CN113344855A - 降低乳腺超声病灶检测假阳率的方法、装置、设备及介质 - Google Patents
降低乳腺超声病灶检测假阳率的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113344855A CN113344855A CN202110508601.3A CN202110508601A CN113344855A CN 113344855 A CN113344855 A CN 113344855A CN 202110508601 A CN202110508601 A CN 202110508601A CN 113344855 A CN113344855 A CN 113344855A
- Authority
- CN
- China
- Prior art keywords
- video
- sub
- false positive
- reducing
- positive rate
- 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
Links
- 210000000481 breast Anatomy 0.000 title claims abstract description 66
- 230000003902 lesion Effects 0.000 title claims abstract description 64
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000002604 ultrasonography Methods 0.000 claims abstract description 62
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 210000005075 mammary gland Anatomy 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006651 lactation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000012216 screening 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
-
- 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
- G06T2207/30096—Tumor; 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
本发明公开一种降低乳腺超声病灶检测假阳率的方法,包括:利用KCF跟踪算法对疑似病灶在视频中进行跟踪;根据跟踪结果提取子视频并进行预处理;将预处理后的子视频输入到CSN网络中进行预测;若CSN网络输出的真阳类别概率大于预设阈值,则判断该疑似病灶为真阳,若CSN网络输出的真阳类别概率小于等于预设阈值,则判断该疑似病灶为假阳。本发明实施例所提出的降低乳腺超声病灶检测假阳率的方法,其利用帧间信息,对单帧检测算法的结果进行筛选,大大降低了假阳率。
Description
技术领域
本发明涉及超声检测领域,特别涉及一种降低乳腺超声病灶检测假阳率的方法、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。
现有技术中,针对乳腺超声病灶检测算法大部分都是基于单帧图像的,没有考虑帧间信息,而帧间变化的信息是判断是否为病灶的重要依据,往往会造成很高的假阳率。
发明内容
本发明的主要目的在于提出一种降低乳腺超声病灶检测假阳率的方法,旨在解决现有针对乳腺超声的病灶检测存在很高的假阳率问题。
为实现上述目的,本发明提出一种降低乳腺超声病灶检测假阳率的方法,所述降低乳腺超声病灶检测假阳率的方法包括:
利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
根据跟踪结果提取子视频并进行预处理;
将预处理后的子视频输入到CSN网络中进行预测;
若CSN网络输出的真阳类别概率大于预设阈值,则判断该疑似病灶为真阳,若CSN网络输出的真阳类别概率小于等于预设阈值,则判断该疑似病灶为假阳。
优选地,所述根据跟踪结果提取子视频并进行预处理包括:
获取所有跟踪框的最小外接矩形;
将最小外接矩形朝上、下、左、右各扩张预设像素;
利用扩张后的矩形从乳腺超声视频中截取子视频;
基于插值算法将子视频统一插值到预设帧。
优选地,所述降低乳腺超声病灶检测假阳率的方法还包括:
生成训练集对CSN网络进行训练。
优选地,所述预设阈值为0.4。
本发明还提出一种降低乳腺超声病灶检测假阳率的装置,所述降低乳腺超声病灶检测假阳率的装置包括:
病灶跟踪模块,用于利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
子视频提取模块,用于根据跟踪结果提取子视频并进行预处理;
子视频输入模块,用于将预处理后的子视频输入到CSN网络中进行预测;
病灶判断模块,用于当CSN网络输出的真阳类别概率大于预设阈值时,判断该疑似病灶为真阳,当CSN网络输出的真阳类别概率小于等于预设阈值时,判断该疑似病灶为假阳。
优选地,所述子视频提取模块包括:
矩形获取单元,用于获取所有跟踪框的最小外接矩形;
矩形扩张单元,用于将最小外接矩形朝上、下、左、右各扩张预设像素;
子视频截取单元,用于利用扩张后的矩形从乳腺超声视频中截取子视频;
子视频插值单元,用于基于插值算法将子视频统一插值到预设帧。
优选地,所述降低乳腺超声病灶检测假阳率的装置还包括:
训练模块,用于生成训练集对CSN网络进行训练。
优选地,所述预设阈值为0.4
本发明还提出一种降低乳腺超声病灶检测假阳率的设备,所述降低乳腺超声病灶检测假阳率的设备包括:
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,实现前述所记载的降低乳腺超声病灶检测假阳率的方法,所述降低乳腺超声病灶检测假阳率的方法至少包括以下步骤:
利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
根据跟踪结果提取子视频并进行预处理;
将预处理后的子视频输入到CSN网络中进行预测;
若CSN网络输出的真阳类别概率大于预设阈值,则判断该疑似病灶为真阳,若CSN网络输出的真阳类别概率小于等于预设阈值,则判断该疑似病灶为假阳。
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,实现前述所记载的降低乳腺超声病灶检测假阳率的方法,所述降低乳腺超声病灶检测假阳率的方法至少包括以下步骤:
利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
根据跟踪结果提取子视频并进行预处理;
将预处理后的子视频输入到CSN网络中进行预测;
若CSN网络输出的真阳类别概率大于预设阈值,则判断该疑似病灶为真阳,若CSN网络输出的真阳类别概率小于等于预设阈值,则判断该疑似病灶为假阳。
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降低乳腺超声病灶检测假阳率的方法,其利用帧间信息,对单帧检测算法的结果进行筛选,大大降低了假阳率。
附图说明
图1为本发明降低乳腺超声病灶检测假阳率的方法第一实施例的流程图;
图2为本发明降低乳腺超声病灶检测假阳率的方法第二实施例的流程图;
图3为本发明降低乳腺超声病灶检测假阳率的装置第一实施例的功能模块图;
图4为本发明降低乳腺超声病灶检测假阳率的装置第二实施例的功能模块图;
图5为本发明降低乳腺超声病灶检测假阳率的设备的结构示意图。
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。
本发明公开一种降低乳腺超声病灶检测假阳率的方法,参见图1,该降低乳腺超声病灶检测假阳率的方法包括以下步骤:
S10,利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
S20,根据跟踪结果提取子视频并进行预处理;
S30,将预处理后的子视频输入到CSN网络中进行预测;
S40,若CSN网络输出的真阳类别概率大于预设阈值,则判断该疑似病灶为真阳,若CSN网络输出的真阳类别概率小于等于预设阈值,则判断该疑似病灶为假阳。
本实施例中,利用目标检测算法对乳腺超声视频中的每一帧图像进行检测,而后再利用KCF跟踪算法对疑似病灶在视频中进行跟踪,也即:对单帧检测算法的结果在乳腺超声视频中进行跟踪。而后根据跟踪结果提取子视频并进行预处理,预处理后的子视频被输入到CSN网络中进行预测。
若CSN网络输出的真阳类别概率大于预设阈值,则判断该疑似病灶为真阳,若CSN网络输出的真阳类别概率小于等于预设阈值,则判断该疑似病灶为假阳。本发明实施例所提出的降低乳腺超声病灶检测假阳率的方法,其利用帧间信息,对单帧检测算法的结果进行筛选,大大降低了假阳率。
进一步的,本发明实施例所提出的步骤S20包括以下步骤:
S21,获取所有跟踪框的最小外接矩形;
S22,将最小外接矩形朝上、下、左、右各扩张预设像素;
S23,利用扩张后的矩形从乳腺超声视频中截取子视频;
S24,基于插值算法将子视频统一插值到预设帧。
本实施例中,取所有跟踪框的最小外接矩形,并将该外接矩形向上、下、左、右各扩张20像素,得到一个更大的矩形。利用该矩形从视频中截取子视频,截取的起始帧为跟踪到的起始帧的前一帧,截取的结束帧为跟踪到的结束帧的后一帧。最后,利用插值算法将子视频统一插值到20帧。
进一步的,本发明实施例所提出的降低乳腺超声病灶检测假阳率的方法还包括:
生成训练集对CSN网络进行训练。
本实施例中,将所有单帧检测算法检测到的病灶进行跟踪,并按照步骤S21-S24进行处理,标记真阳、假阳,生成训练集对CSN网络进行训练。测试时,将处理后的子视频输入到CSN模型中,输出类别概率。
基于前述实施例所提出的降低乳腺超声病灶检测假阳率的方法,参见图3,本发明还提出一种降低乳腺超声病灶检测假阳率的装置,该降低乳腺超声病灶检测假阳率的装置包括:
病灶跟踪模块10,用于利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
子视频提取模块20,用于根据跟踪结果提取子视频并进行预处理;
子视频输入模块30,用于将预处理后的子视频输入到CSN网络中进行预测;
病灶判断模块40,用于当CSN网络输出的真阳类别概率大于预设阈值时,判断该疑似病灶为真阳,当CSN网络输出的真阳类别概率小于等于预设阈值时,判断该疑似病灶为假阳。
进一步的,参见图4,本发明实施例所提出的子视频提取模块20包括:
矩形获取单元21,用于获取所有跟踪框的最小外接矩形;
矩形扩张单元22,用于将最小外接矩形朝上、下、左、右各扩张预设像素;
子视频截取单元23,用于利用扩张后的矩形从乳腺超声视频中截取子视频;
子视频插值单元24,用于基于插值算法将子视频统一插值到预设帧。
进一步的,本发明实施例所提出的降低乳腺超声病灶检测假阳率的装置还包括:
训练模块,用于生成训练集对CSN网络进行训练。
本实施例中,将所有单帧检测算法检测到的病灶进行跟踪,并按照步骤S21-S24进行处理,标记真阳、假阳,生成训练集对CSN网络进行训练。测试时,将处理后的子视频输入到CSN模型中,输出类别概率。
基于前述实施例所提出的降低乳腺超声病灶检测假阳率的方法,参见图5,本发明还提出一种降低乳腺超声病灶检测假阳率的设备,该降低乳腺超声病灶检测假阳率的设备包括:
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时,实现前述实施例所记载的降低乳腺超声病灶检测假阳率的方法,该降低乳腺超声病灶检测假阳率的方法至少包括以下步骤:
S10,利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
S20,根据跟踪结果提取子视频并进行预处理;
S30,将预处理后的子视频输入到CSN网络中进行预测;
S40,若CSN网络输出的真阳类别概率大于预设阈值,则判断该疑似病灶为真阳,若CSN网络输出的真阳类别概率小于等于预设阈值,则判断该疑似病灶为假阳。
本发明实施例所提出的降低乳腺超声病灶检测假阳率的设备可以是机器人,也可以是PC。如图5所示,该降低乳腺超声病灶检测假阳率的设备可以包括: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中示出的降低乳腺超声病灶检测假阳率的设备结构并不构成对设备的限定,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所示的降低乳腺超声病灶检测假阳率的设备中,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降低乳腺超声病灶检测假阳率的方法,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降低乳腺超声病灶检测假阳率的方法,该降低乳腺超声病灶检测假阳率的方法至少包括以下步骤:
S10,利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
S20,根据跟踪结果提取子视频并进行预处理;
S30,将预处理后的子视频输入到CSN网络中进行预测;
S40,若CSN网络输出的真阳类别概率大于预设阈值,则判断该疑似病灶为真阳,若CSN网络输出的真阳类别概率小于等于预设阈值,则判断该疑似病灶为假阳。
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 (10)
1.一种降低乳腺超声病灶检测假阳率的方法,其特征在于,包括:
利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
根据跟踪结果提取子视频并进行预处理;
将预处理后的子视频输入到CSN网络中进行预测;
若CSN网络输出的真阳类别概率大于预设阈值,则判断该疑似病灶为真阳,若CSN网络输出的真阳类别概率小于等于预设阈值,则判断该疑似病灶为假阳。
2.根据权利要求1所述的降低乳腺超声病灶检测假阳率的方法,其特征在于,所述根据跟踪结果提取子视频并进行预处理包括:
获取所有跟踪框的最小外接矩形;
将最小外接矩形朝上、下、左、右各扩张预设像素;
利用扩张后的矩形从乳腺超声视频中截取子视频;
基于插值算法将子视频统一插值到预设帧。
3.根据权利要求1所述的降低乳腺超声病灶检测假阳率的方法,其特征在于,还包括:
生成训练集对CSN网络进行训练。
4.根据权利要求1所述的降低乳腺超声病灶检测假阳率的方法,其特征在于,所述预设阈值为0.4。
5.一种降低乳腺超声病灶检测假阳率的装置,其特征在于,包括:
病灶跟踪模块,用于利用KCF跟踪算法对疑似病灶在视频中进行跟踪;
子视频提取模块,用于根据跟踪结果提取子视频并进行预处理;
子视频输入模块,用于将预处理后的子视频输入到CSN网络中进行预测;
病灶判断模块,用于当CSN网络输出的真阳类别概率大于预设阈值时,判断该疑似病灶为真阳,当CSN网络输出的真阳类别概率小于等于预设阈值时,判断该疑似病灶为假阳。
6.根据权利要求5所述的降低乳腺超声病灶检测假阳率的装置,其特征在于,所述子视频提取模块包括:
矩形获取单元,用于获取所有跟踪框的最小外接矩形;
矩形扩张单元,用于将最小外接矩形朝上、下、左、右各扩张预设像素;
子视频截取单元,用于利用扩张后的矩形从乳腺超声视频中截取子视频;
子视频插值单元,用于基于插值算法将子视频统一插值到预设帧。
7.根据权利要求5所述的降低乳腺超声病灶检测假阳率的装置,其特征在于,还包括:
训练模块,用于生成训练集对CSN网络进行训练。
8.根据权利要求5所述的降低乳腺超声病灶检测假阳率的装置,其特征在于,所述预设阈值为0.4。
9.一种降低乳腺超声病灶检测假阳率的设备,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1-4任一项所述的降低乳腺超声病灶检测假阳率的方法。
10.一种介质,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1-4任一项所述的降低乳腺超声病灶检测假阳率的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110508601.3A CN113344855A (zh) | 2021-05-10 | 2021-05-10 | 降低乳腺超声病灶检测假阳率的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110508601.3A CN113344855A (zh) | 2021-05-10 | 2021-05-10 | 降低乳腺超声病灶检测假阳率的方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344855A true CN113344855A (zh) | 2021-09-03 |
Family
ID=77470511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110508601.3A Pending CN113344855A (zh) | 2021-05-10 | 2021-05-10 | 降低乳腺超声病灶检测假阳率的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344855A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955912A (zh) * | 2014-02-14 | 2014-07-30 | 西安电子科技大学 | 自适应窗的胃部ct图像淋巴结跟踪检测系统及方法 |
CN107426631A (zh) * | 2016-05-23 | 2017-12-01 | 安讯士有限公司 | 从源视频序列生成摘要视频序列 |
US20170367677A1 (en) * | 2016-06-27 | 2017-12-28 | Taihao Medical Inc. | Analysis method for breast image and electronic apparatus using the same |
US20180214105A1 (en) * | 2017-01-31 | 2018-08-02 | Siemens Healthcare Gmbh | System and method breast cancer detection with x-ray imaging |
CN109727243A (zh) * | 2018-12-29 | 2019-05-07 | 无锡祥生医疗科技股份有限公司 | 乳腺超声图像识别分析方法及系统 |
CN110176009A (zh) * | 2019-05-23 | 2019-08-27 | 复旦大学 | 一种肺部图像分割和跟踪方法和系统 |
US20190311482A1 (en) * | 2018-04-09 | 2019-10-10 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer readable media for using synthetically trained deep neural networks for automated tracking of particles in diverse video microscopy data sets |
CN110678933A (zh) * | 2017-03-28 | 2020-01-10 | 皇家飞利浦有限公司 | 超声临床特征检测与相关联的设备、系统和方法 |
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 |
CN112446862A (zh) * | 2020-11-25 | 2021-03-05 | 北京医准智能科技有限公司 | 一种基于人工智能的动态乳腺超声视频全病灶实时检测和分割装置、系统及图像处理方法 |
-
2021
- 2021-05-10 CN CN202110508601.3A patent/CN113344855A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955912A (zh) * | 2014-02-14 | 2014-07-30 | 西安电子科技大学 | 自适应窗的胃部ct图像淋巴结跟踪检测系统及方法 |
CN107426631A (zh) * | 2016-05-23 | 2017-12-01 | 安讯士有限公司 | 从源视频序列生成摘要视频序列 |
US20170367677A1 (en) * | 2016-06-27 | 2017-12-28 | Taihao Medical Inc. | Analysis method for breast image and electronic apparatus using the same |
US20180214105A1 (en) * | 2017-01-31 | 2018-08-02 | Siemens Healthcare Gmbh | System and method breast cancer detection with x-ray imaging |
CN110678933A (zh) * | 2017-03-28 | 2020-01-10 | 皇家飞利浦有限公司 | 超声临床特征检测与相关联的设备、系统和方法 |
US20190311482A1 (en) * | 2018-04-09 | 2019-10-10 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer readable media for using synthetically trained deep neural networks for automated tracking of particles in diverse video microscopy data sets |
CN109727243A (zh) * | 2018-12-29 | 2019-05-07 | 无锡祥生医疗科技股份有限公司 | 乳腺超声图像识别分析方法及系统 |
CN110176009A (zh) * | 2019-05-23 | 2019-08-27 | 复旦大学 | 一种肺部图像分割和跟踪方法和系统 |
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 |
CN112446862A (zh) * | 2020-11-25 | 2021-03-05 | 北京医准智能科技有限公司 | 一种基于人工智能的动态乳腺超声视频全病灶实时检测和分割装置、系统及图像处理方法 |
Non-Patent Citations (2)
Title |
---|
赵鹏飞;赵涓涓;强彦;王峰智;赵文婷;: "多输入卷积神经网络肺结节检测方法研究", 计算机科学, no. 01 * |
郑杰;郭朋;: "一种改进Faster R-CNN检测乳腺肿块的方法", 影像研究与医学应用, no. 14 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102328349B1 (ko) | 인체 윤곽 키 포인트 검출 방법, 이미지 처리 방법, 장치 및 기기 | |
US20200167554A1 (en) | Gesture Recognition Method, Apparatus, And Device | |
CN102138827B (zh) | 图像显示装置 | |
CN110211111B (zh) | 一种血管提取的方法、装置、图像处理设备及存储介质 | |
US7949157B2 (en) | Interpreting sign language gestures | |
US9924927B2 (en) | Method and apparatus for video interpretation of carotid intima-media thickness | |
CN112786163B (zh) | 一种超声图像处理显示方法、系统及存储介质 | |
CN112929695B (zh) | 视频去重方法、装置、电子设备和存储介质 | |
US11170512B2 (en) | Image processing apparatus and method, and image processing system | |
CN113793345B (zh) | 一种基于改进注意力模块的医疗影像分割方法及装置 | |
CN113033524B (zh) | 遮挡预测模型训练方法、装置、电子设备及存储介质 | |
US20230252654A1 (en) | Video analysis device, wide-area monitoring system, and method for selecting camera | |
CN109613979B (zh) | 一种字符输入方法、装置、ar设备和计算机存储介质 | |
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 | |
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 | |
CN116934686A (zh) | 基于多方向图像融合的oct图像检测方法及装置 | |
CN112541429B (zh) | 一种智能抓图方法、装置、电子设备以及存储介质 | |
JP4802297B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN113344854A (zh) | 基于乳腺超声视频的病灶检测方法、装置、设备及介质 | |
CN112766066A (zh) | 一种动态视频流和静态图像处理显示方法、系统 | |
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 | |
CN112995488B (zh) | 高解析度视频图像处理方法、装置及电子设备 | |
US20220254013A1 (en) | Image processing device and storage medium | |
Ee et al. | Window Width Value Estimation Technique for CT Brain Images Using Average of Median of Statistical Central Moments | |
JP2024055381A (ja) | 情報処理装置、情報処理方法及びプログラム |
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 |