CN109934220B - 一种影像兴趣点的展示方法、装置及终端 - Google Patents
一种影像兴趣点的展示方法、装置及终端 Download PDFInfo
- Publication number
- CN109934220B CN109934220B CN201910133231.2A CN201910133231A CN109934220B CN 109934220 B CN109934220 B CN 109934220B CN 201910133231 A CN201910133231 A CN 201910133231A CN 109934220 B CN109934220 B CN 109934220B
- Authority
- CN
- China
- Prior art keywords
- interest point
- target
- information
- interest
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000013507 mapping Methods 0.000 claims description 11
- 238000009877 rendering Methods 0.000 claims description 7
- 238000013136 deep learning model Methods 0.000 claims description 6
- 238000004195 computer-aided diagnosis Methods 0.000 abstract description 12
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 230000003902 lesion Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 206010017076 Fracture Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 210000003041 ligament Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000011164 ossification Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/028—Multiple view windows (top-side-front-sagittal-orthogonal)
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种影像兴趣点的展示方法、装置及终端,其中,所述方法包括:获取影像中兴趣点的检测结果,所述兴趣点的检测结果包括兴趣点的信息和兴趣点属性参数;实时获取用户输入的属性参数阈值;根据所述兴趣点属性参数与所述属性参数阈值的比对结果,从所述兴趣点的检测结果中获取目标兴趣点的信息;展示所述目标兴趣点的信息。本发明使得用户可以实时地进行属性参数阈值的调节,从而可以实时展示不同属性参数阈值下的检测结果,有利于用户根据不同的使用场景、不同的病例特点,权衡不同程度的诊断精确性和读片时间的平衡,提高了计算机辅助诊断系统的灵活性。
Description
技术领域
本发明涉及医学图像处理技术领域,特别涉及一种影像兴趣点的展示方法、装置及终端。
背景技术
近年来,随着深度学习技术的迅速发展,基于人工智能的计算机辅助诊断(Computer Aided Diagnosis,CAD)系统在识别并分割或检测医学影像中的特征部位等方面具有广泛的应用,极大的减轻了医生分析医学影像的负担。然而,由于训练数据的局限性、算法本身固有的瓶颈以及特征部位本身的多样性和不确定性的原因,现有的计算机辅助诊断系统的检测结果中仍然存在一定比例的假阳性结果,即将不是特征部位的区域预测为特征部位。
在实现本发明的过程中,发明人发现现有技术中至少存在以下缺陷:
相关技术中通过绘制好的受试者工作特征曲线(Receiver OperatingCharacteristic Curve,简称ROC曲线)来权衡检测率与假阳性率的关系,一般会基于该ROC曲线选取一个合适的参数阈值作为实际使用计算机辅助诊断系统进行检测结果筛选的阈值,但是该参数阈值一旦选定,医生在使用该计算机辅助诊断系统时,不能针对不同的使用场景、不同的病例特点,使用不同的参数阈值来权衡检测率与假阳性率,从而无法达到不同程度的诊断精确性与读片时间的平衡,降低了计算机辅助诊断系统的灵活性。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种影像兴趣点的展示方法、装置及终端。所述技术方案如下:
一方面,提供了一种影像兴趣点的展示方法,所述方法包括:
获取影像中兴趣点的检测结果,所述兴趣点的检测结果包括兴趣点的信息和兴趣点属性参数;
实时获取用户输入的属性参数阈值;
根据所述兴趣点属性参数与所述属性参数阈值的比对结果,从所述兴趣点的检测结果中获取目标兴趣点的信息;
展示所述目标兴趣点的信息。
具体的,所述兴趣点属性参数包括以下之一:兴趣点置信度、兴趣点类别、兴趣点尺寸。
进一步的,所述获取用户输入的属性参数阈值包括:
响应于用户对阈值控制组件的操作,获取所述阈值控制组件的控制信息;
根据预设的阈值控制组件的控制信息与属性参数阈值的映射关系,确定用户输入的属性参数阈值。
进一步的,所述展示所述目标兴趣点的信息包括:
获取所述目标兴趣点所对应的局部影像;
渲染所述局部影像;
显示渲染后的所述局部影像。
进一步的,所述目标兴趣点的信息包括目标兴趣点的位置信息和/或目标兴趣点的尺寸信息;
相应的,所述展示所述目标兴趣点的信息还包括:
获取原始影像;
根据所述目标兴趣点的位置信息和/或目标兴趣点的尺寸信息,确定所述原始影像中与所述目标兴趣点对应的目标兴趣点区域;
显示包含所述目标兴趣点区域的原始影像。
进一步的,所述展示所述目标兴趣点的信息还包括:
生成与所述目标兴趣点的信息相对应的目标索引;
显示所述目标索引。
进一步的,在显示所述目标索引之后,所述方法还包括:
接收对一个所述目标索引的选择信号;
根据所述选择信号,确定所述目标索引所对应的目标兴趣点的信息;
将所述目标兴趣点的信息所对应的目标兴趣点区域在所述原始影像中进行标识,和/或将所述目标兴趣点的信息所对应的渲染后的局部影像进行标识。
具体的,所述兴趣点包括解剖结构或者病灶。
另一方面,提供了一种影像兴趣点的展示装置,所述装置包括:
第一获取模块,用于获取影像中兴趣点的检测结果,所述兴趣点的检测结果包括兴趣点的信息和兴趣点属性参数;
第二获取模块,用于实时获取用户输入的属性参数阈值;
第三获取模块,用于根据所述兴趣点属性参数与所述属性参数阈值的比对结果,从所述兴趣点的检测结果中获取目标兴趣点的信息;
展示模块,用于展示所述目标兴趣点的信息。
另一方面,提供了一种终端,包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述所述的影像兴趣点的展示方法。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例通过获取影像中兴趣点的检测结果,所述兴趣点的检测结果包括兴趣点的信息和兴趣点属性参数,实时获取用户输入的属性参数阈值,根据所述兴趣点属性参数与所述属性参数阈值的比对结果,从所述兴趣点的检测结果中获取目标兴趣点的信息,并展示所述目标兴趣点的信息,实现了用户可以实时地进行属性参数阈值的调节,从而可以实时展示不同属性参数阈值下的检测结果,有利于用户根据不同的使用场景、不同的病例特点,权衡不同程度的诊断精确性和读片时间的平衡,提高了计算机辅助诊断系统的灵活性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种影像兴趣点的展示方法的流程示意图;
图2是本发明实施例提供的实时获取用户输入的属性参数阈值的方法的一种流程示意图;
图3是本发明实施例提供的展示目标兴趣点的信息的一种界面示意图;
图4是本发明实施例提供的展示目标兴趣点的信息的另一种界面示意图;
图5是本发明实施例提供的另一种影像兴趣点的展示方法的流程示意图;
图6是本发明实施例提供的一种影像兴趣点的展示装置的结构示意图;
图7是本发明实施例提供的第二获取模块一种结构示意图;
图8是本发明实施例提供的展示模块的结构示意图;
图9是本发明实施例提供的另一种影像兴趣点的展示装置的结构示意图;
图10是本发明实施例提供的一种终端的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
请参阅图1,其所示为本发明实施例提供的一种影像兴趣点的展示方法的流程示意图,需要说明的是,本发明实施例的影像兴趣点的展示方法可应用于本发明实施例的影像兴趣点的展示装置,该影像兴趣点的展示装置可配置于终端的计算机辅助诊断系统中,该终端可以是手机、平板电脑、掌上电脑及个人数字助理等具有各种操作系统的硬件设备。
此外,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示,所述方法包括:
S101,获取影像中兴趣点的检测结果,所述兴趣点的检测结果包括兴趣点的信息和兴趣点属性参数。
在本说明书实施例中,影像可以包括由各种成像系统获得的投影图像。成像系统可为单模成像系统,例如计算机断层摄影(CT)系统、发射计算机断层摄影(ECT)、超声成像系统、X射线光学成像系统、正电子发射断层摄影(PET)系统等。成像系统也可为多模成像系统,例如计算机断层摄影-磁共振成像(CT-MRI)系统、正电子发射断层摄影-磁共振成像(PET-MRI)系统、单光子发射断层摄影-计算机断层摄影(SPECT-CT)系统、数字减影血管造影-计算机断层摄影(DSA-CT)系统等。当然,该影像还可以包括将投影图像重建后得到的重建图像,本发明对此不作限定。
具体的,影像中兴趣点的检测结果可以是但不限于通过深度学习模型对相应的影像进行处理得到的输出结果,可以包括兴趣点的信息和兴趣点属性参数。其中,兴趣点可以包括解剖结构,例如血管、骨化中心、神经、肌肉、软组织、气管、软骨、韧带,裂纹等等;兴趣点还可以包括病灶,即组织或器官遭受致病因子的作用而引起病变的部位,是机体上发生病变的部分,例如骨折、肺结节、肿瘤、脑出血、心脏疾病、神经疾病等等。当然,兴趣点还可以是影像中其它的感兴趣特征部位。
在本说明书实施例中,兴趣点属性参数可以是任何影响兴趣点的检测结果并在本说明书实施例的影像兴趣点的展示装置的使用阶段可以实时调节的参数。具体的,兴趣点属性参数可以包括以下之一:兴趣点置信度、兴趣点类别、兴趣点尺寸,其中,兴趣点置信度为通过检测模型如深度学习模型检测的影像中的区域或部位属于兴趣点的确信程度。兴趣点尺寸为用于表征兴趣点所对应的区域或者部位的大小的参数。
兴趣点的信息可以为全部的兴趣点的检测结果信息,也可以为部分的兴趣点的检测结果信息。
S103,实时获取用户输入的属性参数阈值。
在本说明书实施例中,属性参数阈值与兴趣点属性参数相对应,可以包括兴趣点置信度、兴趣点类别以及兴趣点尺寸等。用户可以根据需要调节属性参数阈值,相应的,计算机辅助诊断系统实时获取用户输入的属性参数阈值。
在一具体实施方式中,所述实时获取用户输入的属性参数阈值可以采用图2所示的方法,如图2所示,该方法可以包括:
S201,响应于用户对阈值控制组件的操作,获取所述阈值控制组件的控制信息。
在本说明书实施例中,可以在人机交互界面上设置阈值控制组件,该阈值控制组件可以是但不限于滑动条、下拉菜单等。当用户对阈值控制组件操作时,可以响应于该操作,以获取阈值控制组件的控制信息。例如,当用户操作滑动条时,可以获取滑动条的位置信息。
S203,根据预设的阈值控制组件的控制信息与属性参数阈值的映射关系,确定用户输入的属性参数阈值。
在本说明书实施例中,可以预先设置阈值控制组件的控制信息与属性参数阈值的映射关系,例如,可以预先设置滑动条的位置信息与属性参数阈值的映射关系,一般滑动条的位置信息与属性参数阈值之间的关系可以是但不限于线性映射关系。当获取到当前阈值控制组件的控制信息时,可以查找上述映射关系,从而获得对应于当前阈值控制组件的控制信息的属性参数阈值。
S105,根据所述兴趣点属性参数与所述属性参数阈值的比对结果,从所述兴趣点的检测结果中获取目标兴趣点的信息。
举例而言,当兴趣点属性参数为兴趣点置信度时,可以判断兴趣点置信度是否大于或者等于从阈值控制组件获取的置信度阈值,在判断的结果为是时,从兴趣点的检测结果中获取大于或者等于置信度阈值的兴趣点置信度所对应的兴趣点的信息,得到目标兴趣点的信息。当兴趣点属性参数为兴趣点类别或者兴趣点尺寸时,可以从兴趣点的检测结果中获取兴趣点类别或者兴趣点尺寸与用户输入的类别阈值或者尺寸阈值相匹配的兴趣点的信息,得到目标兴趣的信息。
S107,展示所述目标兴趣点的信息。
在本说明书实施例中,目标兴趣点可以包括一个或者多个,其数量可以根据属性参数阈值的变化而变化。在展示所述目标兴趣点的信息时,可以展示一个或者多个目标兴趣点的局部影像。在一具体实施方式中,在展示所述目标兴趣点的信息时,可以获取所述目标兴趣点所对应的局部影像,渲染所述局部影像,并显示渲染后的所述局部影像。具体的,对于局部影像的渲染可以至少包括以下方法之一:多平面重建(Multi-PlannerReformation,简称MPR)、容积再现技术(Volume Rendering Technique,简称VRT)、最大密度投影(Maximum Intensity Projection,简称MIP)、曲面重建(Curved Planar Reformat,简称CPR)。
其中,MPR是将扫描范围内所有的轴位图像叠加起来再对某些标线标定的重组线所指定的组织进行冠状、矢状位、任意角度斜位图像重组。采用MPR能任意产生新的断层图像,而无需重复扫描,并且曲面重组能在一幅图像里展开显示弯曲物体的生长。
其中,VRT是使假定的投射线从给定的角度上穿过扫描容积,对容积内的像素信息作综合显示。VRT可赋予影像以不同的伪彩与透明度,给以近似亘实的三维结构的感受,该方式在重建中丢失的数据信息很少,可较佳地显示解剖结构或者病灶的空间关系。
其中,MIP是在可视化平面上投射三维空间数据的一种计算机可视化方法。其中,沿着从视点到投影平面的平行光线,各个体素密度值的所呈现的亮度将以某种方式加以衰减,并且最终在投影平面上呈现的是亮度最大的体素。具体的,可以在已经成像好的影像上做MIP,以显示兴趣点所对应区域的透视效果,当以一定角度步长把投影平面旋转一周时,存下每个角度的MIP,然后将各个角度的MIP堆叠起来就可以得到旋转观察兴趣点所对应区域的效果。
其中,CPR是MPR的一种特殊方法,适合于人体一些曲面结构器官的显示,如:颌骨、迂曲的血管、支气管等。
在另一具体实施方式中,所述目标兴趣点的信息可以包括目标兴趣点的位置信息和/或目标兴趣点的尺寸信息。相应的,在展示所述目标兴趣点的信息时,还可以获取原始影像,根据目标兴趣点的位置信息和/或目标兴趣点的尺寸信息确定原始影像中与所述目标兴趣点对应的目标兴趣点区域,并显示包含所述目标兴趣点区域的原始影像。其中,原始影像为直接由各种成像系统获得的各种模态的影像。
在另一具体实施方式中,在展示所述目标兴趣点的信息时,还可以生成与所述目标兴趣点的信息相对应的目标索引,并显示该目标索引。具体的,所述目标索引可以包括序列号,如阿拉伯数字形式的编号,以及部分简短的目标兴趣的信息,如目标兴趣点的位置概况等,目标索引在显示时可以按照序列号以列表的形式显示。
请参阅图3和图4,二者所示为不同置信度阈值下获得的展示目标兴趣点的信息的界面示意图。在图3和图4中阈值控制组件以滑动条的形式设置在人机交互界面上,滑动条的滑动位置与置信度阈值的映射关系中滑动位置越靠近右侧,对应的置信度阈值越大,例如,可以设定滑动条的最左端对应一个预设的最低阈值(比如为0),滑动条的最右端对应一个预设的最高阈值(比如为1.0)。由此,图3中的滑动条的滑动位置所对应的置信度阈值较大,图4中的滑动条的滑动位置所对应的置信度阈值较小。由图3和图4可见,在不同的置信度阈值下,可以获得不同数量的目标兴趣点的信息,具体的目标兴趣点的信息的数量可以通过目标索引的序列号直观的知晓。当然,通过目标索引还可以直观的获得部分简短的目标兴趣的信息,如目标兴趣点的位置概况。
在本说明书实施例中,如图5所示,在显示实时目标索引之后,还可以包括:
S501,接收对一个所述目标索引的选择信号。
用户可以选择人机交互界面显示的目标索引,相应的,终端可以接收用户施加的用于选择目标索引的选择信号。
S503,根据所述选择信号,确定所述目标索引所对应的目标兴趣点的信息。
终端在接收到选择信号之后,可以确定与当前选择的目标索引所对应的目标兴趣点的信息。
S505,将所述目标兴趣点的信息所对应的目标兴趣点区域在所述原始影像中进行标识,和/或将所述目标兴趣点的信息所对应的渲染后的局部影像进行标识。
由于已在原始影像中确定了目标兴趣点的信息所对应的目标兴趣点区域,因此,在基于步骤S503确定了选择信号所对应的目标兴趣点的信息之后,就可以进一步根据该目标兴趣点的信息,将与该目标兴趣点的信息相对应的目标兴趣点区域在显示的原始影像中进行标识,如图3和图4中的左侧图像中框选出的位置即为与右侧选择的一个目标索引相对应的目标兴趣点区域。当然,还可以将与该目标兴趣点的信息所对应的渲染后的局部影像进行标识,如图3和图4中所示。
需要说明的是,图3和图4只是给出了两种可能的示例,并不构成对本发明的限定。
由本发明的上述实施例可见,本发明使得用户可以实时地进行属性参数阈值的调节,从而可以实时展示不同属性参数阈值下的检测结果,有利于用户根据不同的使用场景、不同的病例特点,权衡不同程度的诊断精确性和读片时间的平衡,提高了计算机辅助诊断系统的灵活性。
与上述几种实施例提供的影像兴趣点的展示方法相对应,本发明实施例还提供一种影像兴趣点的展示装置,由于本发明实施例提供的影像兴趣点的展示装置与上述几种实施例提供的影像兴趣点的展示方法相对应,因此前述影像兴趣点的展示方法的实施方式也适用于本实施例提供的影像兴趣点的展示装置,在本实施例中不再详细描述。
请参阅图6,其所示为本发明实施例提供的一种影像兴趣点的展示装置的结构示意图,如图6所示,该装置可以包括:第一获取模块610、第二获取模块620、第三获取模块630和展示模块640,其中,
第一获取模块610,可以用于获取影像中兴趣点的检测结果,所述兴趣点的检测结果包括兴趣点的信息和兴趣点属性参数。
第二获取模块620,可以用于实时获取用户输入的属性参数阈值;
第三获取模块630,可以用于根据所述兴趣点属性参数与所述属性参数阈值的比对结果,从所述兴趣点的检测结果中获取目标兴趣点的信息;
展示模块640,可以用于展示所述目标兴趣点的信息。
可选的,所述兴趣点属性参数包括以下之一:兴趣点置信度、兴趣点类别、兴趣点尺寸。
可选的,所述兴趣点包括解剖结构或者病灶。
可选的,如图7所示,第二获取模块620可以包括:
响应模块6210,可以用于响应于用户对阈值控制组件的操作,获取所述阈值控制组件的控制信息;
第一确定模块6220,可以用于根据预设的阈值控制组件的控制信息与属性参数阈值的映射关系,确定用户输入的属性参数阈值。
可选的,如图8所示,展示模块640可以包括:
第四获取模块6410,可以用于获取所述目标兴趣点所对应的局部影像;
渲染模块6420,可以用于渲染所述局部影像;
第一显示模块6430,可以用于显示渲染后的所述局部影像。
可选的,所述目标兴趣点的信息包括目标兴趣点的位置信息和/或目标兴趣点的尺寸信息,相应的,如图8所示,展示模块640还可以包括:
第五获取模块6440,可以用于获取原始影像;
第二确定模块6450,可以用于根据所述目标兴趣点的位置信息和/或目标兴趣点的尺寸信息,确定所述原始影像中与所述目标兴趣点对应的目标兴趣点区域;
第二显示模块6460,可以用于显示包含所述目标兴趣点区域的原始影像。
可选的,如图8所示,展示模块640还可以包括:
生成模块6470,可以用于生成与所述目标兴趣点的信息相对应的目标索引;
第三显示模块6480,可以用于显示所述目标索引。
请参阅图9,其所示为本发明实施例提供的另一种影像兴趣点的展示装置的结构示意图,如图9所示,该装置可以包括:第一获取模块910、第二获取模块920、第三获取模块930、展示模块940、接收模块950、第三确定模块960和标识模块970。
其中,第一获取模块910、第二获取模块920、第三获取模块930和展示模块940可以参见前述图6至图8中对应模块的功能描述,在此不再赘述。
接收模块950,可以用于接收对一个所述目标索引的选择信号;
第三确定模块960,可以用于根据所述选择信号,确定所述目标索引所对应的目标兴趣点的信息;
标识模块970,可以用于将所述目标兴趣点的信息所对应的目标兴趣点区域在所述原始影像中进行标识,和/或将所述目标兴趣点的信息所对应的渲染后的局部影像进行标识。
本发明实施例的影像兴趣点的展示装置使得用户可以实时地进行属性参数阈值的调节,从而可以实时展示不同属性参数阈值下的检测结果,有利于用户根据不同的使用场景、不同的病例特点,权衡不同程度的诊断精确性和读片时间的平衡,提高了计算机辅助诊断系统的灵活性。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
请参阅图10,其所示为本发明实施例提供的一种终端的结构示意图,该终端用于实施上述实施例中提供的影像兴趣点的展示方法。具体来讲:
终端1000可以包括RF(Radio Frequency,射频)电路1010、包括有一个或一个以上计算机可读存储介质的存储器1020、输入单元1030、显示单元1040、视频传感器1050、音频电路1060、WiFi(wireless fidelity,无线保真)模块1070、包括有一个或者一个以上处理核心的处理器1080、以及电源100等部件。本领域技术人员可以理解,图10中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
RF电路1010可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器1080处理;另外,将涉及上行的数据发送给基站。通常,RF电路1010包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、LNA(Low Noise Amplifier,低噪声放大器)、双工器等。此外,RF电路1010还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于GSM(Global System of Mobile communication,全球移动通讯系统)、GPRS(General Packet Radio Service,通用分组无线服务)、CDMA(Code Division Multiple Access,码分多址)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、LTE(Long Term Evolution,长期演进)、电子邮件、SMS(Short Messaging Service,短消息服务)等。
存储器1020可用于存储软件程序以及模块,处理器1080通过运行存储在存储器1020的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器1020可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端1000的使用所创建的数据(比如视频数据、电话本等)等。此外,存储器1020可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器1020还可以包括存储器控制器,以提供处理器1080和输入单元1030对存储器1020的访问。
输入单元1030可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元1030可包括图像输入设备1031以及其他输入设备1032。图像输入设备1031可以是摄像头,也可以是光电扫描设备。除了图像输入设备1031,输入单元1030还可以包括其他输入设备1032。具体地,其他输入设备1032可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元1040可用于显示由用户输入的信息或提供给用户的信息以及终端1000的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元1040可包括显示面板1041,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板1041。
终端1000可包括至少一种视频传感器1050,视频传感器用于获取用户的视频信息。终端1000还可以包括其它传感器(未示出),比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板1041的亮度,接近传感器可在终端1000移动到耳边时,关闭显示面板1041和/或背光。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于终端1000还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
视频电路1060、扬声器1061,传声器1062可提供用户与终端1000之间的视频接口。音频电路1060可将接收到的音频数据转换后的电信号,传输到扬声器1061,由扬声器1061转换为声音信号输出;另一方面,传声器1062将收集的声音信号转换为电信号,由音频电路1060接收后转换为音频数据,再将音频数据输出处理器1080处理后,经RF电路1011以发送给比如另一终端,或者将音频数据输出至存储器1020以便进一步处理。音频电路1060还可能包括耳塞插孔,以提供外设耳机与终端1000的通信。
WiFi属于短距离无线传输技术,终端1000通过WiFi模块1070可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图10示出了WiFi模块1070,但是可以理解的是,其并不属于终端1000的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器1080是终端1000的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器1020内的软件程序和/或模块,以及调用存储在存储器1020内的数据,执行终端1000的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器1080可包括一个或多个处理核心;优选的,处理器1080可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1080中。
终端1000还包括给各个部件供电的电源100(比如电池),优选的,电源可以通过电源管理系统与处理器1080逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源100还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,终端1000还可以包括蓝牙模块等,在此不再赘述。
具体在本实施例中,终端1000还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行。上述一个或者一个以上程序包含用于执行上述方法实施例提供的影像兴趣点的展示方法的指令。
本发明的实施例还提供了一种存储介质,所述存储介质可设置于终端之中以保存用于实现方法实施例中的一种影像兴趣点的展示方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集可由终端的处理器加载并执行以实现上述方法实施例提供的影像兴趣点的展示方法。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,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、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种影像兴趣点的展示方法,其特征在于,所述方法包括:
获取通过深度学习模型检测影像得到的所述影像中兴趣点的检测结果,所述兴趣点的检测结果包括兴趣点的信息和兴趣点置信度;所述兴趣点包括病灶,所述兴趣点置信度为所述深度学习模型检测的影像中的区域或部位属于兴趣点的确信程度;
实时获取用户输入的置信度阈值,所述置信度阈值表征用户对检测率与假阳性率之间关系的权衡,所述置信度阈值的范围为0~1;
在所述兴趣点置信度大于或者等于所述置信度阈值时,将所述兴趣点置信度大于或者等于所述置信度阈值的兴趣点确定为目标兴趣点,从所述兴趣点的检测结果中获取所述目标兴趣点的信息;
展示所述目标兴趣点的信息;
所述展示所述目标兴趣点的信息包括:获取所述目标兴趣点所对应的局部影像,渲染所述局部影像,显示渲染后的所述局部影像;
其中,对所述局部影像的渲染包括以下方式之一:多平面重建、容积再现、最大密度投影、曲面重建。
2.根据权利要求1所述的影像兴趣点的展示方法,其特征在于,所述实时获取用户输入的置信度阈值包括:
响应于用户对阈值控制组件的操作,获取所述阈值控制组件的控制信息;
根据预设的阈值控制组件的控制信息与置信度阈值的映射关系,确定用户输入的置信度阈值。
3.根据权利要求2所述的影像兴趣点的展示方法,其特征在于,所述映射关系包括线性映射关系。
4.根据权利要求1所述的影像兴趣点的展示方法,其特征在于,所述目标兴趣点的信息包括目标兴趣点的位置信息和/或目标兴趣点的尺寸信息;
相应的,所述展示所述目标兴趣点的信息还包括:
获取原始影像;
根据所述目标兴趣点的位置信息和/或目标兴趣点的尺寸信息,确定所述原始影像中与所述目标兴趣点对应的目标兴趣点区域;
显示包含所述目标兴趣点区域的原始影像。
5.根据权利要求4所述的影像兴趣点的展示方法,其特征在于,所述展示所述目标兴趣点的信息还包括:
生成与所述目标兴趣点的信息相对应的目标索引;
显示所述目标索引。
6.根据权利要求5所述的影像兴趣点的展示方法,其特征在于,在显示所述目标索引之后,所述方法还包括:
接收对一个所述目标索引的选择信号;
根据所述选择信号,确定所述目标索引所对应的目标兴趣点的信息;
将所述目标兴趣点的信息所对应的目标兴趣点区域在所述原始影像中进行标识,和/或将所述目标兴趣点的信息所对应的渲染后的局部影像进行标识。
7.一种影像兴趣点的展示装置,其特征在于,所述装置包括:
第一获取模块,用于获取通过深度学习模型检测影像得到的所述影像中兴趣点的检测结果,所述兴趣点的检测结果包括兴趣点的信息和兴趣点置信度;所述兴趣点包括病灶,所述兴趣点置信度为所述深度学习模型检测的影像中的区域或部位属于兴趣点的确信程度;
第二获取模块,用于实时获取用户输入的置信度阈值,所述置信度阈值表征用户对检测率与假阳性率之间关系的权衡,所述置信度阈值的范围为0~1;
第三获取模块,用于在所述兴趣点置信度大于或者等于所述置信度阈值时,将所述兴趣点置信度大于或者等于所述置信度阈值的兴趣点确定为目标兴趣点,从所述兴趣点的检测结果中获取所述目标兴趣点的信息;
展示模块,用于展示所述目标兴趣点的信息;所述展示所述目标兴趣点的信息包括:获取所述目标兴趣点所对应的局部影像,渲染所述局部影像,显示渲染后的所述局部影像;
其中,对所述局部影像的渲染包括以下方式之一:多平面重建、容积再现、最大密度投影、曲面重建。
8.一种终端,其特征在于,包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至6任一所述的影像兴趣点的展示方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910133231.2A CN109934220B (zh) | 2019-02-22 | 2019-02-22 | 一种影像兴趣点的展示方法、装置及终端 |
US16/421,017 US11107212B2 (en) | 2019-02-22 | 2019-05-23 | Methods and systems for displaying a region of interest of a medical image |
PCT/CN2019/115549 WO2020093987A1 (zh) | 2018-11-05 | 2019-11-05 | 医学图像处理方法、系统、计算机设备以及可读存储介质 |
US17/246,139 US11900594B2 (en) | 2019-02-22 | 2021-04-30 | Methods and systems for displaying a region of interest of a medical image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910133231.2A CN109934220B (zh) | 2019-02-22 | 2019-02-22 | 一种影像兴趣点的展示方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934220A CN109934220A (zh) | 2019-06-25 |
CN109934220B true CN109934220B (zh) | 2022-06-14 |
Family
ID=66985772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910133231.2A Active CN109934220B (zh) | 2018-11-05 | 2019-02-22 | 一种影像兴趣点的展示方法、装置及终端 |
Country Status (2)
Country | Link |
---|---|
US (2) | US11107212B2 (zh) |
CN (1) | CN109934220B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934220B (zh) | 2019-02-22 | 2022-06-14 | 上海联影智能医疗科技有限公司 | 一种影像兴趣点的展示方法、装置及终端 |
WO2020093987A1 (zh) * | 2018-11-05 | 2020-05-14 | 上海联影智能医疗科技有限公司 | 医学图像处理方法、系统、计算机设备以及可读存储介质 |
CN110853737B (zh) * | 2019-10-15 | 2023-05-23 | 吉林大学 | 一种医疗影像识别模型的更新方法及系统 |
TWI742450B (zh) * | 2019-10-16 | 2021-10-11 | 財團法人工業技術研究院 | 企劃書的自動化產生系統及其方法 |
CN111951293A (zh) * | 2020-06-30 | 2020-11-17 | 杭州依图医疗技术有限公司 | 根据置信度显示结节的方法及计算设备 |
CN112002406A (zh) * | 2020-07-10 | 2020-11-27 | 杭州依图医疗技术有限公司 | 基于置信度的结节显示方法及计算设备 |
CN113034578B (zh) * | 2021-02-25 | 2024-06-18 | 上海联影智能医疗科技有限公司 | 感兴趣区域的信息处理方法及系统、电子设备及存储介质 |
USD1019690S1 (en) * | 2021-10-29 | 2024-03-26 | Annalise-Ai Pty Ltd | Display screen or portion thereof with transitional graphical user interface |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373299A (zh) * | 2014-08-25 | 2016-03-02 | 深圳富泰宏精密工业有限公司 | 电子装置及其显示界面调整方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102187368B (zh) * | 2008-10-14 | 2015-07-15 | 皇家飞利浦电子股份有限公司 | 肿瘤分割结果的单击校正 |
US9710154B2 (en) * | 2010-09-03 | 2017-07-18 | Microsoft Technology Licensing, Llc | Dynamic gesture parameters |
US20130044927A1 (en) * | 2011-08-15 | 2013-02-21 | Ian Poole | Image processing method and system |
CN103610473B (zh) * | 2013-11-21 | 2015-04-22 | 海信集团有限公司 | 一种超声影像自适应定位测量方法及装置 |
CN104809717B (zh) * | 2014-01-28 | 2018-03-23 | 上海西门子医疗器械有限公司 | 非刚体医学图像兴趣点标识、定位方法和装置、医疗设备 |
US10891444B2 (en) * | 2015-10-26 | 2021-01-12 | The Johns Hopkins University | Automated generation of sentence-based descriptors from imaging data |
CN106649332B (zh) * | 2015-10-29 | 2021-02-19 | 创新先进技术有限公司 | 一种在地图上搜索兴趣点的方法及装置 |
CN106709929A (zh) * | 2016-12-30 | 2017-05-24 | 上海联影医疗科技有限公司 | 医学图像感兴趣区域显示方法及装置 |
CN106940816B (zh) * | 2017-03-22 | 2020-06-09 | 杭州健培科技有限公司 | 基于3d全卷积神经网络的ct图像肺结节检测系统 |
CN107544736A (zh) * | 2017-05-31 | 2018-01-05 | 上海联影医疗科技有限公司 | 医学图像处理方法及设备 |
CN107392893A (zh) * | 2017-06-30 | 2017-11-24 | 上海联影医疗科技有限公司 | 组织密度分析方法及系统 |
CN107358053A (zh) * | 2017-07-19 | 2017-11-17 | 上海联影医疗科技有限公司 | 一种图像处理方法与装置 |
CN107578402A (zh) * | 2017-08-04 | 2018-01-12 | 上海斐讯数据通信技术有限公司 | 一种基于深度学习的肺部结节的检测系统及其使用方法 |
CN108664181B (zh) * | 2018-04-03 | 2021-05-07 | 北京天使软件技术有限公司 | 以眼外肌解剖学位置提取和展示眼外肌mri影像数据的系统 |
CN108961296B (zh) * | 2018-07-25 | 2020-04-14 | 腾讯医疗健康(深圳)有限公司 | 眼底图像分割方法、装置、存储介质和计算机设备 |
CN109035283B (zh) * | 2018-09-05 | 2021-03-30 | 中国医科大学附属盛京医院 | 一种基于随机选取分区的肺气肿精准检测与量化分析方法 |
CN109934220B (zh) | 2019-02-22 | 2022-06-14 | 上海联影智能医疗科技有限公司 | 一种影像兴趣点的展示方法、装置及终端 |
-
2019
- 2019-02-22 CN CN201910133231.2A patent/CN109934220B/zh active Active
- 2019-05-23 US US16/421,017 patent/US11107212B2/en active Active
-
2021
- 2021-04-30 US US17/246,139 patent/US11900594B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105373299A (zh) * | 2014-08-25 | 2016-03-02 | 深圳富泰宏精密工业有限公司 | 电子装置及其显示界面调整方法 |
Non-Patent Citations (2)
Title |
---|
GPU加速的交互式医学CT图像区域分割;曹小鹏 等;《中国图象图形学报》;20160630;第21卷(第6期);全文 * |
Joint Tumor Segmentation in PET-CT Images Using Co-Clustering and Fusion Based on Belief Functions;Chunfeng Lian 等;《IEEE Transactions on Image Processing》;20181005;全文 * |
Also Published As
Publication number | Publication date |
---|---|
US20200273160A1 (en) | 2020-08-27 |
US20210327057A1 (en) | 2021-10-21 |
CN109934220A (zh) | 2019-06-25 |
US11900594B2 (en) | 2024-02-13 |
US11107212B2 (en) | 2021-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934220B (zh) | 一种影像兴趣点的展示方法、装置及终端 | |
CN110738263B (zh) | 一种图像识别模型训练的方法、图像识别的方法及装置 | |
CN110414631B (zh) | 基于医学图像的病灶检测方法、模型训练的方法及装置 | |
CN109493328B (zh) | 医学图像显示方法、查看设备以及计算机设备 | |
CN111598900B (zh) | 一种图像区域分割模型训练方法、分割方法和装置 | |
TWI713054B (zh) | 圖像分割方法及裝置、電子設備和儲存媒體 | |
CN109035234B (zh) | 一种结节检测方法、装置和存储介质 | |
US20160232703A1 (en) | System and method for image processing | |
CN111091127A (zh) | 一种图像检测方法、网络模型训练方法以及相关装置 | |
US9530205B2 (en) | Polyp detection apparatus and method of operating the same | |
CN110610181A (zh) | 医学影像识别方法及装置、电子设备及存储介质 | |
CN112435341B (zh) | 三维重建网络的训练方法及装置、三维重建方法及装置 | |
CN107833231A (zh) | 医学图像显示方法、装置和计算机存储介质 | |
CN113177928B (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN111598989B (zh) | 一种图像渲染参数设置方法、装置、电子设备及存储介质 | |
KR102439769B1 (ko) | 의료 영상 장치 및 그 동작방법 | |
US20220343589A1 (en) | System and method for image processing | |
CN113706441A (zh) | 一种基于人工智能的图像预测方法、相关装置及存储介质 | |
CN105103194B (zh) | 经重建图像数据可视化 | |
CN113724188A (zh) | 一种病灶图像的处理方法以及相关装置 | |
CN115861298B (zh) | 一种基于内镜检查可视化的图像处理方法及装置 | |
CN115393323A (zh) | 一种目标区域获得方法、装置、设备和存储介质 | |
JP7265805B2 (ja) | 画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体 | |
CN113902682A (zh) | 基于医疗图像的诊断方法、装置、存储介质及电子设备 | |
CN113283552A (zh) | 图像的分类方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |