CN105374025B - 乳房图像获取方法及装置、乳房摄影系统 - Google Patents
乳房图像获取方法及装置、乳房摄影系统 Download PDFInfo
- Publication number
- CN105374025B CN105374025B CN201510640746.3A CN201510640746A CN105374025B CN 105374025 B CN105374025 B CN 105374025B CN 201510640746 A CN201510640746 A CN 201510640746A CN 105374025 B CN105374025 B CN 105374025B
- Authority
- CN
- China
- Prior art keywords
- image
- breast
- edge
- detected
- medical 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.)
- Active
Links
- 210000000481 breast Anatomy 0.000 title claims abstract description 276
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000009607 mammography Methods 0.000 title claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000003709 image segmentation Methods 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims description 15
- 238000003708 edge detection Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 108010001267 Protein Subunits Proteins 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 abstract description 8
- 230000003902 lesion Effects 0.000 abstract description 7
- 230000011218 segmentation Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012804 iterative process Methods 0.000 description 4
- 230000002902 bimodal effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241000270295 Serpentes Species 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
-
- 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
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种乳房图像获取方法及装置、乳房摄影系统。所述乳房图像获取方法包括：分割医学图像以获得乳房区域；基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘；基于所述乳房区域和所述乳房边缘确定所述乳房图像。本发明技术方案可以获取不同剂量的医学图像中的乳房图像，且最终获得的乳房图像的精确度较高，提高了乳房图像的质量，进而也降低了误诊率，且在一定程度上也提高了医生对乳房区域病灶的诊断效率。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种乳房图像获取方法及装置、乳房摄影系统。
背景技术
随着计算机科学和信息技术的发展，医学成像技术也得到了迅速的发展，各种医用影像系统不断涌现。全视野数字乳房X线摄影系统(FFDM，full-field digitalmammography)作为乳腺癌的筛查和诊断得到了广泛的应用。
对采用FFDM拍摄获得的医学图像而言，乳房图像的提取是基于FFDM进行摄片的计算机辅助诊断中的关键步骤。对乳房图像进行提取能够将病灶的检测范围限定在乳房区域之内，进而降低背景区域的干扰。
目前，通常采用以下三种方法对乳房图像进行分割：
第一种：大津法，利用阈值分割原图像中的前景图像和背景图像。采用大津法实现对乳房图像的分割较简单，但是分割后获得的乳房图像不精确，有所缺失。
第二种：分水岭算法，相对于大津法而言采用分水岭算法分割后获得的乳房图像比采用大津法分割获得的乳房图像较精确，但是对于剂量较高的医学图像，采用分水岭算法分割后获得的乳房图像仍不精确。
第三种：Snake算法，采用Snake算法对医学图像进行分割，分割获得的乳房图像较精确，但其分割速度较慢，不适合用于实际的产品中。
因此，如何能够提供一种精确度高且速度快的乳房图像获取方法，成为目前亟待解决的问题之一。
发明内容
本发明要解决的问题是提供一种乳房图像获取方法及装置、乳房摄影系统，以使得获得的乳房图像精度高且获得所述乳房图像的速度快。
为解决上述问题，本发明技术方案提供一种乳房图像获取方法，包括：
