CN113180601B - 一种动态光学乳腺成像的肿瘤特征分析装置及相关组件 - Google Patents
一种动态光学乳腺成像的肿瘤特征分析装置及相关组件 Download PDFInfo
- Publication number
- CN113180601B CN113180601B CN202110459463.4A CN202110459463A CN113180601B CN 113180601 B CN113180601 B CN 113180601B CN 202110459463 A CN202110459463 A CN 202110459463A CN 113180601 B CN113180601 B CN 113180601B
- Authority
- CN
- China
- Prior art keywords
- curve
- area
- determining
- time
- suspicious lesion
- 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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0091—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for mammography
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种动态光学乳腺成像的肿瘤特征分析装置,该装置根据一个时间范围内光学成像的乳腺图像进行动态肿瘤特征信息分析,具体通过光学系数图生成单元、组织识别单元、空间特征分析单元、时间特征分析单元、对比特征分析单元自动对肿瘤特征提取,并根据综合识别单元进行综合评分生成肿瘤特征识别结果,整个识别过程无需人工参与,不依赖于有经验的医生阅片,操作简单且效率高,以便于医生直接根据该结果进行后续判别以及治疗方案的确定。本发明还公开了一种动态光学乳腺成像的肿瘤特征分析设备、系统及方法,具有相应的技术效果。
Description
技术领域
本发明涉及图像分析技术领域,特别是涉及一种动态光学乳腺成像的肿瘤特征分析装置、设备、系统及方法。
背景技术
乳腺疾病是女性的常见病,近些年的临床经验总结表明,乳腺检测的准确率低下是乳腺癌患者死亡率无法降低的原因之一。针对这一问题,现有技术中存在乳腺X光成像、核磁共振成像,超声成像和光学成像等乳腺检测方法。其中光学成像是一种无辐射,快速,简单,无痛,无创的成像方法。随着物理光学的发展以及光在组织中传播的数学模型的不断进步,光学成像领域诞生了新技术——扩散光学层析成像技术(DOT,Diffuse OpticalTomography),DOT测量速度快,设备成本低,相对于其他成熟的成像方式具有安全、无电离辐射、高灵敏度、可动态成像和可以功能性成像等优点,使乳房组织透视成像成为可能,大大提高了乳房组织光学成像的灵敏度和特异度。
基于DOT的近红外乳房成像可以重建出二维(或者伪三维)的光学吸收系数进行分析。这种成像技术获取的图像是功能成像,即根据图像的特征成像(通过找出物体的特征进行成像,以便通过对不同特征的辨认来区分肿瘤的良恶性),而非传统的形态成像(将物体的形态成像,以便通过对不同形态的辨认来区分肿瘤的良恶性)。目前在得到乳房特征成像后,需要有经验的医生分析图像,并给出是否有肿瘤及肿瘤良恶性的判断结果,但有经验的医生短缺,导致目前对于乳腺疾病的检测精准度较低。
综上所述,如何实现自动精准的乳腺图像分析以及判别,是目前本领域技术人员急需解决的技术问题。
发明内容
本发明的目的是提供一种动态光学乳腺成像的肿瘤特征分析装置、设备、系统及方法,可以实现自动精准的乳腺图像分析以及判别。
为解决上述技术问题,本发明提供如下技术方案:
一种动态光学乳腺成像的肿瘤特征分析装置,包括:
光学系数图生成单元,用于接收加压过程近红外LED灯照射下的乳腺图像,并根据所述乳腺图像确定乳腺轮廓内的光学吸收系数的变化情况,生成乳腺组织光学系数随时间动态变化的彩图;
组织识别单元,用于在所述彩图中根据吸收强度值进行组织行为分析,确定存在异常强度变化的可疑病变区、无强度异常的背景点以及吸收强度值最大的异常点;
空间特征分析单元,用于对所述可疑病变区的形状随时间变化进行分析,得到空间特征;
时间特征分析单元,用于对所述可疑病变区的吸收强度随时间变化进行分析,得到时间特征;
对比特征分析单元,用于对所述可疑病变区与背景区域的吸收强度随时间变化进行对比分析,得到对比特征;
综合识别单元,用于根据所述空间特征、所述时间特征以及所述对比特征分别对应的特征分值生成综合分值,并根据所述综合分值生成肿瘤特征识别结果。
可选地,所述组织识别单元,包括:
可疑病变区识别子单元,用于判断所述彩图中是否存在蓝色区域;若存在蓝色区域,判断所述蓝色区域中是否存在深蓝色区域;若存在深蓝色区域,将所述深蓝色区域作为所述可疑病变区,若不存在深蓝色区域,将所述蓝色区域作为所述可疑病变区;
背景点识别子单元,用于确定在所述彩图中各时刻下均为绿色、距离所述可疑病变区最远的点,作为所述背景点;
异常点识别子单元,用于在所述彩图中确定所述可疑病变区的面积中最大的图像帧,作为目标帧;在所述目标帧中确定像素值最大的点,作为异常点。
可选地,所述空间特征分析单元,包括:
稳定性分析子单元,用于在所述彩图中确定所述可疑病变区的面积中最大的图像帧,作为目标帧;确定所述目标帧中所有的可疑病变区,作为目标区域;以所述目标帧为遍历中心起点,逐一遍历各所述彩图中的所述可疑病变区超出基准区域的面积,作为超出面积,判断所述超出面积与所述基准区域的面积比值是否超出第一阈值,若超出所述第一阈值,判定为游动,若未超出所述第一阈值,判定为稳定;
聚散性分析子单元,用于确定各帧所述彩图中蓝色区域与有效光照区域的面积比值是否超过第二阈值,若超过所述第二阈值,判定为发散,若未超出所述第一阈值,判定为聚焦;
峰碗状分析子单元,用于确定各帧所述彩图中深蓝色区域与所述有效光照区域的面积比值是否超过第三阈值,若超过所述第三阈值,判定为峰状,若未超出所述第三阈值,判定为碗状。
可选地,所述时间特征分析单元,包括:
线型判定子单元,用于获取时间曲线,根据皮尔森相关系数确定时间曲线对应的曲线线型;其中,所述时间曲线为以所述异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的曲线;
幅值判定子单元,用于确定所述时间曲线的曲线幅值,确定所述曲线幅值所属的幅值范围。
可选地,所述线型判定子单元具体为:三段线型判定子单元;
所述分段线型判定子单元用于:将所述时间曲线分为若干段,分别计算各段的时间曲线对应的皮尔森相关系数;根据所述皮尔森相关系数确定对应的曲线线型。
可选地,所述对比特征分析单元,包括:
