CN103700085A - 乳腺x光图像中胸肌区域的分割方法 - Google Patents
乳腺x光图像中胸肌区域的分割方法 Download PDFInfo
- Publication number
- CN103700085A CN103700085A CN201210367387.5A CN201210367387A CN103700085A CN 103700085 A CN103700085 A CN 103700085A CN 201210367387 A CN201210367387 A CN 201210367387A CN 103700085 A CN103700085 A CN 103700085A
- Authority
- CN
- China
- Prior art keywords
- region
- roi
- breast
- ray image
- image
- 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.)
- Pending
Links
Images
Abstract
本发明公开一种乳腺X光图像中胸肌区域的分割方法,其包括:在乳腺X光图像中确定感兴趣区域ROI;将兴趣区域ROI二值化分割获得二值化图像ROIBW;提取二值化图像ROIBW的边界图像ROIedge;检测边界图像ROIedge中的直线,确定感兴趣区域ROI的胸肌壁分界线;将胸肌壁分界线延伸至与边界图像ROIedge的边界相交,获得乳腺X光图像中腺体组织与胸肌壁的分界线;依据获得的腺体组织与胸肌壁的分界线对乳腺X光图像进行分割处理。本发明利用乳腺X光图像中腺体组织与胸肌壁之间灰度特征的差异,确定出腺体组织与胸肌壁的分界线,能够准确定位胸肌区域进行图像分割。
Description
技术领域
本发明涉及一种医学图像处理技术,尤其是涉及一种乳腺X光图像中胸肌区域的分割方法。
背景技术
乳腺X光(mammography)图像原片清晰度和对比度的经常不足,为了帮助临床医生更好地诊断病情,需要对原片进行图像处理和增强。而在侧斜位(MLO,Mediolateral Oblique)图像中,乳腺组织往往含有胸肌部分,其性质与乳腺区域有较大的不同且不含钙化点。根据每个区域各自独特的图像特征进行信息检测与处理,是微钙化和肿块检测研究的前提和重要基础。胸肌区域的分割在乳腺X线图像的左右乳比较研究、肿块检测区域定界方面有着重要的作用。目前能够搜索到得近似相关专利有:
中国申请号200910100655.5的专利申请,公开一种用于乳腺钼靶X线图像中乳腺区域提取的预处理方法,此方法简单地使用中值滤波方法和图像中左右两侧像素密度分布来判定乳腺区域在图像中的位置,然后使用水平和垂直未曝光边框剥离得到最终的乳房区域。此方法无法区分出胸肌区域。
中国申请号200810217937.9的专利申请,一种确定乳腺外边缘轮廓的方法,此方法使用图像质心提取、图像二值化及区域生长等技术,确定乳腺外边缘轮廓。但是其方法无法定位胸肌区域,并且区域生长法产生的边缘容易丢失皮肤线。
现有技术一般采用简单的阈值分割和密度分布进行乳腺X光图像分割,只能得到单一的乳房轮廓区域,对于轮廓区域中含有大面积胸肌的MLO图像则无法进一步区分开来。这种分割方法给乳腺X光图像的后续处理和计算机辅助诊断带来了困难。
发明内容
本发明提出一种乳腺X光图像中胸肌区域的分割方法,以解决目前分割方法存在无法准确定位胸肌区域导致难于分割出胸肌区域的技术问题。
本发明采用如下技术方案实现:一种乳腺X光图像中胸肌区域的分割方法,其包括步骤:
B、在乳腺X光图像中选取宽度是乳腺X光图像宽度的1/N、高度是乳腺X光图像高度的1/N的矩形区域定义为感兴趣区域ROI,且感兴趣区域ROI中至少包含了部分的胸肌区域;
C、将兴趣区域ROI二值化分割获得二值化图像ROIBW;
D、提取二值化图像ROIBW的边界图像ROIedge;
E、检测边界图像ROIedge中的直线,确定感兴趣区域ROI的胸肌壁分界线;
F、将胸肌壁分界线延伸至与边界图像ROIedge的边界相交,获得乳腺X光图像中腺体组织与胸肌壁的分界线;
G、依据获得的腺体组织与胸肌壁的分界线对乳腺X光图像进行分割处理。
其中,在步骤B之前还包括步骤:A、对乳腺X光图像进行预处理,去除乳腺X光图像的背景和标签。
其中,步骤A具体包括:计算乳腺X光图像中所有像素点的总平均灰度u:u=w0*u0+w1*u1;从最小灰度值到最大灰度值遍历t,按公式g=w0*(u0-u)2+w1*(u1-u)2计算每一个t值的g值,当g最大时的t值即为全局阈值T;将像素点的值大于全局阈值T的图像区域全部置0,小于全局阈值T的像素点不做改变;其中,所有组织的像素点数在乳腺X光图像中占总像素点数的比例为w0,所有组织的像素点的平均灰度为u0,背景的像素点数在乳腺X光图像中占总像素点数的比例为w1,背景的像素点数的平均灰度为u1。
其中,M、N都为3。
其中,步骤C具体包括:C1、令i=0,1,…,GLmax为感兴趣区域ROI中的每一个灰度级,统计每个灰度级别的在感兴趣区域ROI中所占的比例p(i),给定初始阈值C2、计算感兴趣区域ROI中高于阈值部分统计值均值和低于阈值部分的统计值均值C3、根据mb和ma的值更新tROI,C4、重复以上步骤C1-C3直到|tROI-mb|<1,这时得到的tROI为感兴趣区域ROI的迭代阈值;C5、根据这个迭代阈值将感兴趣区域ROI进行二值化:大于迭代阈值的像素为1,小于迭代阈值的像素点为0,得到的二值化图像ROIBW。
其中,步骤D包括:使用高斯平滑模板对二值化图像ROIBW进行平滑处理;使用Canny边缘算子提取平滑结果中所有的边缘,获得边界图像ROIedge。
其中,步骤E包括:使用霍夫变换在边界图像ROIedge中检测直线;如果检测结果中包含多条直线,则选择斜率在1~3.7之间的且斜率最小的一条直线作为感兴趣区域ROI内的胸肌壁分界线;
如果霍夫变换仅仅检测出一条直线,那么就将这条直线作为感兴趣区域ROI的胸肌壁分界线。
与现有技术相比,本发明具有如下有益效果:
本发明利用乳腺X光图像中腺体组织与胸肌壁之间灰度特征的差异,确定出腺体组织与胸肌壁的分界线,能够准确定位胸肌区域进行图像分割。并且,本发明通过将乳腺组织中的胸肌区域分离,能够让后处理和增强根据每个区域各自独特的图像特征进行信息检测与处理,为微钙化和肿块检测等后处理打下基础。
附图说明
图1是本发明一个优选实施例的流程示意图;
图2A和图2B分别是进行分割前后的乳腺X光图像的示意图。
具体实施方式
本发明通过读入乳腺X光图像,使用自适用阈值去除X光图像的背景和标签;接着,在乳腺X光图像中设定感兴趣区域(ROI,Region of Interest),通过ROI的直方图计算生成一个阈值,基于这个阈值产生一个黑白二值图像;然后,使用Canny边缘算子在黑白二值图像上提取边界图像;最后,通过霍夫变换寻找边界图像中的直线从而确定乳腺X光图像中的胸肌区域。
结合图1所示,本发明具体包括如下实现步骤:
步骤S1、对输入的乳腺X光图像(如图2A所示)进行预处理,去除乳腺X光图像的背景和标签,得到一幅只包含组织区域的图像AI。
乳腺X光图像预处理用于去除图像的背景部分,使用全局自适应阈值算法计算乳腺X光图像的全局阈值T,这个全局阈值T的选取算法如下:
对输入的乳腺X光图像,记全局阈值T为乳腺组织与背景的分割阈值,所有组织(包括腺体组织/乳腺组织和胸肌组织)像素点数在乳腺X光图像中占总像素点数的比例为w0,所有组织像素点的平均灰度为u0;背景像素点数在乳腺X光图像中占总像素点数的比例为w1,所有背景像素点数的平均灰度为u1。则乳腺X光图像中所有像素点的总平均灰度u为:u=w0*u0+w1*u1。
然后,从最小灰度值到最大灰度值遍历t,按下面公式计算每一个t值的g值:
g=w0*(u0-u)2+w1*(u1-u)2
当g最大时的t值即为最佳分割的全局阈值T。
然后根据这个全局自动阈值T对输入的乳腺X光图像进行预处理,分离乳腺X光片的组织和背景区域:将像素点的值大于全局阈值T的图像区域全部置0,小于T的区域不做改变,从而产生一幅只包含组织区域的图像AI。
步骤S2、在图像AI中设定感兴趣区域(ROI,Region of Interest)。
在乳腺X光图像中,绝大多数的腺体组织与胸肌壁的分界线基本符合直线形状,因此,取得图像AI中任何一个子区域内的腺体组织与胸肌壁的分界线之后,对这个条子区域分界线进行延长直到其于乳腺X光图像的边界相交就能得到整幅图像AI的腺体组织与胸肌壁的分界线,从而完成胸肌区域的分割。因此本发明的一个重要步骤是找出一个适合的子区域,这个区域我们称之感兴趣区域即ROI。
首先,通过旋转、水平翻转和垂直翻转将乳腺X光图像的胸肌区域部分变换到左上角。然后,在旋转后的乳腺X光图像中定义感兴趣区域(ROI)。感兴趣区域ROI的选取范围是乳腺X光图像的左上角图像区域的左上角顶点开始、宽度是乳腺X光图像宽度的1/N、高度是乳腺X光图像高度的1/N的矩形区域,即原图像左上角1/(M*N)的矩形区域。在本实施例M、N都为3。
步骤S3、计算感兴趣区域ROI的直方图,使用直方图迭代阈值法得出计算感兴趣区域ROI中的迭代阈值tROI,按照迭代阈值tROI将兴趣区域ROI二值化分割获得二值化图像。
令i=0,1,...,GLmax为感兴趣区域ROI中的每一个灰度级,首先统计每个灰度级别的在ROI中所占的比例p(i),首先给定初始阈值接着计算ROI中高于阈值部分统计值均值和低于阈值部分的统计值均值
重复以上步骤直到|tROI-mb|<1,这时得到的tROI为感兴趣区域ROI的迭代阈值。根据这个迭代阈值tROI将感兴趣区域ROI进行二值化:大于迭代阈值tROI的像素为1,小于迭代阈值tROI的像素点为0,得到的二值化图像ROIBW
步骤S4、使用Canny算子提取二值化图像ROIBW的边界图像ROIedge。
首先使用7*7的高斯平滑模板对二值化图像ROIBW进行平滑,而后使用Canny边缘算子提取平滑结果中所有的边缘,获得边界图像ROIedge。
步骤S5、通过霍夫变换检测边界图像ROIedge中的直线,确定感兴趣区域ROI的胸肌壁分界线。