分割医学图像以获得乳房区域；
基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘；
基于所述乳房区域和所述乳房边缘确定所述乳房图像。
可选的，所述基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘包括：
对所述医学图像进行去噪以获得第一图像；
对所述第一图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第二图像；
基于边缘检测方法对所述第二图像中的乳房边缘进行检测。
可选的，对所述第一图像进行预处理包括：对所述第一图像进行梯度变换或差分运算。
可选的，基于迭代法或大津法对所述第二图像中的乳房边缘进行检测。
可选的，所述基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘包括：
对所述医学图像进行对数变换以获得第三图像；
对所述第三图像进行去噪以获得第四图像；
对所述第四图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第五图像；
基于边缘检测方法对所述第五图像中的乳房边缘进行检测。
可选的，对所述第四图像进行预处理包括：对所述第四图像进行梯度变换或差分运算。
可选的，基于迭代法或大津法对所述第五图像中的乳房边缘进行检测。
可选的，所述乳房图像获取方法，还包括去除所述乳房图像中存在的孤立像素点。
可选的，基于大津法分割所述医学图像以获得乳房区域。
为解决上述问题，本发明技术方案还提供一种乳房图像获取装置，包括：
分割单元，用于分割医学图像以获得乳房区域；
检测单元，用于基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘；
确定单元，用于基于所述乳房区域和所述乳房边缘确定所述乳房图像。
可选的，所述检测单元包括：
第一去噪单元，用于对所述医学图像进行去噪以获得第一图像；
第一预处理单元，用于对所述第一图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第二图像；
第一检测子单元，用于基于边缘检测方法对所述第二图像中的乳房边缘进行检测。
可选的，所述检测单元包括：
变换单元，用于对所述医学图像进行对数变换以获得第三图像；
第二去噪单元，用于对所述第三图像进行去噪以获得第四图像；
第二预处理单元，用于对所述第四图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第五图像；
第二检测子单元，用于基于边缘检测方法对所述第五图像中的乳房边缘进行检测。
为解决上述问题，本发明技术方案还提供一种乳房摄影系统，包括上述的乳房图像获取装置。
与现有技术相比，本发明技术方案具有以下优点：
先分割医学图像以获得乳房区域，然后基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘，进而基于所述乳房区域和所述乳房边缘确定所述乳房图像，由于先分割出乳房区域且考虑了实际医学图像中乳房边缘的灰度变化特性来检测所述乳房边缘，因此对于不同剂量的医学图像而言，最终获得的乳房图像的精确度较高，减少了背景区域的干扰，提高了乳房图像的质量，进而也降低了误诊率，在一定程度上也提高了医生对乳房区域病灶的诊断效率。
进一步地，对所述医学图像进行去噪以获得第一图像，然后对所述第一图像进行预处理获得待检乳房边缘灰度值最高的第二图像，避免了噪声对所述第二图像的影响，实现了待检测乳房边缘的灰度值最高，乳房区域的灰度值次高、背景区域的灰度值最低。故使得后续采用边缘检测方法对所述第二图像中的乳房边缘进行检测时，减少将背景区域的像素点检测为乳房区域的像素点的概率，进一步的提高了最终获得的乳房图像的精确度，提高了获得的乳房图像的质量。
进一步地，考虑到X射线的衰减特性服从指数分布，在对所述医学图像去噪前，对所述医学图像进行对数变换获得第三图像，便于后续的处理，在一定程度上降低了图像处理过程中计算的复杂度和计算量，进而也提高了获得乳房图像的速度。
进一步地，采用大津法对所述医学图像进行分割以获得乳房区域，由于乳房图像的灰度直方图为双峰图，故采用大津法分割所述医学图像以获得乳房区域的速度快且精度高，同时由于考虑了实际医学图像中乳房边缘的灰度变化特性来检测所述乳房边缘，因此对于不同剂量的医学图像而言，最终获得的乳房图像的精确度较高，进而提高了乳房图像的质量，在降低了误诊率的同时也提高了医生对乳房区域的病灶的诊断效率。此外采用迭代法检测所述第二图像中的乳房边缘，计算量小，因此进一步的提高了获得乳房图像的速度。
附图说明
图1是本发明实施方式的乳房图像获取方法的流程示意图；
图2是FFDM拍摄的医学图像；
图3是本发明实施例的乳房图像获取方法的流程示意图；
图4是采用本发明实施例的乳房图像获取方法获得的乳房图像；
图5是本发明实施方式的乳房图像获取装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。
正如现有技术中所描述的，目前所采用的对乳房图像进行分割的算法，分割后获得的乳房图像的精确度低，不符合实际的临床需求，若要获得精确度较高的乳房图像，则获得乳房图像的速度较慢，不能应用在实际的产品中。因此，现有的乳房图像分割算法无法实现以较快的速度获得精确度较高的乳房图像。
