CN115578285B - 一种乳腺钼靶图像细节增强方法及系统 - Google Patents
一种乳腺钼靶图像细节增强方法及系统 Download PDFInfo
- Publication number
- CN115578285B CN115578285B CN202211320792.1A CN202211320792A CN115578285B CN 115578285 B CN115578285 B CN 115578285B CN 202211320792 A CN202211320792 A CN 202211320792A CN 115578285 B CN115578285 B CN 115578285B
- Authority
- CN
- China
- Prior art keywords
- target image
- molybdenum target
- breast
- gaussian filtering
- mammary gland
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 title claims abstract description 150
- 229910052750 molybdenum Inorganic materials 0.000 title claims abstract description 150
- 239000011733 molybdenum Substances 0.000 title claims abstract description 150
- 210000005075 mammary gland Anatomy 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 25
- 210000000481 breast Anatomy 0.000 claims abstract description 129
- 238000001914 filtration Methods 0.000 claims abstract description 76
- 230000002708 enhancing effect Effects 0.000 claims abstract description 4
- 238000000280 densification Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 abstract 1
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000004907 gland Anatomy 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 206010006272 Breast mass Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010013954 Dysphoria Diseases 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000008195 breast development Effects 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种乳腺钼靶图像细节增强方法及系统,包括计算乳腺钼靶图像中的乳腺致密程度,根据致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,采用高斯滤波的核心分别对所述乳腺钼靶图像进行高斯滤波,得到K个高斯滤波后的图像;计算相邻高斯滤波后的图像的差;根据集合中元素的值确定与元素对应的权重,基于权重、元素、乳腺钼靶图像得到细节增强后的乳腺钼靶图像,并将结果输出。本发明针对不同的致密度得到不同的细节提取强度,并根据计算得到的权重,得到最后增强后的乳腺钼靶图像,极大地方便了医护人员对乳腺钼靶图像细节的查看。
Description
技术领域
本发明涉及医学图像处理领域,尤其涉及乳腺图像消躁方法及系统。
背景技术
乳腺的健康事关女性的幸福,乳腺检查也是现代女性体检的重要项目,对于乳腺癌的早期诊断具有重要意义。在平常女性可以采用自我检查的方式检查乳腺情况,当发现异常时,进一步采用B超、钼靶X光、核磁共振(MRI)等方式进一步确定是否有病症。由于钼靶X光具有简单易操作、费用低等特点,是应用最广的乳腺检查方式。通过乳腺钼靶图像可以观察到钙化情况以及占位性病变,然而女性的乳腺腺体情况各不同,有些比较致密,尤其是年轻女性,这将影响观察,这也是不推荐年轻女性进行乳腺钼靶检查的原因。对于40岁以上的女性,钼靶检查是乳腺检查的首选,在观察乳腺钼靶图像时,由于病变部分和乳腺腺体的颜色类似,而且结节一般都比较小,结节、肿块周围的毛刺等细节并不容易观察,如何增强乳腺钼靶图像的细节是提高可阅读性的关键。
发明内容
乳腺钼靶图像的细节对于乳腺结节的判断至关重要,而且对于肿块边缘的毛刺也很重要,为了便于医护人员对乳腺钼靶图像的观察,本发明提供了一种乳腺钼靶图像细节增强方法,所述方法包括以下步骤:
步骤1,获取乳腺钼靶图像,所述图像的大小为M×N,计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,采用高斯滤波的核心分别对所述乳腺钼靶图像进行高斯滤波,得到K个高斯滤波后的图像;其中,第k次高斯滤波的核心为(2k+1,2k+1),1≤k≤K;
步骤2,将rn作为集合的第n个元素,所述rn为第n-1次高斯滤波得到的图像与第n次高斯滤波得到的图像的差,若n=1,则r1为所述乳腺钼靶图像与第1次高斯滤波得到的图像的差;其中,每个元素包含M×N个值;