曲线获取子单元,用于获取时间曲线以及背景曲线;其中,所述时间曲线为以所述异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的曲线;所述背景曲线为所述背景点的吸收强度随时间变化的曲线;
线型对比子单元,用于根据所述时间曲线以及所述背景曲线间的皮尔森相关系数确定所述时间曲线以及所述背景曲线对应的曲线线型,作为时间线型以及背景线型;判断所述时间线型与所述背景线型是否为同一线型,若非同一线型,判定线型不相似;若为同一线型,触发系数对比子单元;
所述系数对比子单元,用于判断所述皮尔森相关系数是否大于相似阈值,或小于不相似阈值;若大于所述相似阈值,判定线型相似;若小于所述不相似阈值,判定线型不相似;若不大于所述相似阈值,且不小于所述不相似阈值,则触发幅值对比子单元;
所述幅值对比子单元,用于确定所述时间曲线以及所述背景曲线间的最小幅值差距,根据所述最小幅值差距确定所属的相似程度。
可选地,所述幅值对比子单元,包括:
分段子单元,用于分别将所述时间曲线以及所述背景曲线根据时间范围均分为若干段,得到时间分段曲线以及背景分段曲线;
对比子单元,用于分别根据时间范围一致的时间分段曲线以及背景分段曲线间的曲线形态以及相关性确定对应的相似程度。
一种动态光学乳腺成像的肿瘤特征分析设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现接收加压过程近红外LED灯照射下的乳腺图像,并根据所述乳腺图像确定乳腺轮廓内的光学吸收系数的变化情况,生成乳腺组织光学系数随时间动态变化的彩图;在所述彩图中根据吸收强度值进行组织行为分析,确定存在异常强度变化的可疑病变区、无强度异常的背景点以及吸收强度值最大的异常点;对所述可疑病变区的形状随时间变化进行分析,得到空间特征;对所述可疑病变区的吸收强度随时间变化进行分析,得到时间特征;对所述可疑病变区与背景区域随着采集时间的变化吸收强度变化大小进行对比分析,得到对比特征;根据所述空间特征、所述时间特征以及所述对比特征分别对应的特征分值生成综合分值,并根据所述综合分值生成肿瘤特征识别结果的步骤。
一种动态光学乳腺成像的肿瘤特征分析方法,包括:
接收加压过程近红外LED灯照射下的乳腺图像,并根据所述乳腺图像确定乳腺轮廓内的光学吸收系数的变化情况,生成乳腺组织光学系数随时间动态变化的彩图;
在所述彩图中根据吸收强度值进行组织行为分析,确定存在异常强度变化的可疑病变区、无强度异常的背景点以及吸收强度值最大的异常点;
对所述可疑病变区的形状随时间变化进行分析,得到空间特征;
对所述可疑病变区的吸收强度随时间变化进行分析,得到时间特征;
对所述可疑病变区与背景区域随着采集时间的变化吸收强度变化大小进行对比分析,得到对比特征;
根据所述空间特征、所述时间特征以及所述对比特征分别对应的特征分值生成综合分值,并根据所述综合分值生成肿瘤特征识别结果。
一种动态光学乳腺成像的肿瘤特征分析系统,包括:乳腺扩散光学层析成像设备以及动态光学乳腺成像的肿瘤特征分析设备;
所述乳腺扩散光学层析成像设备用于采集加压过程近红外LED灯照射下的乳腺图像,将所述乳腺图像发送至所述动态光学乳腺成像的肿瘤特征分析设备。
本发明实施例所提供的动态光学乳腺成像的肿瘤特征分析装置中,根据一个时间范围内光学成像的乳腺图像进行动态肿瘤特征信息分析,具体通过光学系数图生成单元、组织识别单元、空间特征分析单元、时间特征分析单元、对比特征分析单元自动对肿瘤特征提取,并根据综合识别单元进行综合评分生成肿瘤特征识别结果,整个识别过程无需人工参与,不依赖于有经验的医生阅片,操作简单且效率高,以便于医生直接根据该结果进行后续判别以及治疗方案的确定。
相应地,本发明实施例还提供了与上述动态光学乳腺成像的肿瘤特征分析装置相对应的动态光学乳腺成像的肿瘤特征分析设备、方法、系统,具有上述技术效果,在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,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为本发明实施例中一种动态光学乳腺成像的肿瘤特征分析装置的结构示意图;
图2为本发明实施例中一种有效光照区域与深蓝色区域的比对示意图;
图3为本发明实施例中一种可疑病变区时间曲线的线型与良恶性程度关系图;
图4为本发明实施例中一种时间曲线以及背景曲线示意图;
图5为本发明实施例中一种动态光学乳腺成像的肿瘤特征分析设备的具体结构示意图。
具体实施方式
本发明的核心是提供一种动态光学乳腺成像的肿瘤特征分析装置,可以实现自动精准的乳腺图像分析以及判别。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。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他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明实施例中一种动态光学乳腺成像的肿瘤特征分析装置的结构示意图,该装置主要包括以下单元:光学系数图生成单元110、组织识别单元120、空间特征分析单元130、时间特征分析单元140、对比特征分析单元150以及综合识别单元160。其中,组织识别单元120、空间特征分析单元130以及时间特征分析单元140的输入端连接至光学系数图生成单元110,输出端连接至综合识别单元160。
1、光学系数图生成单元110,主要用于接收加压过程近红外LED灯照射下的乳腺图像,并根据乳腺图像确定乳腺轮廓内的光学吸收系数的变化情况,生成乳腺组织光学系数随时间动态变化的彩图(又称为DOBI伪彩图像),需要说明的是,接收的乳腺图像中需要至少包括一次完成的加压过程中每个时刻采集到的图像,是一种动态多帧图像。
其中,光学系数图生成单元110接收的乳腺图像是一种DOT成像图像集,其采集过程可以参照相关技术的实现方式,本实施例中不做限定。
光学系数图生成单元110接收到乳腺图像后,根据乳腺图像确定乳腺轮廓内的光学吸收系数的变化情况,生成乳腺组织光学系数随时间动态变化的彩图的实现过程也可以参照相关技术的实现方式。
比如光学系数图生成单元110具体可以包括图像处理子单元以及图像重建单元。其中,图像处理子单元主要用于将乳腺图像减去暗图像得到去掉暗噪点的乳腺图像,然后进行平滑滤波处理,并对每一组的N个近红外LED灯的乳腺图像进行叠加和归一化处理后获取乳腺静态图像;对乳腺静态图像进行滤波处理后获取乳腺的血管图和血管的形态学特征,对乳腺静态图像进行轮廓提取算法处理后获取乳腺轮廓;具体来说,图像处理子单元可以包括以下单元:
(1)静态图像处理子单元,用于将乳腺图像减去暗图像后对乳腺图像进行平滑滤波处理,并对每一组的N个近红外LED灯的乳腺图像进行叠加和归一化处理后获取乳腺静态图像;
(2)轮廓提取子单元,用于对乳腺静态图像进行算法处理获取乳腺轮廓;
(3)图像整合子单元,用于对乳腺轮廓内的N组乳腺图像进行合成叠加处理获取乳腺平均图像;