发明人对FFDM获得的医学图像进行分析后得出，对于实际拍摄获得的医学图像而言，乳房边缘的灰度值与背景区域的灰度值比较接近，尤其是对于高剂量的医学图像，其乳房边缘和背景区域基本上难以区分，进而导致采用分割算法分割乳房图像(包括乳房区域和乳房边缘)时，乳房边缘会被分割到背景区域中，出现过分割的现象，分割获得的乳房图像的精确度较低。
因此，发明人考虑先将医学图像中的乳房区域进行提取，然后基于乳房边缘的灰度变化特性来检测乳房边缘，将获得的乳房区域和乳房边缘进行叠加，以获得乳房图像。
参见图1，图1是本发明实施方式的乳房图像获取方法的流程示意图，如图1所示，本发明实施方式的乳房图像获取方法包括：
S101：分割医学图像以获得乳房区域；
S102：基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘；
S103：基于所述乳房区域和所述乳房边缘确定所述乳房图像。
以下结合具体的实施例对本发明实施方式的乳房图像获取方法进行详细的说明。
执行S101，对通过FFDM采集到的医学图像进行分割，获得乳房区域，考虑到乳房图像的灰度直方图为双峰图，采用大津法分割在速度和精度上最为有效，因此本实施例中先获取所述医学图像的灰度直方图，然后采用大津法对所述医学图像进行分割，分割后获得的乳房区域精度高，且分割速度较快。在其他实施例中，也可以采用其他的图像分割算法对所述医学图像中的乳房区域进行分割，如：采用分水岭算法对所述医学图像进行分割。
执行S102，基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘。由上述可知对于临床获得的医学图像而言，乳房边缘的灰度值和背景区域的灰度值非常接近，此外，乳房边缘的灰度值又是所述医学图像中灰度变化最剧烈的部分，因此，可以先抬高所述医学图像中待检测乳房边缘的灰度值，使得所述待检测乳房边缘在所述医学图像中凸显出来以便于后续对所述乳房边缘的检测。此外，考虑到通过FFDM采集到的医学图像，不同剂量下采集到的医学图像的噪声各不相同，且噪声的存在势必会对提高待检测乳房边缘的灰度值有所影响，因此在提高所述医学图像中待检测乳房边缘的灰度值之前对所述医学图像进行去噪，避免噪声对后续处理的影向。
此外，考虑到X射线的衰减服从指数分布，为了降低计算复杂度和计算量进而进一步的提高检测乳房边缘的速度，本实施例中在对所述医学图像去噪前，对所述医学图像先进行对数变换以获得第三图像，然后对所述第三图像进行去噪以获得第四图像。
本实施例中，采用高斯滤波的方式对所述医学图像去噪，在其他实施例中也可以采用均值滤波的方式对所述医学图像去噪。
在对所述医学图像进行对数变换和去除了经过对数变换的医学图像中的噪声以获得所述第四图像后，对所述第四图像进行预处理以使得待检测乳房边缘的灰度值最高，也即抬高所述第四图像中待检测乳房边缘的灰度值，使得所述待检测乳房边缘在所述第四图像中凸显出来以便于后续对所述乳房边缘的检测。本实施例中所述预处理包括对所述第四图像进行梯度变换，具体的通过sobel梯度算子对所述第四图像进行梯度变换。在其他实施例中，也可以对所述第四图像进行差分运算，也即采用差分法来提高所述第四图像中待检测乳房边缘的灰度值。
本领域技术人员知晓，对于采用FFDM拍摄获得的医学图像而言，其乳房区域的灰度值通常低于背景区域的灰度值，即为正片，如图2所示，正片中背景区域的灰度值＞乳房边缘的灰度值＞乳房区域的灰度值，对所述正片(医学图像)进行对数变换后获得第三图像，再对所述第三图像进行去噪可以使得所述第三图像中灰度值波动较大的背景区域的灰度波动变小，或者说可以使得所述第三图像的背景区域中所有像素点的灰度值趋于同一水平。因此，在对去噪后的第三图像即第四图像进行梯度变换时，可以使得获得的第五图像中待检测乳房边缘的灰度值＞乳房区域的灰度值＞背景区域的灰度值。故，可以避免出现在采用边缘检测方法提取所述第五图像中的乳房边缘时，若背景区域的灰度值较高，可能会将背景区域中的像素点检测为乳房边缘的像素点的现象，因此，对进行了对数变换的医学图像先进行去噪再进行梯度变换，在一定程度上为后续获取的乳房图像的精确度提供了一定的保证，有利于提高乳房图像的精确度。
在对所述医学图像进行了对数变换、去噪和梯度变换获得第五图像后，基于边缘检测方法对所述第五图像中的乳房边缘进行检测。考虑到实际应用中获得的第五图像为浮点型的数据，而采用迭代法对乳房边缘进行检测时，不需要将浮点型的数据转换为整型数据故图像精度不会有所损失，此外迭代法计算量较小且速度快，因此本实施例中，采用迭代法检测所述第五图像中的乳房边缘。具体地，
设置初始阈值T0，为了加快迭代速度，本实施例中以所述第五图像中最大灰度值和最小灰度值之和的一半为所述初始阈值T0，第一次迭代时，根据所述初始阈值T0，所述第五图像被分为两个区域，像素点灰度值大于所述初始阈值T0的第一区域和像素点灰度值小于等于所述初始阈值T0的第二区域，计算所述第一区域和第二区域的灰度均值(各区域像素点灰度值之和除以对应的像素点个数)，以所述第一区域和第二区域的灰度均值之和的一半T1为新的阈值以更新初始阈值T0，判断abs(T1-T0)是否大于1，若abs(T1-T0)＞1，则以T1为阈值继续对所述第五图像进行分割，直至abs(Ti+1-Ti)＜1，迭代终止，Ti+1为最终的分割阈值，像素点灰度值大于Ti+1的像素点的集合为乳房边缘。
在其他实施例中，也可以采用大津法或其他分割方法对第二图像中的乳房边缘进行提取。
此外，在实际迭代过程中，还可以对迭代过程中获得的阈值乘以小于1的权重因子，所述权重因子可以根据对多幅医学图像的乳房边缘进行检测时的实际迭代过程中迭代收敛前阈值的变化规律而定。对迭代过程中获得的阈值乘以小于1的权重因子，可以进一步的提高获取的乳房边缘的精确度。
