專利名稱：用于增強(qiáng)宮頸成像中的血管圖案的方法
技術(shù)領(lǐng)域：
本發(fā)明通常涉及醫(yī)學(xué)成像和圖像增強(qiáng)。本發(fā)明更具體地涉及子宮頸癌和癌前期病 變的計(jì)算機(jī)輔助檢測(cè)和/或診斷。
背景技術(shù)：
盡管本發(fā)明是有關(guān)宮頸癌被公開的，但是其可應(yīng)用于許多其他醫(yī)學(xué)領(lǐng)域。目視檢 查是醫(yī)學(xué)領(lǐng)域中用于檢測(cè)和/或診斷疾病的常規(guī)實(shí)踐。例如，為了識(shí)別和排序病變的嚴(yán)重 性，陰道鏡檢查包括下生殖道(宮頸、陰戶和陰道)的系統(tǒng)性目視評(píng)估，以使得如果必要的話 可以進(jìn)行代表最高級(jí)別異常的活組織檢查。有時(shí)，在醫(yī)學(xué)成像中采用可視化增強(qiáng)技術(shù)以改進(jìn)對(duì)診斷上有意義的組織結(jié)構(gòu)的 識(shí)別。在陰道鏡中，不同的彩色濾光片(filter)被用來(lái)加重通過使用常規(guī)的白光而不能 容易看見的血管圖案。通常使用綠色濾光片并且其阻止除綠光之外的所有光且考慮到 了增加的宮頸血管圖案可視化。在陰道鏡檢查期間可以區(qū)分三種不同的異常血管圖案 馬賽克(mosaic)、斑點(diǎn)(pimctation)和非典型(atypical)；所有的這些都是宮頸的癌前 期區(qū)的識(shí)別中的主要診斷特征(Reid，R.，Herschman, B. R.，Crum, C. P.，F(xiàn)u, Y. S.， Braun, L. , Shah, K. V.等人的 Genital warts and cervical cancer. V. The tissue basis of colposcopic change, Am. J. Obstet. Gynecol. 149(3): 293-303. 1984, 通過弓I用而合并于此；Reid, R.禾口 Scalzi, P. , Genital warts and cervical cancer. VII. An improved colposcopic index for differentiating benign papillomaviral infections from high-grade cervical intraepithelial neoplasia, Am. J. Obstet. Gynecol. 153(6) : 611-618. 1985，通過引用而合并于此；D. G. Ferris, J. Τ. Cox, D. Μ. 0' Connor, V. C. Wright禾口 J. Foerster, Modem Colposcopy. Textbook and Atlas, pp. 1-699, American Society for Colposcopy and Cervical Pathology, 2004,通過 引用而合并于此)。綠色濾光片視覺增強(qiáng)的實(shí)施方式通常通過對(duì)標(biāo)準(zhǔn)白光進(jìn)行過濾來(lái)完成，所述過濾 是通過將綠顏色的光學(xué)濾光片放在光源的輸出端，即用綠光照射宮頸；或者通過將綠顏 色的濾光片放在宮頸和陰道鏡檢測(cè)光學(xué)元件之間，即在由操作者目視地或者用成像傳感器 電子地檢測(cè)之前過濾反射的白光。這些方法有許多缺陷首先，彩色濾光片的使用減少了可 用光的量并且可能導(dǎo)致圖像質(zhì)量的下降。其次，彩色濾光片添加了成本和機(jī)械復(fù)雜性，因?yàn)?濾光片組件必須被合并，這考慮到在陰道鏡檢查期間的標(biāo)準(zhǔn)白光和綠色過濾的光二者。第 三，彩色濾光片受限于濾光片的顏色。在其中使用光敏成像傳感器電子地捕獲宮頸的圖像或視頻并將其顯示在外部監(jiān) 視器上的數(shù)字陰道鏡中，可以采用其他可視化增強(qiáng)技術(shù)。本發(fā)明以數(shù)學(xué)形態(tài)學(xué)運(yùn)算的形式 應(yīng)用圖像算法以便增強(qiáng)宮頸血管圖案和周圍組織之間的對(duì)比度，并且照此提供用于增加的 血管結(jié)構(gòu)可視化的非物理實(shí)施方式，這類似于使用光學(xué)綠色濾光片的效果。數(shù)學(xué)形態(tài)學(xué)是一種用于分析和處理幾何結(jié)構(gòu)的技術(shù)并且已用于(如與本發(fā)明有關(guān)的)根據(jù)血管造影片對(duì)血管的自動(dòng)化分析(K. Sun和N. Sang, Enhancement of vascular angiogram by multiscale morphology, in Bi ο in forma tics and Biomedical Engineering, 1311-1313 (2007)，通過引用而合并于此)，根據(jù)乳房X線照 片的微 丐化分析(Wirth, M. , Fraschini, M.禾口 Lyon, J. , Contrast enhancement of microcalcifications in mammograms using morphological enhancement and non-flat structuring elements, Proc. 17th IEEE Symposium on Computer-Based Medical Systems, (2008)，通過引用而合并于此)和腦磁共振成像(J. D. Mendiola-Santibanez, I. R. Terol-Villalobos, G. Herrera-Ruiz 禾口 k. Fernandez-Bouzas, Morphological contrast measure and contrast enhancement: One application to the segmentation of brain MRI, Signal Processing 87，(2008)，通過引用而合并于此)。通過將可視化增強(qiáng)實(shí)施為應(yīng)用于宮頸圖像的算法，與光學(xué)綠色濾光片方法相比提 供了若干個(gè)優(yōu)點(diǎn)。首先，該算法方法不會(huì)減少光量并且將維持所捕獲的圖像或視頻的圖像 質(zhì)量。其次，不會(huì)添加增加的成本或機(jī)械復(fù)雜性。第三，該算法實(shí)施方式可以通過改變一個(gè) 或若干個(gè)算法參數(shù)來(lái)提供類似于不同過濾特性(諸如顏色)的可變可視化增強(qiáng)的能力。第 四，該算法方法可以應(yīng)用于標(biāo)準(zhǔn)白光圖像，從而提供對(duì)人眼更愉悅的圖像顯示。第五，圖像 預(yù)處理步驟可以被執(zhí)行以進(jìn)一步改進(jìn)可視化增強(qiáng)。一個(gè)這樣的步驟會(huì)是將圖像分割成不同 的區(qū)并且僅對(duì)這些區(qū)中的某些(例如，僅那些具有發(fā)現(xiàn)癌前期或癌病變的高可能性的區(qū))應(yīng) 用可視化增強(qiáng)。將如本發(fā)明中描述的視覺增強(qiáng)算法應(yīng)用到子宮頸圖像可以給內(nèi)科醫(yī)生提供有時(shí) 用肉眼很難檢測(cè)的血管圖案的增加的可視化。這種算法可以輔助內(nèi)科醫(yī)生識(shí)別診斷上重要 的結(jié)構(gòu)并在診斷過程中提供重要的信息。盡管本發(fā)明中描述的許多算法在本領(lǐng)域中是公知的，但是發(fā)明人并不知道另一種 結(jié)合識(shí)別具有疾病的高可能性的區(qū)的預(yù)處理步驟、識(shí)別高強(qiáng)度區(qū)和低強(qiáng)度區(qū)的數(shù)學(xué)形態(tài)學(xué) 步驟以及應(yīng)用可變可視化增強(qiáng)的調(diào)諧參數(shù)(所有都將稍后描述)的對(duì)比度增強(qiáng)方法，其達(dá)到 意想不到的更好結(jié)果?？梢哉J(rèn)為以下專利和專利申請(qǐng)與本發(fā)明的領(lǐng)域相關(guān)
通過引用而合并于此的Krauter等人的美國(guó)專利號(hào)6，147，705公開了包括具有存儲(chǔ)于 存儲(chǔ)器中的顏色平衡等級(jí)的算法的系統(tǒng)微型計(jì)算機(jī)的視頻陰道鏡。視頻攝像機(jī)獲得主體對(duì) 象的主體電子圖像，并且使用算法驅(qū)動(dòng)的數(shù)字信號(hào)處理電路(DSP)，根據(jù)以前存儲(chǔ)的DSP參 考濾光片算法和參考顏色平衡等級(jí)來(lái)修改主體電子圖像的顏色飽和度、色調(diào)和強(qiáng)度等級(jí)， 因而產(chǎn)生對(duì)應(yīng)于主體電子圖像的修改的電子圖像。隨著對(duì)應(yīng)的主體圖像由視頻攝像機(jī)獲 得，該修改的電子圖像連續(xù)實(shí)時(shí)地輸出到顯示器。該修改的電子圖像仿真通過光學(xué)綠色濾 光片獲得的圖像并且合并模擬的白平衡。通過引用而合并于此的Blair的美國(guó)專利號(hào)6，277，067公開了一種借助于能夠產(chǎn) 生宮頸的數(shù)字圖像的手持式陰道鏡組件來(lái)目視檢查宮頸上皮并對(duì)其分級(jí)的方法和便攜式 裝置。本發(fā)明實(shí)現(xiàn)整個(gè)宮頸的實(shí)時(shí)成像和存檔以便檢測(cè)癌組織或癌前期組織，并且依靠計(jì) 算機(jī)化的圖像處理來(lái)建議借助于低成本、便攜式、手持式數(shù)字陰道鏡對(duì)宮頸上皮進(jìn)行客觀 診斷。通過引用而合并于此的Flock等人的美國(guó)專利號(hào)6，032，070公開了一種以與其周圍組織的高對(duì)比度查看諸如血管之類的解剖結(jié)構(gòu)的系統(tǒng)和方法。該系統(tǒng)和方法被用來(lái)使用 從目標(biāo)組織奇異散射的反射電磁輻射來(lái)產(chǎn)生解剖結(jié)構(gòu)的圖像。該系統(tǒng)和方法還提供在方便 的整體成像設(shè)備中的反射電磁輻射的同側(cè)照射和檢測(cè)。該系統(tǒng)和方法還提供在單個(gè)整體頭 盔中的頭盔式(helmet mounted)成像技術(shù)，其允許佩戴者查看位于病人內(nèi)的解剖結(jié)構(gòu)以便 根據(jù)頭盔佩戴者的頭的定向來(lái)連續(xù)地定向圖像。該系統(tǒng)和方法還用于執(zhí)行靜脈穿刺。該系 統(tǒng)和方法提供任何解剖結(jié)構(gòu)及其周圍組織之間的改進(jìn)對(duì)比度以用在任何成像系統(tǒng)中。通過引用而合并于此的Arimura等人的美國(guó)專利號(hào)7，305，111公開了一種用于 檢測(cè)主體的醫(yī)學(xué)圖像中的至少一個(gè)小瘤(nodule)的方法、系統(tǒng)和計(jì)算機(jī)程序產(chǎn)品，包括 在醫(yī)學(xué)圖像中識(shí)別與感興趣的器官的至少一部分對(duì)應(yīng)的解剖區(qū)；過濾醫(yī)學(xué)圖像以獲得差別 圖像；在差別圖像中檢測(cè)解剖區(qū)內(nèi)的第一多個(gè)小瘤候選，基于醫(yī)學(xué)圖像和差別圖像中的至 少一個(gè)的像素值來(lái)計(jì)算來(lái)自第一多個(gè)的第一多個(gè)小瘤候選的相應(yīng)小瘤特征值；基于相應(yīng)小 瘤特征值從第一多個(gè)小瘤候選中移除假陽(yáng)性小瘤候選以獲得第二多個(gè)小瘤候選；以及通過 基于像素值和相應(yīng)小瘤特征值中的至少一個(gè)而將第二多個(gè)小瘤候選中的每個(gè)分類為小瘤 或非小瘤，來(lái)確定至少一個(gè)小瘤。使用線性判別分析和/或多個(gè)大規(guī)模訓(xùn)練人工神經(jīng)網(wǎng)絡(luò) (MultiMTANN)來(lái)識(shí)別真陽(yáng)性小瘤。通過引用而合并于此的Susuki等人的美國(guó)專利申請(qǐng)?zhí)?005/0100208公開了一種 用于修改例如胸部X光片中的肋骨抑制的醫(yī)學(xué)圖像中的解剖結(jié)構(gòu)的外觀的方法、系統(tǒng)和計(jì) 算機(jī)程序產(chǎn)品。該方法包括使用第一成像模態(tài)(modality)來(lái)獲取包括解剖結(jié)構(gòu)的第一醫(yī) 學(xué)圖像；將第一醫(yī)學(xué)圖像應(yīng)用于訓(xùn)練的圖像處理設(shè)備以獲得與在其中修改解剖結(jié)構(gòu)的外觀 的第一醫(yī)學(xué)圖像對(duì)應(yīng)的第二醫(yī)學(xué)圖像；以及輸出第二醫(yī)學(xué)圖像。此外，使用從與第一成像模 態(tài)不同的第二成像模態(tài)獲得的多個(gè)教師圖像來(lái)訓(xùn)練圖像處理設(shè)備。在一個(gè)實(shí)施例中，該方 法還包括處理第一醫(yī)學(xué)圖像以獲得多個(gè)處理圖像，其中多個(gè)處理圖像中的每個(gè)具有對(duì)應(yīng) 的圖像分辨率；將多個(gè)處理圖像應(yīng)用到相應(yīng)的多個(gè)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)(MTANN)以獲得多個(gè) 輸出圖像，其中訓(xùn)練每個(gè)MTANN從而以對(duì)應(yīng)的圖像分辨率之一檢測(cè)解剖結(jié)構(gòu)；以及結(jié)合該 多個(gè)輸出圖像以獲得在其中增強(qiáng)解剖結(jié)構(gòu)的外觀的第二醫(yī)學(xué)圖像。通過引用而合并于此的Chen等人的美國(guó)專利申請(qǐng)?zhí)?006/0018548公開了一種用 于分析醫(yī)學(xué)圖像的方法、系統(tǒng)和計(jì)算機(jī)軟件產(chǎn)品，包括獲得代表異常的多個(gè)醫(yī)學(xué)圖像的圖 像數(shù)據(jù)，每個(gè)醫(yī)學(xué)圖像對(duì)應(yīng)于在相對(duì)于對(duì)比劑(contrast medium)的管理時(shí)間的不同時(shí)間 上獲取的異常的圖像，每個(gè)醫(yī)學(xué)圖像包括預(yù)定數(shù)目的體素(voxel);基于所獲得的圖像數(shù)據(jù) 將每個(gè)醫(yī)學(xué)圖像劃分成至少兩組，其中每組對(duì)應(yīng)于預(yù)定數(shù)目的體素的子集，并且每組與多 個(gè)醫(yī)學(xué)圖像中的時(shí)間圖像圖案相關(guān)聯(lián)；從時(shí)間圖案當(dāng)中選擇增強(qiáng)的時(shí)間圖案作為異常的代 表；以及基于所選擇的時(shí)間圖案來(lái)確定異常的醫(yī)學(xué)狀態(tài)。通過引用而合并于此的^iang等人的美國(guó)專利申請(qǐng)?zhí)?006/0147101公開了一種 用于微鈣化簇的計(jì)算機(jī)輔助檢測(cè)的方法，該方法獲得單個(gè)查看圖像的數(shù)字乳房X線照片數(shù) 據(jù)并且將圖像數(shù)據(jù)歸一化并過濾以減少噪聲。第一掩模被生成并且應(yīng)用于用于定義胸部結(jié) 構(gòu)的圖像數(shù)據(jù)，從而形成第一裁剪圖像。第二掩模被生成并且應(yīng)用于用來(lái)定義肌肉結(jié)構(gòu)的 圖像數(shù)據(jù)，從而形成第二裁剪圖像。對(duì)應(yīng)于血管鈣化和已知成像偽影的偽影掩模被生成并 應(yīng)用于第一和第二裁剪圖像，從而定義第一和第二偽影遮蔽的裁剪圖像。在重復(fù)的序列中， 使用增強(qiáng)算法和減少邊緣效應(yīng)來(lái)處理每個(gè)偽影遮蔽的裁剪圖像的部分以獲得一組微鈣化簇候選和疑似微鈣化簇。圖像處理算法從微鈣化簇的列表中移除假陽(yáng)性并且為候選微鈣化 簇分類以識(shí)別真陽(yáng)性。通過引用而合并于此的YarnyW!等人的美國(guó)專利申請(qǐng)?zhí)?006/0184002公開了一 種結(jié)合來(lái)自外體積和流入血液的信號(hào)抑制的、降低的視野(FOV)成像技術(shù)。使用包括由合 適的延遲分離的兩個(gè)雙反轉(zhuǎn)脈沖對(duì)的SFQIR (小視野四反轉(zhuǎn)恢復(fù))準(zhǔn)備脈沖序列來(lái)實(shí)現(xiàn)外 體積和血液抑制二者。在每對(duì)內(nèi)，反轉(zhuǎn)脈沖相繼應(yīng)用于成像的切片和與成像平面正交的厚 片(slab)，其中厚度等于在相位編碼方向上的FOV大小。每個(gè)雙反轉(zhuǎn)導(dǎo)致FOV的中央部分 中的磁化的重新反轉(zhuǎn)，而FOV的外區(qū)域和流入血液保持反轉(zhuǎn)。SF(HR模塊被實(shí)施用于具有快 速自旋回聲讀出序列的單個(gè)切片和多個(gè)切片獲取。對(duì)應(yīng)于最大抑制效率的序列的定時(shí)參數(shù) 可以通過在發(fā)生在組織中的T. sub. 1的整個(gè)范圍上使歸一化信號(hào)的變化最小化而找到。通過引用而合并于此的Agam等人的美國(guó)專利申請(qǐng)?zhí)?007/0165921公開了一種用 于改進(jìn)小瘤檢測(cè)的胸廓(thoracic)診斷圖像的方法。從診斷圖像中移除非肺部區(qū)以提供 肺部圖像。根據(jù)肺部圖像的多個(gè)體素中的每個(gè)的一階偏導(dǎo)數(shù)來(lái)增強(qiáng)肺部圖像中的(一個(gè)或 多個(gè))肺的血管和血管交叉點(diǎn)。根據(jù)增強(qiáng)的血管和血管交叉點(diǎn)來(lái)構(gòu)建血管樹表示。可以從 肺部圖像中減去血管樹表示以增強(qiáng)(一個(gè)或多個(gè))肺中的小瘤的可視性。通過引用合并于此的Kakadaris等人的美國(guó)專利申請(qǐng)?zhí)?008/0051660公開了一 套血管內(nèi)超聲(IVUS)相關(guān)的系統(tǒng)、裝置和方法。公開了包括對(duì)比劑引入子系統(tǒng)和/或多普 勒(Doppler)子系統(tǒng)的新導(dǎo)管設(shè)計(jì)。公開了用于獲取和分析來(lái)自血管內(nèi)超聲(IVUS)導(dǎo)管的 多普勒數(shù)據(jù)的方法。公開了基于RF的血液和/或?qū)Ρ葎?諸如微氣泡)的檢測(cè)。公開了在 把對(duì)比效應(yīng)施加到正被成像的系統(tǒng)上之前、期間和之后允許幀配準(zhǔn)(registration)的幀光 柵圖像數(shù)據(jù)分析的方法。公開了用于對(duì)比度檢測(cè)的不同成像的方法。公開了用于IVUS數(shù) 據(jù)的量化和可視化的方法。并且公開了用于IVUS成像的方法。通過引用而合并于此的Sien等人的美國(guó)專利申請(qǐng)?zhí)柟_了一種用于自動(dòng)地檢測(cè) 胸廓CT體積中的肋骨轉(zhuǎn)移的方法和系統(tǒng)。在所述CT體積中通過遞歸跟蹤來(lái)分割肋骨。然 后沿著每個(gè)肋骨的中線生成一系列橫斷面圖像。在每個(gè)肋骨的每個(gè)橫斷面圖像中分割皮質(zhì) 骨和小梁骨結(jié)構(gòu)?；谄べ|(zhì)骨和小梁骨結(jié)構(gòu)的特性來(lái)計(jì)算每個(gè)橫斷面圖像的特征，并且基 于這些特征來(lái)檢測(cè)橫斷面圖像中的變化。當(dāng)在沿肋骨的中線的許多連續(xù)的橫斷面圖像中檢 測(cè)到變化時(shí)，在肋骨中檢測(cè)到肋骨轉(zhuǎn)移。

發(fā)明內(nèi)容
本發(fā)明目前優(yōu)選的實(shí)施例以其最一般的形式包括識(shí)別具有血管結(jié)構(gòu)的圖像中的 紋理區(qū)；檢測(cè)紋理區(qū)中的高強(qiáng)度區(qū)域和低強(qiáng)度區(qū)域；以及通過使用調(diào)諧參數(shù)來(lái)可控可變地 將高強(qiáng)度區(qū)域添加到紋理區(qū)并從紋理區(qū)中減去低強(qiáng)度區(qū)域，在不引入不可接受的不需要的 噪聲的情況下可控可變地增加高強(qiáng)度區(qū)域和低強(qiáng)度區(qū)域之間的對(duì)比度，以使得血管圖案的 可視化被可控可變地增強(qiáng)。因此，本發(fā)明包括用于通過以下步驟來(lái)增加血管結(jié)構(gòu)的可視化的圖像對(duì)比度增強(qiáng) 的方法識(shí)別具有存在疾病的高可能性的紋理區(qū)；應(yīng)用數(shù)學(xué)形態(tài)學(xué)運(yùn)算來(lái)檢測(cè)紋理區(qū)內(nèi)的 高和低強(qiáng)度(亮度)區(qū)域；以及通過結(jié)合紋理區(qū)識(shí)別的結(jié)果、形態(tài)學(xué)運(yùn)算和調(diào)諧參數(shù)來(lái)計(jì)算 對(duì)比度增強(qiáng)的圖像。通過確定圖像內(nèi)具有高強(qiáng)度變化的區(qū)域來(lái)識(shí)別原始圖像中的紋理區(qū)。
6接著，使用數(shù)學(xué)形態(tài)學(xué)運(yùn)算來(lái)識(shí)別紋理區(qū)內(nèi)的高強(qiáng)度和低強(qiáng)度的區(qū)域。最后，添加高強(qiáng)度區(qū) 域的可變量(由可選擇的調(diào)諧參數(shù)確定)，并且從原始圖像的紋理區(qū)中減去低強(qiáng)度區(qū)域，以 產(chǎn)生具有血管結(jié)構(gòu)的可控可變的可視化增強(qiáng)的圖像。


將參考以下附圖來(lái)描述本發(fā)明的優(yōu)選實(shí)施例，其中 圖1示出了可視化增強(qiáng)方法的流程圖2 (a)示出了宮頸的圖像而圖2 (b)示出了所識(shí)別的宮頸的紋理區(qū)；以及 圖3 (a)示出了原始的宮頸圖像，圖3 (b)顯示了無(wú)對(duì)比度增強(qiáng)的原始圖像的 放大區(qū)(由圖3 (a)中的方框指示)，以及圖3 (c)、3 (d)和3 (e)示出了調(diào)諧參數(shù) Q分別被設(shè)置為0、0. 5和1. 0的血管結(jié)構(gòu)增強(qiáng)的結(jié)果。
具體實(shí)施例方式本發(fā)明目前優(yōu)選的實(shí)施例提供了一種在子宮頸的圖像中不引入偽影(噪聲)的情 況下增加且可控地改變小血管圖案和周圍組織之間的對(duì)比度的方法，并且照此提供一種增 強(qiáng)所述血管圖案的可視化的手段。在圖1中示出本發(fā)明目前優(yōu)選的實(shí)施例的流程圖。下面 更詳細(xì)地描述目前優(yōu)選的方法的步驟。1.紋理區(qū)識(shí)別
可視化(對(duì)比度)增強(qiáng)方法開始于器官或組織(諸如宮頸)的圖像(被標(biāo)為I)。在本發(fā)明 目前優(yōu)選的實(shí)施例中，將分割步驟應(yīng)用于其中識(shí)別宮頸的紋理區(qū)的圖像。紋理分析指的是 圖像中的區(qū)由它們的紋理表征。紋理分析試圖將粗糙、平滑、柔滑或凹凸量化為圖像中的空 間強(qiáng)度變化(圖像的亮度(強(qiáng)度)中的空間變化程度，優(yōu)選地通過使用圖像的黑白版本中的 亮度變化或“灰度”來(lái)測(cè)量)的函數(shù)。因此，粗糙度或凹凸度可以被理解為圖像的黑白版本 中的強(qiáng)度值的空間變化程度或灰度級(jí)。對(duì)于宮頸而言，紋理區(qū)被稱為其在紋理內(nèi)容方面豐 富或者換句話說具有高強(qiáng)度變化(而不是強(qiáng)度平滑)的區(qū)。宮頸紋理區(qū)與諸如異常血管結(jié)構(gòu) 的患病所見和諸如未成熟化生的正常所見二者相關(guān)聯(lián)。如果宮頸血管圖案不位于這些豐富 的紋理域內(nèi)，則癌前期病變不太可能。因而，通過檢測(cè)紋理區(qū)并且僅將增強(qiáng)算法應(yīng)用于這些 區(qū)域，視覺上將僅增強(qiáng)與癌前期病變或癌病變相關(guān)聯(lián)的血管圖案。本發(fā)明提供了用于可控 對(duì)比度增強(qiáng)和利用分割的可控局部對(duì)比度增強(qiáng)的手段。用于本發(fā)明的優(yōu)選紋理區(qū)識(shí)別是基于由Li等人(W. Li, J. Gu, D. Ferris 禾口 A. Poirsonj Automated image analysis of uterine cervical images, Proc. Of SPIE 6414, 65142P1-65142P9 (2007)，通過引用而合并于此)提出的工作，其利用 由 Forstner (Forstnerj W.，A framework for low level feature extraction, in Proc. of European Conference on Computer Vision, 383-394 (1994)，通過弓|用而合 并于此)、Grading 等人(Grading，J.禾口 Lindeberg，T.，Direct computation of shape cues using scale-adapted spatial derivative operators, International Journal of Computer Vision 17，163-191 (1996)，通過引用而合并于此)和 Carson 等人(C. Carson, S. Belongiej H. Greenspan 禾口 J. Malik, Blobworld: image segmentation using expectation maximization and its application to image querying, IEEETransactions on Pattern Analysis and Machine Intelligence, 24, 1026-1038 (2002)，通過引用而合并于此)提出的技術(shù)的部分。紋理區(qū)分析方法確定圖像中的紋理對(duì)比 度(即強(qiáng)度變化)，并且將圖像分為高和低紋理的區(qū)域。高紋理區(qū)域被簇聚在一個(gè)區(qū)中，其定 義宮頸圖像中的紋理區(qū)。作為整個(gè)宮頸圖像I的子部分的紋理區(qū)被標(biāo)為Itoiure。圖2 (a) 示出了宮頸的圖像而圖2 (b)示出了使用上面描述的方法而識(shí)別的紋理區(qū)。盡管檢測(cè)紋理區(qū)是本發(fā)明的優(yōu)選方法，但是其不是以下步驟的先決條件。宮頸的 整個(gè)圖像同樣可以用于以下步驟。2.定義高強(qiáng)度區(qū)和低強(qiáng)度區(qū)
在紋理區(qū)的任選檢測(cè)之后的步驟優(yōu)選地使用基于數(shù)學(xué)形態(tài)學(xué)的運(yùn)算(J. Serra, Image Analysis and Mathematical Morphology，Academic Press, New York, 1982，通 過引用而合并于此)。數(shù)學(xué)形態(tài)學(xué)是一種用于使用來(lái)自集合理論(其是研究對(duì)象收集的數(shù)學(xué) 分支)的幾個(gè)簡(jiǎn)單數(shù)學(xué)概念來(lái)分析和處理諸如血管圖案之類的幾何結(jié)構(gòu)的技術(shù)。數(shù)學(xué)形態(tài) 學(xué)的基本思想是對(duì)照具有簡(jiǎn)單預(yù)定義形狀的所謂結(jié)構(gòu)化元素來(lái)比較圖像中的結(jié)構(gòu)，并且得 出關(guān)于該形狀對(duì)圖像中的結(jié)構(gòu)適合或不適合(miss)程度的結(jié)論。在數(shù)學(xué)形態(tài)學(xué)中通常使 用的結(jié)構(gòu)化元素包括但不限于盤形、盒形和菱形。數(shù)學(xué)形態(tài)學(xué)通常應(yīng)用于數(shù)字圖像，并且包 括邊緣檢測(cè)、噪聲移除、圖像增強(qiáng)和圖像分割。用于本發(fā)明的優(yōu)選形態(tài)學(xué)方法是頂帽和底帽濾光片(P. Soille, A note on morphological contrast enhancement, Technical Report Ecole des Mines d，Alds-EERIE (1997)，通過引用而合并于此；F. Meyer, Iterative image transformations for an automatic screening of cervical smears, The Journal of Histochemistry and Cytochemistry, The Histochemical Society,128-135 (1979)，通 過引用而合并于此)。頂帽濾光片捕獲圖像中的高強(qiáng)度(亮)區(qū)域。此處，頂帽濾光片是基于相鄰排序并 且使用來(lái)自兩個(gè)不同大小區(qū)域的排序值。將由滑動(dòng)窗(優(yōu)選地是盤形的結(jié)構(gòu)化元素)定義的 區(qū)域中的最亮值與周圍環(huán)狀(環(huán)形)區(qū)域中的最亮值相比較。如果亮度差別超過閾值(典型 地被定義為周圍區(qū)域的平均亮度)，則該區(qū)域被定義為亮區(qū)域。頂帽濾光片的輸出定義圖像 中的高亮度區(qū)域且被標(biāo)為TH (Itexture)0在識(shí)別了亮區(qū)域之后，底帽濾光片可以被用來(lái)捕獲諸如血管結(jié)構(gòu)之類的低強(qiáng)度 (暗)區(qū)域。此處，滑動(dòng)窗(優(yōu)選地是盤形的結(jié)構(gòu)化元素)的大小優(yōu)選地被選擇成使得其稍微 超過尋求增強(qiáng)的血管的大小的直徑。底帽濾光片的輸出定義了圖像中的低強(qiáng)度(更暗)區(qū)域 且被標(biāo)為浙(I—)。3.對(duì)比度增強(qiáng)
本發(fā)明的優(yōu)選實(shí)施例中的最后步驟結(jié)合來(lái)自先前步驟的信息以便通過增強(qiáng)血管結(jié)構(gòu) 和周圍組織之間的對(duì)比度來(lái)改進(jìn)圖像的局部對(duì)比度。一種優(yōu)選方法是基于低強(qiáng)度的對(duì)比度 增強(qiáng)，其包括從原始圖像中減去低強(qiáng)度區(qū)域；并且通過這樣做，增加低強(qiáng)度區(qū)域和其周圍 之間的對(duì)t匕度(K. Sun禾口N. Sang, Enhancement of vascular angiogram by multiscale morphology, in Bioinformatics and Biomedical Engineering, 1311-1313 (2007)， 通過引用而合并于此)。另一種優(yōu)選方法是高強(qiáng)度對(duì)比度增強(qiáng)，其包括添加來(lái)自頂帽運(yùn)算 的輸出(高強(qiáng)度區(qū)域)和從原始圖像中減去底帽輸出(低強(qiáng)度區(qū)域)。該方法使高強(qiáng)度區(qū)域
8朝增加的強(qiáng)度伸展而使低強(qiáng)度區(qū)域朝下降的強(qiáng)度伸展，由此將該區(qū)的對(duì)比度增加比僅減去 低強(qiáng)度區(qū)域更大的量(Wirth, M. , Fraschini, M.禾口 Lyon, J. , Contrast enhancement of microcalcifications in mammograms using morphological enhancement and non-flat structuring elements, Proc. 17th IEEE Symposium on Computer-Based Medical Systems, (2008)，通過弓I用而合并于此；K. Sun 禾口 N. Sang, Enhancement of vascular angiogram by multiscale morphology, in Bioinformatics and Biomedical Engineering, 1311-1313 (2007),通過引用而合并于此)。
3 (a).調(diào)諧參數(shù)
目前優(yōu)選的實(shí)施例根據(jù)如下公式，通過合并可控可變的調(diào)諧參數(shù)G來(lái)詳述加法和減法 的方法
權(quán)利要求
1.一種用于圖像對(duì)比度增強(qiáng)的方法，包括在所述圖像中識(shí)別具有血管結(jié)構(gòu)的紋理區(qū)；檢測(cè)所述紋理區(qū)中的高強(qiáng)度區(qū)域和低強(qiáng)度區(qū)域；通過使用調(diào)諧參數(shù)來(lái)可控可變地將所述高強(qiáng)度區(qū)域添加到所述紋理區(qū)和通過從所述 紋理區(qū)中減去所述低強(qiáng)度區(qū)域，在不引入不可接受的不需要的噪聲的情況下可控可變地增 加所述高強(qiáng)度區(qū)域和所述低強(qiáng)度區(qū)域之間的對(duì)比度，由此可控可變地增強(qiáng)所述血管圖案的 可視化。
2.根據(jù)權(quán)利要求1所述的方法，其中所述識(shí)別步驟包括應(yīng)用使用第一結(jié)構(gòu)化元素的 頂帽濾光片來(lái)定義所述圖像中的所述高強(qiáng)度區(qū)；以及使用具有第二結(jié)構(gòu)化元素的底帽濾光 片來(lái)識(shí)別所述圖像使用中的所述低強(qiáng)度區(qū)。
3.根據(jù)權(quán)利要求2所述的方法，其中所述第一結(jié)構(gòu)化元素是盤形的并且所述第二結(jié) 構(gòu)化元素是盤形的且其直徑稍微超過所述血管的直徑。
4.根據(jù)權(quán)利要求3所述的方法，其中通過收集所述圖像并使用所述圖像的強(qiáng)度變化 來(lái)分割所述圖像，執(zhí)行所述識(shí)別步驟。
全文摘要
一種對(duì)比度增強(qiáng)方法，用于改進(jìn)諸如血管之類的診斷上重要的組織結(jié)構(gòu)的可視化。應(yīng)用紋理分析算法以識(shí)別具有疾病的高可能性的區(qū)。應(yīng)用數(shù)學(xué)形態(tài)學(xué)運(yùn)算以識(shí)別高和低亮度(強(qiáng)度)的區(qū)域。然后低強(qiáng)度區(qū)域被減去，并且高強(qiáng)度區(qū)域的可控可變量被添加，由可選擇的調(diào)諧參數(shù)控制，從而產(chǎn)生具有可控可變的可視化增強(qiáng)的圖像。
文檔編號(hào)G06K9/40GK102124471SQ200880130729
公開日2011年7月13日 申請(qǐng)日期2008年8月15日 優(yōu)先權(quán)日2008年8月15日
發(fā)明者J·T·哈格羅夫, S·文卡塔拉曼, U·P·古斯塔夫松, W·李 申請(qǐng)人:國(guó)際科學(xué)技術(shù)醫(yī)療系統(tǒng)有限責(zé)任公司