CN112884785A - 多斜位乳腺x线图像背景自动去除方法、装置及介质 - Google Patents
多斜位乳腺x线图像背景自动去除方法、装置及介质 Download PDFInfo
- Publication number
- CN112884785A CN112884785A CN202110282252.8A CN202110282252A CN112884785A CN 112884785 A CN112884785 A CN 112884785A CN 202110282252 A CN202110282252 A CN 202110282252A CN 112884785 A CN112884785 A CN 112884785A
- Authority
- CN
- China
- Prior art keywords
- image
- background
- mammary
- oblique
- region
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 210000005075 mammary gland Anatomy 0.000 claims abstract description 60
- 230000011218 segmentation Effects 0.000 claims description 10
- 210000000481 breast Anatomy 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000295 complement effect Effects 0.000 claims description 2
- 238000005530 etching Methods 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 5
- 238000012545 processing Methods 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 229910052750 molybdenum Inorganic materials 0.000 description 2
- 239000011733 molybdenum Substances 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000002976 pectoralis muscle Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种多斜位乳腺X线图像背景自动去除方法、装置及介质，包括获得初始背景和初始前景步骤、获得完整的前景区域信息步骤、去除噪声步骤、获取连通域步骤、保留最大连通域步骤、存储空间降维以及图像背景去除步骤，将上述图像与原始图像进行图像叉乘操作，从而在保留乳腺区域全信息情况下，实现多斜位X线图像背景的自动去除。本发明降低了乳腺X线图像中无诊断信息背景的灰度分辨率，提高图像传输效率和图像处理效率；可以实现多斜位乳腺X线图像中具有位置、形态、大小差异的乳腺区域自动分割。
Description
技术领域
本发明专利涉及X线图像处理领域，特别涉及一种多斜位的乳腺X线图像中标签和背景自动去除的图像处理方法。
背景技术
乳腺X线检测技术具有高精度、低成本和高可靠性的特点，因而被广泛应用于乳腺癌普查和相关乳腺病变诊断临床工作。随着人工智能和深度学习相关技术在图像检测领域的不断发展，基于海量的医学影像数据，将深度学习运用于乳腺x线图像恶性肿瘤辅助筛查和诊断将成为医学图像处理领域的一项研究热点。乳腺X线图像智能解译不仅可以降低放射科医生的日常工作压力，减少不必要的侵入式检测，而且可以大大提高检测准确性，提升经验不足的影像医生的诊断准确率及诊断效率有更显著的帮助。然而，乳腺X线图像中存在大量干扰信息，如信息标注和高灰度分辨率背景，乳腺区域一般仅占X线图像的1/3，这使得深度模型训练了大量无用信息，导致训练速度降低，且对后续病变部位特征提取造成干扰；同时，由于采用图像平滑图像处理方法，导致乳腺区域图像信息发生改变，将影响后续模式判别；再次，每位患者一般需要拍摄四张体位不同的乳腺X线图像，即LCC、RCC、LMLO、RMLO，背景去除算法应当四张图像中乳腺的位置、大小和形态存在差异，从而保证算法的普适性。因此，保证乳腺区域有效信息情况下，多斜位乳腺X线图像背景自动去除技术可降低图像信息处理数据量、提高图像存储、传输和信息处理速度，尤其对于需要海量图像训练的深度学习具有重要意义，将有助于提高未来乳腺X线图像智能解译的解译速度和解译准确性。
经检索，专利CN109801285A、CN109785320A公开了基于深度学习的乳腺X线图像分类方法，但这些分类方法未考虑图像背景对训练结果可能造成的影响；为了改善图像清晰度，专利CN109377461A、CN107133933B、CN101664316A、CN104616255A、CN104952044A、CN102142133A提出了乳腺X线图像的图像增强方法；专利CN101609558A提出了一种乳腺钼靶X线图像未曝光区域剥离的方法；专利CN103700085A提出了一种乳腺光图像中胸肌区域的分割方法，该方法全局阈值分割没有考虑实际图像中的噪声干扰；专利CN102956035A提出了一种乳腺X线图像乳腺区域提取方法及系统，该方法注重乳腺轮廓线获取，且没有考虑实际图像中的噪声干扰；专利CN101667297A提出了一种乳腺钼靶X图像中的乳腺区域提取方法，该方法对全图滤波会导致乳腺区域被平滑而不能准确获取病灶信息。因此，目前尚没有保留乳腺区域全信息情况下，同时考虑乳腺多斜位X线图像中乳腺形态、大小和位置差异，对背景自适应去除的图像处理方法技术公开。
发明内容
1、本发明的目的
本发明解决的问题是提供一种多斜位乳腺线图像的背景自动去除方法，以解决在保证不同体位拍摄的乳腺区域信息完整保留情况下，无诊断信息的图像标签、背景自动去除问题。
2、本发明所采用的技术方案
考虑图像中背景区域和乳腺区域的灰度差异，且各斜位的乳腺X线图像具有相同的成像特点，先利用全局阈值分割方法(Digital Database for Screening Mammography)DDSM数据库中各斜位图像进行预分割，并对图像二值化，获得初始背景和初始前景；
考虑前景中噪声引起的乳腺区域信息缺失，查找前景中8—连通边界，并采用区域填充算法填充这些边界所包围的背景区域，从而获得完整的前景区域信息；
采用形态学开操作，平滑乳腺区域轮廓并去除当前图像背景中的噪声信息；
采用8-邻域连接，获取上一步图像中的连通域并计算各个连通域的重心坐标和连通域面积；
考虑多斜位乳腺区域灰度均值高于背景区域灰度均值，同时乳腺区域面积远大于标签区域，对上一步获得的前景区域进行面积筛选，将面积最大的连通域设为前景(灰度值设为1)，其余部分作为背景(灰度值设为0)，从而达到去除背景区域中标签的目的；
将上述图像与原始图像进行图像叉乘操作，从而在保留乳腺区域全信息情况下，实现多斜位X线图像背景的自动去除。
3、本发明所采用的有益效果
(1)本发明降低了乳腺X线图像中无诊断信息背景的灰度分辨率(背景区域的每个像素数据存储空间从216变为21)，可大大降低乳腺X线图像存储量和信息存储量，从而提高图像传输效率和图像处理效率；
(2)本发明先利用乳腺区域与背景区域灰度差异预分割乳腺X线图像，然后对乳腺区域和背景区域分开处理，既可以剔除背景中的标签和噪声，又可以保留完整的乳腺区域信息；
(3)本发明通过同时提取乳腺区域的灰度和面积特征，可以实现多斜位乳腺X线图像中具有位置、形态、大小差异的乳腺区域自动分割。
附图说明
图1为本发明专利的图像处理算法流程图；
图2为同一位病人的各斜位乳腺X线原始图像示例图；
图3为图2中各斜位乳腺X线原始图像对应的直方图；
图4为图2对应的背景自动去除后的各斜位乳腺X线图像效果图。
具体实施方式
下面结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地描述，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。基于本发明的实施例，本领域技术人员在没有做创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
下面将结合附图对本发明实例作进一步地详细描述。
实施例1
以下结合附图介绍本发明详细技术方案：如图1所示，一种保留乳腺区域全部信息，自动去除多斜位乳腺X线图像背景的图像处理方法，主要包括以下步骤：
步骤1获取DDSM数据库中图像像素深度为16位的多斜位乳腺X线图像，分别为RCC、LCC、RMLO、LMLO，图片的存储量大小分别为18.9MB、18.7MB、20.1MB、17.8MB，如图2所示，记为图像F＝(f(x,y))，式中x,y分别为像素在图像中的空间坐标，f(x，y)为像素在空间坐标(x,y)处的灰度值；
步骤2计算多斜位乳腺X线图像F的直方图，如图3所示，根据直方图，设置阈值T∈[3500,5000]，运用阈值分割算法对获得的原始乳腺X线图像F进行预分割，将大于阈值的像素的灰度值设为1(即为前景)，将小于阈值的像素的灰度值设为0(即为背景)，得到预分割后的二值图像H＝(h(x,y))，式中
步骤3查找预分割后得到的二值图像H中的前景区域的边界C＝H-(HΘB1)，式中，B1为由灰度值为1的3×3矩形结构元素，Θ为形态学腐蚀操作，并对这些8-连通边界进行孔洞填充，即
式中，T0为孔洞中的任意一像素点，Cc为边界C的补集，迭代循环上述步骤，直到Tk＝Tk-1，得到图像I，从而填补了乳腺区域由于图像噪声导致缺失的信息，获得了完整的乳腺区域；
步骤4利用形态学开操作，即
式中，B2为灰度值为1的矩形结构元素，
为形态学膨胀操作，以去除背景区域的噪声，并平滑乳腺区域的边缘，从而既剔除了背景中噪声，又保留了乳腺区域的全部信息；
步骤5采用8-邻域连接，获取图像J中的连通域Mn,n＝1,2,...N，式中，N为J中连通域个数；
步骤6保留面积最大的连通域Mp,p∈1,2,...N，将其灰度值设为1，并获取该连通域的像素个数，记为该连通域面积SMp，将该连通域所有像素坐标的平均值作为该连通域的重心，记为OMp，从而自动获取了乳腺区域在X线图像中的位置；
步骤7将其他连通域中的像素灰度值设为0，当前图像记为K，此步骤实现了背景区域内标签的自动去除，以及背景区域像素存储空间降维(每个像素的存储空间由216变为21)，可大大节约了乳腺X线的存储空间；
步骤8将图像K与乳腺X线图像原图F进行图像叉乘计算，获取图像L,如图4所示，各斜位乳腺X线图像，即RCC、LCC、RMLO、LMLO的存储量大小分别降为6.25MB、8.37MB、9.08MB、9.55MB，保留图像乳腺区域全信息的情况下，实现了多斜位乳腺X线图像背景自动去除。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (8)
1.一种多斜位乳腺X线图像背景自动去除方法，其特征在于：
获得初始背景和初始前景步骤，先利用全局阈值分割方法DDSM数据库中各斜位图像进行预分割，并对图像二值化；
获得完整的前景区域信息步骤，查找前景中8—连通边界，并采用区域填充算法填充这些边界所包围的背景区域；
去除噪声步骤，采用形态学开操作，平滑乳腺区域轮廓并去除当前图像背景中的噪声信息；
获取连通域步骤，采用8-邻域连接，获取上一步图像中的连通域并计算各个连通域的重心坐标和连通域面积；
保留最大连通域步骤，对上一步获得的前景区域进行面积筛选，将面积最大的连通域设为前景，其余部分作为背景，从而达到去除背景区域中标签的目的；
存储空间降维以及图像背景去除步骤，将上述图像与原始图像进行图像叉乘操作，从而在保留乳腺区域全信息情况下，实现多斜位X线图像背景的自动去除。
2.根据权利要求1所述的多斜位乳腺X线图像背景自动去除方法，其特征在于，所述的获得初始背景和初始前景：
获取DDSM数据库中图像像素深度为n位的多斜位乳腺X线图像，分别为RCC、LCC、RMLO、LMLO，记为图像F＝(f(x,y))，式中x,y分别为像素在图像中的空间坐标，f(x,y)为像素在空间坐标(x,y)处的灰度值；
计算多斜位乳腺X线图像F的直方图，根据直方图，设置阈值T，运用阈值分割算法对获得的原始乳腺X线图像F进行预分割，将大于阈值的像素的灰度值设前景，将小于阈值的像素的灰度值设为背景，得到预分割后的二值图像H＝(h(x,y))，式中
3.根据权利要求1所述的多斜位乳腺X线图像背景自动去除方法，其特征在于，所述的获得完整的前景区域信息步骤：
查找预分割后得到的二值图像H中的前景区域的边界C＝H-(HΘB1)，式中，B1为由灰度值为1的3×3矩形结构元素，Θ为形态学腐蚀操作，并对这些8-连通边界进行孔洞填充，即
式中，T0为孔洞中的任意一像素点，Cc为边界C的补集，迭代循环上述步骤，直到Tk＝Tk-1，得到图像I，从而填补了乳腺区域由于图像噪声导致缺失的信息，获得乳腺区域。
4.根据权利要求1所述的多斜位乳腺X线图像背景自动去除方法，其特征在于，所述的去除噪声步骤，利用形态学开操作去除背景区域的噪声，并平滑乳腺区域的边缘，将当前图像记为J。
5.根据权利要求1所述的多斜位乳腺X线图像背景自动去除方法，其特征在于，保留最大连通域Mp步骤：将其灰度值设为1，并获取该连通域的面积记为SMp，该连通域重心的空间坐标OMp。
6.根据权利要求1所述的多斜位乳腺X线图像背景自动去除方法，其特征在于，存储空间降维以及图像背景去除步骤：
将其他连通域中的像素灰度值设为0，当前图像记为K，此步骤实现了背景区域内标签的自动去除，以及背景区域像素存储空间降维；
将图像K与乳腺X线图像原图F进行图像叉乘计算，获取图像L，各斜位乳腺X线图像，保留图像乳腺区域全信息的情况下，实现了多斜位乳腺X线图像背景自动去除。
7.一种多斜位乳腺X线图像背景自动去除装置，包括存储器和处理器，存储器存储有计算机程序，其特征在于；所述处理器执行所述计算机程序时实现如权利要求1-6任一所述的方法步骤。
8.一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：所述的计算机程序被处理器执行时实现如权利要求1-6任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110282252.8A CN112884785B (zh) | 2021-03-16 | 2021-03-16 | 多斜位乳腺x线图像背景自动去除方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110282252.8A CN112884785B (zh) | 2021-03-16 | 2021-03-16 | 多斜位乳腺x线图像背景自动去除方法、装置及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112884785A true CN112884785A (zh) | 2021-06-01 |
| CN112884785B CN112884785B (zh) | 2022-03-25 |
Family
ID=76042679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110282252.8A Active CN112884785B (zh) | 2021-03-16 | 2021-03-16 | 多斜位乳腺x线图像背景自动去除方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112884785B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114862897A (zh) * | 2022-04-24 | 2022-08-05 | 北京百度网讯科技有限公司 | 一种图像背景处理方法、装置及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1104916A1 (de) * | 1999-12-04 | 2001-06-06 | Luratech Gesellschaft für Luft-und Raumfahrt-Technologie & Multimedia mbH | Verfahren zur Kompression von gescannten Farb- und/oder Graustufendokumenten |
| CN101667297A (zh) * | 2009-09-07 | 2010-03-10 | 宁波大学 | 一种乳腺钼靶x线图像中的乳腺区域提取方法 |
| CN102956035A (zh) * | 2011-08-25 | 2013-03-06 | 深圳市蓝韵实业有限公司 | 用于乳腺x线图像中提取乳腺区域的预处理方法及系统 |
| CN104599270A (zh) * | 2015-01-18 | 2015-05-06 | 北京工业大学 | 一种基于改进水平集算法的乳腺肿瘤超声图像分割方法 |
| CN108323389A (zh) * | 2018-01-18 | 2018-07-27 | 华南农业大学 | 水稻插秧机的插秧秧苗株距与穴秧苗数的检测方法和装置 |
| US20190206052A1 (en) * | 2017-12-29 | 2019-07-04 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Carpal segmentation and recognition method and system, terminal and readable storage medium |
| CN110136142A (zh) * | 2019-04-26 | 2019-08-16 | 微梦创科网络科技（中国）有限公司 | 一种图像裁剪方法、装置、电子设备 |
-
2021
- 2021-03-16 CN CN202110282252.8A patent/CN112884785B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1104916A1 (de) * | 1999-12-04 | 2001-06-06 | Luratech Gesellschaft für Luft-und Raumfahrt-Technologie & Multimedia mbH | Verfahren zur Kompression von gescannten Farb- und/oder Graustufendokumenten |
| CN101667297A (zh) * | 2009-09-07 | 2010-03-10 | 宁波大学 | 一种乳腺钼靶x线图像中的乳腺区域提取方法 |
| CN102956035A (zh) * | 2011-08-25 | 2013-03-06 | 深圳市蓝韵实业有限公司 | 用于乳腺x线图像中提取乳腺区域的预处理方法及系统 |
| CN104599270A (zh) * | 2015-01-18 | 2015-05-06 | 北京工业大学 | 一种基于改进水平集算法的乳腺肿瘤超声图像分割方法 |
| US20190206052A1 (en) * | 2017-12-29 | 2019-07-04 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Carpal segmentation and recognition method and system, terminal and readable storage medium |
| CN108323389A (zh) * | 2018-01-18 | 2018-07-27 | 华南农业大学 | 水稻插秧机的插秧秧苗株距与穴秧苗数的检测方法和装置 |
| CN110136142A (zh) * | 2019-04-26 | 2019-08-16 | 微梦创科网络科技（中国）有限公司 | 一种图像裁剪方法、装置、电子设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114862897A (zh) * | 2022-04-24 | 2022-08-05 | 北京百度网讯科技有限公司 | 一种图像背景处理方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112884785B (zh) | 2022-03-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109522908B (zh) | 基于区域标签融合的图像显著性检测方法 | |
| Nagi et al. | Automated breast profile segmentation for ROI detection using digital mammograms | |
| Raba et al. | Breast segmentation with pectoral muscle suppression on digital mammograms | |
| Baig et al. | Deep learning approaches towards skin lesion segmentation and classification from dermoscopic images-a review | |
| Sreedevi et al. | A novel approach for removal of pectoral muscles in digital mammogram | |
| CN109636810B (zh) | Ct影像的肺结节分割方法及系统 | |
| CN111523537A (zh) | 一种文字识别方法、存储介质及系统 | |
| CN112884785B (zh) | 多斜位乳腺x线图像背景自动去除方法、装置及介质 | |
| Omer et al. | Preprocessing of digital mammogram image based on otsu’s threshold | |
| KR101590483B1 (ko) | 형태학적 연산을 이용한 이미지 분할 처리방법 | |
| Tachibana et al. | Automatic segmentation of pulmonary nodules on CT images by use of NCI lung image database consortium | |
| Vikhe et al. | Detection and segmentation of pectoral muscle on MLO-view mammogram using enhancement filter | |
| Ergin et al. | A genuine GLCM-based feature extraction for breast tissue classification on mammograms | |
| Aghdam et al. | A probabilistic approach for breast boundary extraction in mammograms | |
| Devi et al. | Classification of breast tissue density in digital mammograms | |
| CN112634280B (zh) | 基于能量泛函的mri图像脑肿瘤分割方法 | |
| Abdellatif et al. | K2. Automatic pectoral muscle boundary detection in mammograms using eigenvectors segmentation | |
| CN116309647A (zh) | 颅脑病灶图像分割模型构建方法、图像分割方法及设备 | |
| Feudjio et al. | Extracting and smoothing contours in mammograms using Fourier descriptors | |
| Qiao et al. | Research on standardized feature positioning technology of motion amplitude based on intelligent vision | |
| CN110689553B (zh) | 一种rgb-d图像的自动分割方法 | |
| CN114140830A (zh) | 一种基于循环肿瘤细胞图像的重复识别抑制方法 | |
| Sivakumar et al. | An improved modified tracking algorithm hybrid with fuzzy c means clustering in digital mammograms | |
| He et al. | MRI brain images segmentation | |
| Thiruvenkadam et al. | A region-based active contour method for extraction of breast skin-line in mammograms |
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 |