CN113450326B - 一种甲状腺结节的血管信息提取装置 - Google Patents

一种甲状腺结节的血管信息提取装置 Download PDF

Info

Publication number
CN113450326B
CN113450326B CN202110716304.8A CN202110716304A CN113450326B CN 113450326 B CN113450326 B CN 113450326B CN 202110716304 A CN202110716304 A CN 202110716304A CN 113450326 B CN113450326 B CN 113450326B
Authority
CN
China
Prior art keywords
image
nodule
blood vessel
vessel information
interest
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
Application number
CN202110716304.8A
Other languages
English (en)
Other versions
CN113450326A (zh
Inventor
韩东旭
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.)
Shiwei Xinzhi Medical Technology Shanghai Co ltd
Original Assignee
Shiwei Xinzhi Medical Technology Shanghai 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 Shiwei Xinzhi Medical Technology Shanghai Co ltd filed Critical Shiwei Xinzhi Medical Technology Shanghai Co ltd
Priority to CN202110716304.8A priority Critical patent/CN113450326B/zh
Publication of CN113450326A publication Critical patent/CN113450326A/zh
Application granted granted Critical
Publication of CN113450326B publication Critical patent/CN113450326B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/488—Diagnostic techniques involving Doppler signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Vascular Medicine (AREA)
  • Physiology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明涉及一种甲状腺结节的血管信息提取装置，包括：图像获取模块：用于获取关于甲状腺结节的彩色多普勒超声图像；感兴趣结节图像提取模块：用于对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像；血管信息提取模块：用于通过彩色像素提取法和形态学闭合操作从所述感兴趣结节图像中提取血管信息。本发明能够有效精准地从甲状腺结节的彩色多普勒图像中提取血管分布信息。

Description

一种甲状腺结节的血管信息提取装置
技术领域
本发明涉及辅助医学诊断技术领域，特别是涉及一种甲状腺结节的血管信息提取装置。
背景技术
甲状腺癌是全球女性最常见的癌症之一，女性的发病率是男性的三倍。2018年，每20例女性癌症确诊病例中就有一例是甲状腺癌。超声成像是一种无创、无辐射、低成本的肿瘤诊断技术。然而由于超声图像质量较低，从超声图像中识别甲状腺结节和检测肿瘤征象是一项具有挑战性的任务。
恶性肿瘤的生长和进展很大程度上取决于它的血流。彩色多普勒超声(CDUS)是一种理想的超声成像工具，它可以反映灰度超声图像中整个区域的血流信息。然而，与目前的临床实践一样，彩色多普勒超声甲状腺图像中的彩色信号只能进行主观或半主观评价，这些方法限制了彩色多普勒超声作为常规临床工具的广泛应用。因此，一个自动、准确的肿瘤血管定量分析标准对准确诊断肿瘤至关重要。
目前还没有关于定量多普勒特征来提高甲状腺癌分类诊断水平的研究。作为一种新的方法，因此需要从彩色多普勒超声图像中提取定量特征，并进一步利用这些特征对甲状腺结节进行精确分类。
发明内容
本发明所要解决的技术问题是提供一种甲状腺结节的血管信息提取装置，能够有效精准地从甲状腺结节的彩色多普勒图像中提取血管分布信息。
本发明解决其技术问题所采用的技术方案是：提供一种甲状腺结节的血管信息提取装置，包括：
图像获取模块：用于获取关于甲状腺结节的彩色多普勒超声图像；
感兴趣结节图像提取模块：用于对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像；
血管信息提取模块：用于通过彩色像素提取法和形态学闭合操作从所述感兴趣结节图像中提取血管信息。
所述感兴趣结节图像提取模块中对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像，具体为：通过选取若干感兴趣坐标点的方式对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像。
所述血管信息提取模块中通过彩色像素提取法从所述感兴趣结节图像中提取血管信息，具体为：
通过公式
Figure BDA0003135128870000021
判断所述感兴趣结节图像中的像素是否为彩色像素，以将所述感兴趣结节图像中的彩色像素与灰度像素分离来提取血管信息，其中，Coloured(x,y)为基于感兴趣结节图像形成的关于血管分布的位图，G(x,y)为感兴趣结节图像中像素(x,y)的绿色通道，R(x,y)为感兴趣结节图像中像素(x,y)的红色通道，B(x,y)为感兴趣结节图像中像素(x,y)的蓝色通道，thr为预设阈值。
所述血管信息提取模块中的预设阈值满足：thr＝48。
所述血管信息提取模块中通过形态学闭合操作从所述感兴趣结节图像中提取血管信息，具体为：
通过形态学闭合操作来闭合所述感兴趣结节图像中由于血流漩涡引起的明亮缝隙，公式为：
Figure BDA0003135128870000022
其中，IVI为血管信息位图，Coloured(x,y)为基于感兴趣结节图像形成的关于血管分布的位图，
Figure BDA0003135128870000023
为膨胀操作符号，
Figure BDA0003135128870000024
为腐蚀操作符号，SEvortex为形态学闭合操作中宽度为2像素的结构碟形元素。
所述图像获取模块中的彩色多普勒超声图像为基于RGB模式的图像。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过彩色像素提取法得到基本的血管分布位图，再通过形态学闭合操作能够获取到血管信息位图；本发明提取到的血管信息不仅全面还准确，便于后续对甲状腺结节的分析；本发明可以将最终得到的血管信息位图用于后续甲状腺结节的分析，可以有效避免医生对彩色多普勒超声图像中的彩色血管信息直接进行主观分析导致错误，方便医生更好更快更精确地做出判断。
附图说明
图1是本发明实施方式的流程图；
图2是本发明实施方式的感兴趣结节图像示意图；
图3是本发明实施方式的基于感兴趣结节图像形成的血管分布的位图；
图4是本发明实施方式的闭合了血管分布的位图上有血流涡旋引起的明亮缝隙后的血管信息位图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种甲状腺结节的血管信息提取装置，请参阅图1，包括：
图像获取模块：用于获取关于甲状腺结节的彩色多普勒超声(CDUS)图像；
感兴趣结节图像提取模块：用于对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像；
血管信息提取模块：用于通过彩色像素提取法和形态学闭合操作从所述感兴趣结节图像中提取血管信息。
彩色多普勒超声(CDUS)图像与传统的超声图像的区别在于，血管部分是由彩色像素构成的，因此通过彩色像素构成的血管部分可以知晓血管分布、血流方向和血流速度。故在得到感兴趣结节图像后，需要将血管信息提取出来。
进一步地，所述感兴趣结节图像提取模块中对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像，具体为：医生可以计算机中的裁剪工具来识别甲状腺结节的边缘点，即通过选取若干感兴趣坐标点的方式裁剪出感兴趣结节图像，详见图2。
进一步地，在详细介绍血管信息提取模块中的彩色像素提取法之前，先介绍一下彩色像素提取法的原理：由于彩色多普勒超声(CDUS)图像为基于RGB模式的图像，故每个所述彩色像素和灰度像素均包括红色通道、绿色通道和蓝色通道，并且每个彩色像素在红色通道、绿色通道和蓝色通道上具有不同的强度分布。本实施方式通过从绿色通道中减去红色通道或蓝色通道，以确定它们的差异是否大到可以被确定为彩色像素。
进一步地，所述血管信息提取模块中通过彩色像素提取法从所述感兴趣结节图像中提取血管信息，具体为：通过判断所述感兴趣结节图像中的像素是否为彩色像素，来将所述感兴趣结节图像中的彩色像素与灰度像素分离，得到血管信息，公式为：
Figure BDA0003135128870000041
其中，Coloured(x,y)为基于感兴趣结节图像形成的关于血管分布的位图，G(x,y)为感兴趣结节图像中像素(x,y)的绿色通道，R(x,y)为感兴趣结节图像中像素(x,y)的红色通道，B(x,y)为感兴趣结节图像中像素(x,y)的蓝色通道，thr为预设阈值；本实施方式中的预设阈值thr＝48。
请参阅图3，以上方式能够从感兴趣结节图像中得到关于血管分布的位图，并且突出了感兴趣结节图像中的有色区域，但是图3所示的关于血管分布的位图并不能完整包括整个血管的信息，具体在图像上呈现为一些明亮的缝隙(即明亮的细线)，需要通过血管信息提取模块中的形态学闭合操作来去除这些明亮的细线。
进一步地，所述血管信息提取模块中通过形态学闭合操作从所述感兴趣结节图像中提取血管信息，具体为：通过形态学闭合操作来闭合所述感兴趣结节图像中由于血流漩涡引起的明亮曲线，形态学闭合操作即对感兴趣结节图像中所有像素先进行膨胀操作而后进行腐蚀操作，公式为：
Figure BDA0003135128870000042
其中，IVI为血管信息位图，即包含所有血管信息的图像，Coloured(x,y)为基于感兴趣结节图像形成的关于血管分布的位图，
Figure BDA0003135128870000043
为膨胀操作符号，
Figure BDA0003135128870000044
为腐蚀操作符号，SEvortex为形态学闭合操作中宽度为2像素的碟形结构元素。
通过以上方式可以从原始的彩色多普勒超声(CDUS)图像获取到包含所有血管信息位图IVI，详见图4。
由此可见，本发明通过彩色像素提取法得到基本的血管分布位图，再通过形态学闭合操作能够获取到血管信息位图；本发明提取到的血管信息不仅全面还准确，便于后续对甲状腺结节的分析。

