CN101234026B - 一种乳腺病变定量化影像评价系统 - Google Patents
一种乳腺病变定量化影像评价系统 Download PDFInfo
- Publication number
- CN101234026B CN101234026B CN2008100266781A CN200810026678A CN101234026B CN 101234026 B CN101234026 B CN 101234026B CN 2008100266781 A CN2008100266781 A CN 2008100266781A CN 200810026678 A CN200810026678 A CN 200810026678A CN 101234026 B CN101234026 B CN 101234026B
- Authority
- CN
- China
- Prior art keywords
- tumor
- growth
- clinical
- parameter
- calcification
- 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.)
- Expired - Fee Related
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 26
- 210000005075 mammary gland Anatomy 0.000 title claims description 20
- 238000011002 quantification Methods 0.000 title claims description 13
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 51
- 230000002308 calcification Effects 0.000 claims abstract description 38
- 238000009792 diffusion process Methods 0.000 claims abstract description 33
- 210000000481 breast Anatomy 0.000 claims abstract description 26
- 210000004881 tumor cell Anatomy 0.000 claims abstract description 26
- 230000012010 growth Effects 0.000 claims abstract description 24
- 206010006187 Breast cancer Diseases 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000013499 data model Methods 0.000 claims abstract description 12
- 230000003902 lesion Effects 0.000 claims abstract description 11
- 230000000877 morphologic effect Effects 0.000 claims abstract description 10
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 230000001575 pathological effect Effects 0.000 claims description 17
- 230000007170 pathology Effects 0.000 claims description 17
- 208000026310 Breast neoplasm Diseases 0.000 claims description 16
- 238000003759 clinical diagnosis Methods 0.000 claims description 5
- 206010006223 Breast discharge Diseases 0.000 claims description 4
- 230000010261 cell growth Effects 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims description 3
- 230000004565 tumor cell growth Effects 0.000 claims description 3
- 230000003211 malignant effect Effects 0.000 abstract description 11
- 238000000034 method Methods 0.000 abstract description 8
