CN103886576B - 一种腺体组织特征灰度检测方法及装置 - Google Patents
一种腺体组织特征灰度检测方法及装置 Download PDFInfo
- Publication number
- CN103886576B CN103886576B CN201310602974.2A CN201310602974A CN103886576B CN 103886576 B CN103886576 B CN 103886576B CN 201310602974 A CN201310602974 A CN 201310602974A CN 103886576 B CN103886576 B CN 103886576B
- Authority
- CN
- China
- Prior art keywords
- gland
- point
- gray
- breast tissue
- region
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种腺体组织特征灰度检测方法及装置,所述方法包括:获取预曝光采样图像,并从所述预曝光采样图像中提取乳腺组织区域;扫描所述乳腺组织区域获得区域轮廓线;根据所述区域轮廓线的分布特性从所述乳腺组织区域内提取腺体扫描区域;从所述腺体扫描区域中选取腺体候选点,并获取每个腺体候选点的灰度值;计算所述腺体候选点的灰度平均值,并将所述灰度平均值作为所述腺体扫描区域的特征灰度。过程中无需人员参与,一方面可省时省力,另一方面还避免了人为因素导致的特征灰度不准确合理的缺陷。另外,采用本发明技术方案还可降低甚至避免现有技术会在干扰因素的影响下增大二次曝光剂量的缺陷。
Description
技术领域
本发明涉及一种腺体组织特征灰度检测方法及装置。
背景技术
乳腺X线机是一种常用的乳腺检查设备,为了获得质量较为稳定的乳腺投影图像,乳腺X线机大多采用预曝光方式进行自动曝光控制,过程可简述如下:首先,通过一次剂量非常小的曝光,获得预曝光采样图像;然后根据预先定义的区域的灰度值以及目标灰度值,计算获得完整曝光所需的剂量;最后根据完整曝光所需的剂量进行二次曝光,获得乳腺的曝光图像。由控制过程可知,预先定义的区域的灰度值直接影响着最终确定的完整曝光所需的剂量,进而影响二次曝光的图像质量,也就是说,为了使图像质量稳定可靠,应使该灰度值尽可能准确的反映腺体的特征。
现有技术中大多通过点选方式,先确定出预先定义的区域,然后将该区域的灰度作为计算完整曝光剂量的灰度值,目前,常用的点选方式主要有以下两种:
一种是手动选择。该方式下,在患者摆位后,由操作技师根据自身经验手动从腺体分布中选择感兴趣的区域,将这些感兴趣的区域作为预先定义的区域。这种方式对操作技师的要求较高,操作过程费时费力,且一旦选定的区域与患者腺体分布不一致(即不能准确反映患者腺体的特征),则在后续利用据其灰度计算出的完整曝光剂量进行二次曝光时,就很容易出现过曝光或欠曝光,降低图像质量。
一种是自动选择。该方式下,通过分析预曝光采样图像,将其局部灰度极小值对应的区域作为预先定义的区域。这种方式无法识别腺体中存在的较大病变组织或胸墙等干扰因素(这些干扰因素的灰度值也较小),导致曝光剂量的增加。
发明内容
本发明实施例提供一种腺体组织特征灰度检测方法及装置,通过一种新的方式确定特征灰度值,进而提高根据该灰度值计算出的完整曝光剂量的准确性,使二次曝光的图像质量更稳定可靠。
为此,本发明提供如下技术方案:
本发明实施例的腺体组织特征灰度检测方法,包括:
获取预曝光采样图像,并从所述预曝光采样图像中提取乳腺组织区域;
扫描所述乳腺组织区域获得区域轮廓线;
根据所述区域轮廓线的分布特性从所述乳腺组织区域内提取腺体扫描区域;
从所述腺体扫描区域中选取腺体候选点,并获取每个腺体候选点的灰度值;
计算所述腺体候选点的灰度平均值,并将所述灰度平均值作为所述腺体扫描区域的特征灰度。
优选的,所述从所述预曝光采样图像中提取乳腺组织区域,包括:
生成所述预曝光采样图像的灰度直方图,并提取所述灰度直方图的峰值;
判断提取的峰值个数是否小于两个:
如果是,则将所述预曝光采样图像确定为所述乳腺组织区域;
如果否,则选取峰值最大的两个峰作为待处理峰,获取两个待处理峰的灰度值,并将其中灰度值大的待处理峰作为背景峰;
获取所述背景峰的起始点的灰度值作为阈值,并将所述预曝光采样图像中灰度值小于该阈值的区域确定为所述乳腺组织区域。
优选的,如果在所述从预曝光采样图像中提取乳腺组织区域之前,获取到所述乳腺组织区域的有效灰度范围,则在所述提取所述灰度直方图的峰值之前,所述方法还包括:
将所述灰度直方图中处于所述有效灰度范围外的通道的通道值设置为零。
优选的,所述获取到所述乳腺组织区域的有效灰度范围,包括:
获取生成所述预曝光采样图像的参数,所述参数包括管电压、预曝光模式、以及压迫厚度;
在预先建立的数据库中查找所述参数对应的有效灰度范围,所述数据库用于保存预曝光参数与有效灰度范围的映射关系。
优选的,所述参数还包括压迫力。
优选的,所述根据所述区域轮廓线的分布特性从所述乳腺组织区域内提取腺体扫描区域,包括:
根据所述区域轮廓线的分布特性从所述乳腺组织区域内确定腺体参考点;
根据所述腺体参考点确定所述腺体扫描区域。
优选的,所述根据所述区域轮廓线的分布特性从所述乳腺组织区域内确定腺体参考点,包括:
计算所述区域轮廓线的一阶导数和二阶导数,并根据所述一阶导数确定凸点,根据所述二阶导数确定角点;
如果检测到一个凸点,则将所述凸点确定为所述腺体参考点;
如果未检测到凸点,则将幅值最大的角点确定为所述腺体参考点。
优选的,所述从所述腺体扫描区域中选取腺体候选点,包括:
根据所述腺体扫描区域的大小确定所述腺体候选点的个数N;
获取所述腺体扫描区域内每个像素点的灰度值,并将灰度值较小的前N个像素点确定为腺体候选点。
优选的,所述从所述腺体扫描区域中选取腺体候选点,包括:
对所述腺体扫描区域进行逐行扫描,将每行中灰度值最小的像素点确定为所述腺体候选点。
对应地,本发明还提供一种腺体组织特征灰度检测装置,包括:
乳腺组织区域提取单元,用于获取预曝光采样图像,并从所述预曝光采样图像中提取乳腺组织区域;
轮廓线扫描单元,用于扫描所述乳腺组织区域获得区域轮廓线;
腺体扫描区域提取单元,用于根据所述区域轮廓线的分布特性从所述乳腺组织区域内提取腺体扫描区域;
候选点选取单元,用于从所述腺体扫描区域中选取腺体候选点,并获取每个腺体候选点的灰度值;
平均值计算单元,用于计算所述腺体候选点的灰度平均值,并将所述灰度平均值作为所述腺体扫描区域的特征灰度。
优选的,所述乳腺组织区域提取单元包括:
峰值提取单元,用于生成所述预曝光采样图像的灰度直方图,并提取所述灰度直方图的峰值;
判断单元,用于判断提取的峰值个数是否小于两个;
第一确定单元,用于在所述判断单元判定峰值个数小于两个时,将所述预曝光采样图像确定为所述乳腺组织区域;
选取单元,用于在所述判断单元判定峰值个数不小于两个时,选取峰值最大的两个峰作为待处理峰,获取两个待处理峰的灰度值,并将其中灰度值大的待处理峰作为背景峰;
第二确定单元,用于获取所述背景峰的起始点的灰度值作为阈值,并将所述预曝光采样图像中灰度值小于该阈值的区域确定为所述乳腺组织区域。
优选的,如果在所述乳腺组织区域提取单元从预曝光采样图像中提取乳腺组织区域之前,获取到所述乳腺组织区域的有效灰度范围,则所述乳腺组织区域还包括:
设置单元,用于在所述峰值提取单元提取所述灰度直方图的峰值之前,将所述灰度直方图中处于所述有效灰度范围外的通道的通道值设置为零。
优选的,所述装置还包括:
获取单元,用于获取生成所述预曝光采样图像的参数,所述参数包括管电压、预曝光模式、压迫厚度、以及压迫力;
查找单元,用于在预先建立的数据库中查找所述参数对应的有效灰度范围,所述数据库用于保存预曝光参数与有效灰度范围的映射关系。
优选的,所述腺体扫描区域提取单元包括:
参考点确定单元,用于根据所述区域轮廓线的分布特性从所述乳腺组织区域内确定腺体参考点;
腺体扫描区域确定单元,用于根据所述腺体参考点确定所述腺体扫描区域。
优选的,所述参考点确定单元包括:
计算单元,用于计算所述区域轮廓线的一阶导数和二阶导数,并根据所述一阶导数确定凸点,根据所述二阶导数确定角点;
参考点确定子单元,用于在检测到一个凸点时,将所述凸点确定为所述腺体参考点;在未检测到凸点时,将幅值最大的角点确定为所述腺体参考点。
优选的,所述候选点选取单元包括:
个数确定单元,用于根据所述腺体扫描区域的大小确定所述腺体候选点的个数N;
候选点选取子单元,用于获取所述腺体扫描区域内每个像素点的灰度值,并将灰度值较小的前N个像素点确定为腺体候选点。
优选的,所述候选点选取单元,具体用于对所述腺体扫描区域进行逐行扫描,将每行中灰度值最小的像素点确定为所述腺体候选点。
本发明的腺体组织特征灰度检测方法及装置公开了以下技术效果:
采用本发明技术方案,先通过分析预曝光采样图像自动提取腺体所在位置,然后再确定能反映腺体特征的特征灰度,相对现有技术操作技师手动选择感兴趣区域的方式来说,过程中无需人员参与,一方面可省时省力,另一方面还避免了人为因素导致的特征灰度不准确合理的缺陷。另外,本发明技术方案还通过灰度平均值的方式尽量降低干扰因素对计算二次曝光剂量的影响程度,以降低甚至避免现有技术会在干扰因素的影响下增大二次曝光剂量的缺陷。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本发明腺体组织特征灰度检测方法的流程图;
图2是本发明中CC位置下获得的预曝光采样图像的示意图;
图3是本发明中MLO位置下获得的预曝光采样图像的示意图;
图4是本发明中扫描乳腺组织区域获得区域轮廓线的流程图;
图5是本发明中预曝光采样图像分割后的效果图;
图6是本发明中区域轮廓线的示意图;
图7是本发明中区域轮廓线的一阶导数示意图;
图8是本发明中区域轮廓线的二阶导数示意图;
图9是本发明中提取乳腺组织区域实施例1的流程图;
图10是本发明中直方图归一化为32通道的示意图;
图11是本发明中提取乳腺组织区域实施例2的流程图;
图12是本发明中获取乳腺组织区域的有效灰度范围的流程图;
图13是本发明腺体组织特征灰度检测装置的构成示意图;
图14是本发明中乳腺组织区域提取单元实施例1的构成示意图;
图15是本发明中乳腺组织区域提取单元实施例2的构成示意图;
图16是本发明中轮廓线扫描单元的构成示意图;
图17是本发明中腺体扫描区域提取单元的构成示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和实施方式对本发明实施例作进一步的详细说明。
下面先对本发明的应用场景进行解释说明。
采用预曝光方式进行乳腺检查时,在第一次短时间曝光获得预曝光采样图像之后,为了保证第二次曝光获得的图像质量稳定可靠,需要使二次曝光的剂量尽量与目标剂量相符,实现过程可体现为:首先,根据目标灰度与一次曝光图像中反映腺体特征的灰度确定一个放大比例;然后,根据一次曝光时使用的剂量、上述确定出的放大比例计算二次曝光所需的剂量。
由此可知,在确定二次曝光所需剂量的过程中,一次曝光图像中用以反映腺体特征的灰度(即腺体组织的特征灰度)是一个非常重要的参数,为了解决现有技术确定特征灰度时存在的问题,本发明实施例提出了一种新的确定特征灰度的方法,下面对此进行解释说明。
参见图1,示出了本发明腺体组织特征灰度检测方法的流程图,可包括:
步骤101,获取预曝光采样图像,并从所述预曝光采样图像中提取乳腺组织区域。
通过对大量采样图像的分析可知,不论乳腺检查过程中采取哪种投照位置,腺体都分布在图2、3所示的半圆形区域(即乳腺组织区域)内,故,若要获得反映腺体特征的特征灰度,首先需要从预曝光采样图像中识别出哪部分为乳腺组织区域,然后再从乳腺组织区域中提取腺体。需要说明的是,图2为CC位置(X线束自上向下投照)下获得的预曝光采样图像的示意图,图3为MLO位置(可分内外斜位和外内斜位,内外斜位是将胶片置于乳腺的外下方,X线束自乳腺内上方以45°投射向外下方;外内斜位则相反)下获得的预曝光采样图像的示意图。
因为预曝光采样图像只能被分割为乳腺组织区域和非乳腺组织区域,故本步骤中从预曝光采样图像中提取乳腺组织区域的过程,可视为是一种图像的二值化处理过程,对此可通过聚类法、区域增长法等方式实现,亦或者通过本发明提出的方案进行乳腺组织区域的提取(此处暂不详述),本发明对具体提取方式可不做限定,只要能从预曝光采样图像中准确分离出乳腺组织区域即可,即找到图2、3中所示的半圆形区域。
对预曝光采样图像进行分割之后,可形成图5所示效果,其中“1”表示乳腺组织区域,“0”表示非乳腺组织区域。
步骤102,扫描所述乳腺组织区域获得区域轮廓线。
步骤103,根据所述区域轮廓线的分布特性从所述乳腺组织区域内提取腺体扫描区域。
为了从步骤101提取出的乳腺组织区域中确定出腺体所在位置,可先通过分析乳腺组织区域获得该区域的轮廓线,然后再根据轮廓线的分布特性找到腺体参考点,以腺体参考点为基准确定出腺体所在区域,即腺体扫描区域。下面分别对这一过程中的主要步骤进行解释说明。
1.获得区域轮廓线
由乳腺检查过程中特定的摆位方式可知,一般情况下,预曝光采样图像中的人体组织是紧靠胸墙侧(图2、3中纵坐标即可视为胸墙侧)的,故可通过逐行扫描乳腺组织区域的方式获得区域轮廓线(当然,在对轮廓线的精准度要求不高时,也可不进行逐行扫描,如进行隔行扫描),具体过程可参见图4所示示意图,包括:
步骤201,对所述乳腺组织区域进行逐行扫描,并将其中与非乳腺组织区域相邻的像素点标记为轮廓点;
步骤202,连接每行的轮廓点形成所述区域轮廓线。
也就是说,要分别对乳腺组织区域的每一行进行扫描,如果扫描起始点为非乳腺组织区域,则直接转到下一行进行扫描,如果扫描起始点为乳腺组织区域,则扫描该行找到乳腺组织区域与非乳腺组织区域的临界像素点,并将该点作为形成轮廓线的一个轮廓点。
以扫描图5所示图像为例,按照从上往下从左往右的方式进行扫描,过程可简述如下:第一行的起始点为“0”,即为非乳腺组织区域,故可直接扫描第二行数据;第二行的起始点亦为表示非乳腺组织区域的“0”,故可转而扫描第三行数据;在对第三行数据的扫描过程中发现,起始点为表示乳腺组织区域的“1”,故可继续对该行进行扫描,直至扫描到该行的第三个像素点时发现,该像素点为乳腺组织区域,而与其相邻的下一个像素点(第四个像素点)则为非乳腺组织区域,故可将第三行的第三个像素点标识为轮廓点;之后继续扫描第四行数据,如此往复直至扫描完整个图像区域,获得预曝光图像包含的所有轮廓点,就可依次连接每个轮廓点形成图6所示的区域轮廓线。
2.分析区域轮廓线的特性
获得图6所示区域轮廓线后,可先对其进行平滑处理,得到轮廓线的分布函数X=f(Y),并将轮廓线所在的X坐标位置沿Y方向计算一阶导数(具体可参见图7所示示意图)和二阶导数(具体可参见图8所示示意图),并根据一阶导数图确定凸点、凹点等信息,根据二阶导数确定角点等信息,通过凸点、凹点、角点来表示轮廓线的分布特性。
其中,确定凸点的过程可体现为:当像素点A相邻的前一个像素点的导数值小于零,像素点A相邻的后一个像素点的导数值大于零时,可判定像素点A与其前后相邻的两个像素点形成了一个凸起区域,像素点A即可被判定为凸点。需要说明的是,如果像素点A相邻的后一个像素点的导数值为零,则可继续向后查看下一个像素点的导数值,判断能否形成一个凸起区域。
确定凹点的过程可体现为:当像素点A相邻的前一个像素点的导数值大于零,像素点A相邻的后一个像素点的导数值小于零时,可判定像素点A与其前后相邻的两个像素点形成了一个凹陷区域,像素点A即可被判定为凹点。需要说明的是,如果像素点A相邻的后一个像素点的导数值为零,则可继续向后查看下一个像素点的导数值,判断能否形成一个凹陷区域。
参见图7所示一阶导数的示意图,像素点11相邻的前一个像素点10的导数值大于零,且与其相邻的后一个像素点12的导数值小于零,故可判定像素点10、11、12形成了一个凹陷区域,像素点11即为一个凹点。
确定角点的过程可体现为:若像素点的二阶导数小于零,则判定该像素点为角点,参见图8所示二阶导数的示意图,其中像素点3、4、6、8、11、14、19均可被判定为角点。
3.获得腺体参考点
获得轮廓线的分布特性后,可按以下方式确定腺体参考点:
(1)如果检测到一个凸点,则将所述凸点确定为所述腺体参考点。具体可体现为:
a.检测到1个凸点、1个凹点,则将凸点确定为腺体参考点,将凸点的坐标确定为腺体参考位置。
b.检测到1个凸点、0个凹点,则将凸点确定为腺体参考点,将凸点的坐标确定为腺体参考位置。
c.检测到1个凸点、至少1个角点(同时可能还检测到1个凹点、或0个凹点),则将凸点确定为腺体参考点,将凸点的坐标确定为腺体参考位置。
(2)如果未检测到凸点,则将幅值最大的角点确定为所述腺体参考点。
如果未检测到凸点和/或凹点,而检测到至少1个角点,那么可将其中幅值最大的角点确定为腺体参考点,将该角点的坐标确定为腺体参考位置。其中,幅值为二阶导数绝对值,幅值最大就表示变化最剧烈。
(3)其它情况可视为是异常情况,可结束处理过程;或者,在对检测的特征灰度的准确度要求较低时,可按以下方式处理获得腺体参考位置:
如果存在2个凸点,可将2个凸点的中间位置确定为腺体参考位置;
如果存在多个凸点,可将多个凸点相交的位置确定为腺体参考位置;
或者,还可将探测器的中心点坐标确定为腺体参考位置,对此本发明可不做限定。
4.确定腺体扫描区域
在找到腺体参考点之后,即可以此为基础从乳腺组织区域内提取腺体扫描区域,具体过程可体现为:
(1)以腺体参考点的纵坐标为准,分别向上向下延伸相同距离(即延伸相同个数的像素点),确定出腺体扫描区域在纵轴的上下边界。以图2所示示意图为例,腺体参考点坐标为(13,11),以纵坐标为中心上下延伸到7、15,在纵轴上的跨度为9个像素点。
(2)确定腺体扫描区域在横轴的左右边界,其中左边界以胸墙为准,右边界以区域轮廓线为准。如此,就可从乳腺组织区域中提取出腺体扫描区域,具体可参见图2所示示意图中的灰色区域。
需要说明的是,向上向下延伸的距离可由经验值确定,如统计分析后将上下边界的间距限定为8~9cm,如果一个像素点代表1cm*1cm大小的区域,就相当于上下边界间隔8~9个像素点。或者,还可根据患者摆位后的压迫厚度确定,使上下边界的间距与压迫厚度相同。对此,本发明可不做具体限定。
步骤104,从所述腺体扫描区域中选取腺体候选点,并获取每个腺体候选点的灰度值。
本发明通过分析乳腺组织区域的轮廓线分布特性的方式确定腺体所在位置,与现有技术通过操作技师手动选择的方式相比,不再受限于操作技师经验与人为因素等方面的影响,确定出的腺体区域更为客观和准确,如此,就使得用于反映腺体特征的特征灰度也更为客观和准确,从而可以提高利用特征灰度确定二次曝光剂量的准确性,使二次曝光后获得的图像质量更为稳定可靠。
提取出腺体扫描区域之后,可先从中选取反映腺体特征的腺体候选点,并利用这些候选点的灰度计算特征灰度(具体体现为腺体候选点的平均灰度,下文将做阐述)。
具体地,本发明提供了两种确定腺体候选点的方案,下面一一进行解释说明。
方案一,根据所述腺体扫描区域的大小确定所述腺体候选点的个数N;获取所述腺体扫描区域内每个像素点的灰度值,并将灰度值较小的前N个像素点确定为腺体候选点。
本方案中,腺体候选点的个数与腺体扫描区域的大小有关,也就是说,一旦步骤103确定出腺体扫描区域,腺体候选点个数N也就相应的被确定下来。对此,可以预先建立一个数据库,用以保存腺体扫描区域大小与腺体候选点个数间的对应关系,如此,在得到腺体扫描区域之后,即可根据其大小以查表的方式来确定候选点个数N。或者,还可根据腺体扫描区域包含的像素点个数来确定候选点个数N,如腺体扫描区域包含M个像素点,则可将候选点个数N确定为或者N=M/2等。或者,在不考虑计算量的情况下,还可将腺体扫描区域包含的所有像素点全部确定为候选点。本发明对根据腺体扫描区域大小确定候选点个数的方式可不作具体限定。
确定好腺体候选点个数后,即可从腺体扫描区域包含的所有像素点中抽取出N个像素点作为腺体候选点。对此,可通过随机抽取的方式从中确定出N个像素点;或者,考虑到腺体相较脂肪和皮肤来说衰减系数要大一些,致使腺体在采样图像中的灰度值要小一些,故可获取腺体扫描区域包含的所有像素点的灰度值,然后按照灰度值由小到大依次进行排序,取前N个像素点作为腺体候选点(当然,也可按照灰度值由大到小的顺序排序,对应地要取后N个像素点作为腺体候选点)。
方案二,对所述腺体扫描区域进行逐行扫描,将每行中灰度值最小的像素点确定为所述腺体候选点。
本方案中,考虑到腺体在采样图像中的灰度值较小,故可通过取灰度极小值的方式来确定腺体候选点。为了尽量降低衰减系数比腺体大的胸墙侧的肌肉组织、乳腺病变组织(如肿瘤、钙化等)等干扰因素对最终结果的影响,本方案通过逐行扫描的方式选取灰度极小值,也就是说,每行都要确定一个灰度极小值的像素点作为腺体候选点,腺体扫描区域的上下边界跨越几行,就确定出几个腺体候选点。这样,即使某行或相邻的几行错误的将灰度值小的钙化组织确定为腺体候选点,还可通过后续计算平均灰度的方式弱化错误腺体候选点对特征灰度的影响程度,而降低钙化组织对特征灰度的影响,也就降低了其对二次曝光剂量产生的影响,就可避免现有技术在出现干扰因素时会导致曝光剂量增加的缺点。
步骤105,计算所述腺体候选点的灰度平均值,并将所述灰度平均值作为所述腺体扫描区域的特征灰度。
在计算腺体候选点的平均灰度值时,可直接将N个候选点的灰度值叠加后除N,如灰度值为I1、I2、I3、……、IN-1、IN,则平均灰度值I0=(I1+I2+…IN-1+IN)/N。或者,为了进一步降低可能存在的干扰因素对最终结果的影响程度,还可剔除其中灰度值最大和最小的两个腺体候选点,然后利用剩余的腺体候选点计算平均灰度值,如I1的灰度值最大、IN-1的灰度值最小,则剩余的(N-2)个腺体候选点确定出的平均灰度值I0=(I2+I3+…IN-2+IN)/(N-2)。
由上述介绍可知,本发明的特征灰度检测方法可通过分析预曝光采样图像自动提取腺体位置,进而确定出反映腺体特征的特征灰度,相对现有技术中操作技师手动选择感兴趣区域的方式来说,过程中无需人员参与,一方面可省时省力,另一方面还避免了人为因素导致的特征灰度不客观合理的缺陷。同时,本发明的检测方案还能尽量降低干扰因素对最终结果的影响程度,避免现有技术在干扰因素的影响下会增大二次曝光剂量的缺陷。
上文步骤101中,从预曝光采样图像中提取乳腺组织区域时,除可采样聚类法、区域增长法等方式实现之外,本发明还提供了一种新的提取方式,下面进行解释说明。
参见图9,示出了本发明提取乳腺组织区域实施例1的流程图,可包括:
步骤301,生成所述预曝光采样图像的灰度直方图。
步骤302,提取所述灰度直方图的峰值。
灰度直方图可以表示图像中具有某种灰度级的像素的个数,反映图像中某种灰度出现的频率,故可先利用预曝光采样图像生成灰度直方图。另外,在乳腺检查过程中,为了使两次曝光的间隔短来防止人体组织移动产生的影响,探测器会通过降低采样图像分辨率的方式来提高图像传输速度,也即预曝光采样图像中的每个像素点的灰度值为实际尺寸图像中一定大小的区域块的灰度值累加和,如此虽能提高传输速度,但采样图像尺寸过小却给图像分析带来了一定的难度,为此,本发明可将直方图归一化为32个通道(对应的区域块大小为1cm*1cm,且区域块越大,归一化的通道数就越多),具体可参见图10所示示意图。其中,横轴的每个通道代表一个灰度值,纵轴表示具有该灰度值的像素点的个数。
生成预曝光采样图像的灰度直方图之后,即可通过过零检测方式从直方图中提取峰值和峰值所在位置(一阶导数由负变正的点被记录为峰的起始点,由正变负的点被记录为峰的终止点)。
需要说明的是,为了避免抖动干扰,在通过过零检测方式提取峰值之前,可先对直方图进行平滑处理。
步骤303,判断提取的峰值个数是否小于两个,如果是,则执行步骤304;如果否,则执行步骤305。
步骤304,将所述预曝光采样图像确定为所述乳腺组织区域。
步骤305,选取峰值最大的两个作为待处理峰,获取两个待处理峰的灰度值,并将其中灰度值大的待处理峰作为背景峰。
步骤306,获取所述背景峰的起始点的灰度值作为阈值,并将所述预曝光采样图像中灰度值小于该阈值的区域确定为所述乳腺组织区域。
因为本发明要将预曝光采样图像分割为乳腺组织区域和非乳腺组织区域,故可判断灰度直方图中提取的峰值个数是否小于两个,如果小于,则认为整个采样图像均为乳腺组织区域,可执行步骤304将整个预曝光采样图像确定为乳腺组织区域。
如果从直方图中提取出的峰值大于或等于两个,则可先从中选取出峰值最大的两个峰作为待处理峰,然后获取每个待处理峰的灰度值,并将其中灰度值最大的确定为背景峰,接着就可根据背景峰具有的起始点灰度值T进行乳腺组织区域与非乳腺组织区域的划分,具体过程可体现为:将灰度值小于T的像素标记为乳腺组织,将灰度值不小于T的像素标记为非乳腺组织。
参见图11,示出了本发明提取乳腺组织区域实施例2的流程图,可包括:
步骤401,生成所述预曝光采样图像的灰度直方图。
步骤401与步骤301相同,此处不再赘述。
步骤402,将所述灰度直方图中处于所述有效灰度范围外的通道的通道值设置为零。
为了快速从采样图像中提取出乳腺组织区域,并消除限束器、压迫板的干扰,提取乳腺组织区域之前(具体指提取灰度直方图的峰值之前),先获取乳腺组织区域的有效灰度范围,然后将灰度值无效(即有效范围之外的灰度值)的通道的通道值设置为零,即将无效灰度值对应的像素点的个数设置为零。参见图10所示示意图,通道27对应的像素点个数为零,可能是采样图像中不存在通道27代表的灰度值的像素点,或者,还可能是通道27代表的灰度值为无效灰度,在本步骤中被设置为零。
具体地,本发明可通过图12所示流程来获取乳腺组织区域的有效灰度范围,可包括:
步骤S501,获取生成所述预曝光采样图像的参数,所述参数包括管电压、预曝光模式、以及压迫厚度;
步骤S502,在预先建立的数据库中查找所述参数对应的有效灰度范围,所述数据库用于保存预曝光参数与有效灰度范围的映射关系。
在研究过程中发现,由于乳腺个体差异的影响,即使相同压迫厚度的乳房的衰减特性也是有很大区别的,这主要是由乳腺的不同构成引起的,一般情况下,乳腺由腺体和脂肪组成,假设乳腺全部由脂肪构成时,则认为腺体占0%,若乳腺全部由腺体构成,则认为腺体占100%。如此,我们可以利用能模拟人体乳腺衰减情况的模体进行试验,获得不同厚度的乳房在腺体占0%、100%时对应的灰度值,因腺体的衰减系数大于脂肪的衰减系数,即腺体的灰度值要小于脂肪的灰度值,故在腺体占0%时获得的是乳腺区域的最大有效灰度值,在腺体占100%时获得的是乳腺区域的最小有效灰度值。作为示例,可以建立2cm、4cm、6cm、8cm等厚度的乳房组织的有效灰度范围,然后建立压迫厚度与有效灰度范围之间的映射关系。
此外,探测器在哪种模式下工作也会影响有效灰度范围,故还可测试获得不同压迫厚度、不同模式(靶滤过、是否放大摄影、有无滤线栅)下乳房组织的有效灰度范围,并建立压迫厚度、模式与有效灰度范围之间的映射关系。
此外,管电压也是一个影响有效灰度范围的重要参数,一般情况下,管电压增大,有效灰度范围的最小值和最大值都会增大;反之若管电压减小,则有效灰度范围的最小值和最大值都会减小。
需要说明的是,相同厚度的乳房可能是在不同压迫力的作用下产生的,故为了保证预曝光参数与有效灰度范围之间映射关系的准确性,还可增加压迫力参数,将其作为压迫厚度的补偿参数。
步骤403,提取所述灰度直方图的峰值。
步骤403与步骤302相同,此处不再赘述。
步骤404,判断提取的峰值个数是否小于两个,如果是,则执行步骤405;如果否,则执行步骤406。
步骤405,将所述预曝光采样图像确定为所述乳腺组织区域。
步骤406,选取峰值最大的两个作为待处理峰,获取两个待处理峰的灰度值,并将其中灰度值大的待处理峰作为背景峰。
步骤407,获取所述背景峰的起始点的灰度值作为阈值,并将所述预曝光采样图像中灰度值小于该阈值的区域确定为所述乳腺组织区域。
步骤404~407与步骤303~306相同,此处不再赘述。
对应地,本发明还提供了一种腺体组织特征灰度检测装置,具体可参见图13所示示意图,可包括:
乳腺组织区域提取单元501,用于获取预曝光采样图像,并从所述预曝光采样图像中提取乳腺组织区域;
轮廓线扫描单元502,用于扫描所述乳腺组织区域获得区域轮廓线;
腺体扫描区域提取单元503,用于根据所述区域轮廓线的分布特性从所述乳腺组织区域内提取腺体扫描区域;
候选点选取单元504,用于从所述腺体扫描区域中选取腺体候选点,并获取每个腺体候选点的灰度值;
平均值计算单元505,用于计算所述腺体候选点的灰度平均值,并将所述灰度平均值作为所述腺体扫描区域的特征灰度。
具体地,乳腺组织区域提取单元可通过上文介绍的聚类法、区域增长法等从采样图像中提取乳腺组织区域,或者还可按照本发明提供的方案提取,具体可参见图14所示的乳腺组织区域提取单元实施例1的构成示意图,包括:
峰值提取单元601,用于生成所述预曝光采样图像的灰度直方图,并提取所述灰度直方图的峰值;
判断单元602,用于判断提取的峰值个数是否小于两个;
第一确定单元603,用于在所述判断单元判定峰值个数小于两个时,将所述预曝光采样图像确定为所述乳腺组织区域;
选取单元604,用于在所述判断单元判定峰值个数不小于两个时,选取峰值最大的两个作为待处理峰,获取两个待处理峰的灰度值,并将其中灰度值大的待处理峰作为背景峰;
第二确定单元605,用于获取所述背景峰的起始点的灰度值作为阈值,并将所述预曝光采样图像中灰度值小于该阈值的区域确定为所述乳腺组织区域。
另外,如果在所述乳腺组织区域从预曝光采样图像中提取乳腺组织区域之前,获取到所述乳腺组织区域的有效灰度范围,本发明还提供了图15所示的乳腺组织区域提取单元实施例2,包括:
设置单元701,用于在生成所述预曝光采样图像的灰度直方图之后,将所述灰度直方图中处于所述有效灰度范围外的通道的通道值设置为零;
峰值提取单元702,用于提取所述灰度直方图的峰值;
判断单元703,用于判断提取的峰值个数是否小于两个;
第一确定单元704,用于在所述判断单元判定峰值个数小于两个时,将所述预曝光采样图像确定为所述乳腺组织区域;
选取单元705,用于在所述判断单元判定峰值个数不小于两个时,选取峰值最大的两个作为待处理峰,获取两个待处理峰的灰度值,并将其中灰度值大的待处理峰作为背景峰;
第二确定单元706,用于获取所述背景峰的起始点的灰度值作为阈值,并将所述预曝光采样图像中灰度值小于该阈值的区域确定为所述乳腺组织区域。
对应地,为了获得乳腺组织区域的有效灰度范围,本发明装置还包括以下单元:
获取单元,用于获取生成所述预曝光采样图像的参数,所述参数包括管电压、预曝光模式、以及压迫厚度;
查找单元,用于在预先建立的数据库中查找所述参数对应的有效灰度范围,所述数据库用于保存预曝光参数与有效灰度范围的映射关系。
另外,为了保证预曝光参数与有效灰度范围之间映射关系的准确性,还可增加压迫力参数,将其作为压迫厚度的补偿参数。
具体地,轮廓线扫描单元的构成可参见图16所示示意图,包括:
轮廓点扫描单元801,用于对所述乳腺组织区域进行逐行扫描,并将其中与非乳腺组织区域相邻的像素点标记为轮廓点;
连接单元802,用于连接每行的轮廓点形成所述区域轮廓线。
具体地,腺体扫描区域提取单元可采用图17所示方式实现,腺体扫描区域提取单元包括:
参考点确定单元901,用于根据所述区域轮廓线的分布特性从所述乳腺组织区域内确定腺体参考点。
其中,参考点确定单元包括:
计算单元,用于计算所述区域轮廓线的一阶导数和二阶导数,并根据所述一阶导数确定凸点,根据所述二阶导数确定角点;
参考点确定子单元,用于在检测到一个凸点时,将所述凸点确定为所述腺体参考点;在未检测到凸点时,将幅值最大的角点确定为所述腺体参考点。
腺体扫描区域确定单元902,用于根据所述腺体参考点确定所述腺体扫描区域。
具体地,本发明提供了以下两种候选点选取单元的实现方式:
方式一,所述候选点选取单元包括:
个数确定单元,用于根据所述腺体扫描区域的大小确定所述腺体候选点的个数N;
候选点选取子单元,用于获取所述腺体扫描区域内每个像素点的灰度值,并将灰度值较小的前N个像素点确定为腺体候选点。
方式二,所述候选点选取单元,具体用于对所述腺体扫描区域进行逐行扫描,将每行中灰度值最小的像素点确定为所述腺体候选点。
本发明方案可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序单元。一般地,程序单元包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明方案,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序单元可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上对本发明实施例进行了详细介绍,本文中应用了具体实施方式对本发明进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及设备;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (15)
1.一种腺体组织特征灰度检测方法,其特征在于,包括:
获取预曝光采样图像,并从所述预曝光采样图像中提取乳腺组织区域;
扫描所述乳腺组织区域获得区域轮廓线;
根据所述区域轮廓线的分布特性从所述乳腺组织区域内提取腺体扫描区域;
从所述腺体扫描区域中选取腺体候选点,并获取每个腺体候选点的灰度值;
计算所述腺体候选点的灰度平均值,并将所述灰度平均值作为所述腺体扫描区域的特征灰度;
所述根据所述区域轮廓线的分布特性从所述乳腺组织区域内提取腺体扫描区域,包括:
根据所述区域轮廓线的分布特性从所述乳腺组织区域内确定腺体参考点;
根据所述腺体参考点确定所述腺体扫描区域。
2.根据权利要求1所述的方法,其特征在于,所述从所述预曝光采样图像中提取乳腺组织区域,包括:
生成所述预曝光采样图像的灰度直方图,并提取所述灰度直方图的峰值;
判断提取的峰值个数是否小于两个:
如果是,则将所述预曝光采样图像确定为所述乳腺组织区域;
如果否,则选取峰值最大的两个峰作为待处理峰,获取两个待处理峰的灰度值,并将其中灰度值大的待处理峰作为背景峰;
获取所述背景峰的起始点的灰度值作为阈值,并将所述预曝光采样图像中灰度值小于该阈值的区域确定为所述乳腺组织区域。
3.根据权利要求2所述的方法,其特征在于,如果在所述从预曝光采样图像中提取乳腺组织区域之前,获取到所述乳腺组织区域的有效灰度范围,则在所述提取所述灰度直方图的峰值之前,所述方法还包括:
将所述灰度直方图中处于所述有效灰度范围外的通道的通道值设置为零。
4.根据权利要求3所述的方法,其特征在于,所述获取到所述乳腺组织区域的有效灰度范围,包括:
获取生成所述预曝光采样图像的参数,所述参数包括管电压、预曝光模式、以及压迫厚度;
在预先建立的数据库中查找所述参数对应的有效灰度范围,所述数据库用于保存预曝光参数与有效灰度范围的映射关系。
5.根据权利要求4所述的方法,其特征在于,所述参数还包括压迫力。
6.根据权利要求1所述的方法,其特征在于,所述根据所述区域轮廓线的分布特性从所述乳腺组织区域内确定腺体参考点,包括:
计算所述区域轮廓线的一阶导数和二阶导数,并根据所述一阶导数确定凸点,根据所述二阶导数确定角点;
如果检测到一个凸点,则将所述凸点确定为所述腺体参考点;
如果未检测到凸点,则将幅值最大的角点确定为所述腺体参考点。
7.根据权利要求1所述的方法,其特征在于,所述从所述腺体扫描区域中选取腺体候选点,包括:
根据所述腺体扫描区域的大小确定所述腺体候选点的个数N;
获取所述腺体扫描区域内每个像素点的灰度值,并将灰度值较小的前N个像素点确定为腺体候选点。
8.根据权利要求1所述的方法,其特征在于,所述从所述腺体扫描区域中选取腺体候选点,包括:
对所述腺体扫描区域进行逐行扫描,将每行中灰度值最小的像素点确定为所述腺体候选点。
9.一种腺体组织特征灰度检测装置,其特征在于,包括:
乳腺组织区域提取单元,用于获取预曝光采样图像,并从所述预曝光采样图像中提取乳腺组织区域;
轮廓线扫描单元,用于扫描所述乳腺组织区域获得区域轮廓线;
腺体扫描区域提取单元,用于根据所述区域轮廓线的分布特性从所述乳腺组织区域内提取腺体扫描区域;
候选点选取单元,用于从所述腺体扫描区域中选取腺体候选点,并获取每个腺体候选点的灰度值;
平均值计算单元,用于计算所述腺体候选点的灰度平均值,并将所述灰度平均值作为所述腺体扫描区域的特征灰度;
其中,所述腺体扫描区域提取单元包括:
参考点确定单元,用于根据所述区域轮廓线的分布特性从所述乳腺组织区域内确定腺体参考点;
腺体扫描区域确定单元,用于根据所述腺体参考点确定所述腺体扫描区域。
10.根据权利要求9所述的装置,其特征在于,所述乳腺组织区域提取单元包括:
峰值提取单元,用于生成所述预曝光采样图像的灰度直方图,并提取所述灰度直方图的峰值;
判断单元,用于判断提取的峰值个数是否小于两个;
第一确定单元,用于在所述判断单元判定峰值个数小于两个时,将所述预曝光采样图像确定为所述乳腺组织区域;
选取单元,用于在所述判断单元判定峰值个数不小于两个时,选取峰值最大的两个峰作为待处理峰,获取两个待处理峰的灰度值,并将其中灰度值大的待处理峰作为背景峰;
第二确定单元,用于获取所述背景峰的起始点的灰度值作为阈值,并将所述预曝光采样图像中灰度值小于该阈值的区域确定为所述乳腺组织区域。
11.根据权利要求10所述的装置,其特征在于,如果在所述乳腺组织区域提取单元从预曝光采样图像中提取乳腺组织区域之前,获取到所述乳腺组织区域的有效灰度范围,则所述乳腺组织区域提取单元还包括:
设置单元,用于在所述峰值提取单元提取所述灰度直方图的峰值之前,将所述灰度直方图中处于所述有效灰度范围外的通道的通道值设置为零。
12.根据权利要求11所述的装置,其特征在于,所述装置还包括:
获取单元,用于获取生成所述预曝光采样图像的参数,所述参数包括管电压、预曝光模式、压迫厚度、以及压迫力;
查找单元,用于在预先建立的数据库中查找所述参数对应的有效灰度范围,所述数据库用于保存预曝光参数与有效灰度范围的映射关系。
13.根据权利要求9所述的装置,其特征在于,所述参考点确定单元包括:
计算单元,用于计算所述区域轮廓线的一阶导数和二阶导数,并根据所述一阶导数确定凸点,根据所述二阶导数确定角点;
参考点确定子单元,用于在检测到一个凸点时,将所述凸点确定为所述腺体参考点;在未检测到凸点时,将幅值最大的角点确定为所述腺体参考点。
14.根据权利要求9所述的装置,其特征在于,所述候选点选取单元包括:
个数确定单元,用于根据所述腺体扫描区域的大小确定所述腺体候选点的个数N;
候选点选取子单元,用于获取所述腺体扫描区域内每个像素点的灰度值,并将灰度值较小的前N个像素点确定为腺体候选点。
15.根据权利要求9所述的装置,其特征在于,
所述候选点选取单元,具体用于对所述腺体扫描区域进行逐行扫描,将每行中灰度值最小的像素点确定为所述腺体候选点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310602974.2A CN103886576B (zh) | 2013-11-22 | 2013-11-22 | 一种腺体组织特征灰度检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310602974.2A CN103886576B (zh) | 2013-11-22 | 2013-11-22 | 一种腺体组织特征灰度检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103886576A CN103886576A (zh) | 2014-06-25 |
CN103886576B true CN103886576B (zh) | 2017-06-06 |
Family
ID=50955450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310602974.2A Active CN103886576B (zh) | 2013-11-22 | 2013-11-22 | 一种腺体组织特征灰度检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886576B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574327B (zh) * | 2014-12-15 | 2018-08-03 | 沈阳东软医疗系统有限公司 | 一种乳腺图像处理方法和装置 |
CN106308827A (zh) * | 2015-07-01 | 2017-01-11 | 南京普爱医疗设备股份有限公司 | 一种三维c形臂自动剂量控制方法 |
TWI584225B (zh) * | 2016-01-05 | 2017-05-21 | 財團法人工業技術研究院 | 皮膚組織估測方法及應用其之系統 |
CN106204548B (zh) * | 2016-06-30 | 2021-09-28 | 上海联影医疗科技股份有限公司 | 图像分辨方法及装置 |
CN106214171B (zh) * | 2016-09-07 | 2020-04-10 | 东软医疗系统股份有限公司 | 一种自动曝光控制方法和装置 |
CN106485287A (zh) * | 2016-10-25 | 2017-03-08 | 帝麦克斯(苏州)医疗科技有限公司 | 扫描区域的获取方法、数字切片的获取方法及装置 |
CN107049345A (zh) * | 2017-05-23 | 2017-08-18 | 深圳艾砾拓科技有限公司 | 数字x射线乳腺摄影系统中曝光指数及偏差指数计算方法 |
CN110101399A (zh) * | 2018-02-01 | 2019-08-09 | 上海西门子医疗器械有限公司 | 用于x光机的自动曝光剂量调节方法和系统及存储介质 |
CN109875588A (zh) * | 2019-01-07 | 2019-06-14 | 深圳康桥软件技术有限公司 | 一种乳腺x射线成像曝光剂量调整方法 |
CN109949274B (zh) | 2019-02-25 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及系统 |
WO2021114039A1 (zh) * | 2019-12-09 | 2021-06-17 | 深圳圣诺医疗设备股份有限公司 | 基于蒙版的自动曝光控制方法、装置、存储介质和电子设备 |
CN113432531A (zh) * | 2021-06-22 | 2021-09-24 | 广东工业大学 | 一种瓶胚尺寸测量方法 |
CN116205920B (zh) * | 2023-05-05 | 2023-07-18 | 天津医科大学总医院 | 基于肺扫描数据的重点区域检测模型生成方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334895A (zh) * | 2008-08-07 | 2008-12-31 | 清华大学 | 一种针对动态增强乳腺磁共振影像序列的影像分割方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2651305B1 (en) * | 2010-12-14 | 2016-03-16 | Koninklijke Philips N.V. | Ultrasound imaging system and method with peak intensity detection |
-
2013
- 2013-11-22 CN CN201310602974.2A patent/CN103886576B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334895A (zh) * | 2008-08-07 | 2008-12-31 | 清华大学 | 一种针对动态增强乳腺磁共振影像序列的影像分割方法 |
Non-Patent Citations (2)
Title |
---|
基于区域特征的交互式图像分割方法及其应用;刘宁宁等;《软件学报》;19990331;第10卷(第3期);235-240 * |
结合边缘检测和区域方法的医学图像分割算法;史延新;《西安工程大学学报》;20100630;第24卷(第3期);320-323,329 * |
Also Published As
Publication number | Publication date |
---|---|
CN103886576A (zh) | 2014-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103886576B (zh) | 一种腺体组织特征灰度检测方法及装置 | |
CN107480677B (zh) | 一种识别三维ct图像中感兴趣区域的方法及装置 | |
CN108898595B (zh) | 一种胸部图像中病灶区域的定位模型的构建方法及应用 | |
US8218849B2 (en) | Method and system for automatic landmark detection using discriminative joint context | |
CN109363699B (zh) | 一种乳腺影像病灶识别的方法及装置 | |
US20030035507A1 (en) | Computer-aided diagnosis system for thoracic computer tomography images | |
US8649843B2 (en) | Automated calcium scoring of the aorta | |
JP3499761B2 (ja) | 骨画像処理方法及び骨強度評価方法 | |
CN108108739A (zh) | 图像目标区域的检测方法、装置、x射线系统及存储介质 | |
CN103337096A (zh) | 一种冠状动脉ct造影图像钙化点检测方法 | |
CN111862038B (zh) | 一种斑块检测方法、装置、设备及介质 | |
CN108052909B (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
CN104143047A (zh) | 血管内超声灰阶图像的自动组织标定方法 | |
CN109461144B (zh) | 一种乳腺影像识别的方法及装置 | |
CN109919912A (zh) | 一种医学影像的质量评价方法和装置 | |
KR20200108686A (ko) | 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션 | |
CN111951215A (zh) | 一种图像检测方法、装置及计算机可读存储介质 | |
CN113034528A (zh) | 基于影像组学的靶区及危及器官勾画轮廓准确性检验方法 | |
CN111863204A (zh) | 基于钼靶x线摄影检查的乳腺疾病ai辅助诊断方法及系统 | |
CN109003659A (zh) | 胃幽门螺旋杆菌感染病理诊断支持系统和方法 | |
CN112529900B (zh) | 匹配乳腺图像中roi的方法、装置、终端与存储介质 | |
KR102255592B1 (ko) | 마진 라인의 정밀도 향상을 위한 치과용 ct 영상 처리 방법 | |
CN116228767A (zh) | 基于计算机视觉的x光肺部肿块图像处理方法 | |
CN113838020B (zh) | 一种基于钼靶影像的病变区域量化方法 | |
WO2022033598A1 (zh) | 乳房x射线图像获取方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Patentee after: DongSoft Medical System Co., Ltd. Address before: Hunnan New Century Road 110179 Shenyang city of Liaoning Province, No. 16 Patentee before: Dongruan Medical Systems Co., Ltd., Shenyang |