步骤3,根据所述集合中元素的值确定与所述元素对应的权重,基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,并将结果输出。
优选地,所述计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,具体为:
预先建立范围与次数的对应关系;
调用Laplacian算子计算所述乳腺钼靶图像中乳腺致密程度,判断所述致密程度落入的范围,根据落入的范围确定对所述乳腺钼靶图像进行高斯滤波的核心个数K。
优选地,所述根据所述集合中元素的值确定与所述元素对应的权重,具体为:
优选地,所述基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,具体为:
根据公式得到中间结果:result=(1-0.5sgn(r1))r1ω1+r2ω2+…+rK-1ωK-1+src,其中src是待增强的乳腺钼靶图像,sgn()为符号函数;
将中间结果归一化到0-255得到细节增强后的乳腺钼靶图像。
优选地,在步骤3之后,还包括步骤4;
步骤4,在显示界面左右两侧同时显示细节增强前的乳腺钼靶图像和细节增强后的乳腺钼靶图像,当在其中任一部分进行操作时,在另外一部分进行同样的操作。
另外,本发明还提供了一种乳腺钼靶图像细节增强系统,所述系统包括以下模块:
滤波模块,用于获取乳腺钼靶图像,所述图像的大小为M×N,计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,采用高斯滤波的核心分别对所述乳腺钼靶图像进行高斯滤波,得到K个高斯滤波后的图像;其中,第k次高斯滤波的核心为(2k+1,2k+1),1≤k≤K;
细节获取模块,用于将rn作为集合的第n个元素,所述rn为第n-1次高斯滤波得到的图像与第n次高斯滤波得到的图像的差,若n=1,则r1为所述乳腺钼靶图像与第1次高斯滤波得到的图像的差;其中,每个元素包含M×N个值;
细节增强模块,用于根据所述集合中元素的值确定与所述元素对应的权重,基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,并将结果输出。
优选地,所述计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,具体为:
预先建立范围与次数的对应关系;
调用Laplacian算子计算所述乳腺钼靶图像中乳腺致密程度,判断所述致密程度落入的范围,根据落入的范围确定对所述乳腺钼靶图像进行高斯滤波的核心个数K。
优选地,所述根据所述集合中元素的值确定与所述元素对应的权重,具体为:
优选地,所述基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,具体为:
根据公式得到中间结果:result=(1-0.5sgn(r1))r1ω1+r2ω2+…+rK-1ωK-1+src,其中src是待增强的乳腺钼靶图像,sgn()为符号函数;
将中间结果归一化到0-255得到细节增强后的乳腺钼靶图像。
优选地,所述系统包括显示控制模块;
所述显示控制模块,用于在显示界面左右两侧同时显示细节增强前的乳腺钼靶图像和细节增强后的乳腺钼靶图像,当在其中任一部分进行操作时,在另外一部分进行同样的操作。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序在被处理器执行时,实现如上所述的方法。
本发明对增强的方法进行了改进,使得细节增强方法更适用于乳腺钼靶图像的增强,根据乳腺致密情况设置不同层次的增强程度,对于致密的乳腺,细节增强的强度更大,对于非致密的乳腺,选择了相对较小的增强强度,本发明有力的对乳腺钼靶图像进行增强,便于医护人员观察。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为实施例一的流程图;
图2为细节的计算方法;
图3为细节数据示意图;
图4为实施例二的结构图。
具体实施方式
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本发明提供了一种乳腺钼靶图像细节增强方法,如图1所示,所述方法包括以下步骤:
步骤1,获取乳腺钼靶图像,所述图像的大小为M×N,计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,采用高斯滤波的核心分别对所述乳腺钼靶图像进行高斯滤波,得到K个高斯滤波后的图像;其中,第k次高斯滤波的核心为(2k+1,2k+1),1≤k≤K;
在拍摄乳腺钼靶图像后,得到尺寸大小为M×N的乳腺钼靶图像,在一个实施例中,无论是在传输还是在存储中,都不对所述乳腺钼靶图像进行有损压缩。不同的患者的年龄、乳腺发育情况不同,而且即使年龄相同,乳腺情况也不同,具体地,有些乳腺为致密性,有些为非致密性。致密性乳腺并不容易观察,对于致密性乳腺进行细节增强的程度要更高些,反之亦然。
在本发明中,根据乳腺的致密程度确定对乳腺钼靶图像进行高斯滤波的次数,如果次数为K,则表示分别以乳腺钼靶图像为源图像,对所述源图像进行高斯滤波;具体地,对所述乳腺钼靶图像进行一次高斯滤波,得到一个滤波后的图像;然后再对乳腺钼靶图像进行一次高斯滤波,得到一个滤波后的图像;直到对所述乳腺钼靶图像进行K次滤波,得到K个滤波后的图像;而且每次高斯滤波采用的高斯滤波核大小不同,第一次对所述乳腺钼靶图像进行高斯滤波使用(3,3)的滤波核,第二次对所述乳腺钼靶图像进行高斯滤波使用(5,5)的滤波核,以此类推。
步骤2,将rn作为集合的第n个元素,所述rn为第n-1次高斯滤波得到的图像与第n次高斯滤波得到的图像的差,若n=1,则r1为所述乳腺钼靶图像与第1次高斯滤波得到的图像的差;其中,每个元素包含M×N个值;
