CN114092399A - 病灶标记方法、装置、电子设备及可读存储介质 - Google Patents

病灶标记方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN114092399A
CN114092399A CN202111235703.9A CN202111235703A CN114092399A CN 114092399 A CN114092399 A CN 114092399A CN 202111235703 A CN202111235703 A CN 202111235703A CN 114092399 A CN114092399 A CN 114092399A
Authority
CN
China
Prior art keywords
focus
lesion
feature set
contour
marking
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
CN202111235703.9A
Other languages
English (en)
Inventor
冀新蒙
杨春晖
王放
来勇臣
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.)
Hainan Shilianda Health Intelligent Medical Technology Co ltd
Original Assignee
Hainan Shilianda Health 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 Hainan Shilianda Health Intelligent Medical Technology Co ltd filed Critical Hainan Shilianda Health Intelligent Medical Technology Co ltd
Priority to CN202111235703.9A priority Critical patent/CN114092399A/zh
Publication of CN114092399A publication Critical patent/CN114092399A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种病灶标记方法、装置、电子设备及可读存储介质。该方法包括：按照图像层数顺序展示每层图像；响应于用户连续在两层图像上对病灶的轮廓标记操作，分别得到第一病灶轮廓和第二病灶轮廓；对第一病灶轮廓和第二病灶轮廓各自所框选的图像区域分别进行特征提取，获取第一病灶特征集和第二病灶特征集；根据两层图像各自的图像层数，判定两层图像之间是否存在缺失层图像；在两层图像之间存在缺失层图像的情况下，根据第一病灶特征集和第二病灶特征集，确定缺失层图像上的第三病灶特征集；根据第三病灶特征集，在缺失层图像上勾画病灶轮廓并进行病灶标记。通过该方法能够有效避免用户在病灶标记过程中漏层，提高病灶标记效率。

Description

病灶标记方法、装置、电子设备及可读存储介质
技术领域
本发明实施例涉及图像处理技术领域，特别是涉及一种病灶标记方法、装置、电子设备及可读存储介质。
背景技术
目前，病人进行影像检查后需由医生对拍摄图像中的病灶进行手动标记，而针对某类检查(例如CT、核磁共振)所产生的一系列断层面图像或切面图像，医生需对这一系列图像中的每一层图像进行病灶标记，而由于往往一次检查的一系列图像数量较多，医生在病灶标记过程中总容易漏层(如一系列图像中某一层或某几层图像未进行病灶标记)，导致病灶的立体轮廓不完整，计算出的该病灶体积、大小不准确，从而影响后续治疗方案的制定。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的病灶标记方法、装置、电子设备及可读存储介质。
在本发明实施的第一方面，首先提供了一种病灶标记方法，所述方法包括：
按照图像层数顺序展示每层图像；
响应于用户连续在两层图像上对病灶的轮廓标记操作，分别得到第一病灶轮廓和第二病灶轮廓；
对所述第一病灶轮廓和第二病灶轮廓各自所框选的图像区域分别进行特征提取，获取第一病灶特征集和第二病灶特征集；
根据所述两层图像各自的图像层数，判定所述两层图像之间是否存在缺失层图像；
在所述两层图像之间存在缺失层图像的情况下，根据所述第一病灶特征集和所述第二病灶特征集，确定所述缺失层图像上的第三病灶特征集；
根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
可选的，所述方法还包括：
获取所述缺失层图像上的第四病灶特征集，所述第四病灶特征集为对所述缺失层图像进行自动病灶识别所得到的病灶特征集；
所述根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记，包括：
判定所述第三病灶特征集与所述第四病灶特征集之间的偏差是否在预设阈值内；
在所述偏差在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
可选的，每个病灶特征集包括多种属性特征：病灶的中心点坐标、病灶的轮廓坐标、病灶的面积以及病灶的颜色；
