CN110647947A - 一种病灶融合的方法及装置 - Google Patents

一种病灶融合的方法及装置 Download PDF

Info

Publication number
CN110647947A
CN110647947A CN201910943827.9A CN201910943827A CN110647947A CN 110647947 A CN110647947 A CN 110647947A CN 201910943827 A CN201910943827 A CN 201910943827A CN 110647947 A CN110647947 A CN 110647947A
Authority
CN
China
Prior art keywords
lesion
focus
category
region
lesions
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.)
Granted
Application number
CN201910943827.9A
Other languages
English (en)
Other versions
CN110647947B (zh
Inventor
倪浩
石磊
魏子昆
蔡嘉楠
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.)
According To Hangzhou Medical Technology Co Ltd
Original Assignee
According To Hangzhou 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 According To Hangzhou Medical Technology Co Ltd filed Critical According To Hangzhou Medical Technology Co Ltd
Priority to CN201910943827.9A priority Critical patent/CN110647947B/zh
Publication of CN110647947A publication Critical patent/CN110647947A/zh
Application granted granted Critical
Publication of CN110647947B publication Critical patent/CN110647947B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种病灶融合的方法及装置，其中，方法包括：获取乳房图像的病灶集合；执行至少一次病灶融合操作，直至病灶集合中任意两个病灶均不能融合为一个病灶；其中，执行病灶融合操作包括：从病灶集合中确定第一病灶和第二病灶；第一病灶和第二病灶为待执行病灶融合操作的不同类别的病灶，且第一病灶和第二病灶为按照预设融合顺序处于病灶集合中最先执行病灶融合操作的病灶；根据第一病灶的区域和第二病灶的区域的重叠情况，确定第一病灶和第二病灶是否融合为第三病灶；若是，则将第三病灶加入至病灶集合，并将第一病灶和第二病灶从病灶集合中删除。该技术方案用以精确识别出存在有多种病灶类别的同一病灶，且提高医生的工作效率。

Description

一种病灶融合的方法及装置
技术领域
本发明实施例涉及机器学习技术领域，尤其涉及一种病灶融合的方法及装置。
背景技术
目前，通过低剂量的乳腺钼靶X线摄影设备采集女性乳房图像，基于采集到的乳房图像可以辅助诊断女性乳腺相关的疾病，尤其是可以检查乳房肿瘤、囊肿等病灶，有助于早期发现乳腺癌，降低乳腺癌患者的死亡率。
一般来说，对乳房图像上病灶的诊断往往是基于病灶的类别确定，病灶的类别有钙化、肿块、结构扭曲。但对于同一病灶，其可能同时存在多种病灶类别，如同时存在钙化和肿块，对于单一类别的病灶的诊断方式和同时存在多种类别的病灶的诊断方式完全不同，现有技术中，主要是医生通过人工判断同一病灶是否存在多种类别，但该方式受医生经验的影响，有可能判断错误，且会降低医生的工作效率。
发明内容
本发明实施例提供一种病灶融合的方法及装置，用以精确识别出存在有多种病灶类别的同一病灶，且提高医生的工作效率。
本发明实施例提供的一种病灶融合的方法，包括：
获取乳房图像的病灶集合；所述病灶集合包括多种类别的多个病灶；
执行至少一次病灶融合操作，直至所述病灶集合中任意两个病灶均不能融合为一个病灶；
其中，所述执行病灶融合操作包括：
从所述病灶集合中确定第一病灶和第二病灶；所述第一病灶和所述第二病灶为待执行所述病灶融合操作的不同类别的病灶，且所述第一病灶和所述第二病灶为按照预设融合顺序处于所述病灶集合中最先执行所述病灶融合操作的病灶；
根据所述第一病灶的区域和所述第二病灶的区域的重叠情况，确定所述第一病灶和所述第二病灶是否融合为第三病灶；
若是，则将所述第三病灶加入至所述病灶集合，并将所述第一病灶和所述第二病灶从所述病灶集合中删除。
可选的，所述病灶集合中包括至少一个单一类别病灶和/或至少一个非单一类别病灶；
所述预设融合顺序为单一类别病灶优先于非单一类别病灶。
可选的，所述单一类别病灶包括肿块、结构扭曲和钙化；
所述非单一类别病灶包括肿块伴结构扭曲、肿块伴钙化、结构扭曲伴钙化和肿块伴结构扭曲伴钙化；
所述预设融合顺序为肿块优先于结构扭曲和钙化，结构扭曲优先于钙化。
可选的，在所述确定所述第一病灶和所述第二病灶融合为第三病灶之后，还包括：
根据所述第一病灶的类别和所述第二病灶的类别，确定所述第三病灶的类别；根据所述第一病灶的区域和所述第二病灶的区域，确定所述第三病灶的区域。
可选的，所述根据所述第一病灶的类别和所述第二病灶的类别，确定所述第三病灶的类别；根据所述第一病灶的区域和所述第二病灶的区域，确定所述第三病灶的区域，包括：
若所述第一病灶的类别为肿块，所述第二病灶的类别为结构扭曲，则确定所述第三病灶的类别为肿块伴结构扭曲，所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的并集；
若所述第一病灶的类别为肿块，所述第二病灶的类别为钙化，则确定所述第三病灶的类别为肿块伴钙化，所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集；
若所述第一病灶的类别为结构扭曲，所述第二病灶的类别为钙化，则确定所述第三病灶的类别为结构扭曲伴钙化，所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集；
若所述第一病灶的类别为肿块伴结构扭曲，所述第二病灶的类别为钙化，则确定所述第三病灶的类别为肿块伴结构扭曲伴钙化，所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集。
可选的，所述根据所述第一病灶的区域和所述第二病灶的区域的重叠情况，确定所述第一病灶和所述第二病灶是否融合为第三病灶，包括：
确定所述第一病灶的区域和所述第二病灶的区域的交并比；
若所述交并比大于预设值，则确定所述第一病灶和所述第二病灶融合为所述第三病灶。
可选的，所述确定所述第一病灶的区域和所述第二病灶的区域的交并比，包括：
在所述乳房图像中，确定所述第一病灶的区域和所述第二病灶的区域的交集所涵盖的第一像素点的个数；
确定所述第一病灶的区域和所述第二病灶的区域的并集所涵盖的第二像素点的个数；
将所述第一像素点的个数与所述第二像素点的个数的比值确定为所述交并比。
上述技术方案中，获取乳房图像的病灶集合，并对该病灶集合进行至少一次融合操作，从而实现将病灶集合中的不同类别的同一个病灶进行融合，融合依据是两个不同类别病灶的区域的重叠情况，该种融合方式的准确度高，可以有效确定出可以融合为同一个病灶的不同类别病灶，也即可以确定出同一病灶的不同类别，可以将融合后的同一病灶和该同一病灶的类别展示给医生，提高了医生的工作效率。
相应的，本发明实施例还提供了一种病灶融合的装置，包括：
获取单元，融合单元；
所述获取单元用于获取乳房图像的病灶集合；所述病灶集合包括多种类别的多个病灶；
所述融合单元用于执行至少一次病灶融合操作，直至所述病灶集合中任意两个病灶均不能融合为一个病灶；
其中，所述融合单元包括第一确定单元、第二确定单元和更新单元；
所述第一确定单元用于从所述病灶集合中确定第一病灶和第二病灶；所述第一病灶和所述第二病灶为待执行所述病灶融合操作的不同类别的病灶，且所述第一病灶和所述第二病灶为按照预设融合顺序处于所述病灶集合中最先执行所述病灶融合操作的病灶；
所述第二确定单元用于根据所述第一病灶的区域和所述第二病灶的区域的重叠情况，确定所述第一病灶和所述第二病灶是否融合为第三病灶；
所述更新单元用于在所述第二确定单元确定所述第一病灶和所述第二病灶融合为第三病灶时，将所述第三病灶加入至所述病灶集合，并将所述第一病灶和所述第二病灶从所述病灶集合中删除。
可选的，所述病灶集合中包括至少一个单一类别病灶和/或至少一个非单一类别病灶；
所述预设融合顺序为单一类别病灶优先于非单一类别病灶。
可选的，所述单一类别病灶包括肿块、结构扭曲和钙化；
所述非单一类别病灶包括肿块伴结构扭曲、肿块伴钙化、结构扭曲伴钙化和肿块伴结构扭曲伴钙化；
所述预设融合顺序为肿块优先于结构扭曲和钙化，结构扭曲优先于钙化。
可选的，所述融合单元还包括：
类别确定单元和区域确定单元；
所述类别确定单元用于在所述第二确定单元确定所述第一病灶和所述第二病灶融合为第三病灶之后，根据所述第一病灶的类别和所述第二病灶的类别，确定所述第三病灶的类别；
所述区域确定单元用于在所述第二确定单元确定所述第一病灶和所述第二病灶融合为第三病灶之后，根据所述第一病灶的区域和所述第二病灶的区域，确定所述第三病灶的区域。
可选的，若所述第一病灶的类别为肿块，所述第二病灶的类别为结构扭曲，所述类别确定单元用于确定所述第三病灶的类别为肿块伴结构扭曲，所述区域确定单元用于确定所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的并集；
若所述第一病灶的类别为肿块，所述第二病灶的类别为钙化，所述类别确定单元用于确定所述第三病灶的类别为肿块伴钙化，所述区域确定单元用于确定所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集；