(4)参数计算子单元,用于计算下述图像重建单元中衰减系数计算子单元所用的参数;
(5)矩阵参数计算子单元,用于计算出图像重建单元中吸收系数计算子单元中的权重矩阵W和输出矩阵Y中的参数。
(6)可视化子单元,用于对乳腺内部吸收系数变化矩阵X进行可视化处理和伪彩处理,得到乳腺组织光学系数动态变化的参数。
图像重建单元利用前述图像处理子单元所得到的参数矩阵,根据朗伯比尔模型对乳腺轮廓内的乳腺图像进行求解,获取乳腺轮廓内乳腺的三维几何形状和乳腺的平均衰减系数;利用近红外光学成像理论,得到乳腺组织内部的光学吸收系数。具体来说,图像重建单元可以分为以下几个单元:
(1)衰减系数计算子单元,用于基于朗伯比尔定律计算出乳腺的平均衰减系数和几何形状;
(2)吸收系数计算子单元,用于根据几何形状和DOT前向模型构建DOT前向模型对应的权重矩阵W,然后对乳腺图像进行对数处理后减去第一组的乳腺图像得到输出矩阵Y,最后根据权重矩阵W和输出矩阵Y计算乳腺内部吸收系数变化矩阵X;
(3)彩图生成子单元,用于可视化模块对乳腺内部吸收系数变化矩阵X进行可视化处理和伪彩处理得到乳腺组织光学系数动态变化的彩图。图像的吸收强度值经过DOBI标准的色谱映射之后得到(伪)彩图。
需要的是,本实施例中对于光学系数图生成单元110的主要组织结构不做限定,仅以上述组成为例进行介绍,其它结构均可参照本实施例的介绍,在此不再赘述。
2、组织识别单元120,主要用于在彩图中根据吸收强度值进行组织行为分析,确定存在异常强度变化的可疑病变区、无强度异常的背景点以及吸收强度值最大的异常点;
为实现对DOBI乳腺图像进行智能打分,首要的工作是识别出彩图中的各关键部分,主要包括可疑病变区、背景点以及异常点。其中,可疑病变区指与背景区域的强度变化不一致的区域,可疑病变区中存在异常病变的概率较高;异常点指可疑病变区中最异常的,吸收强度值最大的点;背景点指正常点,可以作为异常点的参数参考点,无强度异常。
本实施例中对于可疑病变区、背景点以及异常点的具体评判方式不做限定。可选地,一种组织识别单元120中具体可以包括:
(1)可疑病变区识别子单元主要用于判断彩图中是否存在蓝色区域;若存在蓝色区域,判断蓝色区域中是否存在深蓝色区域;若存在深蓝色区域,将深蓝色区域作为可疑病变区,若不存在深蓝色区域,将蓝色区域作为可疑病变区;
对乳腺组织光学系数动态变化的彩图进行解读分析能够发现,图像中存在的吸收系数连续下降、与背景区域变化不一致的区域即为病灶组织所在的区域,也即判定图像中蓝色区域为可疑区域;当存在大面积蓝色时,可疑病变区域为深蓝色区域,当图像中存在深蓝色区域时以深蓝色区域为可疑病变区域,当图像中不存在深蓝色区域时,以蓝色区域为可疑病变区域。基于DOBI伪彩图像的色谱,分别找出深蓝色和蓝色所对应的吸收强度值,若存在深蓝色对应的吸收强度值,则根据深蓝色对应的吸收强度值(吸收强度值从1到DBOI标准色谱中DeepBlue_max)对图像进行分割,分割出若干帧彩图中的所有深蓝色区域;若不存在深蓝色区域,则根据蓝色对应的吸收强度值(吸收强度值从DBOI标准色谱中Blue_min到Blue_max)对图像进行分割,分割出若干帧彩图中的所有蓝色区域,将分割出来的区域图像作为可疑病变区域的图像。而若若干帧彩图中不存在蓝色区域,则可以判定不存在可疑病变区,本可疑病变区识别子单元中对于该种情况下的处理方式不做限定,可以直接输出肿瘤综合评分为0分,或输出不存在肿瘤病变区的结果,或重新对乳腺图像投入检查等。
(2)背景点识别子单元主要用于确定在彩图中各时刻下均为绿色、距离可疑病变区最远的点,作为背景点;
在对DOBI乳腺图像诊断过程中,可疑病变区域在加压过程中的行为与正常组织在加压过程中的行为之间的差异,往往会引起读片者的重视,因此背景点的选择不同会导致最终诊断结果的差异性。背景点选择的宗旨:确保所选的点可以表征正常组织。在算法中主要具体遵循以下几点:所有帧中背景点附近没有蓝色区域或黄色区域;背景点尽量远离可疑病变区;背景点在加压过程中行为与整个背景一致。基于上述三个原则,可以将乳腺图像中各时刻下均为绿色、且距离可疑病变区最远的点,作为背景点。本实施例中仅以上述筛选规则为例进行介绍,基于上述三个原则的其他筛选规则均算作本实施例的保护范围,在此不再赘述。
(3)异常点识别子单元主要用于在彩图中确定蓝色区域面积中最大的图像帧,作为目标帧;在目标帧中确定像素值最大的点,作为异常点。
在读片过程中,异常点为颜色最深点即吸收最强点。异常点识别子单元中自动选取异常点的过程如下:在动态多帧彩图图像中找到深色区域面积最大的一帧;找出这一帧中像素最大的点,作为异常点。
本实施例中仅以上述组织识别单元的单元划分形式为例进行介绍,可以用于确定出存在异常强度变化的可疑病变区、无强度异常的背景点以及吸收强度值最大的异常点的其他单元划分形式均算作本申请的保护范围,均可参照上述介绍,在此不再赘述。
3、空间特征分析单元130主要用于对可疑病变区的形状随时间变化进行分析,得到空间特征;空间特征描述的是可疑病变区的形状特征,本实施例中对于形状特征大小变化的评价标准不做限定,比如可以从形状轮廓变化、面积变化、位移变化等角度进行形状变化的大小评价。
具体地,一种空间特征分析单元具体可以分为三个角度进行空间变化大小的评价:1.稳定性:可疑病变区域位置是否发生变化;2.聚散性:研究图像中蓝色区域的面积;3.峰碗状:如果存在深蓝色的可疑病变区域,深蓝色的可疑病变区域的是否集中。则相应地,空间特征分析单元,包括:
(1)稳定性分析子单元逐一用于在彩图中确定可疑病变区的面积中最大的图像帧,作为目标帧;确定目标帧中所有的可疑病变区,作为目标区域;以目标帧为遍历中心起点,逐一遍历各彩图中的可疑病变区超出基准区域的面积,作为超出面积,判断超出面积与基准区域的面积比值是否超出第一阈值,若超出,判定为游动,若未超出,判定为稳定。
在动态彩图序列中找到可疑病变区(蓝色或者深蓝色)面积最大的一帧,分割出可疑病变区,以其为基准。遍历面积最大一帧前后几帧中的可疑病变区,计算是否有超出基准区域(基准区域指在前后几帧中以可疑病变区面积最大的一帧(即目标帧)中异常点(即像素值最大的像素点)的位置坐标为中心,指定值为半径的区域)的部分的面积,作为超出面积,当有一帧的超出面积与基准区域面积的比值超过所设阈值,则判定图像为游动,若没有则判为稳定。
(2)聚散性分析子单元主要用于确定各帧彩图中蓝色区域与有效光照区域的面积比值是否超过第二阈值,若超过第二阈值,判定为发散,若未超出第一阈值,判定为聚焦。
判断动态图像所有帧中可疑病变区域的聚散性(发散还是聚焦)可以根据彩图中蓝色区域的大小即吸光区域面积来确定。值得注意的是聚焦与否是一个动态过程,蓝色区域最大的帧发散与否可以代表该图像聚焦与否,具体可以根据蓝色区域的吸收强度值对蓝色区域进行分割,当蓝色区域面积与有效光照区域(指彩图中渲染有DOBI标准色彩的区域)面积的比值超过某个阈值时图像发散,否则图像聚焦。其中,若不存在蓝色区域,则可以直接判定该项为0分,在此不做限定。
(3)峰碗状分析子单元逐一用于确定各帧彩图中深蓝色区域与有效光照区域的面积比值是否超过第三阈值,若超过第三阈值,判定为峰状,若未超出第三阈值,判定为碗状。
峰碗状的识别可以根据病变区域内深蓝色区域面积大小进行识别,算法中依据DOBI标准色谱,计算出深蓝区域的最小的吸收强度(比如为26),进而分割出深蓝色区域,如图2所示为一种有效光照区域与深蓝色区域的比对示意图,当深蓝色区域面积与有效光照区域面积的比值超过某个阈值时图像峰状,否则图像碗状。其中,若不存在深蓝色区域,则可以直接判定该项为0分,在此不做限定。
需要说明的是,本实施例中仅以上述评价标准为例介绍一种空间特征分析单元的具体单元组成形式,基于其他评价标准的单元划分均算作本申请的保护范围,可以参照上述介绍,在此不再赘述。
4、本实施例中对于时间特征的分析主要分析可疑病变区在一定压力条件下,可疑病变区吸收强度随着时间变化情况,主要考虑可疑病变区的行为特征。相应地,时间特征分析单元140主要用于对可疑病变区的吸收强度随时间变化进行分析,得到时间特征。
本实施例中对于时间特征大小变化的评价标准不做限定,具体地,一种时间特征分析单元具体可以分为以下子单元:线型判定子单元、幅值判定子单元。
可疑病变区在一定压力作用下,随着时间变化其吸收强度变化范围是必须关注的一大特征(时间特征)。具体地,时间特征分析单元140需要获取时间曲线,时间曲线的生成可以用于在动态图像每一帧中取以异常点为圆心,指定长度(比如4.2个像素)为半径的圆的区域,计算该区域中平均吸收强度。按照帧的时间顺序将所有帧图像中该区域的平均吸收强度绘制成强度时间变化曲线,作为时间曲线。需要说明的是,时间曲线的生成单元可以设置于组织识别单元中,即组织识别单元,用于在彩图中根据吸收强度值进行组织行为分析,确定存在异常强度变化的可疑病变区、无强度异常的背景点、吸收强度值最大的异常点,并生成以异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的时间曲线,以便于其他单元的调取。
本单元中从两方面实现时间特征的评估,线型以及幅度。图3所示为依据临床统计情况总结出的可疑病变区时间曲线的线型与良恶性程度关系图,可见时间曲线的线型与肿瘤良恶性程度存在一定的关联关系,本单元中为了评估该关联关系,以线型和幅度作为评估标准,具体如下:
线型判定子单元主要用于获取时间曲线,计算时间曲线的皮尔森相关系数;根据皮尔森相关系数确定对应的曲线线型;其中,时间曲线为以异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的曲线;
基于不同类别曲线的特征以及与直线下降线型的皮尔森相关系数计算公式对时间曲线线型进行分类。皮尔森相关系数是用来反映两个变量线性相关程度的统计量,两个连续变量(X,Y)的皮尔森相关性系数等于它们之间的协方差除以它们各自标准差的乘积,公式如下:
皮尔森相关性系数的取值在1到-1之间,系数为0说明二者无相关性,1或-1为强相关性,1为正相关,-1为负相关。当直线下降线型的相关系数达到一定阈值时,则将待测曲线判断为直线下降。根据相关系数确定直线的线型,而线型从曲线特征的角度出发,可以将线型分为S0线型、S1线型和S2线型。S0线型曲线中存在上升趋势而S1和S2线型中均为下降趋势;S0第一种曲线是先上后下,S0线型为波动形;S1线型先上后下再上,为非直线下降;S2线型先下再上,为直线下降。确定曲线的系数的变化对应的线型类型。
此外,为丰富时间特征的相关信息,将待测曲线等分为若干段,比如线型判定子单元具体为分段线型判定子单元,分别判别等分三段的曲线线型,分别计算各段的时间曲线对应的皮尔森相关系数以及对应的曲线线型。
曲线变化的幅值范围,也是需要关心的一个指标,病变区域与正常区域相比往往吸收更多光,体现在时间曲线幅值上就是幅值更低。因此,判别时间特征时需要计算曲线的幅值。本单元中调用幅值判定子单元主要用于确定时间曲线的曲线幅值,确定曲线幅值所属的幅值范围。
幅值判定子单元中预先划分若干幅值范围,比如可以划分为线型幅值大于-2、线型幅值-4到-2之间以及线型幅值小于-4三大类,具体可以根据实际评判标准进行划分,在此不做限定。则计算确定时间曲线的曲线幅值,确定曲线幅值所属的幅值范围。
5、对比特征分析单元150主要用于对可疑病变区与背景区域的吸收强度随时间变化进行对比分析,得到对比特征;其中背景区域指彩图中的绿色区域。
本单元中的对比特征主要比较可疑病变区的吸收强度变化情况和背景的吸收强度变化情况之间的差别。研究可疑病变区的吸收强度在一定压强下随着时间的变化与背景区域(绿色区域)变化的差异性,本质上就是研究可疑病变区域和正常组织吸收强度在压力作用下是否存在差异,差异越大,恶性程度越高,反之恶性程度低。两者的相似程度可以被划分为三个层次:相像、似像似不像、不相像。
为方便进行两种变化情况的差别对比,可以以曲线间的对比作为变化情况的对比,具体可以以异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的曲线作为可疑病变区的吸收强度变化情况,可以以背景点的吸收强度随时间变化的曲线作为背景的吸收强度变化情况进行差别分析。
对于两曲线间差别分析,本单元可以以从三个角度分析两曲线间的相似程度,线型、相关系数、幅值,相应地,对比特征分析单元150具体可以包括:
曲线获取子单元主要用于获取时间曲线以及背景曲线;其中,时间曲线为以异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的曲线;背景曲线为背景点的吸收强度随时间变化的曲线;如图4所示为一种时间曲线以及背景曲线示意图,其中,纵轴的吸收强度在0到-1区间内的曲线为背景曲线,另一条曲线为时间曲线。
线型对比子单元主要用于根据时间曲线以及背景曲线间的皮尔森相关系数确定时间曲线以及背景曲线对应的曲线线型,作为时间线型以及背景线型;判断时间线型与背景线型是否为同一线型,若非同一线型,判定线型不相似;若为同一线型,触发系数对比子单元;
线型对比子单元判断两条曲线是否为同一类型,两条曲线不属于同一类型线型则相似程度低,不同类型不相似,同类型则进一步通过系数对比子单元判断相似程度。
系数对比子单元主要用于判断皮尔森相关系数是否大于相似阈值,或小于不相似阈值;若大于相似阈值,判定线型相似;若小于不相似阈值,判定线型不相似;若不大于相似阈值,且不小于不相似阈值,则触发赋值对比子单元;
系数对比子单元将时间曲线与背景曲线进行整体系数比较,两条曲线的皮尔森相关系数小于规定的阈值时相似程度低。若皮尔森系数大于相似阈值(比如0.8),判定为相似;若皮尔森系数小于不相似阈值(比如0.3),判定为不相似,在相似阈值与不相似阈值区间内时,调用幅值对比子单元进行进一步的比对。
幅值对比子单元主要用于确定时间曲线以及背景曲线间的最小幅值差距,根据最小幅值差距确定所属的相似程度,当两条曲线的最小幅值差距大的,也说明可疑病变区与正常组织行为不相像。
与时间特征判别过程类似,也可以也将背景曲线等分为若干段,比如可以范围三段,分别前段、中段、后段进行比较。则幅值对比子单元具体可以包括:
分段子单元,用于分别将时间曲线以及背景曲线根据时间范围均分为若干段,得到时间分段曲线以及背景分段曲线;
对比子单元,用于分别根据时间范围一致的时间分段曲线以及背景分段曲线间的曲线形态以及相关性确定对应的相似程度。
分段曲线打分标准和整体曲线特征打分标准类似,幅值略有不同(0~4),先比较曲线形态再比较相关性,具体可以参照上述介绍,在此不再赘述。需要注意的是,需要将缓慢下降曲线细分为直线下降与非直线下降后在进行判断相似性。
6、综合识别单元160主要用于根据空间特征、时间特征以及对比特征分别对应的特征分值生成综合分值,并根据综合分值生成肿瘤特征识别结果。
完成DOBI图像的空间特征、时间特征、对比特征的识别分析后,需要对所识别的特征进行打分。最后将待测图像的所有特征对应的分值进行线型叠加得到最终的DOBI_Score。对于每一个特征的分值,是根据对临床数据的统计得出的。具体的一种特征分值划分策略如下:
(1)按照读片法则中所描述的,时间特征分值要高于对比特征,对比特征分值高于空间特征分值;
(2)在时间特征与对比特征中,整体的分值高于分段的分值;
(3)统计整个临床数据集的良恶性分布,然后对所有临床数据进行特征识别量化,进一步统计单个特征中不同档位的良恶性分布。如果某个特征的数据集的恶性率高于总数据集,说明该特征对良恶性诊断具有一定正向作用,则给该特征较大的分值,例如总数据集中良恶性比为7:3,而空间特征中聚散性为聚焦的数据集中良恶性占比为5:5,则给聚焦这一特征较大分值。
则相应地,一种特征分值的分配情况如下:
(1)空间特征
聚焦10分 发散5分
峰状10分 碗状5分
稳定1分 游动0.5分
(2)时间特征
整体线型为S2线型 15分
整体线型为S1线型 7.5分
整体线型为S0线型 5分
线型幅值大于-2时 10分
线型幅值-4到-2之间 5分
线型幅值小于-4时 2.5分
(3)对比特征
相像 3分
似像不像 5分
不相像 10分
需要说明的是,本实施例中仅以上述分值的评定以及划分标准为例进行介绍,其他划分方式均可参照本实施例的介绍,在此不做限定。
根据相应的分值划分标准分别确定空间特征、时间特征以及对比特征分别对应的特征分值,进一步生成综合分值的过程可以为将所有特征对应的分值进行加权线型叠加,例如DOBI_Score=∑ai*ni
其中ai是第i个特征的加权值,ni是第i个特征的特征值。
进行综合分值的生成就是将加权的分数映射到一个整体分值的分数空间的过程。分别为不同的综合分值确定对应的肿瘤特征识别结果,以上述分值划分标准为例,则整体分值在0-100的分数空间内,可以判定综合分值在90分以上为恶性,70-90为可能恶性,70-40为不确定,10-40为可能良性,10分以下为良性。
基于上述介绍,本实施例提供的动态光学乳腺成像的肿瘤特征分析装置中,根据一个时间范围内光学成像的乳腺图像进行动态肿瘤特征信息分析,具体通过光学系数图生成单元、组织识别单元、空间特征分析单元、时间特征分析单元、对比特征分析单元自动对肿瘤特征提取,并根据综合识别单元进行综合评分生成肿瘤特征识别结果,整个识别过程无需人工参与,不依赖于有经验的医生阅片,操作简单且效率高,以便于医生直接根据该结果进行后续判别以及治疗方案的确定。
相应于上面的装置实施例,本发明实施例还提供了一种动态光学乳腺成像的肿瘤特征分析设备,下文描述的动态光学乳腺成像的肿瘤特征分析设备与上文描述的动态光学乳腺成像的肿瘤特征分析装置可相互对应参照。
该动态光学乳腺成像的肿瘤特征分析设备包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现接收加压过程近红外LED灯照射下的乳腺图像,并根据乳腺图像确定乳腺轮廓内的光学吸收系数的变化情况,生成乳腺组织光学系数随时间动态变化的彩图;在彩图中根据吸收强度值进行组织行为分析,确定存在异常强度变化的可疑病变区、无强度异常的背景点以及吸收强度值最大的异常点;对可疑病变区的形状随时间变化进行分析,得到空间特征;对可疑病变区的吸收强度随时间变化进行分析,得到时间特征;对可疑病变区与背景区域随着采集时间的变化吸收强度变化大小进行对比分析,得到对比特征;根据空间特征、时间特征以及对比特征分别对应的特征分值生成综合分值,并根据综合分值生成肿瘤特征识别结果等步骤。
具体的,请参考图5,为本实施例提供的一种动态光学乳腺成像的肿瘤特征分析设备的具体结构示意图,该动态光学乳腺成像的肿瘤特征分析设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)322(例如,一个或一个以上处理器)和存储器332,存储器332存储有一个或一个以上的计算机应用程序342或数据344。其中,存储器332可以是短暂存储或持久存储。存储在存储器332的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地,中央处理器322可以设置为与存储器332通信,在动态光学乳腺成像的肿瘤特征分析设备301上执行存储器332中的一系列指令操作。
动态光学乳腺成像的肿瘤特征分析设备301还可以包括一个或一个以上电源326,一个或一个以上有线或无线网络接口350,一个或一个以上输入输出接口358,和/或,一个或一个以上操作系统341。
本发明实施例还提供了一种动态光学乳腺成像的肿瘤特征分析方法,下文描述的动态光学乳腺成像的肿瘤特征分析方法与上文描述的动态光学乳腺成像的肿瘤特征分析装置可相互对应参照。
S101、接收加压过程近红外LED灯照射下的乳腺图像,并根据乳腺图像确定乳腺轮廓内的光学吸收系数的变化情况,生成乳腺组织光学系数随时间动态变化的彩图;
S102、在彩图中根据吸收强度值进行组织行为分析,确定存在异常强度变化的可疑病变区、无强度异常的背景点以及吸收强度值最大的异常点;
S103、对可疑病变区的形状随时间变化进行分析,得到空间特征;
S104、对可疑病变区的吸收强度随时间变化进行分析,得到时间特征;
S105、对可疑病变区与背景区域随着采集时间的变化吸收强度变化大小进行对比分析,得到对比特征;
S106、根据空间特征、时间特征以及对比特征分别对应的特征分值生成综合分值,并根据综合分值生成肿瘤特征识别结果。
本实施例提供的方法的步骤介绍可以参照上述装置实施例中对于各单元执行过程的介绍,为避免重复,在此不再赘述。
相应于上面的设备实施例,本发明实施例还提供了一种动态光学乳腺成像的肿瘤特征分析系统,下文描述的一种动态光学乳腺成像的肿瘤特征分析系统与上文描述的一种动态光学乳腺成像的肿瘤特征分析设备可相互对应参照。
乳腺扩散光学层析成像设备以及如上述实施例中所介绍的动态光学乳腺成像的肿瘤特征分析设备。
乳腺扩散光学层析成像设备主要用于采集加压过程近红外LED灯照射下的乳腺图像,其具体设备结构本实施例中不做限定,可以参照相关设备的配置方式,为加深理解,在此介绍一种成像设备的结构。
一种乳腺扩散光学层析成像设备主要由LED灯板、探测器,加压装置,和控制模块组成。
其中,灯板装置由多个近红外LED光源按照阵列式等距排列所形成的光滑透光面板,一般建议面板大小不得小于30*20cm,LED灯的数量不小于100个。
探测器位于灯板上方,一般使用高灵敏度的红外CCD成像相机,或者CMOS其它类型红外成像装置。
加压装置的作用是在检测过程中给乳房施加5-10mm Hg的压力,使得乳房中的不饱和氧血在疑似病灶区域发生生理反应(早期乳腺癌肿瘤区会有新生血管聚集的现象),通过近红外光的物理光学原理,不同生物组织具有不同的光吸收、光散射特性,因此可以通过分析近红外光的透射情况来获取乳房的组织结构分布。
控制模块则由中控主机、信号传输装置以及人际交互装置组成。成像模块的操控、光源操控、扫描操控、加压操控以及数据分析、建模、计算都将由该模块完成。
需要说明的是,本实施例中仅以上述结构为例进行介绍,其他成像设备结构均可参照本实施例的介绍,算作本申请的保护范围,在此不再赘述。
本领域技术人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
Claims (5)
1.一种动态光学乳腺成像的肿瘤特征分析装置,其特征在于,包括:
光学系数图生成单元,用于接收加压过程近红外LED灯照射下的乳腺图像,并根据所述乳腺图像确定乳腺轮廓内的光学吸收系数的变化情况,生成乳腺组织光学系数随时间动态变化的彩图;
组织识别单元,用于在所述彩图中根据吸收强度值进行组织行为分析,确定存在异常强度变化的可疑病变区、无强度异常的背景点以及吸收强度值最大的异常点;
空间特征分析单元,用于对所述可疑病变区的形状随时间变化进行分析,得到空间特征;所述空间特征分析单元包括:稳定性分析子单元,用于在所述彩图中确定所述可疑病变区的面积中最大的图像帧,作为目标帧;确定所述目标帧中所有的可疑病变区,作为目标区域;以所述目标帧为遍历中心起点,逐一遍历各所述彩图中的所述可疑病变区超出基准区域的面积,作为超出面积,判断所述超出面积与所述基准区域的面积比值是否超出第一阈值,若超出所述第一阈值,判定为游动,若未超出所述第一阈值,判定为稳定;聚散性分析子单元,用于确定各帧所述彩图中蓝色区域与有效光照区域的面积比值是否超过第二阈值,若超过所述第二阈值,判定为发散,若未超出所述第一阈值,判定为聚焦;峰碗状分析子单元,用于确定各帧所述彩图中深蓝色区域与所述有效光照区域的面积比值是否超过第三阈值,若超过所述第三阈值,判定为峰状,若未超出所述第三阈值,判定为碗状;
时间特征分析单元,用于对所述可疑病变区的吸收强度随时间变化进行分析,得到时间特征;所述时间特征分析单元,包括:线型判定子单元,用于获取时间曲线,根据皮尔森相关系数确定时间曲线对应的曲线线型;其中,所述时间曲线为以所述异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的曲线;幅值判定子单元,用于确定所述时间曲线的曲线幅值,确定所述曲线幅值所属的幅值范围;
对比特征分析单元,用于对所述可疑病变区与背景区域的吸收强度随时间变化进行对比分析,得到对比特征;
综合识别单元,用于根据所述空间特征、所述时间特征以及所述对比特征分别对应的特征分值生成综合分值,并根据所述综合分值生成肿瘤特征识别结果;
所述组织识别单元,包括:
可疑病变区识别子单元,用于判断所述彩图中是否存在蓝色区域;若存在蓝色区域,判断所述蓝色区域中是否存在深蓝色区域;若存在深蓝色区域,将所述深蓝色区域作为所述可疑病变区,若不存在深蓝色区域,将所述蓝色区域作为所述可疑病变区;
背景点识别子单元,用于确定在所述彩图中各时刻下均为绿色、距离所述可疑病变区最远的点,作为所述背景点;
异常点识别子单元,用于在所述彩图中确定所述可疑病变区的面积中最大的图像帧,作为目标帧;在所述目标帧中确定像素值最大的点,作为异常点;
所述对比特征分析单元,包括:
曲线获取子单元,用于获取时间曲线以及背景曲线;其中,所述时间曲线为以所述异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的曲线;所述背景曲线为所述背景点的吸收强度随时间变化的曲线;
线型对比子单元,用于根据所述时间曲线以及所述背景曲线间的皮尔森相关系数确定所述时间曲线以及所述背景曲线对应的曲线线型,作为时间线型以及背景线型;判断所述时间线型与所述背景线型是否为同一线型,若非同一线型,判定线型不相似;若为同一线型,触发系数对比子单元;
所述系数对比子单元,用于判断所述皮尔森相关系数是否大于相似阈值,或小于不相似阈值;若大于所述相似阈值,判定线型相似;若小于所述不相似阈值,判定线型不相似;若不大于所述相似阈值,且不小于所述不相似阈值,则触发幅值对比子单元;
所述幅值对比子单元,用于确定所述时间曲线以及所述背景曲线间的最小幅值差距,根据所述最小幅值差距确定所属的相似程度。
2.根据权利要求1所述的动态光学乳腺成像的肿瘤特征分析装置,其特征在于,所述线型判定子单元具体为:分段线型判定子单元;
所述分段线型判定子单元用于:将所述时间曲线分为若干段,分别计算各段的时间曲线对应的皮尔森相关系数;根据所述皮尔森相关系数确定对应的曲线线型。
3.根据权利要求1所述的动态光学乳腺成像的肿瘤特征分析装置,其特征在于,所述幅值对比子单元,包括:
分段子单元,用于分别将所述时间曲线以及所述背景曲线根据时间范围均分为若干段,得到时间分段曲线以及背景分段曲线;
对比子单元,用于分别根据时间范围一致的时间分段曲线以及背景分段曲线间的曲线形态以及相关性确定对应的相似程度。
4.一种动态光学乳腺成像的肿瘤特征分析设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现接收加压过程近红外LED灯照射下的乳腺图像,并根据所述乳腺图像确定乳腺轮廓内的光学吸收系数的变化情况,生成乳腺组织光学系数随时间动态变化的彩图;判断所述彩图中是否存在蓝色区域;若存在蓝色区域,判断所述蓝色区域中是否存在深蓝色区域;若存在深蓝色区域,将所述深蓝色区域作为可疑病变区,若不存在深蓝色区域,将所述蓝色区域作为所述可疑病变区;确定在所述彩图中各时刻下均为绿色、距离所述可疑病变区最远的点,作为背景点;在所述彩图中确定所述可疑病变区的面积中最大的图像帧,作为目标帧;在所述目标帧中确定像素值最大的点,作为异常点;在所述彩图中确定所述可疑病变区的面积中最大的图像帧,作为目标帧;确定所述目标帧中所有的可疑病变区,作为目标区域;以所述目标帧为遍历中心起点,逐一遍历各所述彩图中的所述可疑病变区超出基准区域的面积,作为超出面积,判断所述超出面积与所述基准区域的面积比值是否超出第一阈值,若超出所述第一阈值,判定为游动,若未超出所述第一阈值,判定为稳定;确定各帧所述彩图中蓝色区域与有效光照区域的面积比值是否超过第二阈值,若超过所述第二阈值,判定为发散,若未超出所述第一阈值,判定为聚焦;确定各帧所述彩图中深蓝色区域与所述有效光照区域的面积比值是否超过第三阈值,若超过所述第三阈值,判定为峰状,若未超出所述第三阈值,判定为碗状;获取时间曲线,根据皮尔森相关系数确定时间曲线对应的曲线线型;其中,所述时间曲线为以所述异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的曲线;确定所述时间曲线的曲线幅值,确定所述曲线幅值所属的幅值范围;获取时间曲线以及背景曲线;其中,所述时间曲线为以所述异常点为中心,指定长度为半径的区域中的平均吸收强度随时间变化的曲线;所述背景曲线为所述背景点的吸收强度随时间变化的曲线;根据所述时间曲线以及所述背景曲线间的皮尔森相关系数确定所述时间曲线以及所述背景曲线对应的曲线线型,作为时间线型以及背景线型;判断所述时间线型与所述背景线型是否为同一线型,若非同一线型,判定线型不相似;若为同一线型,则判断所述皮尔森相关系数是否大于相似阈值,或小于不相似阈值;若大于所述相似阈值,判定线型相似;若小于所述不相似阈值,判定线型不相似;若不大于所述相似阈值,且不小于所述不相似阈值,则确定所述时间曲线以及所述背景曲线间的最小幅值差距,根据所述最小幅值差距确定所属的相似程度;根据各判断结果生成综合分值,并根据所述综合分值生成肿瘤特征识别结果的步骤。
5.一种动态光学乳腺成像的肿瘤特征分析系统,其特征在于,包括:乳腺扩散光学层析成像设备以及如权利要求4所述的动态光学乳腺成像的肿瘤特征分析设备;
所述乳腺扩散光学层析成像设备用于采集加压过程近红外LED灯照射下的乳腺图像,将所述乳腺图像发送至所述动态光学乳腺成像的肿瘤特征分析设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110459463.4A CN113180601B (zh) | 2021-04-27 | 2021-04-27 | 一种动态光学乳腺成像的肿瘤特征分析装置及相关组件 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110459463.4A CN113180601B (zh) | 2021-04-27 | 2021-04-27 | 一种动态光学乳腺成像的肿瘤特征分析装置及相关组件 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113180601A CN113180601A (zh) | 2021-07-30 |
CN113180601B true CN113180601B (zh) | 2023-01-03 |
Family
ID=76979417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110459463.4A Active CN113180601B (zh) | 2021-04-27 | 2021-04-27 | 一种动态光学乳腺成像的肿瘤特征分析装置及相关组件 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113180601B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664563B (zh) * | 2023-07-27 | 2023-11-24 | 浙江杜比医疗科技有限公司 | 新辅助化疗疗效评估系统、设备及介质 |
CN116687353B (zh) * | 2023-08-01 | 2023-12-19 | 宁波杜比医疗科技有限公司 | 新辅助化疗疗效评估系统、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6671540B1 (en) * | 1990-08-10 | 2003-12-30 | Daryl W. Hochman | Methods and systems for detecting abnormal tissue using spectroscopic techniques |
CN104490363A (zh) * | 2014-12-26 | 2015-04-08 | 宁波杜比医疗科技有限公司 | 一种乳腺癌诊断设备 |
CN105769126A (zh) * | 2016-04-05 | 2016-07-20 | 宁波杜比医疗科技有限公司 | 一种动态光学医学功能性成像的led光学系统 |
CN110151133A (zh) * | 2019-05-24 | 2019-08-23 | 哈尔滨工业大学 | 基于图像分割与时频信息融合的乳腺光学成像装置及方法 |
CN111489316A (zh) * | 2020-04-24 | 2020-08-04 | 浙江杜比医疗科技有限公司 | 一种基于遗传算法的乳腺扩散光学层析成像系统 |
CN112656377A (zh) * | 2020-12-30 | 2021-04-16 | 新博医疗技术有限公司 | 一种基于dot的乳腺检测系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8565862B2 (en) * | 2004-09-24 | 2013-10-22 | Softscan Healthcare Group Ltd. | Optical imaging method for tissue characterization |
US10278649B2 (en) * | 2014-11-26 | 2019-05-07 | Stc.Unm | Methods and systems for detecting cancer |
CN107550459A (zh) * | 2017-08-11 | 2018-01-09 | 武汉大学 | 一种光耦合乳腺成像分析系统及方法 |
US20200330026A1 (en) * | 2019-04-16 | 2020-10-22 | Washington University | Ultrasound-target-shape-guided sparse regularization to improve accuracy of diffused optical tomography |
CN111554383B (zh) * | 2020-04-24 | 2023-09-05 | 浙江杜比医疗科技有限公司 | 一种用于乳腺肿瘤检测的神经网络及其检测系统 |
-
2021
- 2021-04-27 CN CN202110459463.4A patent/CN113180601B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6671540B1 (en) * | 1990-08-10 | 2003-12-30 | Daryl W. Hochman | Methods and systems for detecting abnormal tissue using spectroscopic techniques |
CN104490363A (zh) * | 2014-12-26 | 2015-04-08 | 宁波杜比医疗科技有限公司 | 一种乳腺癌诊断设备 |
CN105769126A (zh) * | 2016-04-05 | 2016-07-20 | 宁波杜比医疗科技有限公司 | 一种动态光学医学功能性成像的led光学系统 |
CN110151133A (zh) * | 2019-05-24 | 2019-08-23 | 哈尔滨工业大学 | 基于图像分割与时频信息融合的乳腺光学成像装置及方法 |
CN111489316A (zh) * | 2020-04-24 | 2020-08-04 | 浙江杜比医疗科技有限公司 | 一种基于遗传算法的乳腺扩散光学层析成像系统 |
CN112656377A (zh) * | 2020-12-30 | 2021-04-16 | 新博医疗技术有限公司 | 一种基于dot的乳腺检测系统 |
Non-Patent Citations (4)
Title |
---|
Convolutional neural network for breast cancer diagnosis using diffuse optical tomography;Xu et al;《Visual Computing for Industry,Biomedicine,and Art》;20190531;第1-6页 * |
DOBI早期乳腺癌普查系统的研发;张国旺;《医药卫生科技》;20200110;第1-4页 * |
基于近红外光谱的乳腺肿瘤成像装置研究;曹月;《中国优秀硕士学位论文全文数据库基础科学辑》;20200215;A005-150 * |
面向荧光分子层析成像的在体目标光学结构获取方法研究;武林会;《中国博士学位论文全文数据库信息科技辑》;20160815;I138-111 * |
Also Published As
Publication number | Publication date |
---|---|
CN113180601A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8111896B2 (en) | Method and system for automatic recognition of preneoplastic anomalies in anatomic structures based on an improved region-growing segmentation, and commputer program therefor | |
CN113180601B (zh) | 一种动态光学乳腺成像的肿瘤特征分析装置及相关组件 | |
US5003979A (en) | System and method for the noninvasive identification and display of breast lesions and the like | |
EP1568307B1 (en) | Image processing device and image processing method | |
JP4184842B2 (ja) | 画像判別装置、方法およびプログラム | |
CN109727243A (zh) | 乳腺超声图像识别分析方法及系统 | |
CN109447065A (zh) | 一种乳腺影像识别的方法及装置 | |
CN106530279A (zh) | 一种图像处理方法及系统 | |
US8107702B2 (en) | Process and system for automatically recognising preneoplastic abnormalities in anatomical structures, and corresponding computer program | |
US20060269111A1 (en) | Automatic detection of critical dermoscopy features for malignant melanoma diagnosis | |
CN109363698A (zh) | 一种乳腺影像征象识别的方法及装置 | |
JP2002515772A (ja) | 対象の運動を相殺する画像装置および方法 | |
JPH10503961A (ja) | 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置 | |
JP2000126182A (ja) | 腫瘍診断方法 | |
CN111695644A (zh) | 基于光密度变换的肿瘤超声图像分类方法、装置及介质 | |
Madhuri et al. | A novel approach for automatic brain tumor detection using machine learning algorithms | |
JP2000126178A (ja) | 立体表面形状定量化方法、及びこれを応用した悪性腫瘍自動識別方法 | |
Lazar et al. | Retinal microaneurysm detection based on intensity profile analysis | |
CN117727441A (zh) | 基于临床-融合影像计算机模型预测肺癌免疫疗效方法 | |
Lopez-Tiro et al. | Localization of blood vessels in in-vitro LSCI images with K-means | |
Pandey et al. | Fuzzy logic based microcalcification detection | |
JP2000126181A (ja) | 腫瘍抽出処理方法 | |
RU2668699C1 (ru) | Интеллектуальный способ диагностики и обнаружения новообразований в легких | |
CN112991339B (zh) | 一种肿瘤级别分析装置及相关组件 | |
Bhardwaj et al. | Two-tier grading system for npdr severities of diabetic retinopathy in retinal fundus images |
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 |