CN113808102A - 一种乳腺结节钙化阴影识别装置 - Google Patents
一种乳腺结节钙化阴影识别装置 Download PDFInfo
- Publication number
- CN113808102A CN113808102A CN202111085368.9A CN202111085368A CN113808102A CN 113808102 A CN113808102 A CN 113808102A CN 202111085368 A CN202111085368 A CN 202111085368A CN 113808102 A CN113808102 A CN 113808102A
- Authority
- CN
- China
- Prior art keywords
- calcification
- image
- shadow
- bounding box
- nodule
- 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
- 230000002308 calcification Effects 0.000 title claims abstract description 89
- 206010006272 Breast mass Diseases 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000002604 ultrasonography Methods 0.000 claims abstract description 11
- 238000010276 construction Methods 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 8
- 208000004434 Calcinosis Diseases 0.000 abstract description 69
- 201000011510 cancer Diseases 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 206010006187 Breast cancer Diseases 0.000 description 3
- 208000026310 Breast neoplasm Diseases 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 238000012795 verification 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
-
- 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
- A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
-
- 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
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- 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
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/60—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
- G06T2207/10132—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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Physiology (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种乳腺结节钙化阴影识别装置,包括:图像获取模块:用于获取带有乳腺结节的超声图像;感兴趣结节图像提取模块:用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取,得到感兴趣结节图像;钙化识别模块:用于通过贝叶斯优化算法识别所述感兴趣结节图像中的钙化点,得到图像Icals_grow;钙化阴影描述子构建模块:用于根据所述图像Icals_grow中的钙化点来构建钙化阴影描述子;钙化阴影识别模块:用于基于所述图像Icals_grow中的钙化点,通过所述钙化阴影描述子在所述超声图像中进行阴影识别。本发明能够对乳腺结节的钙化阴影进行有效识别。
Description
技术领域
本发明涉及辅助医学诊断技术领域,特别是涉及一种乳腺结节钙化阴影识别装置。
背景技术
如今,随着对快速准确诊断的需求日益增长,以及临床人员的短缺,计算机分析方法已经越来越多地应用于支持常规临床诊断,并显示出良好的效果。
预计近些年,乳腺癌将成为女性的第二大致命癌症,死亡率为15%。这些统计数据表明,乳腺癌的诊断对于提高预期寿命至关重要,尤其是对女性而言。作为一种常用的临床工具,超声成像是一种无创、无辐射、低成本的癌症诊断技术。然而,由于图像质量较低,从超声中识别乳腺病变和检测癌症体征是一项具有挑战性的任务。