所述根据所述第一病灶特征集和所述第二病灶特征集，确定所述缺失层图像上的第三病灶特征集，包括：
分别对所述第一病灶特征集和所述第二病灶特征集中相同属性特征之间进行统计学计算，得到各相同属性特征的统计特征值，以构成所述第三病灶特征集。
可选的，所述判定所述第三病灶特征集与所述第四病灶特征集之间的偏差是否在预设阈值内，包括：
分别判定所述第三病灶特征集中的相同属性特征与所述第四病灶特征集中的相同属性特征之间的偏差是否在预设阈值内；
所述在所述偏差在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记，包括：
在各相同属性特征的误差均在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
可选的，所述方法还包括：
对每层图像自动识别出每层图像的参考病灶轮廓；
对所述参考病灶轮廓所框选的图像区域进行特征提取，获取参考特征集；根据所述参考特征集在每层图像上勾画展示参考病灶轮廓，并进行病灶标记以供用户参考。
可选的，所述方法还包括：
在所述偏差不在预设阈值内的情况下，显示提示信息，所述提示信息用于提示用户手动在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
在本发明实施的第二方面，还提供了一种病灶标记装置，所述装置包括：
显示模块，用于按照图像层数顺序展示每层图像；
响应模块，用于响应于用户连续在两层图像上对病灶的轮廓标记操作，分别得到第一病灶轮廓和第二病灶轮廓；
特征提取模块，用于对所述第一病灶轮廓和第二病灶轮廓各自所框选的图像区域分别进行特征提取，获取第一病灶特征集和第二病灶特征集；
第一判定模块，用于根据所述两层图像各自的图像层数，判定所述两层图像之间是否存在缺失层图像；
特征确定模块，用于在所述两层图像之间存在缺失层图像的情况下，根据所述第一病灶特征集和所述第二病灶特征集，确定所述缺失层图像上的第三病灶特征集；
第一标记模块，用于根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
在本发明实施的又一方面，还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如本发明实施例第一方面所述的病灶标记方法的步骤。
在本发明实施的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实现本发明实施例第一方面所述的病灶标记方法的步骤。
本发明实施例包括以下优点：
通过本发明实施例的病灶标记方法，检测用户在进行一系列图像的病灶标记过程中是否存在漏层未标记的情况，如存在，则根据用户标记好的上下两层的病灶特征集对漏层图像上的病灶进行勾画标记，从而有效避免了用户在病灶标记过程中漏层，同时提高了病灶标记效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例示出的一种病灶标记方法的步骤流程图；
图2是本发明一个实施例提供的病灶标记装置的结构框图；
图3是本发明一个实施例示出的一种电子设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。
在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如前所述，在相关影像学诊断过程中，医生需要判断病灶的大小、面积、体积等属性，才能制定相对应的治疗方案。而在传统的方案中，医生需手动对如CT、核磁共振成像等这类检查所产生的一系列断层面图像或切面图像进行逐层病灶勾画和标记，然后再进行计算，由于一次检查的一系列图像数量较多，医生很容易漏层，导致计算的病灶的体积、大小不准确，从而影响后续治疗方案的制定。其中，病灶指的是组织或器官遭受致病因子的作用而引起病变的部位，是机体上发生病变的部分。
因此，为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本发明实施例提出了一种病灶标记方法，该方法能够检测用户在进行一系列图像的病灶标记过程中是否存在漏层未标记的情况，如存在，则根据用户标记好的上下两层的病灶特征集对漏层图像上的病灶进行勾画标记，从而有效避免用户在病灶标记过程中漏层，提高病灶标记的效率。
参考图1，图1是本发明一实施例示出的一种病灶标记方法的步骤流程图。该方法应用于病灶标记系统，本实施例的病灶标记系统为能够进行检查图像展示、协助用户标记检查图像上的病灶及进行病灶数据计算与存储的可在计算机(这里的计算机是指广义的计算机)上运行的程序，如图1所示，本实施例的病灶标记方法可以包括以下步骤：
步骤S11：按照图像层数顺序展示每层图像。
本实施例中，病灶标记系统获取到检查设备生成的一系列检查图像后，将这一系列检查图像一系列按照每张图像的图像层数，顺序展示每层图像。其中，图像层数为检查设备生成一系列检查图像时对每张检查图像进行的标注，图像层数表征了各检查图像(即各层图像)处于检查部位的位置情况。在本实施例中，病灶标记系统会按照图像层数依次顺序展示各层图像，以使用户能够在系统中按顺序观看检查图像，并进行检查图像的逐层病灶标记。
步骤S12：响应于用户连续在两层图像上对病灶的轮廓标记操作，分别得到第一病灶轮廓和第二病灶轮廓。
本实施例中，用户(如医生)通过病灶标记系统按照图像层数的顺序依次进行各层检查图像的病灶标记，病灶标记系统响应于用户连续在两层图像上对病灶的轮廓标记操作，即病灶标记系统响应于用户连续两次在不同的图像上对病灶的轮廓标记操作，分别得到用户所勾画的第一病灶轮廓和第二病灶轮廓。
示例的，例如可以是病灶标记系统响应于用户在第一层检查图像(指检查图像的图像层数为1)上对病灶的轮廓标记操作以及用户接下来在第二层检查图像(指检查图像的图像层数为2)上对病灶的轮廓标记操作，确定出用户手动标记的第一层检查图像上的第一病灶轮廓和用户手动标记的第二层检查图像上的第二病灶轮廓。例如，还可以是病灶标记系统响应于用户在第五层检查图像(指检查图像的图像层数为5)上对病灶的轮廓标记操作以及用户接下来在第七层检查图像(指检查图像的图像层数为7)上对病灶的轮廓标记操作，确定出用户手动标记的第五层检查图像上的第一病灶轮廓和用户手动标记的第七层检查图像上的第二病灶轮廓。也就是说，本实施例中“连续在两层图像上对病灶的轮廓标记操作”代表的是用户标记操作的连续性，而并不代表图像层数的连续性。
步骤S13：对所述第一病灶轮廓和第二病灶轮廓各自所框选的图像区域分别进行特征提取，获取第一病灶特征集和第二病灶特征集。
本实施例中，病灶标记系统得到第一病灶轮廓和第二病灶轮廓后，对第一病灶轮廓所框选的图像区域进行特征提取，得到第一病灶轮廓所对应多个特征，以构成第一病灶特征集；对第二病灶轮廓所框选的图像区域进行特征提取，得到第二病灶轮廓所对应多个特征，以构成第二病灶特征集，其中，第一病灶特征集与第二病灶特征集中的特征种类和特征数量相同。
步骤S14：根据所述两层图像各自的图像层数，判定所述两层图像之间是否存在缺失层图像。
本实施例中，病灶标记系统获取到的一系列检查图像中的每张图像均携带有其相对应的图像层数，病灶标记系统根据前述“用户连续两次在不同的图像上对病灶的轮廓标记操作”中的不同图像(两层图像)各自所对应的图像层数，对这两层图像之间关系进行判断，判断这两层图像之间是否存在缺失层。
步骤S15：在所述两层图像之间存在缺失层图像的情况下，根据所述第一病灶特征集和所述第二病灶特征集，确定所述缺失层图像上的第三病灶特征集。
本实施例中，如病灶标记系统确定该两层图像之间的层数差为2，则判断这两层图像之间存在缺失层图像，该缺失层图像即为这两层图像之间的中间层图像。
举例来说，如用户连续在第一层检查图像(图像层数为1的检查图像)和第二层检查图像(图像层数为2的检查图像)分别进行病灶标记，则该两层图像(第一层检查图像和第二层检查图像)之间的层数差(图像层数之差)为1，用户为顺序进行图像的病灶标记，并未出现漏层的情况，则此时判断这两层图像之间不存在缺失层图像。如用户连续在第五层检查图像(图像层数为5的检查图像)和第七层检查图像(图像层数为7的检查图像)分别进行病灶标记，则该两层图像(第五层检查图像和第七层检查图像)之间的层数差(图像层数之差)为2，用户未对第六层检查图像(图像层数为6的检查图像)进行病灶标记，即用户在进行病灶标记时出现了漏一层的情况，则此时判断这两层图像之间存在缺失层图像。
而在另一种情况下，例如用户连续在第五层检查图像(图像层数为5的检查图像)和第八层检查图像(图像层数为8的检查图像)分别进行病灶标记，则该两层图像(第五层检查图像和第八层检查图像)之间的层数差(图像层数之差)为3(层数差为3以上的情况同理)，用户未对第六层检查图像和第七层检查图像(图像层数为6和7的检查图像)进行病灶标记，即用户在进行病灶标记时出现了连续漏多层的情况，此种情况本实施例的方法不能有效解决病灶标记漏层问题，因此，在本实施例中此时病灶标记系统依旧判断这两层图像之间为不存在缺失层图像。
在本实施例中，在病灶标记系统判断这两层图像之间存在缺失层图像的情况下，病灶标记系统可以根据第一病灶特征集和第二病灶特征集，确定出该缺失层图像上的第三病灶特征集。其中，本实施例中的缺失层图像为用户连续进行病灶标记的两层图像之间的未进行病灶标记的中间层图像。本实施例中的第三病灶特征集为根据用户对前后两层图像进行手动病灶标记得到的病灶特征集所确定的中间层图像的病灶特征集。
步骤S16：根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
本实施例中，病灶标记系统根据第一病灶特征集和第二病灶特征集确定出缺失层图像上的第三病灶特征集后，可直接根据第三病灶特征集中的各特征在缺失层图像上进行病灶轮廓的勾画，并在勾画出的病灶轮廓旁显示各特征信息，以完成该缺失层图像上的病灶标注。
在本实施例中，病灶标记系统可对用户的病灶标记行为进行监控，当监控到用户在进行一系列图像的病灶标记过程中存在缺失层图像未标记的情况，根据用户手动标记好的上下两层的病灶特征集对缺失层图像上的病灶进行勾画标记，从而有效避免了用户在病灶标记过程中漏层，同时提高了病灶标记的效率。此外，由于本实施例对缺失层进行自动病灶勾画的特征集是根据用户(如医生)手动标记好的前后两层的病灶特征集得到的，而用户(如医生)手动标记出的病灶轮廓是用户凭借其多年经验得到的，用户手动标记好的前后两层的病灶特征集是准确的，因此，本实施例对缺失层进行自动病灶勾画的特征集也是相对准确的，从而保证了自动进行缺失层病灶标记的准确性，使得这一系列图像病灶标记完成后计算得到的病灶的体积、大小准确，不会影响后续治疗方案的制定。
结合以上实施例，在一种实施方式中，本发明实施例还提供了一种病灶标记方法。具体地，该方法还包括以下步骤：
步骤S21：获取所述缺失层图像上的第四病灶特征集，所述第四病灶特征集为对所述缺失层图像进行自动病灶识别所得到的病灶特征集。