- 210000004027 cell Anatomy 0.000 abstract description 7
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 238000012216 screening Methods 0.000 abstract description 2
- 238000009607 mammography Methods 0.000 abstract 3
- 238000010191 image analysis Methods 0.000 abstract 1
- 230000000505 pernicious effect Effects 0.000 description 16
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 14
- 229910052750 molybdenum Inorganic materials 0.000 description 14
- 239000011733 molybdenum Substances 0.000 description 14
- 201000008275 breast carcinoma Diseases 0.000 description 10
- 201000011510 cancer Diseases 0.000 description 6
- 230000004614 tumor growth Effects 0.000 description 5
- 238000012417 linear regression Methods 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010001233 Adenoma benign Diseases 0.000 description 1
- 208000007659 Fibroadenoma Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000003149 breast fibroadenoma Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007773 growth pattern Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000002445 nipple Anatomy 0.000 description 1
- 238000002559 palpation Methods 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种乳腺病变定量化影像评价系统及其应用方法,其采用分形技术以及图形分析手段应用于肿瘤医学影像分析及肿瘤病情的危险率评估中,建立并采用了乳腺病变细胞生长扩散的非线性数据模型,所述非线性数据模型包含了乳腺肿瘤细胞生长扩散形态特征参数、钙化形态特征参数以及临床参数。本发明的乳腺病变定量化影像评价系统,应用了乳腺病变细胞生长扩散的非线形数据模型,包含了乳腺肿瘤细胞生长扩散定量参数、钙化参数以及临床参数,计算出乳腺钼靶片病变的良恶性预测数值,以及肿瘤细胞分级预测值,可广泛应用于乳腺钼靶影像诊断和乳腺摄片普查。
Description
技术领域
本发明属于乳腺病的医疗诊断器械,特别是涉及一种应用于乳腺钼靶照片定量化影像评价系统。
技术背景
乳腺影像学检查,特别是乳腺钼靶摄片为乳腺肿瘤的诊断、分期、疗效评价的判断提供重要依据,已应用于乳腺普查。遗憾的是在当前临床诊断中,常规影像诊断仅仅局限于肿瘤尺度大小及简单形状因子的测量和一些定性评估,在临床应用中缺乏定量化影像评价指标。随着医学图像定量分析技术的不断提高,在肿瘤的基础研究中也需要通过图像定量分析来评价不同肿瘤类别的生长与扩散特征。特别是分形概念被更多的研究者接受,分形技术以及相关的图形分析手段逐渐被应用到多种肿瘤医学影像分析及肿瘤病情的危险率评估中来,并取得了一些对肿瘤基础理论研究及临床诊断有重要参考价值的结果。从分形数学和非线性物理的角度来看,肿瘤边界轮廓的分形维数是表征肿瘤生长扩散后的边界轮廓的复杂性、肿瘤与周边组织交流之开放性的特征参数。然而,要说明肿瘤内部的扩散与生长行为,上述的有关边界轮廓的分形维数分析显然是不足的,至少它还未揭示出肿瘤内部所包含的一些重要信息,如肿瘤内部的异质性程度及肿物包块化的程度。
良恶性肿瘤存在不同的扩散与生长方式。本发明考查乳腺肿瘤生长扩散参数,如边界轮廓分形维、肿瘤内部的异质性及包块化程度等,并综合乳腺病变钙化特征,及临床特征性征象,提供一种简洁有效的实用性肿瘤影像量化评估方法,计算出肿瘤良恶性预测数值,以及肿瘤细胞分级预测值,供临床参考。
发明内容
