Método de filtrado y realce de imágenes ultrasónicas 2D, 3D y 3D+t.

Método de filtrado y realce de imágenes ultrasónicas 2D, 3D y 3D+t.

El método objeto de la invención comprende recibir una imagen ultrasónica, caracterizar estadísticamente el patrón de speckle de la imagen ultrasónica recibida mediante un modelo de mezclas de distribuciones probabilísticas, seleccionar un área de interés de la imagen ultrasónica e identificar estructuras de interés del área seleccionada, calcular la probabilidad de pertenencia de cada pixel de la imagen para cada componente de la mezcla de distribuciones, realizar un filtrado selectivo con preservación de la información de interés caracterizada en la región seleccionada por medio de la minimización de una función de riesgo que contempla el cálculo de medias condicionadas de componentes de las mezclas de distribuciones, y realzar selectivamente la imagen filtrada.

Método de filtrado y realce de imágenes ultrasónicas 2D, 3D y 3D+t

OBJETO DE LA INVENCIÓN 5

La presente invención se refiere a un método de filtrado y realce de imágenes ultrasónicas 2D, 3D y 3D+t, donde el filtrado y realce de la imagen ultrasónica recibida se realiza minimizando el riesgo Bayesiano por medio de la caracterización probabilística del patrón de granular de la imagen denominado speckle. La caracterización probabilística se 10 puede realizar sobre la totalidad de la imagen recibida o sobre una parte de dicha imagen previamente seleccionada. Esta selección se puede realizar de forma automática o manual. Preferentemente se ha previsto que la imagen ultrasónica sea capturada mediante un ecógrafo, por lo que las imágenes ecográficas capturadas, una vez filtradas y realzadas, pueden ser empleadas con fines exploratorios y diagnósticos. 15

La presente invención se encuadra en el campo del tratamiento digital de imágenes ultrasónicas. La aplicación de las imágenes tratadas puede tener fines exploratorios, como, por ejemplo, en estructuras constructivas, estructuras geológicas, fondos marinos, etc. Más específicamente, cuando la imagen es capturada por un ecógrafo, se puede 20 aplicar a la instrumentación exploratoria y diagnóstica del sector sanitario.

ANTECEDENTES DE LA INVENCIÓN

Las técnicas de visualización de imagen por medio de ultrasonidos (US) son 25 probablemente las más utilizadas con fines exploratorios y diagnósticos. La principal razón de su éxito es su capacidad de proporcionar imágenes de una forma rápida y económica que pueden aportar información valiosa para el diagnóstico clínico. No obstante, los US presentan una textura inherente al proceso de adquisición que puede dificultar y limitar su potencial exploratorio y/o diagnóstico. Éste se denomina 30 comúnmente como patrón de speckle de US y es el resultado de la reflexión dispersiva de las ondas acústicas en las superficies u objetos sobre las que se aplican.

El patrón de speckle provoca una reducción en el contraste de la imagen de ultrasonidos y la presencia de un ruido espacial en la imagen. No es de extrañar, por tanto, que este 35 patrón sea considerado como un efecto indeseado de esta modalidad, ya que dificulta la observación de las propiedades estructurales del objeto a estudiar o de las propiedades anatómicas y fisiológicas de los órganos que se desean explorar.

La naturaleza del speckle surge del fenómeno provocado como la interferencia aleatoria de las ondas acústicas reflejadas por diferentes elementos microscópicos. En el caso de 5 US, el volumen, el número de dispersores eficaces en cada celda de resolución y el proceso de adquisición contribuyen a la formación del ruido de speckle.

El desarrollo de técnicas de reducción del patrón de speckle precisa de un detallado análisis de las señales de eco reflejadas en las estructuras sobre las que se proyectan los 10 US. Debido fundamentalmente al carácter aleatorio del speckle, se han propuesto numerosos modelos estadísticos que lo caracterizan. La descripción estadística del speckle ha demostrado ser de gran utilidad para la identificación de tejidos y proporciona descriptores para su clasificación diagnóstica. Es precisamente esta característica la que hace que el speckle, más allá de un proceso indeseado, sea un importante descriptor en 15 el proceso diagnóstico del personal médico. Dentro de los artículos científicos más relevantes que caracterizan la naturaleza aleatoria del speckle conviene destacar los siguientes:

M. M. Nillesen, R. G. Lopata, I. H. Gerrits, L. Kapusta, J. M. Thijssen, and C. L. de 20 Korte. Modeling Envelope Statistics of Blood and Myocardium for Segmentation of Echocardiographic Images. Ultrasound in Medicine and Biology, 34 (4) :674-680, 2008.

