CN112545478B - 在mri上自动分割、测量和定位乳腺肿块的系统及方法 - Google Patents
在mri上自动分割、测量和定位乳腺肿块的系统及方法 Download PDFInfo
- Publication number
- CN112545478B CN112545478B CN201910920336.2A CN201910920336A CN112545478B CN 112545478 B CN112545478 B CN 112545478B CN 201910920336 A CN201910920336 A CN 201910920336A CN 112545478 B CN112545478 B CN 112545478B
- Authority
- CN
- China
- Prior art keywords
- breast
- data
- image
- module
- cancer
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4312—Breast evaluation or disorder diagnosis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Reproductive Health (AREA)
- High Energy & Nuclear Physics (AREA)
- Gynecology & Obstetrics (AREA)
- Radiology & Medical Imaging (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供一种在MRI上自动分割、测量和定位乳腺肿块的系统,包括AI调度模块提取患者DICOM图像的头文件信息,查找DCE序列;乳腺分割模块将DCE序列的双侧乳腺腺体分割出来,分别在双侧乳腺腺体的轴位图像上、矢状位图像上和钟面图像上将双侧乳腺腺体各分割成复数块不同的分区,将每个分区设置唯一分区编号;乳腺肿块智能检出模块识别DCE序列中乳腺的所有癌灶,测量癌灶的三维径线和体积,将轴位、矢状位、钟面图像的三个分区数据中任意两个分区数据进行数据匹配即可输出癌灶位置;结构化报告模块输出癌灶体积、数量、位置。本发明还公开一种在MRI上自动分割、测量和定位乳腺肿块的方法。本发明能准确定位癌灶位置,大小,提高医生的工作效率。
Description
技术领域
本发明涉及医疗信息领域,更具体地,涉及一种在MRI上自动分割、测量和定位乳腺肿块的系统及方法。
背景技术
乳腺磁共振成像中(Magnetic Resonance Imaging,MRI)的主要任务是:1)检出肿块,测量大小、定位,确定是否可行保乳手术,并对制定手术方案提供依据。乳腺癌治疗方法多样,保乳手术和新辅助化疗等是主要的治疗方法。在行保乳术前,必须了解肿块是单发还是多发,是位于单侧乳腺还是双侧乳腺,占据几个象限,与胸大肌的关系,以确定保乳术是否可行。2)特定风险的乳腺癌高危患者的病灶筛查,引导活检。3)在新辅助化疗过程中观察肿块的体积变化,判断疗效。为了完成上述任务,要求乳腺MRI报告中准确地报告肿块的体积和位置。在现有技术中,对肿块大小的测量常常不一致,一方面由于乳腺强化结节很多,医生人工测量时常常只测量最大的一个,其他被忽略,另一方面,肿块常常是不规则形,医生人工测量只能以径线代表其体积,准确度低;更重要的是,在新辅助化疗随访过程中要行多次DCE-MRI检查,每次均要求精确测量图像中肿块体积用于判断疗效,人工测量的重复性、一致性较低。AI对MR图像中乳腺癌的自动检测有少量工作,但不能满足临床需求,既往是用常规图像处理或机器学习方法检出病灶,癌灶定位准确性欠佳,输出结果没有返回到结构化报告中,降低了影像科医生的工作效率。
发明内容
有鉴于此,本发明的主要目的在于提供一种在MRI上自动分割、测量和定位乳腺肿块的系统及方法,能够解决现有技术中存在的不能自动测量肿块大小及肿块定位信息而导致的不利于引导穿刺活检、降低医生工作效率的问题。
为达到上述目的,本发明的技术方案是这样实现的:
一方面,本发明提供了一种在MRI上自动分割、测量和定位乳腺肿块的系统,包括:AI调度模块、乳腺分割模块、乳腺肿块智能检出模块和结构化报告模块,其中,AI调度模块,分别与乳腺分割模块、乳腺肿块智能检出模块和结构化报告模块相连,用于当患者扫描完检查项目为乳腺磁共振动态增强扫描(dynamic contrast enhanced MRI,DCE MRI)的检查时,提取该DICOM图像的头文件信息,基于头文件信息,查找DCE序列图像,并将DCE序列图像发送给乳腺分割模块和乳腺肿块智能检出模块;乳腺分割模块,与AI调度模块相连,用于接收DCE序列图像,识别双侧乳腺腺体,将双侧乳腺腺体分割出来,形成双侧乳腺腺体分割数据,并分别在双侧乳腺腺体的轴位图像上、矢状位图像上和钟面图像上将双侧乳腺腺体各分割成复数块不同的分区,分别形成轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据,将每个分区设置唯一分区编号,并将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据以及分区编号发送给AI调度模块;此时,AI调度模块还用于将所述轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据以及分区编号发送给乳腺肿块智能检出模块;乳腺肿块智能检出模块,与AI调度模块相连,用于接收DCE序列图像,基于双侧乳腺腺体分割数据,识别DCE序列图像中乳腺的所有癌灶,测量每个癌灶的三维径线并自动计算癌灶体积,将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据中任意两个分区数据进行数据匹配即可输出癌灶所在的分区,并将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给AI调度模块,此时,AI调度模块还用于将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给结构化报告模块;结构化报告模块,与AI调度模块相连,用于基于分区编号,输出癌灶所在的分区,并激活该分区对应的控件。
优选地,乳腺肿块智能检出模块还包括判断单元,与AI调度模块相连,用于基于三维径线,识别所有最短径线大于等于预设阈值的癌灶,并将最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像发送给AI调度模块;此时,AI调度模块还用于将所有最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像发送给结构化报告模块。
优选地,对双侧乳腺腺体的轴位图像进行分区的规则为内侧、外侧和前部、中部、后部,在双侧乳腺腺体的轴位图像上各分为16分区;对双侧乳腺腺体的矢状位图像进行分区的规则为上部、下部和前部、中部、后部,在双侧乳腺腺体的矢状位图像上各分为16分区;对双侧乳腺腺体的钟面图像进行分区的规则为中心、中间、外周和内上、内下、外上、外下,在双侧乳腺腺体的钟面图像上各分为36分区。
优选地,结构化报告模块还包括导航图生成单元,与AI调度模块相连,用于接收所有最短径线大于等于预设阈值的癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
另一方面,本发明还提供了一种在MRI上自动分割、测量和定位乳腺肿块的方法,包括:当患者扫描完检查项目为乳腺磁共振动态增强扫描(dynamic contrast enhancedMRI,DCE MRI)的检查时,AI调度模块提取该DICOM图像的头文件信息,基于头文件信息,查找DCE序列图像,并将DCE序列图像发送给乳腺分割模块和乳腺肿块智能检出模块;乳腺分割模块识别双侧乳腺腺体,将双侧乳腺腺体分割出来,形成双侧乳腺腺体分割数据,并分别在双侧乳腺腺体的轴位图像上、矢状位图像上和钟面图像上将双侧乳腺腺体各分割成复数块不同的分区,分别形成轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据,将每个分区设置唯一分区编号,并将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据以及分区编号发送给AI调度模块;此时,AI调度模块还用于将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据以及分区编号发送给乳腺肿块智能检出模块;乳腺肿块智能检出模块接收DCE序列图像,基于双侧乳腺腺体分割数据,识别DCE序列图像中乳腺的所有癌灶,测量每个癌灶的三维径线并自动计算癌灶体积,将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据中任意两个分区数据进行数据匹配即可输出癌灶所在的分区,并将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给AI调度模块,此时,AI调度模块还用于将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给结构化报告模块;结构化报告模块基于分区编号,输出癌灶所在的分区,并激活该分区对应的控件。
