CN112184671A - 甲状腺结节纵横比计算方法、装置、设备和存储介质 - Google Patents
甲状腺结节纵横比计算方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112184671A CN112184671A CN202011051592.1A CN202011051592A CN112184671A CN 112184671 A CN112184671 A CN 112184671A CN 202011051592 A CN202011051592 A CN 202011051592A CN 112184671 A CN112184671 A CN 112184671A
- Authority
- CN
- China
- Prior art keywords
- thyroid nodule
- aspect ratio
- contour
- calculating
- main shaft
- 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
Links
- 208000024770 Thyroid neoplasm Diseases 0.000 title claims abstract description 154
- 208000009453 Thyroid Nodule Diseases 0.000 title claims abstract description 152
- 238000004364 calculation method Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000002604 ultrasonography Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 230000012010 growth Effects 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 206010054107 Nodule Diseases 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 210000001685 thyroid gland Anatomy 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000036210 malignancy Effects 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 201000002510 thyroid cancer Diseases 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007773 growth pattern Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000009394 selective breeding Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本申请涉及数字医疗领域,应用于智慧医疗领域,提供了一种甲状腺结节纵横比计算方法、装置、设备和存储介质,所述方法包括:获取甲状腺结节的超声图像;对所述超声图像进行处理,得到所述甲状腺结节形状的掩模;根据所述掩模提取所述甲状腺结节的轮廓;根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度;根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比。通过本申请提供的甲状腺结节纵横比计算方法、装置、设备和存储介质,能够自动计算甲状腺结节纵横比,不需要依赖医生自身判断。
Description
技术领域
本申请涉及数字医疗技术领域,特别涉及一种甲状腺结节纵横比计算方法、装置、设备和存储介质。
背景技术
甲状腺癌是常见肿瘤,且发病率有逐年上升的趋势。临床实践表明,早发现、早诊断、早治疗是降低甲状腺癌发病率和死亡率的关键。目前,在甲状腺诊疗方面,利用超声检查手段对甲状腺进行临床诊断是较有效的临床筛查手段。超声检查中,TI-RADS(Thyroidimaging reporting and data system)是甲状腺结节良恶性评价中一个重要的指标。其评分由形状,纵横比,病灶大小,回声水平、钙化情况以及其他指标构成。特别地,纵横比的计算结果是TI-RADS中尤为重要的一个指标。恶性结节一般来说呈现垂直位生长(纵横比大于1),良性结节一般呈现水平位生长(纵横比小于等于1)。同时,小于1cm或大于1cm或大于2cm对于临床判断结节良恶性也对应不同的判断依据。目前在临床上,医生通过借助超声扫描软件中的标尺工具对结节的边界点进行标注,通过机器计算目标结节的横轴与纵轴的图像长度,并计算纵横比大小,确定结节生长趋势。基于目前的甲状腺结节扫查与诊断需求,借助软件工具与医生操作的半自动纵横比计算方式具有以下不足。1.甲状腺结节横轴和纵轴的确定存在误差,从而导致纵横比计算不准确,影响最终结节的良恶性判断。2.确定纵轴和横轴的效率低。
发明内容
本申请的主要目的为提供一种甲状腺结节纵横比计算方法、装置、设备和存储介质,旨在解决医生依赖自身判断确定甲状腺结节的横轴与纵轴,从而导致计算甲状腺结节纵横比的效率和精度低的技术问题。
为实现上述目的,本申请提供了一种甲状腺结节纵横比计算方法,包括以下步骤:
获取甲状腺结节的超声图像;
对所述超声图像进行处理,得到所述甲状腺结节形状的掩模;
根据所述掩模提取所述甲状腺结节的轮廓;
根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度;
根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比。
进一步地,所述对所述超声图像进行处理,得到所述甲状腺结节形状的掩模的步骤,包括:
去除所述超声图像中的空洞和/或孤立区域,得到第一目标超声图像;
对所述第一目标超声图像依次经过腐蚀处理和膨胀处理,得到第二目标超声图像;
通过基于四邻域的最大连通算法在所述第二目标超声图像上找到面积最大的连通区域,得到所述甲状腺结节形状的掩模。
进一步地,所述根据所述甲状腺结节形状的掩模提取所述甲状腺结节的轮廓的步骤,包括:
采用Sobel算子提取所述掩模的潜在边缘点;
以其中一个所述潜在边缘点作为起始点,采用边缘跟踪算法连接每个所述潜在边缘点,得到一个首尾相连的闭合曲线作为所述甲状腺结节的轮廓。
进一步地,所述以其中一个所述潜在边缘点作为起始点,采用边缘跟踪算法连接每个所述潜在边缘点,得到一个首尾相连的闭合曲线作为所述甲状腺结节的轮廓的步骤之后,还包括:
采用预设填充算法填充所述闭合曲线作为所述甲状腺结节的轮廓。
进一步地,所述根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度的步骤,包括:
根据所述质心计算所述掩模内各个点对应的协方差矩阵;
计算每个所述协方差矩阵的特征值和特征向量;
选择最大的所述特征值所对应的特征向量作为所述甲状腺结节的主轴的斜率;
根据所述主轴的斜率确定所述副轴的斜率;
根据所述主轴的斜率、所述副轴的斜率和所述质心确定所述主轴和副轴的长度。
进一步地,所述根据所述主轴的斜率、所述副轴的斜率和所述质心确定所述主轴和副轴的长度的步骤,包括:
根据所述主轴的斜率和所述质心确定所述主轴与所述轮廓相交的交点,根据副轴的斜率和所述质心确定所述副轴与所述轮廓相交的交点;
根据所述主轴与所述轮廓相交的交点确定所述主轴的像素数,根据所述副轴与所述轮廓相交的交点确定所述副轴的像素数;
提取所述超声图像的标尺信息,根据所述主轴的像素数和所述副轴的像素数确定所述主轴和副轴的实际物理长度。
进一步地,所述根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比的步骤,包括:
计算所述主轴和副轴分别与x轴的夹角;
若所述夹角角度小于45度或者大于135度,所述甲状腺结节的纵横比为副轴除以主轴;
若所述夹角角度大于等于45度且小于等于135度,所述甲状腺结节的纵横比为主轴除以副轴。
本申请还提供一种甲状腺结节纵横比计算装置,包括:
获取单元,用于获取甲状腺结节的超声图像;
处理单元,用于对所述超声图像进行处理,得到所述甲状腺结节形状的掩模;
提取单元,用于根据所述掩模提取所述甲状腺结节的轮廓;
第一计算单元,用于根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度;
第二计算单元,用于根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的甲状腺结节纵横比计算方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的甲状腺结节纵横比计算方法的步骤。
本申请提供的甲状腺结节纵横比计算方法、装置、设备和存储介质,能够准确提取出甲状腺结节的轮廓,再根据轮廓自动确定主轴和副轴并计算主轴和副轴的长度从而计算甲状腺结节的纵横比,全自动操作,降低临床工作量,不依赖医生手动勾选主轴位置,减少人为工作量,同时,通过人为勾选主轴的方式的操作较慢,而更快的手动操作容易引入更大的测量误差,因此,通过本实施例提供的甲状腺结节纵横比计算方法能够全自动,且更加准确、快速的计算甲状腺结节纵横比。
附图说明
图1是本申请一实施例中甲状腺结节纵横比计算方法的步骤示意图;
图2是本申请一实施例中甲状腺结节纵横比计算装置的结构框图;
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,本申请提供了一种甲状腺结节纵横比计算方法,包括以下步骤:
步骤S1,获取甲状腺结节的超声图像;
步骤S2,对所述超声图像进行处理,得到所述甲状腺结节形状的掩模;
步骤S3,根据所述掩模提取所述甲状腺结节的轮廓;
步骤S4,根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度;
步骤S5,根据所述主轴和副轴计算所述甲状腺结节的纵横比。
本实施例中,如上述步骤S1-S2所述,获取甲状腺结节的超声图像,超声图像的斑点噪声非常明显,不像其他医疗影像如CT、MR和X光等噪声比较简单,我们得到的超声图像往往是具有噪声的,甲状腺结节区域可能会出现小的空洞或孤立的小面积簇状区域,因此,可以填补这些空洞,去除孤立区域,得到甲状腺结节形状的掩模,得到的掩模是一个二值图,也就是图像像素要么是黑,对应像素灰度值为0,要么图像像素是白,对应像素灰度值为255。
如上述步骤S3所述,在得到的掩模的基础上,可采用边缘提取算法提取甲状腺结节的轮廓,甲状腺结节的轮廓在数学上我们可以用f(x,y)来表示,f(x,y)是一个k×2的矩阵(k个点),分别代表轮廓的横坐标(第一列)与纵坐标(第二列)。
如上述步骤S4所述,根据轮廓确定甲状腺结节的主轴和副轴的长度,主轴和副轴均经过甲状腺结节的质心,且两端点均位于轮廓上,轮廓上经过质心的距离最长的线段为主轴,经过质心且与主轴垂直的线段为副轴,具体的,可采用像素数表示主轴和副轴的长度。
如上述步骤S5所述,根据主轴和副轴的长度计算甲状腺结节的纵横比,甲状腺结节的纵横比是TI-RADS的一个重要组成部分,通过纵横比与1进行比较,医生根据比较结果确定结节的生长方式。
本实施例中,通过本实施例提供的甲状腺结节纵横比计算方法,能够准确提取出甲状腺结节的轮廓,再根据轮廓自动确定主轴和副轴并计算主轴和副轴的长度从而计算甲状腺结节的纵横比,全自动操作,降低临床工作量,不依赖医生手动勾选主轴位置,减少人为工作量,同时,通过人为勾选主轴的方式的操作较慢,而更快的手动操作容易引入更大的测量误差,因此,通过本实施例提供的甲状腺结节纵横比计算方法能够全自动,且更加准确、快速的计算甲状腺结节纵横比。
在一实施例中,所对所述超声图像进行处理,得到所述甲状腺结节形状的掩模的步骤S2,包括:
步骤S21,去除所述超声图像中的空洞和/或孤立区域,得到第一目标超声图像;
步骤S22,对所述第一目标超声图像依次经过腐蚀处理和膨胀处理,得到第二目标超声图像;
步骤S23,通过基于四邻域的最大连通算法在所述第二目标超声图像上找到面积最大的连通区域,得到所述甲状腺结节形状的掩模。
本实施例中,如上述步骤S21所述,我们得到的掩模往往是具有噪声的,比如可能会出现小的空洞或孤立的小面积簇状区域,那么我们根据病灶本身的生长特点,需要得到合理的掩模,必须填补这些空洞,去除这些和真正掩模不相连的孤立区域。
如上述步骤S22所述,由于临床中会发现有多发病灶的情况存在,有的时候两个病灶靠的比较近,但还没有找连接起来,为防止掩模存在噪声把不该连接起来的结节连接起来,通过对第一目标超声图像先腐蚀再膨胀的图像运算,得到各个独立的结节形状,及第二目标超声图像。
如上述步骤S23所述,用基于四邻域的最大连通算法找到面积最大的连通区域,得到甲状腺结节形状的掩模。本实施例中,通过对超声图像进行处理,去除超声图像中的空洞、孤立区域、以及多发病灶,使得后续对甲状腺结节的纵横比计算更加准确。
在一实施例中,所述根据所述甲状腺结节形状的掩模提取所述甲状腺结节的轮廓的步骤S3,包括:
步骤S31,采用Sobel算子提取所述掩模的潜在边缘点;
步骤S32,以其中一个所述潜在边缘点作为起始点,采用边缘跟踪算法连接所述潜在边缘点,得到一个首尾相连的闭合曲线,作为所述甲状腺结节的轮廓。
本实施例中,如上述步骤S31所述,采用Sobel算子提取掩模的潜在边缘点,Sobel算子是一种离散型的差分算子,用来运算图像亮度函数的梯度的近似值,由于引入了类似局部平均的运算,因此对噪声具有平滑作用,能很好的消除噪声的影响,通过Sobel算子去提取掩模的潜在边缘点,能够更加准确的提取潜在边缘点。
如上述步骤S32所述,从提取的潜在边缘点中选择一个潜在边缘点作为起点,以八邻域的条件从选择的边缘点开始得到一个首尾相连的闭合曲线,矩阵f(x,y)每行对应的就是依次的每个边缘点的横坐标x和纵坐标y。
在一实施例中,所述以其中一个所述潜在边缘点作为起始点,采用边缘跟踪算法连接每个所述潜在边缘点,得到一个首尾相连的闭合曲线作为所述甲状腺结节的轮廓的步骤S42之后,还包括:
步骤S43,采用预设填充算法填充所述闭合曲线作为所述甲状腺结节的轮廓。
本实施例中,通过预设的填充算法填充闭合曲线,具体的,可通过扫描线法、种子填充法、种子栈填充法进行填充。通过填充闭合曲线,能够完全使得闭合曲线内无空洞,由此使得计算出的主轴等才能更加准确。
在一实施例中,所述根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度的步骤S4,包括:
步骤S42,根据所述质心计算所述掩模内各个点对应的协方差矩阵;
步骤S43,计算每个所述协方差矩阵的特征值和特征向量;
步骤S44,选择最大的所述特征值所对应的特征向量作为所述甲状腺结节的主轴的斜率;
步骤S45,根据所述主轴的斜率确定所述副轴的斜率;
步骤S46,根据所述主轴的斜率、所述副轴的斜率和所述质心确定所述主轴和副轴的长度。
如上述步骤S42所述,对结节形状掩模里的每一个点的坐标进行变换,减去质心坐标,即x′=x-x0,y′=y-y0,计算其对应的协方差矩阵C,其计算公式如下所示:
二维形状的协方差矩阵C是一个2×2的矩阵,C代表的是不同维度(x与y)之间的协方差。协方差大的地方即是形状变化大的地方。
如上述步骤S43-S44所述,计算每个特征矩阵所对应的特征值以及特征向量,每个特征值对应在其特征向量方向上的缩放尺度。将所述特征值进行排序,即可得出在特征向量上变化最大的方向,也就是甲状腺结节的主轴所在方向,也就是知道了主轴所在直线的斜率。
如上述步骤S45所述,甲状腺结节的副轴与主轴相垂直,因此副轴的斜率就是主轴斜率的倒数,根据主轴的斜率可确定副轴的斜率。
如上述步骤S46所述,主轴和副轴的交点就是质心。因此,主轴和副轴所在的直线都可以由经过一点也就是质心以及相应的斜率确定,主轴和副轴分别与轮廓相交,根据其各自的交点就能确定主轴和副轴这两个线段的长度。本实施例通过计算结节形状矩阵的特征向量与特征值得到对应的主轴,能够更加准确、可靠的确定主轴。
在一实施例中,所述根据所述主轴的斜率、所述副轴的斜率和所述质心确定所述主轴和副轴的长度的步骤S46,包括:
步骤S461,根据所述主轴的斜率和所述质心确定所述主轴与所述轮廓相交的交点,根据副轴的斜率和所述质心确定所述副轴与所述轮廓相交的交点;
步骤S462,根据所述主轴与所述轮廓相交的交点确定所述主轴的像素数,根据所述副轴与所述轮廓相交的交点确定所述副轴的像素数;
步骤S463,提取所述超声图像的标尺信息,根据所述主轴的像素数和所述副轴的像素数确定所述主轴和副轴的实际物理长度。
本实施例中,知道主轴的斜率以及质心,从质心沿着主轴或副轴的斜率方向向两端延伸,使其与轮廓相交,根据交点确定主轴或副轴相应的线段,从而确定主轴和副轴线段的像素数,提取超声图像的标尺信息,即超声图像中的右边的标尺提取出来,可以得到在超声图像上1cm对应多少个像素数,根据主轴和副轴的像素数以及标尺信息,就可以得到结节的主轴和副轴的实际物理长度。医生能够根据甲状腺结节的实际物理长度判断甲状腺结节的生长状况。
在一实施例中,所述根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比的步骤S5,包括:
步骤S51,计算所述主轴和副轴分别与x轴的夹角;
步骤S52,若所述夹角角度小于45度或者大于135度,所述甲状腺结节的纵横比为副轴除以主轴;
步骤S53,若所述夹角角度大于等于45度且小于等于135度,所述甲状腺结节的纵横比为主轴除以副轴。
本实施例中,计算主轴和副轴分别与x轴的夹角,例如,主轴的两个端点的坐标分别为(x1,y1)和(x2,y2),其角度计算公式为以同样的公式计算副轴与x轴的夹角,还可直接计算出主轴与x轴的夹角后,90减去x轴的夹角即为副轴与x轴的夹角。当主轴或副轴的夹角角度小于45度或者大于135度,所述甲状腺结节的纵横比为副轴除以主轴;当主轴或副轴的夹角角度大于等于45度且小于等于135度,所述甲状腺结节的纵横比为主轴除以副轴。如果纵横比大于1,那么医生在临床诊断上就会把结节的生长方式评估为高大于宽,结节的恶型可能就高;反之纵横比小于1,那么生长方式就是宽大于高,恶性可能就会下降一些。本实施例通过反三角函数计算主轴夹角,不同于医生依赖肉眼判断夹角,能够更加准确的计算出主轴夹角,进而,甲状腺结节纵横比计算更加准确。
本申请提供的甲状腺结节纵横比计算方法、装置、设备和存储介质,可应用在智能医疗领域,加快数字医疗的建设,从而推动智慧城市的建设。
本申请提供的甲状腺结节纵横比计算方法可运用在区块链领域中,将超声图像存储在区块链网络中,区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中,用户管理模块负责所有区块链参与者的身份信息管理,包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等,并且在授权的情况下,监管和审计某些真实身份的交易情况,提供风险控制的规则配置(风控审计);基础服务模块部署在所有区块链节点设备上,用来验证业务请求的有效性,并对有效请求完成共识后记录到存储上,对于一个新的业务请求,基础服务先对接口适配解析和鉴权处理(接口适配),然后通过共识算法将业务信息加密(共识管理),在加密之后完整一致的传输至共享账本上(网络通信),并进行记录存储;智能合约模块负责合约的注册发行以及合约触发和合约执行,开发人员可以通过某种编程语言定义合约逻辑,发布到区块链上(合约注册),根据合约条款的逻辑,调用密钥或者其它的事件触发执行,完成合约逻辑,同时还提供对合约升级注销的功能;运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出,例如:告警、监控网络情况、监控节点设备健康状态等。
参见图2,本申请一实施例还提供一种甲状腺结节纵横比计算装置,包括:
获取单元10,用于获取甲状腺结节的超声图像;
处理单元20,用于对所述超声图像进行处理,得到所述甲状腺结节形状的掩模;
提取单元30,用于根据所述掩模提取所述甲状腺结节的轮廓;
第一计算单元40,用于根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度;
第二计算单元50,用于根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比。
在一实施例中,所述处理单元20,包括:
去除子单元,用于去除所述超声图像中的空洞和/或孤立区域,得到第一目标超声图像;
处理子单元,用于对所述第一目标超声图像依次经过腐蚀处理和膨胀处理,得到第二目标超声图像;
掩模子单元,用于通过基于四邻域的最大连通算法在所述第二目标超声图像上找到面积最大的连通区域,得到所述甲状腺结节形状的掩模。
在一实施例中,所述提取单元30,包括:
提取子单元,用于采用Sobel算子提取所述掩模的潜在边缘点;
连接子单元,用于以其中一个所述潜在边缘点作为起始点,采用边缘跟踪算法连接所述潜在边缘点,得到一个首尾相连的闭合曲线作为所述甲状腺结节的轮廓。
在一实施例中,所述提取子单元,还包括:
填充子单元,用于采用预设填充算法填充所述闭合曲线作为所述甲状腺结节的轮廓。
在一实施例中,所述第一计算单元40,包括:
第二计算子单元,用于根据所述质心计算所述掩模内各个点对应的协方差矩阵;
第三计算子单元,用于计算每个所述协方差矩阵的特征值和特征向量;
选择子单元,用于选择最大的所述特征值所对应的特征向量作为所述甲状腺结节的主轴的斜率;
第一确定子单元,用于根据所述主轴的斜率确定所述副轴的斜率;
第二确定子单元,用于根据所述主轴的斜率、所述副轴的斜率和所述质心确定所述主轴和副轴的长度。
在一实施例中,所述第二确定子单元,包括:
第一确定模块,用于根据所述主轴的斜率和所述质心确定所述主轴与所述轮廓相交的交点,根据副轴的斜率和所述质心确定所述副轴与所述轮廓相交的交点;
第二确定模块,用于根据所述主轴与所述轮廓相交的交点确定所述主轴的像素数,根据所述副轴与所述轮廓相交的交点确定所述副轴的像素数;
提取模块,用于提取所述超声图像的标尺信息,根据所述主轴的像素数和所述副轴的像素数确定所述主轴和副轴的实际物理长度。
在一实施例中,所述第二计算单元50,包括:
第四计算子单元,用于计算所述主轴和副轴分别与x轴的夹角;
第一纵横比单元,用于若所述夹角角度小于45度或者大于135度,所述甲状腺结节的纵横比为副轴除以主轴;
第二纵横比单元,用于若所述夹角角度大于等于45度且小于等于135度,所述甲状腺结节的纵横比为主轴除以副轴。
在本实施例中,上述各个单元、子单元、模块的具体实现请参照上述方法实施例中所述,在此不再进行赘述。
