CN111899223A - 一种确定乳房图像中回缩征象的方法及装置 - Google Patents
一种确定乳房图像中回缩征象的方法及装置 Download PDFInfo
- Publication number
- CN111899223A CN111899223A CN202010622475.XA CN202010622475A CN111899223A CN 111899223 A CN111899223 A CN 111899223A CN 202010622475 A CN202010622475 A CN 202010622475A CN 111899223 A CN111899223 A CN 111899223A
- Authority
- CN
- China
- Prior art keywords
- nipple
- breast
- image
- retraction
- determining
- 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
Links
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种确定乳房图像中回缩征象的方法及装置、计算机设备、计算机可读存储介质。所述方法包括:检测所述乳房图像中的乳头关键点。基于所述乳头关键点在所述乳房图像中确定乳头区域。基于第一分类模型确定乳头区域中乳头回缩的置信度。基于乳头回缩的置信度和第一阈值确定乳房图像中的乳头回缩。检测所述乳房图像中的乳房边缘以获得第一图像。基于第二分类模型确定所述第一图像中皮肤回缩的置信度。基于皮肤回缩的置信度和第二阈值确定乳房图像中的皮肤回缩。本发明的方案,在很大程度上提高了对乳头回缩和皮肤回缩的识别效率及识别的准确度。
Description
技术领域
本发明涉及医疗技术领域,特别涉及一种确定乳房图像中回缩征象的方法及装置、计算机设备、计算机可读存储介质。
背景技术
乳腺钼靶利用低剂量的X光检查女性乳房,进而诊断多种女性乳腺相关的疾病,如乳房肿瘤、囊肿等。目前,乳腺钼靶主要应用于早期乳腺癌的筛查上,因此有效检测出乳腺钼靶影像上各种乳腺癌的早期表现至关重要。一般而言对乳房病灶的诊断往往基于对病灶征象的检测,病灶征象包括:乳头回缩(也称乳头凹陷)、皮肤回缩(皮肤凹陷)、钙化、肿块/不对称、结构扭曲等。
现有技术中,医生通常通过个人经验对乳腺钼靶影像进行诊断,效率较低且存在较大的主观性。
因此,如何能够确定出乳房图像中的病灶征象,提高对病灶征象识别的效率和准确度,成为目前亟待解决的问题之一。
发明内容
本发明提供一种确定乳房图像中回缩征象的方法、装置、计算机设备及计算机可读存储介质,以识别出乳房图像中的回缩征象。提高对乳房图像中回缩征象识别的效率和准确度,进而也提高后续基于该回缩征象进行诊断的诊断准确度。
本发明提供一种确定乳房图像中回缩征象的方法,包括:
检测所述乳房图像中的乳头关键点;
基于所述乳头关键点在所述乳房图像中确定乳头区域;
基于第一分类模型确定乳头区域中乳头回缩的置信度;
基于乳头回缩的置信度和第一阈值确定乳房图像中的乳头回缩;
检测所述乳房图像中的乳房边缘以获得第一图像;
基于第二分类模型确定所述第一图像中皮肤回缩的置信度;
基于皮肤回缩的置信度和第二阈值确定乳房图像中的皮肤回缩。
可选的,所述检测所述乳房图像中的乳头关键点包括:
对所述乳房图像进行预处理以获得乳房区域;
基于检测模型检测所述乳房区域以获得乳头关键点。
可选的,对所述乳房图像进行预处理以获得乳房区域包括:
对所述乳房图像二值化,将二值化的乳房图像中面积最大的区域作为第二图像;
将所述第二图像和所述乳房图像相乘以获得乳房区域。
可选的,所述乳头关键点为乳头中心点,所述基于所述乳头关键点在所述乳房图像中确定乳头区域包括:以所述乳头关键点为中心,形成预设邻域,所述乳头区域包含于所述预设邻域。
可选的,所述检测所述乳房图像中的乳房边缘以获得第一图像包括:
对所述乳房图像二值化,将二值化的乳房图像中面积最大的区域作为第二图像;
将所述第二图像和所述乳房图像相乘以获得乳房区域;
确定所述第二图像中的边缘像素点;
连接所述边缘像素点以获得乳房边缘;
叠加所述乳房边缘和所述乳房区域以获得第一图像。
可选的,所述确定第二图像中的边缘像素点包括:若以所述像素点为中心的预定邻域中至少存在一个与其像素值不同的像素点,则该像素点为边缘像素点。
本发明还提供一种确定乳房图像中回缩征象的装置,包括:
第一检测单元,用于检测所述乳房图像中的乳头关键点;
第一确定单元,用于基于所述乳头关键点在所述乳房图像中确定乳头区域;
第一分类模型,用于确定乳头区域中乳头回缩的置信度;
第二确定单元,用于基于乳头回缩的置信度和第一阈值确定乳房图像中的乳头回缩;
第二检测单元,用于检测所述乳房图像中的乳房边缘以获得第一图像;
第二分类模型,用于确定所述第一图像中皮肤回缩的置信度;
第三确定单元,用于基于皮肤回缩的置信度和第二阈值确定乳房图像中的皮肤回缩。
本发明还提供一种计算机设备,包括至少一个处理器、以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器能够执行上述的确定乳房图像中回缩征象的方法。
本发明还提供一种计算机可读存储介质,当所述存储介质中的指令由设备内的处理器执行时,使得所述设备能够执行上述的确定乳房图像中回缩征象的方法。
与现有技术相比,本发明的技术方案具有如下有益效果:
首先,检测乳房图像中的乳头关键点,基于所述乳头关键点在所述乳房图像中确定乳头区域。基于第一分类模型确定乳头区域中乳头回缩的置信度,基于乳头回缩的置信度和第一阈值确定乳房图像中的乳头回缩。然后,检测所述乳房图像中的乳房边缘以获得第一图像,基于第二分类模型确定所述第一图像中皮肤回缩的置信度,基于皮肤回缩的置信度和第二阈值确定乳房图像中的皮肤回缩。由于不再通过人工的方式判断乳房图像中的乳头回缩和皮肤回缩,因此,在很大程度上提高了对乳头回缩和皮肤回缩的识别效率及识别的准确度。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例的确定乳房图像中回缩征象的方法的流程图。
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。
正如背景技术中提到的,现有技术中通过人工的方式确定乳房图像中的病灶征象,效率低且主观性较大。图1为为本发明实施例的确定乳房图像中回缩征象的方法的流程图,如图1所示,所述确定乳房图像中回缩征象的方法包括:
S11:检测所述乳房图像中的乳头关键点。
S12:基于所述乳头关键点在所述乳房图像中确定乳头区域。
S13:基于第一分类模型确定乳头区域中乳头回缩的置信度。
S14:基于乳头回缩的置信度和第一阈值确定乳房图像中的乳头回缩。
S15:检测所述乳房图像中的乳房边缘以获得第一图像。
S16:基于第二分类模型确定所述第一图像中皮肤回缩的置信度。
S17:基于皮肤回缩的置信度和第二阈值确定乳房图像中的皮肤回缩。
执行S11,检测所述乳房图像中的乳头关键点。本实施例中,所述乳头关键点可以选取乳房皮肤表面在乳头或乳晕区域范围内的一个或多个点,如可以选取乳晕中心点作为乳头关键点,也可以选取乳头中心为乳头关键点。本实施例中,以乳头中心作为乳头关键点。
具体地,本实施例中先对所述乳房图像进行预处理以获得乳房区域,然后利用检测模型检测所述乳房区域以获得乳头关键点。所述预处理包括:对所述乳房图像二值化,将二值化的乳房图像中面积最大的区域作为第二图像,将所述第二图像和所述乳房图像相乘以获得乳房区域。本实施例中,二值化的阈值可以通过求乳房图像中预设区域的灰度直方图的最大类间距方法获得,通过二值化操作使得乳房图像中的像素点的灰度值相应地转换为0或1。将二值化的乳房图像中面积最大的区域作为第二图像。将第二图像与乳房图像相乘,也即将第二图像中每一个像素点的灰度值与乳房图像中与该像素点位置对应的像素点的灰度值相乘,以获得乳房区域。通过对乳房图像进行二值化操作,可以去除背景区域对乳房区域的干扰,进而也可以提高后续检测乳头回缩和皮肤回缩的准确度。在其他实施例中也可以通过分割算法或者分割神经网络将乳房区域从所述乳房图像中分割出来。
在获得乳房区域后,通过检测模型来检测乳房区域中的乳头关键点。具体地,本实施例中,所述检测模型可以包括第一检测模块和第二检测模块,第一检测模块和第二检测模块可以均为卷积神经网络,其中,第一检测模块是以预先标记乳头关键点的多幅乳房图像为训练样本,对卷积神经网络进行训练后确定的。第二检测模块可以以多幅乳房图像中预先标记乳头关键点的多个粗分割区域为训练样本,对卷积神经网络进行训练后确定的,第二检测模块的数量可以根据粗分割区域确定,粗分割区域则根据第一检测模块输出的第一乳头关键点确定。粗分割区域的位置以及粗分割区域的大小和形状可以预先设置,此处不做限定。通过设置粗分割区域,相比直接从乳房图像确定检测乳头关键点的方法而言可以提高检测乳头关键点的准确度。
本实施例中,可以由第一检测模块检测出第一乳头关键点,根据第一乳头关键点的位置,确定乳头粗分割区域。然后将所述乳头粗分割区域输入第二检测模块,检测出所述乳头粗分割区域中第二乳头关键点的位置,并将所述第二乳头关键点的位置作为乳头关键点的位置。
本实施例中,所述第一检测模块和第二检测模块的结构相类似,可以包括M个连续的卷积特征提取块以及一个全连接层。卷积特征提取块包括L个卷积模块,L大于0,任意一个卷积模块中包括卷积层、BN层及ReLU层。M,L为正整数,可以根据实际需要确定具体的值,此处不做限定。
执行S12,基于所述乳头关键点在所述乳房图像中确定乳头区域。本实施例中,所述乳头关键点为乳头中心点,因此,所述乳头区域可以为以所述乳头关键点为中心,形成的预设邻域。所述预设邻域包括所述乳头区域。具体地,所述预设邻域可以为以所述乳头关键点为中心的正方形、长方形、圆形等。
执行S13,基于第一分类模型确定乳头区域中乳头回缩的置信度。
本实施例中,所述第一分类模型可以包括:特征提取网络和分类网络,特征提取网络的输出作为分类网络的输入。特征提取网络,可以包括若干个连续的卷积模块,以输出特征图。每一个卷积模块可以均包括一个3╳3的2D卷积层,一个批归一化层(BN,BatchNormalization)、一个激活层和一个2╳2的最大池化(max pooling)层。激活函数可以为线性整流函数(ReLU,Recified LinearUnit)。分类网络可以包括2个依次连续的全连接层,全连接层和全连接层之间可以为通过率为0.5的dropout层。第二个全连接层输出乳头是回缩的置信度,并通过softmax操作使得乳头是回缩的置信度和乳头不是回缩的置信度之和为1。
执行S14,基于乳头回缩的置信度和第一阈值确定乳房图像中的乳头回缩。本实施例中,所述第一阈值可以为0.5,也即当乳头回缩的置信度大于0.5时,确定该乳房图像中乳头回缩。
执行S15,检测所述乳房图像中的乳房边缘以获得第一图像。本实施例中,具体地,可以先对所述乳房图像二值化,将二值化的乳房图像中的最大区域作为第二图像,然后将所述第二图像和所述乳房图像相乘以获得乳房区域。本步骤中乳房区域的获得与执行S11时,乳房区域的获得相类似,此处不再赘述。接下来,确定所述第二图像中的边缘像素点,具体地,可以判断第二图像中每一个像素点与其周围像素点灰度值之间的区别,对于每一个像素点而言,若以所述像素点为中心的预定邻域中至少存在一个与其像素值不同的像素点,则该像素点为边缘像素点。预定邻域的形状和大小可以根据实际经验而定,如可以为正方形、长方形、圆形等。预定邻域为正方形时,其边长可以在4~8个像素点之间。如,以每一个像素点为中心的4╳4的邻域。
确定像素点为边缘像素点后,连接所述边缘像素点以获得乳房边缘。在其他实施例中,还可以通过边缘检测算法来检测所述乳房图像中的乳房边缘。叠加所述乳房边缘和所述乳房区域以获得第一图像。具体地,就是将检测出乳房边缘的第二图像中的每一个像素点的灰度值和分割出乳房区域的第二图像中与该像素点对应的像素点的灰度值相叠加,以获得第一图像。
执行S16,基于第二分类模型确定所述第一图像中皮肤回缩的置信度。本实施例中,第二分类模型的结构与第一分类模型的结构相类似,此处不再赘述。只是第二分类模型输出的是乳房图像中皮肤回缩的置信度。
执行S17,基于皮肤回缩的置信度和第二阈值确定乳房图像中的皮肤回缩
本实施例中,所述第二阈值可以为0.5,也即当皮肤回缩的置信度大于0.5时,确定该乳房图像中皮肤回缩。
至此通过上述的方式检测了乳房图像中的乳头凹陷和皮肤凹陷。实际应用中,通常会拍摄同侧乳房的不同投照位的图像,如左乳的CC位和MLO位,因此,在判断受检者是否具有皮肤凹陷和乳头凹陷时,可以通过对检测到的同侧乳房不同投照位的图像中的皮肤凹陷和乳头凹陷来判断受检者的情况。具体地,若一侧乳房的不同投照位的图像中,只要有一个投照位检测出乳头凹陷,则确定该受检者具有乳头凹陷。同样地,若一侧乳房的不同投照位的图像中,只要有一个投照位检测出皮肤凹陷,则确定该受检者具有皮肤凹陷。
本实施例中,通过将乳房图像二值化,并将二值化后的乳房图像中面积最大的区域作为乳房区域,减少了背景及其他区域对乳房区域的干扰,进而提高了检测乳头回缩和皮肤回缩的准确度。另外,分别通过第一分类模型和第二分类模型检测乳头回缩和皮肤回缩,避免了人工判断时可能出现的误判,提高了对乳头回缩和皮肤回缩检测的准确度和检测效率。
本发明还提供一种确定乳房图像中回缩征象的装置,所述装置包括:
第一检测单元,用于检测所述乳房图像中的乳头关键点。
第一确定单元,用于基于所述乳头关键点在所述乳房图像中确定乳头区域。
第一分类模型,用于确定乳头区域中乳头回缩的置信度。
第二确定单元,用于基于乳头回缩的置信度和第一阈值确定乳房图像中的乳头回缩。
第二检测单元,用于检测所述乳房图像中的乳房边缘以获得第一图像。
第二分类模型,用于确定所述第一图像中皮肤回缩的置信度。
第三确定单元,用于基于皮肤回缩的置信度和第二阈值确定乳房图像中的皮肤回缩。
本实施例的确定乳房图像中回缩征象的装置的实施可以参见上述的确定乳房图像中回缩征象的方法的实施,此处不再赘述。
基于相同的技术构思,本发明实施例提供了一种计算机设备,包括至少一个处理器、以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器能够执行上述的确定乳房图像中回缩征象的方法。
基于相同的技术构思,本发明实施例提供了一种计算机可读存储介质,当所述存储介质中的指令由设备内的处理器执行时,使得所述设备能够执行上述的确定乳房图像中回缩征象的方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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 (9)
1.一种确定乳房图像中回缩征象的方法,所述回缩征象包括:乳头回缩和皮肤回缩,其特征在于,包括:
检测所述乳房图像中的乳头关键点;
基于所述乳头关键点在所述乳房图像中确定乳头区域;
基于第一分类模型确定乳头区域中乳头回缩的置信度;
基于乳头回缩的置信度和第一阈值确定乳房图像中的乳头回缩;
检测所述乳房图像中的乳房边缘以获得第一图像;
基于第二分类模型确定所述第一图像中皮肤回缩的置信度;
基于皮肤回缩的置信度和第二阈值确定乳房图像中的皮肤回缩。
2.如权利要求1所述的方法,其特征在于,所述检测所述乳房图像中的乳头关键点包括:
对所述乳房图像进行预处理以获得乳房区域;
基于检测模型检测所述乳房区域以获得乳头关键点。
3.如权利要求2所述的方法,其特征在于,对所述乳房图像进行预处理以获得乳房区域包括:
对所述乳房图像二值化,将二值化的乳房图像中面积最大的区域作为第二图像;
将所述第二图像和所述乳房图像相乘以获得乳房区域。
4.如权利要求1所述的方法,其特征在于,所述乳头关键点为乳头中心点,所述基于所述乳头关键点在所述乳房图像中确定乳头区域包括:以所述乳头关键点为中心,形成预设邻域,所述乳头区域包含于所述预设邻域。
5.如权利要求1所述的方法,其特征在于,所述检测所述乳房图像中的乳房边缘以获得第一图像包括:
对所述乳房图像二值化,将二值化的乳房图像中面积最大的区域作为第二图像;
将所述第二图像和所述乳房图像相乘以获得乳房区域;
确定所述第二图像中的边缘像素点;
连接所述边缘像素点以获得乳房边缘;
叠加所述乳房边缘和所述乳房区域以获得第一图像。
6.如权利要求5所述的方法,其特征在于,所述确定第二图像中的边缘像素点包括:若以所述像素点为中心的预定邻域中至少存在一个与其像素值不同的像素点,则该像素点为边缘像素点。
7.一种确定乳房图像中回缩征象的装置,所述回缩征象包括:乳头回缩和皮肤回缩,其特征在于,包括:
第一检测单元,用于检测所述乳房图像中的乳头关键点;
第一确定单元,用于基于所述乳头关键点在所述乳房图像中确定乳头区域;
第一分类模型,用于确定乳头区域中乳头回缩的置信度;
第二确定单元,用于基于乳头回缩的置信度和第一阈值确定乳房图像中的乳头回缩;
第二检测单元,用于检测所述乳房图像中的乳房边缘以获得第一图像;
第二分类模型,用于确定所述第一图像中皮肤回缩的置信度;
第三确定单元,用于基于皮肤回缩的置信度和第二阈值确定乳房图像中的皮肤回缩。
8.一种计算机设备,包括至少一个处理器、以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器能够执行权利要求1~6任一项所述的的方法。
9.一种计算机可读存储介质,当所述存储介质中的指令由设备内的处理器执行时,使得所述设备能够执行权利要求1~6任一项所述的的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010622475.XA CN111899223A (zh) | 2020-06-30 | 2020-06-30 | 一种确定乳房图像中回缩征象的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010622475.XA CN111899223A (zh) | 2020-06-30 | 2020-06-30 | 一种确定乳房图像中回缩征象的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111899223A true CN111899223A (zh) | 2020-11-06 |
Family
ID=73191347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010622475.XA Pending CN111899223A (zh) | 2020-06-30 | 2020-06-30 | 一种确定乳房图像中回缩征象的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899223A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170301081A1 (en) * | 2015-09-30 | 2017-10-19 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for determining a breast region in a medical image |
CN108464840A (zh) * | 2017-12-26 | 2018-08-31 | 安徽科大讯飞医疗信息技术有限公司 | 一种乳腺肿块自动检测方法及系统 |
CN109363698A (zh) * | 2018-10-16 | 2019-02-22 | 杭州依图医疗技术有限公司 | 一种乳腺影像征象识别的方法及装置 |
CN110400302A (zh) * | 2019-07-25 | 2019-11-01 | 杭州依图医疗技术有限公司 | 一种确定、显示乳房图像中病灶信息的方法及装置 |
CN110400303A (zh) * | 2019-07-25 | 2019-11-01 | 杭州依图医疗技术有限公司 | 一种确定、显示乳房图像中病灶的方法及装置 |
CN110689025A (zh) * | 2019-09-16 | 2020-01-14 | 腾讯医疗健康(深圳)有限公司 | 图像识别方法、装置、系统及内窥镜图像识别方法、装置 |
WO2020077962A1 (zh) * | 2018-10-16 | 2020-04-23 | 杭州依图医疗技术有限公司 | 一种乳腺影像识别的方法及装置 |
-
2020
- 2020-06-30 CN CN202010622475.XA patent/CN111899223A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170301081A1 (en) * | 2015-09-30 | 2017-10-19 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for determining a breast region in a medical image |
CN108464840A (zh) * | 2017-12-26 | 2018-08-31 | 安徽科大讯飞医疗信息技术有限公司 | 一种乳腺肿块自动检测方法及系统 |
CN109363698A (zh) * | 2018-10-16 | 2019-02-22 | 杭州依图医疗技术有限公司 | 一种乳腺影像征象识别的方法及装置 |
WO2020077962A1 (zh) * | 2018-10-16 | 2020-04-23 | 杭州依图医疗技术有限公司 | 一种乳腺影像识别的方法及装置 |
CN110400302A (zh) * | 2019-07-25 | 2019-11-01 | 杭州依图医疗技术有限公司 | 一种确定、显示乳房图像中病灶信息的方法及装置 |
CN110400303A (zh) * | 2019-07-25 | 2019-11-01 | 杭州依图医疗技术有限公司 | 一种确定、显示乳房图像中病灶的方法及装置 |
CN110689025A (zh) * | 2019-09-16 | 2020-01-14 | 腾讯医疗健康(深圳)有限公司 | 图像识别方法、装置、系统及内窥镜图像识别方法、装置 |
Non-Patent Citations (2)
Title |
---|
刘文革: "乳腺癌计算机X线成像钼靶影像诊断价值探讨", 世界最新医学信息文摘, no. 44 * |
包昌宇等: "基于深度学习的乳腺钼靶图像分类方法研究进展", 生物医学工程研究, no. 02 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
US6185320B1 (en) | Method and system for detection of lesions in medical images | |
CN109447065A (zh) | 一种乳腺影像识别的方法及装置 | |
EP1035508A1 (en) | Automated method and system for the segmentation of medical images | |
CN111340130A (zh) | 一种基于深度学习和影像组学的泌尿结石检测分类方法 | |
CN105447512A (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
CN109363698A (zh) | 一种乳腺影像征象识别的方法及装置 | |
CN117333489B (zh) | 一种薄膜破损检测装置及检测系统 | |
CN113781391A (zh) | 图像缺陷检测方法以及相关设备 | |
Bhagya et al. | Analysis of image segmentation algorithms for the effective detection of leukemic cells | |
CN115631128A (zh) | 基于圆幂定理的圆形药品数量检测方法 | |
CN104835155A (zh) | 基于分形的早期乳腺癌钙化点计算机辅助检测方法 | |
CN114972202A (zh) | 一种基于轻量级的神经网络的Ki67病理细胞快速检测计数方法 | |
CN111861984B (zh) | 一种确定肺部区域的方法及装置、计算机设备及存储介质 | |
CN109871779B (zh) | 掌纹识别的方法及电子设备 | |
CN109872307B (zh) | 一种检测生物组织图像中肿块的方法、相应设备及介质 | |
CN111951271A (zh) | 一种识别病理图像中癌细胞的方法及装置 | |
Alisha et al. | Cervical Cell Nuclei Segmentation On Pap Smear Images Using Deep Learning Technique | |
CN111899223A (zh) | 一种确定乳房图像中回缩征象的方法及装置 | |
CN116596899A (zh) | 基于荧光图像识别循环肿瘤细胞方法、装置、终端及介质 | |
CN108629226B (zh) | 一种基于图像分层技术的车辆检测方法及系统 | |
CN114742803A (zh) | 一种结合深度学习与数字图像处理算法的血小板聚集检测方法 | |
CN110619273B (zh) | 一种高效的虹膜识别方法以及识别装置 | |
CN108629805B (zh) | 一种基于图像分层技术的显著性物体检测方法及系统 | |
CN111986165B (zh) | 一种乳房图像中的钙化检出方法及装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220322 Address after: 100089 area a, 21 / F, block a, No. 8, Haidian Street, Haidian District, Beijing Applicant after: BEIJING SHENRUI BOLIAN TECHNOLOGY Co.,Ltd. Applicant after: Hangzhou Shenrui Bolian Technology Co., Ltd Address before: 200051 units 06 and 07, 23 / F, 523 Loushanguan Road, Changning District, Shanghai Applicant before: SHANGHAI YIZHI MEDICAL TECHNOLOGY Co.,Ltd. |