优选地,该方法还包括:乳腺肿块智能检出模块中的判断单元基于三维径线,识别所有最短径线大于等于预设阈值的癌灶,并将最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像发送给AI调度模块;此时,AI调度模块还用于将所有最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像发送给结构化报告模块。
优选地,该方法还包括:对双侧乳腺腺体的轴位图像进行分区的规则为内侧、外侧和前部、中部、后部,在双侧乳腺腺体的轴位图像上各分为16分区;对双侧乳腺腺体的矢状位图像进行分区的规则为上部、下部和前部、中部、后部,在双侧乳腺腺体的矢状位图像上各分为16分区;对双侧乳腺腺体的钟面图像进行分区的规则为中心、中间、外周和内上、内下、外上、外下,在双侧乳腺腺体的钟面图像上各分为36分区。
优选地,该方法还包括:结构化报告模块中的导航图生成单元接收所有最短径线大于等于预设阈值的所述癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
本发明的技术效果:
1.由于本发明中设置了AI调度模块、乳腺分割模块、乳腺肿块智能检出模块和结构化报告模块,能够在DCE序列图像中分割出双侧乳腺腺体以及将双侧乳腺腺体的轴位图像、矢状位图像和钟面图像各分割成复数块不同的分区,乳腺肿块智能检出模块基于双侧乳腺腺体分割数据,识别DCE序列图像中乳腺的所有癌灶,测量每个癌灶的三维径线并自动计算癌灶体积;将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据中任意两个分区数据进行数据匹配即可输出癌灶所在的分区,结构化报告模块将乳腺肿块的相关数据显示在结构化报告界面,可以显示乳腺肿块的大小、定位,数量,解决了癌灶检出的重要问题,可以得到准确、一致的测量值,使得报告内容完整、准确,有利于制定治疗计划和引导活检,帮助判断保乳手术是否可行,节省了医生的标注时间,提高了工作效率;
2.由于本发明设置了判断单元,可以基于三维径线,识别所有最短径线大于等于预设阈值的癌灶,并将最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像显示到结构化报告模块的相应位置,比如将最短径线大于等于5毫米的癌灶数据返回到结构化报告模块,并将其关键图像也返回到结构化报告模块,可以在新辅助化疗过程中观察肿块的体积变化,判断疗效,使得该系统的流程更人性化;
3.由于本发明设置了导航图生成单元,可以接收所有最短径线大于等于预设阈值的癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置,使得报告更加直观,有利于影像的辅助诊断,可以用于引导穿刺和辅助保乳手术治疗决策。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了根据本发明实施例一的在MRI上自动分割、测量和定位乳腺肿块的系统结构示意图;
图2示出了根据本发明实施例一的在MRI上自动分割、测量和定位乳腺肿块的系统中结构化报告界面示意图;
图3示出了根据本发明实施例二的在MRI上自动分割、测量和定位乳腺肿块的系统结构示意图;
图4示出了根据本发明实施例三的在MRI上自动分割、测量和定位乳腺肿块的系统中在双侧乳腺腺体的轴位图像上、矢状位图像上、钟面图像上的分区示意图;
图5示出了根据本发明实施例四的在MRI上自动分割、测量和定位乳腺肿块的系统结构示意图;
图6示出了根据本发明实施例五的在MRI上自动分割、测量和定位乳腺肿块的方法的流程图;
图7示出了根据本发明实施例五的在MRI上自动分割、测量和定位乳腺肿块的方法中结构化报告界面示意图;
图8示出了根据本发明实施例五的在MRI上自动分割、测量和定位乳腺肿块的方法中在双侧乳腺腺体的轴位图像上、矢状位图像上、钟面图像上的分区示意图。
具体实施方式
下面将参考附图并结合实施例,来详细说明本发明。
实施例一
图1示出了根据本发明实施例一的在MRI上自动分割、测量和定位乳腺肿块的系统结构示意图;如图1所示,该系统包括:AI调度模块10、乳腺分割模块20、乳腺肿块智能检出模块30和结构化报告模块40,其中,
AI调度模块10,分别与乳腺分割模块20、乳腺肿块智能检出模块30和结构化报告模块40相连,用于当患者扫描完检查项目为乳腺磁共振动态增强扫描(dynamic contrastenhanced MRI,DCE MRI)的检查时,提取该DICOM图像的头文件信息,基于头文件信息,查找DCE序列图像,并将DCE序列图像发送给乳腺分割模块20和乳腺肿块智能检出模块30;
患者在有乳腺MR检查适应证时,临床医生申请乳腺MR增强检查。检查项目为:MRI乳腺增强扫描,扫描范围:乳腺。病人类型:门诊病人,住院病人穿刺活检前或穿刺活检后。
乳腺分割模块20,与AI调度模块10相连,用于接收DCE序列图像,识别双侧乳腺腺体,将双侧乳腺腺体分割出来,形成双侧乳腺腺体分割数据,并分别在双侧乳腺腺体的轴位图像上、矢状位图像上和钟面图像上将双侧乳腺腺体各分割成复数块不同的分区,分别形成轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据,将每个分区设置唯一分区编号,并将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据以及分区编号发送给AI调度模块10;此时,
AI调度模块10还用于将所述轴位图像分区数据、矢状位图像分区数据、钟面图像分区
AI调度模块10还用于将所有最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像发送给结构化报告模块40。
其中,预设阈值一般为5毫米,乳腺肿块智能检出模块30将最短径线大于等于5毫米的癌灶检出,将所有大于等于5毫米的癌灶数据以及该癌灶对应的图像作为关键图像返回到结构化报告模块40中。
本发明的实施例设置了判断单元,可以基于三维径线,识别所有最短径线大于等于预设阈值的癌灶,并将最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像显示到结构化报告模块的相应位置,比如将最短径线大于等于5毫米的癌灶数据返回到结构化报告模块,并将其关键图像也返回到结构化报告模块,可以在新辅助化疗过程中观察肿块的体积变化,判断疗效,使得该系统的流程更人性化。
实施例三
图4示出了根据本发明实施例三的在MRI上自动分割、测量和定位乳腺肿块的系统中在双侧乳腺腺体的轴位图像上、矢状位图像上、钟面图像上的分区示意图;如图4所示,对双侧乳腺腺体的轴位图像进行分区的规则为内侧、外侧和前部、中部、后部,在双侧乳腺腺体的轴位图像上各分为16分区;对双侧乳腺腺体的矢状位图像进行分区的规则为上部、下部和前部、中部、后部,在双侧乳腺腺体的矢状位图像上各分为16分区;对双侧乳腺腺体的钟面图像进行分区的规则为中心、中间、外周和内上、内下、外上、外下,在双侧乳腺腺体的钟面图像上各分为36分区。
1-16分区为右侧乳腺轴位图像,1-4分区为前部、5-10分区为中部、11-16分区为后部;
17-32分区为左侧乳腺轴位图像,17-20分区为前部、21-26分区为中部、27-32分区为后部;
33-48分区为右侧乳腺矢状位图像,33-36分区为前部、37-42分区为中部、43-48分区为后部;
49-64分区为左侧乳腺矢状位图像,49-52分区为前部、53-58分区为中部、59-64分区为后部;
65-100分区为右侧乳腺钟面图像,65-76分区为中心、77-88分区为中间、89-100分区为外周;
101-136分区为左侧乳腺钟面图像,101-112分区为中心、113-124分区为中间、125-136分区为外周。
将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据中任意两个分区数据进行数据匹配即可输出癌灶所在的分区,例如,在轴位图像分区编号为2的分区和在矢状位图像分区编号为34的分区可以共同确定一个病灶的精确位置,为右乳外上象限中心区,在钟面图像上映射为分区编号74、75、76分区。
实施例四
图5示出了根据本发明实施例四的在MRI上自动分割、测量和定位乳腺肿块的系统结构示意图;如图5所示,结构化报告模块40还包括导航图生成单元402,与AI调度模块10相连,用于接收所有最短径线大于等于预设阈值的癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
本发明的实施例设置了导航图生成单元,可以接收所有最短径线大于等于预设阈值的癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置,使得报告更加直观,有利于影像的辅助诊断,可以用于引导穿刺和辅助保乳手术治疗决策。
实施例五
图6示出了根据本发明实施例五的在MRI上自动分割、测量和定位乳腺肿块的方法的流程图;如图6所示,该方法包括以下步骤:
步骤S501,当患者扫描完检查项目为乳腺磁共振动态增强扫描(dynamiccontrast enhanced MRI,DCE MRI)的检查时,AI调度模块提取该DICOM图像的头文件信息,基于头文件信息,查找DCE序列图像,并将DCE序列图像发送给乳腺分割模块和乳腺肿块智能检出模块;
患者在有乳腺MR检查适应证时,临床医生申请乳腺MR增强检查。检查项目为:MRI乳腺增强扫描,扫描范围:乳腺。病人类型:门诊病人,住院病人穿刺活检前或穿刺活检后。
步骤S502,乳腺分割模块识别双侧乳腺腺体,将双侧乳腺腺体分割出来,形成双侧乳腺腺体分割数据,并分别在双侧乳腺腺体的轴位图像上、矢状位图像上和钟面图像上将双侧乳腺腺体各分割成复数块不同的分区,分别形成轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据,将每个分区设置唯一分区编号,并将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据以及分区编号发送给AI调度模块;此时,
AI调度模块还用于将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据以及分区编号发送给乳腺肿块智能检出模块;
乳腺分割模块20对DCE序列图像的第3个期相进行分割。
步骤S503,乳腺肿块智能检出模块接收DCE序列图像,基于双侧乳腺腺体分割数据,识别DCE序列图像中乳腺的所有癌灶,测量每个癌灶的三维径线并自动计算癌灶体积,将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据中任意两个分区数据进行数据匹配即可输出癌灶所在的分区,并将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给AI调度模块,此时,
AI调度模块还用于将每个癌灶所对应的分区编号、每个癌灶的三维径线和每个癌灶体积发送给结构化报告模块。
步骤S504,结构化报告模块基于分区编号,输出癌灶所在的分区,并激活该分区对应的控件。
图7示出了根据本发明实施例五的在MRI上自动分割、测量和定位乳腺肿块的方法中结构化报告界面示意图,如图7所示,该结构化报告界面显示了癌灶在右乳外上象限,显示了癌灶的三维径线及分区示意图,该病灶在右乳外上限中间区。
其中,该方法还包括:乳腺肿块智能检出模块中的判断单元基于三维径线,识别所有最短径线大于等于预设阈值的癌灶,并将最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像发送给AI调度模块;此时,
AI调度模块还用于将所有最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像发送给结构化报告模块。
其中,预设阈值一般为5毫米,乳腺肿块智能检出模块30将最短径线大于等于5毫米的癌灶检出,将所有大于等于5毫米的癌灶数据以及该癌灶对应的图像作为关键图像返回到结构化报告模块40中。
图8示出了根据本发明实施例五的在MRI上自动分割、测量和定位乳腺肿块的方法中在双侧乳腺腺体的轴位图像上、矢状位图像上、钟面图像上的分区示意图;如图8所示,该方法还包括:对双侧乳腺腺体的轴位图像进行分区的规则为内侧、外侧和前部、中部、后部,在双侧乳腺腺体的轴位图像上各分为16分区;对双侧乳腺腺体的矢状位图像进行分区的规则为上部、下部和前部、中部、后部,在双侧乳腺腺体的矢状位图像上各分为16分区;对双侧乳腺腺体的钟面图像进行分区的规则为中心、中间、外周和内上、内下、外上、外下,在双侧乳腺腺体的钟面图像上各分为36分区。
1-16分区为右侧乳腺轴位图像,1-4分区为前部、5-10分区为中部、11-16分区为后部;
17-32分区为左侧乳腺轴位图像,17-20分区为前部、21-26分区为中部、27-32分区为后部;
33-48分区为右侧乳腺矢状位图像,33-36分区为前部、37-42分区为中部、43-48分区为后部;
49-64分区为左侧乳腺矢状位图像,49-52分区为前部、53-58分区为中部、59-64分区为后部;
65-100分区为右侧乳腺钟面图像,65-76分区为中心、77-88分区为中间、89-100分区为外周;
101-136分区为左侧乳腺钟面图像,101-112分区为中心、113-124分区为中间、125-136分区为外周。
将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据中任意两个分区数据进行数据匹配即可输出癌灶所在的分区,例如,在轴位图像分区编号为2的分区和在矢状位图像分区编号为34的分区可以共同确定一个病灶的精确位置,为右乳外上象限中心区,在钟面图像上映射为分区编号74、75、76分区。
其中,该方法还包括:结构化报告模块中的导航图生成单元接收所有最短径线大于等于预设阈值的所述癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