Claims (2)

1.一种甲状腺结节的血管信息提取装置，其特征在于，包括：
图像获取模块：用于获取关于甲状腺结节的彩色多普勒超声图像；
感兴趣结节图像提取模块：用于对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像；
所述感兴趣结节图像提取模块中对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像，具体为：通过选取若干感兴趣坐标点的方式对所述彩色多普勒超声图像的甲状腺结节边界进行截取，得到感兴趣结节图像；
血管信息提取模块：用于通过彩色像素提取法和形态学闭合操作从所述感兴趣结节图像中提取血管信息；
血管信息提取模块中通过彩色像素提取法从所述感兴趣结节图像中提取血管信息，具体为：通过公式
Figure FDA0003885656550000011
判断所述感兴趣结节图像中的像素是否为彩色像素，以将所述感兴趣结节图像中的彩色像素与灰度像素分离来提取血管信息，其中，Coloured(x,y)为基于感兴趣结节图像形成的关于血管分布的位图，G(x,y)为感兴趣结节图像中像素(x,y)的绿色通道，R(x,y)为感兴趣结节图像中像素(x,y)的红色通道，B(x,y)为感兴趣结节图像中像素(x,y)的蓝色通道，thr为预设阈值；
所述血管信息提取模块中的预设阈值满足：thr＝48；
所述血管信息提取模块中通过形态学闭合操作从所述感兴趣结节图像中提取血管信息，具体为：
通过形态学闭合操作来闭合所述感兴趣结节图像中由于血流漩涡引起的明亮缝隙，公式为：
Figure FDA0003885656550000012
其中，IVI为血管信息位图，Coloured(x,y)为基于感兴趣结节图像形成的关于血管分布的位图，
Figure FDA0003885656550000013
为膨胀操作符号，
Figure FDA0003885656550000014
为腐蚀操作符号，SEvortex为形态学闭合操作中宽度为2像素的碟形结构元素。
2.根据权利要求1所述的甲状腺结节的血管信息提取装置，其特征在于，所述图像获取模块中的彩色多普勒超声图像为基于RGB模式的图像。
CN202110716304.8A 2021-06-28 2021-06-28 一种甲状腺结节的血管信息提取装置 Active CN113450326B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110716304.8A CN113450326B (zh) 2021-06-28 2021-06-28 一种甲状腺结节的血管信息提取装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110716304.8A CN113450326B (zh) 2021-06-28 2021-06-28 一种甲状腺结节的血管信息提取装置

