將所有與S中某點鄰接的且與種子點的灰度值差的絕對值小于 當前閾值的S外像素點加入S;
step2:重復過程stepl，直至沒有新的像素點加入S時，/加1;
step3:若已生成了三層地形(B卩/等于3)，集合<S即為最終的分割結(jié)果， 結(jié)束；否則，根據(jù)己分割區(qū)域及其周圍背景區(qū)域的對比度計算出一個新的 閾值作為當前閾值，跳往stepl; 本實施例中三個閾值的具體計算方法如公式(3)所示 <formula>formula see original document page 13</formula>
其中，/,^是種子點的灰度值，CH是第"1層分割結(jié)果與周圍背景區(qū)域
的對比度。式如(4)，
<formula>formula see original document page 13</formula>4)
其中，和7f分別為第z'-i層分割結(jié)果區(qū)域及周圍背景區(qū)域的平均灰
度值。本發(fā)明方法中對"背景區(qū)域"的定義為在一個與用戶圈畫的感興趣組
織大小信息相關的圓形區(qū)域上去除當前分割結(jié)果后的剩余區(qū)域。圖5(a)-圖 5(c)是將三層分割結(jié)果疊加到圖4上的結(jié)果，圖5(d)是將分割結(jié)果的輪廓疊 加到原圖上的結(jié)果。
(4)基于步驟(3)中對感興趣組織的分割結(jié)果，計算機提取若干區(qū)域相關 的單視像學特征。根據(jù)與輸入乳腺x線攝片計算機圖像相應的多幅視 圖(即病患的同側(cè)乳腺組織的不同角度乳腺x線攝片圖像和異側(cè)乳腺組織的 相同角度乳腺x線攝片圖像)，本發(fā)明方法同時提供與待檢索感興趣區(qū)域匹 配的多視圖區(qū)域?qū)Φ膱D像學特征。據(jù)此用戶可以選擇其關注的單視圖和/或 多視圖特征及輸入特征重要性相關的權(quán)重。
圖像相關特征提取的目的是通過各種圖像分析技術提取圖像內(nèi)容的某 種表示，使圖像的這種表示能夠作為圖像檢索的依據(jù)。合理地選擇圖像特 征，能夠有效地提高檢索的速度及效果。對乳腺x線攝片圖像進行檢索時 不應單純地考慮視覺意義上的相似性，還應該注重的是醫(yī)學意義上病理學 特征的相似性，若提取的特征使得檢索結(jié)果圖像中與查詢圖像的實際病理 學種類相同的圖像數(shù)目越多，則此次特征提取越有效。
選用的圖像學特征一般可分為幾何特征、形態(tài)學特征、灰度特征以及 紋理特征等。選擇的特征值應該遵循以下幾個特點
①可識別性不同類對象的特征值有明顯差異；
②可靠性同類對象應用相似的特征值； (D獨立性特征值之間不應有強相關性；
(4.1)根據(jù)以上規(guī)則，本發(fā)明方法首先對待查詢的感興趣區(qū)域提取32 個單視圖相關圖像學特征作為部分特征向量以待進行圖像檢索，如圖6中 列表所示。
其中有Bin Zheng等(具體參見Bin Zheng, Amy Lu, Lara A.Hardesty， et al. A method to improve visual similarity of breast masses for an interactive computer-aided diagnosis environment. Medical Physics, 2006，33(1):111-117) 提出的14個特征(表中特征l一特征14)， Nicholas Petrick等(具體參見 Nicholas Petrick, Heang-Ping Chan, Datong Wei， et al. Automated detection of breast masses on mammograms using adaptive contrast enhancement and texture classification. Med.Phys, 1996,23(10): 1685-1695)提出的IO個特征(表 中特征15—特征24)。另夕卜，本發(fā)明方法提出了 8個新特征，表中特征25 一特征32，其具體計算方法如下所示
特征25:己分割感興趣組織的中心位置偏移與已分割感興趣組織的 最大半徑長度之比&，公式如(5)，
<formula>formula see original document page 14</formula>其中^為區(qū)域中心與區(qū)域內(nèi)具有最大灰度值的像素點間的距離。半
徑長度。定義為區(qū)域中心與輪廓上像素點/的距離，M議,(。)為半徑長度^ 的最大值。由于真實病灶區(qū)域的灰度變化較正常組織區(qū)域的更加劇烈， 因此最大半徑長度相同的情況下，真實病灶組織區(qū)域的中心位置偏移更有 可能偏大。故真實病灶組織區(qū)域的此特征值應該偏大。
特征26:已分割感興趣組織內(nèi)灰度值的斜度&6，公式如(6)，
<formula>formula see original document page 14</formula>
(6)
其中，^為區(qū)域內(nèi)像素點數(shù)，CT為區(qū)域內(nèi)灰度值的標準差，/j代表區(qū) 域內(nèi)的像素/的灰度值，^代表區(qū)域內(nèi)像素的平均灰度值。相對正常組織 區(qū)域，真實病灶區(qū)域的斜度偏大。
特征27:已分割感興趣組織輪廓上所有像素的平均銳度值尸27，銳度
即為對原始感興趣區(qū)域利用sobel算子計算所得的梯度值，該特征用于度 量感興趣組織在邊界處的對比度。真實病灶區(qū)域往往有較清晰的邊界， 故其輪廓平均銳度偏大。
特征28:已分割感興趣組織輪廓上所有像素的平均梯度《8，梯度即
為當前像素與沿著區(qū)域中心到當前像素的射線方向上距當前像素10個像 素距離處的像素的灰度值差，此特征也用于描述邊界處的對比度。
特征29:已分割感興趣組織輪廓上所有像素的平均半徑長度巧9，公
式如<formula>formula see original document page 15</formula>
其中，半徑長度C定義為區(qū)域中心與輪廓上像素點/的距離， 為輪 廓上的像素個數(shù)。統(tǒng)計結(jié)果顯示，真實病灶區(qū)域的平均半徑長度偏大。
特征30:已分割感興趣組織輪廓上像素的規(guī)范化半徑長度標準差與
己分割感興趣組織輪廓上像素的平均半徑長度之比巧。，特征21與特征29 之比。公式如(8)，
其中，規(guī)范化半徑長度r;定義為半徑長度r,與最大半徑長度M^(。)之
比，7為規(guī)范化半徑長度5的平均值。真實病灶區(qū)域大多為圓型或橢圓型， 故其規(guī)范化半徑長度標準差往往偏小，故真實病灶區(qū)域此特征值偏小。
特征3h己分割感興趣組織內(nèi)的局部極大像素點個數(shù)與區(qū)域內(nèi)所有 像素個數(shù)之比&,。若某一個像素點的灰度值是以此像素為中心，5x5大
小的窗口內(nèi)所有像素點灰度值中的最大值，則此像素點即為一個局部極 大像素點。真實病灶區(qū)域往往是中心較亮、周圍較暗的均勻形態(tài)，故一 個5x5大小的窗口內(nèi)中心像素點具有最大灰度值的可能性較低，故真實病
灶區(qū)域此特征值偏小。
特征32:已分割感興趣組織內(nèi)局部極大像素點高度的平均值《2。 一 個局部極大像素點的高度即為局部極大像素點灰度值以與此局部極大像 素點為中心，5x5大小的窗口內(nèi)的最小灰度值之差。真實病灶區(qū)域此特征 值偏小。
當32個特征提取完成后，再對特征逐個進行歸一化處理，歸一化的
方法如公式(9)所示，每個特征歸一化后的取值范圍在
之內(nèi)。
<formula>formula see original document page 16</formula>
(4.2)乳腺x線攝片作為一種有效的普查手段具有其局限性，由于其成 像原理是將一個三維的乳腺組織映射為一個二維的平面圖像，所以重疊的 正常組織易于將大量的微小癌癥病灶掩蓋，從而導致很多早期癌癥的漏診 和誤診。在臨床中病患通常要拍攝多幅乳腺x線攝片圖像(即同側(cè)乳腺組織 的不同角度乳腺x線攝片圖像和異側(cè)乳腺組織的相同角度乳腺x線攝片圖 像)，放射科醫(yī)師會綜合多幅圖像中的信息來提高初步診斷的準確性。因此， 本發(fā)明方法同時提供與待檢索感興趣區(qū)域匹配的多視圖區(qū)域?qū)Φ膱D像學特 征作為部分特征向量以待進行圖像檢索。
與待檢索感興趣區(qū)域匹配的多視圖區(qū)域?qū)χ饕ó悅?cè)乳腺組織的 相同角度乳腺x線攝片圖像上匹配的多視圖區(qū)域?qū)屯瑐?cè)乳腺組織的不同 角度乳腺x線攝片圖像上匹配的多視圖區(qū)域?qū)ΑＨ鐖D7所示，異側(cè)乳腺組 織的相同角度乳腺x線攝片圖像上匹配的多視圖區(qū)域?qū)—G'處于各自圖 像上相同位置，如區(qū)域G和區(qū)域G，在各自圖像的中軸線(乳頭到胸壁線 的垂線)上的投影到乳頭的距離相等，均為d。如圖8所示，同側(cè)乳腺組織 的不同角度乳腺x線攝片圖像上匹配的多視圖區(qū)域?qū)—R，，由于拍攝角 度的不同，區(qū)域R和區(qū)域R，一般不處于各自圖像上相同位置。本發(fā)明方法 根據(jù)區(qū)域R中心在中軸線(乳頭到胸壁線的垂線)上的投影到乳頭的距離d， 在另外一幅乳腺x線攝片圖像上的中軸線上找到距乳頭距離為d的位置， 以此位置為中心設定一個與中軸線垂直的匹配區(qū)域帶，并在匹配區(qū)域帶中 搜索亮度最高的區(qū)域，設定此區(qū)域即為匹配區(qū)域R'，由此確定同側(cè)乳腺組
織的不同角度乳腺x線攝片圖像上匹配的多視圖區(qū)域?qū)—R，。
根據(jù)找到的匹配的多視圖區(qū)域?qū)?，本發(fā)明方法按照特征提取的規(guī)則提 取匹配的多視圖區(qū)域?qū)ο嚓P的幾何特征、形態(tài)學特征、灰度特征以及紋理 特征等，如
① 病灶的有效大小病灶區(qū)域的有效大小等于其邊界上的點間最大徑 向距離和最小徑向距離乘積的平方根，匹配區(qū)域?qū)Φ牟≡钣行Т笮〉扔谄?配的兩個病灶區(qū)域有效大小的差的絕對值。另外，病灶區(qū)域其邊界上的點 間的最大徑向距離也將被應用；
② 距離特征病灶區(qū)域中心在中軸線(乳頭到胸壁線的垂線)上的投影 與乳頭的距離，匹配區(qū)域?qū)Φ木嚯x特征等于匹配的兩個病灶區(qū)域距離特征 的差的絕對值，本特征主要針對同側(cè)乳腺組織的不同角度乳腺X線攝片圖 像上匹配的多視圖區(qū)域?qū)Α?br> ③ 綜合密度特征病灶區(qū)域的綜合密度特征作為病灶的一種量化方 法，研究發(fā)現(xiàn)該特征與投影視角和組織變形無關，具有極高的"視圖不變
性"(Y H. Chang, W. F. Good, J. K. Leader, X. H. Wang， B. Zheng, L. A. Hardesty, C. M. Hakim, and D. Gur， "Integrated density of a lesion: A quantitative, mammographically derived, invariable measure," Med. Phys. 30(7): 1805-1811 (2003).)。綜合密度特征57D的具體定義為
其中R為分割出的感興趣組織區(qū)域，Rl為背景組織區(qū)域，JF五w為分 割出的感興趣組織區(qū)域的平均灰度，^ra^為背景組織區(qū)域的平均灰度， ^及為分割出的感興趣組織區(qū)域的面積。
④ 基于信息論的相似性度量特征本發(fā)明方法將提取若干基于信息論 的相似性度量特征如,熵、聯(lián)合熵、條件熵和(規(guī)范化)互信息等，它們可以 有效地度量病灶區(qū)域?qū)﹂g的相似程度。
(4.3)根據(jù)步驟(4.1)和(4.2)提出的單視圖和多視圖相關特征，本發(fā)明方
法通過用戶交互界面提供用戶選擇其關注的單視圖和/或多視圖特征及輸入 特征重要性相關的權(quán)重。
(5)根據(jù)用戶選擇的特征及輸入的特征權(quán)重，利用加權(quán)的特征相似性度 量準則(特征向量越相似，則圖像越相似)，從已建立已知診斷結(jié)果的乳腺x
線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫(參考數(shù)據(jù)庫中包含感興趣區(qū)域 圖像，感興趣區(qū)域相應的病患基本信息文件，感興趣區(qū)域相應的病理檢查 和診斷結(jié)果信息文件，計算機提取的感興趣區(qū)域相關的圖像學特征記錄文 件)中檢索出與待査詢感興趣區(qū)域相似的若干已知診斷結(jié)果的感興趣區(qū)域。
(5.1) 對于檢索方法及系統(tǒng)的實現(xiàn)，本發(fā)明建立了一個已知診斷結(jié)果的 乳腺X線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫。參考數(shù)據(jù)庫中包含感 興趣區(qū)域圖像，感興趣區(qū)域相應的病患基本信息文件，感興趣區(qū)域相應的 病理檢查和診斷結(jié)果信息文件，計算機提取的感興趣區(qū)域相關的圖像學特 征記錄文件。
其中，感興趣區(qū)域的提取方法和步驟(2)中的提取方法一致，在已診斷
病患乳腺x線攝片圖像上取一個正方形窗口圖像(如125x125像素寬)；感
興趣區(qū)域相應的病患基本信息，感興趣區(qū)域相應的病理檢查和診斷結(jié)果信
息由專業(yè)放射科醫(yī)師提供；對參考數(shù)據(jù)庫中的感興趣區(qū)域進行和步驟(3)中 一致的感興趣組織分割及和步驟(4)中一致的單視圖和多視圖相關的圖像學 特征提取即可獲得參考數(shù)據(jù)庫中的感興趣區(qū)域相關的圖像學特征記錄。
(5.2) 根據(jù)用戶選擇的特征及輸入的特征權(quán)重，利用加權(quán)的特征相似性 度量準則(特征向量越相似，則圖像越相似)，在已建立的已知診斷結(jié)果的乳 腺x線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫中檢索出與查詢感興趣區(qū)域 相似的若干已知診斷結(jié)果的感興趣區(qū)域。本發(fā)明對相似度準則的定義如下
己知診斷結(jié)果的乳腺x線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫中的 感興趣區(qū)域^，其特征向量記為r(^)(從特征記錄文件中得到)，待査詢感 興趣區(qū)域義，其特征向量記為F("，特征向量的權(quán)值向量(用戶設定)記為iv， 則定義相似度準則為兩個加權(quán)特征向量間的歐幾里德距離平方的倒數(shù)，即
脂(J。，義)=-^-^ (10)
根據(jù)相似度準則，待查詢感興趣區(qū)域與已知診斷結(jié)果的乳腺x線攝片
感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫中的每一個感興趣區(qū)域都會計算得到一 個相似度值，將得到的所有相似度值進行由大到小的排序，并根據(jù)用戶的 需要選擇前A個(用戶交互式界面選擇完成)相似度值對應的感興趣區(qū)域作為 檢索結(jié)果。
(6)將檢索得到的感興趣區(qū)域及區(qū)域的相應病理檢查和診斷結(jié)果信息 顯示給用戶。
如圖2所示，本發(fā)明輔助診斷系統(tǒng)包括輸入模塊100、待查詢感興趣區(qū) 域提取模塊200、感興趣組織分割模塊300、感興趣組織特征提取模塊400、 基于特征相似性度量準則的檢索模塊500和輸出模塊600。
輸入模塊100用于接收輸入的乳腺x線攝片計算機圖像，并傳送給待 査詢感興趣區(qū)域提取模塊200。
待查詢感興趣區(qū)域提取模塊200按照上述步驟(2)所述的步驟依據(jù)用戶 交互式地在圖像上圈畫出的其關注的區(qū)域提取輸入的乳腺x線攝片中的待 査詢感興趣區(qū)域，傳送給感興趣組織分割模塊300。
感興趣組織分割模塊300按照上述步驟(3)所述的過程，將待查詢感興 趣區(qū)域提取模塊200提取的感興趣區(qū)域中的感興趣組織分割出來，得到感 興趣組織的邊界信息，傳送給感興趣組織特征提取模塊400。
感興趣組織特征提取模塊400根據(jù)接收的感興趣組織的邊界信息，按 照上述步驟(4)所述的過程，計算得到一系列區(qū)域相關單視圖和多視圖特征， 如幾何特征、形態(tài)學特征、灰度特征以及紋理特征等，用戶選擇其關注的 單視圖和/或多視圖特征及輸入特征重要性相關的權(quán)重并傳送給基于特征相 似性度量準則的檢索模塊500。
基于特征相似性度量準則的檢索模塊500按照上述步驟(5)所述的過 程，禾U用加權(quán)的特征相似性度量準則(特征向量越相似，貝U圖像越相似)，在 已建立的已知診斷結(jié)果的乳腺x線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫 中檢索出與査詢感興趣區(qū)域相似的若干已知診斷結(jié)果的感興趣區(qū)域，并根 據(jù)用戶的需要選擇前A個相似度值對應的感興趣區(qū)域作為檢索結(jié)果傳送給 輸出模塊600，由輸出模塊600將檢索得到的感興趣區(qū)域及區(qū)域的相應病理
檢査和診斷結(jié)果信息顯示給用戶。A為用戶關注的相似圖像的個數(shù)，由用戶 通過交互式界面輸入。
實例
本發(fā)明提出的一種乳腺X線攝片計算機圖像檢索方法及其系統(tǒng)中涉及 到若干參數(shù)，這些參數(shù)要針對具體處理的數(shù)據(jù)特點進行綜合調(diào)節(jié)設定以達 到整體系統(tǒng)的良好性能，此處列出針對本發(fā)明處理數(shù)據(jù)集合而設定的參數(shù):
步驟(3.2)中鄰近組織抑制處理中抑制因子cr為與用戶圈畫區(qū)域等面積 的圓形區(qū)域的半徑r的1.5倍；
步驟(3.3)中對"背景區(qū)域"的定義為在一個圓形區(qū)域上去除當前分割結(jié)
果后的剩余區(qū)域。此圓形區(qū)域的圓心為種子點、半徑為與用戶圈定區(qū)域等
面積的圓形區(qū)域半徑的1.6倍。
本發(fā)明方法通過一個乳腺x線攝片計算機圖像檢索方法及其系統(tǒng)，從 已建立已知診斷結(jié)果的乳腺x線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫準 確和有效地檢索得到與用戶圈畫的待查詢感興趣區(qū)域視覺和病理上相似的 若干已知診斷結(jié)果的感興趣區(qū)域。本發(fā)明的實現(xiàn)并不局限于上述實例所公 開的范圍，本領域一般技術人員根據(jù)上述公開的內(nèi)容，可以采用不同于上 述實例的方式實現(xiàn)本發(fā)明的技術方案。
權(quán)利要求
1.一種乳腺x線攝片計算機圖像的檢索方法，其步驟包括步驟(1)輸入一幅乳腺x線攝片計算機圖像；步驟(2)用戶交互式地在圖像上圈畫出其關注的區(qū)域，得到待查詢的感興趣區(qū)域；步驟(3)計算機對待查詢感興趣區(qū)域進行分割，確定感興趣組織的邊界；步驟(4)基于對感興趣組織的分割結(jié)果，計算機提取若干區(qū)域相關的單視圖和多視圖的圖像學特征，該圖像學特征包括幾何特征、形態(tài)學特征、灰度特征以及紋理特征；用戶選擇其關注的單視圖和/或多視圖特征，并輸入特征重要性相關的權(quán)重；步驟(5)利用加權(quán)的特征相似性度量準則，從已建立已知診斷結(jié)果的乳腺x線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫中檢索出與待查詢感興趣區(qū)域相似的若干感興趣區(qū)域；參考數(shù)據(jù)庫中包含感興趣區(qū)域圖像，感興趣區(qū)域相應的病理檢查和診斷結(jié)果信息文件，以及計算機提取的感興趣區(qū)域相關的圖像學特征記錄文件；步驟(6)將檢索得到的感興趣區(qū)域及區(qū)域的相應病理檢查和診斷結(jié)果信息顯示給用戶。
2、根據(jù)權(quán)利要求1所述的方法，其特征在于步驟(2)包括以下過程步驟(2.1)由用戶交互式地在圖像上圈畫出其關注的區(qū)域，并計算用戶 圈畫區(qū)域的中心；步驟(2.2)以用戶圈畫區(qū)域的中心為圓心，做一個與用戶圈畫區(qū)域等面 積的圓，計算此圓的灰度加權(quán)重心，將圓心移動到此重心處，重新計算與 用戶圈畫區(qū)域等面積圓的灰度加權(quán)重心，重復此過程，重復次數(shù)由用戶輸 入，得到最后計算的灰度加權(quán)重心；步驟(2.3)以步驟(2.2)中迭代終止時的重心為中心，在輸入的乳腺x線 攝片圖像上取一個正方形窗口圖像作為待查詢感興趣區(qū)域。
3、根據(jù)權(quán)利要求1或2所述的方法，其特征在于步驟(3)按照下述步驟在感興趣區(qū)域中分割感興趣組織步驟(3.1)采用最小二乘法擬合方法擬合出一個和原感興趣區(qū)域等大 的背景平面，求得原始感興趣區(qū)域與背景平面的差值圖像，差值圖像經(jīng)過 標定后得到背景趨勢去除的感興趣區(qū)域圖像；步驟(3.2)在背景趨勢去除的感興趣區(qū)域圖像上，根據(jù)用戶圈畫區(qū)域的 面積，大致估計該感興趣組織的半徑，應用"鄰近組織抑制"的方法對處于半 徑范圍內(nèi)的像素保持其原有的灰度值，處于半徑范圍外的像素的灰度值進 行抑制<formula>formula see original document page 3</formula>其中丄表示經(jīng)過鄰近組織抑制后得到的圖像，/為經(jīng)過背景趨勢去除的感興 趣區(qū)域圖像，A為抑制函數(shù)，r表示與用戶圈畫區(qū)域等面積的圓形區(qū)域的半 徑；^x為常量，用于調(diào)節(jié)抑制程度；步驟(3.3)按照下述過程對步驟(3.2)得到的感興趣區(qū)域圖像中的感興趣 組織進行分割(3.3.1) 初始將感興趣區(qū)域的中心像素點作為種子點加入集合S ， S 初始為空，并設定層數(shù)t和初始的當前閥值，t為正整數(shù)，置/為0;(3.3.2) 將所有與中某點鄰接的且與種子點的灰度值差的絕對值小 于當前閾值的S外像素點加入&(3.3.3) 重復過程步驟(3.3.2)，直至沒有新的像素點加入S時，/加1;(3.3.4) 當/=1時，集合S即為最終的分割結(jié)果，結(jié)束；否則，根據(jù)已分割區(qū)域及其周圍背景區(qū)域的對比度計算出一個新的閾值作為當前閾值，跳往步驟(3.3.2)。
4、 根據(jù)權(quán)利要求l、 2或3所述的方法，其特征在于步驟(4)中單 視圖相關的圖像學特征具體包括全圖灰度值的平均值，全圖灰度波動的平 均值，全圖灰度波動的標準差，區(qū)域顯著性，規(guī)范化的平均半徑長度，半 徑長度的標準,差，半徑長度的偏斜度，形狀因子，區(qū)域內(nèi)灰度值的標準差， 輪廓梯度的標準差，輪廓梯度的偏斜度，背景區(qū)域灰度標準差，背景區(qū)域 平均灰度波動，規(guī)范化中心位置偏移，輪廓長度，區(qū)域面積，對比度，圓 度，周長面積比，規(guī)范化半徑長度的均值，規(guī)范化半徑長度的標準差，規(guī) 范化半徑長度的熵，規(guī)范化半徑長度的面積比，規(guī)范化半徑長度的過零數(shù)。
5、 根據(jù)權(quán)利要求4所述的方法，其特征在于步驟(4)中單視圖相關的圖像學特征還包括下述特征中心位置偏移與最大半徑長度之比，區(qū)域內(nèi)灰度值的斜度，輪廓平均銳度，輪廓平均梯度，平均半徑長度，規(guī)范 化半徑長度標準差與平均半徑長度之比，局部極大點比率，以及局部極大 點平均高度。
6、 根據(jù)權(quán)利要求1、 2或3所述的方法，其特征在于與待檢索感興趣區(qū)域匹配的多視圖區(qū)域?qū)χ饕ó悅?cè)乳腺組織的相同角度乳腺X線 攝片圖像上匹配的多視圖區(qū)域?qū)屯瑐?cè)乳腺組織的不同角度乳腺X線攝片 圖像上匹配的多視圖區(qū)域?qū)?；異?cè)乳腺組織的相同角度乳腺X線攝片圖像 上匹配的多視圖區(qū)域?qū)μ幱诟髯詧D像上相同位置；同側(cè)乳腺組織的不同角 度乳腺X線攝片圖像上匹配的多視圖區(qū)域?qū)Σ惶幱诟髯詧D像上相同位置；當步驟(4)提取的對象是多視圖相關圖像學特征時，將采用下述方法査找匹配的多視圖區(qū)域?qū)?，并提取匹配的多視圖區(qū)域?qū)Φ膱D像學特征根據(jù)區(qū)域中心在中軸線上的投影到乳頭的距離，在另外一幅乳腺X線 攝片圖像上的中軸線上找到距乳頭距離相等的位置，以此位置為中心設定 一個匹配區(qū)域帶，并在匹配區(qū)域帶中搜索亮度最高的區(qū)域，由此來確定同 側(cè)乳腺組織的不同角度乳腺X線攝片圖像上匹配的多視圖區(qū)域?qū)?；根?jù)找到的匹配的多視圖區(qū)域?qū)?，提取多視圖區(qū)域?qū)ο嚓P的幾何特征、 形態(tài)學特征、灰度特征以及紋理特征圖像學特征，具體包括匹配的多視 圖區(qū)域?qū)Φ南嚓P特征病灶的有效大小，距離特征，綜合密度特征和基于 信息論的相似性度量特征。
7、 一種乳腺X線攝片計算機圖像的檢索系統(tǒng)，其特征在于它包括輸 入模塊(100)、待査詢感興趣區(qū)域提取模塊(200)、感興趣組織分割模塊 (300)、感興趣組織特征提取模塊(400)、基于特征相似性度量準則的檢 索模塊(500)和輸出模塊(600);輸入模塊(100)用于接收輸入的乳腺x線攝片計算機圖像，并傳送給 待查詢感興趣區(qū)域提取模塊(200);待查詢感興趣區(qū)域提取模塊(200)用于與用戶進行交互，在圖像上圈 畫出的感興趣區(qū)域，并按照上述步驟(2)所述的過程，提取輸入的乳腺x線 攝片中的待査詢感興趣區(qū)域，傳送給感興趣組織分割模塊(300);感興趣組織分割模塊(300)按照上述步驟(3)所述的過程，將待查詢感 興趣區(qū)域提取模塊(200)提取的感興趣區(qū)域中的感興趣組織分割出來，得 到感興趣組織的邊界信息，傳送給感興趣組織特征提取模塊(400);感興趣組織特征提取模塊(400)根據(jù)接收的感興趣組織的邊界信息， 按照上述步驟(4)所述的過程，計算單視圖和多視圖的包括幾何特征、形態(tài) 學特征、灰度特征以及紋理特征在內(nèi)的特征值；并與用戶進行交互，供用 戶選擇其所關注的單視圖和/或多視圖特征及輸入特征重要性相關的權(quán)重， 并將信息傳送給基于特征相似性度量準則的檢索模塊(500);基于特征相似性度量準則的檢索模塊(500)按照上述步驟(5)所述的過 程，利用加權(quán)的特征相似性度量準則，在已建立的已知診斷結(jié)果的乳腺x 線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫中檢索出與査詢感興趣區(qū)域相似 的若干已知診斷結(jié)果的感興趣區(qū)域，并根據(jù)用戶的需要選擇前A:個相似度 值對應的感興趣區(qū)域作為檢索結(jié)果傳送給輸出模塊(600)， A為用戶關注的 相似圖像的個數(shù)，由輸出模塊(600)將檢索得到的感興趣區(qū)域及區(qū)域的相 應病理檢査和診斷結(jié)果信息顯示給用戶。
全文摘要
本發(fā)明公開了一個乳腺x線攝片計算機圖像的檢索方法及其系統(tǒng)。本發(fā)明首先給系統(tǒng)輸入一幅乳腺x線攝片計算機圖像，通過待查詢感興趣區(qū)域提取模塊、感興趣組織分割模塊和感興趣組織特征提取模塊的處理，最后將用戶選擇所關注的單視圖和/或多視圖特征及輸入特征重要性相關的權(quán)重傳送給基于特征相似性度量準則的檢索模塊，得到在已建立的已知診斷結(jié)果的乳腺x線攝片感興趣區(qū)域計算機圖像參考數(shù)據(jù)庫中檢索出與查詢感興趣區(qū)域相似的用戶的需要的若干個已知診斷結(jié)果的感興趣區(qū)域，最后按照相似程度由大到小的順序?qū)z索結(jié)果顯示給用戶。
文檔編號G06F17/30GK101373479SQ20081019709
公開日2009年2月25日 申請日期2008年9月27日 優(yōu)先權(quán)日2008年9月27日
發(fā)明者孌 姜, 宋恩民, 許向陽, 金人超 申請人:華中科技大學