若所述第一病灶的类别为结构扭曲，所述第二病灶的类别为钙化，所述类别确定单元用于确定所述第三病灶的类别为结构扭曲伴钙化，所述区域确定单元用于确定所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集；
若所述第一病灶的类别为肿块伴结构扭曲，所述第二病灶的类别为钙化，所述类别确定单元用于确定所述第三病灶的类别为肿块伴结构扭曲伴钙化，所述区域确定单元用于确定所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集。
可选的，所述第二确定单元包括：
交并比计算单元和第三确定单元；
所述交并比计算单元用于确定所述第一病灶的区域和所述第二病灶的区域的交并比；
所述第三确定单元用于在所述交并比大于预设值时，确定所述第一病灶和所述第二病灶融合为所述第三病灶。
可选的，所述交并比计算单元包括：
第四确定单元、第五确定单元和第六确定单元；
所述第四确定单元，用于在所述乳房图像中，确定所述第一病灶的区域和所述第二病灶的区域的交集所涵盖的第一像素点的个数；
所述第五确定单元，用于确定所述第一病灶的区域和所述第二病灶的区域的并集所涵盖的第二像素点的个数；
所述第六确定单元，用于将所述第一像素点的个数与所述第二像素点的个数的比值确定为所述交并比。
相应的，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述病灶融合的方法。
相应的，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述病灶融合的方法。
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要介绍，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，对于本领域的普通技术人员来讲，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为本发明实施例提供的一种系统架构的示意图；
图2为本发明实施例提供的一种病灶融合的方法的流程示意图；
图3为本发明实施例提供的任一次病灶融合操作的方法的流程示意图；
图4为本发明实施例提供的一种病灶融合的装置的结构示意图；
图5为本发明实施例提供的一种交并比计算单元的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
图1示例性的示出了本发明实施例提供的病灶融合的方法所适用的系统架构，该系统架构可以包括肿块检出模型、结构扭曲检出模型、钙化检出模型和融合模型，将乳房图像分别输入至肿块检出模型、结构扭曲检出模型和钙化检出模型，并分别输出类别为肿块的病灶、类别为结构扭曲的病灶和类别为钙化的病灶，进而将各模型输出的结果一起作为融合模型的输入参数输入至融合模型中，确定融合后的病灶。
图2示例性的示出了本发明实施例提供的一种病灶融合的方法的流程，该流程可以由病灶融合的装置执行。
如图2所示，该流程具体包括：
步骤201，获取乳房图像的病灶集合。
其中，乳房图像的病灶集合中包括多种类别的多个病灶，比如，存在3个类别为肿块的病灶、2个类别为结构扭曲的病灶和1个类别为钙化病灶。
步骤202，执行至少一次病灶融合操作，直至病灶集合中任意两个病灶均不能融合为一个病灶。
理解为，对病灶集合执行第一次病灶融合操作，第一次病灶融合操作后的病灶集合被更新，然后再对该更新后的病灶集合执行第二次病灶融合操作，第二次病灶融合操作后的病灶集合再次被更新，……，直至某次病灶融合操作后的更新的病灶集合中不再有可融合的病灶。
病灶融合理解为，根据两个不同类别的病灶的区域之间的重叠情况，确定将该两个不同类别的病灶融合为同一个病灶，并确定融合后的病灶的区域和类别。需要说明的是，本发明中考虑到某个病灶的类别实际上既是肿块又是结构扭曲(非单一类别)，而将乳房图像输入至图1中所示的不同模型中，不同模型即输出该病灶的类别为肿块或者该病灶的类别为结构扭曲(单一类别)，而本方案就是要确定类别为肿块的病灶和类别为结构扭曲的病灶是否实际上是类别既为肿块又为结构扭曲的病灶。同理如同一病灶的类别既为肿块又为钙化，或者同一病灶的类别既为结构扭曲又为钙化，或者同一病灶的类别既为肿块又为结构扭曲又为钙化。
任一次病灶融合操作可以包括如图3示出的流程图中的步骤：
步骤301，从病灶集合中确定第一病灶和第二病灶；
其中，第一病灶和第二病灶为待执行病灶融合操作的不同类别的病灶，即第一病灶和第二病灶之间尚未执行过病灶融合操作，且二者属于不同类别，而且该第一病灶和第二病灶是按照预设融合顺序处于病灶集合中最先执行病灶融合操作的病灶，该预设融合顺序可以根据医学领域的经验或者实际需求确定。
需要说明的是，在首次获取乳房图像的病灶集合中，该病灶集合中存在至少一个单一类别病灶，该至少一个单一类别病灶包括肿块、结构扭曲和钙化；在该病灶集合经过至少一次病灶融合操作后，可能存在某两个或者三个单一类别病灶融合为非单一类别病灶，也即该病灶集合中还可能存在至少一个非单一类别病灶，该至少一个非单一类别病灶可以包括肿块伴结构扭曲、肿块伴钙化、结构扭曲伴钙化和肿块伴结构扭曲伴钙化。由上可知，经过病灶融合操作的病灶集合包括至少一个单一类别病灶和/或至少一个非单一类别病灶，根据医学领域的经验或者实际需求可以确定预设融合顺序如下：