Publications (2)

Publication Number Publication Date
CN113450326A CN113450326A (zh) 2021-09-28
CN113450326B true CN113450326B (zh) 2023-02-28

Family

ID=77813095

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110716304.8A Active CN113450326B (zh) 2021-06-28 2021-06-28 一种甲状腺结节的血管信息提取装置

Country Status (1)

Country Link
CN (1) CN113450326B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114926389B (zh) * 2022-03-30 2024-07-09 什维新智医疗科技(上海)有限公司 一种超声图像的弹性信号提取装置
CN116452566B (zh) * 2023-04-24 2024-05-17 什维新智医疗科技(上海)有限公司 一种多普勒图像的识别方法、系统、电子设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8047993B2 (en) * 2004-12-08 2011-11-01 Industrial Technology Research Institute Quantitative non-invasive method for detecting degree of malignancy in tumors and application thereof
CN110060235A (zh) * 2019-03-27 2019-07-26 天津大学 一种基于深度学习的甲状腺结节超声图像分割方法
CN112001895B (zh) * 2020-08-03 2021-04-02 什维新智医疗科技(上海)有限公司 一种甲状腺钙化检测装置
CN112001894B (zh) * 2020-08-03 2021-04-30 什维新智医疗科技(上海)有限公司 一种甲状腺边界平滑度检测装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
判断位图是否是黑白图片;胡同。;《博客园》;20131113;第1-3页 *
小鼠大脑神经血管单元高精度图像的重建与分析;林潘;《中国优秀博硕士学位论文全文数据库(硕士)医药卫生科技辑》;20200215;第E076-5页 *
岸-舰双基地地波超视距雷达;陈伯孝 等;《西安电子科技大学出版社》;20200430;第200-202页 *

Also Published As

Publication number Publication date
CN113450326A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
US11423678B2 (en) Automated whole-slide image classification using deep learning
CN113450326B (zh) 一种甲状腺结节的血管信息提取装置
US8111897B2 (en) Evaluation system, evaluation method, and recording medium
Cosatto et al. Grading nuclear pleomorphism on histological micrographs
CN113450327B (zh) 一种甲状腺结节的血管分布信息识别装置
CN113450325B (zh) 一种甲状腺结节良恶性识别装置
US20140018681A1 (en) Ultrasound imaging breast tumor detection and diagnostic system and method
CN108320289B (zh) 一种基于稀疏表示和形态学操作的骨髓细胞分割方法
CN113393452B (zh) 一种甲状腺结节血管数目探测装置
Oikawa et al. Pathological diagnosis of gastric cancers with a novel computerized analysis system
Shakhawat et al. Automatic grading of invasive breast cancer patients for the decision of therapeutic plan
Razavi et al. Automatically diagnosing HER2 amplification status for breast cancer patients using large FISH images
CN114155205A (zh) 一种乳腺结节边界清晰度判定装置
CN113940702A (zh) 一种甲状腺结节回声分析装置
CN113940704A (zh) 一种基于甲状腺的肌肉和筋膜检测装置
Adam et al. Epithelial layer estimation using curvatures and textural features for dysplastic tissue detection
CN114926389B (zh) 一种超声图像的弹性信号提取装置
CN114881922B (zh) 一种基于超声图像的弹性信号钙化分析装置
CN114881925B (zh) 一种基于弹性超声图像的结节良恶性判定装置
CN113808100B (zh) 一种乳腺结节粗钙化识别装置
CN113808101B (zh) 一种乳腺结节钙化分析装置
Rehman et al. Detection and histo-scoring of HER2/CEN17 biomarkers in SISH images
CN113940701B (zh) 一种基于甲状腺的气管和血管检测装置
CN114881924B (zh) 一种基于超声图像弹性信号的量化分析装置
CN114881923A (zh) 一种基于超声图像弹性信号的结节回声分析装置

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
GR01 Patent grant
GR01 Patent grant