本发明的目的在于克服现有乳腺钼靶片影像诊断缺乏定量化评价指标的问题,提供一种乳腺病变定量化影像评价系统,该定量化影像评价系统可对乳腺钼靶片图像进行定量化分析,提供乳腺病变良恶性预测值,以及肿瘤细胞分级预测值。
本发明的另一个目的是提供上述乳腺病变定量化影像评价系统的应用。
为了实现发明目的一,采用的技术方案如下:
一种乳腺病变定量化影像评价系统,其采用分形技术以及图形分析手段应用于肿瘤医学影像分析及肿瘤病情的危险率评估中,建立并采用了乳腺病变细胞生长扩散的非线性数据模型,所述非线性数据模型包含了乳腺肿瘤细胞生长扩散形态特征参数、钙化形态特征参数以及临床参数。
上述技术方案中,肿瘤细胞生长扩散形态特征参数的权重比为0.1~1.0,钙化形态特征参数的权重比为0.1~1.0;临床病理分级参数的权重比为0.1~1.0。
所述肿瘤细胞生长扩散形态特征参数主要包括肿瘤边界几何分形维DF、肿瘤内部的生长异质性H、肿瘤包块化程度CP。
所述钙化形态特征参数主要包括钙化斑点的种群密度P、钙化斑点区域的平均测度S、最大与最小钙化斑的测度差异R、钙化斑分布的完整区域的最小等效园测度L。
所述临床参数主要包括病情的临床诊断分级YC、乳腺病史、乳头溢液U、年龄V、哺育史W。
本发明所述非线性数据模型包括多因素线性拟合回归数学建模,通过对肿瘤细胞生长扩散形态特征参数和临床参数进行不同权重分析,筛选出最能符合临床病情数据的回归方程,得到基于临床病理分级YC与临床影像形态数据(DF、H、CP、U、V、W)的回归方程YE=a*DF+b*H+c*CP+d*U+e*V+f*W,其中a、b、c、d、e、f为回归权重系数,YE为预测性病理分级。
本发明所述非线性数据模型还包括多因素非线性拟合回归数学建模,通过对钙化形态特征参数和临床参数进行不同权重分析,筛选出最能符合临床病情数据的回归方程,得到基于临床病理分级YC与各钙化影像形态特征参数(P、L、S、R)的多因素非线性回归方程YE=g*P*L/(S*R)1/2+h,其中g,h为回归权重系数,YE为预测性病理分级。
为了实现发明目的二,采用的技术方案如下:
一种乳腺病变定量化影像评价系统的应用方法,具体包括如下步骤:
(1)使用图形处理软件对临床乳腺钼靶摄片进行预处理,统一图像的灰度标准,采取手动或者自动方式获取乳腺钼靶摄片的病灶区/感兴趣区;
(2)计算经预处理后的感兴趣区的肿瘤细胞生长扩散形态特征参数,参数包括肿物与正常组织之间的边界的几何分形维DF、肿物内部的异质性H、肿物内部的包块化程度;
(3)引入临床参数,包括病情的临床诊断分级YC(良性0级、恶性1、2、3级),乳腺病史、乳头溢液U、年龄V、哺育史W;
临床参数还包括触诊包块权重系数、乳腺皮肤改变权重系数、乳头凹陷权重系数等;
(4)采用统计软件对(2)、(3)中所述内容进行多因素线性拟合回归数学建模,通过对肿瘤生长扩散形态特征参数和临床参数进行不同权重分析,筛选出能最好符合临床病情数据的回归方程,得到基于临床病理分级YC与临床影像形态数据(DF、H、CP、U、V、W)的回归方程:
YE=a*DF+b*H+c*CP+d*U+e*V+f*W,
其中a、b、c、d、e、f为回归权重系数,YE为预测性病理分级。该回归方程揭露病情与肿瘤生长扩散影像形态特征参数之间的量化关系;
(5)得出根据肿瘤内部及外部形态特征综合反映的肿瘤良恶性预测数值,以及肿瘤细胞分级预测值:
当YE<1,预测结果为良性;当YE>1,预测结果为恶性,具体YE数值为预测恶性分级等级。
(6)计算经预处理后的感兴趣区的钙化形态特征参数,参数包括钙化斑点的种群密度P、钙化斑点区域的平均测度S、最大与最小钙化斑的测度差异R、钙化斑分布的完整区域的最小等效园测度L,由P、S、R、L四项参数计算出相应的钙化形态因子K=P*L/(S*R)1/2;
(7)采用统计软件对(3)、(6)中所述内容进行多因素非线性拟合回归数学建模,通过对肿瘤钙化形态因子和临床参数进行不同权重分析,筛选出能最好符合临床病情数据的回归方程,得到:
基于临床病理分级YC与各钙化影像形态特征参数的多因素非线性回归方程Y=g*K+h,其中g、h为回归权重系数,YE为预测性病理分级。该回归方程揭露病情与钙化形态因子之间的量化关系;
(8)得出根据肿瘤钙化特征综合反映的肿瘤良恶性预测数值,以及肿瘤细胞分级预测值:
当YE<1,预测结果为良性;当YE>1,预测结果为恶性,具体YE数值为预测恶性分级等级。
本发明的步骤(1)、(2)、(6)的图形处理软件采用Mediacybernatics出品的医学生物学行业图形处理软件Image-Pro Plus,而步骤(4)、(7)采用的统计软件为SPSS,数学建模的基本算法为最小二乘法。
本发明的应用方法的实现中,其中步骤(1)到步骤(5)也可以构成一个初步的方案实现乳腺病变定量化影像评价,步骤(1)和(6)、(7)、(8)也可以构成另一个初步方案实现,本发明通过两个方案的组合,可以实现最佳的技术效果。
进一步的,步骤(4)所述的运算方程包括以下参数的权重比:
肿瘤细胞生长扩散形态特征参数:肿瘤边界几何分形维参数;肿瘤包块化程度参数;肿瘤内部异质性参数。
肿瘤细胞钙化形态特征参数:钙化斑点的种群密度;钙化斑点区域的平均测度;最大与最小钙化斑的测度差异;钙化斑分布的完整区域的最小等效园测度。
临床参数:年龄;乳头溢液史;哺乳史。
本发明采用Microsoft的软件开发平台Visual Studio,将步骤(1)至(8)涉及的整个应用过程进行编程,开发出与Windows操作系统兼容的图形界面的应用软件包。
本发明的有益效果在于:
本发明的乳腺病变定量化影像评价系统,应用了乳腺病变细胞生长扩散的非线形数据模型,包含了乳腺肿瘤细胞生长扩散定量参数、钙化参数以及临床参数,计算出乳腺钼靶片病变的良恶性预测数值,以及肿瘤细胞分级预测值,可广泛应用于乳腺钼靶影像诊断和乳腺摄片普查。
附图说明
图1是实施例的良性肿瘤及恶性肿瘤边界示意图,其中左边图像为良性肿瘤,右边为恶性肿瘤;
图2为良性肿瘤及恶性肿瘤的2维及3维影像示意图,其中左边图像为良性肿瘤,右边为恶性肿瘤;
图3乳腺肿瘤的三种典型钙化特征影像图。
具体实施方式
下面通过实施例对本发明做进一步的说明。
其中实施例1~4,涉及到步骤(1)~(5)的初步方案的应用内容,引用图1及图2做辅助性说明。
实施例1:
使用Image-Pro Plus软件,自动获取乳腺钼靶摄片的良性及恶性肿瘤感兴趣区,其中肿瘤边界轮廓参见如图1所示;肿瘤的二维及三维影像参见图2。使用Image-Pro Plus软件计算感兴趣区的肿瘤细胞生长扩散参数:分形维值为1.14399;肿瘤内部异质性值为0.02818。引入临床参数:年龄46岁;乳腺病史(无);哺乳史(有)。采用线性回归方程:YE=a*DF+b*H+c*CP+d*U+e*V+f*W,通过运算,对肿瘤细胞生长扩散定量参数和临床参数进行不同权重,得出肿瘤良恶性预测数值为YE=0,为良性病变。临床病理结果:良性乳腺纤维腺瘤。影像评价结果与病理结果相符。
实施例2:
使用Image-Pro Plus软件,自动获取乳腺钼靶摄片的感兴趣区,所处理的图形类似实施例1中所述的图1图2,使用Image-Pro Plus软件计算感兴趣区的肿瘤细胞生长扩散参数:分形维值为1.17089;肿瘤内部异质性值为0.1783。引入临床参数:年龄45岁;乳腺病史(无);哺乳史(有)。采用线性回归方程:YE=a*DF+b*H+c*CP+d*U+e*V+f*W,通过运算,对肿瘤细胞生长扩散定量参数和临床参数进行不同权重,得出肿瘤良恶性预测数值为YE=1,为恶性病变(乳腺癌),恶性肿瘤细胞分级接近I级。临床病理结果:乳腺癌,病理I级。影像评价结果与病理结果相符,与病理分级一致。
实施例3:
使用Image-Pro Plus软件,自动获取乳腺钼靶摄片的感兴趣区,使用Image-Pro Plus软件计算感兴趣区的肿瘤细胞生长扩散参数:分形维值为1.19336;肿瘤内部异质性值为0.53494。引入临床参数:年龄50岁;乳腺病史(有);哺乳史(有)。采用线性回归方程:YE=a*DF+b*H+c*CP+d*U+e*V+f*W,通过运算,对肿瘤细胞生长扩散定量参数和临床参数进行不同权重,得出肿瘤良恶性预测数值为YE=1.98,为恶性病变(乳腺癌),恶性肿瘤细胞分级接近II级。临床病理结果:乳腺癌,病理II级。影像评价结果与病理结果相符,与病理分级极近似。
实施例4:
使用Image-Pro Plus软件,自动获取乳腺钼靶摄片的感兴趣区,所处理的图形类似实施例1中所述的图1图2,使用Image-Pro Plus软件计算感兴趣区的肿瘤细胞生长扩散参数:分形维值为1.22169;肿瘤内部异质性值为0.27416。引入临床参数:年龄45岁;乳腺病史(有);哺乳史(有)。采用线性回归方程:YE=a*DF+b*H+c*CP+d*U+e*V+f*W,通过运算,对肿瘤细胞生长扩散定量参数和临床参数进行不同权重,得出肿瘤良恶性预测数值为YE=2.01,为恶性病变(乳腺癌),恶性肿瘤细胞分级接近III级。临床病理结果:乳腺癌,病理III级。影像评价结果与病理结果大致相符,与病理分级基本近似。
实施例5~6,涉及到步骤(1)、(6)~(8)的方案应用内容,引用图3做辅助性说明。
实施例5:
使用Image-Pro Plus软件,自动获取乳腺钼靶摄片的感兴趣区,其中钙化斑形态特征参见图3所示。使用Image-Pro Plus软件计算感兴趣区的肿瘤钙化特征参数:钙化斑点的种群密度P=137;钙化斑点区域的平均测度S=2.42;最大与最小钙化斑的测度差异R=12.076;钙化斑分布的完整区域的最小等效园测度L=233.9。采用非线性回归方程:YE=g*P*L/(S*R)1/2+h,计算钙化因子值为:0.2133。得出肿瘤良恶性预测数值为YE=1.82,为恶性病变(乳腺癌),恶性肿瘤细胞分级接近II级。临床病理结果:乳腺癌,病理II级。影像评价结果与病理结果相符,与病理分级比较近似。
实施例6:
使用Image-Pro Plus软件,自动获取乳腺钼靶摄片的感兴趣区,其中钙化斑形态特征参见图3所示。使用Image-Pro Plus软件计算感兴趣区的肿瘤钙化特征参数:钙化斑点的种群密度P=355;钙化斑点区域的平均测度S=1.266;最大与最小钙化斑的测度差异R=6.706;钙化斑分布的完整区域的最小等效园测度L=194.2。采用非线性回归方程:YE=g*P*L/(S*R)1/2+h,计算钙化因子值为:0.2561。得出肿瘤良恶性预测数值为YE=3,为恶性病变(乳腺癌),恶性肿瘤细胞分级接近III级。临床病理结果:乳腺癌,病理III级。影像评价结果与病理结果相符,与病理分级一致。
Claims (2)
1.一种乳腺病变定量化影像评价系统,其采用分形技术以及图形分析手段应用于肿瘤医学影像分析及肿瘤病情的危险率评估中,其特征在于建立并采用了乳腺病变细胞生长扩散的非线性数据模型,所述非线性数据模型包含了乳腺肿瘤细胞生长扩散形态特征参数、钙化形态特征参数以及临床参数;所述肿瘤细胞生长扩散形态特征参数的权重比为0.1~1.0,钙化形态特征参数的权重比为0.1~1.0;临床病理分级参数的权重比为0.1~1.0;所述钙化形态特征参数包括:钙化斑点的种群密度P、钙化斑点区域的平均测度S、最大与最小钙化斑的测度差异R和钙化斑分布的完整区域的最小等效园测度L;所述非线性数据模型包括多因素非线性拟合回归数学建模,通过对钙化形态特征参数和临床参数进行不同权重分析,筛选出最能符合临床病情数据的回归方程,得到基于各钙化影像形态特征参数的多因素非线性回归方程YE1=g*P*L/(S*R)1/2+h,其中g,h为回归权重系数,YE1为预测性病理分级。
2.根据权利要求1所述的乳腺病变定量化影像评价系统,其特征在于所述肿瘤细胞生长扩散形态特征参数包括肿瘤边界几何分形维DF、肿瘤内部的生长异质性H和肿瘤包块化程度CP,所述临床参数包括病情的临床诊断分级YC、乳腺病史、乳头溢液U、年龄V和哺育史W;所述非线性数据模型还包括多因素线性拟合回归数学建模,通过对肿瘤细胞生长扩散形态特征参数和临床参数进行不同权重分析,筛选出最能符合临床病情数据的回归方程,得到基于临床参数与肿瘤细胞生长扩散形态特征参数的回归方程YE2=a*DF+b*H+c*CP+d*U+e*V+f*W,其中a、b、c、d、e、f为回归权重系数,YE2是预测性病理分级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100266781A CN101234026B (zh) | 2008-03-07 | 2008-03-07 | 一种乳腺病变定量化影像评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100266781A CN101234026B (zh) | 2008-03-07 | 2008-03-07 | 一种乳腺病变定量化影像评价系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101234026A CN101234026A (zh) | 2008-08-06 |
CN101234026B true CN101234026B (zh) | 2010-04-14 |
Family
ID=39918109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100266781A Expired - Fee Related CN101234026B (zh) | 2008-03-07 | 2008-03-07 | 一种乳腺病变定量化影像评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101234026B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2462561B1 (en) | 2009-08-03 | 2018-10-31 | Volpara Health Technologies Limited | A method and system for analysing tissue from images |
US8948474B2 (en) * | 2010-01-25 | 2015-02-03 | Amcad Biomed Corporation | Quantification method of the feature of a tumor and an imaging method of the same |
CN101853376B (zh) * | 2010-02-10 | 2012-02-08 | 西安理工大学 | 一种乳腺微钙化点计算机辅助检测方法 |
DE102010024732A1 (de) * | 2010-06-23 | 2011-12-29 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Erkennung von tumorbehaftetem Gewebe im Gastrointestinaltrakt mit Hilfe einer Endokapsel |
CN101976303B (zh) * | 2010-10-21 | 2013-09-04 | 中山大学 | 一种乳腺肿块、钙化良恶自动识别及定量化影像评价系统 |
US9439615B2 (en) | 2012-02-24 | 2016-09-13 | Paul Scherrer Institut | System for non-invasive classification of different types of micro-calcifications in human tissue |
CN105232081A (zh) * | 2014-07-09 | 2016-01-13 | 无锡祥生医学影像有限责任公司 | 医学超声辅助自动诊断装置及方法 |
US9747701B2 (en) * | 2015-08-20 | 2017-08-29 | General Electric Company | Systems and methods for emission tomography quantitation |
JP7278224B2 (ja) * | 2017-06-02 | 2023-05-19 | コーニンクレッカ フィリップス エヌ ヴェ | 医用画像の病変の定量化される態様 |
CN109903280B (zh) * | 2019-02-27 | 2020-09-29 | 上海联影智能医疗科技有限公司 | 肿瘤确定系统、方法及存储介质 |
CN110403576B (zh) * | 2019-08-01 | 2024-01-30 | 中国医学科学院北京协和医院 | 三维光声成像在乳腺肿瘤评分系统中的应用 |
CN110942826B (zh) * | 2019-12-20 | 2023-04-18 | 首都医科大学附属复兴医院 | 一种人体颅内血管造影中脑静脉信息量化系统和方法 |
CN111583252B (zh) * | 2020-05-15 | 2023-07-04 | 宁波威联生物科技有限公司 | 基于电场ct对肺部断层影像的分析评价装置和评价体系 |
CN112690813B (zh) * | 2021-01-12 | 2022-09-02 | 范宁 | 基于分形理论的肿瘤异质性分析方法、系统、终端及介质 |
CN113808102B (zh) * | 2021-09-16 | 2024-01-05 | 什维新智医疗科技(上海)有限公司 | 一种乳腺结节钙化阴影识别装置 |
CN113808101B (zh) * | 2021-09-16 | 2023-11-21 | 什维新智医疗科技(上海)有限公司 | 一种乳腺结节钙化分析装置 |
CN116705289B (zh) * | 2023-05-23 | 2023-12-19 | 北京透彻未来科技有限公司 | 基于语义分割网络的宫颈病理诊断装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1349611A (zh) * | 1999-03-01 | 2002-05-15 | 密西西比大学医疗中心 | 诊断和监测恶性乳腺癌的方法 |
CN1846616A (zh) * | 2006-03-13 | 2006-10-18 | 华中科技大学 | 一种计算机辅助预测乳腺癌风险的方法 |
-
2008
- 2008-03-07 CN CN2008100266781A patent/CN101234026B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1349611A (zh) * | 1999-03-01 | 2002-05-15 | 密西西比大学医疗中心 | 诊断和监测恶性乳腺癌的方法 |
CN1846616A (zh) * | 2006-03-13 | 2006-10-18 | 华中科技大学 | 一种计算机辅助预测乳腺癌风险的方法 |
Non-Patent Citations (4)
Title |
---|
叶红.基于分形分维的乳腺癌钼靶图像分析系统研究与实现.中国优秀博硕士学位论文全文数据库(硕士)信息科技辑 09.2006,(09),I138-804. * |
吉国力,等.逐步回归与判别分析的应用研究--在乳腺疾病建模中的应用.厦门理工学院学报14 2.2006,14(2),22-26. |
吉国力,等.逐步回归与判别分析的应用研究--在乳腺疾病建模中的应用.厦门理工学院学报14 2.2006,14(2),22-26. * |
赵亚平,等.乳腺X线片中成簇样微小钙化对乳腺癌的诊断价值.临床放射学杂志20 1.2001,20(1),7-10. * |
Also Published As
Publication number | Publication date |
---|---|
CN101234026A (zh) | 2008-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101234026B (zh) | 一种乳腺病变定量化影像评价系统 | |
US7899516B2 (en) | Method and apparatus for determining the risk of rupture of a blood vessel using the contiguous element defined area | |
Lu et al. | Liver tumor volume estimation by semi-automatic segmentation method | |
CN105653858A (zh) | 一种基于影像组学的病变组织辅助预后系统和方法 | |
CN108897984A (zh) | 基于ct影像组学特征与肺癌基因表达间相关性分析方法 | |
CN104809723A (zh) | 基于超体素和图割算法的三维肝脏ct图像自动分割方法 | |
CN101052991A (zh) | 使用距离坐标的特征加权的医学对象轮廓确定 | |
CN102048550A (zh) | 一种自动生成肝脏3d图像并准确定位肝脏血管支配区域的方法 | |
CN101976303B (zh) | 一种乳腺肿块、钙化良恶自动识别及定量化影像评价系统 | |
CN107708550A (zh) | 用于检测和测量解剖异常的分段回声结构的表面建模 | |
He et al. | Breast image pre-processing for mammographic tissue segmentation | |
CN103034979A (zh) | 一种超声图像清晰度提升方法 | |
Wang et al. | Computer-aided CT image processing and modeling method for tibia microstructure | |
CN104751457A (zh) | 一种新的基于变分能量的肝脏分割方法 | |
US9892343B2 (en) | Computer-implemented method for classification of a picture | |
CN113487568B (zh) | 一种基于差分曲率的肝脏表面平滑度的测量方法 | |
Buckler et al. | Inter-method performance study of tumor volumetry assessment on computed tomography test-retest data | |
CN116309551B (zh) | 确定病灶取样区的方法、装置、电子设备及可读介质 | |
US20130236079A1 (en) | Method and device for analysing a region of interest in an object using x-rays | |
Gallegos et al. | Digital soil morphometrics of coarse fragments and horizon delineation in soil profiles from Central Mexico | |
Holland et al. | Optimization of volumetric breast density estimation in digital mammograms | |
Lee et al. | Differentiation of urinary stone and vascular calcifications on non-contrast CT images: an initial experience using computer aided diagnosis | |
CN103606142B (zh) | 一种基于超声弹性图像的弹性应变评估方法和系统 | |
Lu et al. | Accurate construction of 3-D numerical breast models with anatomical information through MRI scans | |
Padayachee et al. | Identification of the breast edge using areas enclosed by iso-intensity contours |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100414 |
|
CF01 | Termination of patent right due to non-payment of annual fee |