CN113344854A - 基于乳腺超声视频的病灶检测方法、装置、设备及介质 - Google Patents

基于乳腺超声视频的病灶检测方法、装置、设备及介质 Download PDF

Info

Publication number
CN113344854A
CN113344854A CN202110508322.7A CN202110508322A CN113344854A CN 113344854 A CN113344854 A CN 113344854A CN 202110508322 A CN202110508322 A CN 202110508322A CN 113344854 A CN113344854 A CN 113344854A
Authority
CN
China
Prior art keywords
focus
detection
frame
lesion
breast ultrasound
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
Application number
CN202110508322.7A
Other languages
English (en)
Inventor
谈继勇
杨洪光
刘根
李元伟
杨道文
孙熙
李欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Hanwei Intelligent Medical Technology Co ltd
Original Assignee
Shenzhen Hanwei Intelligent Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Hanwei Intelligent Medical Technology Co ltd filed Critical Shenzhen Hanwei Intelligent Medical Technology Co ltd
Priority to CN202110508322.7A priority Critical patent/CN113344854A/zh
Publication of CN113344854A publication Critical patent/CN113344854A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10132Ultrasound image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30068Mammography; Breast
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30096Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开一种基于乳腺超声视频的病灶检测方法,包括:利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;利用NMS算法删除同一帧图像中重叠的多余检测框;利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;若跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到,则判断该疑似病灶为真病灶。本发明所提出的病灶检测方法,其先通过目标检测算法检测疑似病灶并用检测框标出,而后再通过NMS算法将多余的检测框删除,然后再利用KCF算法对筛检后的检测框进行跟踪,最后再判断检测框内的病灶是否为真病灶。此外,本发明还公开一种基于乳腺超声视频的病灶检测装置、设备及介质。

Description

基于乳腺超声视频的病灶检测方法、装置、设备及介质
技术领域
本发明涉及超声检测领域,特别涉及一种基于乳腺超声视频的病灶检测方法、装置、设备及介质。
背景技术
目前,乳腺超声是我国乳腺疾病筛查的主要办法之一,其检查无痛苦,对受检者无放射性损害,可以短期多次反复进行,适用于任何年龄女性,包括妊娠期和哺乳期妇女的乳腺检查。
乳腺超声是利用超声仪将超声波发射到乳腺以获得超声图像,根据超声图像的显示情况判断病变的性质。乳腺扫查时会产生超声视频,该超声视频用于供超声医生查阅,以据此判断是否存在病灶。
然而,现有的乳腺超声视频仍需超声医生进行查阅,以在超声视频中寻找病灶所在部位,其无法在超声视频中自动检测出病灶,导致超声医生的工作量较大,同时会降低超声医生的阅片效率。
发明内容
本发明的主要目的在于提出一种基于乳腺超声视频的病灶检测方法,旨在解决因病灶检测仍需人工进行而导致的检测效率低的技术问题。
为实现上述目的,本发明提出一种基于乳腺超声视频的病灶检测方法,所述基于乳腺超声视频的病灶检测方法包括:
利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
利用NMS算法删除同一帧图像中重叠的多余检测框;
利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
若跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到,则判断该疑似病灶为真病灶。
优选地,所述利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶的步骤之前,还包括:
对训练数据的病灶附近随机添加一个黑色方形,通过黑色方形随机遮挡病灶的部分区域,同时对图像进行随机水平翻转以及弹性扭曲;
利用目标检测模型对所述病灶进行检测,以完成目标检测模型的训练。
优选地,所述第一阈值为5,所述第二阈值为2。
本发明还提出一种基于乳腺超声视频的病灶检测装置,所述基于乳腺超声视频的病灶检测装置包括:
病灶检测模块,用于利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
检测框删除模块,用于利用NMS算法删除同一帧图像中重叠的多余检测框;
检测框跟踪模块,用于利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
病灶判断模块,用于当跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到时,判断该疑似病灶为真病灶。
优选地,所述基于乳腺超声视频的病灶检测装置还包括:
病灶遮挡模块,用于对训练数据的病灶附近随机添加一个黑色方形,通过黑色方形随机遮挡病灶的部分区域,同时对图像进行随机水平翻转以及弹性扭曲;
模型训练模块,用于利用目标检测模型对所述病灶进行检测,以完成目标检测模型的训练。
优选地,所述第一阈值为5,所述第二阈值为2。
本发明还提出一种基于乳腺超声视频的病灶检测设备,所述基于乳腺超声视频的病灶检测设备包括:
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,实现前述所记载的基于乳腺超声视频的病灶检测方法,所述基于乳腺超声视频的病灶检测方法至少包括:
利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
利用NMS算法删除同一帧图像中重叠的多余检测框;
利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
若跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到,则判断该疑似病灶为真病灶。
本发明还提出一种介质,所述介质存储有计算机程序,所述计算机程序被处理器执行时,实现前述所记载的基于乳腺超声视频的病灶检测方法,所述基于乳腺超声视频的病灶检测方法至少包括:
利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
利用NMS算法删除同一帧图像中重叠的多余检测框;
利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
若跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到,则判断该疑似病灶为真病灶。
与现有技术相比,本发明实施例的有益技术效果在于:
本发明实施例所提出的病灶检测方法,其先通过目标检测算法检测疑似病灶并用检测框标出,而后再通过NMS算法将多余的检测框删除,然后再利用KCF算法对筛检后的检测框进行跟踪,最后再判断检测框内的病灶是否为真病灶。也即:本发明不仅能够自动检测出乳腺超声视频中的疑似病灶,而且还能够进一步的判断检测框内的疑似病灶是否为真病灶,从而降低超声科医生的工作量,提高病灶检测效率,保证检测结果的可靠性。
附图说明
图1为本发明基于乳腺超声视频的病灶检测方法的流程图;
图2为本发明基于乳腺超声视频的病灶检测方法的黑色方形随机遮挡示意图;
图3为本发明基于乳腺超声视频的病灶检测方法的图像经随机遮挡、随机水平翻转以及弹性扭曲后的示意图;
图4为本发明基于乳腺超声视频的病灶检测装置的功能模块图;
图5为本发明基于乳腺超声视频的病灶检测设备的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制,基于本发明中的实施例,本领域普通技术人员在没有作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。
本发明提出一种基于乳腺超声视频的病灶检测方法,参见图1,该基于乳腺超声视频的病灶检测方法包括以下步骤:
S10,利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
S20,利用NMS算法删除同一帧图像中重叠的多余检测框;
S30,利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
S40,若跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到,则判断该疑似病灶为真病灶。
本实施例中,乳腺超声视频由多帧超声图像构成,利用目标检测算法对乳腺超声视频的每一帧图像进行疑似病灶检测。在检测到疑似病灶时,会利用检测框将此疑似病灶标出,以供超声科医生直接观看,而无需超声科医生观察当前的乳腺超声视频中是否存在疑似病灶。检测框可以是矩形框、圆形框或方形框等,包括但不限于此,本领域技术人员可根据实际情况进行设计。作为优选,本发明实施例所提出的检测框采用矩形框,此仅为示例性的,而非限制性的。
可以理解的是,同一个病灶可能会被多个检测框同时标出,此时则需要将重叠的多余检测框删除。作为优选,本发明实施例利用NMS算法删除同一帧图像中重叠的多余检测框。
在删除多余检测框后,再利用KCF跟踪算法对筛减后的检测框进行跟踪,比如当前疑似病灶所对应的检测框在第N帧图像中,此时则再向前跟踪N-1帧、N-2帧,N-3帧......,同时再向后跟踪N+1帧、N+2帧,N+3帧......。
若跟踪到的图像帧数大于第一阈值,同时对同一个病灶在大于第二阈值个的图像中检测到,则可据此作出该疑似病灶为真病灶的判断。若跟踪到的图像帧数小于等于第一阈值,或对同一个病灶在小于等于第二阈值个的图像中检测到,则可据此作出该疑似病灶为假病灶的判断。作为优选,本发明实施例所提出的第一阈值为5,第二阈值为2。
本发明实施例所提出的病灶检测方法,其先通过目标检测算法检测疑似病灶并用检测框标出,而后再通过NMS算法将多余的检测框删除,然后再利用KCF算法对筛检后的检测框进行跟踪,最后再判断检测框内的病灶是否为真病灶。也即:本发明不仅能够自动检测出乳腺超声视频中的疑似病灶,而且还能够进一步的判断检测框内的疑似病灶是否为真病灶,从而降低超声科医生的工作量,提高病灶检测效率,保证检测结果的可靠性。
进一步的,参见图2,本发明实施例所提出的基于乳腺超声视频的病灶检测方法还包括:
对训练数据的病灶附近随机添加一个黑色方形,通过黑色方形随机遮挡病灶的部分区域,同时对图像进行随机水平翻转以及弹性扭曲;
利用目标检测模型对所述病灶进行检测,以完成目标检测模型的训练。
本实施例中,目标检测模型对应目标检测算法,为使目标检测模型更加关注目标的形状信息,而非灰度信息,并且对边界缺失也有鲁棒性。本发明实施例对训练数据的病灶附近随机添加一个黑色方形,最外围的矩形框代表图像框,图像框内较大的矩形框为病灶检测框,图像框内较小的矩形框为黑色方形框,病灶检测框内的阴影区域为遮挡区域。如图3所示,为经随机遮挡、随机水平翻转以及弹性扭曲后的超声图。
基于前述实施例所提出的基于乳腺超声视频的病灶检测方法,参见图4,本发明还提出一种基于乳腺超声视频的病灶检测装置,该基于乳腺超声视频的病灶检测装置包括:
病灶检测模块10,用于利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
检测框删除模块20,用于利用NMS算法删除同一帧图像中重叠的多余检测框;
检测框跟踪模块30,用于利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
病灶判断模块40,用于当跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到时,判断该疑似病灶为真病灶。
进一步的,本发明实施例所提出的基于乳腺超声视频的病灶检测装置还包括:
病灶遮挡模块,用于对训练数据的病灶附近随机添加一个黑色方形,通过黑色方形随机遮挡病灶的部分区域,同时对原图像进行随机水平翻转以及弹性扭曲;
模型训练模块,用于利用目标检测模型对所述病灶进行检测,以完成目标检测模型的训练。
基于前述实施例所提出的基于乳腺超声视频的病灶检测方法,参见图5,本发明还提出一种基于乳腺超声视频的病灶检测设备,该基于乳腺超声视频的病灶检测设备包括:
存储器1005,用于存储计算机程序;
处理器1001,用于执行计算机程序,实现前述实施例所记载的基于乳腺超声视频的病灶检测方法,该基于乳腺超声视频的病灶检测方法至少包括以下步骤:
S10,利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
S20,利用NMS算法删除同一帧图像中重叠的多余检测框;
S30,利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
S40,若跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到,则判断该疑似病灶为真病灶。
本发明实施例所提出的基于乳腺超声视频的病灶检测设备可以是机器人,也可以是PC。如图5所示,该基于乳腺超声视频的病灶检测设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元,比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图5中示出的基于乳腺超声视频的病灶检测设备结构并不构成对病灶检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图5所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及计算机程序。
在图5所示的基于乳腺超声视频的病灶检测设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的计算机程序。
基于前述实施例所提出的基于乳腺超声视频的病灶检测方法,本发明还提出一种介质,该介质存储有计算机程序,计算机程序被处理器执行时,实现前述实施例所记载的基于乳腺超声视频的病灶检测方法,该基于乳腺超声视频的病灶检测方法至少包括以下步骤:
S10,利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
S20,利用NMS算法删除同一帧图像中重叠的多余检测框;
S30,利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
S40,若跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到,则判断该疑似病灶为真病灶。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述的仅为本发明的部分或优选实施例,无论是文字还是附图都不能因此限制本发明保护的范围,凡是在与本发明一个整体的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明保护的范围内。

Claims (8)

1.一种基于乳腺超声视频的病灶检测方法,其特征在于,包括:
利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
利用NMS算法删除同一帧图像中重叠的多余检测框;
利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
若跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到,则判断该疑似病灶为真病灶。
2.根据权利要求1所述的基于乳腺超声视频的病灶检测方法,其特征在于,所述利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶的步骤之前,还包括:
对训练数据的病灶附近随机添加一个黑色方形,通过黑色方形随机遮挡病灶的部分区域,同时对图像进行随机水平翻转以及弹性扭曲;
利用目标检测模型对所述病灶进行检测,以完成目标检测模型的训练。
3.根据权利要求1所述的基于乳腺超声视频的病灶检测方法,其特征在于,所述第一阈值为5,所述第二阈值为2。
4.一种基于乳腺超声视频的病灶检测装置,其特征在于,包括:
病灶检测模块,用于利用目标检测算法检测乳腺超声视频的每一帧图像,并用检测框标出疑似病灶;
检测框删除模块,用于利用NMS算法删除同一帧图像中重叠的多余检测框;
检测框跟踪模块,用于利用KCF跟踪算法对筛减后的检测框在乳腺超声视频中进行跟踪;
病灶判断模块,用于当跟踪到的图像帧数大于第一阈值且对同一个病灶在大于第二阈值个的图像中检测到时,判断该疑似病灶为真病灶。
5.根据权利要求4所述的基于乳腺超声视频的病灶检测装置,其特征在于,还包括:
病灶遮挡模块,用于对训练数据的病灶附近随机添加一个黑色方形,通过黑色方形随机遮挡病灶的部分区域,同时对图像进行随机水平翻转以及弹性扭曲;
模型训练模块,用于利用目标检测模型对所述病灶进行检测,以完成目标检测模型的训练。
6.根据权利要求4所述的基于乳腺超声视频的病灶检测装置,其特征在于,所述第一阈值为5,所述第二阈值为2。
7.一种基于乳腺超声视频的病灶检测设备,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,实现权利要求1-3任一项所述的基于乳腺超声视频的病灶检测方法。
8.一种介质,其特征在于,所述介质存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1-3任一项所述的基于乳腺超声视频的病灶检测方法。
CN202110508322.7A 2021-05-10 2021-05-10 基于乳腺超声视频的病灶检测方法、装置、设备及介质 Pending CN113344854A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110508322.7A CN113344854A (zh) 2021-05-10 2021-05-10 基于乳腺超声视频的病灶检测方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110508322.7A CN113344854A (zh) 2021-05-10 2021-05-10 基于乳腺超声视频的病灶检测方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN113344854A true CN113344854A (zh) 2021-09-03

Family

ID=77470420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110508322.7A Pending CN113344854A (zh) 2021-05-10 2021-05-10 基于乳腺超声视频的病灶检测方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN113344854A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886312A (zh) * 2014-03-21 2014-06-25 华东师范大学 一种快速选择并显示磁共振血管图像中感兴趣血管的方法
CN108665456A (zh) * 2018-05-15 2018-10-16 广州尚医网信息技术有限公司 基于人工智能的乳腺超声病灶区域实时标注的方法及系统
CN108682015A (zh) * 2018-05-28 2018-10-19 科大讯飞股份有限公司 一种生物图像中的病灶分割方法、装置、设备及存储介质
CN109363699A (zh) * 2018-10-16 2019-02-22 杭州依图医疗技术有限公司 一种乳腺影像病灶识别的方法及装置
CN109635835A (zh) * 2018-11-08 2019-04-16 深圳蓝韵医学影像有限公司 一种基于深度学习与迁移学习的乳腺病变区域检测方法
US20190122372A1 (en) * 2017-10-25 2019-04-25 Institute For Information Industry Object detection and tracking method and system
CN111227864A (zh) * 2020-01-12 2020-06-05 刘涛 使用超声图像利用计算机视觉进行病灶检测的方法与装置
CN111311635A (zh) * 2020-02-08 2020-06-19 腾讯科技(深圳)有限公司 一种目标定位方法、装置及系统
CN111738992A (zh) * 2020-06-04 2020-10-02 科大讯飞股份有限公司 肺部病灶区域提取方法、装置、电子设备和存储介质
CN111863204A (zh) * 2020-07-22 2020-10-30 北京青燕祥云科技有限公司 基于钼靶x线摄影检查的乳腺疾病ai辅助诊断方法及系统
CN112603368A (zh) * 2020-12-25 2021-04-06 上海深博医疗器械有限公司 一种乳腺超声导航及诊断的系统和方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886312A (zh) * 2014-03-21 2014-06-25 华东师范大学 一种快速选择并显示磁共振血管图像中感兴趣血管的方法
US20190122372A1 (en) * 2017-10-25 2019-04-25 Institute For Information Industry Object detection and tracking method and system
CN108665456A (zh) * 2018-05-15 2018-10-16 广州尚医网信息技术有限公司 基于人工智能的乳腺超声病灶区域实时标注的方法及系统
CN108682015A (zh) * 2018-05-28 2018-10-19 科大讯飞股份有限公司 一种生物图像中的病灶分割方法、装置、设备及存储介质
CN109363699A (zh) * 2018-10-16 2019-02-22 杭州依图医疗技术有限公司 一种乳腺影像病灶识别的方法及装置
CN109635835A (zh) * 2018-11-08 2019-04-16 深圳蓝韵医学影像有限公司 一种基于深度学习与迁移学习的乳腺病变区域检测方法
CN111227864A (zh) * 2020-01-12 2020-06-05 刘涛 使用超声图像利用计算机视觉进行病灶检测的方法与装置
CN111311635A (zh) * 2020-02-08 2020-06-19 腾讯科技(深圳)有限公司 一种目标定位方法、装置及系统
CN111738992A (zh) * 2020-06-04 2020-10-02 科大讯飞股份有限公司 肺部病灶区域提取方法、装置、电子设备和存储介质
CN111863204A (zh) * 2020-07-22 2020-10-30 北京青燕祥云科技有限公司 基于钼靶x线摄影检查的乳腺疾病ai辅助诊断方法及系统
CN112603368A (zh) * 2020-12-25 2021-04-06 上海深博医疗器械有限公司 一种乳腺超声导航及诊断的系统和方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王厚华: "基于深度学习的医学图像肺结节检测算法研究", 中国优秀硕士学位论文全文数据库-信息科技辑 *
王辰娇: "基于稀疏表示的胃部CT图像淋巴结检测与识别", 中国优秀硕士学位论文全文数据库-信息科技辑 *
胡正平;刘敏华;: "基于多尺度空间滤波结合两级l_1范数最近邻分类的乳腺微钙化图像病变类型诊断系统", 中国生物医学工程学报, no. 04 *

Similar Documents

Publication Publication Date Title
CN109493328B (zh) 医学图像显示方法、查看设备以及计算机设备
US10810735B2 (en) Method and apparatus for analyzing medical image
CN102138827B (zh) 图像显示装置
US9924927B2 (en) Method and apparatus for video interpretation of carotid intima-media thickness
CN110176010B (zh) 一种图像检测方法、装置、设备及存储介质
CN111091127A (zh) 一种图像检测方法、网络模型训练方法以及相关装置
WO2022253093A1 (zh) 肠道内窥镜观察视频中图像的处理方法、装置及存储介质
CN112786163B (zh) 一种超声图像处理显示方法、系统及存储介质
CN113822839B (zh) 医学图像的处理方法、装置、计算机设备和存储介质
CN113989407A (zh) Ct影像中肢体部位识别模型训练方法及系统
CN111144506B (zh) 基于超声图像的肝包虫识别方法、存储介质及超声设备
Pandey et al. Investigating the role of global histogram equalization technique for 99mTechnetium-Methylene diphosphonate bone scan image enhancement
CN112862752A (zh) 一种图像处理显示方法、系统电子设备及存储介质
CN113344028A (zh) 乳腺超声序列图像分类方法及装置
CN113344854A (zh) 基于乳腺超声视频的病灶检测方法、装置、设备及介质
CN116433695A (zh) 一种乳腺钼靶图像的乳腺区域提取方法及系统
CN111369588A (zh) 感兴趣区域处理方法、装置、设备和存储介质
JP2000121539A (ja) パーティクルモニタシステム及びパーティクル検出方法並びにパーティクル検出プログラムを格納した記録媒体
WO2022103659A1 (en) System and method for detecting medical conditions
JP2023019756A (ja) 医療画像学習方法及び医療画像処理装置
CN113344855A (zh) 降低乳腺超声病灶检测假阳率的方法、装置、设备及介质
JP5784408B2 (ja) 医用画像処理装置及び医用画像処理方法
CN114529497A (zh) 老化的屏幕的检测方法、系统、存储介质以及计算机设备
CN112766066A (zh) 一种动态视频流和静态图像处理显示方法、系统
CN112641466A (zh) 一种超声人工智能辅助诊断方法及装置

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