CN110634553B - 一种医学图像校验方法及系统 - Google Patents
一种医学图像校验方法及系统 Download PDFInfo
- Publication number
- CN110634553B CN110634553B CN201810657792.8A CN201810657792A CN110634553B CN 110634553 B CN110634553 B CN 110634553B CN 201810657792 A CN201810657792 A CN 201810657792A CN 110634553 B CN110634553 B CN 110634553B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- similarity
- original image
- interest
- 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
Classifications
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供一种医学图像校验方法及系统。该方法通过判断原始图像和传输图像的基本信息是否相同、判断第一预设阈值与由原始图像和传输图像的感兴趣区域的计算机体层摄影值确定的感兴趣区域相似度之间的大小,以及判断第二预设阈值与由原始图像和传输图像的随机区域的计算机体层摄影值确定的随机区域相似度之间的大小三方面实现对传输图像本身的校验,从而确保传输图像的完备性以及正确性,进而避免远程诊断不准确或者误诊。另外,本发明提供的医学图像校验方法还能够判断某个特殊区域处的图像质量,以达到确保传输图像精确性的目的。
Description
技术领域
本发明涉及医疗图像技术领域,尤其涉及一种医学图像校验方法及系统。
背景技术
DICOM(英文名称:Digital Imaging and Communications in Medicine;中文名称:医学数字成像和通信)为医学图像和相关信息的国际标准,符合DICOM国际标准的医学图像称为DICOM图像。随着网络技术的不断发展,DICOM能够实现DICOM图像在各医院之间的远程数据传输,进而实现基于DICOM图像的远程会诊。
远程会诊系统分布在不同的医院,且各医院所处的网络环境复杂多样,因此,复杂多样的网络环境容易出现网络质量问题,进而DICOM在远程数据传输的过程中容易出现DICOM图像数据丢失的问题。DICOM图像数据的丢失容易出现图像清晰度降低、数量不一致以及病人信息不一致等问题,进而在远程会诊时出现因图像清晰度降低等因素造成的会诊不准确或误诊。因此,DICOM图像通过网络传输后,需要校验DICOM图像的完整性和正确性。
目前,校验DICOM图像完整性和正确性的方法主要为:通过预定义的DICOM标签值校验DICOM图像的是否完整,通过获取医院信息系统或区域信息系统的校验信息验证接收到的DICOM图像上的病人信息,以及通过判断DICOM图像数目是否超过预定义阈值校验DICOM图像的数量。然而,上述方法仅验证DICOM图像是否完整、病人信息以及DICOM图像数目是否正确,但并未验证DICOM图像在网络传输前后是否失真,即无法确定远程数据传输后的DICOM图像的正确性。
发明内容
本发明提供一种医学图像校验方法及系统,以解决现有校验方法无法检验DICOM图像在网络传输前后是否失真的问题。
第一方面,本发明提供一种医学图像校验方法,包括:
获取原始图像以及传输图像,所述传输图像为所述原始图像经网络传输后得到的图像;
通过DICOM标签值判断所述原始图像和所述传输图像的基本信息是否相同,所述基本信息包括图像尺寸、患者信息和检查ID;
若不相同,则所述传输图像失真于所述原始图像;
若相同,则选取所述原始图像和所述传输图像在相同坐标处的感兴趣区域;
根据所述感兴趣区域的计算机体层摄影值确定感兴趣区域相似度;
判断所述感兴趣区域相似度是否大于第一预设阈值;
若大于,则所述传输图像失真于所述原始图像;
若小于或等于,则重新确定感兴趣区域、感兴趣区域相似度以及判断所述感兴趣区域相似度是否大于第一预设阈值。
第二方面,本发明提供一种医学图像校验系统,包括:
原始图像获取模块,用于获取原始图像;
传输图像获取模块,用于获取传输图像,所述传输图像为所述原始图像经网络传输后得到的图像;
基本信息判断模块,用于通过DICOM关键标签值判断所述原始图像和所述传输图像的基本信息是否相同,所述基本信息包括图像尺寸、患者信息和检查ID;
感兴趣区域选取模块,用于选取所述原始图像和所述传输图像在相同坐标处的感兴趣区域;
感兴趣区域相似度确定模块,用于根据相同坐标处的所述感兴趣区域的计算机体层摄影值确定感兴趣区域相似度;
感兴趣区域相似度判断模块,用于判断所述感兴趣区域相似度是否大于第一预设阈值;
第一失真判断模块,用于所述感兴趣区域相似度大于第一预设阈值时,确定所述传输图像失真于所述原始图像;所述感兴趣区域相似度小于或等于,则重新确定感兴趣区域、感兴趣区域相似度以及判断所述感兴趣区域相似度是否大于第一预设阈值。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明提供一种医学图像校验方法及系统。该方法在获取到原始图像和传输图像后,通过DICOM关键标签值判断原始图像和传输图像的基本信息是否相同,以便于初步判断传输图像是否失真于原始图像。若基本信息相同,则选取原始图像和传输图像在相同坐标处的感兴趣区域,并根据感兴趣区域的计算机体层摄影值确定两个感兴趣区域之间的相似度,即确定感兴趣区域相似度。当感兴趣区域相似度大于第一预设阈值时,传输图像失真于原始图像。当感兴趣区域相似度小于或等于时,则重新确定感兴趣区域、感兴趣区域相似度以及判断所述感兴趣区域相似度是否大于第一预设阈值,直至原始图像和传输图像所有的感兴趣区域对比完成。本发明提供的医学图像校验方法通过原始图像和传输图像的感兴趣区域的计算机体层摄影值校验经网络传输后得到的传输图像是否失真于原始图像,实现对传输图像本身的校验,从而确保传输图像的完备性以及正确性,进而避免远程诊断不准确或者误诊。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的医学图像校验方法的流程示意图;
图2为本发明实施例提供的感兴趣区域相似度的确定流程示意图;
图3为本发明实施例提供的对随机区域校验的流程示意图;
图4为本发明实施例提供的随机区域相似度的确定流程示意图。
具体实施方式
目前,校验DICOM图像完整性和正确性的方法主要为:通过预定义的DICOM标签值校验DICOM图像的是否完整,通过获取医院信息系统或区域信息系统的校验信息验证接收到的DICOM图像上的病人信息,以及通过判断DICOM图像数目是否超过预定义阈值校验DICOM图像的数量。然而,上述方法仅验证DICOM图像是否完整、病人信息以及DICOM图像数目是否正确,但并未验证DICOM图像在网络传输前后是否失真,即无法确定远程数据传输后的DICOM图像的正确性。
针对上述问题,本申请提出一种医学图像校验方法及系统。本申请提出的医学图像校验方法及系统的核心思想为:在获取到原始图像和传输图像后,通过DICOM关键标签值判断原始图像和传输图像的基本信息是否相同,以便于初步判断传输图像是否失真于原始图像。若基本信息相同,则选取原始图像和传输图像在相同坐标处的感兴趣区域,并根据感兴趣区域的计算机体层摄影值确定两个感兴趣区域之间的相似度,即确定感兴趣区域相似度。当感兴趣区域相似度大于第一预设阈值时,传输图像失真于原始图像。当感兴趣区域相似度小于或等于时,则重新确定感兴趣区域、感兴趣区域相似度以及判断所述感兴趣区域相似度是否大于第一预设阈值,直至原始图像和传输图像所有的感兴趣区域对比完成。本发明提供的医学图像校验方法通过原始图像和传输图像的感兴趣区域的计算机体层摄影值校验经网络传输后得到的传输图像是否失真于原始图像,实现对传输图像本身的校验,从而确保传输图像的完备性以及正确性,进而避免远程诊断不准确或者误诊。
下面以具体实施例结合附图的方式对本申请提供的医学图像校验方法及系统进行详细描述。
附图1示出了本发明实施例提供的医学图像校验方法的流程示意图。由附图1可知,本申请实施例提供的医学图像校验方法具体包括:
S01:获取原始图像以及传输图像,所述传输图像为所述原始图像经网络传输后得到的图像。
原始图像为患者通过心血管成像、X射线、电子计算机断层扫描以及核磁共振等检测时得到的图像,为初始检测图像。将检测得到的原始图像根据患者、检测时间等保存在医学影像存储中心或影像远程诊断中心等处,以便于在后期远程会诊使用或直接调用。
当需要远程会诊或更换诊疗医院时,可以通过网络传输的方式调用保存在医学影像存储中心或影像远程诊断中心等处的原始图像,进而节省病人的检查时间以及检查费用。通过网络传输方式调用得到的原始图像即为传输图像。
获取原始图像以及传输图像,以便于校验得到的传输图像的正确性。
S02:通过DICOM标签值判断所述原始图像和所述传输图像的基本信息是否相同,所述基本信息包括图像尺寸、患者信息和检查ID。
通常,通过心血管成像、X射线、电子计算机断层扫描以及核磁共振等检测方式得到的原始图像在存储时均符合DICOM国际标准,即均为DICOM图像。对于满足DICOM国际标准的原始图像,每张原始图像一般按照导言、数据元、数据元、数据元……的方式排列形成。每个数据元中均存在一个标签值,即Tag,该Tag决定该数据元的内容类别或该原始图像的某些数据类型。由于每张原始图像中含有多个数据元,且每个数据元含有决定该数据元内容类别的Tag,因此,每张原始图像中含有多个Tag。同样的,传输图像中也含有多个Tag。
如对于患者检测得到的原始图像以及经网络传输得到的传输图像,每张DICOM图像中的Tag可以表示图像尺寸、患者姓名、检查ID(中文名称:身份标识号)、患者ID、患者出生日期、患者出生时间、患者性别以及该DICOM图像的检测时间等基本信息。
获取到原始图像以及传输图像后,对原始图像以及传输图像进行解析,分别得到原始图像对应的DICOM Tag以及传输图像对应的DICOM Tag。对比原始图像与传输图像中的DICOM Tag所表示的基本信息是否相同,以便于初步判断传输图像是否失真于原始图像。
S03:若不相同,则所述传输图像失真于所述原始图像。
若判断原始图像与传输图像中的DICOM Tag所表示的基本信息不相同时,则表示经网络传输接收到的传输图像失真于原始图像,即该传输图像不正确。
S04:若相同,则选取所述原始图像和所述传输图像在相同坐标处的感兴趣区域。
若判断原始图像与传输图像中的DICOM Tag所表示的基本信息相同时,则进一步检测图原始像和传输图像的感兴趣区域是否相同,以便于判断传输图像自身的正确性。
根据具体病例的不同以及检测需求,如肝脏与肿瘤边界、血管与肿瘤侵入关系等临床信息,不同类型的检测图像,即不同类型的原始图像,存在不同的关键区域,即感兴趣区域(英文简称:ROI;英文全称:region of interest)。若网络传输后得到的传输图像的ROI不同于原始图像的ROI,则会造成误诊。因此,判断传输图像ROI的准确性尤为重要。
当原始图像与传输图像的基本信息相同时,选取原始图像和传输图像在相同坐标处的ROI。具体地,利用直方图灰度值或分水岭分割等算法在原始图像和对应的传输图像上选取在相同坐标处的ROI。为便于区别已选取的区域以及未选取的区域,本申请实施例中采用标记的方式标识已选取的区域。
S05:根据所述感兴趣区域的计算机体层摄影值确定感兴趣区域相似度。
根据ROI的计算机体层摄影值能够确定原始图像以及对应的传输图像之间的感兴趣区域相似度,进而通过感兴趣区域相似度与第一预设阈值的对比确定传输图像的该ROI是否失真于原始图像。
下面具体描述通过计算机体层摄影值确定感兴趣区域相似度的方法。为便于下述描述以及区分原始图像以及对应的传输图像的ROI,在本申请实施例中称原始图像的ROI为ROI1,传输图像的ROI为ROI2。
附图2示出了本发明实施例提供的感兴趣区域相似度的确定流程示意图。由附图2可知,感兴趣区域相似度的确定方法包括:
S051:分别根据所述原始图像和所述传输图像在相同坐标处的感兴趣区域的像素值获取计算机体层摄影值。
对于原始图像以及对应的传输图像,每张图像都由多个像素点组成。通过解析原始图像以及对应的传输图像中的重斜率以及重截距能够将图像中每个像素点的灰度值转换为计算机体层摄影(英文简称:CT;英文全称:Computed Tomography)值。
选取原始图像和对应的传输图像在相同坐标处的ROI,即ROI1和ROI2。对于已选取的、待校验的ROI1以及对应的ROI2,确定该ROI1和ROI2中每个像素点对应的CT值。
S052:根据所述计算机体层摄影值分别确定所述原始图像和所述传输图像在相同坐标处的感兴趣区域的计算机体层摄影值均值以及所述原始图像中感兴趣区域的协方差矩阵。
由于像素点按照多行多列的形式排列,因此,由像素点的灰度值转换得到的CT值也按照多行多列的形式排列,即矩阵形式排列。根据ROI1和ROI2中每个像素点对应的CT值确定ROI1和ROI2中CT值均值。具体地,将每列CT值按照平均值的方式计算得到均值,多列均值形成向量形式的CT值均值由此,ROI1能够分别得到CT值均值/>ROI2能够分别得到CT值均值/>
