高亮病灶区域的定位方法、装置、计算机设备以及存储介质

摘要

本申请涉及一种高亮病灶区域的定位方法、装置、计算机设备以及存储介质，一种高亮病灶区域的定位方法，应用于乳腺三维断层图像中，包括：在所述乳腺三维断层图像中获取感兴趣空间；对所述感兴趣空间进行形状约束以得到约束图像；确定区域生长的阈值；基于所述阈值对所述约束图像进行区域生长，以得到高亮病灶区域。上述高亮病灶区域的定位方法在乳腺三维断层图像中选取感兴趣空间后，对感兴趣空间进行形状约束以隔离高亮病灶区域周围腺体，并确定合适的区域生长阈值，从而实现对高亮病灶区域的分割，定位过程中剔除掉了很多不合适的阈值。本定位方法加快了处理的速度，并提升了分割的精准度。

权利要求

1.一种高亮病灶区域的定位方法，应用于乳腺三维断层图像中，其特征在于，包括：在所述乳腺三维断层图像中获取感兴趣空间；

对所述感兴趣空间进行形状约束以得到约束图像；

确定区域生长的阈值；

基于所述阈值对所述约束图像进行区域生长，以得到高亮病灶区域；

所述对所述感兴趣空间进行形状约束以得到约束图像包括：通过高斯模版对所述乳腺三维断层图像的感兴趣空间进行处理以得到第一约束图像；

所述方法还包括：

将所述第一约束图像与所述感兴趣空间进行加权叠加以得到第二约束图像；

所述确定区域生长的阈值包括：

对所述第一约束图像进行阈值分析以得到掩膜区域；

对所述第二约束图像中与所述掩膜区域对应的区域进行阈值分析以得到阈值范围；

基于径向梯度指数在所述阈值范围内确定区域生长的阈值。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于乳腺三维图像的各层乳腺三维断层图像中高亮病灶区域的径向梯度指数，选取所述乳腺三维图像的确定高亮病灶区域。

3.根据权利要求1所述的方法，其特征在于，在所述对所述感兴趣空间进行形状约束之前，所述方法还包括：对所述感兴趣空间进行采样。

4.根据权利要求1所述的方法，其特征在于，所述阈值分析为大津阈值分析。

5.一种高亮病灶区域的定位装置，应用于乳腺三维断层图像中，其特征在于，包括：获取模块，用于在所述乳腺三维断层图像中获取感兴趣空间；

约束模块，用于对所述感兴趣空间进行形状约束以得到约束图像；

阈值模块，用于确定区域生长的阈值；

生长模块，用于基于所述阈值对所述约束图像进行区域生长，以得到高亮病灶区域；

所述约束模块通过高斯模版对所述乳腺三维断层图像的感兴趣空间进行处理以得到第一约束图像，并将所述第一约束图像与所述感兴趣空间进行加权叠加以得到第二约束图像；

所述阈值模块对所述第一约束图像进行阈值分析以得到掩膜区域，对所述第二约束图像中与所述掩膜区域对应的区域进行阈值分析以得到阈值范围，并基于径向梯度指数在所述阈值范围内确定区域生长的阈值。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：确定模块，用于基于乳腺三维图像的各层乳腺三维断层图像中高亮病灶区域的径向梯度指数，选取所述乳腺三维图像的确定高亮病灶区域。

7.根据权利要求5所述的装置，其特征在于，所述获取模块包括二维模块，所述二维模块用于根据乳腺二维融合图像确定乳腺三维图像的各层乳腺三维断层图像中的感兴趣空间。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1 至 4 中任意一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至4中任意一项所述方法的步骤。

说明书

高亮病灶区域的定位方法、装置、计算机设备以及存储介质

技术领域

[0001] 本发明涉及医疗器械领域，特别是涉及一种高亮病灶区域的定位方法、装置、计算机设备以及存储介质。

背景技术

[0002] 在对乳腺组织进行检测时，经常需要对乳腺图像中的肿块、病灶等高亮区域进行定位。传统的乳腺图像中对这些高亮区域的定位方法一般是针对二维钼靶图像进行处理，通过简单的区域生长分割高亮区域，但病灶区域容易粘连其他高亮的腺体，造成定位不够精确。

发明内容

[0003] 基于此，有必要针对上述技术问题，提供一种高亮病灶区域的定位方法、装置、计算机设备以及存储介质，可以根据乳腺三维断层图像定位高亮病灶区域，且定位过程较为快速准确。

[0004] 一种高亮病灶区域的定位方法，应用于乳腺三维断层图像中，包括：

[0005] 在所述乳腺三维断层图像中获取感兴趣空间；

[0006] 对所述感兴趣空间进行形状约束以得到约束图像；

[0007] 确定区域生长的阈值；

[0008] 基于所述阈值对所述约束图像进行区域生长，以得到高亮病灶区域。

[0009] 上述高亮病灶区域的定位方法，在乳腺三维断层图像中选取感兴趣空间后，对感兴趣空间进行形状约束以隔离高亮病灶区域周围腺体，并确定合适的区域生长阈值，从而实现对高亮病灶区域的分割，定位过程中剔除掉了很多不合适的阈值。本定位方法加快了处理的速度，并提升了分割的精准度。

[0010] 在其中一个实施例中，所述方法还包括：

[0011] 基于乳腺三维图像的各层乳腺三维断层图像中高亮病灶区域的径向梯度指数，选取所述乳腺三维图像的确定高亮病灶区域。

[0012] 在其中一个实施例中，在所述对所述感兴趣空间进行形状约束之前，所述方法还包括：

[0013] 对所述感兴趣空间进行采样。

[0014] 在其中一个实施例中，所述对所述感兴趣空间进行形状约束以得到约束图像包括：

[0015] 通过高斯模版对所述乳腺三维断层图像的感兴趣空间进行处理以得到第一约束图像。

[0016] 在其中一个实施例中，所述方法还包括：

[0017] 将所述第一约束图像与所述感兴趣空间进行加权叠加以得到第二约束图像。

[0018] 在其中一个实施例中，所述确定区域生长的阈值包括：

[0019] 对所述第一约束图像进行阈值分析以得到掩膜区域；

[0020] 对所述第二约束图像中与所述掩膜区域对应的区域进行阈值分析以得到阈值范围；

[0021] 基于径向梯度指数在所述阈值范围内确定区域生长的阈值。

[0022] 在其中一个实施例中，所述阈值分析为大津阈值分析。

[0023] 一种高亮病灶区域的定位装置，应用于乳腺三维断层图像中，包括：

[0024] 获取模块，用于在所述乳腺三维断层图像中获取感兴趣空间；

[0025] 约束模块，用于对所述感兴趣空间进行形状约束以得到约束图像；

[0026] 阈值模块，用于确定区域生长的阈值；

[0027] 生长模块，用于基于所述阈值对所述约束图像进行区域生长，以得到高亮病灶区域。

[0028] 上述高亮病灶区域的定位装置，在乳腺三维断层图像中选取感兴趣空间后，对感兴趣空间进行形状约束以隔离高亮病灶区域周围腺体，并确定合适的区域生长阈值，从而实现对高亮病灶区域的分割，定位过程中剔除掉了很多不合适的阈值。本定位方法加快了处理的速度，并提升了分割的精准度。

[0029] 一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。

[0030] 一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

附图说明

[0031] 图1为一个实施例中高亮病灶区域的定位方法的流程示意图；

[0032] 图2为一个实施例中高亮病灶区域的定位方法中步骤S140的流程示意图；

[0033] 图3为一个实施例中高亮病灶区域的定位方法中步骤S160的流程示意图；

[0034] 图4为另一个实施例中高亮病灶区域的定位方法的流程示意图；

[0035] 图5为一个实施例中高亮病灶区域的定位结果的示意图；

[0036] 图6为一个实施例中乳腺二维融合图像和乳腺三位断层图像的示意图；

[0037] 图7为一个实施例中高亮病灶区域的定位装置的结构示意图。

具体实施方式

[0038] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

[0039] 图1为一个实施例中高亮病灶区域的定位方法的流程示意图，如图1所示，一种高亮病灶区域的定位方法，应用于乳腺三维断层图像中，包括：

[0040] 步骤S120：在乳腺三维断层图像中获取感兴趣空间。

[0041] 具体地，上述高亮的区域一般可以为乳腺三维断层图像(Digital  Breast Tomsynthesis，简称DBT)中的病灶区域，病灶区域具体可以包括肿块区域、不对称区域以及结构扭曲区域等，这些区域在乳腺三维断层图像中一般显示为高亮区域。在对上述高亮病灶区域进行检测和定位时，首先每隔一定角度对固定的乳腺进行曝光，从而获得多幅乳腺三维断层图像，在乳腺三维断层图像中获取感兴趣空间(Volume of Interest，简称VOI)。感兴趣空间的获取方式可以根据交互的方式实现，交互方式可包括画圈、标出直径或者打点等方式。医生或操作人员一般可以在多幅乳腺三维断层图像中肿块等高亮病灶区域呈现比较多或比较明显的一层进行交互，或者也可以直接在乳腺二维融合图像上进行交互，选取高亮病灶区域的最大截面，从而得到较为精确的感兴趣空间。感兴趣空间的获取也可以通过机器学习或深度学习等模型自动获取，也可以结合交互手动获取和模型自动获取进行获取。选取感兴趣空间可以减少后续需要处理的数据量，提升定位的速度及准确性。

[0042] 步骤S140：对感兴趣空间进行形状约束以得到约束图像。

[0043] 具体地，在获取感兴趣空间后，由于高亮病灶区域周围可能存在其他高亮腺体等组织，与高亮病灶区域连接在一起，会对高亮病灶区域的分割造成影响，因此需要对感兴趣空间进行形状约束，以隔离感兴趣空间内高亮病灶区域周围的高亮腺体等干扰。高亮病灶区域的形状约束可以通过形状模版对感兴趣空间处理的方式，形状模版的种类可以根据实际需求确定，具体可以是高斯模版等，对感兴趣空间进行形状约束后得到一个约束图像，后续的分割过程可以在该约束图像上进行，从而避免了高亮病灶区域周围高亮腺体对分割结果的干扰，提高了高亮病灶区域定位的精确性。

[0044] 步骤S160：确定区域生长的阈值。

[0045] 具体地，在感兴趣空间内得到约束图像后，需要对约束图像进行区域生长(region growing)，从而将与每个种子点有相似属性例如强度、灰度级、纹理颜色等的相邻像素进行合并以得到高亮病灶区域。对于高亮病灶区域的区域生长，种子点即为感兴趣空间的中心点，而区域生长的阈值，可以先通过对约束图像进行阈值分析确定阈值的范围，然后在该阈值范围内选取分割结果较好的阈值，阈值的选取可以根据进行区域生长所得到分割结果的径向梯度指数(Radial Gradient Index，简称RGI)来判断，径向梯度指数可以用于描述给定边界与边界内部像素点的几何关系，从而可以用来判断分割结果的质量，一般区域生长后的得到的分割结果的径向梯度指数越高，说明分割结果越好，因此可以选择阈值范围内能够得到最高径向梯度指数的值作为后续区域生长的确定阈值。

[0046] 步骤S180：基于阈值对约束图像进行区域生长，以得到高亮病灶区域。

[0047] 具体地，在确定区域生长的阈值后，以感兴趣空间的中心点为种子点，基于得到的阈值对约束图形进行区域生长，还可以对区域生长的分割结果进行图像后处理，图像后处理具体可以包括例如平滑等，从而得到图像质量更好的高亮病灶区域图像，并将该高亮病灶区域图像显示给医生或操作人员。

[0048] 上述高亮病灶区域的定位方法，在乳腺三维断层图像中选取感兴趣空间后，对感兴趣空间进行形状约束以隔离高亮病灶区域周围腺体，并确定合适的区域生长阈值，从而实现对高亮病灶区域的分割，定位过程中剔除掉了很多不合适的阈值。本定位方法加快了处理的速度，并提升了分割的精准度。

[0049] 图2为一个实施例中高亮病灶区域的定位方法中步骤S140的流程示意图，在一个实施例中，如图2所示，上述步骤S140具体可以包括：

[0050] 步骤S142：通过高斯模版对乳腺三维断层图像的感兴趣空间进行处理以得到第一约束图像。

[0051] 具体地，为了截断高亮病灶区域与周围高亮腺体的连接，可以通过三维高斯模版对感兴趣空间进行处理，以得到第一约束图像。例如在一个实施例中，感兴趣空间的图像为f(x,y,z)，将感兴趣空间f(x,y,z)乘上一个椭球形的高斯模板N(x,y,z)，从而得到形状约束后的第一约束图像为h(x,y,z)＝f(x,y,z)*N(x,y,z)，上述高斯模板可以为其中，x0,y0,z0为感兴趣空间的中心点，从而通过三维高斯模板将与高亮病灶区域粘连的高亮腺体分割，后续的区域生长等处理可以基于该第一约束图像进行，以避免高亮病灶区域周围的其他组织对分割结果造成干扰。

[0052] 在一个实施例中，上述步骤S140具体还可以包括：

[0053] 步骤S144：将第一约束图像与感兴趣空间进行加权叠加以得到第二约束图像。

[0054] 具体地，为了防止分割结果受高斯模板影响过大，影响分割结果的准确性，还可以将第一约束图像与感兴趣空间的图像进行加权叠加，以减少高斯模版对分割结果影响的权重。将上述第一约束图像h(x,y,z)与感兴趣空间图像f(x,y,z)进行加权叠加，得到第二约束图像fNew(x,y,z)＝λ*f(x,y,z)+(1-λ)*h(x,y,z)，对于第一约束图像和感兴趣空间图像的权重可以根据分割精度需求和高斯模版的实际情况确定，第二约束图像fNew(x,y,z)受高斯模版的影响较小，相比于第一约束图像h(x,y,z)更接近于感兴趣空间内高亮病灶区域的原始图像，因此后续的区域生长的分割处理可以在该第二约束图像fNew(x,y,z)上进行。

[0055] 图3为上述实施例中高亮病灶区域的定位方法中步骤S160的流程示意图，在一个实施例中，如图3所示，上述步骤S160具体可以包括：

[0056] 步骤S162：对第一约束图像进行阈值分析以得到掩膜区域。

[0057] 步骤S164：对第二约束图像中与掩膜区域对应的区域进行阈值分析以得到阈值范围。

[0058] 步骤S166：基于径向梯度指数在阈值范围内确定区域生长的阈值。

[0059] 具体地，在上述实施例中，对于区域生长阈值的选择，可以首先对第一约束图像h(x,y,z)进行阈值分析得到一个掩膜区域，该掩膜区域可以确定高亮病灶区域的大致范围。然后对第二约束图像fNew(x,y,z)的中与该掩膜区域对应的区域进行阈值分析，从而得到一个区域生长的阈值范围。该阈值范围可以为一个小的阈值Tmin至一个大的阈值Tmax之间。

[0060] 得到阈值的范围后，可以基于统计的方法，在该阈值范围内以固定的间隔采用多个阈值，然后通过径向梯度指数分析该多个阈值当中选出最优的阈值。具体的筛选方式可以为每选取一个阈值，便基于该阈值，以感兴趣空间的中心点(x0,y0,z0)为种子点，对第二约束图像fNew(x,y,z)进行区域生长，得到一个分割结果，计算该分割结果的径向梯度指数。从而使每个阈值都对应一个分割结果的径向梯度指数值，选择其中数值最高的径向梯度指数所对应的阈值作为区域生长的确定阈值。

[0061] 进一步地，在一个可选的实施例中，上述阈值分析为大津阈值(最大类间方差法，简称otsu)分析。大津阈值分析为一种对图像进行二值化的高效算法，按图像的灰度特性基于阈值将图像分成背景和高亮病灶区域，然后计算背景和高亮病灶区域之间的类间方差以表示两部分的差别，并通过不断迭代得到阈值范围。本方法中先进行大津阈值分析得到阈值范围，再通过统计的方式选出最佳阈值，可以快速准确的排除很多不合适的阈值，从而提升了后续得到的分割结果的精准度。

[0062] 图4为另一个实施例中高亮病灶区域的定位方法的流程示意图，如图4所示，其中步骤S220、S240、S260以及S280可以与以上实施例中的相应步骤分别相同。该实施例的高亮病灶区域的定位方法还可以包括：

[0063] 步骤S230：对感兴趣空间进行采样。

[0064] 具体地，对感兴趣空间进行形状约束前，还可以先对感兴趣空间进行图像采样处理，采样后再进行形状约束和区域生长等处理，对于感兴趣空间的具体采样精度可以根据实际的定位精度与速度需求确定。相比于直接使用原始图像进行处理，对感兴趣空间进行采样可以减少要处理的数据量，实现加快处理速度，使得高亮病灶区域的定位更加快速。

[0065] 步骤S290：基于乳腺三维图像的各层乳腺三维断层图像中高亮病灶区域的径向梯度指数，选取乳腺三维图像的确定高亮病灶区域。

[0066] 具体地，通过乳腺三维图像中三维断层图像的高亮病灶区域，可以得到该三维图像中的确定高亮病灶区域。用户或操作人员在乳腺三维图像中高亮病灶区域横截面积最大的一层三维断层图像中选取感兴趣空间后，其余各层的高亮病灶区域均被分割出来，可以将乳腺三维图像中的确定高亮病灶区域或每层乳腺三维断层图像中高亮病灶区域的中心显示给医生或操作人员，例如图5为一个实施例中高亮病灶区域的定位结果的示意图，在本实施例中，如图所示，图中分别表示了第1层、第10层、第20层以及第31层这四层乳腺三维断层图像的高亮病灶区域。

[0067] 进一步地，还可以通过乳腺二维融合图像对乳腺三维图像中的高亮病灶区域进行导航。图6为一个实施例中乳腺二维融合图像和乳腺三维断层图像的示意图，如图6所示，乳腺二维融合图像在X-Y水平方向上的尺寸与三维图像的尺寸相一致。首先可以在二维融合图像上进行交互，例如对高亮病灶区域最大截面画直径或画圈，以得到一个感兴趣区域(Region of Interest，简称ROI)，同时在三维图像也截取对应的感兴趣空间，并将二维融合图像中感兴趣区域的中心点映射到三维图像的感兴趣空间中，可以采用枚举的方法对感兴趣区域的中心点映射到三维图像中Z方向的选择进行分析。

[0068] 上述乳腺二维融合图像感兴趣区域的中心点可以映射到乳腺三维图像的任意一层中，所以Z值可以取的值为[1,2,3,...SliceNum],其中SliceNum是乳腺三维图像的总层数。为了加快处理速度，可以对Z方向进行采样，按照预设的间隔对Z进行取整，每映射一个Z值，就可以计算该层内高亮病灶区域的分割结果，并计算相应的径向梯度指数。最终选取数值最高的径向梯度指数所对应的分割结果作为乳腺三维图像的确定高亮病灶区域，从而实现乳腺二维融合图像到乳腺三维图像的导航。

[0069] 图7为一个实施例中高亮病灶区域的定位装置的结构示意图，如图7所示，在一个实施例中，高亮病灶区域的定位装置500包括：获取模块520，用于在乳腺三维断层图像中获取感兴趣空间；约束模块540，用于对感兴趣空间进行形状约束以得到约束图像；阈值模块560，用于确定区域生长的阈值；生长模块580，用于基于阈值对约束图像进行区域生长，以得到高亮病灶区域。

[0070] 具体地，获取模块520在乳腺三维断层图像中获取感兴趣空间，感兴趣空间具体可由医生或操作人员通过获取模块520在三维断层图像上进行交互实现，确定感兴趣空间后，获取模块520将感兴趣空间发送给约束模块540；约束模块540对接收的感兴趣空间进行形状约束，分割模块540可以通过三维高斯模版对感兴趣空间进行处理，以隔离高亮病灶区域周围粘连的高亮腺体，从而得到约束图像并发送给阈值模块560，阈值模块560对接收的约束图像进行阈值分析，并基于径向梯度指数确定分割结果最佳的阈值，将该阈值发送给生长模块580；生长模块580以感兴趣空间的中心为种子点，基于所接收的阈值对约束图形进行区域生长，并对区域生长的分割结果进行图像后处理，从而得到高亮病灶区域图像，上述高亮病灶区域可以包括肿块区域、不对称区域以及结构扭曲区域等，并将该高亮病灶区域图像显示给医生或操作人员。

[0071] 进一步地，在一个可选的实施例中，高亮病灶区域的定位装置500还可以包括：二维模块(图中未标示)以及确定模块(图中未标示)，其中，二维模块可以根据乳腺二维融合图像确定乳腺三维图像的各层乳腺三维断层图像中的感兴趣空间，确定模块可以基于各层乳腺三维断层图像中高亮病灶区域的径向梯度指数，选取乳腺三维图像的确定高亮病灶区域。二维模块在乳腺二维融合图像上进行交互选取感兴趣区域后，确定模块可以分割出乳腺三维图像中的高亮病灶区域并进行显示，从而实现乳腺二维图像到三维图像的导航。

[0072] 上述高亮病灶区域的定位装置500，在乳腺三维断层图像中选取感兴趣空间后，对感兴趣空间进行形状约束以隔离高亮病灶区域周围腺体，并确定合适的区域生长阈值，从而实现对高亮病灶区域的分割，定位过程中剔除掉了很多不合适的阈值。本定位方法加快了处理的速度，并提升了分割的精准度。

[0073] 在一个实施例中，提供一种医学设备，包括存储器、处理器及存储在存储器上并可以在处理器上运行的计算机程序，处理器执行该程序时可以执行如下步骤：在乳腺三维断层图像中获取感兴趣空间；对感兴趣空间进行形状约束以得到约束图像；确定区域生长的阈值；基于阈值对约束图像进行区域生长，以得到高亮病灶区域。

[0074] 在一个实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时可以使得处理器执行如下步骤：在乳腺三维断层图像中获取感兴趣空间；对感兴趣空间进行形状约束以得到约束图像；确定区域生长的阈值；基于阈值对约束图像进行区域生长，以得到高亮病灶区域。

[0075] 上述对于计算机可读存存储介质及计算机设备的限定可以参见上文中对于方法的具体限定，在此不再赘述。

[0076] 需要说明的是，本领域普通技术人员可以理解实现上述方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该程序可存储于一计算机可读取存储介质中；上述的程序在执行时，可包括如上述各方法的实施例的流程。其中，上述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，简称ROM)或随机存储记忆体(Random Access Memory，简称RAM)等。

[0077] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0078] 以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。