基于生理特征的乳腺X線圖像多視圖分析坐標系

曹 霖 陳后金 李居朋 程 琳

?

基于生理特征的乳腺X線圖像多視圖分析坐標系

曹 霖①陳后金*①李居朋①程 琳②

①(北京交通大學電子信息工程學院 北京 100044);②(北京大學人民醫院乳腺中心 北京 100044)

該文針對乳腺X線圖像病變的多視圖檢測與分析問題，建立了一種基于乳房生理特征的多視圖坐標系。通過軸位、中側斜位視圖圖像中的乳頭、胸肌典型生理特征的提取，以及乳房邊緣的橢圓擬合，建立乳腺X線圖像多視圖分析坐標系，可將乳腺X線圖像雙側四視圖經非線性映射至同一坐標框架內。以北京大學人民醫院乳腺中心提供的圖像庫為實驗數據，從生理特征定位精度、興趣區域匹配精度等多方面進行坐標系匹配準確度的測試與驗證，結果表明該坐標系有助于乳腺X線圖像，特別是致密型圖像的多視圖病變檢測。

乳腺X線圖像；多視圖分析；坐標系；生理特征；區域匹配

1 引言

乳腺癌是女性發病率最高的一種惡性腫瘤，科學證據表明在早期發現并及時治療，可以有效防止惡化并提高乳腺癌的治愈率[1]。目前，在乳腺癌診斷的多種方法中，乳腺X線攝影術被認為是最可靠和最有效的方法，其采用軸位相(CranioCaudal, CC)和中側斜位相(MedioLateral Oblique, MLO)兩種拍攝角度作為常規的乳腺攝影檢查。由于篩查工作量大，且受限于醫師經驗等主觀因素，計算機輔助診斷(Computer-Aided Detection, CAD)系統的引入能夠降低醫師的工作量并提供客觀的診斷參考，對乳腺癌的早期檢測與診斷具有重要的價值。因為人體左右兩側具有對稱性，醫師在閱片時不僅會比較同側的CC與MLO視圖，也會比較兩側的同角度視圖。類似地，CAD系統結合多視圖中的相關信息進行分析同樣有助于提高檢測效率。

相比于西方，我國女性乳房腺體多為致密型[2]，CAD系統進行檢測時，僅通過單視角分析病變的難度將增大，更突出了多視圖分析的重要性，而正確匹配興趣區域(Region Of Interest, ROI)在對側及另一角度視圖中的相應位置是進行多視圖分析的前提。然而乳房內組織是非剛性的，沒有類似骨骼等具有明顯成像特征的參照物，同時圖像是3D對象的2D投影，且在拍攝前會對乳房進行擠壓，因此相應ROI的精確匹配仍然是一個難題。

文獻[3]比較乳腺X線圖像的MLO視圖，提取增強后的腺體區域作為ROI，通過對齊胸肌線方向使兩側圖像ROI方向一致，從而獲得匹配區域對。這種方法通過比較兩側ROI玫瑰圖(Rose Diagram)的對稱性實現病變檢測，但由于提取的ROI較大，無法確定病變具體位置。在文獻[3]基礎上，文獻[4-6]分別以垂直及平行于胸肌的方向將兩側乳房區域均分為等量的帶狀區域，比較帶狀區域對的腺體對稱性，較大程度縮小了病變區域的范圍。文獻[7]利用“腐蝕”運算將乳房區域分成若干同心層子區域，在兩側相應子區域內根據形狀上下文及控制點確定匹配區域。文獻[8]通過剛性配準將兩側乳房區域大致對齊，從而實現ROI的匹配。由于乳房是非剛體，剛性配準使得ROI的匹配精度受到影響。文獻[9]則選擇基于相干點漂移的仿射變換方法利用乳腺輪廓完成配準，提高了CC視圖ROI的匹配精度；文獻[10]通過建立坐標系完成ROI對的匹配，對于MLO圖像采用胸肌修正及重力修正的方式以提高匹配精度，這種修正方法將腋下區域看作乳房區域的一部分，會對相應ROI對的匹配造成一定影響。以上匹配方法均忽略了MLO視圖中腋下區域面積的不確定性，分析MLO視圖時匹配精度仍然受到較大影響。文獻[11]針對MLO視圖提出一種基于解剖結構的坐標系，該坐標系以乳頭為原點向胸肌作拋物線，利用拋物線弧長及其在原點的切線方向確定乳房區域內點的坐標。該方法用拋物線擬合乳房邊緣從而排除腋下區域，提高了乳房區域的匹配精度，但該方法主要分析MLO視圖，未對CC視圖作處理。

綜上所述，現有方法主要分析同側或同視角圖像間的ROI匹配，同時缺少ROI的匹配精度及其對病變檢測結果的影響的分析。針對上述問題，本文在前期研究工作基礎上，建立了一種基于乳房生理特征的坐標系(Breast Physiological Based Coordinate System, BPBCS)，將四視圖的乳房區域經非線性映射至同一坐標框架內，兼顧雙側及同側圖像的ROI匹配。通過與醫師手動標記的生理特征及ROI作比較，并與現有方法作對比，直接評價驗證BPBCS的匹配精度。

本文組織安排如下：第2節主要闡述BPBCS建立思路；第3節為各視角圖像生理特征的提取方法及BPBCS與原坐標系的映射關系；第4節搭建實驗測試環境，與醫師標記及現有方法標記作比較，評價分析BPBCS的匹配精度；第5節給出結論。

2 BPBCS的建立

為方便對乳腺X線圖像進行多視圖分析，BPBCS需要滿足以下條件[12]：(1)基于乳腺X腺圖像中能夠提取到的生理特征；(2)坐標系建立所需的參數應盡可能少；(3)同一病例的不同視角圖像映射至BPBCS后，同一生理結構具有相同的坐標；(4)原坐標系與BPBCS間的映射關系具有可逆性。

醫師通常按照如圖1所示方式將乳房區域劃分為4個象限以限定病變的范圍，并結合對側視圖進行診斷分析。顯然，乳頭、乳房邊緣以及胸肌是乳腺X線圖像中最典型的、相對固定的3個生理特征。為簡化計算，本文對生理特征的形狀或位置等作如下近似設定[13]：

圖1 乳房區域象限劃分示意圖

(1)將胸肌平面近似作鉛垂平面，即圖像中胸肌線(胸肌與乳房交界的投影)近似為直線。

(2)成像夾板的擠壓僅造成垂直方向的位移，忽略夾板平行方向的位移。CC位乳房只受垂直于成像夾板(即水平面)方向的力，平行于成像夾板方向不受任何力；MLO位中，由于乳腺組織相互牽引而非相互獨立的特性，在成像夾板的固定的條件下忽略平行于夾板的重力分量。

(3)將乳房近似作半球形，乳頭近似位于半球軸線上，由假設(2)可得乳腺X線圖像中乳頭近似位于邊緣上距離胸肌最遠點。

在乳腺X線圖像中乳頭位置可近似為點，并且在診斷中具有重要的解剖與幾何意義，因此BPBCS的建立選擇以乳頭作為原點，如圖2(d)所示，軸沿胸肌邊緣線方向，軸沿乳頭兩側乳房邊緣線間的中線方向。為使不同視圖間的乳房區域匹配對應，需對乳房區域的面積進行歸一化，使得四視圖中乳房區域在BPBCS下面積相等。然而觀察乳腺X線圖像(如圖2(a))可知，在CC視圖中沿軸方向由于拍攝不到胸肌而不能確定乳房區域的完整性。因此僅將BPBCS的第2維度值進行歸一化，第1維度值為實際距離。綜上，乳房邊緣與胸肌線圍成BPBCS的平面域，以乳頭為原點，乳房半球軸線方向為坐標的第1維度，胸肌線方向為第2維度，BPBCS坐標與原坐標為一一映射關系。

圖2 BPBCS坐標及其坐標間映射關系

3 生理特征提取及坐標系間映射關系

如圖2(a)，圖2(b)所示，由于CC與MLO視圖中生理特征的呈現方式不同，對生理特征處理方法也不同，原坐標系與BPBCS間的映射關系亦不同。

3.1 CC視圖生理特征提取與坐標映射

CC視圖中一般不會出現胸肌，根據拍攝時人體貼合成像夾板的原則，本文設定CC視圖的胸肌線與左(右)邊框平行；根據乳腺X線圖像的成像特點，背景區域的灰度值均為0，乳房區域邊緣的灰度值均大于0且邊緣清晰，圖像前景與背景具有明顯的灰度區分，因此采用二值化分割方法(灰度閾值設為0.1)即可得到完整的乳房邊緣；取邊緣上距離胸肌最遠點坐標為原坐標系乳頭坐標。乳房邊緣由乳頭位置點分為上下兩部分，上、下邊緣點分別組成集合與。分別取與中的點和，使過兩點直線平行于胸肌線，根據前文所述，所有與中相應點對形成的線段的中點映射為軸。

綜上可得CC視圖中原坐標系與BPBCS的映射關系為

由于系數矩陣為可逆矩陣，所以坐標系間的映射滿足可逆映射，逆映射為

3.2 MLO視圖生理特征提取與坐標映射

其中，,,,,,為系數，因此求橢圓一般方程即是求平方和距離。

(4)

(6)

綜上，根據CC與MLO視圖各自的特點，采用不同的方式提取所需生理特征并建立原坐標系與BPBCS的映射關系。對MLO視圖利用橢圓擬合乳房邊緣，主要目的是排除腋下區域，以提高MLO視圖中乳房區域映射到BPBCS的準確性，進而提高圖像間ROI對的匹配精度。CC視圖中并不包含腋下區域，且乳房邊緣清晰，利用橢圓擬合乳房邊緣會造成不必要的誤差，直接提取乳房邊緣更簡單準確。

圖3 乳房邊緣的橢圓擬合

4 實驗驗證與誤差分析

為驗證BPBCS的匹配精度，本文從兩個方面進行評價：第一，評價建立BPBCS所用生理特征的自動定位精度；第二，評價ROI通過BPBCS得到的匹配區域精確度。實驗使用北京大學人民醫院乳腺中心(BCPKUPH)提供的88個乳腺圖像病例(每個病例4幅圖像，共352幅圖像)對BPBCS映射匹配精度進行評價。經BCPKUPH主任醫師標注，數據庫中含腫塊圖像共216幅。根據BI-RADS (Breast Image Reporting And Data System)的定量評價方法[15]，BCPKUPH中352幅圖像按密度等級分布如表1所示，不難看出數據庫中乳腺圖像密度相對較高，而這類圖像與脂肪型乳腺相比，僅用單視圖進行腫塊檢測難度較大。

表1數據庫圖像乳腺密度分布

密度等級圖像個數 1 44 2132 3148 4 28 合計352

4.1生理特征定位精度評價

BPBCS是以乳頭、乳房邊緣及胸肌線3個生理特征為參照建立的，比較提取的特征與實際特征間的距離是評價BPBCS的重要指標。3個特征中，乳頭是唯一完整存在于各視圖中的生理特征，這里將算法提取乳頭位置與醫師標記乳頭位置的距離作為精度衡量的指標之一。分別提取手動標記乳頭區域的質心坐標及自動定位的乳頭坐標，計算兩坐標之間的歐氏距離，將誤差定義為“均值±標準差”，統計結果如表2所示。

根據國際標準化組織（International Organization for Standardization，ISO）關于計算機安全的定義，計算機網絡安全主要是指采取相應的管理、技術和措施，保護計算機網絡系統的硬件、軟件以及數據等不受到更改、泄露或破壞，確保計算機網絡系統正常運行，發揮計算機網絡的重要作用[2]。

表2 乳頭定位結果的誤差統計(均值±標準差mm)

密度等級視圖分類 CC(mm)MLO(mm)全部(mm) 14.34±3.686.05±5.915.19±4.73 24.96±3.765.16±2.915.06±3.33 35.02±4.464.74±4.274.89±4.33 43.43±2.496.51±3.544.97±3.31 全部4.43±3.735.60±3.955.00±3.91