参照图3,本申请实施例中还提供一种计算机设备,该计算机设备可以是服务器,其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储超声图像数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种甲状腺结节纵横比计算方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现一种甲状腺结节纵横比计算方法,具体为:
综上所述,为本申请实施例中提供的甲状腺结节纵横比计算方法、装置、设备和存储介质,获取甲状腺结节的超声图像;对所述超声图像进行处理,得到所述甲状腺结节形状的掩模;根据所述掩模提取所述甲状腺结节的轮廓;根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度;根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比。通过本申请提供的甲状腺结节纵横比计算方法、装置、设备和存储介质,能够准确提取出甲状腺结节的轮廓,再根据轮廓自动确定主轴和副轴并计算主轴和副轴的长度从而计算甲状腺结节的纵横比,全自动操作,降低临床工作量,不依赖医生手动勾选主轴位置,减少人为工作量,同时,通过人为勾选主轴的方式的操作较慢,而更快的手动操作容易引入更大的测量误差,因此,通过本实施例提供的甲状腺结节纵横比计算方法能够全自动,且更加准确、快速的计算甲状腺结节纵横比。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储与一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种甲状腺结节纵横比计算方法,其特征在于,包括以下步骤:
获取甲状腺结节的超声图像;
对所述超声图像进行处理,得到所述甲状腺结节形状的掩模;
根据所述掩模提取所述甲状腺结节的轮廓;
根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度;
根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比。
2.根据权利要求1所述的甲状腺结节纵横比计算方法,其特征在于,所述对所述超声图像进行处理,得到所述甲状腺结节形状的掩模的步骤,包括:
去除所述超声图像中的空洞和/或孤立区域,得到第一目标超声图像;
对所述第一目标超声图像依次经过腐蚀处理和膨胀处理,得到第二目标超声图像;
通过基于四邻域的最大连通算法在所述第二目标超声图像上找到面积最大的连通区域,得到所述甲状腺结节形状的掩模。
3.根据权利要求1所述的甲状腺结节纵横比计算方法,其特征在于,所述根据所述甲状腺结节形状的掩模提取所述甲状腺结节的轮廓的步骤,包括:
采用Sobel算子提取所述掩模的潜在边缘点;
以其中一个所述潜在边缘点作为起始点,采用边缘跟踪算法连接每个所述潜在边缘点,得到一个首尾相连的闭合曲线作为所述甲状腺结节的轮廓。
4.根据权利要求3所述的甲状腺结节纵横比计算方法,其特征在于,所述以其中一个所述潜在边缘点作为起始点,采用边缘跟踪算法连接每个所述潜在边缘点,得到一个首尾相连的闭合曲线作为所述甲状腺结节的轮廓的步骤之后,还包括:
采用预设填充算法填充所述闭合曲线作为所述甲状腺结节的轮廓。
6.根据权利要求5所述的甲状腺结节纵横比计算方法,其特征在于,所述根据所述主轴的斜率、所述副轴的斜率和所述质心确定所述主轴和副轴的长度的步骤,包括:
根据所述主轴的斜率和所述质心确定所述主轴与所述轮廓相交的交点,根据副轴的斜率和所述质心确定所述副轴与所述轮廓相交的交点;
根据所述主轴与所述轮廓相交的交点确定所述主轴的像素数,根据所述副轴与所述轮廓相交的交点确定所述副轴的像素数;
提取所述超声图像的标尺信息,根据所述主轴的像素数和所述副轴的像素数确定所述主轴和副轴的实际物理长度。
7.根据权利要求1所述的甲状腺结节纵横比计算方法,其特征在于,所述根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比的步骤,包括:
计算所述主轴和副轴分别与x轴的夹角;
若所述夹角角度小于45度或者大于135度,所述甲状腺结节的纵横比为副轴除以主轴;
若所述夹角角度大于等于45度且小于等于135度,所述甲状腺结节的纵横比为主轴除以副轴。
8.一种甲状腺结节纵横比计算装置,其特征在于,包括:
获取单元,用于获取甲状腺结节的超声图像;
处理单元,用于对所述超声图像进行处理,得到所述甲状腺结节形状的掩模;
提取单元,用于根据所述掩模提取所述甲状腺结节的轮廓;
第一计算单元,用于根据所述轮廓计算所述甲状腺结节的主轴和副轴的长度;
第二计算单元,用于根据所述主轴和副轴的长度计算所述甲状腺结节的纵横比。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的甲状腺结节纵横比计算方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的甲状腺结节纵横比计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011051592.1A CN112184671B (zh) | 2020-09-29 | 2020-09-29 | 甲状腺结节纵横比计算方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011051592.1A CN112184671B (zh) | 2020-09-29 | 2020-09-29 | 甲状腺结节纵横比计算方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184671A true CN112184671A (zh) | 2021-01-05 |
CN112184671B CN112184671B (zh) | 2023-12-19 |
Family
ID=73945993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011051592.1A Active CN112184671B (zh) | 2020-09-29 | 2020-09-29 | 甲状腺结节纵横比计算方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184671B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222009A (zh) * | 2021-05-10 | 2021-08-06 | 天津大学 | 一种基于甲状腺超声视频估算结节纵横比的方法 |
CN113647985A (zh) * | 2021-08-10 | 2021-11-16 | 什维新智医疗科技(上海)有限公司 | 一种结节纵横比提取装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016085236A1 (ko) * | 2014-11-25 | 2016-06-02 | 재단법인 아산사회복지재단 | 갑상선암 자동 판별 방법 및 시스템 |
CN109498061A (zh) * | 2018-12-27 | 2019-03-22 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法、装置、设备及计算机可读存储介质 |
CN110175576A (zh) * | 2019-05-29 | 2019-08-27 | 电子科技大学 | 一种结合激光点云数据的行驶车辆视觉检测方法 |
CN111553919A (zh) * | 2020-05-12 | 2020-08-18 | 上海深至信息科技有限公司 | 一种基于弹性超声成像的甲状腺结节分析系统 |
-
2020
- 2020-09-29 CN CN202011051592.1A patent/CN112184671B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016085236A1 (ko) * | 2014-11-25 | 2016-06-02 | 재단법인 아산사회복지재단 | 갑상선암 자동 판별 방법 및 시스템 |
CN109498061A (zh) * | 2018-12-27 | 2019-03-22 | 深圳开立生物医疗科技股份有限公司 | 超声图像处理方法、装置、设备及计算机可读存储介质 |
CN110175576A (zh) * | 2019-05-29 | 2019-08-27 | 电子科技大学 | 一种结合激光点云数据的行驶车辆视觉检测方法 |
CN111553919A (zh) * | 2020-05-12 | 2020-08-18 | 上海深至信息科技有限公司 | 一种基于弹性超声成像的甲状腺结节分析系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222009A (zh) * | 2021-05-10 | 2021-08-06 | 天津大学 | 一种基于甲状腺超声视频估算结节纵横比的方法 |
