CN113902642B - 一种医学图像处理方法、装置、电子设备和存储介质 - Google Patents
一种医学图像处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113902642B CN113902642B CN202111190853.2A CN202111190853A CN113902642B CN 113902642 B CN113902642 B CN 113902642B CN 202111190853 A CN202111190853 A CN 202111190853A CN 113902642 B CN113902642 B CN 113902642B
- Authority
- CN
- China
- Prior art keywords
- image
- definition information
- target physiological
- physiological tissue
- symptom
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 208000024891 symptom Diseases 0.000 claims abstract description 153
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000003902 lesion Effects 0.000 claims description 63
- 238000012545 processing Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 210000001519 tissue Anatomy 0.000 description 132
- 238000002591 computed tomography Methods 0.000 description 17
- 208000007536 Thrombosis Diseases 0.000 description 8
- 206010002329 Aneurysm Diseases 0.000 description 7
- 208000005475 Vascular calcification Diseases 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000005003 heart tissue Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 210000005228 liver tissue Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本方案公开了一种医学影像处理方法、装置、电子设备和存储介质,其中,该方法的步骤包括:获取目标生理组织影像;根据目标生理组织影像中的病灶信息,匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;利用由目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定的调整信息,对病灶对应的多个征象影像清晰度信息进行调整,获得多个征象医学影像。本方案能够保证每个征象的清晰度均能达到合适的清晰度值,使得用户能够清晰辨识病灶中每个征象,从而快速、准确的确定病灶的位置、范围等属性信息。
Description
技术领域
本发明涉及医学影像处理技术领域。更具体地,涉及一种用于病灶中征象影像的多窗医学影像的处理方法、装置、电子设备和计算机可读存储介质。
背景技术
随着人口老龄化及健康理念的普及,需要处理的病例日渐增加,单位时间内对医生准确判断病灶的要求越来越高,因此,图像的清晰程度成为影响医生观察病灶影像的重要因素。
目前,窗宽窗位值(窗宽值和窗位值)是调整图像清晰度的重要指标之一。通常为了提高图像的清晰度,可以调整整体图像或病灶区域图像的窗宽窗位值,使得整体图像或病灶区域图像相比于原图像更加清晰。但是,不同图像区域适合的窗宽窗位值不同,因此,调整整体图像或某一区域图像的整体窗宽窗位值,难以保证医学影像中所有位置都保持一个清晰度,不便于医生观察诊断。
发明内容
本发明的目的在于提供一种用于病灶中征象影像的多窗医学影像处理方法、装置、电子设备和计算机可读存储介质。
为达到上述目的,本方案采用下述技术方案:
第一方面,本方案提供一种医学影像处理方法,该方法的步骤包括:
获取目标生理组织影像;
根据目标生理组织影像中的病灶信息,匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;
利用由目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定的调整信息,对病灶对应的多个征象影像清晰度信息进行调整,获得多个征象医学影像。
在一种优选地实施例中,所述根据目标生理组织影像中的病灶信息,匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息的步骤包括:
判断目标生理组织影像中的病灶是否包含弹性征象或多个征象;
若是,则匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;若否,则结束处理。
在一种优选地实施例中,所述根据目标生理组织影像中的病灶信息,匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息的步骤包括:
根据目标生理组织影像中的病灶类型,匹配目标生理组织影像的影像参考清晰度信息和对应所述病灶类型的多个征象影像清晰度信息。
在一种优选地实施例中,所述利用由目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定的调整信息,对病灶对应的多个征象影像清晰度信息进行调整,获得多个征象医学影像的步骤包括:
利用目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定的调整信息;
利用调整信息对每个征象影像清晰度信息进行调整,获得多个征象医学影像。
在一种优选地实施例中,所述根据目标生理组织影像中的病灶信息,匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息的步骤包括:
根据目标生理组织影像中的病灶类型,匹配对应所述病灶类型的多个征象影像清晰度信息,以及对应每个征象的目标生理组织影像的影像参考清晰度信息。
所述利用由目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定的调整信息,对病灶对应的多个征象影像清晰度信息进行调整,获得多个征象医学影像的步骤包括:
利用目标生理组织影像的影像真实清晰度信息与每个影像参考清晰度信息确定多个调整信息;
分别利用多个调整信息对相应的征象影像清晰度信息进行调整,获得多个征象医学影像。
在一种优选地实施例中,所述获取目标生理组织影像的后一步骤包括:
判断获取得到的目标生理组织影像中包含的医学影像扫描类型;
若目标生理组织影像中仅包含一种医学影像扫描类型,则对应该医学影像扫描类型,获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;
若目标生理组织影像中包含至少两种医学影像扫描类型,则按照不同的扫描类型,对应获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息。
在一种优选地实施例中,所述影像真实清晰度信息和影像参考清晰度信息包括:MR值的平均值、CT值的平均值、组织的平均值、病灶区域对比度值的平均值中的至少一种;
所述影像真实清晰度信息和影像参考清晰度信息的信息类型相同。
在一种优选地实施例中,所述征象影像清晰度信息包括:对比度值或窗宽窗位值。
在一种优选地实施例中,所述调整信息的确定方式包括:
将影像真实清晰度值和影像参考清晰度值的比值、差值或由预定关系函数计算结果,作为对病灶对应的多个征象影像清晰度信息进行调整的调整系数;或者,根据影像真实清晰度信息和影像参考清晰度信息的关系曲线,确定对病灶对应的多个征象影像清晰度信息进行调整的调整量。
在一种优选地实施例中,该方法的步骤还包括:按照预定排列顺序,展示多个征象医学影像;或者,
响应于用户的调取操作,展示从数据库中调取的按照预定排列顺序排列的多个征象医学影像。
第二方面,本方案提供一种医学影像处理装置,包括:
获取模块,获取目标生理组织影像;
匹配模块,根据目标生理组织影像中的病灶信息,匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;
调整模块,利用由目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定的调整信息,对病灶对应的多个征象影像清晰度信息进行调整,获得多个征象医学影像。
在一种优选地实施例中,该装置还包括:
判断模块,判断获取得到的目标生理组织影像中包含的医学影像扫描类型;
若目标生理组织影像中仅包含一种医学影像扫描类型,则对应该医学影像扫描类型,获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;
若目标生理组织影像中包含至少两种医学影像扫描类型,则按照不同的扫描类型,对应获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息。
在一种优选地实施例中,该装置还包括:
展示模块,按照预定排列顺序,展示多个征象医学影像;或者,
响应于用户的调取操作,展示从数据库中调取的按照预定排列顺序排列的多个征象医学影像。
第三方面,本方案提供一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的方法。
第四方面,本方案提供一种计算设备,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行如上所述的方法。
本发明的有益效果如下:
本方案能够利用病灶所在目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定调整系数,利用调整系数对病灶对应的多个征象清晰度信息进行调整,获得多个征象医学影像,以保证每个征象的清晰度均能达到合适的清晰度值,使得用户能够清晰辨识病灶中每个征象,从而快速、准确的确定病灶的位置、范围等属性信息。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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示出本方案所述不同征象清晰度与窗宽值/窗位值关系的示意图;
图2示出本方案所述医学影像处理方法的示意图;
图3示出本方案所述清晰度参考集的一种实例的示意图;
图4示出本方案所述清晰度参考集的另一种实例的示意图;
图5示出本方案所述清晰度参考集的再一种实例的示意图;
图6示出本方案所述图像识别装置的示意图;
图7示出本方案所述电子设备的示意图。
具体实施方式
为使本发明的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本发明。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本发明的描述变得晦涩。因此,本发明并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
需要说明的是,本申请实施例方法由于是在计算设备中执行,各计算设备的处理对象均以数据或信息的形式存在,例如时间,实质为时间信息,可以理解的是,后续实施例中若提及尺寸、数量、位置等,均为对应的数据存在,以便电子设备进行处理,具体此处不作赘述。
在本申请一个典型的配置中,终端或可信方等均包括一个或多个处理器,例如,中央处理器(Central Processing Unit,CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(Random Access Memory,RAM)和/或非易失性内存等形式,如只读存储器(Read Only Memory,ROM)或闪存(FlashMemory)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(Phase-Change Memory,PCM)、可编程随机存取存储器(Programmable Random Access Memory,PRAM)、静态随机存取存储器(Static Random-Access Memory,SRAM)、动态随机存取存储器(Dynamic Random AccessMemory,DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、数字多功能光盘(Digital Versatile Disc,DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
本申请所指设备包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备包括但不限于任何一种可与用户进行人机交互(例如通过触摸板进行人机交互)的移动电子产品,例如智能手机、平板电脑等,所述移动电子产品可以采用任意操作系统,如Android操作系统、iOS操作系统等。其中,所述网络设备包括一种能够按照事先设定或存储的指令,自动进行数值计算和信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit,ASIC)、可编程逻辑器件(Programmable Logic Device,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、数字信号处理器(Digital Signal Processor,DSP)、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云;在此,云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地,所述设备还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的程序。
当然,本领域技术人员应能理解上述设备仅为举例,其他现有的或今后可能出现的设备如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
经过对现有技术的分析和研究,在医生会诊时,通常会结合病灶的至少一个征象对医学影像中的病灶的情况观察和诊断。然而,由于征象的性质不同,征象对应的清晰度也有所不同,医生对待识别图像整体调整无法满足所有征象的清晰度要求,导致医生无法准确观察病灶位置和范围。
例如,某个生理组织处的病灶中包含弹性征象,此时,需要通过多窗口从不同角度观察弹性征象的情况,从而确定病灶的真实情况。但是,每个窗口中征象影像的窗宽窗位值是不同的,若仅针对第一个窗口中的征象影像调整窗宽窗位值,则会出现除了第一个窗口中的征象影像(或者与第一个征象影像的窗宽窗位值相近似的窗口中的征象影像)能够清晰显示外,其他征象影像均无法清晰显示,甚至显示不出来。从而,导致医生无法准确判断病灶的位置和范围。其中,弹性征象是指:在多个不同序列里或者不同的窗宽窗位下,征象的形态会有不同,这类征象表现出类似于弹性的特征。例如,钙化病灶,其在不同窗宽值和窗位值下的尺寸存在不一致的问题。
再例如,某个生理组织处的病灶中包含多个征象。如图1所示,而每个征象影像的窗宽窗位值是不同的,若仅针对第一个征象影像调整窗宽窗位值,则会出现除了第一个征象影像(或者与第一征象影像的窗宽窗位值相近似的征象影像)能够清晰显示外,其他征象影像均无法清晰显示,甚至显示不出来。从而,导致医生无法准确判断病灶的位置和范围。
针对上述问题,现有解决影像不清晰的问题是基于对整个目标生理组织影像的分析,例如,利用直方图来找到整个目标生理组织影像的合适窗宽窗位,调整整个目标生理组织影像的窗宽窗位值。然而,病灶区域内有些征象影像能够看清,有些却很模糊甚至无法显示,整体清晰度效果并不好。
因此,本方案旨在提供一种针对弹性征象影像或多个征象影像联动调节的医学影像处理方法。该方法获取目标生理组织影像中病灶对应的征象清晰度参考信息;利用目标生理组织影像中真实清晰度值和参考清晰度值,确定调整系数。利用调整系数,调整每个征象影像或每个窗口中征象影像的清晰度值,使得每个征象影像或每个窗口中的征象影像都能够清晰展示,从而快速、准确的确定病灶的位置、范围等属性信息。
以下,结合附图对本方案提出的一种医学影像处理方法进行详细描述。
如图2所示,本方案所述医学影像处理方法可以用于生理组织病灶中包含弹性征象或多个征象时,对多个征象影像或多窗口中弹性征象影像的清晰度值的调整,其具体包括:
步骤S1、获取目标生理组织影像;
步骤S2、根据目标生理组织影像中的病灶信息,匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;
步骤S3、利用由目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定的调整信息,对病灶对应的多个征象影像清晰度信息进行调整,获得多个征象医学影像。
本方案步骤S1中所述的目标生理组织影像可以是先通过计算机断层摄影(CT,Computed Tomography)、螺旋CT、X光、正电子发射X射线层析摄影(PET)、4D超声、磁共振(MR)等成像系统采集人体生理组织初始医学影像;然后,利用U-net网络、V-net网络等深度学习神经网络模型,对初始医学影像进行生理组织和病灶区域的影像进行识别处理,得到目标生理组织影像。本方案步骤S1中所述的目标生理组织影像还可以是从数据库中调取的已经经过预处理的医学影像。其中,目标生理组织影像可是包含多张医学影像的医学影像序列。另外,由于人体生理组织的复杂性,不同生理组织出现病变时,病灶的情况也会有一些差异。因此,可以针对颅内、颈部、心脏、肺部、肝脏等不同生理组织对应训练与之相匹配的病灶识别模型,以更加准确的识别出对应人体生理组织中的病灶区域以及病灶区域内的征象影像,为后续医师对病灶真实情况的观察和诊断提供影像基础。
医师通常根据病灶中的特征现象(简称征象),对病灶的类型、尺寸、范围、病变程度、良恶性等属性信息进行识别,从而对患者的病情进行综合诊断。因此,征象影像的清晰程度直接影响医师对病灶情况的观察和诊断。一些简单的病灶中包含的征象较少,有时候仅需要一个主要征象即可对病灶的情况进行辨识,此时,医师可以通过调整主要征象的清晰度值,使得征象影像更加便于观看即可。但是,一些复杂的病灶可能包括多个征象或者特殊性质的征象。例如,针对血管斑块类型的病灶,病灶区域会包含多个征象,医师在观察影像的过程中,需要通过多个征象的医学影像对病灶的真实情况进行判断,从而得出诊断结果。再例如,血管钙化等表现出类似于弹性特征的征象。针对包含多个征象或弹性征象的病灶,医师需要清楚的观察每个征象或者弹性征象的不同角度影像。为了节省计算资源,可以先对目标生理影像中的病灶是否包含弹性征象或多个征象进行判断;若是,则执行医学影像处理的后续步骤,即在确定病灶中包含弹性征象或多个征象时,则可以继续执行匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;若否,则结束处理,不再继续执行本方法中的后续步骤。
本方案在步骤S2中需要根据目标生理组织影像中的病灶信息,匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息,针对病灶对应的多个征象影像或不同角度的征象影像进行调整。
具体来说,可以根据目标生理组织影像中的病灶类型,匹配目标生理组织影像的影像参考清晰度信息和对应所述病灶类型的多个征象影像清晰度信息。然后,利用目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定的调整信息;再后,利用调整信息对每个征象影像清晰度信息进行调整,获得多个征象医学影像。
在一种实例中,目标生理组织影像为CT影像,影像中的病灶类型为血栓病灶。通常在识别血栓病灶时,需要通过多个征象,对血栓病灶进行确认。本实例中以血栓病灶为目标,匹配血栓病灶的清晰度参考集。其中,如图3所示,清晰度参考集中包括:目标生理组织影像的参考CT值,血栓病灶中第一个征象对应的影像窗宽窗位值,血栓病灶中第二个征象对应的影像窗宽窗位值,血栓病灶中第三个征象对应的影像窗宽窗位值。
从扫描设备处获取目标生理组织影像的真实CT值,计算真实CT值和参考CT值,得到调整系数α:α=真实CT值/参考CT值。利用调整系数α乘以每个征象对应的影像窗宽窗位值,得到通过调整系数修正后的每个征象的影像窗宽窗位值。
为了方便对每个征象的医学影像进行调整,可以将目标生理组织影像进行扩增处理,即以目标生理组织影像为基准,复制出多个相同的医学影像。然后,利用修正后的第一征象的影像窗宽窗位值,对第一张目标生理组织影像中病灶的第一个征象的医学影像进行调整;利用修正后的第二征象的影像窗宽窗位值,对第二张目标生理组织影像中病灶的第二个征象的医学影像进行调整;利用修正后的第三征象的影像窗宽窗位值,对第三张目标生理组织影像中病灶的第三个征象的医学影像进行调整,从而实现按照不同征象的清晰度信息,对病灶的多个征象同时进行调整。通过原始图像(即目标生理组织影像)扩增,能够将调整后的多个征象影像在多窗中展示。
具体来说,还可以根据目标生理组织影像中的病灶类型,匹配对应所述病灶类型的多个征象影像清晰度信息,以及对应每个征象的目标生理组织影像的影像参考清晰度信息。然后,利用目标生理组织影像的影像真实清晰度信息与每个影像参考清晰度信息确定多个调整信息;再后,分别利用多个调整信息对相应的征象影像清晰度信息进行调整,获得多个征象医学影像。
在一种实例中,目标生理组织影像为MR影像,影像中的病灶类型为动脉瘤病灶。通常在识别动脉瘤病灶时,需要通过多个征象,对动脉瘤病灶进行确认。本实例中以动脉瘤病灶为目标,匹配动脉瘤病灶的清晰度参考集。其中,如图4所示,清晰度参考集中包括:动脉瘤病灶的第一个征象对应的影像窗宽窗位值以及其在目标生理组织影像中的参考MR值1;动脉瘤病灶的第二个征象对应的影像窗宽窗位值以及其在目标生理组织影像中的参考MR值2。
从扫描设备处获取目标生理组织影像的真实MR值,计算真实MR值和对应每个征象的参考MR值,得到调整系数α1和α2,其中,α=真实MR值/参考MR值。利用调整系数α1乘以第一个征象对应的影像窗宽窗位值,得到修正后的第一个征象的影像窗宽窗位值;利用调整系数α2乘以第二个征象对应的影像窗宽窗位值,得到修正后的第二个征象的影像窗宽窗位值。
为了方便对每个征象的医学影像进行调整,可以将目标生理组织影像进行扩增处理,即以目标生理组织影像为基准,复制出多个相同的医学影像。然后,利用修正后的第一征象的影像窗宽窗位值,对第一张目标生理组织影像中病灶的第一个征象的医学影像进行调整;利用修正后的第二征象的影像窗宽窗位值,对第二张目标生理组织影像中病灶的第二个征象的医学影像进行调整,从而实现按照不同征象的清晰度信息,对病灶的多个征象同时进行调整。通过原始图像(即目标生理组织影像)扩增,能够将调整后的多个征象影像在多窗中展示。
在另一种实例中,目标生理组织影像为MR影像,影像中的病灶类型为血管钙化病灶。由于血管钙化病灶的特殊性(属于弹性征象),为了能够清晰的观察弹性病灶,需要调取血管钙化不同角度的医学影像,通过综合观察,对血管钙化病灶进行确认。以血管钙化病灶为目标,匹配血管钙化病灶的清晰度参考集。其中,如图5所示,清晰度参考集中包括:弹性征象在第一医学影像中的影像窗宽窗位值以及其在目标生理组织影像中的参考MR值1;弹性征象在第二医学影像中的影像窗宽窗位值以及其在目标生理组织影像中的参考MR值2。其中,目标生理组织影像包含第一医学影像和第二医学影像;第一医学影像、第二医学影像可以代表弹性征象在不同角度的MR影像。
从扫描设备处获取目标生理组织影像的真实MR值,计算真实MR值和对应每个征象的参考MR值,得到调整系数α1和α2,其中,α=真实MR值/参考MR值。利用调整系数α1乘以弹性征象在第一医学影像中的影像窗宽窗位值,得到修正后的第一医学影像的影像窗宽窗位值;利用调整系数α2乘以弹性征象在第二医学影像中的影像窗宽窗位值,得到修正后的第二医学影像的影像窗宽窗位值。
利用修正后的第一医学影像的影像窗宽窗位值,对目标生理组织影像中与第一医学影像相对应的医学影像进行调整;利用修正后的第二医学影像的影像窗宽窗位值,对目标胜利组织影像中与第二医学影像相对应的医学影像进行调整,从而实现按照弹性征象在目标生理组织图像中不同角度的医学影像的清晰度信息,对弹性征象的多角度医学影像同时进行调整,并且将调整后的多个医学影像在多窗中展示。
此处需要注意是:上述实例中,以CT影像和MR影像为例对方案进行说明。本方案不仅限于上述的影像以及影像清晰度信息。例如,影像真实清晰度信息和影像参考清晰度信息还可以包括:MR值的平均值、CT值的平均值、组织的平均值、病灶区域对比度值的平均值等多种能够用于评价影像清晰度的参数信息。但是,需要保证影像真实清晰度信息和影像参考清晰度信息的信息类型相同,这样才能得到正确的调整系数。
上述实例中,以窗宽窗位值为例对方案进行说明。本方案还可以利用对比度值等能够用于评价征象影像清晰度的参数信息。
上述实例中,以影像真实清晰度信息和影像参考清晰度信息的比值作为调整信息,对本方案进行说明。根据调整信息的作用,还可以进一步延伸本方案,例如,将影像真实清晰度值和影像参考清晰度值的差值或由预定关系函数计算结果,作为对病灶对应的多个征象影像清晰度信息进行调整的调整系数;或者,根据影像真实清晰度信息和影像参考清晰度信息的关系曲线,确定对病灶对应的多个征象影像清晰度信息进行调整的调整量。若为调整系数,则相应乘以征象影像清晰度信息,即可得到修正后的征象影像清晰度信息。若为调整的数值量,则根据调整数值量与征象影像清晰度信息的关系,对应做加法或减法计算,即可得到修正后的征象影像清晰度信息。由此可知,除了调整信息的计算方式外,其他步骤与上述示例中说明的内容基本相同,此处不再赘述。
因此,上述实例中描述的医学影像的类型、影像真实清晰度信息、影像参考清晰度信息、征象影像清晰度信息、调整信息的获取方式等,仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举。
基于上述方案,本方案进一步提供一种在获取目标生理组织影像时,目标生理组织影像中不仅限于单一类型医学影像的处理方法,即可以根据需要获取CT,MR,4D超声等多种类型的医学影像。但是,为了后续调整影像时,不会出现数据错乱,导致无法正常计算的问题,可以先对获取得到的目标生理组织影像中包含医学影像的扫描类型进行识别;若目标生理组织影像中仅包含一种医学影像扫描类型,则对应该医学影像扫描类型,获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;若目标生理组织影像中包含至少两种医学影像扫描类型,则按照不同的扫描类型,对应获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息。通过这种方式,提前对不同数据类型的影像进行划分,在防止数据错乱的同时,还能够提升计算速度。
获取多种类型的扫描影像进行处理的另外一个优势在于,能够通过不同扫描类型下的影像,综合对病灶中的征象进行观察,从而方便医生对病灶的真实情况做出准确判断。
本方案中为了便于医师对修正后的医学影像进行观察,可以基于医师的查阅习惯,利用深度学习神经网络训练排序模型。待征象影像修正完毕后,利用排序模型,按照预定排列顺序,对修正后的征象影像进行排序,并展示给医师。
通常医学影像的扫描会早于医生查阅的时间,为了不影响后续影像的扫描和处理,可以对前一患者的扫描数据进行处理,得到修正后的征象医学影像,然后,利用排序模型,按照预定排列顺序,对修正后的征象影像进行排序,并存储在数据库中。待医师用鼠标、电子笔等工具执行调取操作时,从数据库中调取的按照预定排列顺序排列的多个征象医学影像。
综上所述,本方案能够利用病灶所在目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定调整系数,利用调整系数对病灶对应的多个征象清晰度信息进行调整,获得多个征象医学影像,以保证每个征象的清晰度均能达到合适的清晰度值,使得用户能够清晰辨识病灶中每个征象,从而快速、准确的确定病灶的位置、范围等属性信息。
如图6所示,本方案进一步提供了配合上述医学影像处理方法实施的图像识别装置101,该装置包括:获取模块102、匹配模块103、调整模块104和展示模块105。
本方案中,获取模块102获取的目标生理组织影像可以是先通过计算机断层摄影(CT,Computed Tomography)、螺旋CT、X光、正电子发射X射线层析摄影(PET)、4D超声、磁共振(MR)等成像系统采集人体生理组织初始医学影像;然后,利用U-net网络、V-net网络等深度学习神经网络模型,对初始医学影像进行生理组织和病灶区域的影像进行识别处理,得到目标生理组织影像。也可以从数据库中调取的已经经过预处理的医学影像。其中,目标生理组织影像可是包含多张医学影像的医学影像序列。
为了缩短识别装置101的处理时间,可以预先对获取得到目标生理组织影像包含的影像类型进行识别。具体来说,可以利用判断模块106判断获取得到的目标生理组织影像中包含的医学影像扫描类型;若目标生理组织影像中仅包含一种医学影像扫描类型,则对应该医学影像扫描类型,获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;若目标生理组织影像中包含至少两种医学影像扫描类型,则按照不同的扫描类型,对应获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息。
本方案匹配模块103和调整模块104需要配合使用。例如,匹配模块103根据目标生理组织影像中的病灶类型,匹配目标生理组织影像的影像参考清晰度信息和对应所述病灶类型的多个征象影像清晰度信息。调整模块104利用目标生理组织影像的影像参考清晰度信息和影像真实清晰度信息确定的调整信息;利用调整信息对每个征象影像清晰度信息进行调整,获得多个征象医学影像。
再例如,匹配模块103根据目标生理组织影像中的病灶类型,匹配对应所述病灶类型的多个征象影像清晰度信息,以及对应每个征象的目标生理组织影像的影像参考清晰度信息。调整模块104利用目标生理组织影像的影像真实清晰度信息与每个影像参考清晰度信息确定多个调整信息;分别利用多个调整信息对相应的征象影像清晰度信息进行调整,获得多个征象医学影像。
本方案主要是针对病灶中包含多个征象或者弹性征象的情况,而进行的征象清晰度调整。一些简单的病灶中包含的征象较少,有时候仅需要一个主要征象即可对病灶的情况进行辨识,此时,医师可以通过调整主要征象的清晰度值,使得征象影像更加便于观看即可。为了节省计算资源,可以先利用匹配模块103对目标生理影像中的病灶是否包含弹性征象或多个征象进行判断;若是,则执行医学影像处理的后续步骤,即在确定病灶中好汉弹性征象或多个征象时,则可以继续执行匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;若否,则结束处理,不再继续执行本方法中的后续步骤。这样可以提前筛掉简单病灶,减少计算资源的浪费,实现自动化医学影像处理的目的。
应当理解,本方案中各模块或单元可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(Programmable GateArray,PGA),现场可编程门阵列(Field Programmable Gate Array,FPGA)等。
在上述设医学影像处理方法实施方式的基础上,本方案进一步提供一种计算机可读存储介质。该计算机可读存储介质用于实现上述数据采集方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在设备,例如个人电脑上运行。然而,本方案的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本方案操作的程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等,还包括常规的过程式程序设计语言-诸如"C"语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在上述异常血管图像识别方法实施方式的基础上,本方案进一步提供一种电子设备。如图7所示电子设备仅仅是一个示例,不应对本方案实施例的功能和使用范围带来任何限制。
如图7所示,电子设备201以通用计算设备的形式表现。电子设备201的组件可以包括但不限于:至少一个存储单元202、至少一个处理单元203、显示单元204和用于连接不同系统组件的总线205。
其中,所述存储单元202存储有程序代码,所述程序代码可以被所述处理单元203执行,使得所述处理单元203执行上述设备征兆信息获取方法中描述的各种示例性实施方式的步骤。例如,所述处理单元203可以执行如图2中所示的步骤。
存储单元202可以包括易失性存储单元,例如随机存取存储单元(RAM)和/或高速缓存存储单元,还可以进一步包括只读存储单元(ROM)。
存储单元202还可以包括具有程序模块的程序/实用工具,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线205可以包括数据总线、地址总线和控制总线。
电子设备201也可以与一个或多个外部设备207(例如键盘、指向设备、蓝牙设备等)通信,这种通信可以通过输入/输出(I/O)接口206进行。应当明白,尽管图中未示出,可以结合电子设备201使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (12)
1.一种医学影像处理方法,其特征在于,该方法的步骤包括:
获取目标生理组织影像;
在目标生理组织影像中的病灶包含多个征象的情况下,根据目标生理组织影像中的病灶类型,匹配目标生理组织影像的影像参考清晰度信息和多个征象的征象影像清晰度信息;
利用由所述影像参考清晰度信息和影像真实清晰度信息确定的调整信息,分别对多个征象影像在目标生理组织影像中的征象影像清晰度信息进行调整,获得每个征象的修正影像清晰度后的目标生理组织影像;或者,
在目标生理组织影像中的病灶包含多个征象的情况下,根据目标生理组织影像中的病灶类型,匹配每个征象在目标生理组织影像中时,目标生理组织影像的影像参考清晰度信息,以及每个征象的征象影像清晰度信息;
利用由所述影像参考清晰度信息和影像真实清晰度信息确定的多个调整信息,分别对多个征象影像在目标生理组织影像中的征象影像清晰度信息进行调整,获得每个征象的修正征象影像清晰度信息后的目标生理组织影像;或者,
在目标生理组织影像中的病灶包含弹性征象的情况下,根据目标生理组织影像中的病灶类型,匹配弹性征象以不同形态在目标生理组织影像中时,目标生理组织影像的影像参考清晰度信息,以及弹性征象在不同形态时的征象影像清晰度信息;
利用由所述影像参考清晰度信息和影像真实清晰度信息确定的多个调整信息,分别对不同形态的弹性征象在目标生理组织影像中的征象影像清晰度信息进行调整,获得修正影像清晰度后的弹性征象以不同形态在目标生理组织影像中的医学影像。
2.根据权利要求1所述的医学影像处理方法,其特征在于,所述获取目标生理组织影像的后一步骤包括:
判断目标生理组织影像中的病灶是否包含弹性征象或多个征象;
若是,则匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;若否,则结束处理。
3.根据权利要求1或2所述的医学影像处理方法,其特征在于,所述获取目标生理组织影像的后一步骤包括:
判断获取得到的目标生理组织影像中包含的医学影像扫描类型;
若目标生理组织影像中仅包含一种医学影像扫描类型,则对应该医学影像扫描类型,获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;
若目标生理组织影像中包含至少两种医学影像扫描类型,则按照不同的扫描类型,对应获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息。
4.根据权利要求1或2所述的医学影像处理方法,其特征在于,所述影像真实清晰度信息和影像参考清晰度信息包括:MR值的平均值、CT值的平均值、组织的平均值、病灶区域对比度值的平均值中的至少一种;
所述影像真实清晰度信息和影像参考清晰度信息的信息类型相同。
5.根据权利要求1或2所述的医学影像处理方法,其特征在于,所述征象影像清晰度信息包括:对比度值或窗宽窗位值。
6.根据权利要求4所述的医学影像处理方法,其特征在于,所述调整信息的确定方式包括:
将影像真实清晰度值和影像参考清晰度值的比值、差值或由预定关系函数计算结果,作为对病灶对应的多个征象影像清晰度信息进行调整的调整系数;或者,根据影像真实清晰度信息和影像参考清晰度信息的关系曲线,确定对病灶对应的多个征象影像清晰度信息进行调整的调整量。
7.根据权利要求1所述的医学影像处理方法,其特征在于,该方法的步骤还包括:
按照预定排列顺序,展示多个征象医学影像;或者,
响应于用户的调取操作,展示从数据库中调取的按照预定排列顺序排列的多个征象医学影像。
8.一种医学影像处理装置,其特征在于,包括:
获取模块,获取目标生理组织影像;
匹配模块,在目标生理组织影像中的病灶包含多个征象的情况下,根据目标生理组织影像中的病灶类型,匹配目标生理组织影像的影像参考清晰度信息和多个征象的征象影像清晰度信息;
调整模块,利用由所述影像参考清晰度信息和影像真实清晰度信息确定的调整信息,分别对多个征象影像在目标生理组织影像中的征象影像清晰度信息进行调整,获得每个征象的修正影像清晰度后的目标生理组织影像;或者,
在目标生理组织影像中的病灶包含多个征象的情况下,根据目标生理组织影像中的病灶类型,匹配每个征象在目标生理组织影像中时,目标生理组织影像的影像参考清晰度信息,以及每个征象的征象影像清晰度信息;
利用由所述影像参考清晰度信息和影像真实清晰度信息确定的多个调整信息,分别对多个征象影像在目标生理组织影像中的征象影像清晰度信息进行调整,获得每个征象的修正征象影像清晰度信息后的目标生理组织影像;或者,
在目标生理组织影像中的病灶包含弹性征象的情况下,根据目标生理组织影像中的病灶类型,匹配弹性征象以不同形态在目标生理组织影像中时,目标生理组织影像的影像参考清晰度信息,以及弹性征象在不同形态时的征象影像清晰度信息;
利用由所述影像参考清晰度信息和影像真实清晰度信息确定的多个调整信息,分别对不同形态的弹性征象在目标生理组织影像中的征象影像清晰度信息进行调整,获得修正影像清晰度后的弹性征象以不同形态在目标生理组织影像中的医学影像。
9.根据权利要求8所述的装置,其特征在于,该装置还包括:
判断模块,判断获取得到的目标生理组织影像中包含的医学影像扫描类型;
若目标生理组织影像中仅包含一种医学影像扫描类型,则对应该医学影像扫描类型,获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息;
若目标生理组织影像中包含至少两种医学影像扫描类型,则按照不同的扫描类型,对应获取目标生理组织影像的影像真实清晰度信息,以及匹配目标生理组织影像的影像参考清晰度信息和病灶对应的多个征象影像清晰度信息。
10.根据权利要求8所述的装置,其特征在于,该装置还包括:
展示模块,按照预定排列顺序,展示多个征象医学影像;或者,
响应于用户的调取操作,展示从数据库中调取的按照预定排列顺序排列的多个征象医学影像。
11.一种计算机存储介质,其特征在于,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1至7任一项所述的方法。
12.一种计算设备,其特征在于,包括:处理器;以及存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190853.2A CN113902642B (zh) | 2021-10-13 | 2021-10-13 | 一种医学图像处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111190853.2A CN113902642B (zh) | 2021-10-13 | 2021-10-13 | 一种医学图像处理方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113902642A CN113902642A (zh) | 2022-01-07 |
CN113902642B true CN113902642B (zh) | 2022-08-16 |
Family
ID=79191845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111190853.2A Active CN113902642B (zh) | 2021-10-13 | 2021-10-13 | 一种医学图像处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902642B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429493B (zh) * | 2022-01-26 | 2023-05-09 | 数坤(北京)网络科技股份有限公司 | 影像序列处理方法、装置、电子设备及存储介质 |
CN115187805B (zh) * | 2022-02-22 | 2023-05-05 | 数坤(北京)网络科技股份有限公司 | 一种征象识别方法、装置、电子设备和存储介质 |
CN115018795B (zh) * | 2022-06-09 | 2023-04-07 | 北京医准智能科技有限公司 | 医学影像中的病灶的匹配方法、装置、设备及存储介质 |
CN114842003B (zh) * | 2022-07-04 | 2022-11-01 | 杭州健培科技有限公司 | 一种医学影像随访目标配对方法、装置及应用 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034979A (zh) * | 2012-11-30 | 2013-04-10 | 声泰特(成都)科技有限公司 | 一种超声图像清晰度提升方法 |
CN111047610A (zh) * | 2020-03-13 | 2020-04-21 | 北京深睿博联科技有限责任公司 | 病灶区域呈现方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110784682B (zh) * | 2019-09-27 | 2021-11-09 | 深圳市海雀科技有限公司 | 一种视频处理方法、装置及电子设备 |
CN111127430A (zh) * | 2019-12-24 | 2020-05-08 | 北京推想科技有限公司 | 确定医学影像显示参数的方法及装置 |
CN111242893B (zh) * | 2019-12-30 | 2023-12-15 | 北京深睿博联科技有限责任公司 | 神经系统影像分析方法和装置 |
CN111430014B (zh) * | 2020-03-31 | 2023-08-04 | 杭州依图医疗技术有限公司 | 腺体医学影像的显示方法、交互方法及存储介质 |
CN111476774B (zh) * | 2020-04-07 | 2023-04-18 | 广州柏视医疗科技有限公司 | 基于新型冠状病毒肺炎ct检测的智能征象识别装置 |
CN111598989B (zh) * | 2020-05-20 | 2024-04-26 | 上海联影医疗科技股份有限公司 | 一种图像渲染参数设置方法、装置、电子设备及存储介质 |
CN112532971A (zh) * | 2020-11-25 | 2021-03-19 | 深圳创维-Rgb电子有限公司 | 影像处理方法、装置、显示终端以及计算机可读存储介质 |
-
2021
- 2021-10-13 CN CN202111190853.2A patent/CN113902642B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034979A (zh) * | 2012-11-30 | 2013-04-10 | 声泰特(成都)科技有限公司 | 一种超声图像清晰度提升方法 |
CN111047610A (zh) * | 2020-03-13 | 2020-04-21 | 北京深睿博联科技有限责任公司 | 病灶区域呈现方法和装置 |
Non-Patent Citations (2)
Title |
---|
Incidence and evolution of imaging changes on cone-beam CT during and after radical radiotherapy for non-small cell lung cancer;Enrico Clarke等;《Radiotherapy and Oncology》;20190331;第121-126页 * |
医学图像的清晰度研究;杨静;《中国优秀硕士学位论文全文数据库信息科技辑》;20170315;I138-4904 * |
Also Published As
Publication number | Publication date |
---|---|
CN113902642A (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113902642B (zh) | 一种医学图像处理方法、装置、电子设备和存储介质 | |
KR101818074B1 (ko) | 인공지능 기반 의료용 자동 진단 보조 방법 및 그 시스템 | |
KR101929127B1 (ko) | 의료 영상에 기반하여 상태를 진단하는 장치 및 방법 | |
US11139067B2 (en) | Medical image display device, method, and program | |
CN110458837B (zh) | 一种图像后处理方法、装置、电子设备及存储介质 | |
CN108876794A (zh) | 体积图像数据中的动脉瘤与载瘤血管的隔离 | |
CN112052896B (zh) | 图像处理方法及装置,分类模型的训练方法及装置 | |
JP7102509B2 (ja) | 医療文書作成支援装置、医療文書作成支援方法、及び医療文書作成支援プログラム | |
US11037659B2 (en) | Data-enriched electronic healthcare guidelines for analytics, visualization or clinical decision support | |
CN111640480A (zh) | 医学报告生成方法、计算机设备和存储介质 | |
CN115393356B (zh) | 目标部位异常形态识别方法、装置及计算机可读存储介质 | |
WO2021005613A1 (en) | Chest radiograph image analysis system and a method thereof | |
JP2012249964A (ja) | 診療支援装置、診療支援方法 | |
WO2021067843A1 (en) | Methods and systems for management and visualization of radiological data | |
CN109273080B (zh) | 智能诊疗方法、装置、电子设备及存储介质 | |
CN113610841B (zh) | 一种血管异常图像识别方法、装置、电子设备和存储介质 | |
WO2017064600A1 (en) | Systems and methods for generating correct radiological recommendations | |
US10839299B2 (en) | Non-leading computer aided detection of features of interest in imagery | |
KR102561175B1 (ko) | 의료 영상으로부터 바이오마커 발현을 예측하는 방법 및 시스템 | |
CN115274063A (zh) | 用于操作医学图像数据集的评估系统的方法、评估系统 | |
CN115115657A (zh) | 病灶分割方法及装置、电子设备及存储介质 | |
WO2022215529A1 (ja) | 医用画像解析装置、医用画像解析方法、及び医用画像解析プログラム | |
KR102527778B1 (ko) | 학습 데이터 생성 장치 및 방법 | |
EP2824636B1 (en) | Method and corresponding system for automatically classifying at least one angiographic video recording of a part of a region comprising a human heart | |
EP4287195A1 (en) | Information processing device, method, and program |
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 |