由表2可知乳頭的自動定位誤差約為5.00±3.91 mm。事實上，由于本文方法將乳房邊緣距胸肌線最遠點定為乳頭位置，使得誤差值的BPBCS第1維度分量較小(平均約為1.33±1.10 mm)，相對于直徑約在5~40 mm的病變區域是可以接受的；誤差值第2維度分量對病變區域定位精度的影響會隨第1維度值的增大而降低，而病變區域通常不會出現在乳頭附近區域，即BPBCS下病變區域坐標的第1維度值通常較大，因此本文采用乳頭定位方法的精度滿足BPBCS需求。圖4所示為CC與MLO視圖中偏差最大的圖像。另外，BPBCS在建立及匹配相應區域時只關注乳房區域的形狀及各生理特征在其中的幾何位置關系，不關注腺體密度，因此定位誤差與乳腺密度不存在聯系，表2中以密度等級分類統計的均值相近即是佐證。

圖4 CC與MLO視圖乳頭定位

4.2 ROI匹配精度評價

對于雙側同視角圖像分析，本文首先評價乳頭作為ROI在兩側圖像間的匹配誤差，并與現有的匹配方法進行比較。具體方法是：首先手動標出每幅圖像的乳頭位置；其次以每側圖像乳頭區域為ROI，分別通過BPBCS獲得對側的匹配區域；最后計算該匹配區域與對側乳頭區域的歐氏距離，統計該距離的“均值±標準差”作為匹配誤差。由表3數據可以看出，乳頭區域在BPBCS下的匹配誤差低于文獻[7,16]的匹配方法。

表3乳頭區域的匹配誤差對比(均值±標準差mm)

CC(mm)MLO(mm)全部(mm) 文獻[16]13.62±10.1415.93±11.3714.77±10.83 文獻[7]11.01±8.2413.70±9.9612.35±9.24 本文方法6.38±4.158.01 ±4.357.20±4.27

雙側同視角圖像對比分析是基于人體的對稱性，兩側對稱區域差異較大時認為存在病變。由于乳腺X線圖像為3維對象的2維投影，不易通過腺體組織的特征找到精確的匹配區域。本文以專業醫師的主觀標記作為參考，分別與本文所用方法及文獻[7]所用方法獲得的對應ROI位置作比較，評價雙側同視角圖像ROI的匹配精度。首先在左側視圖乳房區域隨機標記一個區域，其次由醫師在右側視圖中標記出位置對稱的相應區域，分別計算通過BPBCS及形狀上下文獲得的相應區域質心與該區域質心之間的歐氏距離，統計結果如表4所示。由表4可以看到，文獻[7]方法獲得的相應ROI與醫師的手工標記平均相距13.19 mm，其中MLO視圖的匹配誤差相比CC視圖高出約6 mm，本文方法獲得ROI與醫師標記平均相距4.59 mm，且兩視圖的匹配誤差相差小于1 mm，結果表明本文方法具有良好的匹配精度；排除腋下區域能夠有效提高MLO視圖ROI的匹配精度。圖5為雙側ROI匹配結果。左側標記為隨機選定的ROI，右側實線為醫師手動標記的對應區域，短虛線標記為通過BPBCS得到的對應區域，長虛線標記為文獻[7]方法所得對應區域。其中圖5(c)為BPBCS定位乳頭偏差最大的CC與MLO視圖，圖中結果顯示，所用乳頭定位方法的精度滿足BPBCS的匹配需求。

表4 雙側同視角ROI匹配不同算法與醫師手工標記距離比較(均值±標準差mm)

CC(mm)MLO(mm)全部(mm) 文獻[7]10.19±10.6416.20±16.5513.19±13.77 本文方法4.42±3.424.78±4.264.59±3.80

對于同側雙視角圖像分析，由于CC和MLO兩視圖拍攝方向存在一定的夾角(約)，其中一視圖的病變區域通過幾何位置關系僅可在另一視圖中確定一個范圍(帶狀區域)，病變區域與帶狀區域在BPBCS下第1維度值相等。本文分別計算CC與MLO視圖乳頭區域在BPBCS下的距離，以及由醫師標注的相應病變區域對的質心在BPBCS下的第1維度差值(如圖6)，驗證BPBCS第1維度的匹配精度。統計結果如表5所示。由數據可以看出，在BPBCS下同側兩視角圖像的乳頭區域距離平均為6.07 mm，同一病變區域匹配誤差約為6.92±4.14 mm，圖6(b)為乳頭匹配誤差最大(約11.28 mm)圖像對的腫塊區域第1維度坐標，圖6(c)顯示了腫塊區域匹配誤差最大的一組圖像對，由圖像可以看出，CC視圖乳頭附近的乳房邊緣向外凸出，而MLO視圖乳頭內陷，導致BPBCS對兩視圖ROI的定位發生偏差。形成第1維度匹配誤差的主要原因有：第一，因拍攝角度的旋轉，使腫塊投影形狀改變，導致質心的偏移；第二，受腺體的影響，腫塊邊緣不清晰，人工標注不夠精確，導致兩視角圖像中腫塊質心發生偏移；第三，乳頭定位誤差導致腫塊匹配誤差的增大。

表5同側雙視角ROI匹配結果

最大值(mm)最小值(mm)均值(mm)標準差(mm) 乳頭區域11.280.456.075.11 病變區域13.740.896.924.14

圖6 同側雙視角ROI匹配

根據雙側及同側視圖之間的關系，分別選取適當的ROI 對BPBCS的匹配精度進行分析，通過與現有方法及醫師標記的比較可得，BPBCS具有較好的匹配效果。由于乳房是非剛體，且拍攝時會進行擠壓，不可避免少數圖像的匹配誤差較大，利用BPBCS進行乳腺X線圖像多視圖分析時，應根據誤差范圍適當增加匹配區域。

5 結論

針對乳腺X線圖像多視圖分析，建立了一種基于乳房生理特征的坐標系。BPBCS以乳頭為原點，參照乳房邊緣與胸肌線，將乳房區域映射到同一框架內，使不同視圖中相應的特征及ROI具有相同或相關聯的坐標，為乳腺X線圖像、尤其是致密型圖像的多視圖病變檢測分析提供了便利。臨床圖像實驗測試統計數據表明，BPBCS具有良好的匹配性能，有助于腫塊等病癥特征的多視圖檢測與分析。

[1] ANDERSON B O, YIP C H, SMITH R A,. Guideline implementation for breast healthcare in low-income and middle-income countries[J]., 2008, 113(S8): 2221-2243. doi: 10.1002/cncr.23844.

[2] MASKARINEC G, MENG L, and URSIN G. Ethnic differences in mammographic densities[J]., 2001, 30(5): 959-965. doi: 10.1093 /ije/30.5.959.

[3] MENCATTINI A, SALMERI M, and CASTI P. Bilateral asymmetry identification for the early detection of breast cancer[C]. 2011 IEEE International Workshop on Medical Measurements and Applications Proceedings (MeMeA), Bari, Italy, 2011: 613-618. doi: 10.1109/MeMeA.2011.5966746.

[4] CASTI P, MENCATTINI A, SALMERI M,. Masking procedures and measures of angular similarity for detection of bilateral asymmetry in mammograms[C]. The 4th IEEE International Conference on E-Health and Bioengineering, Iasi, Romania, 2013: 1-4. doi: 10.1109/EHB.2013.6707258.

[5] CASTI P, MENCATTINI A, SALMERI M,. Analysis of structural similarity in mammograms for detection of bilateral asymmetry[J]., 2015, 24(2): 662-671. doi: 10.1109/TMI.2014. 2365436.

[6] MAGNA G, JAYARAMAN S V, CASTI P,. Adaptive classification model based on artificial immune system for breast cancer detection[C]. 2015 XVIII AISEM Annual Conference, Trento, Italy, 2015: 1-4. doi: 10.1109/AISEM. 2015.7066842.

[7] LI Yanfeng, CHEN Houjin, YANG Yongyi,. A bilateral analysis scheme for false positive reduction in mammogram mass detection[J]., 2015, (57): 84-95. doi: 10.1016/j.compbiomed.2014.12.007.

[8] KELDER A, ZIGEL Y, LEDERMAN D,. A new computer-aided detection scheme based on assessment of local bilateral mammographic feature asymmetry-a preliminary evaluation[C]. 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Milan, Italy, 2015: 6394-6397. doi: 10.1109/EMBC. 2015.7319856.

[9] 王之瓊, 王培, 于戈, 等. 雙側特征融合的乳腺腫塊檢測[J]. 計算機輔助設計與圖形學學報, 2015, 27(6): 1024-1031.

WANG Zhiqiong, WANG Pei, YU Ge,. Breast tumor detection on fusion of bilateral feature[J].&, 2015, 27(6): 1024-1031.

[10] CAO Lin, CHEN Houjin, LI Jupeng,. A coordinate system for multi-view analysis of mammograms[C]. The 6th International Conference on Mechanical and Electronics Engineering, Beijing, China, 2014: 481-487. doi: 10.2495/ ICMIIE140701.

[11] BRANDT S S, KAREMORE G, and KARSSEMEIJER N. An anatomically oriented breast coordinate system for mammogram analysis[J]., 2011, 30(10): 1841-1851. doi: 10.1109/TMI.2011. 2155082.

[12] GEORGSSON F. Anatomical coordinate system for bilateral registration of mammograms[C]. 13th Scandinavian Conference on Image Analysis, Halmstad, Sweden, 2003: 335-342. doi: 10.1007/3-540-45103-X_46.

[13] KITA Y, HIGHNAM R, and BRADY M. Correspondence between different view breast X rays using curved epipolar lines[J]., 2001, 83(1): 38-56. doi: 10.1006/cviu.2001.0908.

[14] PU Jiantao, ZHENG Bin, LEADER J K,. An ellipse- fitting based method for efficient registration of breast masses on two mammographic views[J]., 2008, 35(2): 487-494. doi: 10.1118/1.2828188.

[15] MARTIN K E, HELVIE M A, ZHOU C,. Mammographic density measured with quantitative computer-aided method comparison with radiologists estimates and BI-RADS categories[J]., 2006, 240(3): 656-665. doi: 10.1148/radiol.2402041947.

[16] WIRTH M A, CHOI C, and JENNINGS A. A nonrigid-body approach to matching mammograms[C]. Seventh International Conference on Image Processing and Its Applications, Manchester, UK, 1999: 484-488. doi: 10.1049/ cp:19990369.

曹 霖： 男，1986年生，博士生，研究方向為醫學圖像處理.

陳后金： 男，1965年生，教授，研究方向為生物醫學圖像處理、數字信號處理.

李居朋： 男，1981年生，副教授，研究方向為信號與信息處理、生物醫學圖像處理.

Physiological Features Based Coordinate System for Multi-view Analysis in Mammograms

CAO Lin①CHEN Houjin①LI Jupeng①CHENG Lin②

①(,,100044,);②(,,100044,)

A breast coordinate system based on physiological features is developed for multi-view analysis in mammograms. It is constructed according to the locations of nipple, pectoral muscle and the fitted breast boundary. The breast regions in mammograms are mapped into a parameter frame because of the coordinate system. Experiments are implemented on data set of Breast Cancer of Peking University People’s Hospital. The performance of locating the physiological features and matching the regions of interest isevaluated. Results show that the proposed coordinate system could achieve favorable performance and facilitate the multi-view analysis in mammograms.

Mammogram; Multi-view analysis; Coordinate system; Physiological features; Region matching

TP391; R816.91

A

1009-5896(2017)01-0176-07

10.11999/JEIT160193

2016-03-01；改回日期：2016-07-08；

2016-09-30

陳后金 hjchen@bjtu.edu.cn

國家自然科學基金(61271305)，北京市科技計劃課題(D151100000415002)，中央高校基本科研業務費(2015JBM015)

The National Natural Science Foundation of China (61271305), Beijing Municipal Science and Technology Project (D151100000415002), The Fundamental Research Funds for the Central Universities (2015JBM015)