| 主权项 |
1.一种从数位乳房X光像自动检测簇状微细钙化之方法,包括下述步骤:获得乳房X光像;检出该数位X光像中之第1组潜在微细钙化;对该数位X光像实行Gabor过滤以产生一Gabor过滤影像,并监定出其中存在之长形构造物;去除存在于该第1组中之对应于该长形构造物之该潜在的微细钙化以产生第2组之潜在的微细钙化;检出存在于该第2组中之微细钙化簇;及指出该第2组中之微细钙化簇在该数位X-光像中之位置。2.如申请专利范围第1项之方法,其中该Gabor过滤步骤进一步包括下述步骤:从复数的方向对该数位X光像实行Gabor过滤以产生复数之Gabor过滤影像;比较该复数之Gabor过滤影像以产生一合并之影像,并给该合并影像中之每一像素位置指定该复数之Gabor过滤滤影像之各个对应之像素位置之最大像素値;及将该合并影像阈値化以产生含有代表该长形构造物之像素之二元影像。3.如申请专利范围第2项之方法,其中该方法在检出第1组之步骤之后及Gabor过滤步骤之前,尚包括下述步骤:检出该第1组中之微细钙化簇;及监定出主要只含有该第1组簇之有问题区域;而上述之Gabor过滤步骤系仅对只含有该有问题区域之该数位X光像部分进行Gabor过滤。4.根据申请专利范围第3项之方法,其中该Gabor过滤及产生Gabor过滤影像之步骤系依序的反覆实施数次。5.根据申请专利范围第4项之方法,其中该阈値化的步骤包括:对各个有问题之区域,在对应于该有问题之区域之该数位乳房X光像中界定一像素窗;计算各该像素窗之平均(x,y)及标准偏差(x,y);依下示之函数式计算含于各个像素窗中之每一像素的局部阈値T(x,y);T(x,y)=A+B(x,y)+C(x,y)式中,A为设定之调整偏差;B及C带设定之系数;比较含于该各个像素窗中之每一像素之灰度値与其对应之局部阈値;及若该灰度値大于或等于该局部阈値时,藉指定一个设定之二元値给该二元影像中之对应的像素,否则指定一个不同之二元値,以产生该二元影像。6.如申请专利范围第5项之方法,包括如下之进一步的步骤:于该阈値化步骤之前,根据数位乳房X-光像之一组演练影像之统计特性对该设定之调整偏差A及设定之系数B及C进行最佳化处理。7.如申请专利范围第1项之方法,其中该方法系在该检出第一组的步骤之后及该Gabor过滤步骤之前,尚包括下述步骤:检出该第一组中之微细钙化簇;及监别出主要只含有该第一组簇之有问题之区域;而上述之Gabor过滤步骤系对只含有该有问题之区域之该数位乳房X光像部分进行Gabor过滤。8.如申请专利范围第7项之方法,其中该Gabar过滤进一步包含:对该Gabor过滤影像实行多次之Gabor过滤之步骤。9.如申请专利范围第8项之方法,其中该阈値化的步骤包括:对各个有问题之区域,在对应于该有问题之区域之该数位乳房X光像中界定一像素窗;计算各该像素窗之平均(x,y)及标准偏差(x,y);依下示之函数式计算含于各个像素窗中之每一像素的局部阈値T(x,y);T(x,y)=A+B(x,y)+C(x,y)式中,A为设定之调整偏差;B及C设定之系数;比较含于该各个像素窗中之每一像素之灰度値与其对应之局部阈値;及若该灰度値大于或等于该局部阈値时,藉指定一个设定之二元値给该二元影像中之对应的像素,否则指定一个不同之二元値,以产生该二元影像。10.一种簇状微细钙化之自动检测方法,其系藉在筛选乳房X光像中实行数位影像处理,包括如下步骤:储存乳房X光线之数位图像;处理该数位图像使可疑之微细钙化以亮点显现于具有第一量之假阳性可疑微细钙化之第一生成影像中;将该第一生成影像阈値化以获得主要只含有可疑微细钙化部分之第二生成影像;处理该数位图像使长形构造物以亮点显现于第三生成影像中;将该第三生成影像阈値化以获得主要只含有该长形构造物部分之第四生成影像;及由对应于该长形构造物部分之该第二生成影像去除可疑之微细钙化以获取主要只含有该可疑之微细钙化部分之第五生成影像;而此第五生成影像具有第二量之假阳性可疑微细钙化而该第二量系少于或等于该第一量。11.一种从数位乳房X光像检测簇状微细钙化所用之自动检测装置,包括:获取数位乳房X光像所用之装置;检出该数位乳房X光像中之第一组潜在微细钙化所用之第一检测装置;过滤该数位X光像以产生其中之长形构造物可被监别之一Gabor过滤影像装置;去除存在于与长形构造物相一致之第二组中之该潜在微细钙化之去除装置;检出该第二组中之微细钙化簇所用之第二检测装置;及指出该数位乳房X光像中之该微细钙化簇之位置所用之指示装置。12.如申请专利范围第11项之装置,其中该Gabor过滤装置进一步含有:从复数的方向对该数位乳房X光像行Gabor过滤以产生复数的Gabor过滤影像所用之装置;比较该复数的Gabor过滤影像以产一合并之影像,并给该合并影像中之每一像素位置指定该复数之Gabor过滤影像之各个对应之像素位置之最大像素値所用之合并装置;将该合并影像阈値化以产生含有代表该长形构造物之像素之二元影像所用之阈値化装置。13.根据申请专利范围第12项之装置,其中该装置进一步含有:检出该第一组中之微细钙化簇所用之第三检测装置;及监定出主要只含有该第一组之有问题之区域所用之监定装置;其中该Gabor过滤装置进一步含有一对只含有该有问题之区域之该数位乳房X光线部分进行Gabor过滤所用之装置。14.根据申请专利范围第13项之装置,该装置进一步含有:将该并合装置输出之并合影像输入于该Gabor过滤装置,藉该Gabor过滤装置依序处理多数次所用之输入装置。15.根据申请专利范围第14项之装置,其中该阈値化装置含有:对各个有问题之区域,在对应于该有问题之区域之该数位乳房X光像中界定一像素窗所用之界定装置;计算各该像素窗之平均(x,y)及标准偏差(x,y)所用之第一计算装置;依下示之函数式计算含于各个像素窗中之每一像素的局部阈値T(x,y)所用之第二计算装置;T(x,y)=A+B(x,y)+C(x,y)式中,A为设定之调整偏差;B及C设定之系数;比较含于该各个像素窗中之每一像素之灰度値与其对应之局部阈値所用之比较装置;若该灰度値大于或等于该局部阈値时,藉指定一个设定之二元値给该二元影像中之对应的像素,否则指定一个不同之二元値,以产生该二元影像所用之装置。16.根据申请专利范围第15项之装置,该装置进一步含有:根据数位乳房X光像之一组演练影像之统计特性对该设定之调整偏差A及设定之系数B及C进行最佳处理所用之最佳装置。17.根据申请专利范围第11项之装置,其中该装置进一步含有:检出该第一组中之微细钙化簇所用之第三检测装置;及监别主要只含有该第一组簇之有问题之区域所用之监别装置;该Gabor过滤装置进一步含有对只含有该有问题之区域之该数位乳房X光像部分进行Gabor过滤所用之过滤装置。18.根据申请专利范围第17项之装置,该装置进一步含有:将该合并装置输出之合并影像输入于该Gabor过滤装置,藉该Gabor过滤装置依序处理多数次所用之装置。19.根据申请专利范围第18项之装置,其中该阈値化装置包括:对各个有问题之区域,在对应于该有问题之区域之该数位乳房X光像中界定一像素窗所用之界定装置;计算各该像素窗之平均(x,y)及标准偏差(x,y)所用之第一计算装置;依下示之函数式计算含于各个像素窗中之每一像素的局部阈値T(x,y)所用之第二计算装置:T(x,y)=A+B(x,y)+C(x,y)式中,A为代表设定之调整偏差;B及C代表设定之系数;比较含于该各个像素窗中之每一像素之灰度値与其对应之局部阈値所用之比较装置;若该灰度値大于或等于该局部阈値时,藉指定一个设定之二元値给该二元影像中之对应的像素,否则指定一个不同之二元値,以产生该二元影像所用之装置。20.一种簇状微细钙化之自动检测装置,其系藉在筛选乳房X光像中实行数位影像处理者,包括:储存乳房X光像之数位表示所用之储存装置;处理该数位表示使可疑之微细钙化以亮点显现于具有第一量之假阳性可疑微细钙化之第一生成影像中所用之第一处理装置;将该第一生成影像阈値化以获得主要只含有可疑微细钙化部分之第二生成影像所用之第一阈値化装置;处理该数位表示使长形构造物以亮点显现于第三生成影像中所用之第二处理装置;将该第三生成影像阈値化以获得主要只含有该长形构造物部分之第四生成影像所用之第二阈値化装置;及由对应于该长形构造物部分之该第二生成影像去除可疑之微细钙化以获取主要只含有该可疑之微细钙化部分之第五生成影像所用之去除装置;该第五生成影像具有第二量之假阳性可疑微细钙化,而该第二量系少于或等于该第一量。21.一种簇状微细钙化之自动检测方法,其系藉在筛选乳房X光像中实行数位影像处理,该方法包括:储存乳房X光像之数位图像;使用最佳化算法及演练影像之资料库求取最佳参数値,该最佳化算法包括含有求取dnn値及Csmin値之步骤之遗传学的算法,其中dnn代表被检出之微细钙化之最相邻之距离,而Csmin代表被检出之微细钙化数目;使用该最佳化参数,应用过滤算法于该数位图像,以求取主要含有可疑微细钙化之过滤影像;缩小该过滤影像以获取主含有该可疑微细钙化之单像素图像之影像;及利用该最佳化参数将该单像素图像划分为数个簇群(clusters),而该簇群代表Csmin之该距离dnn以内之微细钙化及其他微细钙化。22.如申请专利范围第21项之方法,其中该遗传学的算法更包括下述步骤:反覆的搜寻含有dnn及Csmin之可能値之解空间(solution space)以监别其中之至少一个适宜函数已被最大化之数値组。23.如申请专利范围第22项之方法,其中该遗传学的算法更包括下述步骤:应用单体法(simplex method)监别其中之一个价格函数(cost function)被最小化之该数値组之至一组。24.一种簇状微细钙化之自动检测装置,其系藉在筛选乳房X光像中实行数位影像处理而检测者,包括下述步骤:储存乳房X光像之数位图像利用之装置;使用最佳化算法及演练影像之资料库使参数値最佳化所用之装置,该最佳化算法包括遗传学的算法,该参数値之最佳化所用装置包括:求取,dnn値及Csmin値之装置,上述dnn代表被检出之微细钙化之最相邻之距离,而Csmin代表被检出之微细钙化数目;使用该最佳化参数,应用过滤算法于该数位图像,以求取主要含有可疑微细化之过滤影像所用之装置;缩小该过演影像以获取主含有该可疑微细钙化之单像素图像之影像所用之装置;及利用该最佳化参数将该单像素图像划分为数个簇群所用之装置;而该簇群代表Csmin之该距离dnn以内之微细钙化及其他微细钙化。25.如申请专利范围第24项之装置,其中该参数値最佳化用装置尚包括:反覆的搜寻含有dnn及Csmin之可能性之解空间以监别其中之至少一个适宜函数已被最大化之数値组所用之装置。26.如申请专利范围第25项之装置,其中该参数値最佳化用装置进一步含有:应用单体法监别其中之一个价格函数被最小化之该数値组之至少一组所用之装置。27.一种簇状微细钙化之自动检测方法,其系藉在筛选乳房X光像中实行数位影像处理者,包括如下步骤:储存乳房X光像;检出该数位图像中之潜在微细钙化簇之位置;摘录该潜在微细钙化簇之特征;将该摘录之特征作为多层感知器人工神经网路(MLPNN)之输入;及使用该多层感知器人工神经网路将该微细钙化簇区分为可疑或非可疑簇;其中,使用该多层感知器人工神经网路格该微细钙化簇区分为可疑或非可疑簇之步骤乃含有:将该特征之至少一个乘以重量wij,其中i代表具有N个户素之特征向量x之第j个特征向量元素,而j系代表第j个第一层节点之指数;。使用该多层感知器人工神经网路之第一层节点计算第一层输出fj,而此fj系依下示函数计算:式中:xi包含二个计算特征向量单元;使用该第一层输出于平顺变化输出函数中,以获得一系列之结果値;及区分与该结果値中之一値有关连之一个簇;若该値大于或等于一阈値时视该一个簇为可疑,若小于该阈値时则视该一个簇为非可疑。28.如申请专利范围第27项之方法,其中使用该多层感知器人工神经网路将该微细钙化簇区分为可疑或非可疑簇之该步骤尚包括:将该第一层输出fj之至少一个乘以第二重量j,k;及将该乘算所得之结果输入至少一个输出节点(outputnode),而该至少一个输出节点之输出zk系依下示函数计算:式中:yj=fj(x),k为代表第k个输出节之一指数,而j为被乘之第一层输出之数目。29.一种簇状微细钙化之自动检测装置,其系藉在筛选乳房X光像中实行数位影像处理者,包括:储存乳房X光像之数位图像所用之装置;检出该数位图像中之潜在微细钙化簇之位置所用之装置;摘录该潜在微细钙化簇之特征所用之装置;及使用该特征而将该潜在微细钙化簇区分为可疑或非可疑所用之含有多层感知器人工神经网路之区分装置;而该多层感知器人工神经网路进一步包括:使输出平顺的变化之装置;将该特征之至少一个乘以重量wij所用之装置,其中i代表具有N个元素之特征向量x之第i个特征向量元素,而j系代表第j个第一层节点之指数;及使用第一层节点计算第一层输出fj所用之装置,而该第一层输出fj系依下示函数计算:式中:xi包含一个计算特征向量单元。30.如申请专利范围第29项之装置,其中该多层感知器人工神经网路进一步包括:将该第一层输出fj之至少一个乘以第二重量j,k所用之装置;及将该乘算所得之结果输入至少一个之输出节点,以计算输出zk所用之装置,而该输zk系依下示函数计算:式中:yj=fj(x),k为代表第k个输出节之一指数,j为被乘之第一层输出之数目。31.一种簇状微细钙化之自动检测方法,其系藉数位影像处理乳房X光像之数位图像,包括:过滤该数位图像以获取含有可疑微细钙化之过滤影像像素之一过滤影像;对每一个之该过滤影像素决定一个导自该数位图像之一设定部分之阈値,而该设定部分与该过滤影像像素对应;及使用导自对应于该过滤影像像素之该数位图像之该设定部分之该阈値,使该每一个过滤影像像素阈値化,以获取含有该微细钙化之阈値化影像。32.如申请专利范围第31项之方法,其中该阈値之决定方法包括:将窗定中心于该数位图像之像素的周围,而该数位图像之该像素系对应于该过滤影像像素;计算该窗内之像素之平均及标准偏差;及依下示函数计算该阈値:T=A+B(x,y)+C式中:T为阈値,A为设定之调整偏差,B及C为设定之系数。33.如申请专利范围第32项之方法,其中该过滤步骤包含使用高斯滤器之差讯(difference)过滤该数位图像。34.一种藉数位影像处理自动检测乳房X光像中之数位图像中之簇状微细钙化之系统,包括:过滤该数位影像以产生含有可疑微细钙化之图像已被放大之像素之一过滤影像所用之过滤装置;从该数位图像决定该过滤影像中之每一像素之特殊阈値所用之决定装置;及对具有该像素之特殊阈値之该过滤影像中之每一像素实行定阈値以产生主要只含该可疑微细钙化之阈値化影像所用之阈値化装置。35.如申请专利范围第34项之系统,其中该决定装置包括:计算对应于该过滤影像中之该像素之该数位图像中之像素周围分布之设定像素组之平均及标准偏差所用之计算装置;及依下示函数式计算该过滤影像中之该像素之该特殊阈値所用之计算装置;T=A+B+C式中:T为阈値,A为设定之调整偏差,B及C为设定之系数。36.如申请专利范围第第34项之系统,其中该过滤装置含有高斯滤器之差讯。37.如申请专利范围第36项之系统,其中该决定装置包括:计算对应于该过滤影像中之该像素之该数位图像中之像素周围分布之设定像素组之平均及标涂偏差所用之计算装置;及依下示函数式计算该过滤影像中之该像素之该特殊阈値所用之计算装置;T=A+B+C式中:T为阈値,A为设定之调整偏差,B及C为设定之系数。38.一种检测数位乳房X光像中之微细钙化之方法,包括如下步骤:过滤该数位乳房X光像以产生与微细钙化对背景资讯而言已被增强之一过滤影像;将该过滤影像全面的阈値化以产生全面阈値化影像;将该过滤影像局部的阈値化以产生一局部阈値化影像;及逻辑的交集运算(ANDing)该全面阈値化影像及该局部阈値化影像以产生含有检出之微细钙化之二元影像。39.如申请专利范围第38项之方法,其中该过滤影像之局部阈値化步骤包括:决定像素d(x,y)之局部适应的阈値tlo及thi以供在该过滤影像中局部的阈値化;比较该像素d(x,y)之灰度値与该局部适应阈値tlo及thi;及若该灰度値大于tlo及小于thi时,将该像素d(x,y)作为该局部阈値化影像中之一设定之二元値表示。40.如申请专利范围第39项之方法、其中该决定该局部适应阈値之步骤包括下述步骤:于该过滤影像中界定像素之一个窗,而该窗含有该像素d(x,y);决定该像素之窗之平均及标准偏差;及依下示函数式计算该局部适应阈値tlo=klo+及thi=khi+式中:klo及khi为设定之系数。41.如申请专利范围第38项之方法,其中该过滤影像之局部的阈値化步骤包括如下步骤:对每一个之被局部阈値化过滤像素d(x,y),决定一个导自该数位乳房X光像之设定部分之一个局部阈値T;比较该每一个像素d(x,y)之灰度値与其对应之局部阈値T;及若该灰度値比其对应之局部阈値T为大时,将该像素d(x,y)作为该局部阈値化影像中之一设定之二元値表示。42.如申请专利范围第41项之方法,其中该决定该局部阈値之步骤包括下述步骤:于该数位乳房X光像中界定像素之一个窗,而该窗含有一个对应于该过滤影像像素d(x,y)之一像素;计算该像素之窗之平均及标准偏差;及依下示函数式计算该局部阈値T:T=A+B+C式中:A为设定之调整偏差,B及C为设定之系数。43.如申请专利范围第38项之方法,其中该过滤步包括:用高斯滤器之讯差过滤该数位乳房X光像以产生一个高斯过滤影像。44.如申请专利范围第43项之方法,其中该方法在该过滤步骤之前,进一步含有:使用一最佳化算法及演练像之资料库产生最佳化参数値之步骤;及在该过滤步骤中,该高斯滤器之讯差使用该最佳化的参数产生该高斯过滤影像。45.如申请专利范围第38项之方法,包括下述步骤:将该逻辑的论理演算(ANDing)步骤得来之微细钙化簇群化,以监别该微细钙化之簇。46.如申请专利范围第45项之方法,其中该方法在该簇群化之前,进一步含有:使用一最佳化算法及演练影像之资料库产生最佳参数;及在该簇群化步骤中,使用该最佳化参数将该微细钙化簇群化。47.如申请专利范围第45项之方法,该方法进一步包括:将该微细钙化之簇群区分为可疑簇群,假如该簇群满足设定标准。48.如申请专利范围第38项之方法,该方法进一步包括:在该局部阈化步骤之前,使用最佳化算法及演练影像之资料库产生一最佳化参数値;及在该局部阈化步骤中,使用该最佳化参数値产生该局部阈値化影像。49.一种素位乳房X光像中之微细钙化之检测系统,包括:过滤该数位乳房X光像以产生其微细钙化之外观对背景资讯而言已被增强之过滤影像所用之过滤装置;将该过滤影像全面的阈値化以产生全面阈値化影像所用之全面阈値化装置;将该过滤影像局部的阈値化以产生一局部阈値化影像所用之局部阈値化装置;及逻辑的论理演算(ANDing)该全面阈値化影像及该局部阈値化影像以产生含有检出之微细钙化之二元影像所用之装置。50.如申请专利范围第49项之系统,其中该局部阈値化装置包括:决定像素d(x,y)之局部适应的阈値tlo及thi以供在该过滤影像中局部的阈値化所用之装置;比较该像素d(x,y)之灰度値与该局部适应阈値tlo及thi所用之装置;及若该灰度値大于tlo及小于thi时,将该像素d(x,y)作为该局部阈値化影像中之一设定之二元値所用之装置。51.如申请专利范围第50项之系统,其中该决定该局部适应阈値所用之装置包括:于该过滤影像中界定像素之窗所用之装置,而该窗含有该像素d(x,y);决定该像素之窗之平均及标准偏差所用之装置;及依下示函数式计算该局部适应阈値tlo及thi所用之装置:tlo=klo+及thi=khi+式中:klo及khi为设定之系数。52.如申请专利范围第49项之系统,其中该局部阈値化装置包括:对每一个之被局部阈値化过滤像素d(x,y),决定一个导自该数位乳房X光像之设定部分之一个局部阈値T所用之装置;比较该每一个像素d(x,y)之灰度値与其对应之局部阈値T所用之装置;及若该灰度値比其对应之局部阈値T为大时,将该像素d(x,y)作为该局部阈値化影像中之一设定之二元値表示之装置。53.如申请专利范围第52项之系统,其中该局部阈値之决定装置包括:于该数位乳房X光像中界定像素之一个窗所用之装置,而该窗含有一个对应于该过滤影像像素d(x,y)之一像素;计算该像素之窗之平均及标准偏差所用之装置;及依下示函数式计算该局部阈値T所用之装置:T=A+B+C式中:A为设定之调整偏差,B及C为设定之系数。54.如申请专利范围第49项之系统,其中该过滤装置含有高斯滤器之讯差,以产生一个高斯过滤影像。55.如申请专利范围第54项之系统,该系统进一步含有参数最佳化装置,该参数最佳化装置适于将演练影像作为输入接收而将最佳化参数値作为输出产生;及该高斯滤器之讯差包含使用该最佳化参数値之至少一个之装置。56.如申请专利范围第49项之系统,进一步包括:将该逻辑的交集运算装置得来之微细钙化簇群化,以监别该微细钙化之簇所用之簇群化装置。57.如申请专利范围第56项之系统,该系统进一步包括:参数之最佳化装置,以装置系用以接收演练影像作为输入以产生最佳化参数値作为输出;而该簇群化装置包括使用该最佳化参数値之至少一个参数之装置。58.如申请专利范围第56项之系统,其进一步含有:一区分装置,用以区分该微细钙化之簇群,假如该簇群满足设定之标准。59.如申请专利范围第49项之系统,该系统进一步含有参数之最佳化装置,此装置系用以接收演练影像作为输入以产生最佳化参数値作为输出;而该局部阈値化装置包括使用该最佳化参数値以产生该局部阈値化影像之装置。60.一种从数位乳房X光像自动检测簇状微细钙化所用之方法,包括下述步骤:获取一数位乳房X光像;将裁切该数位乳房X光像所用之第一参数予以最佳化;根据该最佳化之第一参数裁切该数位乳房X光像以产生一代表该数位乳房X光像中之乳房组织之裁切影像;将检测该裁切影像中之簇状微细钙化所用之第二参数予以最佳化;根据该最佳化之第二参数检测该裁切影像中之簇状微细钙化;将该数位乳房X光像中之该检测之簇状微细钙化的位置予以指示出。61.一种从乳房X光像之剩余部分割对应于乳房组织之乳房X光像之部分之方法,包括下述步骤:储存该数位乳房X光像之数位图像;放大该数位图像之柱状图以产生对应于乳房组织之该乳房X光像之部分之对比增强之放大影像;将该放大影像阈値化以获取含有种子像素(seedpixel)之二元影像;使该二元影像中之该种子像素区域扩大以产生一遮罩;封闭该遮罩中之孔;腐蚀该遮罩;膨胀该遮罩;及裁切该数位图像至其大小与该遮罩中之最大物像一致。62.一种在不减低灵敏度下,将检测乳房X光像中之簇状微细钙化用之电脑辅助检测装置之输出检测结果与同一乳房X光像之人工观察检测结果加以合并之方法,包括:获取该观察检测结果以形成第一组之检测结果;获取该输出检测结果以形成第二组之检测结果;接收该第二组检测结果中之某些输出检测结果以形第三组之检测结果;合并该第一组及第三组之检测结果以形成第四组之检测结果;及根据该第四组之检测结果提供一输出。63.一种从数位乳房X光像自动检测簇状微细钙化所用之装置,包括:获取数位乳房X光像所用之装置;使裁切该数位乳房X光像之第一参数最佳化所用之装置;裁切该数位乳房X光像所用之装置,而此裁切装置系使用该最佳化之第一参数产生代表该数位乳房X光像中之乳房组织之裁切影像;使检测试裁切影像中之簇状微细钙化之第二参数最佳化之装置;使用该最佳化之第二参数检测该裁切影像中之簇状微细钙化所用之装置;指示该数位乳房X光像中之该检测之簇状微细钙化的位置所用之装置。64.一种藉在筛选乳房X光像中实行数位处理以自动检测簇状微细钙化及密度所用之装置,包括:储存乳房X光像之数位图像;使用该数位图像卷积(convolving)含高斯差(differenceof Gaussians)方程式之过滤器核(filter kernel),此时影像中之不与微细钙化之大小及形状特征符合之资讯被抑制而可疑之微细钙化则以亮点显现于形成之影像中;将该形成之第一影像阈値化以获得主要只含可疑之微细钙化部分之第二影像;检测该数位图像之密度;及制作只含有可疑密度部分之第三影像。65.一种自动影像裁切方法,系藉在筛选乳房X光像中实行数位影像处理,包括:储存乳房X光像之第一数位图像;放大该第一数位图像以产生放大数位图像;将该放大数位图像裁切至最大邻接像素之大小,以产生一裁切放大数位图像;选出该第一数位图像中之对应于该裁切放大数位图像中之像素之往后处理像素。66.一种藉在筛选乳房X光像中实行数位影像处理的自动检测微细钙化所用之方法,包括:储存乳房X光像之数位图像;使该数位图像之亮度値正常化;于区域放大算法中使用设定之对比标度形造乳遮罩以界定含有乳房组织之该数位图像之部分;搜查该含有乳房组织部分以查出微细钙化。67.如申请专利范围第66项之方法,其中该正常化步骤含有柱状图(histogram)调整步骤。68.一种藉在筛选乳房X光像中实行数位影像处理以自动检检微细钙化所用之方法,包括:储存乳房X光像之数位图像;搜查该数位图像区域以寻找种子像素;使用区域放大算法形造乳房遮罩以界定含有乳房组织之该数位图像部分,而该使用区域放大算法之步骤进一步含有:使用区域放大函数以形造相邻像素群,该区域放大函数由该种子像素开始而逐次的令具有特征之最邻接像素聚集成群;利用该相邻像素群决定乳房遮罩,以界定含有乳房组织之该数位图像部分;及搜查该含乳房组织部分以查出微细钙化。69.如申请专利范围第68项之方法,其中该搜查该数位图像区域以寻找种子像素之步骤系含有:寻找在该区域内之一具有最大灰度値之像素之步骤。70.如申请专利范围第68项之方法,其中该使最邻接像素聚集成群之步骤包括:决定是否每一最邻接像素具有小于对比率的阈之对比率之步骤。71.一种藉在筛选乳房X光像中实行数位影像处理以自动检测微细钙化所用之方法,包括:储存乳房X光像之数位图像;从数位图像中之像素计算出一个局部阈値;使用高斯滤器之讯差过滤该数位图像以形造过滤影像;藉比较该过滤影像中一之像素与该局部阈値形造阈影像及根据该比较结果调整影像値;及进一步处理该阈影像以监别微细钙化。72.一种藉在筛选乳房X光像中实行数位影像处理以自动检测微细钙化所用之方法,包括:储存乳房X光像之数位图像;使用遗传学的算法及演练影像之资料库获取至少一个参数値;及使用该至少一个参数値于一函数中而处理该数位图像以监别微细钙化。73.如申请专利范围第72项之方法,其中该至少一个参数包括一个dnn値及一个Csmin値,而该dnn代表最相邻之距离,Csmin代表检出之微细钙化之数目;该函数包括:将单像素图像划分为数个簇群,而该簇群代表,Csmin中之该距离dnn以内者及其他微细钙化簇群。74.如申请专利范围第72项之方法,其中该至少一个参数包含一使用于高斯滤器之讯差之目标大小。75.如申请专利范围第72项之方法,其中该至少一个参数包含相邻大小(neighborhood size)。76.如申请专利范围第72项之方法,其中该函数包含一倾斜局部阈函数。77.如申请专利范围第72项之方法,其中该至少一个参数包含柱状图之百分率。78.如申请专利范围第72项之方法,其中该至少一个参数包含至少一个阈値。79.如申请专利范围第72项之方法,其中该至少一个阈値包含上阈値及下阈値。图式简单说明:第1图为数位乳房X光像中之簇状微细钙化自动检测用系统之流程图;第2及3图为本发明自动裁切方法及系统之流程图;第4-10图为本发明自动裁切方法及系统之详细流程图;第11图为簇状微细钙化检测器之详细流程图;第12图为本发明之33交络型中间滤波器之示意图;第13图为高斯滤波器核之差讯的立体描绘点图;第14图为第13图所示高斯滤波器核之中心剖视图;第15图为微细钙化检测系统中之全局阀値化部分之流程图;第16图为本发明之双重局部阀値化之流程图;第17图为全局及双重局部阀値化之结果之组合流程图;第18图为本发明之倾斜或局部阀値化之流程图;第19图为本发明之簇聚方法之流程图;第20图为本发明之簇聚方法之示意图;第21图为本发明之特征计算法之流程图;第22图为本发明之每一种类(class)具有一个判别函数之区分器的流程图;第23图为2-种类区分器用多层式感知器神经网路之示意图;第24图为检测及区分后之检试结果的柱状图;第25图为本发明之参数最佳化方法之流程图;第26图为区分检测前之本发明自由回应接收器操作特性之曲线图;第27图为区分检测后之本发明自由回应接收器操作特性之曲线图;第28图为机率密度函数,表示假阴性及假阳性检测之机率之关系曲线图;第29图为机率密度函数,表示真阴性及真阳性检测之机率之关系曲线图;第30图为表示放射线专家及CAD系统检测之关系之文氏图(Venn diagram);第31图为合并CAD诊断及专家诊断方法之最佳灵敏度之流程图;第32图为数位乳房X光像中之簇状微细钙化之本发明之第2实施例之自动检测方法之流程图;第33图为利用Gabor过滤法去除微细钙化之假阳性检测之流程图;第34图为利用Gabor过滤法检测长形构造物之详细流程图;第35图为利用Gabor滤器核的立体示意图;第36图为利用Gabor过滤二元影像去除假阳性检测之流程图;第37图为自由回应接收器操作特性曲线图,表示Gabor过滤法去除假阳性检测之效果;第38图为本发明之第3实施例,表示含有密度检测器之流程图。 |