执行S103，基于所述乳房区域和所述乳房边缘确定所述乳房图像。本实施例中，具体地就是将S101获得的乳房区域和S102获得的乳房边缘进行叠加以获得最终的乳房图像。考虑到实际处理过程中，可能会有背景区域的像素点被误判为乳房图像的像素点，因此需对叠加后获得的乳房图像中的孤立像素点进行去除，以提高乳房图像的精确度。
以下结合实际的应用和图3对本发明实施例的乳房图像获取方法进行简单的说明。
如图3所示，输入原始投影图像(RawImage，即FFDM获得的医学图像)，计算RawImage的灰度直方图，采用大津法(Otsu)分割RawImage以获得乳房区域。对RawImage先进行log变换再进行高斯滤波得到Image_1，对Image_1进行梯度变换得到Image_2，采用迭代法检测所述Image_2中的乳房边缘，将检测得到的乳房区域和乳房边缘进行叠加以获得乳房图像，去除所述乳房图像中的孤立像素点以输出最终的乳房图像。
参见图4，图4是采用本发明实施例的乳房图像获取方法获得的乳房图像，图中白色区域所示即为最终获得的乳房图像，从图4中可以看出采用本发明实施例的乳房图像获取方法获得的乳房边缘清晰，可以精确的将乳房图像从医学图像中分割出。
本实施例中，采用大津法分割乳房区域，通过对医学图像进行对数变换、去噪和梯度变换获得所述第五图像，并通过迭代法对所述第五图像中的乳房边缘进行检测，对分割后的乳房区域和检测获得的乳房边缘进行叠加所获得的乳房图像的精确度较高，且采用大津法分割乳房区域，迭代法检测乳房边缘速度快，另外采用对数变换可以降低图像处理过程中的复杂度和计算量，进而也加快了检测乳房边缘的速度。此外，去除获得的乳房图像中的孤立像素点进一步地提高了最终获得的乳房图像的精确度，进而也提高了乳房图像的质量，在降低了误诊率的同时也提高了医生对乳房区域病灶的诊断效率。
本发明实施方式还提供一种乳房获取装置，请参见图5，图5是本发明实施方式的乳房图像获取装置的结构示意图，如图5所示所述乳房获取装置1包括：
分割单元10，用于分割医学图像以获得乳房区域；
检测单元11，用于基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘；
确定单元12，用于基于所述乳房区域和所述乳房边缘确定所述乳房图像。
本实施例中，所述检测单元11包括：
变换单元110，用于对所述医学图像进行对数变换以获得第三图像；
第二去噪单元111，用于对所述第三图像进行去噪以获得第四图像；
第二预处理单元112，用于对所述第四图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第五图像；
第二检测子单元113，用于基于边缘检测方法对所述第五图像中的乳房边缘进行检测。
在其他实施例中，所述检测单元也可以包括：
第一去噪单元，用于对所述医学图像进行去噪以获得第一图像；
第一预处理单元，用于对所述第一图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第二图像；
第一检测子单元，用于基于边缘检测方法对所述第二图像中的乳房边缘进行检测。
所述乳房图像获取装置的具体实施可参考所述乳房图像获取方法的实施，在此不再赘述。
本实施例还提供一种乳房摄影系统，包括上述的乳房图像获取装置。
综上所述，本发明实施方式提供的乳房图像获取方法，至少具有如下有益效果：
先分割医学图像以获得乳房区域，然后基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘，进而基于所述乳房区域和所述乳房边缘确定所述乳房图像，由于先分割出乳房区域且考虑了实际医学图像中乳房边缘的灰度变化特性来检测所述乳房边缘，因此对于不同剂量的医学图像而言，最终获得的乳房图像的精确度较高，减少了背景区域的干扰，提高了乳房图像的质量，进而也降低了误诊率，在一定程度上也提高了医生对乳房区域病灶的诊断效率。
进一步地，对所述医学图像进行去噪以获得第一图像，然后对所述第一图像进行预处理获得待检乳房边缘灰度值最高的第二图像，避免了噪声对所述第二图像的影响，实现了待检测乳房边缘的灰度值最高，乳房区域的灰度值次高、背景区域的灰度值最低。故使得后续采用边缘检测方法对所述第二图像中的乳房边缘进行检测时，减少将背景区域的像素点检测为乳房区域的像素点的概率，进一步的提高了最终获得的乳房图像的精确度，提高了获得的乳房图像的质量。
进一步地，考虑到X射线的衰减特性服从指数分布，在对所述医学图像去噪前，对所述医学图像进行对数变换获得第三图像，便于后续的处理，在一定程度上降低了图像处理过程中计算的复杂度和计算量，进而也提高了获得乳房图像的速度。
进一步地，采用大津法对所述医学图像进行分割以获得乳房区域，由于乳房图像的灰度直方图为双峰图，故采用大津法分割所述医学图像以获得乳房区域的速度快且精度高，同时由于考虑了实际医学图像中乳房边缘的灰度变化特性来检测所述乳房边缘，因此对于不同剂量的医学图像而言，最终获得的乳房图像的精确度较高，进而提高了乳房图像的质量，在降低了误诊率的同时也提高了医生对乳房区域的病灶的诊断效率。此外采用迭代法检测所述第二图像中的乳房边缘，计算量小，因此进一步的提高了获得乳房图像的速度。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (9)
1.一种乳房图像获取方法，其特征在于，包括：
分割医学图像以获得乳房区域；
基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘；
基于所述乳房区域和所述乳房边缘确定所述乳房图像；
所述基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘包括：
对所述医学图像进行去噪以获得第一图像；
对所述第一图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第二图像；
基于边缘检测方法对所述第二图像中的乳房边缘进行检测；
或者：对所述医学图像进行对数变换以获得第三图像；
对所述第三图像进行去噪以获得第四图像；
对所述第四图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第五图像；
基于边缘检测方法对所述第五图像中的乳房边缘进行检测。
2.如权利要求1所述的乳房图像获取方法，其特征在于，对所述第一图像进行预处理包括：对所述第一图像进行梯度变换或差分运算。
3.如权利要求1所述的乳房图像获取方法，其特征在于，基于迭代法或大津法对所述第二图像中的乳房边缘进行检测。
4.如权利要求1所述的乳房图像获取方法，其特征在于，对所述第四图像进行预处理包括：对所述第四图像进行梯度变换或差分运算。
5.如权利要求1所述的乳房图像获取方法，其特征在于，基于迭代法或大津法对所述第五图像中的乳房边缘进行检测。
6.如权利要求1所述的乳房图像获取方法，其特征在于，还包括去除所述乳房图像中存在的孤立像素点。
7.如权利要求1所述的乳房图像获取方法，其特征在于，基于大津法分割所述医学图像以获得乳房区域。
8.一种乳房图像获取装置，其特征在于，包括：
分割单元，用于分割医学图像以获得乳房区域；
检测单元，用于基于乳房边缘的灰度变化特性检测所述医学图像中的乳房边缘；
确定单元，用于基于所述乳房区域和所述乳房边缘确定所述乳房图像；
所述检测单元包括：
第一去噪单元，用于对所述医学图像进行去噪以获得第一图像；
第一预处理单元，用于对所述第一图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第二图像；
第一检测子单元，用于基于边缘检测方法对所述第二图像中的乳房边缘进行检测；
或者：变换单元，用于对所述医学图像进行对数变换以获得第三图像；
第二去噪单元，用于对所述第三图像进行去噪以获得第四图像；
第二预处理单元，用于对所述第四图像进行预处理以使得待检测乳房边缘的灰度值最高，获得第五图像；
第二检测子单元，用于基于边缘检测方法对所述第五图像中的乳房边缘进行检测。
9.一种乳房摄影系统，其特征在于，包括权利要求8所述的乳房图像获取装置。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510640746.3A CN105374025B (zh) | 2015-09-30 | 2015-09-30 | 乳房图像获取方法及装置、乳房摄影系统 |
| CN201680070175.7A CN108471995B (zh) | 2015-09-30 | 2016-09-30 | 确定医学图像中乳房区域的系统和方法 |
| PCT/CN2016/101186 WO2017054775A1 (en) | 2015-09-30 | 2016-09-30 | System and method for determining a breast region in a medical image |
| US15/323,056 US10297024B2 (en) | 2015-09-30 | 2016-09-30 | System and method for determining a breast region in a medical image |
| US16/416,577 US10636143B2 (en) | 2015-09-30 | 2019-05-20 | System and method for determining a breast region in a medical image |
| US16/859,973 US11250567B2 (en) | 2015-09-30 | 2020-04-27 | System and method for determining a breast region in a medical image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510640746.3A CN105374025B (zh) | 2015-09-30 | 2015-09-30 | 乳房图像获取方法及装置、乳房摄影系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105374025A CN105374025A (zh) | 2016-03-02 |
| CN105374025B true CN105374025B (zh) | 2018-05-04 |
Family
ID=55376197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510640746.3A Active CN105374025B (zh) | 2015-09-30 | 2015-09-30 | 乳房图像获取方法及装置、乳房摄影系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105374025B (zh) |
Families Citing this family (4)
| 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 |
| CN108765421B (zh) * | 2018-05-30 | 2021-01-12 | 上海联影医疗科技股份有限公司 | 乳房医学图像处理方法、装置和aec曝光参数获取方法 |
| WO2019228482A1 (en) | 2018-05-30 | 2019-12-05 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
| CN110163857B (zh) * | 2019-05-24 | 2022-03-04 | 上海联影医疗科技股份有限公司 | 图像背景区域的检测方法、装置、存储介质及x射线系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1145674A (zh) * | 1994-12-30 | 1997-03-19 | 菲利浦电子有限公司 | 数字乳房x射线照片中的自动分割及轮廓线和乳头的检测 |
| US5796862A (en) * | 1996-08-16 | 1998-08-18 | Eastman Kodak Company | Apparatus and method for identification of tissue regions in digital mammographic images |
| CN1924926A (zh) * | 2006-09-21 | 2007-03-07 | 复旦大学 | 一种基于二维模糊聚类的超声图像分割方法 |
| CN101103924A (zh) * | 2007-07-13 | 2008-01-16 | 华中科技大学 | 基于乳腺x线摄片的乳腺癌计算机辅助诊断方法及其系统 |
| CN101599174A (zh) * | 2009-08-13 | 2009-12-09 | 哈尔滨工业大学 | 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法 |
| CN103425986A (zh) * | 2013-08-31 | 2013-12-04 | 西安电子科技大学 | 基于边缘邻域加权的乳腺肿块图像特征提取方法 |
| CN103679685A (zh) * | 2012-09-11 | 2014-03-26 | 北京三星通信技术研究有限公司 | 图像处理系统和图像处理方法 |
| CN103914697A (zh) * | 2012-12-29 | 2014-07-09 | 上海联影医疗科技有限公司 | 一种乳房三维图像感兴趣区域的提取方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8340387B2 (en) * | 2007-04-13 | 2012-12-25 | Three Palm Software | Fast preprocessing algorithms for digital mammography CAD and workstation |
-
2015
- 2015-09-30 CN CN201510640746.3A patent/CN105374025B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1145674A (zh) * | 1994-12-30 | 1997-03-19 | 菲利浦电子有限公司 | 数字乳房x射线照片中的自动分割及轮廓线和乳头的检测 |
| US5796862A (en) * | 1996-08-16 | 1998-08-18 | Eastman Kodak Company | Apparatus and method for identification of tissue regions in digital mammographic images |
| CN1924926A (zh) * | 2006-09-21 | 2007-03-07 | 复旦大学 | 一种基于二维模糊聚类的超声图像分割方法 |
| CN101103924A (zh) * | 2007-07-13 | 2008-01-16 | 华中科技大学 | 基于乳腺x线摄片的乳腺癌计算机辅助诊断方法及其系统 |
| CN101599174A (zh) * | 2009-08-13 | 2009-12-09 | 哈尔滨工业大学 | 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法 |
| CN103679685A (zh) * | 2012-09-11 | 2014-03-26 | 北京三星通信技术研究有限公司 | 图像处理系统和图像处理方法 |
| CN103914697A (zh) * | 2012-12-29 | 2014-07-09 | 上海联影医疗科技有限公司 | 一种乳房三维图像感兴趣区域的提取方法 |