Z. Tao, H. D. Tagare, and J. D. Beaty. Evaluation of Four Probability Distribution Models for Speckle in Clinical Cardiac Ultrasound Images. IEEE Transactions on 25 Medical Imaging, 25 (11) :1483-1491, 2006.

La reducción del speckle en imágenes ultrasónicas ha sido un campo profundamente estudiado en las últimas décadas, dando como resultado un variado número de metodologías. Las más exitosas son aquellas que consideran el patrón de speckle desde 30 su origen físico, modelando el patrón a través de los parámetros físicos que los causan. Ejemplos de métodos de reducción del patrón de speckle en imágenes ultrasónicas se muestran en los documentos US 8, 208, 724 B2 y US 2010/0081931 A1.

Sin embargo los métodos citados no tienen en cuenta los beneficios de una etapa previa 35 de pre-procesado puesto que pretenden preservar toda la información proveniente de la sonda de US, aunque sea muy ruidosa, como medida conservadora. De esta manera se asegura que no se pierde información de gran importancia descriptiva o diagnóstica, aunque la presencia del ruido dificulte la inspección anatómica y/o funcional de la imagen. La no inclusión de filtros de reducción de ruido para imagen de US se debe a que éstos no tienen en cuenta el principal criterio en la ayuda a la exploración de estructuras/tejidos 5 por US: preservación de información sobre composición del material (en el caso de US en estructuras) o la información anatómica y fisiológica clínica relevante (en el caso sanitario) . La incorporación de una etapa de filtrado selectivo inteligente como la descrita en este documento que preserve dicha información, es en sí misma novedosa en el campo de métodos para el análisis de imágenes US. 10

No obstante existen en el estado de la técnica métodos de filtrado de imágenes US basados en la aplicación de la ecuación de difusión, cuya filosofía consiste en difundir el patrón de speckle en regiones constantes a tramos. Los métodos más representativos de esta filosofía son: 15

Y. Yu and S. T. Acton. Speckle Reducing Anisotropic Diffusion. IEEE Transactions on Image Processing, 11 (11) :1260-1270, 2002.

K. Krissian, C. F. Westin, R. Kikinis, and K. G. Vosburgh. Oriented Speckle Reducing Anisotropic Diffusion. IEEE Transactions on Image Processing, 20 16 (5) :1412-1424, 2007.

El efecto que provocan estos filtros es el de imágenes sin información característica de los materiales que están sujetos a estudio, que se pueden diferenciar por su speckle característico. Existen otros métodos que emplean caracterizaciones del speckle 25 siguiendo modelos multiplicativos sin preservación de detalles estructurales. No obstante, estos modelos resultan ser demasiado simplistas y no preservan información de las estructuras internas de los materiales o tejidos bajo estudio. La invención propuesta supera esta limitación, pues su carácter ampliamente adaptativo permite al usuario realizar un filtrado selectivo que distingue entre distintos tipos de tejidos/materiales 30 preservando la información que lo caracteriza, de forma que el carácter exploratorio no se ve limitado por el filtrado sino, al contrario, se ve potenciado.

En conclusión, el patrón de speckle tiene un doble efecto en las imágenes de ultrasonidos. Por un lado, un efecto negativo que dificulta la percepción de detalles de 35 relevancia en las imágenes debido a la reducción de contraste y definición de contornos de los objetos o superficies bajo estudio. Por otro, un efecto positivo debido a que la caracterización estadística de la repuesta del speckle permite identificar y caracterizar las propiedades materiales, fisiológicas o funcionales, para mejorar la eficacia exploratoria y/o fiabilidad del diagnóstico en el caso de la aplicación clínica.

DESCRIPCIÓN DE LA INVENCIÓN

La presente invención propone un método de filtrado y realce selectivo de imágenes ultrasónicas que permite identificar y preservar información de interés para el usuario, mejorando así la calidad de la imagen obtenida. 10

A continuación se definen y relacionan con el contexto de la invención una serie de términos que se emplearán a lo largo del documento:

Variable Aleatoria: La imagen filtrada que se obtendrá como resultado de que la 15 invención involucra la caracterización de variables aleatorias que modelan el patrón de speckle. En este contexto, se ha empleado el concepto de variable aleatoria real en el sentido de la teoría de la probabilidad clásica. Las variables aleatorias se denotarán con letras mayúsculas y los valores concretos que pueden tomar se representarán con minúsculas. En concreto se emplearán las siguientes variables aleatorias: 20

Intensidad de la imagen: , se considerará una variable continua que tomará valores positivos. Su función de densidad será modelada como una mezcla o mixtura de distribuciones probabilísticas....

1. Método de filtrado y realce de imágenes ultrasónicas caracterizado porque comprende las siguientes fases: 5

- recibir una imagen ultrasónica;

- caracterizar estadísticamente un patrón de speckle de la imagen ultrasónica recibida mediante un modelo de mezclas de distribuciones probabilísticas;

- seleccionar un área de interés de la imagen ultrasónica e identificar información de interés del área seleccionada; 10

- calcular una probabilidad de pertenencia de cada píxel del área de interés para cada componente de la mezcla de distribuciones probabilísticas;

- realizar un filtrado selectivo con preservación de la información de interés del área seleccionada mediante una minimización de una función de riesgo bayesiano por medio del cálculo de unas medias condicionadas a unas componentes de las mezclas de 15 distribuciones probabilísticas; y, - realizar un realce selectivo la imagen filtrada.

2. Método de filtrado y realce de imágenes ultrasónicas, según la reivindicación 1, caracterizado porque la identificación de la información de interés del área seleccionada 20 comprende seleccionar como información de interés unas componentes de las mezclas de distribuciones que caracterizan estadísticamente el área seleccionada.

3. Método de filtrado y realce de imágenes ultrasónicas, según la reivindicación 1, donde la fase de selección de un área de interés comprende seleccionar como área de interés la 25 totalidad de la imagen ultrasónica recibida.

4. Método de filtrado y realce de imágenes ultrasónicas, según la reivindicación 3, donde la identificación de la información de interés de la totalidad de la imagen ultrasónica recibida comprende seleccionar como información de interés unas componentes de las 30 mezclas de distribuciones pertenecientes a unos bordes de unos mapas de probabilidad de pertenencia de cada componente de dichas mezclas de distribuciones.

5. Método de filtrado y realce de imágenes ultrasónicas, según la reivindicación 1, donde el cálculo de las medias condicionadas de las componentes de las mezclas de 35

distribuciones se realiza mediante el cálculo de la media condicionada de cada píxel de la imagen recibida con cada componente de la mezcla de distribuciones.

6. Método de filtrado y realce de imágenes ultrasónicas, según la reivindicación 1, donde la caracterización estadística del patrón de speckle de la imagen ultrasónica recibida 5 mediante un modelo de mezclas de distribuciones probabilísticas comprende minimizar funciones de pérdidas y riesgo bayesiano.

7. Método de filtrado y realce de imágenes ultrasónicas, según la reivindicación 1, donde la fase de filtrado selectivo de la imagen se realiza píxel a píxel y comprende las 10 siguientes etapas:

-calcular, para cada componente del modelo de mezcla de distribuciones probabilísticas, una media condicionada al resto de componentes del modelo de mezcla de distribuciones probabilísticas;

- calcular, para cada píxel de la imagen, una probabilidad a posteriori ( | ) de 15 que el pixel pertenezca a una determinada componente de la mezcla de distribuciones probabilísticas considerando un vecindario del pixel ;

- calcular una imagen filtrada a partir de las medias condicionadas calculadas para cada componente del modelo de mezcla de distribuciones probabilísticas y las probabilidades a posteriori de pertenencia de cada píxel obtenidas. 20

8. Método de filtrado y realce de imágenes ultrasónicas, según la reivindicación 1, donde la fase de realce selectivo de la imagen comprende incluir un parámetro de selección de detalle a preservar de la imagen filtrada.

9. Método de filtrado y realce de imágenes ultrasónicas, según una cualquiera de las reivindicaciones anteriores, donde las imágenes ultrasónicas recibidas son imágenes ecográficas.

10. Método de filtrado y realce de imágenes ultrasónicas, según una cualquiera de las 30 reivindicaciones anteriores, donde las imágenes ecográficas se seleccionan entre imágenes de dos dimensiones, de 3 dimensiones y de 4 dimensiones.