恶性肿瘤的生长和进展可以通过其方向、外观、质地、成分和许多其他因素来反映。作为一种使用良好的工具,灰度超声(US)图像可以可视化许多这些因素,帮助医生更好地观察和理解乳腺结节。然而,在目前的临床实践中,在超声乳腺图像中观察到的特征只能主观或半主观地进行评估,这限制了超声图像的广泛应用。因此,自动准确的乳腺结节定量分析标准对于准确的癌症诊断至关重要。
乳腺成像报告和数据系统(BI-RADS)是科学测量和报告乳腺结节的指南。不幸的是,目前还没有研究定量BI-RADS特征改善乳腺癌分类的诊断性能。
发明内容
本发明所要解决的技术问题是提供一种乳腺结节钙化阴影识别装置,能够对乳腺结节的钙化阴影进行有效识别。
本发明解决其技术问题所采用的技术方案是:提供一种乳腺结节钙化阴影识别装置,包括:
图像获取模块:用于获取带有乳腺结节的超声图像;
感兴趣结节图像提取模块:用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取,得到感兴趣结节图像;
钙化识别模块:用于通过贝叶斯优化算法识别所述感兴趣结节图像中的钙化点,得到图像Icals_grow;
钙化阴影描述子构建模块:用于根据所述图像Icals_grow中的钙化点来构建钙化阴影描述子;
钙化阴影识别模块:用于基于所述图像Icals_grow中的钙化点,通过所述钙化阴影描述子在所述超声图像中进行阴影识别。
所述钙化阴影描述子构建模块中的根据所述图像Icals_grow中的钙化点来构建钙化阴影描述子,包括:
根据图像Icals_grow中的每个钙化点的大小拟合一最小裁剪窗口;
在每个最小裁剪窗口的正上方设置一长与最小裁剪窗口一致、高为预设高度的上部边界框;
在每个最小裁剪窗口的正下方设置与所述上部边界框大小相同的下部边界框;
根据所述上部边界框和下部边界框构建钙化阴影描述子。
所述上部边界框的表达式为:所述下部边界框的表达式为:其中,[A(x,y),B(x,y),C(x,y),D(x,y)]表示最小裁剪窗口的四个顶点坐标,Δtop表示上部边界框在最小裁剪窗口的正上方的位移,Δbot表示上部边界框在最小裁剪窗口的正下方的位移,htop表示上部边界框的高度,hbot表示下部边界框的高度。
所述上部边界框在最小裁剪窗口的正上方的位移Δtop=0,所述上部边界框在最小裁剪窗口的正下方的位移Δbot=15,所述上部边界框的高度htop=10,所述下部边界框的高度hbot=10。
所述钙化阴影描述子构建模块中的根据所述上部边界框和下部边界框构建钙化阴影描述子,公式为:其中,Xtop表示所有上部边界框内的像素点集合,Xbot表示所有下部边界框内的像素点集合,Ix,y表示超声图像在像素点(x,y)的亮度值。
所述钙化阴影识别模块:用于基于所述图像Icals_grow中的钙化点,通过所述钙化阴影描述子在所述超声图像中进行阴影识别,包括:若钙化阴影描述子ΔCC>tΔ,则表明钙化点周围存在阴影;若钙化阴影描述子ΔCC≤tΔ,则表明钙化点周围不存在阴影,tΔ表示差异阈值。
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:本发明根据超声图像中检测出的钙化点来构建钙化阴影描述子,并通过钙化阴影描述子实现对粗钙化的阴影进行有效识别;本发明能够方便医生对病理部位进行准确判断,为医生更好更快更精确地对病理部位做出准确判断提供有效的数据支撑。
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超像素分割示意图;
图3是本发明实施方式的钙化阴影描述子构建示意图。
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乳腺结节钙化阴影识别装置,请参阅图1,包括:
图像获取模块:用于获取带有乳腺结节的超声图像;
感兴趣结节图像提取模块:用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取,得到感兴趣结节图像;
钙化识别模块:用于通过贝叶斯优化算法识别所述感兴趣结节图像中的钙化点,得到图像Icals_grow;
钙化阴影描述子构建模块:用于构建钙化阴影描述子;
钙化阴影识别模块:用于基于所述图像Icals_grow中的钙化点,通过所述钙化阴影描述子在所述超声图像中进行阴影识别。
以下通过一个具体的实施方式对本发明进行详细说明:
本实施方式中,在钙化识别模块之前还包括钙化候选点检测模块,所述钙化候选点检测模块用于将感兴趣结节图像去除边界掩码后,得到图像I′erode,并将其划分为若干超像素,并根据对比度和亮度从每个超像素中检测出钙化候选点,得到图像Icals_raw。
钙化候选点检测模块具体包括:通过k-means聚类法的图像分割方法将所述图像I′erode分割为200个超像素,得到图像I'SP200,并从所述图像I'SP200中选取平均亮度前100的超像素。
将从图像I'SP200中选取到的平均亮度前100的超像素分割为300个超像素,得到图像I'SP300,并从所述图像I'SP300中选取平均亮度前150的超像素。
将从图像I'SP300中选取到的平均亮度前150的超像素分割为750个超像素,得到图像I'SP750,并从所述图像I'SP750中选取对比度方差前375的超像素,最后,通过6像素或10像素(取决于结节的大小)宽的碟形结构元素进一步腐蚀图像I'SP750的边界掩码,用于去除在边缘检测到的潜在的假钙化候选点,最终得到带有钙化候选点的图像Icals_raw。
关于超像素分割可以见图2,图2中的(a)为感兴趣结节图像,图2中的(b)示出了超像素分割后的图像。
对图像Icals_raw中的每个连通域(即钙化点所占区域像素点集合)进行单独裁剪。进一步地,对图像Icals_raw单独裁剪的每个连通域进行特征提取,共提取了两种特征,它们分别是表达候选区域亮度特征表现的直方图特征与表达候选区域纹理表现的灰度共生矩阵特征,并将直方图特征与灰度共生矩阵特征结合,表达为共6+14=20个数值。通过对真钙化与假钙化之间特征表达区别的统计分析,并结合贝叶斯优化算法,确定了提取特征数值的合理区间。贝叶斯优化算法对每个候选钙化区域进行特征提取并与确定的合理区间进行校验,若特征值处于所定义的区间之外,则在图像Icals_raw中删除该非钙化区域,得到图像Icals_fine。本实施方式还通过区域生长法将图像Icals_fine中的钙化点进行区域生长,并通过SURF描述子标定的能量范围对钙化点的生长区域进行限制,最终生成钙化图像Icals_grow。
通常,阴影的出现是鉴别粗钙化的重要特征。在钙化阴影描述子构建模块中,为了构建钙化阴影描述子,首先将最小裁剪窗口拟合到检测到的每个连通域(即钙化点的所占区域像素点集合),由图3中的(a)或(b)可知,最小裁剪窗口的四个顶点为A、B、C、D,本实施方式通过[A(x,y),B(x,y),C(x,y),D(x,y)]来表示最小裁剪窗口的四个框角坐标。除此之外,本实施方式还设置了每个连通域正上方和正下方的两个边界框,分别为上部边界框和下部边界框,用以比较两个边界框的亮度表现,若上部、下部边界框亮度差异明显,则存在阴影,否则不存在;图3中的(a)展示了有阴影的结节,(b)展示了没有阴影的结节。
上部边界框的公式为:
下部边界框的公式为:
其中,[A(x,y),B(x,y),C(x,y),D(x,y)]表示最小裁剪窗口的四个顶点坐标,Δtop表示上部边界框在最小裁剪窗口的正上方的位移,Δbot表示上部边界框在最小裁剪窗口的正下方的位移,htop表示上部边界框的高度,hbot表示下部边界框的高度。
进一步地,由于钙化的高亮度性质通常会照亮其周围区域,因此本实施方式建议在设置上部边界框和下部边界框时相对最小裁剪窗口有一些偏移,以避免此类影响。因此,本实施方式通过实验将上部边界框在最小裁剪窗口的正上方的位移设置为:Δtop=0,将上部边界框在最小裁剪窗口的正下方的位移设置为:Δbot=15,将上部边界框的高度设置为:htop=10,将下部边界框的高度设置为:hbot=10。
进一步地,钙化阴影识别模块中的钙化阴影描述子的公式为:
其中,Xtop表示所有上部边界框内的像素点集合,Xbot表示所有下部边界框内的像素点集合,Ix,y表示超声图像在像素点(x,y)的亮度值。
需要注意的是,在具体阴影识别时,本实施方式基于图像Icals_grow中的钙化点,通过钙化阴影描述子在超声图像中进行阴影识别;若ΔCC>tΔ,则表明钙化点周围存在阴影,若ΔCC≤tΔ,则表明钙化点周围不存在阴影,tΔ表示差异阈值,本实施方式通过实验将差异阈值定为:tΔ=50。
由此可见,本发明根据超声图像中检测出的钙化点来构建钙化阴影描述子,并通过钙化阴影描述子实现对粗钙化的阴影进行有效识别。
Claims (6)
1.一种乳腺结节钙化阴影识别装置,其特征在于,包括:
图像获取模块:用于获取带有乳腺结节的超声图像;
感兴趣结节图像提取模块:用于通过选取若干感兴趣坐标点的方式对所述超声图像的乳腺结节边界进行截取,得到感兴趣结节图像;
钙化识别模块:用于通过贝叶斯优化算法识别所述感兴趣结节图像中的钙化点,得到图像Icals_grow;
钙化阴影描述子构建模块:用于根据所述图像Icals_grow中的钙化点来构建钙化阴影描述子;
钙化阴影识别模块:用于基于所述图像Icals_grow中的钙化点,通过所述钙化阴影描述子在所述超声图像中进行阴影识别。
2.根据权利要求1所述的乳腺结节钙化阴影识别装置,其特征在于,所述钙化阴影描述子构建模块中的根据所述图像Icals_grow中的钙化点来构建钙化阴影描述子,包括:
根据图像Icals_grow中的每个钙化点的大小拟合一最小裁剪窗口;
在每个最小裁剪窗口的正上方设置一长与最小裁剪窗口一致、高为预设高度的上部边界框;
在每个最小裁剪窗口的正下方设置与所述上部边界框大小相同的下部边界框;
根据所述上部边界框和下部边界框构建钙化阴影描述子。
4.根据权利要求3所述的乳腺结节钙化阴影识别装置,其特征在于,所述上部边界框在最小裁剪窗口的正上方的位移Δtop=0,所述上部边界框在最小裁剪窗口的正下方的位移Δbot=15,所述上部边界框的高度htop=10,所述下部边界框的高度hbot=10。
6.根据权利要求1所述的乳腺结节钙化阴影识别装置,其特征在于,所述钙化阴影识别模块:用于基于所述图像Icals_grow中的钙化点,通过所述钙化阴影描述子在所述超声图像中进行阴影识别,包括:若钙化阴影描述子ΔCC>tΔ,则表明钙化点周围存在阴影;若钙化阴影描述子ΔCC≤tΔ,则表明钙化点周围不存在阴影,tΔ表示差异阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111085368.9A CN113808102B (zh) | 2021-09-16 | 2021-09-16 | 一种乳腺结节钙化阴影识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111085368.9A CN113808102B (zh) | 2021-09-16 | 2021-09-16 | 一种乳腺结节钙化阴影识别装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113808102A true CN113808102A (zh) | 2021-12-17 |
CN113808102B CN113808102B (zh) | 2024-01-05 |
Family
ID=78895506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111085368.9A Active CN113808102B (zh) | 2021-09-16 | 2021-09-16 | 一种乳腺结节钙化阴影识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113808102B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2545396A1 (de) * | 1975-10-10 | 1977-04-21 | Philips Patentverwaltung | Verfahren zum automatischen erkennen von mikroverkalkungen in einer roentgen-mammographie |
JP2001204721A (ja) * | 1995-01-23 | 2001-07-31 | Fuji Photo Film Co Ltd | 乳房画像表示方法および装置 |
US20020196967A1 (en) * | 2001-06-13 | 2002-12-26 | Fuji Photo Film Co., Ltd. | Prospective abnormal shadow detecting system |
JP2005066194A (ja) * | 2003-08-27 | 2005-03-17 | Mie Tlo Co Ltd | 石灰化陰影組織学的分類方法 |
JP2005177037A (ja) * | 2003-12-18 | 2005-07-07 | Fuji Photo Film Co Ltd | 石灰化陰影判定方法、石灰化陰影判定装置およびプログラム |
CN101234026A (zh) * | 2008-03-07 | 2008-08-06 | 李立 | 一种乳腺病变定量化影像评价系统及其应用方法 |
CN110264461A (zh) * | 2019-06-25 | 2019-09-20 | 南京工程学院 | 基于超声乳腺肿瘤图像的微小钙化点自动检测方法 |
CN111461158A (zh) * | 2019-05-22 | 2020-07-28 | 什维新智医疗科技(上海)有限公司 | 用于识别超声图像中特征的方法、装置、存储介质和系统 |
-
2021
- 2021-09-16 CN CN202111085368.9A patent/CN113808102B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2545396A1 (de) * | 1975-10-10 | 1977-04-21 | Philips Patentverwaltung | Verfahren zum automatischen erkennen von mikroverkalkungen in einer roentgen-mammographie |
JP2001204721A (ja) * | 1995-01-23 | 2001-07-31 | Fuji Photo Film Co Ltd | 乳房画像表示方法および装置 |
US20020196967A1 (en) * | 2001-06-13 | 2002-12-26 | Fuji Photo Film Co., Ltd. | Prospective abnormal shadow detecting system |
JP2005066194A (ja) * | 2003-08-27 | 2005-03-17 | Mie Tlo Co Ltd | 石灰化陰影組織学的分類方法 |
JP2005177037A (ja) * | 2003-12-18 | 2005-07-07 | Fuji Photo Film Co Ltd | 石灰化陰影判定方法、石灰化陰影判定装置およびプログラム |
CN101234026A (zh) * | 2008-03-07 | 2008-08-06 | 李立 | 一种乳腺病变定量化影像评价系统及其应用方法 |
CN111461158A (zh) * | 2019-05-22 | 2020-07-28 | 什维新智医疗科技(上海)有限公司 | 用于识别超声图像中特征的方法、装置、存储介质和系统 |
CN110264461A (zh) * | 2019-06-25 | 2019-09-20 | 南京工程学院 | 基于超声乳腺肿瘤图像的微小钙化点自动检测方法 |
Non-Patent Citations (2)
Title |
---|
KOSMIA LOIZIDOU等: "An Automated Breast Micro-Calcification Detection and Classification Technique Using Temporal Subtraction of Mammograms", IEEE ACCESS * |
梁瑞冰;史瑞雪;郭真真;李欣;: "X射线钼靶、超声对乳腺BI-RADS Ⅲ~Ⅳ级病变影像学对照分析", 生物医学工程与临床, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN113808102B (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9959617B2 (en) | Medical image processing apparatus and breast image processing method thereof | |
George et al. | Automated cell nuclei segmentation for breast fine needle aspiration cytology | |
JP2008520345A (ja) | 超音波画像における病変の検出及び分類方法、及びそのシステム | |
Taha et al. | Automatic polyp detection in endoscopy videos: A survey | |
CN111445478A (zh) | 一种用于cta图像的颅内动脉瘤区域自动检测系统和检测方法 | |
CN112001895B (zh) | 一种甲状腺钙化检测装置 | |
CN110763677A (zh) | 甲状腺冰冻切片诊断方法及系统 | |
TWI587844B (zh) | 醫療影像處理裝置及其乳房影像處理方法 | |
CN113450326B (zh) | 一种甲状腺结节的血管信息提取装置 | |
CN113450327B (zh) | 一种甲状腺结节的血管分布信息识别装置 | |
Athinarayanan et al. | COMPUTER AIDED DIAGNOSIS FOR DETECTION AND STAGE IDENTIFICATION OF CERVICAL CANCER BY USING PAP SMEAR SCREENING TEST IMAGES. | |
Ramadijanti et al. | Automatic breast tumor segmentation using hierarchical k-means on mammogram | |
CN113822864B (zh) | 一种乳腺结节钙化检测装置 | |
CN113808102B (zh) | 一种乳腺结节钙化阴影识别装置 | |
CN113808101B (zh) | 一种乳腺结节钙化分析装置 | |
CN116228709A (zh) | 一种胰腺实性占位病灶的交互式超声内镜图像识别方法 | |
CN113393452B (zh) | 一种甲状腺结节血管数目探测装置 | |
CN113808100B (zh) | 一种乳腺结节粗钙化识别装置 | |
Kiyuna et al. | Automatic classification of hepatocellular carcinoma images based on nuclear and structural features | |
CN114155205A (zh) | 一种乳腺结节边界清晰度判定装置 | |
CN114098781A (zh) | 一种融合全局和局部信息的乳腺癌辅助检测方法 | |
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 | |
CN113450325A (zh) | 一种甲状腺结节良恶性识别装置 | |
CN113222009A (zh) | 一种基于甲状腺超声视频估算结节纵横比的方法 |
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 | ||
CB02 | Change of applicant information |
Address after: 201114 room 101-8, building 3, No. 2388, Chenhang Road, Minhang District, Shanghai Applicant after: Shiwei Xinzhi medical technology (Shanghai) Co.,Ltd. Address before: 1628 suzhao Road, Minhang District, Shanghai 201112 Applicant before: Shiwei Xinzhi medical technology (Shanghai) Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |