CN104331694A - 医疗影像特征区域实时提取和标示方法 - Google Patents

医疗影像特征区域实时提取和标示方法 Download PDF

Info

Publication number
CN104331694A
CN104331694A CN201410141497.9A CN201410141497A CN104331694A CN 104331694 A CN104331694 A CN 104331694A CN 201410141497 A CN201410141497 A CN 201410141497A CN 104331694 A CN104331694 A CN 104331694A
Authority
CN
China
Prior art keywords
characteristic area
medical imaging
time
extract real
marker method
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
Application number
CN201410141497.9A
Other languages
English (en)
Inventor
钱大宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI QIZHENG MICROELECTRONIC Co Ltd
Original Assignee
SHANGHAI QIZHENG MICROELECTRONIC Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANGHAI QIZHENG MICROELECTRONIC Co Ltd filed Critical SHANGHAI QIZHENG MICROELECTRONIC Co Ltd
Priority to CN201410141497.9A priority Critical patent/CN104331694A/zh
Publication of CN104331694A publication Critical patent/CN104331694A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content

Abstract

本发明公开了一种医疗影像特征区域实时提取和标示方法，包括如下步骤：(1)采集动态实时医疗影像；(2)在屏幕显示动态实时医疗影像，并标示特征区。本发明的医疗影像特征区域实时提取和标示方法，能够实现自动实时捕获特征区(病灶区、病灶疑似区、重点观察区)，标示相应局部区域，辅助医生人眼分辨，节省了找寻时间，大大提高了手术的效率。

Description

医疗影像特征区域实时提取和标示方法
技术领域
本发明涉及一种外科医学用于人体内部检查诊断与治疗的医疗影像分析方法，具体设计一种医疗影像特征区域实时提取和标示方法。 
背景技术
内窥镜、超声仪和CT等设备是常见的医疗设备，其输出的医疗影像能够方便医生观测患者的非可视区影像(例如胃、小肠、腹部、脑部、肺、肾等器官)，但现有医疗影像的分析处理过程一般都是在后端对图片操作的，并非实时的，如图1所示，包括如下步骤： 
(1)采集动态实时医疗影像； 
(2)在屏幕显示动态实时医疗影像； 
(3)分析处理截取的特征图像。 
上述方法中，医生在采集和观察的过程没有特征区域的提示，容易忽视特征区，并不便于观察。因此，一种快速有效的能够对特征区(例如病灶区、疑似病灶区、重点观测对象区)进行自动查找、提取和标示的医疗影像处理方法就显得十分必要。 
发明内容
本发明所要解决的技术问题是提供一种医疗影像特征区域实时提取和标示方法，能够实现自动查找和显示特征区，且对于不同特征区可以用不同颜色的边框进行标示。 
为了解决以上技术问题，本发明提供了一种医疗影像特征区域实时提取和标示方法，包括如下步骤： 
(1)采集动态实时医疗影像； 
(2)在屏幕显示动态实时医疗影像，并标示特征区。 
优选地，本发明的医疗影像特征区域实时提取和标示方法，所述步骤(1)和所述步骤(2)之间同步包括如下步骤： 
(21)建立特征数据库； 
(22)提取特征区域； 
(23)边界确认； 
(24)特征分类。 
进一步地，本发明的医疗影像特征区域实时提取和标示方法，所述步骤(21)建立特征数据库，进一步包括： 
(211)输入病例 
(212)分析图像颜色、结构及纹理特征，对病例进行诊断； 
(213)建立分类特征数据库。 
进一步地，本发明的医疗影像特征区域实时提取和标示方法，所述步骤(22)提取特征区域，进一步包括： 
(221)将拍摄的图像分区，提取各个区颜色、结构和纹理特征； 
(222)与特征数据库进行比对，判断各个区是否属于特征区域。 
更进一步地，本发明的医疗影像特征区域实时提取和标示方法，所述步骤(213)建立分类特征数据库步骤是建立特征光照射下的特征数据库。 
更进一步地，本发明的医疗影像特征区域实时提取和标示方法，所述的特征光为单色光。 
更进一步地，本发明的医疗影像特征区域实时提取和标示方法，所述的特征光为红外光。 
优选地，本发明的医疗影像特征区域实时提取和标示方法，所述标示特征区是指将相同的特征区域进行合并后标示。 
进一步地，本发明的医疗影像特征区域实时提取和标示方法，所述标示特征区是指用不同颜色的边框线标示不同种类的特征区域。 
进一步地，本发明的医疗影像特征区域实时提取和标示方法，所述标示特征区是指用不同颜色的边框线标示严重程度不同的特征区。 
优选地，本发明的医疗影像特征区域实时提取和标示方法，所述特征区为病灶区、疑似病灶区或被观察对象区。 
本发明的医疗影像特征区域实时提取和标示方法，能够实现自动实时捕获特征区(病灶区、病灶疑似区、重点观察区)，标示相应局部区域，辅助医生人眼分辨，节省了找寻时间，大大提高了手术的效率。 
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。 
图1是现有医疗影像采集和分析示意图； 
图2是本发明的医疗影像特征区域实时提取和标示方法的示意图； 
图3是本发明建立特征数据库的示意图； 
图4是本发明标示病灶或疑似病灶的区域的一个示意图； 
图5是本发明标示病灶或疑似病灶的区域的另一个示意图； 
图6是本发明标示病灶或疑似病灶的区域的再一个示意图。 
具体实施方式
本发明医疗影像特征区域实时提取和标示方法，包括如下步骤： 
(1)采集动态实时医疗影像； 
(2)在屏幕显示动态实时医疗影像，并标示特征区(所述特征区根据需要可以设定为病灶区、疑似病灶区或被观察对象区)。 
优选地，如图2所示，本发明的医疗影像特征区域实时提取和标示方法，所述步骤(1)和所述步骤(2)之间同步包括如下步骤： 
(21)建立特征数据库； 
(22)提取特征区域； 
(23)边界确认； 
(24)特征分类。 
如图3所示，本发明的医疗影像特征区域实时提取和标示方法，所述步骤(21)建立特征数据库，进一步包括： 
(211)输入病例 
(212)分析图像颜色、结构及纹理特征，对病例进行诊断； 
(213)建立分类特征数据库。 
进一步地，本发明的医疗影像特征区域实时提取和标示方法，所述步骤(22)提取特征区域，进一步包括： 
(221)将拍摄的图像分区，提取各个区颜色、结构和纹理特征； 
(222)与特征数据库进行比对，判断各个区是否属于特征区域。 
上述步骤(222)的此对与现有技术中对静态图像的分析处理方法相同，可以根据颜色、结构及纹理特征辨别是非属于特征区，现有关于图像处理方法的算法及技术很多，本申请不做展开。 
本发明一个实施例是拍摄胃部影像，其中可以在动态实时影像中自动标示胃溃疡的区域，便于医生观察。 
如图4所示，计算一个区A1及与该区临近的上下左右四个区的颜色的平均值，判断该中心区A1的颜色平均值与临近四个区颜色的平均值差是否大于设定值(该设定值的大小根据不同病灶与正常区颜色的偏差值设定)，从而也可以判断区A1是否为特征区。例如图中区A1为一个炎症区域，其与相邻近的上下左右区域的差值均超出设定值，则将区A1的各个边界值用框线进行标注，从而可以辅助医生提示该区域为值得关注的病灶区域。 
为了辨识一些复杂的病灶，本发明的医疗影像特征区域实时提取和标示方法，所述步骤(213)建立分类特征数据库步骤可以是建立特征光照射下的特征数据库。所述的特征光为单色光，或红外光。在特征光下一些复杂的病灶会有特定的表现，且特征光拍摄还可以辨识出病灶的深度(严重程度)。相邻近的特征区域在标示前可以先进行合并，然后再确定合并后区域整体的边界，进行标示。如图5所示，区A2炎症区域是由4块小分区组成的，相互临近，所以进行合并后用整个区域的边框进行提示，可以辅助医生对该病灶区域进行观察。 
本发明的医疗影像特征区域实时提取和标示方法，所述标示特征区可以用不同颜色的边框线标示不同种类的特征区域(例如糜烂、溃疡、出血、息肉、肿瘤等等)，也可以用不同颜色的边框线标示严重程度不同的特征区(例如采用不同颜色的框线标示糜烂程度轻度、中度及重度)。如图6所示，是一个包含多种病灶(区A3、区A4和区A5)的示意图，不同填充色表示不同种类的病灶(或者不同程度的病灶)，可以用不同颜色的外框对区域进行标示，便于医生分类观察。 
综上所述，本发明的医疗影像特征区域实时提取和标示方法，能够实现自动实时捕获特征区，标示相应局部区域，节省了找寻时间，大大提高了手术的效率。 
以上所述均为本发明的优选实施例，并不用于限制本发明，对本领域的技术人员来说，可以有各种更改和变化。凡在本发明的精神和范围内，所做的任何修改和等同替换、改进等，均应包含在本发明的保护范围之内。 

Claims (11)

1.一种医疗影像特征区域实时提取和标示方法，其特征在于，包括如下步骤：
(1)采集动态实时医疗影像；
(2)在屏幕显示动态实时医疗影像，并标示特征区。
2.如权利要求1所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述步骤(1)和所述步骤(2)之间同步包括如下步骤：
(21)建立特征数据库；
(22)提取特征区域；
(23)边界确认；
(24)特征分类。
3.如权利要求2所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述步骤(21)建立特征数据库，进一步包括：
(211)输入病例
(212)分析图像颜色、结构及纹理特征，对病例进行诊断；
(213)建立分类特征数据库。
4.如权利要求3所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述步骤(22)提取特征区域，进一步包括：
(221)将拍摄的图像分区，提取各个区颜色、结构和纹理特征；
(222)与特征数据库进行比对，判断各个区是否属于特征区域。
5.如权利要求3所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述步骤(213)建立分类特征数据库步骤是建立特征光照射下的特征数据库。
6.如权利要求6所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述的特征光为单色光。
7.如权利要求6所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述的特征光为红外光。
8.如权利要求2所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述标示特征区是指将相同的特征区域进行合并后标示。
9.如权利要求9所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述标示特征区是指用不同颜色的边框线标示不同种类的特征区域。
10.如权利要求9所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述标示特征区是指用不同颜色的边框线标示严重程度不同的特征区。
11.如权利要求2所述的医疗影像特征区域实时提取和标示方法，其特征在于，所述特征区为病灶区、疑似病灶区或被观察对象区。
CN201410141497.9A 2014-04-02 2014-04-02 医疗影像特征区域实时提取和标示方法 Pending CN104331694A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410141497.9A CN104331694A (zh) 2014-04-02 2014-04-02 医疗影像特征区域实时提取和标示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410141497.9A CN104331694A (zh) 2014-04-02 2014-04-02 医疗影像特征区域实时提取和标示方法

Publications (1)

Publication Number Publication Date
CN104331694A true CN104331694A (zh) 2015-02-04

Family

ID=52406416

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410141497.9A Pending CN104331694A (zh) 2014-04-02 2014-04-02 医疗影像特征区域实时提取和标示方法

Country Status (1)

Country Link
CN (1) CN104331694A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512473A (zh) * 2015-11-30 2016-04-20 广州三瑞医疗器械有限公司 一种阴道镜图像的智能识别方法及装置
CN106557767A (zh) * 2016-11-15 2017-04-05 北京唯迈医疗设备有限公司 一种确定介入影像中roi区域的方法
CN107153833A (zh) * 2016-03-03 2017-09-12 富士胶片株式会社 图像处理装置及其工作方法
CN107341797A (zh) * 2017-07-03 2017-11-10 杭州远舟医疗科技有限公司 信息显示方法、装置及电子设备
CN108375578A (zh) * 2018-01-23 2018-08-07 杭州俱健基因生物科技有限公司 一种基于病理切片扫描装置的多个单区域选定扫描区域的方法
CN108921179A (zh) * 2018-06-22 2018-11-30 电子科技大学 一种婴幼儿血管瘤病变区颜色的自动提取与量化方法
CN109273073A (zh) * 2018-08-28 2019-01-25 上海联影医疗科技有限公司 医学图像的存储方法及装置、计算机可读存储介质
US11348247B2 (en) 2017-11-02 2022-05-31 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for generating semantic information for scanning image