| CN103425986A (zh) * | 2013-08-31 | 2013-12-04 | 西安电子科技大学 | 基于边缘邻域加权的乳腺肿块图像特征提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105374025A (zh) | 2016-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Roslan et al. | Skull stripping of MRI brain images using mathematical morphology | |
| Tripathy et al. | Unified preprocessing and enhancement technique for mammogram images | |
| WO2011137409A1 (en) | Malignant mass detection and classification in radiographic images | |
| CN105374025B (zh) | 乳房图像获取方法及装置、乳房摄影系统 | |
| Kanitkar et al. | Detection of lung cancer using marker-controlled watershed transform | |
| CN110046627B (zh) | 一种乳腺影像识别的方法及装置 | |
| CN105447879B (zh) | 乳房图像中检测胸肌的方法及装置 | |
| Patil et al. | Geometrical and texture features estimation of lung cancer and TB images using chest X-ray database | |
| Li et al. | Liver segmentation from CT image using fuzzy clustering and level set | |
| WO2012077130A1 (en) | Method and system to detect the microcalcifications in x-ray images using nonlinear energy operator. | |
| CN103700085A (zh) | 乳腺x光图像中胸肌区域的分割方法 | |
| Sultana et al. | Detection of pectoral muscle in mammograms using a mean-shift segmentation approach | |
| Mabrouk et al. | Computer aided detection of large lung nodules using chest computer tomography images | |
| Soni et al. | CT scan based brain tumor recognition and extraction using Prewitt and morphological dilation | |
| CN113012127A (zh) | 基于胸部医学影像的心胸比测量方法 | |
| CN111062909A (zh) | 乳腺肿块良恶性判断方法及设备 | |
| Marzuki et al. | Demarcation of lung lobes in ct scan images for lung cancer detection using watershed segmentation | |
| CN105147310B (zh) | 乳房图像获取方法及装置、乳房摄影系统 | |
| CN113435491A (zh) | 医学图像处理方法和装置 | |
| Subashini et al. | Pectoral muscle removal and detection of masses in digital mammogram using CCL | |
| Oliveira et al. | Automatic detection of microaneurysm based on the slant stacking | |
| Fukano et al. | Recognition method of lung nodules using blood vessel extraction techniques and 3D object models | |
| Taheri et al. | Automated single and multi-breast tumor segmentation using improved watershed technique in 2D MRI images | |
| Saxena et al. | Utilizing deep learning techniques to diagnose nodules in lung computed tomography (ct) scan images | |
| Zhang et al. | An integrated method for breast mass segmentation in digitized 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai. Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai. Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |