CN110136117A - 一种钼靶图像的处理方法、系统、图像处理机及存储介质 - Google Patents

一种钼靶图像的处理方法、系统、图像处理机及存储介质 Download PDF

Info

Publication number
CN110136117A
CN110136117A CN201910403109.2A CN201910403109A CN110136117A CN 110136117 A CN110136117 A CN 110136117A CN 201910403109 A CN201910403109 A CN 201910403109A CN 110136117 A CN110136117 A CN 110136117A
Authority
CN
China
Prior art keywords
image
molybdenum target
target image
qualified
bit
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
CN201910403109.2A
Other languages
English (en)
Inventor
陈磊
张巍
谈旭
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.)
Neusoft Medical Systems Co Ltd
Shanghai Neusoft Medical Technology Co Ltd
Original Assignee
Neusoft Medical Systems Co Ltd
Shanghai Neusoft Medical Technology 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 Neusoft Medical Systems Co Ltd, Shanghai Neusoft Medical Technology Co Ltd filed Critical Neusoft Medical Systems Co Ltd
Priority to CN201910403109.2A priority Critical patent/CN110136117A/zh
Publication of CN110136117A publication Critical patent/CN110136117A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G06T2207/10116—X-ray 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30068—Mammography; Breast
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请公开了一种钼靶图像的处理方法、系统、图像处理机及存储介质，通过分别判断不同摄影体位图像是否合格，确定钼靶图像是否合格。当确定钼靶图像不合格时，及时提示重新扫描补拍来获得新的钼靶图像。整个图像质量的审核和提示流程依靠图像处理机自动化地实现，由于该图像处理机能够实时审核所接收的钼靶图像的质量，并实行实时的反馈提示，因此可以及早将补拍提示传达至被检者，提高了被检者补拍获取质量合格的钼靶图像的效率，使用户体验提升。此外，由于图像处理过程中无需分诊员人工审核参与，因此降低钼靶图像审核对分诊员的依赖性，减轻分诊员的工作量，避免了人工漏查和误查的问题。

Description

一种钼靶图像的处理方法、系统、图像处理机及存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种钼靶图像的处理方法、系统、图像处理机及存储介质。
背景技术
当前，乳腺癌作为位居城市女性发病率第一位的恶性肿瘤，严重危害妇女的身体健康。乳腺钼靶，又称钼靶检查，被誉为国际乳腺疾病检查的“金标准”，是医院中检查女性乳房疾病的主要项目之一。
钼靶检查采用X射线对被检女性的乳房进行照射，简便易行，最终获得钼靶图像。钼靶图像分辨率高，可较好地反映被检者的乳腺增生、病变、包块以及钙化的形状、大小和密度等。
进行钼靶检查时，要求被检者站到乳腺机前，由放射室技师将被检者乳房放置于一个特殊的装置上。这一装置轻轻将被测者双侧乳房展平，如此，使用较低剂量的X射线即可透过整个的乳房，并获得对于乳房较为完整且清晰的钼靶图像。整个钼靶检测过程持续20分钟左右。
为便于医生观察被检者乳房的健康情况，通常需要被检者在检查过程中变换不同的体位，进而获得对于乳房的不同角度的钼靶图像。标准摄影体位主要由两种，即头尾位(Craniocaudal,CC)与内外斜位(Mediolateral Oblique,MLO)。拍摄乳房的CC位图像时，乳腺机球管管臂为垂直方向，中心X射线在头尾位方向。参见图1和图2，分别为被检者左乳和右乳的CC位图像。拍摄乳房的MLO位图像时，患者站立，X摄像以45度角自内上向外下穿过乳腺组织。参见图3和图4，分别为被检者左乳和右乳的MLO位图像。
钼靶图像的质量与乳腺疾病的筛查准确性密切相关。因此，获得钼靶图像后，需由远程的分诊员对钼靶图像的质量进行审核，筛查出质量不合格的图像。人工筛查图像质量的工作量大，实时性差，同时存在漏查和误查的可能性，对分诊员具有很高的业务能力要求。当分诊员发现图像质量不合格，需要联络技师对被检者的乳房补拍钼靶图像时，被检者可能已经离开医院。重新联络被检者返回医院补拍，也会导致被检者就医检查体验降低。
发明内容
基于以上问题，本申请提供一种钼靶图像的处理方法、系统、图像处理机及存储介质，解决人工进行钼靶图像质量审核的问题。
本申请提供以下技术方案：
第一方面，本申请提供一种钼靶图像的处理方法，应用于图像处理机，所述方法包括：
接收乳腺机发送的钼靶图像，所述钼靶图像包括内外斜位图像及头尾位图像；
分别判断所述内外斜位图像及所述头尾位图像是否合格；
如果所述内外斜位图像和所述头尾位图像中的至少一个不合格，则确定所述钼靶图像不合格；
当确定所述钼靶图像不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
可选地，所述判断所述内外斜位图像是否合格，具体包括：
利用图像分割算法获得所述内外斜位图像中的胸大肌区域面积，并利用特征提取方法获得胸大肌与其他组织的分割线；
根据所述胸大肌区域面积和所述分割线的斜率，判断所述内外斜位图像中是否包含胸大肌；
利用阈值法提取所述内外斜位图像中的乳房第一曲线，根据所述乳房第一曲线判断所述内外斜位图像中是否包含乳房下角；
判断所述内外斜位图像是否同时包含胸大肌和乳房下角；如果是，确定所述内外斜位图像合格；如果否，确定所述内外斜位图像不合格。
可选地，所述判断所述头尾位图像是否合格，具体包括：
利用阈值法提取所述头尾位图像中的乳房第二曲线；
根据所述乳房第二曲线，利用图像分割算法确定所述头尾位图像中的乳头位置；
判断所述乳头位置和所述头尾位图像中拍摄平台的中心线距离是否小于预设距离阈值，如果是，确定所述头尾位图像合格；如果否，确定所述头尾位图像不合格。
可选地，上述方法还包括：
将合格的钼靶图像上传至云端服务器，以便所述云端服务器向分诊员提供所述合格的钼靶图像并获得所述分诊员对所述合格的钼靶图像进行质量复核的复核结果；所述云端服务器，用于当所述复核结果为复核不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
可选地，上述方法还包括：
将复核合格的钼靶图像与复核不合格的钼靶图像上传至云端服务器进行分类存储；以使所述云端服务器利用所述复核合格的钼靶图像与复核不合格的钼靶图像对所述图像分割算法的参数进行修正。
第二方面，本申请提供一种图像处理机，图像处理机用于接收乳腺机发送的钼靶图像，所述钼靶图像包括内外斜位图像及头尾位图像；分别判断所述内外斜位图像及所述头尾位图像是否合格；如果所述内外斜位图像和所述头尾位图像中的至少一个不合格，则确定述钼靶图像不合格；当确定所述钼靶图像不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
可选地，所述图像处理机具体用于利用图像分割算法获得所述内外斜位图像中的胸大肌区域面积，并利用特征提取方法获得胸大肌与其他组织的分割线；根据所述胸大肌区域面积和所述分割线的斜率，判断所述内外斜位图像中是否包含胸大肌；利用阈值法提取所述内外斜位图像中的乳房第一曲线，根据所述乳房第一曲线判断所述内外斜位图像中是否包含乳房下角；判断所述内外斜位图像是否同时包含胸大肌和乳房下角；如果是，确定所述内外斜位图像合格；如果否，确定所述内外斜位图像不合格。
可选地，所述图像处理机具体用于利用阈值法提取所述头尾位图像中的乳房第二曲线；根据所述乳房第二曲线，利用图像分割算法确定所述头尾位图像中的乳头位置；判断所述乳头位置和所述头尾位图像中拍摄平台的中心线距离是否小于预设距离阈值，如果是，确定所述头尾位图像合格；如果否，确定所述头尾位图像不合格。
第三方面，本申请提供一种钼靶图像的处理系统，包括：上述第二方面提供的图像处理机；还包括：乳腺机；
所述乳腺机，用于扫描并获得钼靶图像，将所述钼靶图像发送给所述图像处理机；所述钼靶图像包括内外斜位图像及头尾位图像；
所述图像处理机，用于当确定所述钼靶图像不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
可选地，上述系统还包括：云端服务器；
所述图像处理机，还用于将合格的钼靶图像上传至云端服务器；
所述云端服务器，用于向分诊员提供所述合格的钼靶图像，并接收所述分诊员反馈的复核结果；当所述复核结果为复核不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
可选地，所述图像处理机还用于将复核合格的钼靶图像与复核不合格的钼靶图像上传至云端服务器；
如果所述图像处理机根据图像分割算法确定所述内外斜位图像或所述头尾位图像是否合格，则所述云端服务器，还用于对所述复核合格的钼靶图像与所述复核不合格的钼靶图像进行分类存储；利用所述复核合格的钼靶图像与复核不合格的钼靶图像对所述图像分割算法的参数进行修正。
第四方面，本申请提供一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器执行时实现如上述第一方面提供的钼靶图像的处理方法。
与现有技术相比，本发明至少具有以下优点：
本申请实施例提供的钼靶图像的处理方法，通过分别判断不同摄影体位图像是否合格，确定钼靶图像是否合格。当确定钼靶图像不合格时，及时提示重新扫描补拍来获得新的钼靶图像。整个图像质量的审核和提示流程依靠图像处理机自动化地实现，由于该图像处理机能够实时审核所接收的钼靶图像的质量，并实行实时的反馈提示，因此可以及早将补拍提示传达至被检者，提高了被检者补拍获取质量合格的钼靶图像的效率，使用户体验提升。此外，由于图像处理过程中无需分诊员人工审核参与，因此降低钼靶图像审核对分诊员的依赖性，减轻分诊员的工作量，避免了人工漏查和误查的问题。
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，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它的附图。
图1为本申请提供的一种被检者左乳的头尾位图像；
图2为本申请提供的一种被检者右乳的头尾位图像；
图3为本申请提供的一种被检者左乳的内外斜位图像；
图4为本申请提供的一种被检者右乳的内外斜位图像；
图5为本申请实施例提供的一种钼靶图像的处理方法的流程图；
图6为本申请实施例提供的另一种钼靶图像的处理方法的流程图；
图7为本申请实施例提供的一种MLO位图像的区域分割示意图；
图8为本申请实施例提供的一种MLO位图像的区域分割示意图；
图9为本申请实施例提供的一种CC位图像的乳头位置确定示意图；
图10为本申请实施例提供的另一种CC位图像的乳头位置确定示意图；
图11为本申请实施例提供的一种钼靶图像的处理系统的结构示意图。
具体实施方式
正如前文描述，由分诊员人工实施对钼靶图像的质量审核存在诸多问题，例如：分诊员的工作量大，工作效率低，易漏检或误检，对分诊员的专业技能要求较高。另外，由于钼靶图像的质量审核由分诊员人工执行，往往难以在获得被检者钼靶图像的第一时刻判断图像质量是否合格，实时性较差，当审核完毕需要通知技师对被检者进行补拍时，往往被检者已经离开医院或者去做其他检查项目了。通常，被检者期望在集中的时间内尽可能快速高效地完成检查，而当前因由分诊员人工审核钼靶图像的质量而造补拍通知迟滞的问题将影响被检者的就医检查体验。
基于上述问题，发明人经过研究，提供一种钼靶图像的处理方法、系统、图像处理机及存储介质，利用图像处理机自动化地实现对钼靶图像的处理和质量审核。从而，有效克服人工审核导致的以上问题及不便。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
第一实施例
参见图5，该图为本申请实施例提供的一种钼靶图像的处理方法流程图。该方法应用于图像处理机。
如图5所示，本实施例提供的钼靶图像的处理方法，包括：
步骤501：接收乳腺机发送的钼靶图像，所述钼靶图像包括内外斜位图像及头尾位图像。
本实施例中，由乳腺机执行对钼靶图像的拍摄流程。首先，被检者需站立于乳腺机前，由技师将被检者乳房放置在托板上。压迫板缓慢压迫并展平被检者的乳房，其后乳腺机放射X射线曝光获得被检者的钼靶图像。
作为示例，本实施例中执行方法所述步骤的图像处理机可以是安装有内网网卡的计算机。图像处理机通过内网网卡与乳腺机的后处理工作站连接。乳腺机的后处理工作站将乳腺机获得的钼靶图像发送给图像处理机，以便图像处理机对钼靶图像进行质量审核筛查。作为示例，钼靶图像的格式可以为医疗数位影像传输协定(Digital Imaging andCommunications in Medicine,DICOM)格式。
需要说明的是，当利用乳腺机对被检者乳房进行曝光摄像时，至少按照两种标准摄影体位获得钼靶图像。当按照头尾位进行拍摄时，获得的钼靶图像称为头尾位图像，以下简称的CC位图像；当按照内外斜位进行拍摄时，获得的钼靶图像称为内外斜位图像，以下简称MLO位图像。
步骤502：分别判断所述内外斜位图像及所述头尾位图像是否合格。
MLO位图像和CC位图像展现不同角度钼靶检测出的乳房状况，MLO位图像与CC位图像之间的质量审核标准不同。因此，当图像处理机对钼靶图像进行质量审核时，需要依据各自图像的质量审核标准分别对MLO位图像和CC位图像的质量加以审核。可以理解的是，高质量的MLO位图像以及CC位图像有助于医生根据MLO位图像和CC位图像了解被检者的乳房状况。
在一些实现方式中，对于MLO位图像进行质量审核时，要求其中包含被检者的胸大肌，且乳房下角可见；对于CC位图像进行质量审核时，要求其中被检者乳头在拍摄平台中线，以便将乳腺组织最大限度地暴露于拍摄平台上。当然，在实际应用中，还可根据成像清晰度等角度对MLO位图像和CC位图像的质量进行审核。本实施例中，对于钼靶图像的审核标准不进行具体限定。通过质量审核，图像处理机能够得出被检者MLO位图像和CC位图像的审核结果，即MLO位图像合格与否以及CC位图像合格与否。
步骤503：如果所述内外斜位图像和所述头尾位图像中的至少一个不合格，则确定所述钼靶图像不合格。
本实施例中，如果被检者的MLO位图像和CC位图像中有任一图像不合格，即判断被检者的钼靶图像不合格；仅当被检者的MLO位图像和CC位图像均合格时，确定被检者的钼靶图像合格。
步骤504：当确定所述钼靶图像不合格时，进行提示以使乳腺机重新扫描来获得新的钼靶图像。
可以理解的是，由于被检者的钼靶图像被图像处理机判定为不合格，因此，需要对被检者进行二次或多次补拍，以获得合格的钼靶图像。
在实际应用中，作为一种可选的实现方式，可以仅对钼靶图像中不合格的摄影体位图像进行拍摄。例如被检者只有MLO位图像不合格，后续对被检者仅进行MLO位的补拍；被检者只有CC位图像不合格，后续对被检者仅进行CC位的补拍。
考虑到同次拍摄时，乳腺机的设置参数同一性较高，因此作为另一种可选的实现方式，还可以对钼靶图像中所有的摄影体位图像进行拍摄。例如被检者只有MLO位图像不合格，或者只有CC位图像不合格，后续对被检者进行MLO位和CC位的补拍。
在具体实现时，作为一示例，图像处理机通过语音方式提示技师。例如，图像处理机预先存储一段提示音频，当确定被检者的钼靶图像不合格时，图像处理机播放提示音频。进而，提示技师重新利用乳腺机执行对被检者的钼靶成像操作。
作为另一示例，图像处理机上安装有一软件，当确定所述钼靶图像不合格，图像处理机的屏幕的软件界面弹出提示消息，进而技师通过浏览图像处理机的屏幕可以获知钼靶图像不合格，需要利用乳腺机对被检者进行补拍。
作为又一示例，图像处理机上安装有与云端服务器建立连接的外网网卡，当确定被检者的钼靶图像不合格时，图像处理机通过云端服务器向技师的移动终端发送提示消息(例如微信形式或短信形式的提示消息)，进而使技师获知，需要重新利用乳腺机执行对被检者的钼靶成像操作。
以上，即为本申请实施例提供的一种钼靶图像的处理方法。该方法通过分别判断不同摄影体位图像是否合格，确定钼靶图像是否合格。当确定钼靶图像不合格时，及时提示以利用乳腺机重新扫描补拍来获得新的钼靶图像。整个图像质量的审核和提示流程依靠图像处理机自动化地实现，由于该图像处理机能够实时审核所接收的钼靶图像的质量，并实行实时的反馈提示，因此可以及早将补拍提示传达至被检者，提高了被检者补拍获取质量合格的钼靶图像的效率，使用户体验提升。此外，由于图像处理过程中无需分诊员人工审核参与，因此降低钼靶图像审核对分诊员的依赖性，减轻分诊员的工作量，避免了人工漏查和误查的问题。
基于前述实施例，本申请还提供了另一种钼靶图像的处理方法。下面结合实施例和附图对该方法的具体实现进行详细说明。
第二实施例
参见图6，该图为本申请实施例提供的另一种钼靶图像的处理方法流程图。
如图6所示，该方法包括：
步骤601：接收乳腺机发送的钼靶图像，所述钼靶图像包括内外斜位图像及头尾位图像。
本实施例中，步骤601的实现方式与前述实施例中步骤501的实现方式相同。关于步骤601的相关描述可参照前述实施例，此处不再赘述。
本实施例中，提供一种审核MLO位图像质量的具体方式。下面结合步骤602-605以及图7和图8对该方式的具体实现流程进行描述。
步骤602：利用图像分割算法获得所述内外斜位图像中的胸大肌区域面积，并利用特征提取方法获得胸大肌与其他组织的分割线。
采用图像分割算法提取图像中某一区域属于本领域较为成熟的技术，因此本实施例中对于利用图像分割算法获得胸大肌区域面积的过程不展开描述。
作为一种可选的实现方式，本实施例中可以利用霍夫变换方法计算胸大肌与其他组织的分割线。在实际应用中，霍夫变换获得的分割线可能是带有变化曲率的曲线，通过拟合近似的方式可以得到一条斜率固定的直线，作为分割线。当然，可以理解的是，在实际应用中还可通过其他图像处理方式获得胸大肌与其他组织的分割线，因此本实施例对于获取分割线的具体方式不加以限定。
参见图7，该图为本申请实施例提供的一种MLO位图像的区域分割示意图。图中直线L1表示胸大肌与其他组织的分割线。直线L1的右上侧即表示胸大肌区域，直线L1的左下侧表示胸大肌以外的其他组织，从图7中可知其他组织包括乳腺组织。图8为本申请实施例提供的另一种MLO位图像的区域分割示意图。需要说明的是，图7与图8为基于步骤602按照同样方式获得的两幅图像，但如图8中区域R1所示，图8中明显缺少胸大肌与其他组织的分割线，表示图8中并不包含胸大肌。由于MLO位图像的质量审核标准要求MLO位图像应包含胸大肌，因此显然图8所示的MLO位图像不合格。
步骤603：根据所述胸大肌区域面积和所述分割线的斜率，判断所述内外斜位图像中是否包含胸大肌。
作为一种可能的实现方式，通过预先确定胸大肌的区域以及获得胸大肌与其他组织的分割线，可以根据胸大肌区域的面积和分割线的斜率判定MLO为图像是否包含胸大肌。例如，如果胸大肌区域面积超过预设面积S且分割线的斜率绝对值大于预设值P，则判定MLO位图像中包含胸大肌。
步骤604：利用阈值法提取所述内外斜位图像中的乳房第一曲线，根据所述乳房第一曲线判断所述内外斜位图像中是否包含乳房下角。
本实施例中，为区别于其他曲线，将MLO位图像中的乳房曲线称为乳房第一曲线。在实际进行MLO位图像的质量审核时，还要求MLO位图像应包含乳房下角。
基于女性身体结构，乳房下角位于乳房下缘与腹部的交界处。通过观察图7中区域R2即可知，乳房第一曲线的曲率平缓，没有剧烈的变化。由此可知，图7中不包含被检者的乳房下角。
步骤605：判断所述内外斜位图像是否同时包含胸大肌和乳房下角；如果是，确定所述内外斜位图像合格；如果否，确定所述内外斜位图像不合格。
本实施例中，将MLO位图像是否包含胸大肌和乳房下角作为两种评价MLO位图像是否合格的判据。当两种判据均判断通过时，确定MLO位图像合格，否则MLO位图像不合格。由于图7与图8所示的MLO位图像均无法同时满足上述两种判据，因此图7与图8所示的MLO位图像不合格。
本实施例中，还提供一种审核CC位图像质量的具体方式。下面结合步骤606-608以及图9和图10对该方式的具体实现流程进行描述。
步骤606：利用阈值法提取所述头尾位图像中的乳房第二曲线。
本实施例中，为区别于其他曲线，将CC位图像中的乳房曲线称为乳房第二曲线。采用阈值法提取CC位图像的乳房第二曲线仅为一种示例性的实现方式，因此不作为对于乳房第二区县提取方式的限定。
步骤607：根据所述乳房第二曲线，利用图像分割算法确定所述头尾位图像中的乳头位置。
应用图像分割算法，可以提取出乳头和乳房组织两个分离的区域，从而定位乳头的位置，方便与拍摄平台的中心线位置进行比较。图9和图10分别为本申请实施例提供的两种CC位图像的乳头位置确定示意图。图9和图10中L2表示拍摄平台的中心线；图9中被检者的乳头位于圆圈B1中，被检者乳头位置B1与拍摄平台中心线L2的距离为D1；图10中被检者的乳头位于圆圈B2中，被检者乳头位置B2与拍摄平台中心线L2的距离为D2。
步骤608：判断所述乳头位置和所述头尾位图像中拍摄平台的中心线距离是否小于预设距离阈值，如果是，确定所述头尾位图像合格；如果否，确定所述头尾位图像不合格。
CC位图像的质量审核标准要求CC位图像中乳头应该尽可能地靠近拍摄平台中心线，以便乳腺组织能够最大限度地暴露在拍摄平台上，从而通过少量的X射线即可对被检者乳房进行CC位钼靶成像。基于此，本步骤中提供了一种判断CC位图像合格与否的示例性实现方式。
预先设定了一个距离阈值D，通过将CC位图像中乳头位置与拍摄平台的距离与预设距离阈值D进行比较，对CC位图像合格与否进行判定。如图9中，由于D1小于预设距离阈值D，因此确定被检者的乳腺组织已经较大限度地暴露在拍摄平台上，图9所示的CC位图像合格。而图10中，由于D2大于预设距离阈值D，因此确定被检者的乳腺组织没有较大限度地暴露在拍摄平台上，图10所示的CC位图像不合格。
需要说明的是，在实际应用中，可以先判断MLO位图像是否合格或先判断CC位图像是否合格，即步骤606-608可以在步骤602-605之后执行，也可以在步骤602-605之前执行；当然，还可以同时判断MLO位图像是否合格以及判断CC位图像是否合格，即步骤606-608可以与步骤602-605同步执行。因此，本实施例中对于判断MLO位图像是否合格以及判断CC位图像是否合格的具体实施顺序不加以限定。
步骤609：如果所述内外斜位图像和所述头尾位图像中的至少一个不合格，则确定所述钼靶图像不合格。
步骤610：当确定所述钼靶图像不合格时，进行提示以使乳腺机重新扫描来获得新的钼靶图像。
本实施例中，步骤609-610的实现方式与前述实施例中步骤503-504的实现方式相同。关于步骤609-610的相关描述可参照前述实施例，此处不再赘述。
在实际应用中，可以完全依赖图像处理机对钼靶图像的质量进行审核。另外，还可将图像处理机作为一种对钼靶图像的初筛设备，借助图像处理机实现对于钼靶图像进行人机(即质检员与图像处理机)的双重审核。下面对该实现方式进行详细描述。
步骤611：将确定合格的钼靶图像上传至云端服务器，以便所述云端服务器向分诊员提供所述合格的钼靶图像并获得所述分诊员对所述合格的钼靶图像进行质量复核的复核结果。
本实施例中，分诊员可从云端服务器获取图像处理机上传的合格的钼靶图像，再由分诊员人工地依据专业技术能力对经过图像处理机确定合格的钼靶图像进行复核。需要说明的是，分诊员可以对确定合格的钼靶图像进行全部复核，也可以从中抽取一部分经图像处理机确定合格的钼靶图像实行抽检复核。
由分诊员复核通过，则钼靶图像的复核结果为复核合格；由分诊员复核不通过，则钼靶图像的复核结果为复核不合格。对于复核不合格的钼靶图像，判定其质量无法满足临床的钼靶图像要求，因此需要重新补拍。此时，云端服务器根据钼靶图像复核不合格的复核结果，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
作为一种可能的实现方式，可以由云端服务器向放射室的技师发送短信进行提示。作为另一种可能实现方式，可以由图像处理机通过语音方式提示位于放射室的技师。技师根据提示，重新指导和辅助被检者完成补拍流程。
当复核结果为复核不合格时，表明分诊员与图像处理机的质量审核判断存在差异。在本实施例中，可以进一步利用复核后的钼靶图像对图像处理机的功能进行升级。下面结合步骤612进行详细描述。
步骤612：将复核合格的钼靶图像与复核不合格的钼靶图像上传至云端服务器进行分类存储；以使所述云端服务器利用所述复核合格的钼靶图像与复核不合格的钼靶图像对所述图像分割算法的参数进行修正。
对钼靶图像进行分类存储时，具体可以为复核合格的钼靶图像与复核不合格的钼靶图像配以不同的标签，从而实现分类。例如，云端服务器中的某一钼靶图像的标签为p，表示该钼靶图像为复核不合格的图像；某一钼靶图像的标签为k，标识该钼靶图像为复核合格的图像。另外，还可以根据钼靶图像中被检者乳房的具体摄影体位配以不同的标签，例如标签为pcc表示图像为复核不合格的CC位图像，标签为pmlo表示图像为复核不合格的MLO位图像，标签为kcc表示图像为复核合格的CC位图像，标签为kmlo表示图像为复核合格的MLO位图像。可以理解的是，上述配置标签的方式仅为本实施例提供的示例，此处对于分配标签的具体方式不加以限定。通过执行以上操作，将钼靶图像与复核结果相关联。配置标签，即相当于在存储钼靶图像的同时，将钼靶图像的复核结果进行存储。
本实施例中，图像处理机对钼靶图像进行图像处理并审核时，具体采用了图像分割算法。分诊员与图像处理机的质量审核判断存在差异的一种可能性是，图像分割算法中采用的部分参数(例如分割阈值)准确性不足，因此，本步骤借助分类存储的钼靶图像对该算法的参数进行修正。
如果图像分割算法基于一个图像分割模型实现，在具体实现时，作为一种可能的方式，可以基于复核合格的钼靶图像和复核不合格的钼靶图像对图像分割模型进行深度学习训练，训练过程中，应用的图像分割模型中参数不断调整变化，最终，训练获得修正后的参数。
可以理解的是，云端服务器对图像分割算法中参数进行修正后，可以将修正后的参数更新到图像处理机中，以便图像处理机之后对乳腺机发送的钼靶图像进行处理审核时，采用图像分割算法时因参数的修正而执行准确度更高的判断。可见，通过执行本步骤，有利于实现图像处理机的功能升级，提高图像处理机的服务性能(包括准确性与稳定性)和被检者的就医检查体验。
以上即为本申请实施例提供的钼靶图像的处理方法，该方法可以实现对被检者钼靶图像的人机双重审核。利用图像处理机对钼靶图像初步审核，有效减轻了分诊员的工作量，并且提高了反馈速度。双重审核的方式有效保障了图像质量审核的准确度。此外，将复核过的钼靶图像分类存储于云端服务器有助于后续对图像处理机应用的图像处理算法中参数进行修正，进而可提高图像处理机的钼靶图像质量审核性能，进一步地提高了被检者的就医检查体验。
基于前述实施例提供的钼靶图像的处理方法，相应地，本申请还提供一种图像处理机。下面结合实施例对该图像处理机的具体功能进行描述。
第三实施例
本申请实施例提供的一种图像处理机，用于接收乳腺机发送的钼靶图像，所述钼靶图像包括内外斜位图像及头尾位图像；分别判断所述内外斜位图像及所述头尾位图像是否合格；如果所述内外斜位图像和所述头尾位图像中的至少一个不合格，则确定所述钼靶图像不合格；当确定所述钼靶图像不合格时，进行提示以使乳腺机重新扫描来获得新的钼靶图像。
以上即为本实施例提供的图像处理机。通过上述功能描述，可知，整个图像质量的审核和提示流程依靠图像处理机自动化地实现。由于该图像处理机能够实时审核所接收的钼靶图像的质量，并实行实时的反馈提示，因此可以及早将补拍提示传达至被检者，提高了被检者补拍获取质量合格的钼靶图像的效率，使用户体验提升。此外，由于图像处理过程中无需分诊员人工审核参与，因此降低钼靶图像审核对分诊员的依赖性，减轻分诊员的工作量，避免了人工漏查和误查的问题。
可选地，所述图像处理机具体用于利用图像分割算法获得所述内外斜位图像中的胸大肌区域面积，并利用特征提取方法获得胸大肌与其他组织的分割线；根据所述胸大肌区域面积和所述分割线的斜率，判断所述内外斜位图像中是否包含胸大肌；利用阈值法提取所述内外斜位图像中的乳房第一曲线，根据所述乳房第一曲线判断所述内外斜位图像中是否包含乳房下角；判断所述内外斜位图像是否同时包含胸大肌和乳房下角；如果是，确定所述内外斜位图像合格；如果否，确定所述内外斜位图像不合格。
可选地，所述图像处理机具体用于利用阈值法提取所述头尾位图像中的乳房第二曲线；根据所述乳房第二曲线，利用图像分割算法确定所述头尾位图像中的乳头位置；判断所述乳头位置和所述头尾位图像中拍摄平台的中心线距离是否小于预设距离阈值，如果是，确定所述头尾位图像合格；如果否，确定所述头尾位图像不合格。
基于前述实施例提供的钼靶图像的处理方法以及图像处理机，本申请还进一步提供一种钼靶图像的处理系统。下面结合实施例和附图对该系统的具体实现进行描述。
第四实施例
参见图11，该图为本申请实施例提供的一种钼靶图像的处理系统的结构示意图。
如图11所示，本实施例提供的钼靶图像的处理系统，包括：
图像处理机1102和乳腺机1101。其中，图像处理机1102具体可以是前述第三实施例中描述的图像处理机1102。图像处理机1102可以是安装有内网网卡的计算机。图像处理机1102通过内网网卡与乳腺机1101的后处理工作站1104连接。
所述乳腺机1101，用于扫描并获得钼靶图像，利用后处理工作站1104将所述钼靶图像发送给所述图像处理机1102；所述钼靶图像包括内外斜位图像及头尾位图像；
所述图像处理机1102，用于当确定所述钼靶图像不合格时，进行提示以使所述乳腺机1101重新扫描来获得新的钼靶图像。
本实施例中，图像处理机1102和乳腺机的后处理工作站1104可设置在同一个房间里，而乳腺机1101设置在另一个房间里。因此该系统实际上实现了对被检者的远程服务。
以上即为本申请实施例提供的钼靶图像的处理系统。系统中，整个图像质量的审核和提示流程依靠图像处理机1102自动化地实现，由于该图像处理机1102能够实时审核所接收的钼靶图像的质量，并实行实时的反馈提示，因此可以及早将补拍提示传达至被检者，提高了被检者补拍获取质量合格的钼靶图像的效率，使用户体验提升。此外，由于图像处理过程中无需分诊员人工审核参与，因此降低钼靶图像审核对分诊员的依赖性，减轻分诊员的工作量，避免了人工漏查和误查的问题。
在实际应用中，可以完全依赖图像处理机1102对钼靶图像的质量进行审核。另外，还可将图像处理机1102作为一种对钼靶图像的初筛设备，借助图像处理机1102实现对于钼靶图像进行人机(即质检员与图像处理机1102)的双重审核。下面对该实现方式进行详细描述。
本申请实施例提供的钼靶图像的处理系统中还包括：云端服务器1103。图像处理机1102上安装有外网网卡，借助外网网卡与云端服务器1103建立连接。
所述图像处理机1102，还用于将合格的钼靶图像上传至云端服务器1103；
所述云端服务器1103，用于向分诊员提供所述合格的钼靶图像，并接收所述分诊员反馈的复核结果；当所述复核结果为复核不合格时，进行提示以使所述乳腺机1101重新扫描来获得新的钼靶图像。
利用图像处理机1102对钼靶图像初步审核，有效减轻了分诊员的工作量，并且提高了反馈速度。
本实施例中，图像处理机1102对钼靶图像进行图像处理并审核时，可以具体采用了图像分割算法。分诊员与图像处理机1102的质量审核判断存在差异的一种可能性是，图像分割算法中采用的部分参数准确性不足。基于此，钼靶图像的处理系统还可借助分类存储的钼靶图像对该算法的参数进行修正。
系统中，图像处理机1102还用于将复核合格的钼靶图像与复核不合格的钼靶图像上传至云端服务器1103；
如果所述图像处理机1102根据图像分割算法确定所述内外斜位图像或所述头尾位图像是否合格，则所述云端服务器1103，还用于对所述复核合格的钼靶图像与所述复核不合格的钼靶图像进行分类存储；利用所述复核合格的钼靶图像与复核不合格的钼靶图像对所述图像分割算法的参数进行修正。
可以理解的是，云端服务器1103对图像分割算法中参数进行修正后，可以将修正后的参数更新到图像处理机1102中，以便图像处理机1102之后对乳腺机1101发送的钼靶图像进行处理审核时，采用图像分割算法时因参数的修正而执行准确度更高的判断。可见，该系统有利于实现图像处理机1102的功能升级，提高图像处理机1102的服务性能(包括准确性与稳定性)和被检者的就医检查体验。
本申请公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请第一实施例和第二实施例提供的方法的全部或部分步骤。
本申请实施例还提供一种计算机可读存储介质，用于存储计算机程序，所述计算机程序被处理器执行时实现前述第一实施例和第二实施例提供的钼靶图像的处理方法。关于钼靶图像的处理方法的描述可参照前述第一实施例和第二实施例，此处不再详细说明。
该存储介质可以包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。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做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (12)

1.一种钼靶图像的处理方法，其特征在于，应用于图像处理机，所述方法包括：
接收乳腺机发送的钼靶图像，所述钼靶图像包括内外斜位图像及头尾位图像；
分别判断所述内外斜位图像及所述头尾位图像是否合格；
如果所述内外斜位图像和所述头尾位图像中的至少一个不合格，则确定所述钼靶图像不合格；
当确定所述钼靶图像不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
2.根据权利要求1所述的方法，其特征在于，所述判断所述内外斜位图像是否合格，具体包括：
利用图像分割算法获得所述内外斜位图像中的胸大肌区域面积，并利用特征提取方法获得胸大肌与其他组织的分割线；
根据所述胸大肌区域面积和所述分割线的斜率，判断所述内外斜位图像中是否包含胸大肌；
利用阈值法提取所述内外斜位图像中的乳房第一曲线，根据所述乳房第一曲线判断所述内外斜位图像中是否包含乳房下角；
判断所述内外斜位图像是否同时包含胸大肌和乳房下角；如果是，确定所述内外斜位图像合格；如果否，确定所述内外斜位图像不合格。
3.根据权利要求1所述的方法，其特征在于，所述判断所述头尾位图像是否合格，具体包括：
利用阈值法提取所述头尾位图像中的乳房第二曲线；
根据所述乳房第二曲线，利用图像分割算法确定所述头尾位图像中的乳头位置；
判断所述乳头位置和所述头尾位图像中拍摄平台的中心线距离是否小于预设距离阈值，如果是，确定所述头尾位图像合格；如果否，确定所述头尾位图像不合格。
4.根据权利要求2或3所述的方法，其特征在于，还包括：
将合格的钼靶图像上传至云端服务器，以便所述云端服务器向分诊员提供所述合格的钼靶图像并获得所述分诊员对所述合格的钼靶图像进行质量复核的复核结果；所述云端服务器，用于当所述复核结果为复核不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
将复核合格的钼靶图像与复核不合格的钼靶图像上传至云端服务器进行分类存储；以使所述云端服务器利用所述复核合格的钼靶图像与复核不合格的钼靶图像对所述图像分割算法的参数进行修正。
6.一种图像处理机，其特征在于，所述图像处理机用于接收乳腺机发送的钼靶图像，所述钼靶图像包括内外斜位图像及头尾位图像；分别判断所述内外斜位图像及所述头尾位图像是否合格；如果所述内外斜位图像和所述头尾位图像中的至少一个不合格，则确定述钼靶图像不合格；当确定所述钼靶图像不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
7.根据权利要求6所述的图像处理机，其特征在于，所述图像处理机具体用于利用图像分割算法获得所述内外斜位图像中的胸大肌区域面积，并利用特征提取方法获得胸大肌与其他组织的分割线；根据所述胸大肌区域面积和所述分割线的斜率，判断所述内外斜位图像中是否包含胸大肌；利用阈值法提取所述内外斜位图像中的乳房第一曲线，根据所述乳房第一曲线判断所述内外斜位图像中是否包含乳房下角；判断所述内外斜位图像是否同时包含胸大肌和乳房下角；如果是，确定所述内外斜位图像合格；如果否，确定所述内外斜位图像不合格。
8.根据权利要求6所述的图像处理机，其特征在于，所述图像处理机具体用于利用阈值法提取所述头尾位图像中的乳房第二曲线；根据所述乳房第二曲线，利用图像分割算法确定所述头尾位图像中的乳头位置；判断所述乳头位置和所述头尾位图像中拍摄平台的中心线距离是否小于预设距离阈值，如果是，确定所述头尾位图像合格；如果否，确定所述头尾位图像不合格。
9.一种钼靶图像的处理系统，其特征在于，包括：权利要求6-8任一项所述的图像处理机；还包括：乳腺机；
所述乳腺机，用于扫描并获得钼靶图像，将所述钼靶图像发送给所述图像处理机；所述钼靶图像包括内外斜位图像及头尾位图像；
所述图像处理机，用于当确定所述钼靶图像不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
10.根据权利要求9所述的系统，其特征在于，还包括：云端服务器；
所述图像处理机，还用于将合格的钼靶图像上传至云端服务器；
所述云端服务器，用于向分诊员提供所述合格的钼靶图像，并接收所述分诊员反馈的复核结果；当所述复核结果为复核不合格时，进行提示以使所述乳腺机重新扫描来获得新的钼靶图像。
11.根据权利要求10所述的系统，其特征在于，所述图像处理机还用于将复核合格的钼靶图像与复核不合格的钼靶图像上传至云端服务器；
如果所述图像处理机根据图像分割算法确定所述内外斜位图像或所述头尾位图像是否合格，则所述云端服务器，还用于对所述复核合格的钼靶图像与所述复核不合格的钼靶图像进行分类存储；利用所述复核合格的钼靶图像与复核不合格的钼靶图像对所述图像分割算法的参数进行修正。
12.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的钼靶图像的处理方法。
CN201910403109.2A 2019-05-15 2019-05-15 一种钼靶图像的处理方法、系统、图像处理机及存储介质 Pending CN110136117A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910403109.2A CN110136117A (zh) 2019-05-15 2019-05-15 一种钼靶图像的处理方法、系统、图像处理机及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910403109.2A CN110136117A (zh) 2019-05-15 2019-05-15 一种钼靶图像的处理方法、系统、图像处理机及存储介质

Publications (1)

Publication Number Publication Date
CN110136117A true CN110136117A (zh) 2019-08-16

Family

ID=67574239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910403109.2A Pending CN110136117A (zh) 2019-05-15 2019-05-15 一种钼靶图像的处理方法、系统、图像处理机及存储介质

Country Status (1)

Country Link
CN (1) CN110136117A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110866898A (zh) * 2019-10-30 2020-03-06 上海联影智能医疗科技有限公司 一种乳腺图像处理方法、设备及存储介质
CN112529900A (zh) * 2020-12-29 2021-03-19 广州华端科技有限公司 匹配乳腺图像中roi的方法、装置、终端与存储介质
WO2021136368A1 (zh) * 2020-01-02 2021-07-08 广州柏视医疗科技有限公司 钼靶图像中胸大肌区域自动检测方法及装置
CN113114952A (zh) * 2021-04-07 2021-07-13 华南理工大学 一种评价乳腺随访图像质量的方法、系统及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615915A (zh) * 2015-01-15 2015-05-13 于飞 一种针对医疗放射影像的计算机辅助图像质量分析控制方法及系统
CN108564561A (zh) * 2017-12-29 2018-09-21 广州柏视医疗科技有限公司 一种钼靶图像中胸大肌区域自动检测方法
US20190046142A1 (en) * 2017-08-11 2019-02-14 Yasmin FAKHARI TEHRANI Mammography device

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615915A (zh) * 2015-01-15 2015-05-13 于飞 一种针对医疗放射影像的计算机辅助图像质量分析控制方法及系统
US20190046142A1 (en) * 2017-08-11 2019-02-14 Yasmin FAKHARI TEHRANI Mammography device
CN108564561A (zh) * 2017-12-29 2018-09-21 广州柏视医疗科技有限公司 一种钼靶图像中胸大肌区域自动检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王效丽: "GE senographe ds 乳腺机的图像质量分析", 《母婴世界》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110866898A (zh) * 2019-10-30 2020-03-06 上海联影智能医疗科技有限公司 一种乳腺图像处理方法、设备及存储介质
CN110866898B (zh) * 2019-10-30 2022-10-14 上海联影智能医疗科技有限公司 一种乳腺图像处理方法、设备及存储介质
WO2021136368A1 (zh) * 2020-01-02 2021-07-08 广州柏视医疗科技有限公司 钼靶图像中胸大肌区域自动检测方法及装置
CN112529900A (zh) * 2020-12-29 2021-03-19 广州华端科技有限公司 匹配乳腺图像中roi的方法、装置、终端与存储介质
CN112529900B (zh) * 2020-12-29 2024-03-29 广州华端科技有限公司 匹配乳腺图像中roi的方法、装置、终端与存储介质
CN113114952A (zh) * 2021-04-07 2021-07-13 华南理工大学 一种评价乳腺随访图像质量的方法、系统及装置
CN113114952B (zh) * 2021-04-07 2022-02-18 华南理工大学 一种评价乳腺随访图像质量的方法、系统及装置

Similar Documents

Publication Publication Date Title
CN110136117A (zh) 一种钼靶图像的处理方法、系统、图像处理机及存储介质
WO2020147263A1 (zh) 一种评估眼底图像质量的方法、装置及存储介质
US10984528B2 (en) System and apparatus for clinical decision optimisation
CN101443816B (zh) 用于图像引导下辐射治疗的图像可变形配准
CN103886576B (zh) 一种腺体组织特征灰度检测方法及装置
CN109447966A (zh) 医学图像的病灶定位识别方法、装置、设备及存储介质
CN104933729B (zh) 一种颅内脑组织的提取方法和装置
CN110136809A (zh) 一种医疗图像处理方法、装置、电子医疗设备和存储介质
JP5145170B2 (ja) 医用画像の評価装置
CN109616195A (zh) 基于深度学习的纵隔超声内镜图像实时辅助诊断系统及方法
CN107545584A (zh) 医学图像中定位感兴趣区域的方法、装置及其系统
JPH03170130A (ja) 画像処理方法および装置
JPH1156828A (ja) 異常陰影候補検出方法および装置
Michell et al. Role of tomosynthesis in breast imaging going forward
CN107506605A (zh) 基于医疗云平台的影像大数据分析系统及方法
JP2014083443A (ja) 多重エネルギｘ線映像取得装置及び方法
CN107049345A (zh) 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
CN111445983A (zh) 用于乳腺扫描的医疗信息处理方法、系统及存储介质
CN108392215A (zh) 一种同侧异位乳腺钼靶图像的点位置关联方法
CN111028310A (zh) 乳腺断层扫描的扫描参数确定方法、装置、终端及介质
JP7451460B2 (ja) マンモグラフィにおけるユーザおよび／または患者の経験の改善のための方法およびシステム
CN109300122B (zh) 图像处理与阈值确定方法、装置及设备
CN116580037B (zh) 一种基于深度学习的鼻咽癌图像分割方法及系统
JP2012020043A (ja) 放射線画像処理装置および方法並びにプログラム
Ghavami et al. MammoWave Breast Imaging Device: An International and Multicentric Clinical Investigation

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190816

RJ01 Rejection of invention patent application after publication