ES2987687T3 - Método para sintetizar datos de imagen de baja dimensión a partir de datos de imagen de alta dimensión usando una potenciación de la cuadrícula de objetos - Google Patents

Abstract

Un método para procesar datos de imágenes de tejido mamario incluye procesar datos de imágenes de tejido mamario de una paciente para generar una cuadrícula de alta dimensión que represente uno o más objetos de alta dimensión en el tejido mamario de la paciente; determinar una probabilidad o confianza de cada uno de los uno o más objetos de alta dimensión representados en la cuadrícula de alta dimensión; y modificar uno o más aspectos de al menos uno de los uno o más objetos de alta dimensión basándose al menos en parte en su respectiva probabilidad o confianza determinadas para generar de ese modo una versión de formato de menor dimensión de los uno o más objetos de alta dimensión. El método puede incluir además mostrar la versión de formato de menor dimensión de los uno o más objetos de alta dimensión en una imagen sintetizada del tejido mamario de la paciente. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Método para sintetizar datos de imagen de baja dimensión a partir de datos de imagen de alta dimensión usando una potenciación de la cuadrícula de objetos

Campo

Las invenciones dadas a conocer actualmente se refieren a métodos para procesar y visualizar imágenes de tejido de mama, y en particular para representar estructuras de alta dimensión (por ejemplo, 3D) presentes en datos de imagen de tejido de mama con una cuadrícula de objetos de alta dimensión, y luego reducir los datos de alta dimensión a una versión en formato de baja dimensión (por ejemplo, 2D) que pueden incorporarse dentro de una imagen sintetizada para que la visualice un profesional médico.

Antecedentes

La mamografía se ha usado durante mucho tiempo para detectar el cáncer de mama y otras anomalías. Tradicionalmente, las mamografías se han formado en película de rayos X. Más recientemente, se han introducido generadores de imágenes digitales de pantalla plana que adquieren una mamografía en forma digital y, por tanto, facilitan el análisis y el almacenamiento de los datos de imagen adquiridos, y también proporcionan otros beneficios. Además, se ha dedicado considerable atención y desarrollo tecnológico a la obtención de imágenes tridimensionales de la mama usando métodos tales como la tomosíntesis de mama. A diferencia de las imágenes 2D generadas por los sistemas de mamografía preexistentes, los sistemas de tomosíntesis de mama construyen un volumen de imágenes 3D a partir de una serie de imágenes de proyección 2D, obteniéndose cada imagen de proyección con un desplazamiento angular diferente de una fuente de rayos X en relación con el detector de imágenes cuando la fuente de rayos X se escanea sobre el detector. El volumen de imágenes 3D construido se presenta normalmente como una pluralidad de cortes de datos de imagen, reconstruyéndose matemáticamente los cortes en planos normalmente paralelos al detector de imágenes. Los cortes de tomosíntesis reconstruidos reducen o eliminan los problemas provocados por la superposición de tejido y el ruido de estructuras presente en la obtención imágenes de mamografía bidimensional, de un solo corte, al permitir que un usuario (por ejemplo, un radiólogo u otro profesional médico) se desplace por los cortes de imagen para observar sólo las estructuras en ese corte.

Recientemente se han desarrollado sistemas de obtención de imágenes, tales como la tomosíntesis, para la detección y el diagnóstico del cáncer de mama. En particular, Hologic, Inc. (www.hologic.com) ha desarrollado un sistema de mamografía/tomosíntesis multimodo fusionado que adquiere uno o ambos tipos de imágenes de mamografía y tomosíntesis, ya sea mientras la mama permanece inmovilizada o en diferentes compresiones de la mama. Otras empresas han introducido sistemas que incluyen la obtención de imágenes por tomosíntesis; por ejemplo, que no incluyen la capacidad de adquirir también una mamografía en la misma compresión.

En la patente estadounidense n.° 7.760.924 se describen ejemplos de sistemas y métodos que aprovechan la experiencia médica existente con el fin de facilitar, opcionalmente, la transición a la tecnología de tomosíntesis. En particular, la patente estadounidense n.° 7.760.924 describe un método de generación de una imagen 2D sintetizada, que puede visualizarse opcionalmente junto con las imágenes reconstruidas o de proyección de tomosíntesis, con el fin de ayudar en la detección y el diagnóstico.

El documento WO 2014/207080 describe un método para procesar datos de imagen de tejido de mama en el que una imagen N-dimensional se convierte en una imagen N-k dimensional, que abarca “estructuras sospechosas”. Además, basándose en una biblioteca de formas, el método decide si un vóxel dado pertenece a una estructura sospechosa en el tejido. Dependiendo del nivel de confianza de un vóxel dado, se asigna en consecuencia el peso del vóxel: una confianza alta atraerá un peso más alto, mientras que una confianza baja atraerá un peso más bajo. Una imagen sintetizada 2D está diseñada para proporcionar una representación concisa de los cortes de reconstrucción 3D, incluyendo cualquier información clínicamente importante y significativa, tal como lesiones anómalas y estructuras de mama normales, al tiempo que representa en la parte relevante una imagen 2D tradicional. Hay muchos tipos diferentes de lesiones y estructuras de mama, que pueden definirse como diferentes tipos de objetos de imagen que tienen diferentes características. Para cualquier objeto de imagen dado visible en los datos de volumen 3D, es importante mantener y potenciar las características de la imagen (por ejemplo, microcalcificaciones, distorsiones arquitecturales, etc.) tanto como sea posible en la imagen sintetizada 2D. Además, cuando se representan múltiples objetos identificados en la imagen sintetizada 2D, la imagen sintetizada puede parecer abarrotada y visualmente confusa. Por consiguiente, existe la necesidad de procesar, sintetizar y visualizar de forma más eficaz los datos de imagen de mama.

Sumario

La invención se refiere a un método para procesar datos de imagen de tejido de mama que incluye obtener datos de imagen del tejido de mama de un paciente; procesar los datos de imagen para generar una cuadrícula de alta dimensión que representa uno o más objetos de alta dimensión en el tejido de mama del paciente; determinar una probabilidad o confianza de cada uno de los uno o más objetos de alta dimensión representados en la cuadrícula de alta dimensión; y generar una versión en formato de dimensión inferior del uno o más objetos de alta dimensión para su visualización en una imagen sintetizada del tejido de mama del paciente. La probabilidad o confianza de cada uno de los uno o más objetos de alta dimensión en la cuadrícula de alta dimensión se determina basándose al menos en parte en un peso asignado a cada uno de los uno o más objetos de alta dimensión, y en el que el peso asignado al uno o más objetos de tejido de mama de alta dimensión se basa en un tipo de objeto.

La invención se define en las reivindicaciones siguientes. Otros aspectos, realizaciones, ejemplos, programas o sistemas no son parte de la invención.

Estos y otros aspectos y realizaciones de las invenciones dadas a conocer se describen con más detalle a continuación, junto con las figuras adjuntas.

Breve descripción de las figuras

Los dibujos ilustran el diseño y la utilidad de las realizaciones de las invenciones dadas a conocer, en los que se hace referencia a elementos similares mediante números de referencia comunes. Estos dibujos no están necesariamente dibujados a escala. Con el fin de apreciar mejor cómo se obtienen las ventajas y objetos mencionados anteriormente y otros, se presentará una descripción más particular de las realizaciones, que se ilustran en los dibujos adjuntos. Estos dibujos representan solo realizaciones típicas de las invenciones dadas a conocer y por tanto no deben considerarse limitativas de su alcance.

La figura 1 es un diagrama de bloques que ilustra el flujo de datos a través de un sistema de adquisición y procesamiento de imágenes de mama a modo de ejemplo según realizaciones de las invenciones dadas a conocer; la figura 2 es un diagrama de bloques que ilustra el flujo de datos a través de un sintetizador 2D que emplea una cuadrícula de objetos 3D y diversos módulos que reducen los objetos de la cuadrícula a un formato 2D para su visualización;

la figura 3 ilustra una primera imagen sintetizada formada a partir de la cuadrícula de objetos 3D de la figura 2 sin manipular objetos superpuestos, y una segunda imagen sintetizada formada a partir de la misma cuadrícula de objetos 3D, pero con manipulación de objetos superpuestos;

las figuras 4A-4D ilustran técnicas a modo de ejemplo para combinar objetos en una o más imágenes sintetizadas 2D;

la figura 5 ilustra un diagrama de flujo a modo de ejemplo que representa la combinación de objetos de una cuadrícula de objetos 3D en una imagen sintetizada 2D; y

la figura 6 ilustra un diagrama de flujo a modo de ejemplo que representa la generación de una o más imágenes sintetizadas 2D usando una cuadrícula de objetos 3D.

Descripción detallada de las realizaciones ilustradas

Para las siguientes abreviaturas y términos definidos se aplicarán estas definiciones a lo largo de esta memoria descriptiva de patente y las reivindicaciones adjuntas, a menos que se facilite una definición diferente en las reivindicaciones o en otra parte de esta memoria descriptiva:

Una “imagen adquirida” se refiere a una imagen generada al visualizar el tejido de un paciente. Las imágenes adquiridas pueden generarse mediante la radiación procedente de una fuente de radiación que incide sobre un detector de radiación dispuesto en lados opuestos del tejido de un paciente, como en una mamografía convencional. Una “imagen reconstruida” se refiere a una imagen generada a partir de datos derivados de una pluralidad de imágenes adquiridas. Una imagen reconstruida simula una imagen adquirida no incluida en la pluralidad de imágenes adquiridas.

Una “imagen sintetizada” se refiere a una imagen artificial generada a partir de datos derivados de una pluralidad de imágenes adquiridas y/o reconstruidas. Una imagen sintetizada incluye elementos (por ejemplo, objetos y regiones) de las imágenes adquiridas y/o reconstruidas, pero no corresponde necesariamente a una imagen que puede adquirirse durante la visualización. Las imágenes sintetizadas son herramientas de análisis construidas.

Una imagen de “Mp” se refiere a una mamografía convencional o mamografía potenciada por contraste, que son imágenes de proyección bidimensionales (2D) de una mama, y abarca tanto una imagen digital adquirida por un detector de pantalla plana u otro dispositivo de obtención de imágenes, como la imagen después del procesamiento convencional para prepararla para su visualización (por ejemplo, por parte de un profesional sanitario), almacenamiento (por ejemplo, en el sistema PACS de un hospital) y/u otro uso.

Una imagen de “Tp” se refiere a una imagen que de manera similar es bidimensional (2D), pero que se adquiere en un ángulo de tomosíntesis respectivo entre la mama y el origen de los rayos X de obtención de imágenes (normalmente el punto focal de un tubo de rayos X), y abarca la imagen tal como se adquirió, así como los datos de imagen después de procesarse para visualización, almacenamiento y/u otro uso.

Una imagen de “Tr” es un tipo (o subconjunto) de una imagen reconstruida que se reconstruye a partir de imágenes de proyección de tomosíntesis Tp, por ejemplo, de la manera descrita en una o más de las patentes estadounidenses n.<os>7.577.282, 7.606.801, 7.760.924 y 8.571.289, en el que una imagen de Tr representa un corte de la mama tal como aparecería en una imagen de rayos X de proyección de ese corte en cualquier ángulo deseado, no sólo en un ángulo usado para adquirir imágenes de Tp o Mp.

Una imagen de “Ms” es un tipo (o subconjunto) de una imagen sintetizada, en particular, una imagen de proyección 2D sintetizada, que simula imágenes de mamografía, tales como imágenes craneocaudales (CC) u oblicuas mediolaterales (MLO), y se construye usando imágenes de proyección de tomosíntesis Tp, imágenes reconstruidas de tomosíntesis Tr o una combinación de las mismas. Las imágenes de Ms pueden proporcionarse para su visualización por parte de un profesional sanitario o para almacenarlas en el sistema PACS de un hospital u otra institución. Ejemplos de métodos que pueden usarse para generar imágenes de Ms se describen en las patentes estadounidenses mencionadas anteriormente n.<os>7.760.924 y 8.571.289.

Debe apreciarse que los datos de imagen de Tp, Tr, Ms y Mp abarcan cada uno información, en cualquier forma, que es suficiente para describir la imagen respectiva para su visualización, procesamiento adicional o almacenamiento. Las imágenes de Mp, Ms. Tp y Tr respectivas se proporcionan normalmente en forma digital antes de visualizarse, estando definida cada imagen por información que identifica las propiedades de cada píxel en una matriz bidimensional de píxeles. Los valores de píxel se refieren normalmente a las respuestas a los rayos X medidas, estimadas o calculadas respectivas de volúmenes correspondientes en la mama, es decir, vóxeles o columnas de tejido. En una realización preferida, la geometría de las imágenes de tomosíntesis (Tr y Tp) y las imágenes de mamografía (Ms y Mp) se corresponde con un sistema de coordenadas común, tal como se describe en la patente estadounidense n.° 7.702.142. A menos que se especifique de otro modo, se supone que tal correspondencia del sistema de coordenadas se implementa con respecto a las realizaciones descritas en la descripción detallada que sigue de esta memoria descriptiva de patente.

Los términos “generar una imagen” y “transmitir una imagen” se refieren respectivamente a generar y transmitir información que es suficiente para describir la imagen para su visualización. La información generada y transmitida normalmente es información digital.

Con el fin de garantizar que una imagen 2D sintetizada visualizada por un usuario final (por ejemplo, una imagen de Ms) incluya la información clínicamente más relevante, es necesario detectar e identificar objetos tridimensionales (3D), tales como una masa de mama maligna, tumores, etc., dentro del tejido de mama. Esta información se usa para crear una cuadrícula de alta dimensión, por ejemplo, una cuadrícula 3D, que ayuda a crear una representación más precisa y potenciada de las características más importantes de la imagen 2D sintetizada. La cuadrícula de objetos de alta dimensión puede usarse entonces para agrupar la información clínicamente más significativa relacionada con los objetos identificados en un formato 2D en una o más imágenes 2D sintetizadas. Pueden aplicarse varias técnicas de reducción de datos a los objetos 3D identificados para garantizar que se destaquen los objetos clínicamente más significativos y que los objetos menos significativos se omitan y/o se atenúen. Además, o alternativamente, se aplican técnicas de reducción de datos para garantizar que se potencien las características significativas de un objeto 3D, mientras que se atenúen las características menos significativas del objeto 3D, especialmente cuando dos objetos compiten por la visualización y la prominencia en una o más imágenes sintetizadas 2D. Por tanto, tal como se da a conocer y se describe en el presente documento, se utiliza una cuadrícula de objetos 3D, es decir, como un componente de un algoritmo, para reducir los datos de alta dimensión (por ejemplo, datos de imágenes de tomosíntesis 3D) para dar datos de baja dimensión (por ejemplo, una imagen sintetizada 2D).

La figura 1 ilustra el flujo de datos en un sistema 100 de generación y visualización de imágenes a modo de ejemplo, que incorpora cada una de tecnología generación de imágenes sintetizadas, identificación de objetos y visualización.

Más particularmente, el sistema 100 de generación y visualización de imágenes incluye un sistema 101 de adquisición de imágenes que adquiere datos de imágenes de tomosíntesis para generar imágenes de Tp de las mamas de un paciente, usando los métodos de adquisición tridimensionales y/o de tomosíntesis respectivos de cualquiera de los sistemas disponibles actualmente. Si el sistema de adquisición es un sistema combinado de tomosíntesis/mamografía, también pueden generarse imágenes de Mp. Algunos sistemas de tomosíntesis dedicados o sistemas combinados de tomosíntesis/mamografía pueden adaptarse para aceptar y almacenar imágenes de mamografías preexistentes (indicadas mediante una línea discontinua y la leyenda “Mp<preexistente>” en la figura 1) en un dispositivo 102 de almacenamiento, que es preferiblemente un dispositivo de almacenamiento de Sistema de Comunicación y Archivo de Imágenes (PACS) compatible con DICOM. Después de la adquisición, las imágenes de proyección de tomosíntesis Tp también pueden transmitirse al dispositivo 102 de almacenamiento (tal como se muestra en la figura 1). El dispositivo 102 de almacenamiento puede almacenar además una biblioteca de objetos 3D conocidos que pueden usarse para identificar patrones de imágenes 3D significativos para el usuario final. En otras realizaciones, puede usarse un dispositivo de almacenamiento dedicado independiente (no mostrado) para almacenar la biblioteca de objetos 3D conocidos con los que identificar patrones u objetos de imágenes 3D.

Las imágenes de Tp se transmiten desde el sistema 101 de adquisición, o desde el dispositivo 102 de almacenamiento, o ambos, a un sistema informático configurado como un motor 103 de reconstrucción que reconstruye las imágenes de Tp en “cortes” de imagen reconstruida Tr, que representan cortes de mama de grosor seleccionado y en orientaciones seleccionadas, tal como se da a conocer en las patentes y solicitudes anteriores.

Están dispuestos filtros 107 de modo entre la adquisición de imágenes y la visualización de imágenes. Los filtros 107 puede incluir adicionalmente filtros personalizados para cada tipo de imagen (es decir, imágenes de Tp, Mp y Tr) dispuestos para identificar y resaltar determinados aspectos de los tipos de imagen respectivos. De esta manera, cada modo de obtención de imágenes puede ajustarse o configurarse de manera óptima para un fin específico. Por ejemplo, pueden aplicarse filtros programados para reconocer objetos en varios cortes de imagen 2D para detectar patrones de imágenes que pueden pertenecer a objetos de alta dimensión particulares. El ajuste o la configuración puede ser automática, basándose en el tipo de imagen, o puede definirse mediante entrada manual, por ejemplo, a través de una interfaz de usuario acoplada a una pantalla. En la realización ilustrada de la figura 1, los filtros 107 de modo se seleccionan para resaltar características particulares de las imágenes que mejor se visualizan en los modos de obtención de imágenes respectivos, por ejemplo, dirigidos a identificar objetos, resaltar masas o calcificaciones, identificar determinados patrones de imágenes que pueden construirse para dar un objeto 3D, o para crear imágenes sintetizadas 2D (descritas a continuación). Aunque la figura 1 ilustra sólo un filtro 107 de modo, debe apreciarse que puede usarse cualquier número de filtros de modo para identificar estructuras de interés en el tejido de mama.

El sistema 100 de generación y visualización de imágenes incluye además un sintetizador 104 de imágenes 2D que funciona sustancialmente en paralelo con el motor 103 de reconstrucción para generar imágenes sintetizadas 2D usando una combinación de una o más imágenes de Tp, Mp y/o Tr. El sintetizador 104 de imágenes 2D consume un conjunto de imágenes de entrada (por ejemplo, imágenes Mp, Tr y/o Tp), determina un conjunto de las características más relevantes de cada una de las imágenes de entrada y emite una o más imágenes 2D sintetizadas. La imagen 2D sintetizada representa una imagen sintetizada consolidada que condensa porciones significativas de varios cortes en una sola imagen. Esto proporciona al usuario final (por ejemplo, personal médico, radiólogo, etc.) los datos de imágenes clínicamente más relevantes de manera eficiente y reduce el tiempo dedicado a otras imágenes que pueden no tener datos significativos.

Un tipo de datos de imagen relevantes para resaltar en las imágenes 2D sintetizadas serían los objetos relevantes encontrados en una o más imágenes de Mp, Tr y/o Tp. En lugar de simplemente evaluar los patrones de imagen de interés en cada uno de los cortes de imagen 2D, puede ser útil determinar si alguno de los patrones de imagen 2D de interés pertenece a una estructura de alta dimensión más grande y, en caso afirmativo, combinar los patrones de la imagen 2D identificada para dar una estructura de dimensión superior. Este enfoque tiene varias ventajas, pero en particular, al identificar estructuras de alta dimensión en varios cortes/profundidades del tejido de mama, el usuario final puede estar mejor informado sobre la presencia de una estructura potencialmente significativa que puede no ser fácilmente visible en diversos cortes 2D de la mama.

Además, en lugar de identificar patrones de imagen similares en dos cortes 2D (que tal vez sean adyacentes entre sí) y determinar si se resaltan o no datos de imagen de uno o ambos cortes 2D, identificar ambos patrones de imagen como pertenecientes a la misma estructura de alta dimensión puede permitir que el sistema realice una evaluación más precisa relacionada con la naturaleza de la estructura y, en consecuencia, proporcione información significativamente más valiosa al usuario final. Además, al identificar la estructura de alta dimensión, la estructura puede representarse con mayor precisión en la imagen 2D sintetizada. Aún otra ventaja de identificar estructuras de alta dimensión dentro de los diversos cortes 2D capturados del tejido de mama se refiere a identificar un posible tamaño/extensión de la estructura de mayor dimensión identificada. Por ejemplo, una vez que se ha identificado una estructura, los patrones de imagen que antes no eran notables y que están algo próximos a la estructura de alta dimensión ahora pueden identificarse como pertenecientes a la misma estructura. Esto puede proporcionar al usuario final una indicación de que la estructura de alta dimensión está aumentando en tamaño/extensión.

Para este fin, el sintetizador 104 de imágenes 2D genera cuadrículas 120 de objetos de alta dimensión (por ejemplo, cuadrículas de objetos 3D) que comprenden una o más estructuras de alta dimensión (por ejemplo, objetos 3D) presentes en el tejido de mama del paciente. Pueden usarse varias técnicas para construir cuadrículas 120 de objetos 3D que identifiquen diversos objetos en el tejido de mama. Debe apreciarse que esta divulgación no se limita a objetos y/o estructuras 3D, y puede hacer referencia a estructuras incluso de dimensiones superiores, pero por motivos de simplicidad, la divulgación restante se referirá a objetos 3D poblados en una cuadrícula 120 de objetos 3D.

En una o más realizaciones, la cuadrícula 120 de objetos 3D tiene la forma de un espacio de coordenadas 3D (volumétrico) que representa la masa mamaria de un paciente e identifica una ubicación, una identidad, un tamaño, un alcance y/u otras características de cualquier estructura u objeto encontrado en la masa mamaria. Los ejemplos de tales estructuras u objetos incluyen calcificaciones, lesiones espiculadas, tumores benignos, masas irregulares, objetos densos, etc.

En una o más realizaciones, el usuario final (por ejemplo, un profesional médico tal como un radiólogo) puede acceder e interactuar con la cuadrícula 120 de objetos 3D. En otras realizaciones, la cuadrícula 120 de objetos 3D se usa únicamente por el procesador del sistema para construir imágenes 2D sintetizadas, y el usuario final puede no conocer o no tener acceso a la cuadrícula 120 de objetos 3D.

Según las realizaciones dadas a conocer, el sintetizador 104 de imágenes 2D también incluye un módulo 122 de reducción de datos configurado para reducir los datos de alta dimensión poblados en la cuadrícula 120 de objetos 3D a un formato de dimensión inferior adecuado para la representación en una imagen sintetizada 2D. El módulo 122 de reducción de datos evalúa los diversos objetos de la cuadrícula 120 de objetos 3D y determina qué objetos (o qué porciones de objetos) deben potenciarse o destacarse en una imagen sintetizada 2D final para presentarse visualmente al usuario final. Por ejemplo, un objeto clínicamente significativo y un objeto de tejido de mama de fondo de rutina pueden tener regiones de superposición, en cuyo caso el módulo 122 de reducción de datos está configurado preferiblemente para atenuar porciones del tejido de mama de fondo con el fin de resaltar el objeto clínicamente significativo. A continuación se describen detalles adicionales sobre diversas técnicas de reducción de datos que puede emplearse el módulo 122 de reducción de datos.

Las imágenes 2D sintetizadas pueden observarse en un sistema 105 de pantalla. El motor 103 de reconstrucción y el sintetizador 104 de imágenes 2D están conectados preferiblemente a un sistema 105 de pantalla a través de un enlace de transmisión rápida. El sistema 5 de pantalla puede formar parte de una estación de trabajo de adquisición convencional (por ejemplo, del sistema 101 de adquisición), o de una estación de revisión convencional (visualización múltiple) (no mostrada) que está físicamente alejada del sistema 101 de adquisición. En algunas realizaciones, puede usarse una pantalla conectada a través de una red de comunicación, por ejemplo, una pantalla de un ordenador personal o de una denominada tableta, teléfono inteligente u otro dispositivo portátil. En cualquier caso, la pantalla 105 del sistema puede visualizar preferiblemente imágenes de Ms, Mp, Tr y/o Tp respectivas simultáneamente, por ejemplo, en monitores independientes uno al lado del otro de una estación de trabajo de revisión, aunque la invención también puede implementarse con un solo monitor de visualización, alternando entre imágenes.

Por tanto, el sistema 100 de generación y visualización de imágenes, que se describe con fines de ilustración y no de limitación, puede recibir y visualizar selectivamente imágenes de proyección de tomosíntesis Tp, imágenes de reconstrucción de tomosíntesis Tr, imágenes de mamografía sintetizadas Ms y/o imágenes de mamografía Mp (incluyendo mamografía de contraste), o cualquiera o una subcombinación de estos tipos de imágenes. El sistema 100 emplea software para convertir (es decir, reconstruir) imágenes de tomosíntesis Tp en imágenes Tr, software para sintetizar imágenes de mamografía Ms y software para descomponer objetos 3D, software para crear mapas de características y mapas de objetos. Un objeto de interés o característica en una imagen fuente puede considerarse la característica “más relevante” para su inclusión en una imagen sintetizada 2D basándose en la aplicación de los mapas de objetos junto con uno o más algoritmos y/o heurística, en los que los algoritmos asignan valores numéricos, ponderaciones o umbrales, a píxeles o regiones de las imágenes fuente respectivas basándose en características de interés y objetos identificados/detectados dentro de la región respectiva o entre las características. Los objetos y las características de interés pueden incluir, por ejemplo, lesiones espiculadas, calcificaciones y similares.

La figura 2 ilustra el sintetizador 104 de imágenes 2D con más detalle. Tal como se analizó anteriormente, diversos cortes 118 de imagen de un conjunto de datos de tomosíntesis (o “pila”) 202 (por ejemplo, imágenes de Mp, Tr y/o Tp filtradas y/o sin filtrar del tejido de mama de un paciente) se introducen en el sintetizador 104 de imágenes 2D, y luego se procesan para determinar porciones de las imágenes para resaltar en una imagen 2D sintetizada que se visualizará en la pantalla 105. Los cortes 218 de imagen pueden ser secciones transversales capturadas consecutivamente del tejido de mama de un paciente. O bien, los cortes 218 de imagen pueden ser imágenes en sección transversal del tejido de mama del paciente capturadas a intervalos conocidos. La pila 202 de imágenes de tomosíntesis que comprende los cortes 218 de imagen puede enviarse al sintetizador 104 de imágenes 2D, que evalúa cada una de las imágenes fuente con el fin de (1) identificar diversos tipos de objetos (Tr) para su posible inclusión en una o más imágenes 2D sintetizadas y/o (2) identificar regiones de píxel respectivas en las imágenes que contienen los objetos identificados.

Tal como se muestra en la realización ilustrada, la pila 202 de tomosíntesis comprende una pluralidad de imágenes 218 tomadas en diversas profundidades/secciones transversales del tejido de mama del paciente. Algunas de las imágenes 218 en la pila 202 de tomosíntesis comprenden patrones de imágenes 2D. Por tanto, la pila 202 de tomosíntesis comprende un gran número de imágenes de entrada que contienen diversos patrones de imágenes dentro de las imágenes de la pila.

Por ejemplo, aunque la pila 202 de tomosíntesis puede comprender cien imágenes 218 capturadas a diversas profundidades/secciones transversales del tejido de mama del paciente, sólo algunas de las imágenes 218 pueden incluir información de importancia. Además, cabe señalar que la pila 202 de tomosíntesis contiene patrones de imágenes 2D cuando se observan en diferentes ubicaciones de dimensión z (profundidad) de las mismas ubicaciones x, y en los cortes 218 de imagen, pero puede ser difícil determinar las estructuras 3D basándose únicamente en las diversas imágenes individuales, cada una de las cuales representa una imagen de sección transversal finita del tejido de mama. Sin embargo, la pila 202 de tomosíntesis puede utilizarse eficazmente para crear la cuadrícula 120 de objetos 3D. En cualquier caso, para los fines de esta memoria descriptiva de patente, se supone que la cuadrícula 120 de objetos 3D se construye mediante cualquier medio, incluyendo, pero sin limitarse a, su creación a partir de la pila 202 de tomosíntesis.

La cuadrícula 120 de objetos 3D puede considerarse un espacio de coordenadas volumétrico 3D que representa la masa mamaria de un paciente. En lugar de representar patrones de imágenes 2D en diversos cortes de imagen, la cuadrícula 120 de objetos 3D representa preferiblemente cualquier objeto 3D identificado en toda la masa (o una porción de la misma) que representa el tejido de mama del paciente. La cuadrícula 120 de objetos 3D proporciona detalles más completos con respecto a varios diversos en la masa mamaria en comparación con la pila 202 de tomosíntesis. Por ejemplo, la cuadrícula 120 de objetos 3D puede usar técnicas de simulación para inferir una forma del objeto 3D, incluso aunque no se haya reconstruido necesariamente un corte de imagen en cada profundidad de sección transversal que cubre el objeto 3D respectivo.

La cuadrícula 120 de objetos 3D puede comprender uno o más objetos, tal como se muestra en la realización ilustrada. Debe apreciarse que estos objetos pueden ser objetos predefinidos para los que se ha entrenado el sistema para que los identifique. Sin embargo, incluso en tejido de mama sano que no comprende necesariamente objetos o estructuras anómalos, los módulos de reconocimiento/potenciación de objetos objetivo pueden identificar un objeto de fondo de la mama. Por ejemplo, todas las estructuras de tejido lineal y de tejido denso de la mama pueden visualizarse como el objeto de fondo de la mama. En otras realizaciones, los objetos “saludables”, tales como formas esféricas, formas ovaladas, etc., pueden identificarse simplemente a través de uno o más módulos 210 de reconocimiento/potenciación de objetos objetivo. Estos objetos 3D identificados pueden visualizarse entonces en la imagen 206 sintetizada 2D; naturalmente, de todos los objetos 2D identificados, pueden priorizarse y/o potenciarse los objetos clínicamente más significativos cuando se visualiza el objeto respectivo en la imagen sintetizada 2D, tal como se analizará con más detalle a continuación.

En una o más realizaciones, el sintetizador 104 2D utiliza la pila 202 de imágenes de tomosíntesis junto con la cuadrícula 120 de objetos 3D creada para fusionar las características relevantes en una o más imágenes 206 sintetizadas 2D. Tal como se muestra en la imagen sintetizada 2D, los objetos 3D identificados en la cuadrícula 120 de objetos 3D están agrupados en un formato 2D, pero proporcionan más detalles cuando se comparan con los cortes de imagen individuales de la pila 202 de imágenes de tomosíntesis. Además, aunque varios objetos, tal como se muestra en la pila 202 de imágenes de tomosíntesis, se superponen en la dirección z, identificarlos como objetos 3D independientes permite que el sistema represente ambos objetos de forma clara y eficiente. La simple utilización de técnicas de reconocimiento de imágenes preexistentes en la pila 202 de imágenes de tomosíntesis puede proporcionar o no necesariamente una imagen 2D sintetizada tan precisa 206. Para explicarlo, si hay superposición en la dirección z de dos estructuras, las dos estructuras compiten esencialmente entre sí para su visualización en la imagen 206 sintetizada 2D. Por tanto, pueden verse comprometidos aspectos importantes de ambas estructuras. O bien, puede resaltarse sólo una de las dos estructuras en la imagen 206 sintetizada 2D. O bien, en otro escenario más, la imagen sintetizada 2D puede representar ambas estructuras como una estructura amorfa, de manera que una estructura importante resulte completamente indetectable para el usuario final.

Se apreciará que identificar objetos 3D como objetos independientes con tipos predefinidos en la cuadrícula 120 de objetos 3D permite que el sistema represente las estructuras con mayor precisión en la imagen 206 sintetizada 2D, y permite representar diversos objetos simultáneamente, incluso si hay una superposición de diversos objetos en el espacio de coordenadas. Por tanto, utilizar la cuadrícula 120 de objetos 3D tiene muchas ventajas para producir una imagen 206 sintetizada 2D más precisa y visualmente efectiva.

Los datos de la pila 202 de tomosíntesis y la cuadrícula 120 de objetos 3D se procesan por uno o más módulos para producir la imagen 206 sintetizada 2D. Más particularmente, un módulo 210 de combinación de objetos está configurado para identificar los diversos objetos de la cuadrícula 120 de objetos 3D y determinar el método más óptimo para agrupar todos los objetos en un plano/formato 2D. Por ejemplo, el módulo 210 de combinación de objetos puede determinar las coordenadas x e y para la pluralidad de objetos y determinar si hay superposiciones entre los múltiples objetos que se visualizarán en la imagen 206 sintetizada 2D. En algunas realizaciones, el módulo 210 de combinación de objetos puede configurarse adicionalmente para determinar cuál de los objetos identificados debe visualizarse en la imagen 206 sintetizada 2D. Esto puede lograrse a través de una base 216 de datos de entrenamiento (o de tipo “biblioteca de aprendizaje”) que almacena una identidad de diversos objetos y pesos asociados de los respectivos objetos. La base de datos de entrenamiento adquiere más conocimientos con el procesamiento de cada nuevo dato evidente de imagen de mama, a medida que el sistema deriva modelos de objetos 3D y (posteriormente) mecanismos de detección de esta base de datos, que crecerá hasta incluir diversas muestras de los mismos tipos de objetos.

Una vez detectados los objetos 3D, la siguiente etapa es utilizar este mismo conocimiento para sintetizar la imagen 2D. Dado que puede haber muchos tipos (o categorías) diferentes de objetos 3D, el mecanismo de ponderación ayuda a combinar los objetos en el proceso de síntesis/reducción de datos. Por ejemplo, un objeto esférico denso puede pesar más que una calcificación (ponderado 0,95 y 0,6 respectivamente en la realización ilustrada), de manera que el objeto esférico denso puede potenciarse en mayor grado en comparación con una calcificación. Si el peso de un objeto es cercano a cero, el módulo 210 de combinación de objetos puede determinar que no es necesario visualizar el objeto en absoluto, en algunas realizaciones.

En una o más realizaciones, puede configurarse un módulo 212 de síntesis de detalles de imagen para determinar qué objetos 3D o qué áreas dentro de un objeto 3D deben destacarse en la imagen 206 sintetizada 2D. Por ejemplo, si hay una superposición entre dos objetos, el módulo 212 de síntesis de detalles de imagen puede destacar porciones de ambos objetos y atenuar otras porciones de ambos objetos, de manera que ambos objetos sean claramente visibles en la imagen sintetizada 2D. Al manipular aspectos de ambos objetos, el usuario final puede identificar ambos objetos claramente. Debe apreciarse que sin esta manipulación, ambos objetos pueden superponerse simplemente uno encima del otro, de manera que un objeto simplemente puede quedar enmascarado y el usuario final lo pasa por alto.

Por ejemplo, la cuadrícula 120 de objetos 3D puede incluir un área de calcificación y una lesión espiculada que se superponen en la dirección z. Sin ninguna síntesis de imagen especialmente diseñada, se visualizarían uno encima del otro un formato 2D agrupado de la lesión espiculada y un formato 2D agrupado de la calcificación. Suponiendo que la masa espiculada es más grande, la masa espiculada puede envolver completamente la calcificación de manera que no sea visible para el usuario final. En cambio, el módulo 212 de síntesis de detalles de imagen puede destacar el contorno de la porción central de la masa espiculada, al tiempo que atenúa la porción media de la masa espiculada de manera que el área de calcificación sea visible. Esta manipulación de imágenes permite al usuario final una imagen más clara de objetos significativos en la imagen 206 sintetizada 2D. La figura 3, descrita a continuación, ilustra esta característica del sistema con mayor detalle.

En algunas realizaciones, el módulo 212 de síntesis de detalles de imagen puede comprender varios algoritmos y/o heurística que se programan con reglas para determinar qué partes de un objeto destacar/atenuar basándose en la base 216 de datos de objetos. Por ejemplo, cada objeto en la base 216 de datos puede corresponder a metadatos que definen las características más prominentes y menos prominentes del objeto respectivo. Estos metadatos pueden usarse por los diversos algoritmos para determinar qué objetos y/o qué partes de objetos destacar en las imágenes 206 sintetizadas 2D. A modo de otro ejemplo, puede calcularse una diferencia de peso entre dos objetos superpuestos para determinar si ambos objetos deben visualizarse. Si la diferencia de peso es menor que un valor umbral predeterminado, pueden visualizarse ambos objetos, pero el peso asignado puede usarse para determinar cuál de los dos objetos destacar sobre el otro. Sin embargo, si la diferencia de peso es mayor que el valor umbral predeterminado, sólo podrá visualizarse el objeto correspondiente al peso mayor. Por ejemplo, si una masa esférica densa y un área de calcificación compiten por la visualización (diferencia de peso de 0,35 según la realización ilustrada) y el valor umbral se establece en 0,4, ambos objetos pueden visualizarse, pero la masa espiculada (o partes de la masa espiculada) puede resaltarse en relación con el área de calcificación. Sin embargo, si la masa espiculada y una masa semiesférica benigna se superponen (diferencia de peso de 0,65 según la realización ilustrada), sólo puede mostrarse la masa esférica densa. Pueden definirse otras reglas para permitir que el sistema modifique los objetos o porciones de los mismos.

Tal como se señaló anteriormente (y en la figura 1), el sintetizador 104 de imágenes 2D incluye además un motor 122 de reducción de datos configurado para recibir la entrada de datos desde el módulo 212 de síntesis de detalles de imagen respectivo y el módulo 210 de combinación de objetos, y para reducir cualquier objeto 3D identificado en el mismo en un formato 2D de bajo nivel que puede insertarse en la imagen 206 sintetizada 2D. En particular, y tal como se describe con mayor detalle en el presente documento, el motor 122 de reducción de datos reduce con precisión el objeto de alta dimensión identificado de la cuadrícula 120 de objetos 3D a un formato 2D basándose en la entrada recibida desde el módulo 212 de síntesis de detalles de imagen, la base 216 de datos y el módulo 210 de combinación de objetos.

La figura 3 representa un ejemplo de cómo puede utilizarse la cuadrícula de objetos 3D para generar las imágenes sintetizadas 2D. En la realización ilustrada, la cuadrícula 304 de objetos 3D incluye al menos dos objetos 3D: una masa 310 espiculada y un área 312 de calcificación. Cuando se consulta una base de datos, el módulo de combinación de objetos puede determinar que ambos objetos son importantes para visualizar en la imagen sintetizada 2D, siendo la masa 310 espiculada más significativa que la calcificación. Sin embargo, dado que ambos objetos 310 y 312 3D se superponen en la dirección z, es posible que tengan que manipularse las imágenes de manera que ambos objetos todavía se visualicen de manera óptima en la imagen sintetizada 2D. En particular, la imagen 306 sintetizada 2D visualiza una imagen sintetizada que no usa ninguna técnica de manipulación de imágenes descrita en esta divulgación. Tal como se muestra en la imagen 306 sintetizada 2D, ambos objetos 310 y 312 3D compiten por visualizarse, y ninguno de los objetos se visualiza muy claramente. Más específicamente, la calcificación 312 es apenas visible en la imagen 306 sintetizada 2D.

Por el contrario, con referencia a la imagen 308 sintetizada 2D, las técnicas descritas con respecto a la figura 2 se utilizan para determinar qué partes del objeto 3D respectivo deben destacarse y atenuarse de manera que ambos objetos sean claramente discernibles en la imagen sintetizada 2D. Más particularmente, aunque la masa 310 espiculada es más significativa que la calcificación 312, la porción central de la masa 310 espiculada está ligeramente atenuada de manera que el área de calcificación es claramente visible. De manera similar, puede determinarse que las líneas lineales que irradian desde la porción central deben destacarse de manera que el usuario final comprenda el tamaño o alcance de la masa espiculada. En vista de la imagen modificada correspondiente a la masa 310 espiculada, la calcificación 312 es ahora visible, aunque ambos objetos se superpongan. Por tanto, tal como se muestra en la figura 3, la imagen 308 sintetizada 2D proporciona más detalles sobre los objetos 310 y 3123D en comparación con la imagen 306 sintetizada 2D.

Las figuras 4A-4D representan realizaciones a modo de ejemplo de la visualización de diversos objetos de la cuadrícula de objetos 3D, preservando al mismo tiempo información clínicamente significativa. En particular, la agrupación de un objeto 3D en la imagen sintetizada 2D puede lograrse mediante el módulo de combinación de objetos, el módulo de síntesis de imágenes y el módulo de reducción de datos respectivos que funcionan conjuntamente para visualizar tanta información clínicamente significativa como sea posible.

La figura 4A muestra una realización de ejemplo de una combinación intra-objetos. La combinación intra-objetos puede referirse a técnicas usadas para representar un único objeto (que se captura en múltiples cortes 404 de imagen de Tr) en la imagen sintetizada 2D. Más particularmente, un objeto 3D identificado puede aparecer en muchos cortes de imagen de Tr consecutivos como 408a, 408b y 408c. En teoría, estos patrones de imágenes compiten entre sí por la representación en la imagen sintetizada 2D. Por tanto, una combinación intra-objetos requiere reconocer que todos los cortes de imagen pertenecen al mismo objeto 3D y mostrar sólo la información relevante perteneciente al objeto 3D en la imagen 406 sintetizada 2D. En particular, tal como se muestra en la figura 4A, el sistema puede determinar que todos los patrones 408a, 408b y 408c de imagen de la pila 404 de Tr pertenecen al mismo objeto 3D, y pueden agruparse de manera que aparezcan como un objeto 410 en la imagen 406 sintetizada 2D. En una o más realizaciones, pueden usarse técnicas tales como promediación, MIP (proyección de intensidad máxima), filtrado, etc. para la combinación intra-objetos. Las técnicas de combinación intra-objetos tienen como objetivo preservar la estructura del objeto 3D sin perder información valiosa de ninguno de los cortes de imagen, al tiempo que minimizan la información competitiva de múltiples cortes de imagen que no proporcionan información valiosa y/o confunden visualmente al usuario final.

La figura 4B ilustra una realización de ejemplo de una combinación de objeto frente a fondo. La combinación de objeto frente a fondo puede ser importante para crear una imagen sintetizada 2D de aspecto natural. El objetivo de esta técnica es mantener información útil de los objetos junto con información de fondo significativa y representativa del tejido de mama. En la realización ilustrada, la pila 414 de Tr comprende dos cortes de imagen de Tr. El primer corte de imagen comprende un patrón 412 de imagen de fondo. El segundo corte de imagen comprende un objeto o una porción de un objeto 411. Al agrupar la información de la pila 414 de Tr en la imagen 416 sintetizada 2D, se destacan algunos aspectos de ambos cortes de imagen mientras que otros aspectos se atenúan. Por ejemplo, en la imagen 416 sintetizada 2D, el objeto 411 se conserva y el fondo 412 también se representa, pero la porción media del fondo 412 se atenúa.

La figura 4C ilustra una realización de ejemplo de la combinación inter-objetos sin superposición. En la realización ilustrada, la pila 424 de Tr comprende dos cortes de imagen de Tr. Un corte de imagen de Tr comprende el objeto 422, y el otro corte de imagen de Tr comprende el objeto 421. Tal como se muestra en la realización ilustrada, estos objetos no se superponen en la dirección z. Por tanto, cuando se agrupan ambos objetos sobre la imagen 426 sintetizada 2D, ambos objetos 421 y 422 se representan claramente en sus respectivas ubicaciones x-y.

La figura 4D ilustra una realización de ejemplo de la combinación inter-objetos con superposición. Esta técnica puede realizarse cuando dos o más objetos se superponen en cierto grado. Los dos objetos pueden ser del mismo tipo o de tipos diferentes. En caso de superposición de objetos, puede usarse un enfoque jerárquico para determinar a qué objeto se le debe dar prioridad sobre el otro. Por ejemplo, si se asigna un peso mayor a un primer objeto, el primer objeto puede destacarse en el objeto sintetizado 2D, mientras que el segundo objeto (o porciones del segundo objeto) pueden atenuarse. O bien, si ambos objetos son igualmente, o casi igualmente importantes, ambos objetos pueden representarse por igual incluso si se superponen (y porciones de ambos objetos pueden destacarse o atenuarse de manera que ambos objetos queden claros en la imagen 2D sintetizada).

En la realización ilustrada, la pila 434 de imágenes de Tr comprende dos cortes de imagen de Tr. Un corte de imagen de Tr comprende el objeto 432, y el otro corte de imagen de Tr comprende el objeto 431. Tal como se muestra en la realización ilustrada, estos objetos se superponen en la dirección z. Por tanto, cuando se agrupan los objetos sobre la imagen 436 sintetizada 2D, ambos objetos 431 y 432 se representan, pero se muestran superpuestos. Dependiendo de los pesos asignados a ambos objetos, es posible que un objeto se resalte mientras que el otro se atenúe. En la realización ilustrada, ambos objetos están representados de forma un tanto igual, aunque está claro que representan dos objetos independientes. En otras realizaciones (no mostradas), si al objeto 431 se le asigna un peso/prioridad mayor, el objeto 431 puede destacarse en primer plano, mientras que el objeto 432 puede relegarse al fondo. De manera similar, pueden utilizarse otras técnicas de combinación para representar de manera óptima información clínicamente significativa para el usuario final.

La figura 5 representa una realización a modo de ejemplo de la agrupación de información de una pluralidad de imágenes de Tr en una imagen sintetizada 2D. En particular, puede usarse una pila 504 de imágenes de Tr para crear una cuadrícula de objetos 3D similar a la cuadrícula 3D mostrada en la figura 2. La pila 504 de Tr ilustra cuatro objetos distintos que incluyen dos áreas 510 y 512 de calcificación, una masa 514 espiculada y una masa 516 esférica. Tal como se analizó en detalle anteriormente, identificar estos cuatro objetos como objetos independientes y distintos permite que el sistema represente con precisión los objetos como un todo en la imagen 506 sintetizada 2D. En la realización ilustrada, la masa 514 espiculada se muestra de manera más prominente, mientras que las calcificaciones y la masa 516 esférica no están tan destacadas. Esto permite al usuario final identificar fácilmente la parte clínicamente más significativa de la imagen sintetizada 2D sin verse abrumado por objetos que son menos significativos.

La figura 6 es un diagrama 600 de flujo proporcionado para ilustrar etapas a modo de ejemplo que pueden realizarse en un proceso de fusión de imágenes llevado a cabo según una realización de las invenciones dadas a conocer. En la etapa 602, se adquiere un conjunto de datos de imagen. El conjunto de datos de imagen puede adquirirse mediante un sistema de adquisición de tomosíntesis, un sistema de combinación de tomosíntesis/mamografía o recuperando datos de imagen preexistentes de un dispositivo de almacenamiento, ubicado ya sea local o remotamente en relación con un dispositivo de visualización de imágenes. En la etapa 604, puede construirse una cuadrícula de objetos 3D identificando diversos objetos que están presentes en un espacio de coordenadas 3D representativo del tejido de mama de un paciente. En la etapa 606, se reconocen los objetos de la cuadrícula de objetos 3D y se determina un peso/prioridad relativa de cada uno de los objetos. Tal como se analizó anteriormente, en algunas realizaciones, pueden visualizarse todos los objetos de la cuadrícula de objetos 3D, destacándose algunos objetos más que otros. En otras realizaciones, sólo puede visualizarse un subconjunto de los objetos reconocidos, mientras que se omiten los objetos menos significativos.

Por ejemplo, puede determinarse que un objeto es mucho más significativo desde el punto de vista clínico en comparación con otro. O bien, puede determinarse que dos objetos superpuestos son igualmente significativos. En este caso, pueden utilizarse algoritmos destinados a representar visualmente ambos objetos de manera óptima, en lugar de resaltar un objeto sobre otro. En la etapa 608, basándose en el peso/la prioridad relativa de los objetos, los objetos 3D pueden reducirse a un formato 2D para crear la imagen sintetizada 2D. Este proceso de reducción puede resaltar un objeto sobre otro, en algunas realizaciones. En otra realización, el proceso de reducción puede resaltar un contorno de un objeto mientras se atenúa el interior del objeto.

Aún en otra realización, el proceso de reducción puede destacar una o más características que se consideran significativas, mientras atenúa aspectos menos significativos del mismo objeto. Por ejemplo, en el caso de una lesión espiculada, puede ser importante visualizar las líneas de riego sanguíneo que emanan del centro de la masa espiculada, pero el centro de la masa espiculada, incluso si es denso, puede visualizarse menos destacado. Puede usarse cualquier número de tales técnicas de potenciación en el proceso de reducción de datos. En la etapa 610, la imagen 2D sintetizada se muestra al usuario final.

La invención se define en las siguientes reivindicaciones.

Claims (15)

1. REIVINDICACIONES

   i. Método para procesar datos de imagen de tejido de mama, que comprende:

   procesar datos de imagen del tejido de mama de un paciente para generar (604) una cuadrícula (120) de alta dimensión que representa uno o más objetos de alta dimensión en el tejido de mama del paciente; determinar (606) una confianza o probabilidad de cada uno de los uno o más objetos de alta dimensión representados en la cuadrícula (120) de alta dimensión, en el que la probabilidad o confianza de cada uno de los uno o más objetos de alta dimensión en la cuadrícula (120) de alta dimensión se determina basándose al menos en parte en un peso asignado a cada uno de los uno o más objetos de alta dimensión, y en el que el peso asignado al uno o más objetos de tejido de mama de alta dimensión se basa en un tipo de objeto; y

   generar (608) una versión en formato de dimensión inferior del uno o más objetos de alta dimensión.
2. 2. Método según la reivindicación 1, en el que procesar los datos de imagen del tejido de mama del paciente incluye generar un conjunto de cortes de imagen que representan colectivamente el tejido de mama del paciente, en el que la cuadrícula (120) de alta dimensión se genera basándose al menos en parte en el conjunto de cortes de imagen; o

   en el que los datos de alta dimensión comprenden una dimensión igual o superior a datos tridimensionales; o

   en el que los datos de alta dimensión comprenden datos de corte de reconstrucción de tomosíntesis tridimensional, y la versión en formato de dimensión inferior comprende datos de imagen sintetizados bidimensionales.
3. 3. Método según la reivindicación 1 ó 2, en el que generar la versión en formato de dimensión inferior del uno o más objetos de alta dimensión incluye modificar uno o más aspectos de al menos uno del uno o más objetos de alta dimensión basándose al menos en parte en su confianza y probabilidad determinada respectiva.
4. 4. Método según cualquiera de las reivindicaciones 1-3, en el que la versión en formato de dimensión inferior del uno o más objetos de alta dimensión se basa al menos en parte en una combinación intra-objetos; o en el que la versión en formato de dimensión inferior del uno o más objetos de alta dimensión se basa al menos en parte en una combinación inter-objetos; o

   en el que la versión en formato de dimensión inferior del uno o más objetos de alta dimensión se basa al menos en parte en la combinación de un objeto con un fondo.
5. 5. Método según cualquiera de las reivindicaciones 1-4, que comprende además visualizar (610) la versión en formato de dimensión inferior del uno o más objetos de alta dimensión en una imagen bidimensional sintetizada del tejido de mama del paciente.
6. 6. Método según cualquiera de las reivindicaciones 1-5, en el que la cuadrícula de objetos de alta dimensión (120) comprende uno o más objetos que representan estructuras de tejido de mama normales y/o anómalas.
7. 7. Método según cualquiera de las reivindicaciones 1-6, en el que el uno o más objetos comprenden una pluralidad de objetos que representan colectivamente una estructura de tejido parenquimatoso de mama completa; o en el que cada uno del uno o más objetos está asociado con un conjunto de atributos respectivo, representando cada atributo una característica de la estructura de tejido de mama representada por el objeto respectivo; o

   en el que el uno o más objetos incluyen uno o más objetos correspondientes a un primer tipo de objeto, y uno o más objetos correspondientes a un segundo tipo de objeto.
8. 8. Método según cualquiera de las reivindicaciones 1-7, en el que el conjunto de atributos representan colectivamente uno o más de una ubicación, un tamaño, una forma y una morfología de la estructura de tejido de mama respectiva representada por el objeto.
9. 9. Método según cualquiera de las reivindicaciones 1-8, en el que el primer tipo de objeto corresponde a lesiones de mama anómalas que incluyen microcalcificaciones y masas, y el segundo tipo de objeto corresponde a estructuras de mama normales que incluyen pezones, músculos pectorales y tejidos parenquimatosos de mama.
10. 10. Método según cualquiera de las reivindicaciones 1-9, que comprende además usar un método de reconocimiento de patrón para cada uno de los tipos de objeto primero y segundo para determinar si uno o ambos tipos de objeto están presentes en los datos de imagen que representan el tejido de mama del paciente.
11. 11. Método según la reivindicación 10, en el que el método de reconocimiento de patrón utiliza uno o más algoritmos de aprendizaje de máquina.
12. 12. Método según cualquiera de las reivindicaciones 1-11, en el que un peso asignado a objetos del primer tipo de objeto es mayor que un peso asignado a objetos del segundo tipo de objeto, y en el que el método comprende preferiblemente además determinar si es probable que el uno o más objetos de alta dimensión se superpongan en la imagen sintetizada visualizada.
13. 13. Método según cualquiera de las reivindicaciones 1-12, en el que generar la versión en formato de dimensión inferior del uno o más objetos de alta dimensión respectivos incluye modificar para destacar de ese modo objetos correspondientes al primer tipo de objeto con respecto a los objetos correspondientes al segundo tipo de objeto, y en el que el método comprende preferiblemente además determinar si es probable que el uno o más objetos de alta dimensión se superpongan en la imagen sintetizada visualizada.
14. 14. Método según cualquiera de las reivindicaciones 13, que comprende además, si se determina que es probable que el uno o más objetos de alta dimensión se superpongan en la imagen sintetizada, modificar características de los objetos de alta dimensión superpuestos de manera que se visualicen una o más de las características más significativas clínicamente de los objetos de alta dimensión superpuestos; o , si se determina que es probable que el uno o más objetos de alta dimensión se superpongan en la imagen sintetizada, visualizar sólo el objeto de alta dimensión al que se le ha asignado el mayor peso.
15. 15. Método según cualquiera de las reivindicaciones 1-14, que comprende además, si se determina que es probable el uno o más objetos de alta dimensión se superpongan:

    determinar una diferencia en el peso asignado de cada uno de los uno o más objetos de alta dimensión que es probable que se superpongan, y

    si la diferencia determinada es menor que un valor umbral, visualizar el uno o más objetos de alta dimensión que es probable que se superpongan, en el que la modificación de las características del uno o más objetos de alta dimensión está relacionada con destacar al menos una porción del objeto de alta dimensión a la que se asigna el peso más alto en relación con el objeto de alta dimensión al que se asigna el peso más bajo.