(1)单一类别病灶优先于非单一类别病灶；
(2)肿块优先于结构扭曲和钙化，结构扭曲优先于钙化。
由上述预设融合顺序可知，在病灶集合中若同时包含单一类别病灶和非单一类别病灶，则先执行单一类别病灶和单一类别病灶，再执行单一类别病灶和非单一类别病灶；若同时存在肿块、结构扭曲和钙化，则先执行肿块和结构扭曲，再执行肿块和钙化、再执行结构扭曲和钙化。
步骤302，根据第一病灶的区域和第二病灶的区域的重叠情况，确定第一病灶和第二病灶是否融合为第三病灶。
具体实现中，可以确定第一病灶的区域和第二病灶的区域的交并比，并根据交并比确定是否将第一病灶和第二病灶融合为第三病灶，具体的，在交并比大于预设值时，可以确定将第一病灶和第二病灶融合为第三病灶；在交并比不大于预设值时，可以确定第一病灶和第二病灶不能融合。此处的预设值是根据经验或者是实际需求设定，而且不同类别之间融合所对应的预设值可以相同也可以不同。
需要说明的是，若本次病灶融合操作中，第一病灶和第二病灶未能融合，则二者不再进行第二次病灶融合操作。
第一病灶的区域和第二病灶的区域的交并比也就是第一病灶的区域和第二病灶的区域的交集的面积与第一病灶的区域和第二病灶的区域的并集的面积的比值，用公式可以表示为：
IOU(A，B)＝A∩B/A∪B
其中，A为乳房图像中第一病灶的区域，B为乳房图像中第二病灶的区域，IOU(A，B)为第一病灶的区域和第二病灶的区域的交并比。
在计算交并比时，可以采用一种实现方式为，计算乳房图像中第一病灶的区域和第二病灶的区域的交集所涵盖的第一像素点的个数，以及乳房图像中第一病灶的区域和第二病灶的区域的并集所涵盖的第二像素点的个数，然后将第一像素点的个数与第二像素点的个数的比值确定为交并比。
在计算交并比时，还可以采用另一种实现方式为，计算乳房图像中涵盖第一病灶的区域的最小矩形，以及乳房图像中涵盖第二病灶的区域的最小矩形，进而将两个矩形的交集的面积作为第一病灶的区域和第二病灶的区域的交集的面积，将两个矩形的并集的面积作为第一病灶的区域和第二病灶的区域的并集的面积，然后将两个矩形的交集的面积和两个矩形的并集的面积作为交并比。
在确定交并比大于预设值后，即可以确定将第一病灶和第二病灶融合为第三病灶，本发明实施例中，可以包括病灶的类别融合和病灶的区域融合，也就是说，在确定将第一病灶和第二病灶融合为第三病灶之后，根据第一病灶的类别和第二病灶的类别，确定第三病灶的类别，根据第一病灶的区域和第二病灶的区域，确定第三病灶的区域。
基于第一病灶的类别和第二病灶的类别，具体可以分以下四种情况：
情况一：若第一病灶的类别为肿块，第二病灶的类别为结构扭曲，则确定第三病灶的类别为肿块伴结构扭曲，第三病灶的区域为第一病灶的区域与第二病灶的区域的并集；
情况二：若第一病灶的类别为肿块，第二病灶的类别为钙化，则确定第三病灶的类别为肿块伴钙化，第三病灶的区域为第一病灶的区域与第二病灶的区域的交集；
情况三：若第一病灶的类别为结构扭曲，第二病灶的类别为钙化，则确定第三病灶的类别为结构扭曲伴钙化，第三病灶的区域为第一病灶的区域与第二病灶的区域的交集；
情况四：若第一病灶的类别为肿块伴结构扭曲，第二病灶的类别为钙化，则确定第三病灶的类别为肿块伴结构扭曲伴钙化，第三病灶的区域为第一病灶的区域与第二病灶的区域的交集。
步骤303，若确定第一病灶和第二病灶融合为第三病灶，则将第三病灶加入至病灶集合，并将第一病灶和第二病灶从病灶集合中删除。
若将第一病灶和第二病灶融合为第三病灶，则需要更新病灶融合操作后的病灶集合，也就是将第三病灶加入至病灶集合，并将第一病灶和第二病灶从病灶集合中删除。举例来说，在本次病灶融合操作之前，病灶集合中包括A、B、C三个病灶，分别对应的类别为肿块、结构扭曲和钙化，本次病灶融合操作后将A、B融合为D，则需要更新病灶集合，此时更新后的病灶集合中包括为C、D，其中，D的类别为肿块伴结构扭曲，D的区域为A的区域和B的区域的并集。
为了更好的解释本发明实施例，下面将以一个具体的例子来解释本发明实施例的病灶融合的流程，具体如下：
步骤401，获取乳房图像的病灶集合，该病灶集合如表1所示，理解为，病灶A1、病灶A2的类别为肿块，病灶B1的类别为结构扭曲，病灶C1、病灶C2的类别为钙化。
表1
病灶 类别 区域
A1 肿块 区域(A1)
A2 肿块 区域(A2)
B1 结构扭曲 区域(B1)
C1 钙化 区域(C1)
C2 钙化 区域(C2)
其中：
肿块和结构扭曲融合对应的预设值为0.5；
肿块和钙化融合对应的预设值为0.6；
结构扭曲和钙化融合对应的预设值为0.6；
肿块伴结构扭曲和钙化融合对应的预设值为0.3；
步骤402，执行第一次病灶融合操作：
在表1示出的病灶集合中确定第一病灶为A1、第二病灶为B1，确定A1的区域与B1的区域的交并比为0.3，交并比小于0.5，则确定A1和B1不能融合，且病灶集合不更新。
步骤403，执行第二次病灶融合操作：