根据ROI1中每个像素点的CT值还能够计算得到ROI1对应的协方差矩阵。协方差矩阵的计算公式为:
其中,C为协方差矩阵;M、N为原始图像的长、宽;k为像素点数量;hk为原始图像中ROI1的CT值;为原始图像中ROI1的CT值均值;T为矩阵转置。
S053:根据所述计算机体层摄影值均值以及所述协方差矩阵确定感兴趣区域相似度。
根据计算得到的CT值均值CT值均值/>以及ROI1对应的协方差矩阵能够确定感兴趣区域相似度。感兴趣区域相似度采用马氏距离计算得到。具体地,感兴趣区域相似度的计算公式为:
其中,为感兴趣区域相似度;/>为传输图像中ROI2的CT值均值,/>为原始图像中ROI1的CT值均值。
S06:判断所述感兴趣区域相似度是否大于第一预设阈值。
判断计算得到的感兴趣区域相似度是否大于第一预设阈值,以便于辨别传输图像是否失真于原始图像。第一预设阈值为辨别感兴趣区域相似度的依据,通常在判断传输图像的正确性之前设定。第一预设阈值的设定根据具体问题的需求、检测精度以及检测速度确定。如若检测精度较大,则第一预设阈值的设定数值较小;若检测速度较快,则第一预设阈值的设定数值较大。
进一步,由于不同原始图像的重要程度不同,因此,不同传输图像的检测精度不同。当第一预设阈值固定时,可能不满足不同传输图像的检测精度。因此,在本申请实施例中,第一预设阈值为动态阈值,以适用于不同的检测精度和检测速度。如初始时设定一个较大的第一预设阈值,此时,感兴趣区域相似度较大,检测精度较低,但检测速度较快。若较低的检测精度不满足该图像的需求检测精度时,则需要降低第一预设阈值的设置数值,即设置较小的第一预设阈值,此时,感兴趣区域相似度较小,检测精度较高,但检测速度较慢。
S07:若大于,则所述传输图像失真于所述原始图像。
当感兴趣区域相似度大于第一预设阈值时,传输图像失真于原始图像,即经网络传输得到的传输图像不正确。
S08:若小于或等于,则重新确定感兴趣区域、感兴趣区域相似度以及判断所述感兴趣区域相似度是否大于第一预设阈值。
当感兴趣区域相似度小于或等于时,传输图像在该ROI处不失真于原始图像相应的ROI,即经网络传输得到的传输图像在该ROI处正确。
由于每个原始图像以及对应的传输图像中含有至少一个ROI,因此,需要对原始图像以及对应的传输图像中的每个ROI进行逐一对比。即当传输图像中的一处ROI不失真于原始图像相应ROI时,则重新在原始图像和传输图像中确定新的ROI、感兴趣区域相似度以及判断感兴趣区域相似度是否大于第一预设阈值,直至原始图像和传输图像中有感兴趣区域相似度大于第一预设阈值的情况,或所有ROI检测完成。
通过确定感兴趣区域相似度能够确定原始图像和传输图像的感兴趣区域在CT值上的偏离程度,即确定原始图像和传输图像在网络传输前后的像素值均值的波动程度,进而确定传输图像的质量。另外,由于本申请中还涉及到向量形式的CT值均值以及协方差矩阵,且向量和矩阵具有确定性,因此,通过向量形式的CT值均值以及协方差矩阵能够确定传输图像是否发生偏转。由此,通过感兴趣区域相似度与第一预设阈值的判断检测不仅能够确定传输图像的像素值是否与原始图像相同,而且还能够确定传输图像在各个方向上的像素值的分布是否与原始图像一致,以精确地确定传输图像的正确性。
进一步,本申请实施例提供的医学图像校验方法能够对传输图像的诸如肿瘤与血管边界、肿瘤与器官实质边界等特定区域进行相似性校验,进而判断该特定区域的图像质量。
为更加精确地确定传输图像的正确性,本申请实施例提供的医学图像校验方法还对除ROI之外的区域进行相似度校验。如附图3所示,对除ROI之外的区域进行相似度校验的方法包括:
S09:选取所述原始图像和所述传输图像在相同坐标处的随机区域。
选取原始图像和传输图像在相同坐标处的随机区域(英文简称:ROR;英文全称:Region Of Random)。具体地,采用随机算法在原始图像和对应的传输图像上选取在相同坐标处的ROR。同样的,为便于区别已选取的区域以及未选取的区域,本申请实施例中采用标记的方式标识已选取的区域。
为减少计算时间以及计算运行的空间占用,ROR在选取时,ROR与已选取的ROR的重合度小于或等于指定值。即ROR中已标记的像素点个数与该ROR总像素点个数的比值不大于指定值。由于ROR与已选取的ROR的重合度小于或等于指定值,因而每次计算能够分别计算不同的区域,进而提高计算效率。
S10:根据所述随机区域的计算机体层摄影值确定随机区域相似度。
根据ROR的计算机体层摄影值能够确定原始图像以及对应的传输图像之间的随机区域相似度,进而通过随机区域相似度与第二预设阈值的对比确定传输图像的该ROI是否失真于原始图像。
附图4示出了本发明实施例提供的随机区域相似度的确定流程示意图。由附图4可知,随机区域相似度的确定方法包括:
S1011:分别获取所述原始图像和所述传输图像在相同坐标处的随机区域的计算机体层摄影值。
S1012:根据所述计算机体层摄影值分别确定所述原始图像和所述传输图像在相同坐标处的随机区域的计算机体层摄影值均值以及所述原始图像中随机区域的协方差矩阵。
S1013:根据所述计算机体层摄影值均值以及所述协方差矩阵确定随机区域相似度。
上述具体方法同感兴趣区域相似度的确定方法,此处不再详细赘述。
S11:判断所述随机区域相似度是否大于第二预设阈值。
判断计算得到的随机区域相似度是否大于第二预设阈值,以便于辨别传输图像是否失真于原始图像。第二预设阈值的设置方法同第一预设阈值的设置方法。
S12:若大于,则所述传输图像失真于所述原始图像。
当随机区域相似度大于第二预设阈值时,传输图像失真于原始图像,即经网络传输得到的传输图像不正确。
S13:若小于或等于,则重新确定随机区域、随机区域相似度以及判断所述随机区域相似度是否大于第二预设阈值。
当随机区域相似度小于或等于第二预设阈值时,传输图像在该ROR处不失真于原始图像相应的ROR,即经网络传输得到的传输图像在该ROR处正确。
由于每个原始图像以及对应的传输图像中含有至少一个ROR,因此,需要对原始图像以及对应的传输图像中的每个ROR进行逐一对比。即当传输图像中的一处ROR不失真于原始图像相应ROR时,则重新在原始图像和传输图像中确定新的ROR、随机区域相似度以及判断随机区域相似度是否大于第二预设阈值,直至原始图像和传输图像中有随机区域相似度大于第二预设阈值的情况,或所有ROR检测完成。
基于本申请实施例提供的医学图像校验方法,本申请实施例还提供一种医学图像校验系统,该系统具体包括:
原始图像获取模块,用于获取原始图像;
传输图像获取模块,用于获取传输图像,所述传输图像为所述原始图像经网络传输后得到的图像;
基本信息判断模块,用于通过DICOM关键标签值判断所述原始图像和所述传输图像的基本信息是否相同,所述基本信息包括图像尺寸、患者信息和检查ID;
感兴趣区域选取模块,用于选取所述原始图像和所述传输图像在相同坐标处的感兴趣区域;
感兴趣区域相似度确定模块,用于根据相同坐标处的所述感兴趣区域的计算机体层摄影值确定感兴趣区域相似度;
感兴趣区域相似度判断模块,用于判断所述感兴趣区域相似度是否大于第一预设阈值;
第一失真判断模块,用于所述感兴趣区域相似度大于第一预设阈值时,确定所述传输图像失真于所述原始图像;所述感兴趣区域相似度小于或等于,则重新确定感兴趣区域、感兴趣区域相似度以及判断所述感兴趣区域相似度是否大于第一预设阈值。
进一步,本申请实施例提供的医学图像校验系统还包括:
随机区域选取模块,用于选取所述原始图像和所述传输图像在相同坐标处的随机区域;
随机区域相似度确定模块,用于根据所述随机区域的计算机体层摄影值确定随机区域相似度;
随机区域判断模块,用于判断所述随机区域相似度是否大于第二预设阈值;
第二失真判断模块,用于所述随机区域相似度大于所述原始图像时,确定所述传输图像失真于所述原始图像;所述随机区域相似度小于或等于所述原始图像时,重新确定随机区域、随机区域相似度以及判断所述随机区域相似度是否大于第二预设阈值。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
本领域技术人员在考虑说明书及实践这里发明的公开后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (9)
1.一种医学图像校验方法,其特征在于,包括:
获取原始图像以及传输图像,所述传输图像为所述原始图像经网络传输后得到的图像;
通过DICOM标签值判断所述原始图像和所述传输图像的基本信息是否相同,所述基本信息包括图像尺寸、患者信息和检查ID;
若不相同,则所述传输图像失真于所述原始图像;
若相同,则选取所述原始图像和所述传输图像在相同坐标处的感兴趣区域;
分别根据所述原始图像和所述传输图像在相同坐标处的感兴趣区域的像素值获取计算机体层摄影值;根据所述计算机体层摄影值分别确定所述原始图像和所述传输图像在相同坐标处的感兴趣区域的计算机体层摄影值均值以及所述原始图像中感兴趣区域的协方差矩阵;根据所述计算机体层摄影值均值以及所述协方差矩阵确定感兴趣区域相似度;判断所述感兴趣区域相似度是否大于第一预设阈值;
若大于,则所述传输图像失真于所述原始图像;
若小于或等于,则重新确定感兴趣区域、感兴趣区域相似度以及判断所述感兴趣区域相似度是否大于第一预设阈值。
2.根据权利要求1所述的校验方法,其特征在于,还包括:
选取所述原始图像和所述传输图像在相同坐标处的随机区域;
根据所述随机区域的计算机体层摄影值确定随机区域相似度;
判断所述随机区域相似度是否大于第二预设阈值;
若大于,则所述传输图像失真于所述原始图像;
若小于或等于,则重新确定随机区域、随机区域相似度以及判断所述随机区域相似度是否大于第二预设阈值。
3.根据权利要求1所述的校验方法,其特征在于,所述协方差矩阵的计算公式为:
其中,C为协方差矩阵;M、N为所述原始图像的长、宽;hk为所述原始图像中感兴趣区域的计算机体层摄影值;/>为所述原始图像中感兴趣区域的计算机体层摄影值均值;T为矩阵转置。
4.根据权利要求1所述的校验方法,其特征在于,所述感兴趣区域相似度的计算公式为:
其中,/>为感兴趣区域相似度;/>为所述传输图像中感兴趣区域的计算机体层摄影值均值。
5.根据权利要求2所述的校验方法,其特征在于,根据所述随机区域的计算机体层摄影值确定随机区域相似度包括:
分别获取所述原始图像和所述传输图像在相同坐标处的随机区域的计算机体层摄影值;
根据所述计算机体层摄影值分别确定所述原始图像和所述传输图像在相同坐标处的随机区域的计算机体层摄影值均值以及所述原始图像中随机区域的协方差矩阵;
根据所述计算机体层摄影值均值以及所述协方差矩阵确定随机区域相似度。
6.根据权利要求2所述的校验方法,其特征在于,所述随机区域与已选取的所述随机区域重合度小于或等于指定值。
7.根据权利要求1所述的校验方法,其特征在于,所述第一预设阈值根据检测精度以及检测速度确定。
8.一种医学图像校验系统,其特征在于,包括:
原始图像获取模块,用于获取原始图像;
传输图像获取模块,用于获取传输图像,所述传输图像为所述原始图像经网络传输后得到的图像;
基本信息判断模块,用于通过DICOM关键标签值判断所述原始图像和所述传输图像的基本信息是否相同,所述基本信息包括图像尺寸、患者信息和检查ID;
感兴趣区域选取模块,用于选取所述原始图像和所述传输图像在相同坐标处的感兴趣区域;
感兴趣区域相似度确定模块,分别根据所述原始图像和所述传输图像在相同坐标处的感兴趣区域的像素值获取计算机体层摄影值;根据所述计算机体层摄影值分别确定所述原始图像和所述传输图像在相同坐标处的感兴趣区域的计算机体层摄影值均值以及所述原始图像中感兴趣区域的协方差矩阵;根据所述计算机体层摄影值均值以及所述协方差矩阵确定感兴趣区域相似度;
感兴趣区域相似度判断模块,用于判断所述感兴趣区域相似度是否大于第一预设阈值;
第一失真判断模块,用于所述感兴趣区域相似度大于第一预设阈值时,确定所述传输图像失真于所述原始图像;所述感兴趣区域相似度小于或等于,则重新确定感兴趣区域、感兴趣区域相似度以及判断所述感兴趣区域相似度是否大于第一预设阈值。
9.根据权利要求8所述的校验系统,其特征在于,还包括:
随机区域选取模块,用于选取所述原始图像和所述传输图像在相同坐标处的随机区域;
随机区域相似度确定模块,用于根据所述随机区域的计算机体层摄影值确定随机区域相似度;
随机区域判断模块,用于判断所述随机区域相似度是否大于第二预设阈值;
第二失真判断模块,用于所述随机区域相似度大于所述原始图像时,确定所述传输图像失真于所述原始图像;所述随机区域相似度小于或等于所述原始图像时,重新确定随机区域、随机区域相似度以及判断所述随机区域相似度是否大于第二预设阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810657792.8A CN110634553B (zh) | 2018-06-25 | 2018-06-25 | 一种医学图像校验方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810657792.8A CN110634553B (zh) | 2018-06-25 | 2018-06-25 | 一种医学图像校验方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110634553A CN110634553A (zh) | 2019-12-31 |
CN110634553B true CN110634553B (zh) | 2023-07-18 |
Family
ID=68966564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810657792.8A Active CN110634553B (zh) | 2018-06-25 | 2018-06-25 | 一种医学图像校验方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110634553B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114783575B (zh) * | 2022-04-20 | 2023-09-29 | 广州唯顶软件科技有限公司 | 一种医疗用图像处理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156715A (zh) * | 2011-03-23 | 2011-08-17 | 中国科学院上海技术物理研究所 | 面向医学影像数据库的基于多病灶区域特征的检索系统 |
CN102289808A (zh) * | 2011-07-22 | 2011-12-21 | 清华大学 | 一种图像融合质量评估方法和系统 |
CN105354535A (zh) * | 2015-09-29 | 2016-02-24 | 南京熊猫电子制造有限公司 | 一种特殊的低压差分信号图像采集与处理方法 |
CN106023208A (zh) * | 2016-05-23 | 2016-10-12 | 北京大学 | 图像质量的客观评价方法 |
CN107292117A (zh) * | 2017-07-14 | 2017-10-24 | 中国科学院上海技术物理研究所 | 对海量共享医学图像进行质量保障的处理方法与装置 |
CN108109145A (zh) * | 2018-01-02 | 2018-06-01 | 中兴通讯股份有限公司 | 图像质量检测方法、装置、存储介质和电子装置 |
-
2018
- 2018-06-25 CN CN201810657792.8A patent/CN110634553B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156715A (zh) * | 2011-03-23 | 2011-08-17 | 中国科学院上海技术物理研究所 | 面向医学影像数据库的基于多病灶区域特征的检索系统 |
CN102289808A (zh) * | 2011-07-22 | 2011-12-21 | 清华大学 | 一种图像融合质量评估方法和系统 |
CN105354535A (zh) * | 2015-09-29 | 2016-02-24 | 南京熊猫电子制造有限公司 | 一种特殊的低压差分信号图像采集与处理方法 |
CN106023208A (zh) * | 2016-05-23 | 2016-10-12 | 北京大学 | 图像质量的客观评价方法 |
CN107292117A (zh) * | 2017-07-14 | 2017-10-24 | 中国科学院上海技术物理研究所 | 对海量共享医学图像进行质量保障的处理方法与装置 |
CN108109145A (zh) * | 2018-01-02 | 2018-06-01 | 中兴通讯股份有限公司 | 图像质量检测方法、装置、存储介质和电子装置 |
Non-Patent Citations (1)
Title |
---|
基于区域协方差的图像超像素生成;张旭东等;《计算机科学》;20160530;论文第2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN110634553A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10769791B2 (en) | Systems and methods for cross-modality image segmentation | |
US8189883B2 (en) | Similar case search apparatus and method, and recording medium storing program therefor | |
CN106709930B (zh) | 三维医学图像的感兴趣体积分割方法及装置 | |
CN102612696B (zh) | 具有报告验证器和报告增强器的医学信息系统 | |
US8180123B2 (en) | Similar case search apparatus and method, and recording medium storing program therefor | |
US9165360B1 (en) | Methods, systems, and devices for automated analysis of medical scans | |
US9370305B2 (en) | Method and system for intelligent linking of medical data | |
US10664567B2 (en) | Extraction of information from an image and inclusion thereof in a clinical report | |
US9600628B2 (en) | Automatic generation of semantic description of visual findings in medical images | |
US9615805B2 (en) | Image alignment of breast images | |
CN111325714B (zh) | 感兴趣区域的处理方法、计算机设备和可读存储介质 | |
CN108172275B (zh) | 一种医学影像处理方法及装置 | |
CN111063422A (zh) | 一种医学图像标注方法、装置、设备及介质 | |
CN111223158B (zh) | 心脏冠脉图像的伪影校正方法和可读存储介质 | |
CN110634553B (zh) | 一种医学图像校验方法及系统 | |
AU2021267894A1 (en) | Systems and methods to process electronic images to determine salient information in digital pathology | |
CN117045273A (zh) | Ct扫描辐射剂量确定方法、装置、设备和存储介质 | |
CN116309551A (zh) | 确定病灶取样区的方法、装置、电子设备及可读介质 | |
CN113658187B (zh) | 结合解剖先验的医学影像分割方法、装置及存储介质 | |
CN112819786B (zh) | 基于多个肝静脉波形图的肝脏血液动力检测装置 | |
Lee et al. | Learning radiologist’s step-by-step skill for cervical spinal injury examination: Line drawing, prevertebral soft tissue thickness measurement, and swelling detection | |
JP2013192835A (ja) | 医用画像表示装置及び医用画像表示方法 | |
CN112641466A (zh) | 一种超声人工智能辅助诊断方法及装置 | |
Raj et al. | Nipple localization in automated whole breast ultrasound coronal scans using ensemble learning | |
US20220101983A1 (en) | Image diagnosis supporting device and image processing method |
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 |