本实施例中，病灶标记系统还会对缺失层图像进行病灶识别，得到识别出的缺失层图像上的病灶轮廓，再针对该识别出的缺失层图像上的病灶轮廓所框选的图像区域进行特征提取，从而得到缺失层图像上识别出的病灶轮廓所对应的多个特征，以构成缺失层图像上的第四病灶特征集。其中，本实施例中的第四病灶特征集即为病灶标记系统对缺失层图像进行自动病灶识别所得到的病灶特征集。
在此基础上，步骤S16包括：步骤S22和步骤S23。
步骤S22：判定所述第三病灶特征集与所述第四病灶特征集之间的偏差是否在预设阈值内。
本实施例中，病灶标记系统得到缺失层图像的第三病灶特征集和第四病灶特征集后，需对缺失层图像的这两个病灶特征集进行比较，判定这两个病灶特征集(第三病灶特征集和第四病灶特征集)之间的偏差是否在预设阈值内。
示例的，本实施例可通过公式(1)进行这两个特征集之间偏差的判定：
Figure BDA0003317430010000091
步骤S23：在所述偏差在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
本实施例中，当病灶标记系统判定得到缺失层图像上的两个病灶特征集(第三病灶特征集和第四病灶特征集)之间的偏差在预设阈值内(包含偏差为预设阈值)的情况下，病灶标记系统根据第三病灶特征集中的各特征在缺失层图像上进行病灶轮廓的勾画，并在勾画出的病灶轮廓旁显示各特征信息，以完成该缺失层图像上的病灶标注。
其中，本实施例中的预设阈值是根据人工经验得到的误差经验阈值，预设阈值表征的是满足病灶勾画效果前提下的最大允许误差，例如本实施例中的预设阈值可以为5％，需要说明的是，本实施例对预设阈值的具体数值不作任何限制。
在本实施例，病灶标记系统得到缺失层图像的第三病灶特征集后并不会直接根据第三病灶特征集进行缺失层图像上病灶勾画，而是还会获取缺失层图像的第四病灶特征集，并将缺失层图像的这两个病灶特征集(第三病灶特征集和第四病灶特征集)进行比较，由于第三病灶特征集是根据用户手动标记的前后两层的病灶特征得到的，第四病灶特征集是系统对缺失层图像进行病灶识别得到的，当两者误差在允许的范围内时，表明第三病灶特征集准确率较高，可以直接用来进行缺失层图像的病灶标记。通过本实施例的方法，能够进一步提高病灶标记系统自动进行缺失层病灶标记的准确率，使得一系列图像病灶标记完成后计算得到的病灶的体积、大小更加准确，不会对后续治疗方案的制定产生影响。
结合以上实施例，在一种实施方式中，本发明实施例还提供了一种病灶标记方法。在该方法中，每个病灶特征集包括多种属性特征：病灶的中心点坐标、病灶的轮廓坐标、病灶的面积以及病灶的颜色。具体地，该方法包括以下步骤：
步骤S31：分别对所述第一病灶特征集和所述第二病灶特征集中相同属性特征之间进行统计学计算，得到各相同属性特征的统计特征值，以构成所述第三病灶特征集。
本实施例中，每个病灶特征集均包括以下多种属性特征：病灶的中心点坐标、病灶的轮廓坐标、病灶的面积以及病灶的颜色。如：第一病灶特征集包括：第一病灶轮廓的中心点坐标、第一病灶轮廓的轮廓坐标、第一病灶轮廓的面积以及第一病灶轮廓中病灶的颜色；第二病灶特征集包括：第二病灶轮廓的中心点坐标、第二病灶轮廓的轮廓坐标、第二病灶轮廓的面积以及第二病灶轮廓中病灶的颜色。
具体实施时，病灶标记系统根据第一病灶特征集和第二病灶特征集，确定缺失层图像上的第三病灶特征集的方法为：病灶标记系统分别将第一病灶特征集和第二病灶特征集中的各相同属性特征之间进行统计学计算(如依次对第一病灶特征集中的第一病灶轮廓的中心点坐标与第二病灶特征集中的第一病灶轮廓的中心点坐标之间进行统计学计算；对第一病灶特征集中的第一病灶轮廓的轮廓坐标与第二病灶特征集中的第二病灶轮廓的轮廓坐标之间进行统计学计算；将第一病灶特征集中的第一病灶轮廓的面积与第二病灶特征集中的第二病灶轮廓的面积之间进行统计学计算；将第一病灶特征集中的第一病灶轮廓中病灶的颜色RGB值与第二病灶特征集中的第二病灶轮廓中病灶的颜色RGB值之间进行统计学计算，直至病灶特征集中的四种属性特征均计算完毕)，得到各相同属性特征的统计特征值，以构成所述第三病灶特征集。
在一种可选实施例中，本实施例中的统计学计算可以为平均值计算。例如：对第一病灶特征集中的第一病灶轮廓的中心点坐标与第二病灶特征集中的第一病灶轮廓的中心点坐标进行平均值计算；对第一病灶特征集中的第一病灶轮廓的轮廓坐标与第二病灶特征集中的第二病灶轮廓的轮廓坐标之间进行平均值计算；将第一病灶特征集中的第一病灶轮廓的面积与第二病灶特征集中的第二病灶轮廓的面积之间进行平均值计算；将第一病灶特征集中的第一病灶轮廓中病灶的颜色RGB值与第二病灶特征集中的第二病灶轮廓中病灶的颜色RGB值之间进行平均值计算，直至病灶特征集中的四种属性特征均计算完毕，分别得到病灶轮廓的平均中心点坐标、病灶轮廓的平均轮廓坐标、病灶轮廓的平均面积以及病灶轮廓的平均颜色RGB值以构成第三病灶特征集。
其中，在进行病灶轮廓的平均轮廓坐标计算时，是分别取病灶轮廓的四个顶点坐标(如左上角坐标、左下角坐标、右上角坐标和右下角坐标)进行平均值计算：将第一病灶轮廓的左上角坐标与第二病灶轮廓的左上角坐标取平均值，得到轮廓的左上角平均坐标；将第一病灶轮廓的右上角坐标与第二病灶轮廓的右上角坐标取平均值，得到轮廓的右上角平均坐标；将第一病灶轮廓的左下角坐标与第二病灶轮廓的左下角坐标取平均值，得到轮廓的左下角平均坐标；将第一病灶轮廓的右下角坐标与第二病灶轮廓的右下角坐标取平均值，得到轮廓的右下角平均坐标；从而得到四个平均坐标(轮廓的左上角平均坐标、轮廓的右上角平均坐标、轮廓的左下角平均坐标和轮廓的右下角平均坐标)从而构成病灶轮廓的平均轮廓坐标。需要说明的是，本实施例中的坐标系为在统一的屏幕分辨率下的图片坐标系。
在本实施例中，病灶标记系统对第一病灶轮廓和第二病灶轮廓中各相同属性特征之间分别进行统计学计算，以得到第三病灶特征集，从而能够根据前后两层图像的病灶特征得到中间缺失层图像的病灶特征，并不需要用户的标记操作即可得到较为准确的缺失层图像的病灶特征集，为后续进行缺失层病灶的自动勾画提供基础。
结合以上实施例，在一种实施方式中，本发明实施例还提供了一种病灶标记方法。在该方法中，步骤S22包括步骤S41。
步骤S41：分别判定所述第三病灶特征集中的相同属性特征与所述第四病灶特征集中的相同属性特征之间的偏差是否在预设阈值内。
本实施例中，病灶标记系统需分别对第三病灶特征集与第四病灶特征集中的各相同属性特征之间计算偏差，并分别判定第三病灶特征集与第四病灶特征集中的各相同属性特征之间的偏差是否在预设阈值内。
具体实施时，例如，病灶标记系统将第三病灶特征集中病灶轮廓的中心点坐标与第四病灶特征集中病灶轮廓的中心点坐标进行偏差计算，判定两者之间的偏差是否在预设阈值内；将第三病灶特征集中病灶轮廓的轮廓坐标与第四病灶特征集中病灶轮廓的轮廓坐标进行偏差计算，判定两者之间的偏差是否在预设阈值内；将第三病灶特征集中病灶轮廓的轮廓面积与第四病灶特征集中病灶轮廓的轮廓面积进行偏差计算，判定两者之间的偏差是否在预设阈值内；将第三病灶特征集中病灶轮廓的颜色RGB值与第四病灶特征集中病灶轮廓的颜色RGB值进行偏差计算，判定两者之间的偏差是否在预设阈值内。
示例的，本实施例可通过公式(2)进行两个特征集间各相同属性特征之间偏差的判定：
Figure BDA0003317430010000121
其中，当公式(2)中的“第三病灶特征集中的相同属性特征”指的是：第三病灶特征集中病灶轮廓的中心点坐标(即前述步骤S31中的病灶轮廓的轮廓的左上角平均坐标)，则公式(2)中的“第四病灶特征集的相同属性特征”指的是：第四病灶特征集中病灶轮廓的中心点坐标(即系统自动识别出的病灶轮廓的中心点坐标)；当公式(2)中的“第三病灶特征集中的相同属性特征”指的是：第三病灶特征集中病灶轮廓的轮廓坐标(即前述步骤S31中的病灶轮廓的平均轮廓坐标)，则公式(2)中的“第四病灶特征集的相同属性特征”指的是：第四病灶特征集中病灶轮廓的轮廓坐标(即系统自动识别出的病灶轮廓的轮廓坐标)；以此类推，直至计算出第三病灶特征集与第四病灶特征集之间病灶面积、病灶颜色RGB值之间的误差，并进行误差判定。
需要说明的是，在计算第三病灶特征集与第四病灶特征集之间的病灶轮廓的轮廓坐标之间的误差时，是分别将这两个轮廓四个顶点坐标(轮廓的左上角坐标、轮廓的右上角坐标、轮廓的左下角坐标和轮廓的右下角坐标)进行公式(3)的计算，
Figure BDA0003317430010000131
其中，当公式(3)中的“第三病灶特征集中的轮廓各点坐标”指的是：第三病灶特征集中病灶轮廓的左上角坐标(即前述步骤S31中的病灶轮廓的左上角平均坐标)，则公式(3)中的“第四病灶特征集的轮廓各点坐标”指的是：第四病灶特征集中病灶轮廓的左上角坐标(即系统自动识别出的病灶轮廓的左上角坐标)；当公式(3)中的“第三病灶特征集中的轮廓各点坐标”指的是：第三病灶特征集中病灶轮廓的左下角坐标(即前述步骤S31中的病灶轮廓的左下角平均坐标)，则公式(3)中的“第四病灶特征集的轮廓各点坐标”指的是：第四病灶特征集中病灶轮廓的左下角坐标(即系统自动识别出的病灶轮廓的左下角坐标)；以此类推，直至计算出第三病灶特征集与第四病灶特征集之间轮廓的右上角坐标、右下角坐标之间的误差，以进行轮廓坐标之间的误差判定。
在本方法中，步骤S23包括步骤S42。
步骤S42：在各相同属性特征的误差均在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
本实施例中，病灶标记系统在步骤S41中分别计算得到的两个病灶特征集(第三病灶特征集与第四病灶特征集)之间各相同属性特征的误差(即中心点坐标之间的误差、轮廓坐标之间的误差、病灶面积之间的误差、病灶颜色RGB值之间的误差)均在预设阈值内(包括误差等于预设阈值)的情况下，确定第三病灶特征集的各特征值准确，第三病灶特征集可以用来进行缺失层图像的病灶勾画。
其中，公式(1)、(2)、(3)中的预设阈值可以均为相同取值，例如预设阈值均为5％，但本实施例对预设阈值的具体取值不作具体限制。其中还需说明的是，本实施例中是当第三病灶特征集与第四病灶特征集中各轮廓坐标点(即轮廓的左下角坐标、左上角坐标、右下角坐标、右上角坐标)之间的误差均在预设阈值内，才算第三病灶特征集与第四病灶特征集中轮廓坐标之间的误差在预设阈值内。
在本实施例中，病灶标记系统对第三病灶轮廓和第四病灶轮廓中各相同属性特征之间分别误差判断，如两者各相同属性特征之间的误差均满足预设阈值，则表明第三病灶特征集的各特征值准确，第三病灶特征集可以用来进行缺失层图像的病灶勾画。通过本实施例的方法，并不需要用户的标记操作即可得到较为准确的缺失层图像的病灶特征集，以为后续进行缺失层病灶的自动勾画提供基础，从而能够进一步提高病灶标记系统自动进行缺失层病灶标记的准确率，使得一系列图像病灶标记完成后计算得到的病灶的体积、大小更加准确，不会对后续治疗方案的制定产生影响。
结合以上实施例，在一种实施方式中，本发明实施例还提供了一种病灶标记方法。具体地，该方法还包括以下步骤：
步骤S51：对每层图像自动识别出每层图像的参考病灶轮廓。
本实施例中，病灶标记系统会对一系列图像中的每层图像均进行病灶自动识别操作，从而识别出每层图像的参考病灶轮廓。
步骤S52：对所述参考病灶轮廓所框选的图像区域进行特征提取，获取参考特征集；根据所述参考特征集在每层图像上勾画展示参考病灶轮廓，并进行病灶标记以供用户参考。
本实施例中，病灶标记系统识别出每层图像的参考病灶轮廓后，对参考病灶轮廓所框选的图像区域分别进行特征提取，得到各参考病灶轮廓所对应多个特征，以构成每层图像上参考病灶轮廓的参考特征集。病灶标记系统根据获取到的参考特征集中的各特征在每层图像上进行参考病灶轮廓的勾画，并在勾画出的参考病灶轮廓旁显示各特征信息，以供用户在进行逐层病灶勾画时进行病灶轮廓选取的参考，同时也能为缺失层图像获取第四病灶特征集。
在本实施例中，病灶标记系统针对每层图像均会自动进行病灶识别及病灶轮廓的勾画展示，以供用户(如医生)在进行逐层病灶勾画时进行病灶轮廓选取的参考，从而实现快速、便捷地进行逐层病灶轮廓的勾画。可以理解但是，系统自动识别病灶轮廓的效果没有用户手动勾画病灶轮廓的效果好，但本实施例结合系统自动和用户手动双病灶勾画模式，不仅提升了用户病灶标记效率，还提升了病灶标记的准确率。
结合以上实施例，在一种实施方式中，本发明实施例还提供了一种病灶标记方法。具体地，该方法还包括以下步骤：
步骤S61：在所述偏差不在预设阈值内的情况下，显示提示信息，所述提示信息用于提示用户手动在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
本实施例中，当病灶标记系统判定第三病灶特征集与第四病灶特征集之间的偏差不在预设阈值内的情况下，则表明病灶标记系统获取到的第三病灶特征集与缺失层图像上的实际病灶轮廓的误差较大，根据第三病灶特征集进行缺失层图像上的病灶勾画标记无法保证自动进行缺失层病灶标记的准确性，也无法保证这一系列图像病灶标记完成后计算得到的病灶的体积、大小准确，根据第三病灶特征集进行标记依旧会影响后续治疗方案的制定。
因此，在病灶标记系统判定第三病灶特征集与第四病灶特征集之间的偏差不在预设阈值内的情况下，病灶标记系统直接显示提示信息，该提示信息用于提示用户手动在缺失层图像上勾画病灶轮廓并进行病灶标记。例如，显示提示信息“第N层图像未进行病灶标注，请您进行手动标注”。其中，第N层图像即为系统判定的缺失层图像。而在一种优选的实施例中，病灶标记系统可以一直显示提示信息直至用户完成该缺失层图像(即提示信息所指的图像)的手动病灶标记，以保证该一系列检查图像不会出现“漏层、未标记病灶”的情况。
在本实施例中，当系统得到的第三病灶特征集不满足条件的情况下，系统向用户显示提示信息，以提醒用户进行缺失层图像的手动病灶标记，从而不仅避免了用户在病灶标记过程中漏层的情况，还进一步提高了病灶标记的准确率。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
基于同一发明构思，本发明一实施例提供了一种病灶标记装置200。参考图2，图2是本发明一个实施例提供的病灶标记装置的结构框图。如图2所示，该装置200包括：
显示模块201，用于按照图像层数顺序展示每层图像；
响应模块202，用于响应于用户连续在两层图像上对病灶的轮廓标记操作，分别得到第一病灶轮廓和第二病灶轮廓；
特征提取模块203，用于对所述第一病灶轮廓和第二病灶轮廓各自所框选的图像区域分别进行特征提取，获取第一病灶特征集和第二病灶特征集；
第一判定模块204，用于根据所述两层图像各自的图像层数，判定所述两层图像之间是否存在缺失层图像；
特征确定模块205，用于在所述两层图像之间存在缺失层图像的情况下，根据所述第一病灶特征集和所述第二病灶特征集，确定所述缺失层图像上的第三病灶特征集；
第一标记模块206，用于根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
可选的，所述装置200还包括：
获取模块，用于获取所述缺失层图像上的第四病灶特征集，所述第四病灶特征集为对所述缺失层图像进行自动病灶识别所得到的病灶特征集；
所述第一标记模块206包括：
第二判定模块，用于判定所述第三病灶特征集与所述第四病灶特征集之间的偏差是否在预设阈值内；
第二标记模块，用于在所述偏差在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
可选的，所述装置200包括：每个病灶特征集包括多种属性特征：病灶的中心点坐标、病灶的轮廓坐标、病灶的面积以及病灶的颜色；
所述特征确定模块205包括：
特征统计模块，用于分别对所述第一病灶特征集和所述第二病灶特征集中相同属性特征之间进行统计学计算，得到各相同属性特征的统计特征值，以构成所述第三病灶特征集。
可选的，所述第二判定模块包括：
第三判定模块，用于分别判定所述第三病灶特征集中的相同属性特征与所述第四病灶特征集中的相同属性特征之间的偏差是否在预设阈值内；
所述第二标记模块包括：
第三标记模块，用于在各相同属性特征的误差均在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
可选的，所述装置200还包括：
自动识别模块，用于对每层图像自动识别出每层图像的参考病灶轮廓；
第四标记模块，用于在各相同属性特征的误差均在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
可选的，所述装置200还包括：
信息提示模块，用于在所述偏差不在预设阈值内的情况下，显示提示信息，所述提示信息用于提示用户手动在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
基于同一发明构思，本发明另一实施例提供一种电子设备300，如图3所示。图3是本发明一个实施例示出的一种电子设备的示意图。该电子设备包括存储器302、处理器301及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现本发明上述任一实施例所述的病灶标记方法。
基于同一发明构思，本发明另一实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本发明上述任一实施例所述的病灶标记方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种病灶标记方法、装置、电子设备及可读存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种病灶标记方法，其特征在于，所述方法包括：
按照图像层数顺序展示每层图像；
响应于用户连续在两层图像上对病灶的轮廓标记操作，分别得到第一病灶轮廓和第二病灶轮廓；
对所述第一病灶轮廓和第二病灶轮廓各自所框选的图像区域分别进行特征提取，获取第一病灶特征集和第二病灶特征集；
根据所述两层图像各自的图像层数，判定所述两层图像之间是否存在缺失层图像；
在所述两层图像之间存在缺失层图像的情况下，根据所述第一病灶特征集和所述第二病灶特征集，确定所述缺失层图像上的第三病灶特征集；
根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述缺失层图像上的第四病灶特征集，所述第四病灶特征集为对所述缺失层图像进行自动病灶识别所得到的病灶特征集；
所述根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记，包括：
判定所述第三病灶特征集与所述第四病灶特征集之间的偏差是否在预设阈值内；
在所述偏差在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
3.根据权利要求2所述的方法，其特征在于，每个病灶特征集包括多种属性特征：病灶的中心点坐标、病灶的轮廓坐标、病灶的面积以及病灶的颜色；
所述根据所述第一病灶特征集和所述第二病灶特征集，确定所述缺失层图像上的第三病灶特征集，包括：
分别对所述第一病灶特征集和所述第二病灶特征集中相同属性特征之间进行统计学计算，得到各相同属性特征的统计特征值，以构成所述第三病灶特征集。
4.根据权利要求3所述的方法，其特征在于，所述判定所述第三病灶特征集与所述第四病灶特征集之间的偏差是否在预设阈值内，包括：
分别判定所述第三病灶特征集中的相同属性特征与所述第四病灶特征集中的相同属性特征之间的偏差是否在预设阈值内；
所述在所述偏差在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记，包括：
在各相同属性特征的误差均在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
5.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：
对每层图像自动识别出每层图像的参考病灶轮廓；
对所述参考病灶轮廓所框选的图像区域进行特征提取，获取参考特征集；根据所述参考特征集在每层图像上勾画展示参考病灶轮廓，并进行病灶标记以供用户参考。
6.根据权利要求2至4任一所述的方法，其特征在于，所述方法还包括：
在所述偏差不在预设阈值内的情况下，显示提示信息，所述提示信息用于提示用户手动在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
7.一种病灶标记装置，其特征在于，所述装置包括：
显示模块，用于按照图像层数顺序展示每层图像；
响应模块，用于响应于用户连续在两层图像上对病灶的轮廓标记操作，分别得到第一病灶轮廓和第二病灶轮廓；
特征提取模块，用于对所述第一病灶轮廓和第二病灶轮廓各自所框选的图像区域分别进行特征提取，获取第一病灶特征集和第二病灶特征集；
第一判定模块，用于根据所述两层图像各自的图像层数，判定所述两层图像之间是否存在缺失层图像；
特征确定模块，用于在所述两层图像之间存在缺失层图像的情况下，根据所述第一病灶特征集和所述第二病灶特征集，确定所述缺失层图像上的第三病灶特征集；
第一标记模块，用于根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
获取模块，用于获取所述缺失层图像上的第四病灶特征集，所述第四病灶特征集为对所述缺失层图像进行自动病灶识别所得到的病灶特征集；
所述第一标记模块包括：
第二判定模块，用于判定所述第三病灶特征集与所述第四病灶特征集之间的偏差是否在预设阈值内；
第二标记模块，用于在所述偏差在预设阈值内的情况下，根据所述第三病灶特征集，在所述缺失层图像上勾画病灶轮廓并进行病灶标记。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6任一所述的病灶标记方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一所述的病灶标记方法。
CN202111235703.9A 2021-10-22 2021-10-22 病灶标记方法、装置、电子设备及可读存储介质 Pending CN114092399A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111235703.9A CN114092399A (zh) 2021-10-22 2021-10-22 病灶标记方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111235703.9A CN114092399A (zh) 2021-10-22 2021-10-22 病灶标记方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN114092399A true CN114092399A (zh) 2022-02-25

Family

ID=80297812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111235703.9A Pending CN114092399A (zh) 2021-10-22 2021-10-22 病灶标记方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114092399A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116862906A (zh) * 2023-08-24 2023-10-10 武汉大学人民医院（湖北省人民医院） 一种眼部检测装置及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116862906A (zh) * 2023-08-24 2023-10-10 武汉大学人民医院（湖北省人民医院） 一种眼部检测装置及方法
CN116862906B (zh) * 2023-08-24 2023-12-12 武汉大学人民医院（湖北省人民医院） 一种眼部检测装置及方法

Similar Documents

Publication Publication Date Title
CN108520519B (zh) 一种图像处理方法、装置及计算机可读存储介质
US20190066390A1 (en) Methods of Using an Imaging Apparatus in Augmented Reality, in Medical Imaging and Nonmedical Imaging
TWI544898B (zh) 決定皮膚發炎分數之裝置及方法
CN110036408B (zh) 活动性出血和血液外渗的自动ct检测和可视化
US20110181614A1 (en) Quantification method of the feature of a tumor and an imaging method of the same
CN102739951B (zh) 图像处理装置及图像处理方法
WO2015076406A1 (ja) 骨粗鬆症診断支援装置
JP6393106B2 (ja) 画像処理装置、画像処理方法およびプログラム
JP2004057804A (ja) 骨関節評価方法、装置およびそのためのプログラム
CN105976354A (zh) 基于颜色和梯度的元件定位方法和系统
JP2013542046A5 (zh)
CN108294728A (zh) 伤口状态分析方法与系统
JP2007105264A (ja) 医用画像判定装置、医用画像判定方法およびそのプログラム
CN105147311A (zh) 用于ct系统中的可视化设备辅助扫描定位方法和系统
CN112017231A (zh) 基于单目摄像头的人体体重识别方法、装置及存储介质
CN108052909B (zh) 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置
JP2005523053A5 (zh)
JP2019028887A (ja) 画像処理方法
RU2709268C2 (ru) Способ поддержки измерений ответа опухоли
CN114092399A (zh) 病灶标记方法、装置、电子设备及可读存储介质
CN111528907A (zh) 一种超声影像肺炎辅助诊断方法及系统
WO2013037702A1 (en) Method and a system for medical imaging
CN116051553B (zh) 一种在三维医学模型内部进行标记的方法和装置
TWI462027B (zh) 圖像處理裝置及圖像處理方法
WO2023070946A1 (zh) 基于超声图像的测量设备、方法、介质及电子设备

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