在表1示出的病灶集合中确定第一病灶为A2、第二病灶为B1，确定A2的区域与B1的区域的交并比为0.7，则确定A2和B1融合为A2&B1，其中，A2&B1的类型为肿块伴结构扭曲，A2&B1的区域为区域(A2)∪区域(B1)。此时，病灶集合更新，将A2、B1从病灶集合中删除且A2&B1添加至病灶集合中，更新后的病灶集合可以如表2所示。
表2
病灶 类别 区域
A1 肿块 区域(A1)
C1 钙化 区域(C1)
C2 钙化 区域(C2)
A2&B1 肿块伴结构扭曲 区域(A2)∪区域(B1)
步骤404，执行第三次病灶融合操作：
在表2示出的病灶集合中确定第一病灶为A1、第二病灶为C1，确定A1的区域与C1的区域的交并比为0.8，则确定A1和C1融合为A1&C1，其中，A1&C1的类型为肿块伴钙化，A1&C1的区域为区域(A1)∩区域(C1)。此时，病灶集合更新，将A1、C1从病灶集合中删除且A1&C1添加至病灶集合中，更新后的病灶集合可以如表3所示。
表3
病灶 类别 区域
C2 钙化 区域(C2)
A2&B1 肿块伴结构扭曲 区域(A2)∪区域(B1)
A1&C1 肿块伴钙化 区域(A1)∩区域(C1)
步骤405，执行第四次病灶融合操作：
在表3示出的病灶集合中确定第一病灶为C2、第二病灶为A2&B1，确定C2的区域与A2&B1的区域的交并比为0.4，则确定C2和A2&B1融合为A2&B1&C2，其中，A2&B1&C2的类型为肿块伴结构扭曲伴钙化，A2&B1&C2的区域为区域(A2)∪区域(B1)∩区域(C2)。此时，病灶集合更新，将A2&B1、C2从病灶集合中删除且A2&B1&C2添加至病灶集合中，更新后的病灶集合可以如表4所示。
表4
Figure BDA0002223648960000131
由表4可知，当前病灶集合中不再有可以相互融合的两个病灶，则此时，病灶融合操作结束。本例子中，一共进行了四次融合操作，且最终确定出该乳房图像中有一个类别为肿块伴结构扭曲伴钙化的病灶和一个类别为肿块伴钙化的病灶。
上述实施例中，获取乳房图像的病灶集合，并对该病灶集合进行至少一次融合操作，从而实现将病灶集合中的不同类别的同一个病灶进行融合，融合依据是两个不同类别病灶的区域的重叠情况，该种融合方式的准确度高，可以有效确定出可以融合为同一个病灶的不同类别病灶，也即可以确定出同一病灶的不同类别，可以将融合后的同一病灶和该同一病灶的类别展示给医生，提高了医生的工作效率。
基于同一发明构思，图4示例性的示出了本发明实施例提供的一种病灶融合的装置的结构，该装置可以执行病灶融合的方法的流程。
该装置包括：
获取单元400，融合单元500；
所述获取单元400用于获取乳房图像的病灶集合；所述病灶集合包括多种类别的多个病灶；
所述融合单元500用于执行至少一次病灶融合操作，直至所述病灶集合中任意两个病灶均不能融合为一个病灶；
其中，所述融合单元500包括第一确定单元510、第二确定单元520和更新单元530；
所述第一确定单元510用于从所述病灶集合中确定第一病灶和第二病灶；所述第一病灶和所述第二病灶为待执行所述病灶融合操作的不同类别的病灶，且所述第一病灶和所述第二病灶为按照预设融合顺序处于所述病灶集合中最先执行所述病灶融合操作的病灶；
所述第二确定单元520用于根据所述第一病灶的区域和所述第二病灶的区域的重叠情况，确定所述第一病灶和所述第二病灶是否融合为第三病灶；
所述更新单元530用于在所述第二确定单元520确定所述第一病灶和所述第二病灶融合为第三病灶时，将所述第三病灶加入至所述病灶集合，并将所述第一病灶和所述第二病灶从所述病灶集合中删除。
可选的，所述病灶集合中包括至少一个单一类别病灶和/或至少一个非单一类别病灶；
所述预设融合顺序为单一类别病灶优先于非单一类别病灶。
可选的，所述单一类别病灶包括肿块、结构扭曲和钙化；
所述非单一类别病灶包括肿块伴结构扭曲、肿块伴钙化、结构扭曲伴钙化和肿块伴结构扭曲伴钙化；
所述预设融合顺序为肿块优先于结构扭曲和钙化，结构扭曲优先于钙化。
可选的，所述融合单元500还包括：
类别确定单元540和区域确定单元550；
所述类别确定单元540用于在所述第二确定单元520确定所述第一病灶和所述第二病灶融合为第三病灶之后，根据所述第一病灶的类别和所述第二病灶的类别，确定所述第三病灶的类别；
所述区域确定单元550用于在所述第二确定单元520确定所述第一病灶和所述第二病灶融合为第三病灶之后，根据所述第一病灶的区域和所述第二病灶的区域，确定所述第三病灶的区域。
可选的，若所述第一病灶的类别为肿块，所述第二病灶的类别为结构扭曲，所述类别确定单元540用于确定所述第三病灶的类别为肿块伴结构扭曲，所述区域确定单元550用于确定所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的并集；
若所述第一病灶的类别为肿块，所述第二病灶的类别为钙化，所述类别确定单元540用于确定所述第三病灶的类别为肿块伴钙化，所述区域确定单元550用于确定所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集；
若所述第一病灶的类别为结构扭曲，所述第二病灶的类别为钙化，所述类别确定单元540用于确定所述第三病灶的类别为结构扭曲伴钙化，所述区域确定单元550用于确定所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集；
若所述第一病灶的类别为肿块伴结构扭曲，所述第二病灶的类别为钙化，所述类别确定单元540用于确定所述第三病灶的类别为肿块伴结构扭曲伴钙化，所述区域确定单元550用于确定所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集。
可选的，所述第二确定单元520包括：
交并比计算单元521和第三确定单元522；
所述交并比计算单元521用于确定所述第一病灶的区域和所述第二病灶的区域的交并比；
所述第三确定单元522用于在所述交并比大于预设值时，确定所述第一病灶和所述第二病灶融合为所述第三病灶。
可选的，所述交并比计算单元521的结构可以如图5所示，所述交并比计算单元521包括：
第四确定单元5211、第五确定单元5212和第六确定单元5213；
所述第四确定单元5211用于在所述乳房图像中，确定所述第一病灶的区域和所述第二病灶的区域的交集所涵盖的第一像素点的个数；
所述第五确定单元5212用于确定所述第一病灶的区域和所述第二病灶的区域的并集所涵盖的第二像素点的个数；
所述第六确定单元5213用于将所述第一像素点的个数与所述第二像素点的个数的比值确定为所述交并比。
基于同一发明构思，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述病灶融合的方法。
基于同一发明构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述病灶融合的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种病灶融合的方法，其特征在于，包括：
获取乳房图像的病灶集合；所述病灶集合包括多种类别的多个病灶；
执行至少一次病灶融合操作，直至所述病灶集合中任意两个病灶均不能融合为一个病灶；
其中，所述执行病灶融合操作包括：
从所述病灶集合中确定第一病灶和第二病灶；所述第一病灶和所述第二病灶为待执行所述病灶融合操作的不同类别的病灶，且所述第一病灶和所述第二病灶为按照预设融合顺序处于所述病灶集合中最先执行所述病灶融合操作的病灶；
根据所述第一病灶的区域和所述第二病灶的区域的重叠情况，确定所述第一病灶和所述第二病灶是否融合为第三病灶；
若是，则将所述第三病灶加入至所述病灶集合，并将所述第一病灶和所述第二病灶从所述病灶集合中删除。
2.如权利要求1所述的方法，其特征在于，所述病灶集合中包括至少一个单一类别病灶和/或至少一个非单一类别病灶；
所述预设融合顺序为单一类别病灶优先于非单一类别病灶。
3.如权利要求2所述的方法，其特征在于，所述单一类别病灶包括肿块、结构扭曲和钙化；
所述非单一类别病灶包括肿块伴结构扭曲、肿块伴钙化、结构扭曲伴钙化和肿块伴结构扭曲伴钙化；
所述预设融合顺序为肿块优先于结构扭曲和钙化，结构扭曲优先于钙化。
4.如权利要求1所述的方法，其特征在于，在所述确定所述第一病灶和所述第二病灶融合为第三病灶之后，还包括：
根据所述第一病灶的类别和所述第二病灶的类别，确定所述第三病灶的类别；根据所述第一病灶的区域和所述第二病灶的区域，确定所述第三病灶的区域。
5.如权利要求4所述的方法，其特征在于，所述根据所述第一病灶的类别和所述第二病灶的类别，确定所述第三病灶的类别；根据所述第一病灶的区域和所述第二病灶的区域，确定所述第三病灶的区域，包括：
若所述第一病灶的类别为肿块，所述第二病灶的类别为结构扭曲，则确定所述第三病灶的类别为肿块伴结构扭曲，所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的并集；
若所述第一病灶的类别为肿块，所述第二病灶的类别为钙化，则确定所述第三病灶的类别为肿块伴钙化，所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集；
若所述第一病灶的类别为结构扭曲，所述第二病灶的类别为钙化，则确定所述第三病灶的类别为结构扭曲伴钙化，所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集；
若所述第一病灶的类别为肿块伴结构扭曲，所述第二病灶的类别为钙化，则确定所述第三病灶的类别为肿块伴结构扭曲伴钙化，所述第三病灶的区域为所述第一病灶的区域与所述第二病灶的区域的交集。
6.如权利要求1所述的方法，其特征在于，所述根据所述第一病灶的区域和所述第二病灶的区域的重叠情况，确定所述第一病灶和所述第二病灶是否融合为第三病灶，包括：
确定所述第一病灶的区域和所述第二病灶的区域的交并比；
若所述交并比大于预设值，则确定所述第一病灶和所述第二病灶融合为所述第三病灶。
7.如权利要求6所述的方法，其特征在于，所述确定所述第一病灶的区域和所述第二病灶的区域的交并比，包括：
在所述乳房图像中，确定所述第一病灶的区域和所述第二病灶的区域的交集所涵盖的第一像素点的个数；
确定所述第一病灶的区域和所述第二病灶的区域的并集所涵盖的第二像素点的个数；
将所述第一像素点的个数与所述第二像素点的个数的比值确定为所述交并比。
8.一种病灶融合的装置，其特征在于，包括：
获取单元，融合单元；
所述获取单元用于获取乳房图像的病灶集合；所述病灶集合包括多种类别的多个病灶；
所述融合单元用于执行至少一次病灶融合操作，直至所述病灶集合中任意两个病灶均不能融合为一个病灶；
其中，所述融合单元包括第一确定单元、第二确定单元和更新单元；
所述第一确定单元用于从所述病灶集合中确定第一病灶和第二病灶；所述第一病灶和所述第二病灶为待执行所述病灶融合操作的不同类别的病灶，且所述第一病灶和所述第二病灶为按照预设融合顺序处于所述病灶集合中最先执行所述病灶融合操作的病灶；
所述第二确定单元用于根据所述第一病灶的区域和所述第二病灶的区域的重叠情况，确定所述第一病灶和所述第二病灶是否融合为第三病灶；
所述更新单元用于在所述第二确定单元确定所述第一病灶和所述第二病灶融合为第三病灶时，将所述第三病灶加入至所述病灶集合，并将所述第一病灶和所述第二病灶从所述病灶集合中删除。
9.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至7任一项所述的方法。
10.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至7任一项所述的方法。
CN201910943827.9A 2019-09-30 2019-09-30 一种病灶融合的方法及装置 Active CN110647947B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910943827.9A CN110647947B (zh) 2019-09-30 2019-09-30 一种病灶融合的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910943827.9A CN110647947B (zh) 2019-09-30 2019-09-30 一种病灶融合的方法及装置

Publications (2)

Publication Number Publication Date
CN110647947A true CN110647947A (zh) 2020-01-03
CN110647947B CN110647947B (zh) 2022-04-15

Family

ID=69012125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910943827.9A Active CN110647947B (zh) 2019-09-30 2019-09-30 一种病灶融合的方法及装置

Country Status (1)

Country Link
CN (1) CN110647947B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111325743A (zh) * 2020-03-05 2020-06-23 北京深睿博联科技有限责任公司 基于联合征象的乳腺x射线影像分析方法和装置
CN111986165A (zh) * 2020-07-31 2020-11-24 上海依智医疗技术有限公司 一种乳房图像中的钙化检出方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070127796A1 (en) * 2005-11-23 2007-06-07 General Electric Company System and method for automatically assessing active lesions
US20150036904A1 (en) * 2013-08-05 2015-02-05 Siemens Aktiengesellschaft Method, control system, and computer program for compression of digital breast tomosynthesis data
CN109035187A (zh) * 2018-07-10 2018-12-18 杭州依图医疗技术有限公司 一种医学图像的标注方法及装置
CN109447966A (zh) * 2018-10-26 2019-03-08 科大讯飞股份有限公司 医学图像的病灶定位识别方法、装置、设备及存储介质
CN109544534A (zh) * 2018-11-26 2019-03-29 上海联影智能医疗科技有限公司 一种病灶图像检测装置、方法和计算机可读存储介质
CN110136809A (zh) * 2019-05-22 2019-08-16 腾讯科技（深圳）有限公司 一种医疗图像处理方法、装置、电子医疗设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070127796A1 (en) * 2005-11-23 2007-06-07 General Electric Company System and method for automatically assessing active lesions
US20150036904A1 (en) * 2013-08-05 2015-02-05 Siemens Aktiengesellschaft Method, control system, and computer program for compression of digital breast tomosynthesis data
CN109035187A (zh) * 2018-07-10 2018-12-18 杭州依图医疗技术有限公司 一种医学图像的标注方法及装置
CN109447966A (zh) * 2018-10-26 2019-03-08 科大讯飞股份有限公司 医学图像的病灶定位识别方法、装置、设备及存储介质
CN109544534A (zh) * 2018-11-26 2019-03-29 上海联影智能医疗科技有限公司 一种病灶图像检测装置、方法和计算机可读存储介质
CN110136809A (zh) * 2019-05-22 2019-08-16 腾讯科技（深圳）有限公司 一种医疗图像处理方法、装置、电子医疗设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHIQIONG WANG ET.AL: "Breast Cancer Detection Using Extreme Learning Machine Based on Feature Fusion With CNN Deep Features", 《IEEE ACCESS》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111325743A (zh) * 2020-03-05 2020-06-23 北京深睿博联科技有限责任公司 基于联合征象的乳腺x射线影像分析方法和装置
CN111986165A (zh) * 2020-07-31 2020-11-24 上海依智医疗技术有限公司 一种乳房图像中的钙化检出方法及装置
CN111986165B (zh) * 2020-07-31 2024-04-09 北京深睿博联科技有限责任公司 一种乳房图像中的钙化检出方法及装置

Also Published As

Publication number Publication date
CN110647947B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN109741346B (zh) 感兴趣区域提取方法、装置、设备及存储介质
CN110889826B (zh) 眼部oct图像病灶区域的分割方法、装置及终端设备
CN110647947B (zh) 一种病灶融合的方法及装置
CN111862044A (zh) 超声图像处理方法、装置、计算机设备和存储介质
CN110334722A (zh) 图像分类方法、装置、计算机设备和存储介质
US20120053446A1 (en) Voting in image processing
CN111968130B (zh) 脑部造影图像处理方法、装置、介质及电子设备
CN109712163B (zh) 冠脉提取方法、装置、图像处理工作站和可读存储介质
CN110210543B (zh) 图像分类系统、方法、设备和存储介质
CN111667459B (zh) 一种基于3d可变卷积和时序特征融合的医学征象检测方法、系统、终端及存储介质
US11756199B2 (en) Image analysis in pathology
CN103026379A (zh) 推算图像噪音水平的方法
CN110706207A (zh) 图像量化方法、装置、计算机设备和存储介质
CN110751187A (zh) 异常区域图像生成网络的训练方法和相关产品
CN112614573A (zh) 基于病理图像标注工具的深度学习模型训练方法及装置
CN113808137A (zh) 上消化道内镜影像图的筛选方法、装置、设备及存储介质
CN110120052B (zh) 一种靶区图像分割系统及装置
CN111160441B (zh) 分类方法、计算机设备和存储介质
CN107392976A (zh) 数据处理方法、装置及设备
CN111161240A (zh) 血管分类方法、计算机设备和可读存储介质
US20100202674A1 (en) Voting in mammography processing
WO2019058963A1 (ja) 医用画像処理装置及び医用画像処理方法及びそれに用いる処理プログラム
US11803970B2 (en) Image judgment device, image judgment method, and storage medium
CN115100217A (zh) 头颈部ct影像中脑部区域的提取方法、装置、设备及介质
CN114782364A (zh) 图像检测方法、装置、系统及检测设备

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