使用霍夫变换在边界图像ROIedge中检测直线。如果检测结果中包含多条直线,则选择斜率在1~3.7之间的且斜率最小的一条直线作为感兴趣区域ROI内的胸肌壁分界线。如果霍夫变换仅仅检测出一条直线,那么就将这条直线作为感兴趣区域ROI的胸肌壁分界线。
步骤S6、获得乳腺X光图像中腺体组织与胸肌壁的分界线。
将感兴趣区域ROI的胸肌壁分界线在边界图像ROIedge中向下延伸,直到该胸肌壁分界线与边界图像ROIedge的左边界相交,这时经过延长的直线就是经过旋转后的乳腺X光图像的腺体组织与胸肌壁的分界线。如图2B的左上角的直线为腺体组织与胸肌壁的分界线。
步骤S7、依据获得的腺体组织与胸肌壁的分界线对乳腺X光图像进行分割,使结果图像中只剩下为腺体组织的图像;并根据步骤S2中通过旋转、水平翻转和垂直翻转将乳腺X光图像的组织部分变换到左上角的步骤,将结果图像还原为原来的位置,并将结果输出。
综上,本发明利用乳腺X光图像中腺体组织与胸肌壁之间灰度特征的差异,确定出腺体组织与胸肌壁的分界线,能够准确定位胸肌区域进行图像分割。并且,本发明通过将乳腺组织中的胸肌区域分离,能够让后处理和增强根据每个区域各自独特的图像特征进行信息检测与处理,为微钙化和肿块检测等后处理打下基础。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种乳腺X光图像中胸肌区域的分割方法,其特征在于,包括步骤:
B、在乳腺X光图像中选取宽度是乳腺X光图像宽度的1/N、高度是乳腺X光图像高度的1/N的矩形区域定义为感兴趣区域ROI,且感兴趣区域ROI中至少包含了部分的胸肌区域;
C、将兴趣区域ROI二值化分割获得二值化图像ROIBW;
D、提取二值化图像ROIBW的边界图像ROIedge;
E、检测边界图像ROIedge中的直线,确定感兴趣区域ROI的胸肌壁分界线;
F、将胸肌壁分界线延伸至与边界图像ROIedge的边界相交,获得乳腺X光图像中腺体组织与胸肌壁的分界线;
G、依据获得的腺体组织与胸肌壁的分界线对乳腺X光图像进行分割处理。
2.根据权利要求1所述乳腺X光图像中胸肌区域的分割方法,其特征在于,在步骤B之前还包括步骤:
A、对乳腺X光图像进行预处理,去除乳腺X光图像的背景和标签。
3.根据权利要求2所述乳腺X光图像中胸肌区域的分割方法,其特征在于,步骤A具体包括:
计算乳腺X光图像中所有像素点的总平均灰度u:u=w0*u0+w1*u1;
从最小灰度值到最大灰度值遍历t,按公式g=w0*(u0-u)2+w1*(u1-u)2计算每一个t值的g值,当g最大时的t值即为全局阈值T;
将像素点的值大于全局阈值T的图像区域全部置0,小于全局阈值T的像素点不做改变;
其中,所有组织的像素点数在乳腺X光图像中占总像素点数的比例为w0,所有组织的像素点的平均灰度为u0,背景的像素点数在乳腺X光图像中占总像素点数的比例为w1,背景的像素点数的平均灰度为u1。
4.根据权利要求1所述乳腺X光图像中胸肌区域的分割方法,其特征在于,M、N都为3。
6.根据权利要求1所述乳腺X光图像中胸肌区域的分割方法,其特征在于,步骤D包括:
使用高斯平滑模板对二值化图像ROIBW进行平滑处理;
使用Canny边缘算子提取平滑结果中所有的边缘,获得边界图像ROIedge。
7.根据权利要求1所述乳腺X光图像中胸肌区域的分割方法,其特征在于,步骤E包括:
使用霍夫变换在边界图像ROIedge中检测直线;
如果检测结果中包含多条直线,则选择斜率在1~3.7之间的且斜率最小的 一条直线作为感兴趣区域ROI内的胸肌壁分界线;
如果霍夫变换仅仅检测出一条直线,那么就将这条直线作为感兴趣区域ROI的胸肌壁分界线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210367387.5A CN103700085A (zh) | 2012-09-28 | 2012-09-28 | 乳腺x光图像中胸肌区域的分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210367387.5A CN103700085A (zh) | 2012-09-28 | 2012-09-28 | 乳腺x光图像中胸肌区域的分割方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103700085A true CN103700085A (zh) | 2014-04-02 |
Family
ID=50361604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210367387.5A Pending CN103700085A (zh) | 2012-09-28 | 2012-09-28 | 乳腺x光图像中胸肌区域的分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103700085A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447879A (zh) * | 2015-12-15 | 2016-03-30 | 上海联影医疗科技有限公司 | 乳房图像中检测胸肌的方法及装置 |
CN107123110A (zh) * | 2017-04-13 | 2017-09-01 | 青岛海信医疗设备股份有限公司 | 胸壁线检测方法及装置 |
CN107798679A (zh) * | 2017-12-11 | 2018-03-13 | 福建师范大学 | 乳腺钼靶图像乳房区域分割与钙化点检测方法 |
CN108182692A (zh) * | 2018-01-05 | 2018-06-19 | 深圳蓝韵医学影像有限公司 | X射线图像中的乳腺区域识别方法、装置和存储介质 |
CN108846847A (zh) * | 2018-05-08 | 2018-11-20 | 嘉兴全景医疗器械有限公司 | 基于平板状结构形状滤波器的乳腺图像分割方法 |
US10297024B2 (en) | 2015-09-30 | 2019-05-21 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for determining a breast region in a medical image |
CN109893100A (zh) * | 2019-04-18 | 2019-06-18 | 盐城工学院 | 一种乳腺癌风险评估中乳腺密度定量化计算的方法 |
CN110033466A (zh) * | 2019-04-01 | 2019-07-19 | 数坤(北京)网络科技有限公司 | 一种基于多灰度级的冠脉拉直图像分割边界确定方法 |
CN110786880A (zh) * | 2018-08-02 | 2020-02-14 | 株式会社日立制作所 | 超声波诊断装置以及超声波图像处理方法 |
CN112842381A (zh) * | 2019-11-28 | 2021-05-28 | 株式会社日立制作所 | 超声波诊断装置和显示方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6035056A (en) * | 1997-03-27 | 2000-03-07 | R2 Technology, Inc. | Method and apparatus for automatic muscle segmentation in digital mammograms |
US20090220138A1 (en) * | 2007-04-13 | 2009-09-03 | Three Palm Software | Fast preprocessing algorithms for digital mammography cad and workstation |
US20090238421A1 (en) * | 2008-03-18 | 2009-09-24 | Three Palm Software | Image normalization for computer-aided detection, review and diagnosis |
CN101664318A (zh) * | 2008-09-03 | 2010-03-10 | 爱克发医疗保健公司 | 用于由数字乳腺摄影图像表示获得致密组织量的方法 |
-
2012
- 2012-09-28 CN CN201210367387.5A patent/CN103700085A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6035056A (en) * | 1997-03-27 | 2000-03-07 | R2 Technology, Inc. | Method and apparatus for automatic muscle segmentation in digital mammograms |
US20090220138A1 (en) * | 2007-04-13 | 2009-09-03 | Three Palm Software | Fast preprocessing algorithms for digital mammography cad and workstation |
US20090238421A1 (en) * | 2008-03-18 | 2009-09-24 | Three Palm Software | Image normalization for computer-aided detection, review and diagnosis |
CN101664318A (zh) * | 2008-09-03 | 2010-03-10 | 爱克发医疗保健公司 | 用于由数字乳腺摄影图像表示获得致密组织量的方法 |
Non-Patent Citations (4)
Title |
---|
N. KARSSEMEIJER: "Automated classification of parenchymal patterns in mammograms", 《PHYSICS IN MEDICINE & BIOLOGY》, vol. 43, no. 2, 31 December 1998 (1998-12-31), pages 365 - 378 * |
S.M. KWOK 等: "Automatic pectoral muscle segmentation on mediolateral oblique view mammograms", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》, vol. 23, no. 9, 30 September 2004 (2004-09-30), pages 1129 - 1140, XP001240171, DOI: doi:10.1109/TMI.2004.830529 * |
S.M. KWOK: "Automatic Pectoral Muscle Segmentation on Mammograms by Straight Line Estimation and Cliff Detection", 《SEVENTH AUSTRALIAN AND NEW ZEALAND INTELLIGENT INFORMATION SYSTEMS CONFERENCE》, 21 November 2001 (2001-11-21), pages 67 - 72, XP010570317 * |
徐伟栋 等: "基于模型的乳腺X线图像胸肌分割算法研究", 《浙江大学学报(工学版)》, vol. 39, no. 3, 31 March 2005 (2005-03-31), pages 427 - 432 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10297024B2 (en) | 2015-09-30 | 2019-05-21 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for determining a breast region in a medical image |
US11250567B2 (en) | 2015-09-30 | 2022-02-15 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for determining a breast region in a medical image |
US10636143B2 (en) | 2015-09-30 | 2020-04-28 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for determining a breast region in a medical image |
CN105447879B (zh) * | 2015-12-15 | 2018-04-03 | 上海联影医疗科技有限公司 | 乳房图像中检测胸肌的方法及装置 |
CN105447879A (zh) * | 2015-12-15 | 2016-03-30 | 上海联影医疗科技有限公司 | 乳房图像中检测胸肌的方法及装置 |
CN107123110A (zh) * | 2017-04-13 | 2017-09-01 | 青岛海信医疗设备股份有限公司 | 胸壁线检测方法及装置 |
CN107798679A (zh) * | 2017-12-11 | 2018-03-13 | 福建师范大学 | 乳腺钼靶图像乳房区域分割与钙化点检测方法 |
CN107798679B (zh) * | 2017-12-11 | 2021-04-27 | 福建师范大学 | 乳腺钼靶图像乳房区域分割与钙化点检测方法 |
CN108182692A (zh) * | 2018-01-05 | 2018-06-19 | 深圳蓝韵医学影像有限公司 | X射线图像中的乳腺区域识别方法、装置和存储介质 |
CN108846847B (zh) * | 2018-05-08 | 2021-12-03 | 王磊 | 基于平板状结构形状滤波器的乳腺图像分割方法 |
CN108846847A (zh) * | 2018-05-08 | 2018-11-20 | 嘉兴全景医疗器械有限公司 | 基于平板状结构形状滤波器的乳腺图像分割方法 |
CN110786880A (zh) * | 2018-08-02 | 2020-02-14 | 株式会社日立制作所 | 超声波诊断装置以及超声波图像处理方法 |
CN110033466A (zh) * | 2019-04-01 | 2019-07-19 | 数坤(北京)网络科技有限公司 | 一种基于多灰度级的冠脉拉直图像分割边界确定方法 |
CN109893100A (zh) * | 2019-04-18 | 2019-06-18 | 盐城工学院 | 一种乳腺癌风险评估中乳腺密度定量化计算的方法 |
CN109893100B (zh) * | 2019-04-18 | 2022-05-10 | 盐城工学院 | 一种乳腺密度定量化计算的方法 |
CN112842381A (zh) * | 2019-11-28 | 2021-05-28 | 株式会社日立制作所 | 超声波诊断装置和显示方法 |
CN112842381B (zh) * | 2019-11-28 | 2024-01-16 | 富士胶片医疗健康株式会社 | 超声波诊断装置和显示方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103700085A (zh) | 乳腺x光图像中胸肌区域的分割方法 | |
Zhou et al. | Automated lung segmentation and smoothing techniques for inclusion of juxtapleural nodules and pulmonary vessels on chest CT images | |
Nagi et al. | Automated breast profile segmentation for ROI detection using digital mammograms | |
CN101853376B (zh) | 一种乳腺微钙化点计算机辅助检测方法 | |
Anter et al. | Automatic computer aided segmentation for liver and hepatic lesions using hybrid segmentations techniques | |
CN104268873B (zh) | 基于核磁共振图像的乳腺肿瘤分割方法 | |
CN104574327B (zh) | 一种乳腺图像处理方法和装置 | |
CN102956035A (zh) | 用于乳腺x线图像中提取乳腺区域的预处理方法及系统 | |
Lewis et al. | Detection of breast tumor candidates using marker-controlled watershed segmentation and morphological analysis | |
Song et al. | Hybrid segmentation of mass in mammograms using template matching and dynamic programming | |
Dehghani et al. | A method for improve preprocessing images mammography | |
Bora et al. | Robust automatic pectoral muscle segmentation from mammograms using texture gradient and Euclidean distance regression | |
CN104616289A (zh) | 一种3d ct图像中骨组织的移除方法及系统 | |
Maitra et al. | Accurate breast contour detection algorithms in digital mammogram | |
CN102831614A (zh) | 基于交互式字典迁移的序列医学图像快速分割方法 | |
TWI587844B (zh) | 醫療影像處理裝置及其乳房影像處理方法 | |
Omer et al. | Preprocessing of digital mammogram image based on otsu’s threshold | |
Lbachir et al. | A new mammogram preprocessing method for Computer-Aided Diagnosis systems | |
CN105374025A (zh) | 乳房图像获取方法及装置、乳房摄影系统 | |
CN110782451B (zh) | 基于判别式深度置信网络的疑似微钙化点区域自动定位方法 | |
Devi et al. | Classification of breast tissue density in digital mammograms | |
Feudjio et al. | Automatic extraction of pectoral muscle in the MLO view of mammograms | |
Shah et al. | Early breast cancer tumor detection on mammogram images | |
CN111062909A (zh) | 乳腺肿块良恶性判断方法及设备 | |
Isa et al. | Automatic segmentation and detection of mass in digital mammograms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140402 |
|
RJ01 | Rejection of invention patent application after publication |