在放射圖像中檢測(cè)肺部局部性病變的分割分類方法和系統(tǒng)的制作方法
【專利說明】在放射圖像中檢測(cè)肺部局部性病變的分割分類方法和系統(tǒng) 1.技術(shù)領(lǐng)域
[0001] 本發(fā)明是關(guān)于一種自動(dòng)處理數(shù)字放射圖像的方法和系統(tǒng)，更具體地說，是一種在 放射胸片中使用分區(qū)數(shù)字圖像處理和深度學(xué)習(xí)人工智能技術(shù)來檢測(cè)異常（如肺局部性病 變)的方法和系統(tǒng)。
[0002] 肺癌是發(fā)病率和死亡率增長(zhǎng)最快，對(duì)人群健康和生命威脅最大的惡性腫瘤之一。 近50年來許多國家都報(bào)道肺癌的發(fā)病率和死亡率均明顯增高，男性肺癌發(fā)病率和死亡率均 占所有惡性腫瘤的第一位，女性發(fā)病率占第二位，死亡率占第二位。成功檢測(cè)早期癌癥能提 高加治愈率。通過X光胸片檢測(cè)和診斷肺癌局部性病變是放射科醫(yī)生最重要、最困難的任務(wù) 之一。到目前為止，X線胸片診斷是檢測(cè)早期、臨床上隱匿期肺癌最重要的診斷方法。但是， 胸片檢測(cè)肺癌局部性病變的漏診率還是相當(dāng)?shù)母?。觀測(cè)失誤會(huì)導(dǎo)致錯(cuò)過這些病變，這些失 誤可能是由于目標(biāo)局部性病變周圍存在解剖背景干擾所致，或者是放射科醫(yī)生的主觀決策 標(biāo)準(zhǔn)變化造成。另外讀片失誤還可以歸咎于其它多種原因，比如缺乏臨床數(shù)據(jù)、過于關(guān)注其 它臨床問題產(chǎn)生的異常等等。然而，再次回顧之前漏診的胸片，大多數(shù)周圍型肺癌都是可以 被發(fā)現(xiàn)。因此，需要一種自動(dòng)化方法和系統(tǒng)對(duì)放射圖像進(jìn)行數(shù)字圖像處理，以提醒放射科醫(yī) 師重點(diǎn)關(guān)注高度懷疑異常區(qū)域(SAAs)的位置。
[0003] 早期放射檢測(cè)肺局部性病變可顯著提高肺癌患者生存的機(jī)會(huì)。通常系統(tǒng)能夠在X 光胸片上定位被肋骨、支氣管、血管和其他正常的解剖組織結(jié)構(gòu)掩蓋的局部性病變，將大大 提高檢測(cè)的效率。本發(fā)明的自動(dòng)系統(tǒng)和方法將減少診斷的假陰性，從而實(shí)現(xiàn)高精度的檢測(cè) 早期肺癌。 3.
【發(fā)明內(nèi)容】

[0004] 本發(fā)明是通過在放射胸片中應(yīng)用分割方法檢測(cè)異常（如，檢測(cè)肺局部性病變），它 克服了之前提到的問題，解決了已有技術(shù)應(yīng)用于圖像切割時(shí)產(chǎn)生的問題?；趯?duì)胸廓的了 解（即肺區(qū)的邊界），本發(fā)明將所述肺區(qū)按照相似圖像特征分成不同的區(qū)域(包括含有異常 局部性病變的解剖結(jié)構(gòu)和正常的解剖結(jié)構(gòu)），通過利用不同的數(shù)字圖像處理技術(shù)和基于每 個(gè)區(qū)域不同的圖像特性來訓(xùn)練深度學(xué)習(xí)分類，提高了真陽性，并克服了降低假陽性時(shí)所遇 到的困難。肺區(qū)分割成不同的區(qū)域，如脊柱、鎖骨、縱隔、周圍型肺邊緣、周圍型肺中心和心 臟區(qū)域。對(duì)于每個(gè)區(qū)域采用不同的圖像處理技術(shù)，針對(duì)性的提高對(duì)象-背景的對(duì)比度，以篩 選出高可疑區(qū)。
[0005] 此外，本發(fā)明分別對(duì)每個(gè)區(qū)域進(jìn)行特征提取、發(fā)展并訓(xùn)練神經(jīng)網(wǎng)絡(luò)，最終深度學(xué)習(xí) 分類出哪些是高可疑區(qū)域，使得從放射圖像中檢測(cè)局部性病變真陽率得到最大化。將每個(gè) 區(qū)域中潛在高可疑區(qū)域聚成簇，用來訓(xùn)練深度學(xué)習(xí)人工智能分類器。為了避免潛在的邊界 問題，該區(qū)域可能會(huì)相互重疊。本發(fā)明為每個(gè)區(qū)開發(fā)特定的域特征提取算法，并在區(qū)域內(nèi)增 強(qiáng)高可疑區(qū)的圖像特征。然后使用每個(gè)特定區(qū)域內(nèi)的高可疑區(qū)來訓(xùn)練該定區(qū)域的分類器。 不同的區(qū)域分類器訓(xùn)練之后，在每個(gè)區(qū)域形成不同的敏感性和特異性。本發(fā)明采用SUB_A Z (讀"SUB-A-SUB-Z"）驗(yàn)證不同分類器的分類性能。一些分類器將有很高的特異性（即，非常 低的假陽性率)但敏感性相對(duì)較低，而有些分類器則會(huì)有很高的靈敏度。在本發(fā)明中可以實(shí) 現(xiàn)在并行處理環(huán)境下進(jìn)行，每個(gè)區(qū)域都可以獨(dú)立處理。各個(gè)分類器根據(jù)自己的分類敏感度 和特定表現(xiàn)輸出分類結(jié)果，再經(jīng)系統(tǒng)的組合單元處理，整合輸出最終結(jié)果。
[0006] 本發(fā)明的一個(gè)具體實(shí)施案例包括:并行處理系統(tǒng)，不同區(qū)域并行處理，組合單元對(duì) 不同分類器的輸出進(jìn)行組合。其中不同的分類器用各自的高可疑區(qū)訓(xùn)練得到。 4.
【附圖說明】
[0007] 為了更徹底理解本發(fā)明及其優(yōu)點(diǎn)，現(xiàn)結(jié)合附圖描述如下：
[0008]圖1.圖不根據(jù)本發(fā)明實(shí)施方案系統(tǒng)；
[0009]圖2.是根據(jù)本發(fā)明實(shí)施案例示意圖；
[0010]圖3.是圖像分區(qū)單元的示意圖；
[0011] 圖4.是基于區(qū)域的圖像增強(qiáng)單元的示意圖；
[0012] 圖5.是一個(gè)疑似異常區(qū)域選擇單元的的示意圖；
[0013]圖6.是一個(gè)基于區(qū)域的特征提取單元的示意圖；
[0014]圖7.是基于區(qū)域的分類單元的示意圖；
[0015]圖8.顯示了使用的反向傳播訓(xùn)練前饋深度學(xué)習(xí)分類器的系統(tǒng)架構(gòu)；
[0016] 圖9.表示一個(gè)區(qū)域數(shù)據(jù)融合單元，將不同區(qū)域分類器中可疑分類評(píng)分進(jìn)行組合；
[0017] 圖10.表示是一個(gè)并行處理引擎的架構(gòu)，平行處理每個(gè)區(qū) 5.
【具體實(shí)施方式】
[0018] 參照?qǐng)D1的系統(tǒng)示意框圖，將感興趣的解剖區(qū)域的圖像數(shù)據(jù)(例如，胸部)傳入"圖 像輸入單元20"。例如，一個(gè)視頻攝像頭，計(jì)算機(jī)X線攝影(CR)系統(tǒng)，數(shù)字化X線攝影(DR)系 統(tǒng)，或膠片數(shù)字化儀可以提供這樣的數(shù)據(jù)。在"圖像輸入單元20"中的數(shù)據(jù)被存儲(chǔ)在"存儲(chǔ)器 單元30"中，用于稍后檢索和使用，或發(fā)送到"圖像處理單元40"。任何合適的存儲(chǔ)單元設(shè)備， 如磁帶、計(jì)算機(jī)磁盤、磁光盤、光學(xué)激光存儲(chǔ)等，都可以利用。在"圖像處理單元40"中，應(yīng)用 本發(fā)明的方法來檢測(cè)圖像中的肺局部性病變。"圖像處理單元40"由三個(gè)階段組成，對(duì)應(yīng)于 本發(fā)明方法的三個(gè)主要步驟。隨后，圖像發(fā)送到"圖像存儲(chǔ)單元30"存儲(chǔ)和/或"圖像輸出單 元50"顯示，如顯示器，打印機(jī)，繪圖儀，圖表記錄器等。
[0019] 圖2說明了本發(fā)明"圖像處理單元40"的自動(dòng)方法和系統(tǒng)的示意圖。一旦圖像數(shù)據(jù) 從胸片圖像中獲取，該數(shù)據(jù)會(huì)被提交到"圖像分區(qū)處理單元100"，隨后進(jìn)入基于區(qū)域的圖像 處理和分類方法的多個(gè)步驟(200,300,400,500)，以確定被懷疑異常區(qū)域。該部分系統(tǒng)包括 又包括以下五個(gè)階段。
[0020] 在第一階段，數(shù)字胸部圖像95被"圖像分區(qū)單元100"處理，產(chǎn)生"分區(qū)圖像150"。數(shù) 字胸部圖像95在"分區(qū)圖像150"中被分為肺區(qū)和非肺區(qū)。在"分區(qū)圖像150"中的非肺部區(qū)域 中的象素被丟棄，因此不用于進(jìn)一步的處理。在"分區(qū)圖像150"中的肺區(qū)被劃分成多個(gè)重疊 的區(qū)域，例如外圍邊緣，隔膜，鎖骨，肺門，和外周中央?yún)^(qū)域。
[0021] 在第二階段，"基于區(qū)域圖像增強(qiáng)單元200"，在不同區(qū)域中采用不同的圖像增強(qiáng)技 術(shù)，以產(chǎn)生"區(qū)域增強(qiáng)圖像250"，從而在"分區(qū)圖像150"中增強(qiáng)潛在局部性病變的信息。 [0022]第三階段，在"基于區(qū)域疑似異常區(qū)域選擇單元300"中，輪廓搜索和球體輪廓匹配 過程在"區(qū)域增強(qiáng)圖像250"中的每個(gè)單獨(dú)的區(qū)域上被執(zhí)行，以從"數(shù)字胸部圖像95"中提取 按區(qū)分組的"疑似異常區(qū)域350"圖像塊(例如，64X64像素）。每個(gè)圖像塊對(duì)應(yīng)"區(qū)域增強(qiáng)圖像 250"中相應(yīng)位置上的疑似異常區(qū)域。
[0023]在第四階段，在"基于區(qū)域特征提取單元400"中，開發(fā)區(qū)域化的特征提取算法，并 應(yīng)用于提取"按區(qū)分組疑似異常區(qū)域350"的圖像特征，在每個(gè)疑似異常區(qū)域中，產(chǎn)生"按區(qū) 分組疑似特征450"。
[0024]在第五階段，在"基于區(qū)域分類單元500"中，為每個(gè)區(qū)域開發(fā)不同的分類器，并用 于"分類按區(qū)分組疑似特征450"。不同的分類器通過"按區(qū)域分組疑似特征450"來進(jìn)行訓(xùn) 練，對(duì)于每個(gè)疑似異常分區(qū)給出"疑似分類得分550"。通過SUB-A Z的方法對(duì)每個(gè)分類器進(jìn)行 訓(xùn)練和交叉驗(yàn)證，使分類器訓(xùn)練具有優(yōu)異的特異性。
[0025]最后階段，在"基于區(qū)域數(shù)據(jù)融合單元600"中，將"疑似分類分值550"和來自不同 區(qū)域的疑似異常區(qū)域進(jìn)行整合以確認(rèn)最終"疑似異常區(qū)域650"。
[0026]各處理單元的更詳細(xì)的描述如下：
[0027]圖像分區(qū)單元100
[0028]圖3為圖2所示"圖像處理單元40"中的"圖像分區(qū)單元100"的一個(gè)實(shí)施案例。在圖3 中，ZN-x表示X區(qū)，其中X為I，II，III，IV，VSVI。
[0029] 分區(qū)過程有三個(gè)主要步驟：（1)肺區(qū)的識(shí)別，（2)非遮蔽的肺區(qū)的識(shí)別，以及（3)非 遮蔽的肺區(qū)的分割。非隱蔽肺區(qū)根據(jù)異常(如局部性病變)的幾何分布和細(xì)微結(jié)構(gòu)分為不同 的區(qū)域。
[0030] 使用超過500張包含不同細(xì)節(jié)、不同特征局部性病變(比如，真陽性)的胸片來確定 區(qū)域劃分，局部性病變的細(xì)節(jié)通過精確計(jì)算來確定，通過大量分析后作出以下判斷：1)位于 縱隔、脊椎和心臟方面的異常大多不易發(fā)現(xiàn)的，因?yàn)樗鼈儽恍呐K和脊椎遮擋。2)像肺上溝癌 腫瘤這樣的異常，因位于鎖骨區(qū)域，與鎖骨重疊而不易發(fā)現(xiàn)。3)靠近胸腔邊界的異常不易發(fā) 現(xiàn)，因?yàn)閷?duì)比度很低且周圍有胸腔邊界的存在。4)面積太小(例如，直徑小于10毫米），而且 對(duì)比度太低的異常局部性病變不易發(fā)現(xiàn)。5)面積較大(例如，直徑30mm)、對(duì)比度較高的異常 局部性病變就比較容易找到。6)與支氣管和大血管重疊的異常不易發(fā)現(xiàn)。7)異常部分與隔 膜（即位于隔膜邊緣)重疊的也不易發(fā)現(xiàn)。除了對(duì)異常區(qū)域的細(xì)節(jié)結(jié)構(gòu)進(jìn)行分析之外，還對(duì) 正常解剖結(jié)構(gòu)的圖像特征（即，假陽性)也進(jìn)行了研究，并得出以下觀點(diǎn)：（a)脊髓是脊柱區(qū) 域的主要正常結(jié)構(gòu)，血管是心臟區(qū)域的主要正常結(jié)構(gòu)。（b)鎖骨、肋骨和鎖骨交叉，肋骨和肋 骨交叉，是靠近鎖骨區(qū)域主要的正常結(jié)構(gòu)。（c)肋骨和肋骨交叉是靠近胸腔主要的肺部結(jié) 構(gòu)。（d)血管末梢和支氣