本发明实施例中的AI调度模块、乳腺分割模块、乳腺肿块智能检出模块和结构化报告模块,能够在DCE序列图像中分割出双侧乳腺腺体以及将双侧乳腺腺体的轴位图像、矢状位图像和钟面图像各分割成复数块不同的分区,乳腺肿块智能检出模块基于双侧乳腺腺体分割数据,识别DCE序列图像中乳腺的所有癌灶,测量每个癌灶的三维径线并自动计算癌灶体积;将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据中任意两个分区数据进行数据匹配即可输出癌灶所在的分区,结构化报告模块将乳腺肿块的相关数据显示在结构化报告界面,可以显示乳腺肿块的大小、定位,数量,解决了癌灶检出的重要问题,可以得到准确、一致的测量值,使得报告内容完整、准确,有利于制定治疗计划和引导活检,可以准确判断保乳手术是否可行,节省了医生的标注时间,提高了工作效率;由于本发明实施例中的判断单元,可以基于三维径线,识别所有最短径线大于等于预设阈值的癌灶,并将最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像显示到结构化报告模块的相应位置,比如将最短径线大于等于5毫米的癌灶数据返回到结构化报告模块,并将其关键图像也返回到结构化报告模块,可以在新辅助化疗过程中观察肿块的体积变化,判断疗效,使得该系统的流程更人性化;由于本发明实施例中的导航图生成单元,可以接收所有最短径线大于等于预设阈值的癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置,使得报告更加直观,有利于影像的辅助诊断,可以用于引导穿刺和辅助保乳手术治疗决策。
从以上描述中,可以看出,本发明的上述实施例实现了如下技术效果:由于本发明实施例设置了AI调度模块、乳腺分割模块、乳腺肿块智能检出模块和结构化报告模块,能够在DCE序列图像中分割出双侧乳腺腺体以及将双侧乳腺腺体的轴位图像、矢状位图像和钟面图像各分割成复数块不同的分区,乳腺肿块智能检出模块基于双侧乳腺腺体分割数据,识别DCE序列图像中乳腺的所有癌灶,测量每个癌灶的三维径线并自动计算癌灶体积;将轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据中任意两个分区数据进行数据匹配即可输出癌灶所在的分区,结构化报告模块将乳腺肿块的相关数据显示在结构化报告界面,可以显示乳腺肿块的大小、定位,数量,解决了癌灶检出的重要问题,可以得到准确、一致的测量值,使得报告内容完整、准确,有利于制定治疗计划和引导活检,可以准确判断保乳手术是否可行,节省了医生的标注时间,提高了工作效率;由于本发明实施例设置了判断单元,可以基于三维径线,识别所有最短径线大于等于预设阈值的癌灶,并将最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像显示到结构化报告模块的相应位置,比如将最短径线大于等于5毫米的癌灶数据返回到结构化报告模块,并将其关键图像也返回到结构化报告模块,可以在新辅助化疗过程中观察肿块的体积变化,判断疗效,使得该系统的流程更人性化;由于本发明实施例设置了导航图生成单元,可以接收所有最短径线大于等于预设阈值的癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置,使得报告更加直观,有利于影像的辅助诊断,可以用于引导穿刺和辅助保乳手术治疗决策。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种在MRI上自动分割、测量和定位乳腺肿块的系统,其特征在于,包括:AI调度模块、乳腺分割模块、乳腺肿块智能检出模块和结构化报告模块,其中,
所述AI调度模块,分别与所述乳腺分割模块、所述乳腺肿块智能检出模块和所述结构化报告模块相连,用于当患者扫描完检查项目为乳腺磁共振动态增强扫描(dynamiccontrast enhanced MRI,DCE MRI)的检查时,提取DICOM图像的头文件信息,基于所述头文件信息,查找DCE序列图像,并将所述DCE序列图像发送给所述乳腺分割模块和所述乳腺肿块智能检出模块;
所述乳腺分割模块,与所述AI调度模块相连,用于接收所述DCE序列图像,识别双侧乳腺腺体,将所述双侧乳腺腺体分割出来,形成双侧乳腺腺体分割数据,并分别在所述双侧乳腺腺体的轴位图像上、矢状位图像上和钟面图像上将所述双侧乳腺腺体各分割成复数块不同的分区,分别形成轴位图像分区数据、矢状位图像分区数据、钟面图像分区数据,将每个所述分区设置唯一分区编号,并将所述轴位图像分区数据、所述矢状位图像分区数据、所述钟面图像分区数据以及所述分区编号发送给所述AI调度模块;此时,所述AI调度模块还用于将所述轴位图像分区数据、所述矢状位图像分区数据、所述钟面图像分区数据以及所述分区编号发送给所述乳腺肿块智能检出模块;
所述乳腺肿块智能检出模块,与所述AI调度模块相连,用于接收所述DCE序列图像,基于所述双侧乳腺腺体分割数据,识别所述DCE序列图像中乳腺的所有癌灶,测量每个所述癌灶的三维径线并自动计算癌灶体积,将所述轴位图像分区数据、所述矢状位图像分区数据、所述钟面图像分区数据中任意两个分区数据进行数据匹配即可输出所述癌灶所在的分区,并将每个所述癌灶所对应的分区编号、每个所述癌灶的三维径线和每个所述癌灶体积发送给所述AI调度模块,此时,所述AI调度模块还用于将每个所述癌灶所对应的分区编号、每个所述癌灶的三维径线和每个所述癌灶体积发送给所述结构化报告模块;
所述结构化报告模块,与所述AI调度模块相连,用于基于所述分区编号,输出所述癌灶所在的分区,并激活该分区对应的控件。