CN113647985A (zh) * | 2021-08-10 | 2021-11-16 | 什维新智医疗科技(上海)有限公司 | 一种结节纵横比提取装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112184671B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111862066B (zh) | 基于深度学习的脑瘤图像分割方法、装置、设备及介质 | |
US11928782B2 (en) | Method for positioning vertebra in CT image, apparatus, device, and computer readable storage medium | |
CN107665497B (zh) | 一种医学图像中计算心胸比的方法 | |
US7088850B2 (en) | Spatial-temporal lesion detection, segmentation, and diagnostic information extraction system and method | |
CN112184671A (zh) | 甲状腺结节纵横比计算方法、装置、设备和存储介质 | |
CN110866909B (zh) | 图像生成网络的训练方法、图像预测方法和计算机设备 | |
CA2525414C (en) | Optimizing image alignment | |
CN106446761B (zh) | 图案重构 | |
Allen et al. | Validity and reliability of active shape models for the estimation of Cobb angle in patients with adolescent idiopathic scoliosis | |
DE102006054822A1 (de) | Registrierung eines charakteristischen Pfads eines Kolons | |
CN104268849A (zh) | 图像核对装置以及患者定位装置 | |
US11436774B2 (en) | Pattern mapping | |
EP1551296A1 (en) | Method, code, and system for assaying joint deformity | |
CN115862821B (zh) | 基于数字孪生的智慧手术室的构建方法及相关装置 | |
CN113262070A (zh) | 基于图像识别的牙科手术设备定位方法、系统及存储介质 | |
CN110211200B (zh) | 一种基于神经网络技术的牙弓线生成方法及其系统 | |
Dornheim et al. | Automatic segmentation of the left ventricle in 3D SPECT data by registration with a dynamic anatomic model | |
CN111932538A (zh) | 分析甲状腺图谱的方法、装置、计算机设备及存储介质 | |
CN116152532A (zh) | 一种遥感影像特征提取与匹配方法、装置及电子设备 | |
CN114372970B (zh) | 一种手术参考信息生成方法及装置 | |
CN112200738A (zh) | 形状的突起识别方法、装置以及计算机设备 | |
Soutome et al. | Preliminary Shape Similarity Analysis and Standardization for Pre-Bent Rod Design for Adult Spinal Deformity Correction | |
CN112102311A (zh) | 甲状腺结节图像的处理方法、装置和计算机设备 | |
CN117982106A (zh) | 一种基于mri图像的乳腺癌化疗疗效预测系统及方法 | |
Rezk-Salama et al. | Non-linear registration of pre-and intraoperative volume data based on piecewise linear transformations |
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 |