一种乳腺结节钙化分析装置

技术领域

本发明涉及辅助医学诊断技术领域，特别是涉及一种乳腺结节钙化分析装置。

背景技术

如今，随着对快速准确诊断的需求日益增长，以及临床人员的短缺，计算机分析方法已经越来越多地应用于支持常规临床诊断，并显示出良好的效果。

预计近些年，乳腺癌将成为女性的第二大致命癌症，死亡率为15％。这些统计数据表明，乳腺癌的诊断对于提高预期寿命至关重要，尤其是对女性而言。作为一种常用的临床工具，超声成像是一种无创、无辐射、低成本的癌症诊断技术。然而，由于图像质量较低，从超声中识别乳腺病变和检测癌症体征是一项具有挑战性的任务。

恶性肿瘤的生长和进展可以通过其方向、外观、质地、成分和许多其他因素来反映。作为一种使用良好的工具，灰度超声(US)图像可以可视化许多这些因素，帮助医生更好地观察和理解乳腺结节。然而，在目前的临床实践中，在超声乳腺图像中观察到的特征只能主观或半主观地进行评估，这限制了超声图像的广泛应用。因此，自动准确的乳腺结节定量分析标准对于准确的癌症诊断至关重要。

乳腺成像报告和数据系统(BI-RADS)是科学测量和报告乳腺结节的指南。不幸的是，目前还没有研究定量BI-RADS特征改善乳腺癌分类的诊断性能。

发明内容

本发明所要解决的技术问题是提供一种乳腺结节钙化分析装置，能够对钙化点进行有效分类。

本发明解决其技术问题所采用的技术方案是：提供一种乳腺结节钙化分析装置，包括：

图像获取模块：用于获取带有乳腺结节的超声图像；

感兴趣结节图像提取模块：用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取，得到感兴趣结节图像；

钙化识别模块：用于通过贝叶斯优化算法识别所述感兴趣结节图像中的钙化点，得到图像I

钙化阴影描述子构建模块：用于根据所述图像I

钙化几何描述子构建模块：用于根据图像I

粗钙化和微钙化提取模块：用于通过所述钙化阴影描述子和钙化几何描述子将图像I

所述粗钙化和微钙化提取模块中的通过所述钙化阴影描述子和钙化几何描述子将图像I

其中，若钙化点的面积S

还包括图像性质判断模块：用于根据钙化点分类结果判断图像I

所述钙化阴影描述子构建模块中的根据所述图像I

根据图像I

在每个最小裁剪窗口的正上方设置一长与最小裁剪窗口一致、高为预设高度的上部边界框；

在每个最小裁剪窗口的正下方设置与所述上部边界框大小相同的下部边界框；

根据所述上部边界框和下部边界框构建钙化阴影描述子。

所述上部边界框的表达式为：

所述钙化阴影描述子构建模块中的根据所述上部边界框和下部边界框构建钙化阴影描述子，公式为：

所述钙化几何描述子构建模块中的构建钙化几何描述子，包括：

计算所述图像I

根据计算得到的每个钙化点的面积构建钙化几何描述子。

所述钙化几何描述子构建模块中的计算所述图像I

所述钙化几何描述子构建模块中的根据计算得到的每个钙化点的面积构建钙化几何描述子，公式为：

其中，Cir

还包括钙化比例计算模块：用于构建钙化比例描述子，并通过所述钙化比例描述子计算所述图像I

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明能够将乳腺结节的钙化准确分辨为粗钙化和微钙化；本发明通过构建钙化比例描述子能够对粗钙化和微钙化所占图像的比重进行有效评估，有利于从图像中分析钙化的整体情况；本发明能够方便医生对病理部位进行准确判断，为医生更好更快更精确地对病理部位做出准确判断提供有效的数据支撑。

附图说明

图1是本发明实施方式的流程图；

图2是本发明实施方式的超像素分割示意图；

图3是本发明实施方式的钙化阴影描述子构建示意图；

图4是本发明实施方式的钙化识别结果示意图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种乳腺结节钙化分析装置，请参阅图1，包括：

图像获取模块：用于获取带有乳腺结节的超声图像；

感兴趣结节图像提取模块：用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取，得到感兴趣结节图像；

钙化识别模块：用于通过贝叶斯优化算法识别所述感兴趣结节图像中的钙化点，得到图像I

钙化阴影描述子构建模块：用于根据所述图像I

钙化几何描述子构建模块：用于根据图像I

粗钙化和微钙化提取模块：用于通过所述钙化阴影描述子和钙化几何描述子将图像I

图像性质判断模块：用于根据钙化点分类结果判断图像I

钙化比例占比模块：用于构建钙化比例描述子，并通过所述钙化比例描述子计算所述图像I

以下通过一个具体的实施方式对本发明进行详细说明：

本实施方式中，在钙化识别模块之前还包括钙化候选点检测模块，所述钙化候选点检测模块用于将感兴趣结节图像去除边界掩码后，得到图像I′

钙化候选点检测模块具体包括：通过k-means聚类法的图像分割方法将所述图像I′

将从图像I'

将从图像I'

关于超像素分割可以见图2，图2中的(a)为感兴趣结节图像，图2中的(b)示出了超像素分割后的图像。

对图像I

根据图像I

一、钙化阴影描述子构建模块、钙化阴影识别模块

通常，阴影的出现是鉴别粗钙化的重要特征。在钙化阴影描述子构建模块中，为了构建钙化阴影描述子，首先将最小裁剪窗口拟合到检测到的每个连通域(即钙化点的所占区域像素点集合)，由图3中的(a)或(b)可知，最小裁剪窗口的四个顶点为A、B、C、D，本实施方式通过[A

上部边界框的公式为：

下部边界框的公式为：

其中，[A

进一步地，由于钙化的高亮度性质通常会照亮其周围区域，因此本实施方式建议在设置上部边界框和下部边界框时相对最小裁剪窗口有一些偏移，以避免此类影响。因此，本实施方式通过实验将上部边界框在最小裁剪窗口的正上方的位移设置为：Δ

进一步地，钙化阴影识别模块中的钙化阴影描述子的公式为：

其中，X

二、钙化几何描述子构建模块、粗钙化识别模块

通常，粗钙化以线条状的形式出现在超声图像中，基于此，在钙化几何描述子构建模块中，通过构建钙化几何描述子来识别钙化点的尺寸大小和圆度信息，具体包括：

(一)计算所述图像I

其中，S

(二)根据计算得到的每个钙化点的面积构建钙化几何描述子，公式为：

其中，Cir

由于Cir

图4中的(a)示出了从超声图像中检测出的钙化点，分别为三个点状和一个线条状的钙化点，图4中的(b)的亮白色的钙化点即为线条状钙化点，即粗钙化，较暗的点状部分为微钙化。

进一步地，粗钙化和微钙化提取模块中的通过所述钙化阴影描述子和钙化几何描述子将图像I

其中，若钙化点的面积S

本实施方式中，t

进一步地，在图像性质判断模块中，根据钙化点分类结果判断图像I

进一步地，所述钙化比例占比模块中的构建钙化比例描述子，并通过所述钙化比例描述子计算所述图像I

其中，P

由此可见，本发明能够将乳腺结节的钙化准确分类为粗钙化和微钙化；本发明通过构建钙化比例描述子能够对粗钙化和微钙化所占图像的比重进行有效评估，有利于从图像中分析钙化的整体情况。