2.根据权利要求1所述的在MRI上自动分割、测量和定位乳腺肿块的系统,其特征在于,所述乳腺肿块智能检出模块还包括判断单元,与所述AI调度模块相连,用于基于所述三维径线,识别所有最短径线大于等于预设阈值的所述癌灶,并将所述最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像发送给所述AI调度模块;此时,所述AI调度模块还用于将所有所述最短径线大于等于预设阈值的癌灶数据以及该癌灶对应的图像作为关键图像发送给所述结构化报告模块。
3.根据权利要求1所述的在MRI上自动分割、测量和定位乳腺肿块的系统,其特征在于,对所述双侧乳腺腺体的轴位图像进行分区的规则为内侧、外侧和前部、中部、后部,在所述双侧乳腺腺体的轴位图像上各分为16分区;对所述双侧乳腺腺体的矢状位图像进行分区的规则为上部、下部和前部、中部、后部,在所述双侧乳腺腺体的矢状位图像上各分为16分区;对所述双侧乳腺腺体的钟面图像进行分区的规则为中心、中间、外周和内上、内下、外上、外下,在所述双侧乳腺腺体的钟面图像上各分为36分区。
4.根据权利要求2所述的在MRI上自动分割、测量和定位乳腺肿块的系统,其特征在于,所述结构化报告模块还包括导航图生成单元,与所述AI调度模块相连,用于接收所有所述最短径线大于等于预设阈值的所述癌灶数据,自动在导航图上标注癌灶的位置,并将标注后的导航图显示在结构化报告界面的相应位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910920336.2A CN112545478B (zh) | 2019-09-26 | 2019-09-26 | 在mri上自动分割、测量和定位乳腺肿块的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910920336.2A CN112545478B (zh) | 2019-09-26 | 2019-09-26 | 在mri上自动分割、测量和定位乳腺肿块的系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112545478A CN112545478A (zh) | 2021-03-26 |
CN112545478B true CN112545478B (zh) | 2022-07-15 |
Family
ID=75030116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910920336.2A Active CN112545478B (zh) | 2019-09-26 | 2019-09-26 | 在mri上自动分割、测量和定位乳腺肿块的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112545478B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
CN108596894A (zh) * | 2018-04-25 | 2018-09-28 | 王成彦 | 一种用于多参数磁共振影像的前列腺自动分区方法 |
CN109009110A (zh) * | 2018-06-26 | 2018-12-18 | 东北大学 | 基于mri影像的腋窝淋巴结转移预测系统 |
CN110211098A (zh) * | 2019-05-17 | 2019-09-06 | 江门市中心医院 | 一种结合mrf能量和模糊速度的乳腺癌图像分割方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8417005B1 (en) * | 2011-09-15 | 2013-04-09 | Sunnybrook Health Sciences Centre | Method for automatic three-dimensional segmentation of magnetic resonance images |
-
2019
- 2019-09-26 CN CN201910920336.2A patent/CN112545478B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
CN108596894A (zh) * | 2018-04-25 | 2018-09-28 | 王成彦 | 一种用于多参数磁共振影像的前列腺自动分区方法 |
CN109009110A (zh) * | 2018-06-26 | 2018-12-18 | 东北大学 | 基于mri影像的腋窝淋巴结转移预测系统 |
CN110211098A (zh) * | 2019-05-17 | 2019-09-06 | 江门市中心医院 | 一种结合mrf能量和模糊速度的乳腺癌图像分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112545478A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10460838B2 (en) | Automated anatomically-based reporting of medical images via image annotation | |
US8942460B2 (en) | Medical image processing apparatus that normalizes a distance between an inner wall and outer wall of the myocardial region | |
US9218661B2 (en) | Image analysis for specific objects | |
US9129362B2 (en) | Semantic navigation and lesion mapping from digital breast tomosynthesis | |
CN112263236B (zh) | 全身肿瘤mri智能化评估系统及方法 | |
US10318839B2 (en) | Method for automatic detection of anatomical landmarks in volumetric data | |
CN103649961B (zh) | 对图像数据中的发现的解剖学标记的方法 | |
US9373181B2 (en) | System and method for enhanced viewing of rib metastasis | |
US20180055468A1 (en) | Tracking anatomical findings within medical images | |
CN104586418B (zh) | 医用图像数据处理装置和医用图像数据处理方法 | |
KR20140055152A (ko) | 병변 진단 보조 장치 및 방법 | |
CN110335235B (zh) | 心脏医学图像的处理装置、处理系统和介质 | |
US20130257910A1 (en) | Apparatus and method for lesion diagnosis | |
CN110335236B (zh) | 心脏医学图像的处理方法、处理装置、处理系统和介质 | |
CN111916186A (zh) | 序贯型ai诊断模型对胸部x线智能诊断系统及方法 | |
CN102395320A (zh) | 医疗设备以及医疗设备的控制方法 | |
CN111161241A (zh) | 一种肝脏图像识别方法、电子设备及存储介质 | |
US20190266722A1 (en) | Learning data creation support apparatus, learning data creation support method, and learning data creation support program | |
US20220335599A1 (en) | Medical image-based tumor detection and diagnostic device | |
CN111445983A (zh) | 用于乳腺扫描的医疗信息处理方法、系统及存储介质 | |
US10864043B2 (en) | Interactive placement of a 3D digital representation of a surgical device or anatomic feature into a 3D radiologic image for pre-operative planning | |
CN112545478B (zh) | 在mri上自动分割、测量和定位乳腺肿块的系统及方法 | |
US20200258239A1 (en) | Automated implant movement analysis systems and related methods | |
CN106204623A (zh) | 多对比度图像同步显示和定位标定的方法及装置 | |
Miao et al. | CoWRadar: Visual Quantification of the Circle of Willis in Stroke Patients. |
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 |