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1504931A (zh) * 2002-11-26 2004-06-16 GEҽҩϵͳ����Ƽ���˾ 图像组的计算机辅助诊断
CN101061509A (zh) * 2004-11-19 2007-10-24 皇家飞利浦电子股份有限公司 用于医疗成像数据内的肿瘤边界的自动检测和分割的系统和方法
CN101071474A (zh) * 2006-05-10 2007-11-14 航伟科技股份有限公司 人体影像异常区域统计检测方法
US20100014755A1 (en) * 2008-07-21 2010-01-21 Charles Lee Wilson System and method for grid-based image segmentation and matching
CN103345576A (zh) * 2013-06-25 2013-10-09 上海交通大学 基于四模态医学影像的病例库诊断系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1504931A (zh) * 2002-11-26 2004-06-16 GEҽҩϵͳ����Ƽ���˾ 图像组的计算机辅助诊断
CN101061509A (zh) * 2004-11-19 2007-10-24 皇家飞利浦电子股份有限公司 用于医疗成像数据内的肿瘤边界的自动检测和分割的系统和方法
CN101071474A (zh) * 2006-05-10 2007-11-14 航伟科技股份有限公司 人体影像异常区域统计检测方法
US20100014755A1 (en) * 2008-07-21 2010-01-21 Charles Lee Wilson System and method for grid-based image segmentation and matching
CN103345576A (zh) * 2013-06-25 2013-10-09 上海交通大学 基于四模态医学影像的病例库诊断系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512473A (zh) * 2015-11-30 2016-04-20 广州三瑞医疗器械有限公司 一种阴道镜图像的智能识别方法及装置
CN107153833A (zh) * 2016-03-03 2017-09-12 富士胶片株式会社 图像处理装置及其工作方法
CN106557767A (zh) * 2016-11-15 2017-04-05 北京唯迈医疗设备有限公司 一种确定介入影像中roi区域的方法
CN107341797A (zh) * 2017-07-03 2017-11-10 杭州远舟医疗科技有限公司 信息显示方法、装置及电子设备
US11348247B2 (en) 2017-11-02 2022-05-31 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for generating semantic information for scanning image
CN108375578A (zh) * 2018-01-23 2018-08-07 杭州俱健基因生物科技有限公司 一种基于病理切片扫描装置的多个单区域选定扫描区域的方法
CN108921179A (zh) * 2018-06-22 2018-11-30 电子科技大学 一种婴幼儿血管瘤病变区颜色的自动提取与量化方法
CN108921179B (zh) * 2018-06-22 2022-03-18 电子科技大学 一种婴幼儿血管瘤病变区颜色的自动提取与量化方法
CN109273073A (zh) * 2018-08-28 2019-01-25 上海联影医疗科技有限公司 医学图像的存储方法及装置、计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN104331694A (zh) 医疗影像特征区域实时提取和标示方法
Pogorelov et al. Deep learning and hand-crafted feature based approaches for polyp detection in medical videos
RU2765619C1 (ru) Компьютерная классификация биологической ткани
EP2685881B1 (en) Medical instrument for examining the cervix
WO2020151307A1 (zh) 病灶自动识别方法、装置及计算机可读存储介质
BR112020013162A2 (pt) sistema cirúrgico interativo
CN112789686A (zh) 利用胃内窥镜图像的深度学习诊断胃病变的装置及方法
CN108388841B (zh) 基于多特征深度神经网络的宫颈活检区域识别方法及装置
CN111275041B (zh) 内窥镜图像展示方法、装置、计算机设备及存储介质
WO2018155898A1 (en) Method and apparatus for processing histological image captured by medical imaging device
WO2020215810A1 (zh) 一种基于图像识别的结肠镜手术中窄带成像检测方法
Cui et al. Bleeding detection in wireless capsule endoscopy images by support vector classifier
CN107292347A (zh) 一种胶囊内窥镜图像识别方法
CN103975364A (zh) 针对宫颈的光学检查的图像选择
CN107230198B (zh) 胃镜图像智能处理方法及装置
CN107122597B (zh) 一种角膜受损智能诊断系统
CN110189303A (zh) 一种基于深度学习和图像增强的nbi图像处理方法及其应用
CN110477846A (zh) 一种消化内镜异常特征实时标记方法及系统
CN111839428A (zh) 一种基于深度学习提高结肠镜腺瘤性息肉检出率的方法
Chen et al. Automatic hookworm image detection for wireless capsule endoscopy using hybrid color gradient and contourlet transform
Ghosh et al. Block based histogram feature extraction method for bleeding detection in wireless capsule endoscopy
Ghosh et al. Automatic small intestinal ulcer detection in capsule endoscopy images
CN105869151B (zh) 舌分割及舌苔舌质分离方法
Asiedu et al. Combining multiple contrasts for improving machine learning-based classification of cervical cancers with a low-cost point-of-care Pocket colposcope
Sindhu et al. Automatic detection of colonic polyps and tumor in wireless capsule endoscopy images using hybrid patch extraction and supervised classification

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150204