在步骤1中,进行K次高斯滤波后,得到K个高斯滤波后的图像,按照先后顺序或者按照使用的滤波核大小对K个高斯滤波后的图像排序为[g1,g2,…,gK];然后在排序后的队列的队首插入所述乳腺钼靶图像,得到[src,g1,g2,…,gK],按照队列的顺序以此相减,具体地,将src-g1、g1-g2、…、gK-1-gK得到K-1个元素集合[r1,r2,…,rK-1],分别为如图2所示。所述图像的差是指将相同位置的像素值作差。由于滤波以及两个图像作差不改变图像的尺寸,滤波后的图像和所述乳腺钼靶图像,以及不同滤波后的图像,都可以直接作差。所述集合中的每个元素是一个尺寸大小为M×N的矩阵。图3示出了集合中一个元素的数值情况。
步骤3,根据所述集合中元素的值确定与所述元素对应的权重,基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,并将结果输出。
不同的高斯滤波核过滤得到的细节不同,为了突出不同细节,本发明根据元素中数据情况设置元素不同的权重。
所述计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,具体为:
预先建立范围与次数的对应关系;
调用Laplacian算子计算所述乳腺钼靶图像中乳腺致密程度,判断所述致密程度落入的范围,根据落入的范围确定对所述乳腺钼靶图像进行高斯滤波的核心个数K。
Laplacian反映了图像的模糊程度,对于乳腺钼靶图像,越是致密模糊程度越高,二者具有相关性,假设预先建立两个范围,分别为(0,200)、[200,∞),对应的次数分别为4、7,如果通过cv2.Laplacian().val得到为180,则K=4。
当集合中元素的数值越大,表明该元素代表的细节信息越多,在一个具体实施例中,所述根据所述集合中元素的值确定与所述元素对应的权重,具体为:
在得到权重以及细节信息后,即可对乳腺钼靶图像增强。具体地,所述基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,具体为:
将中间结果归一化到0-255得到细节增强后的乳腺钼靶图像。
上述操作是对每个像素点进行的操作,尺度大小为M×N的乳腺钼靶图像,则需要进行M×N次上述计算,得到增强的所述乳腺钼靶图像的每个像素点的值。
无论采用去噪还是变换等,都会对原图作出更改,有时候更改的内容会有较大影响,在步骤3之后,还包括步骤4;
步骤4,在显示界面左右两侧同时显示细节增强前的乳腺钼靶图像和细节增强后的乳腺钼靶图像,当在其中任一部分进行操作时,在另外一部分进行同样的操作。例如,医生在左侧的细节增强后的乳腺钼靶图像中放大某个位置,则在右侧的增强前的乳腺钼靶图像的对应位置也放大。
实施例二
本发明还提供了一种乳腺钼靶图像细节增强系统,所述系统包括以下模块:
滤波模块,用于获取乳腺钼靶图像,所述图像的大小为M×N,计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,采用高斯滤波的核心分别对所述乳腺钼靶图像进行高斯滤波,得到K个高斯滤波后的图像;其中,第k次高斯滤波的核心为(2k+1,2k+1),1≤k≤K;
细节获取模块,用于将rn作为集合的第n个元素,所述rn为第n-1次高斯滤波得到的图像与第n次高斯滤波得到的图像的差,若n=1,则r1为所述乳腺钼靶图像与第1次高斯滤波得到的图像的差;其中,每个元素包含M×N个值;
细节增强模块,用于根据所述集合中元素的值确定与所述元素对应的权重,基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,并将结果输出。
优选地,所述计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,具体为:
预先建立范围与次数的对应关系;
调用Laplacian算子计算所述乳腺钼靶图像中乳腺致密程度,判断所述致密程度落入的范围,根据落入的范围确定对所述乳腺钼靶图像进行高斯滤波的核心个数K。
优选地,所述根据所述集合中元素的值确定与所述元素对应的权重,具体为:
优选地,所述基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,具体为:
根据公式得到中间结果:result=(1-0.5sgn(r1))r1ω1+r2ω2+…+rK-1ωK-1+src,其中src是待增强的乳腺钼靶图像,sgn()为符号函数;
将中间结果归一化到0-255得到细节增强后的乳腺钼靶图像。
优选地,所述系统包括显示控制模块;
所述显示控制模块,用于在显示界面左右两侧同时显示细节增强前的乳腺钼靶图像和细节增强后的乳腺钼靶图像,当在其中任一部分进行操作时,在另外一部分进行同样的操作。
实施例三
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序在被处理器执行时,实现如实施例一所述的方法。
实施例四
本发明提供了一种乳腺钼靶图像细节增强的装置,所述装置包括以下模块,如图4所示:
滤波模块,用于获取乳腺钼靶图像,所述图像的大小为M×N,计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,采用高斯滤波的核心分别对所述乳腺钼靶图像进行高斯滤波,得到K个高斯滤波后的图像;其中,第k次高斯滤波的核心为(2k+1,2k+1),1≤k≤K;
细节获取模块,用于将rn-1作为集合的第n-1个元素,所述rn-1为第n-1次高斯滤波得到的图像与第n次高斯滤波得到的图像的差,若n=1,则r1为所述乳腺钼靶图像与第1次高斯滤波得到的图像的差;其中,每个元素包含M×N个值;
细节增强模块,用于根据所述集合中元素的值确定与所述元素对应的权重,基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,并将结果输出。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现,当然也可以通过硬件和软件结合的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种乳腺钼靶图像细节增强方法,其特征在于,所述方法包括以下步骤:
步骤1,获取乳腺钼靶图像,所述图像的大小为M×N,计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,采用高斯滤波的核心分别对所述乳腺钼靶图像进行高斯滤波,得到K个高斯滤波后的图像;其中,第k次高斯滤波的核心为(2k+1,2k+1),1≤k≤K;
步骤2,将rn作为集合的第n个元素,所述rn为第n-1次高斯滤波得到的图像与第n次高斯滤波得到的图像的差,若n=1,则r1为所述乳腺钼靶图像与第1次高斯滤波得到的图像的差;其中,每个元素包含M×N个值;
步骤3,根据所述集合中元素的值确定与所述元素对应的权重,基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,并将结果输出;
所述根据所述集合中元素的值确定与所述元素对应的权重,具体为:
所述基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,具体为:
根据公式得到中间结果:result=(1-0.5sgn(r1))r1ω1+r2ω2+…+rK-1ωK-1+src,其中src是待增强的乳腺钼靶图像,sgn()为符号函数;
将中间结果归一化到0-255得到细节增强后的乳腺钼靶图像。
2.如权利要求1所述的方法,其特征在于,所述计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,具体为:
预先建立范围与次数的对应关系;
调用Laplacian算子计算所述乳腺钼靶图像中乳腺致密程度,判断所述致密程度落入的范围,根据落入的范围确定对所述乳腺钼靶图像进行高斯滤波的核心个数K。
3.如权利要求1-2任一项所述的方法,其特征在于,在步骤3之后,还包括步骤4;
步骤4,在显示界面左右两侧同时显示细节增强前的乳腺钼靶图像和细节增强后的乳腺钼靶图像,当在其中任一部分进行操作时,在另外一部分进行同样的操作。
4.一种乳腺钼靶图像细节增强系统,其特征在于,所述系统包括以下模块:
滤波模块,用于获取乳腺钼靶图像,所述图像的大小为M×N,计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,采用高斯滤波的核心分别对所述乳腺钼靶图像进行高斯滤波,得到K个高斯滤波后的图像;其中,第k次高斯滤波的核心为(2k+1,2k+1),1≤k≤K;
细节获取模块,用于将rn作为集合的第n个元素,所述rn为第n-1次高斯滤波得到的图像与第n次高斯滤波得到的图像的差,若n=1,则r1为所述乳腺钼靶图像与第1次高斯滤波得到的图像的差;其中,每个元素包含M×N个值;
细节增强模块,用于根据所述集合中元素的值确定与所述元素对应的权重,基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,并将结果输出;
所述根据所述集合中元素的值确定与所述元素对应的权重,具体为:
所述基于所述权重、所述元素、所述乳腺钼靶图像得到细节增强后的乳腺钼靶图像,具体为:
根据公式得到中间结果:result=(1-0.5sgn(r1))r1ω1+r2ω2+…+rK-1ωK-1+src,其中src是待增强的乳腺钼靶图像,sgn()为符号函数;
将中间结果归一化到0-255得到细节增强后的乳腺钼靶图像。
5.如权利要求4所述的系统,其特征在于,所述计算所述乳腺钼靶图像中的乳腺致密程度,根据所述致密程度确定对所述乳腺钼靶图像进行高斯滤波的核心个数K,具体为:
预先建立范围与次数的对应关系;
调用Laplacian算子计算所述乳腺钼靶图像中乳腺致密程度,判断所述致密程度落入的范围,根据落入的范围确定对所述乳腺钼靶图像进行高斯滤波的核心个数K。
6.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序在被处理器执行时,实现如权利要求1-3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211320792.1A CN115578285B (zh) | 2022-10-26 | 2022-10-26 | 一种乳腺钼靶图像细节增强方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211320792.1A CN115578285B (zh) | 2022-10-26 | 2022-10-26 | 一种乳腺钼靶图像细节增强方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115578285A CN115578285A (zh) | 2023-01-06 |
CN115578285B true CN115578285B (zh) | 2023-06-23 |
Family
ID=84587296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211320792.1A Active CN115578285B (zh) | 2022-10-26 | 2022-10-26 | 一种乳腺钼靶图像细节增强方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578285B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913086A (zh) * | 2016-04-12 | 2016-08-31 | 福州大学 | 一种应用特征权重自适应选择的计算机辅助诊断乳腺的方法 |
CN110610498A (zh) * | 2019-08-13 | 2019-12-24 | 上海联影智能医疗科技有限公司 | 乳腺钼靶图像处理方法、系统、存储介质及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9808217B2 (en) * | 2013-05-31 | 2017-11-07 | Tohoku University | Breast cancer detection system, breast cancer detection method, breast cancer detection program, and computer-readable recording medium having breast cancer detection program recorded thereon |
-
2022
- 2022-10-26 CN CN202211320792.1A patent/CN115578285B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913086A (zh) * | 2016-04-12 | 2016-08-31 | 福州大学 | 一种应用特征权重自适应选择的计算机辅助诊断乳腺的方法 |
CN110610498A (zh) * | 2019-08-13 | 2019-12-24 | 上海联影智能医疗科技有限公司 | 乳腺钼靶图像处理方法、系统、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115578285A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539930B (zh) | 基于深度学习的动态超声乳腺结节实时分割与识别的方法 | |
Tang et al. | An image feature approach for computer-aided detection of ischemic stroke | |
JP4895204B2 (ja) | 画像成分分離装置、方法、およびプログラム、ならびに、正常画像生成装置、方法、およびプログラム | |
US20180330477A1 (en) | Systems and methods for analyzing pathologies utilizing quantitative imaging | |
CN107886508B (zh) | 差分减影方法和医学图像处理方法及系统 | |
CN110853111B (zh) | 医学影像处理系统、模型训练方法及训练装置 | |
CN113436166A (zh) | 基于磁共振血管造影数据的颅内动脉瘤检测方法及系统 | |
JP2023540910A (ja) | 病変検出のための共同訓練を伴う接続機械学習モデル | |
WO2019182520A1 (en) | Method and system of segmenting image of abdomen of human into image segments corresponding to fat compartments | |
US20100128841A1 (en) | Smoothing of Dynamic Data Sets | |
CN111540025A (zh) | 预测用于图像处理的图像 | |
Urbaniak et al. | Quality assessment of compressed and resized medical images based on pattern recognition using a convolutional neural network | |
CN116630762B (zh) | 一种基于深度学习的多模态医学图像融合方法 | |
CN112508884A (zh) | 一种癌变区域综合检测装置及方法 | |
CN111640107A (zh) | 一种致痫灶位置检测方法及装置 | |
CN113205461B (zh) | 一种低剂量ct影像去噪模型训练方法、去噪方法及装置 | |
CN115578285B (zh) | 一种乳腺钼靶图像细节增强方法及系统 | |
Fonseca et al. | X-ray image enhancement: A technique combination approach | |
Smith et al. | Detection of fracture and quantitative assessment of displacement measures in pelvic X-RAY images | |
CN113379770B (zh) | 鼻咽癌mr图像分割网络的构建方法、图像分割方法及装置 | |
CN111445406B (zh) | 一种低剂量ct图片质量改善方法、系统及设备 | |
CN110930394B (zh) | 测量肌肉肌纤维束线斜率和羽状角的方法及终端设备 | |
CN112508881A (zh) | 一种颅内血管图像配准方法 | |
Bruns et al. | Automatic whole-heart segmentation in 4D TAVI treatment planning CT | |
Pawar et al. | Detection and Segmentation of Kidney from Ultrasound Image Using GVF |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |