CN114305503B - 乳腺疾病随访系统、介质及电子设备 - Google Patents
乳腺疾病随访系统、介质及电子设备 Download PDFInfo
- Publication number
- CN114305503B CN114305503B CN202111498254.7A CN202111498254A CN114305503B CN 114305503 B CN114305503 B CN 114305503B CN 202111498254 A CN202111498254 A CN 202111498254A CN 114305503 B CN114305503 B CN 114305503B
- Authority
- CN
- China
- Prior art keywords
- focus
- target
- lesion
- matching
- historical
- 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
- 210000005075 mammary gland Anatomy 0.000 title claims abstract description 20
- 201000010099 disease Diseases 0.000 title description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title description 4
- 230000003902 lesion Effects 0.000 claims abstract description 142
- 208000030270 breast disease Diseases 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 83
- 210000000481 breast Anatomy 0.000 claims description 47
- 238000002604 ultrasonography Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 38
- 238000011161 development Methods 0.000 claims description 14
- 230000035772 mutation Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 6
- 230000007774 longterm Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 229910052750 molybdenum Inorganic materials 0.000 description 2
- 239000011733 molybdenum Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种乳腺疾病随访系统、介质及电子设备。所述乳腺疾病随访系统包括:图像获取模块,用于获取目标对象的乳腺超声图像;图像处理模块,用于对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;病灶匹配模块,用于将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;病灶分析模块,用于根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析。所述乳腺疾病随访系统能够对目标病灶进行精确地匹配和跟踪。
Description
技术领域
本发明涉及图像处理领域,特别是涉及乳腺疾病随访系统、介质及电子设备。
背景技术
借助医学影像实现乳腺疾病筛查具有重要的经济和社会价值。超声和钼靶是目前用于乳腺疾病筛查的主要医学影像手段,与钼靶相比,超声具有安全、便捷、低成本的优势,目前已经得到了广泛的应用。许多乳腺疾病,例如乳腺癌,并非短期内可以治愈的疾病,因此,在乳腺疾病的诊断和治疗过程中往往涉及到多次随访。在多次随访过程中可能会获取到患者在不同时期的多张乳腺超声图像,现有技术中医务人员需要通过肉眼观察患者在不同时期的多张乳腺超声图像来对患者的病灶进行跟踪。然而,乳腺组织缺少显著的解剖结构参照,医务人员凭借肉眼很难完成病灶的精确匹配和跟踪。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种乳腺疾病随访系统、介质及电子设备,用于解决现有技术中难以对病灶进行精确匹配和跟踪的问题。
为实现上述目的及其他相关目的,本发明的第一方面提供一种乳腺疾病随访系统,所述乳腺疾病随访系统包括:图像获取模块,用于获取目标对象的乳腺超声图像;图像处理模块,用于对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;病灶匹配模块,用于将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;病灶分析模块,用于根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析。
于所述第一方面的一实施例中,所述病灶匹配模块包括:病灶特征提取单元,用于获取所述目标病灶的多尺度特征并根据所述多尺度特征获取所述目标病灶的特征向量;病灶匹配单元,用于根据所述目标病灶的特征向量与所述目标对象的历史病灶的特征向量进行匹配,并根据匹配结果从所述目标对象的历史病灶中获取所述目标病灶的匹配病灶。
于所述第一方面的一实施例中,所述乳腺疾病随访系统还包括:存储模块,用于存储所述乳腺超声图像以及所述目标病灶的特征向量,并用于存储所述目标对象的历史乳腺超声图像以及历史病灶的特征向量。
于所述第一方面的一实施例中,对于所述目标对象的任一处历史病灶,所述病灶匹配单元获取所述目标病灶的特征向量与该历史病灶的特征向量之间的距离来衡量所述目标病灶与该历史病灶的匹配程度。
于所述第一方面的一实施例中,所述病灶特征提取单元利用神经网络提取所述目标病灶的多尺度特征,并对每一尺度对应的特征层进行池化处理以获取每一尺度对应的特征向量,且将每一尺度对应的特征向量进行融合以获取所述目标病灶的特征向量。
于所述第一方面的一实施例中,所述病灶分析模块包括:病灶参数获取单元,用于获取所述目标病灶及其匹配病灶的病灶参数;病灶状况分析单元,用于根据所述目标病灶及其匹配病灶的病灶参数对所述目标病灶的当前状况进行分析和/或对所述目标病灶的发展趋势进行预测。
于所述第一方面的一实施例中,所述病灶状况分析单元包括突变状况检测子单元和/或发展趋势预测子单元,其中:所述突变状况检测子单元用于根据所述目标病灶及其匹配病灶的病灶参数判断所述目标病灶是否发生突变;所述发展趋势预测子单元用于根据所述目标病灶及其匹配病灶的病灶参数对所述病灶参数的未来参数值进行预测,并根据预测结果对所述目标病灶的发展趋势进行分析。
于所述第一方面的一实施例中,所述乳腺疾病随访系统还包括:随访方案生成模块,用于根据所述目标病灶的发展趋势生成随访方案。
本发明的第二方面提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现一乳腺疾病随访方法,其中,所述乳腺疾病随访方法包括:获取目标对象的乳腺超声图像;对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析。
本发明的第三方面提供一种电子设备,所述电子设备包括:存储器,存储有一计算机程序;
处理器,与所述存储器通信相连,调用所述计算机程序时执行一乳腺疾病随访方法,其中,所述乳腺疾病随访方法包括:获取目标对象的乳腺超声图像;对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析。
如上所述,本发明一个或多个实施例中所述的乳腺疾病随访系统具有以下有益效果:
所述乳腺疾病随访系统能够对乳腺超声图像进行处理来获取目标病灶,并能够获取与目标病灶相匹配的历史病灶作为其匹配病灶。基于所述目标病灶及其匹配病灶,所述乳腺疾病随访系统能够对目标病灶进行精确地匹配和跟踪。
附图说明
图1显示为本发明所述乳腺疾病随访系统于一具体实施例中的结构示意图。
图2显示为本发明所述乳腺疾病随访系统于一具体实施例中病灶匹配模块的结构示意图。
图3显示为本发明所述乳腺疾病随访系统于一具体实施例中病灶分析模块的结构示意图。
图4显示为本发明所述乳腺疾病随访方法于一具体实施例中的流程图。
图5显示为本发明所述电子设备于一具体实施例中的结构示意图。
元件标号说明
1 乳腺疾病随访系统
11 图像获取模块
12 图像处理模块
13 病灶匹配模块
131 病灶特征提取单元
132 病灶匹配单元
14 病灶分析模块
141 病灶参数获取单元
142 病灶状况分析单元
500 电子设备
510 存储器
520 处理器
530 显示器
S41~S44 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。此外,在本文中,诸如“第一”、“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。
现有技术中医务人员需要通过肉眼观察患者在不同时期的多张乳腺超声图像来对患者的病灶进行跟踪。然而,在不同的超声扫描过程中患者的姿势可能各不相同,并且,不同的超声扫描过程中乳腺的形态也会有所差异,这就导致不同的乳腺超声图像中病灶的形状和位置有所不同。再者,随访过程中涉及到的是患者在不同时期的乳腺超声图像,由于病灶的形态是随时间变化的,因而不同时期的乳腺超声图像中同一处病灶的实际形态可能也不相同。同时,乳腺组织缺少显著的解剖结构参照,因而医务人员凭借肉眼很难完成病灶的精确匹配和跟踪。针对这一问题,请参阅图1,于本发明的一实施例中提供一种乳腺疾病随访系统1,所述乳腺疾病随访系统1包括图像获取模块11、图像处理模块12、病灶匹配模块13以及病灶分析模块14。
所述图像获取模块11用于获取目标对象的乳腺超声图像,所述目标对象的乳腺超声图像是指所述目标对象在本次随访过程中对乳腺进行超声扫查而得到的超声图像。
特别地,所述乳腺超声图像为乳腺超声容积图像,所述乳腺超声容积图像可以由自动乳腺超声系统(ABUS)自动采集得到。与传统的超声扫查方案相比,采用ABUS采集和存储全容积乳腺超声图像能够实现图像质量的标准化和一致性,并能大幅度提高筛查的准确性及效率,且能够避免传统方案中由于扫查者手法差异而导致的误诊和漏诊等问题。
所述图像处理模块12与所述图像获取模块11相连,用于对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶,所述目标病灶的状况代表所述目标病灶在本次随访过程中的状况。
所述病灶匹配模块13与所述图像处理模块12相连,用于将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶。其中,所述目标对象的历史病灶是指所述目标对象在之前一次或多次随访过程中的病灶。所述目标对象的历史病灶可以通过所述目标对象的病例数据库或者根据所述目标对象的历史乳腺超声图像得到,但本发明并不限于此。所述目标病灶的匹配病灶的状况代表所述目标病灶在之前一次或多次随访过程中的状况。
所述病灶分析模块14与所述病灶匹配模块13相连,用于根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析。如前所述,所述目标病灶的状况代表所述目标病灶在本次随访过程中的状况,所述目标病灶的匹配病灶的状况代表所述目标病灶在之前一次或多次随访过程中的状况,因而基于所述目标病灶及其匹配病灶可以获取所述目标病灶的生长趋势和异常倾向等信息,从而实现对所述目标病灶的病灶跟踪。
根据以上描述可知,本实施例所述乳腺疾病随访系统1包括病灶匹配模块13,所述病灶匹配模块13能够通过病灶匹配的方式自动获取所述目标对象的匹配病灶,进而实现对目标病灶的精确匹配。因此,本实施例所述乳腺疾病随访系统1使得医务人员无需通过肉眼观察来实现病灶匹配和跟踪,有利于提高乳腺病灶的跟踪和匹配精度并提升医务人员对乳腺疾病的诊断效率。
此外,本实施例所述乳腺疾病随访系统可用于对所述目标对象在多次随访中的病灶状况联合进行分析和筛查,而非仅仅用于乳腺疾病的单次筛查,因而所述乳腺疾病随访系统能够提供有效的随访解决方案。
于本发明的一实施例中,所述图像处理模块12采用一乳腺病灶AI检测模型或图像处理算法来定位所述乳腺超声图像中的目标病灶并获取所述目标病灶的图像,所述乳腺病灶AI检测模型例如为一阶段神经网络检测器或二阶段神经网络检测器等。当所述图像处理模块12采用所述乳腺病灶AI检测模型来定位目标病灶时,所述图像处理模块12将所述图像获取模块11获取到的乳腺超声图像输入训练好的所述乳腺病灶AI检测模型即可自动检测出所述乳腺超声图像中的目标病灶。
本实施例中对所述乳腺病灶AI检测模型的训练方法包括:获取训练图像,所述训练图像包括大量的乳腺超声图像,且各所述训练图像中标注有乳腺病灶的位置和/或形态,该标注可以由人工标注的方式实现;利用所述训练图像及其标注对所述乳腺病灶AI检测模型进行训练。
请参阅图2,于本发明的一实施例中,所述病灶匹配模块13包括病灶特征提取单元131和病灶匹配单元132。
所述病灶特征提取单元131与所述图像处理模块12相连,用于获取所述目标病灶的多尺度特征并根据所述多尺度特征获取所述目标病灶的特征向量。其中,所述目标病灶不同尺度的特征可用于反映所述目标病灶的图像纹理等抽象特征和/或病灶边缘等具象特征,因而根据所述目标病灶的多尺度特征获取到的特征向量同样能够反映所述目标病灶的图像纹理等抽象特征和/或病灶边缘等具象特征。
可选地,所述目标病灶的多尺度特征的一种获取方法为:对所述乳腺超声图像进行处理,以获取不同分辨率(也即,不同尺度)的超声图像;对各分辨率的超声图像进行处理以获取各分辨率的超声图像中目标病灶的特征作为所述目标病灶的多尺度特征。
可选地,所述目标病灶的多尺度特征的另一种获取方法为:获取所述目标病灶的图像,并对所述目标病灶的图像进行处理以获取不同分辨率(也即,不同尺度)的病灶图像;对各分辨率的病灶图像进行处理以获取各分辨率的病灶图像的特征作为所述目标病灶的多尺度特征。
需要说明的是,以上仅为本实施例中获取所述目标病灶的多尺度特征的两种实现方式,但本发明并不限于此。
所述病灶匹配单元132与所述病灶特征提取单元131相连,用于根据所述目标病灶的特征向量与所述目标对象的历史病灶的特征向量进行匹配,并根据匹配结果从所述目标对象的历史病灶中获取所述目标病灶的匹配病灶。
如前所述,所述特征向量能够反映所述目标病灶的图像纹理等抽象特征和/或病灶边缘等具象特征,因此,基于所述特征向量对所述目标病灶和所述目标对象的历史病灶进行匹配,不仅能够实现图像纹理等抽象特征的匹配,还能够实现病灶边缘等具象特征的匹配,此种匹配方式相对于仅凭借肉眼观察来实现病灶匹配的方式具有更高的准确度以及效率。同时,即便不同超声图像中同一目标病灶的形态可能有所差异,该匹配方式也能够实现不同超声图像中的病灶精确匹配。
可选地,所述目标对象的历史病灶的特征向量可以通过对所述目标对象在之前一次或多次随访中的乳腺超声图像进行处理得到。
可选地,所述乳腺疾病随访系统还可以包括存储模块,所述存储模块与所述病灶特征提取单元131和病灶匹配单元132相连,用于存储所述乳腺超声图像以及所述目标病灶的特征向量,并用于存储所述目标对象的历史乳腺超声图像以及历史病灶的特征向量。此时,所述病灶匹配单元132可以从所述存储模块获取所述目标对象的历史病灶的特征向量。
基于所述存储模块,所述乳腺疾病随访系统可以对所述目标对象在每次随访过程中得到的乳腺超声图像和/或目标病灶的特征向量进行存储,以便在将来的随访中使用这些数据。
可选地,所述存储模块中存储有至少一个目标对象的乳腺超声图像以及目标病灶的特征向量,每个目标对象具有一个唯一的ID号,在随访中可以通过病灶匹配单元对不同筛查时间点相同ID号的病灶进行匹配,从而获取目标病灶的匹配病灶,进而实现目标病灶的长期跟踪。
可选地,对于所述目标对象的任一处历史病灶,所述病灶匹配单元132利用高维特征相似性度量函数来衡量所述目标病灶与该历史病灶的匹配程度。例如,所述病灶匹配单元132可以获取所述目标病灶的特征向量与该历史病灶的特征向量之间的距离来衡量所述目标病灶与该历史病灶的匹配程度,例如,所述病灶匹配单元132可以根据该距离与一预设的距离阈值之间的关系来判断两个病灶是否匹配。
可选地,所述目标病灶的特征向量与该历史病灶的特征向量/>之间的距离可以用以下公式来衡量:/>其中,n为/>和/>的维度,且/> d1的值越大则说明所述目标病灶与该历史病灶的相似度越高,此时,若所述目标病灶的特征向量与该历史病灶的特征向量之间的距离大于一距离阈值,则该历史病灶属于所述目标病灶的匹配病灶,否则,该历史病灶不属于所述目标病灶的匹配病灶,所述距离阈值可以根据经验或者实际需求设置。
可选地,所述目标病灶的特征向量与该历史病灶的特征向量/>之间的距离可以用以下公式来衡量:/>n为/>和/>的维度,且/>d2的值越小则说明所述目标病灶与该历史病灶的相似度越高,此时,若所述目标病灶的特征向量与该历史病灶的特征向量之间的距离小于一距离阈值,则该历史病灶属于所述目标病灶的匹配病灶,否则,该历史病灶不属于所述目标病灶的匹配病灶,所述距离阈值可以根据经验或者实际需求设置。
可选地,所述病灶特征提取单元131利用神经网络提取所述目标病灶的多尺度特征,并对每一尺度对应的特征层进行池化处理以获取每一尺度对应的特征向量,且将每一尺度对应的特征向量进行融合以获取所述目标病灶的特征向量。例如,所述病灶特征提取单元131可以选取所述神经网络中的最后一个多尺度特征层(假设为K个尺度)并对该最后一个多尺度特征层中的每一个尺度对应的特征层做最大池化操作,从而获得N维特征向量,其中,K为大于1的正数,N为正整数且其数值取决于神经网络卷积核的数量,将K个尺度的N维特征向量进行融合即可得到一K×N维的特征向量,该特征向量即为所述目标病灶的特征向量,可用于表征所述目标病灶的独特属性和特征。
根据以上描述可知,本实施例可以获取所述目标病灶的多尺度特征并根据所述多尺度特征获取所述目标病灶的特征向量,以此来将所述目标病灶的图像纹理等抽象特征和/或病灶边缘等具象特征进行筛选和融合,从而得到所述目标病灶的高维特征向量。
此外,本实施例可以根据所述目标病灶的特征向量与所述目标对象的历史病灶的特征向量进行匹配。基于此,即便不同的乳腺超声图像中同一目标病灶的形态可能会有所差异,以及乳腺组织中没有显著的解剖结构参照,本实施例仍然能够准确地将不同乳腺超声图像中的同一目标病灶匹配出来。
请参阅图3,于本发明的一实施例中,所述病灶分析模块14包括病灶参数获取单元141和病灶状况分析单元142。
所述病灶参数获取单元141与所述病灶匹配模块13相连,用于获取所述目标病灶及其匹配病灶的病灶参数。所述病灶参数包括但不限于病灶的体积、表面积、声学特征(灰度值、钙化程度)等。
所述病灶状况分析单元142与所述病灶参数获取单元141相连,用于根据所述目标病灶及其匹配病灶的病灶参数对所述目标病灶的当前状况进行分析和/或对所述目标病灶的发展趋势进行预测。
具体地,所述目标病灶的病灶参数用于以参数的形式表示所述目标病灶在本次随访中的状况,所述目标病灶的匹配病灶的病灶参数用于以参数的形式表示所述目标病灶在之前一次或多次随访中的状况。所述病灶参数优选为定量参数,此时,可以根据所述目标病灶及其匹配病灶的病灶参数的参数值来直观准确地对所述目标病灶的当前状况进行分析以及对所述目标病灶的发展趋势进行预测。
例如,所述病灶状况分析单元142可以以检查时间点为横轴、以所述病灶参数的参数值为纵轴生成所述目标病灶的时间参数曲线,该曲线能够反映所述目标病灶的某个病灶参数随时间发生变化的过程和趋势。
可选地,所述病灶状况分析单元142可以包括突变状况检测子单元,所述突变状况检测子单元用于根据所述目标病灶及其匹配病灶的病灶参数判断所述目标病灶是否发生突变。例如,所述突变状况检测子单元可以计算所述目标病灶的特定参数在本次随访中的参数值与上一次随访中的参数值的变化率,并基于该变化率与一变化率阈值来判断所述目标病灶是否发生突变。具体地,若该变化率大于所述变化率阈值,则说明所述目标病灶发生突变,否则,说明所述目标病灶未发生突变。例如,所述突变状况检测子单元可以计算目标病灶在本次超声扫查时的体积相比上次超声扫查时的体积的变化率,如果体积变化率大于50%,则说明目标病灶发生异常突变。
优选地,所述乳腺疾病随访系统还可以包括预警模块,在所述突变状况检测子单元检测到所述目标病灶发生突变时,所述预警模块用于产生预警信号以提示异常突变并提醒医务人员对所述目标病灶及时进行干预。
可选地,所述病灶状况分析单元142还可以包括发展趋势预测子单元,所述发展趋势预测子单元用于根据所述目标病灶及其匹配病灶的病灶参数对所述病灶参数的未来参数值进行预测,并根据预测结果对所述目标病灶的发展趋势进行分析。具体地,所述发展趋势预测子单元可以从历史数据中挖掘所述目标病灶的发展规律,并基于该发展规律来预测所述目标病灶的未来状态。例如,所述发展趋势预测子单元可以通过对所述目标病灶的时间体积曲线进行直线或曲线拟合,从而预测目标病灶在未来时间点的体积。
可选地,所述乳腺疾病随访系统还可以包括随访方案生成模块,所述随访方案生成模块用于根据所述目标病灶的发展趋势生成随访方案。具体来说,所述随访方案生成模块可以根据所述目标病灶在未来一段时间的发展趋势来合理规划随访节奏和/或随访过程中的检查项目,从而提高就诊效率,降低就医成本。
基于以上对所述乳腺疾病随访系统的描述,本发明还提供一种乳腺疾病随访方法。具体地,请参阅图4,于本发明的一实施例中,所述乳腺疾病随访方法包括:
S41,获取目标对象的乳腺超声图像。
S42,对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶。
S43,将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶。
S44,根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析。
需要说明的是,上述步骤S41~S44与图1所示乳腺疾病随访系统中的相应模块一一对应,为节省说明书篇幅,此处不做过多赘述。
基于以上对所述乳腺疾病随访方法的描述,本发明还提供一种计算机可读存储介质,其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图4所示的乳腺疾病随访方法。
基于以上对所述乳腺疾病随访方法的描述,本发明还提供一种电子设备。具体地,请参阅图5,于本发明的一实施例中,电子设备500包括存储器510和处理器520,所述存储器510存储有计算机程序,所述处理器520与所述存储器510通信相连,用于调用所述计算机程序时执行图4所示的乳腺疾病随访方法。
可选地,所述电子设备500还可以包括显示器530,所述显示器530与所述存储器510和所述处理器520通信相连,用于显示所述乳腺疾病随访方法的相关GUI交互界面。
本发明所述的乳腺疾病随访方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本发明还提供一种乳腺疾病随访系统,所述乳腺疾病随访系统可以实现本发明所述的乳腺疾病随访方法,但本发明所述的乳腺疾病随访方法的实现装置包括但不限于本实施例列举的乳腺疾病随访系统的结构,凡是根据本发明的原理所做的现有技术的结构变形和替换,都包括在本发明的保护范围内。
综上所述,本发明一个或多个实施例所述乳腺疾病随访系统能够对乳腺超声图像进行处理来获取目标病灶,并能够获取与目标病灶相匹配的历史病灶作为其匹配病灶。基于所述目标病灶及其匹配病灶,所述乳腺疾病随访系统能够对目标病灶进行精确地匹配和跟踪。
此外,所述乳腺疾病随访系统还可以根据目标病灶及其匹配病灶的病灶参数来判断目标病灶是否发生突变,以及对所述病灶参数的未来参数值进行预测并根据预测结果对目标病灶的发展趋势进行分析,从而辅助医务人员对目标病灶的生长状态和趋势进行评估和预测,以此来实现病灶的提前预警和及时干预,优化筛查随访管理流程。
因此,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (6)
1.一种乳腺疾病随访系统,其特征在于,所述乳腺疾病随访系统包括:
图像获取模块,用于获取目标对象的乳腺超声图像;
图像处理模块,用于对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;
病灶匹配模块,用于将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;
病灶分析模块,用于根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析;
存储模块,用于存储所述乳腺超声图像以及所述目标病灶的特征向量,并用于存储所述目标对象的历史乳腺超声图像以及历史病灶的特征向量;
其中,所述病灶匹配模块包括病灶特征提取单元和病灶匹配单元,所述病灶特征提取单元用于利用神经网络获取所述目标病灶的多尺度特征,并对每一尺度对应的特征层进行池化处理以获取每一尺度对应的特征向量,且将每一尺度对应的特征向量进行融合以获取所述目标病灶的特征向量,所述病灶匹配单元用于根据所述目标病灶的特征向量与所述目标对象的历史病灶的特征向量进行匹配,并根据匹配结果从所述目标对象的历史病灶中获取所述目标病灶的匹配病灶;
每个所述目标对象具有唯一的ID号,在随访中所述病灶匹配单元对不同筛查时间点相同ID号的病灶进行匹配以获取所述目标病灶的匹配病灶,从而实现对所述目标病灶的长期跟踪;
对于所述目标对象的任一处历史病灶,所述病灶匹配单元获取所述目标病灶的特征向量与该历史病灶的特征向量之间的距离来衡量所述目标病灶与该历史病灶的匹配程度;
所述目标病灶的特征向量与该历史病灶的特征向量之间的距离通过d1或d2表示,其中,表示所述目标病灶的特征向量,/>表示该历史病灶的特征向量,n为/>和/>的维度。
2.根据权利要求1所述的乳腺疾病随访系统,其特征在于,所述病灶分析模块包括:
病灶参数获取单元,用于获取所述目标病灶及其匹配病灶的病灶参数;
病灶状况分析单元,用于根据所述目标病灶及其匹配病灶的病灶参数对所述目标病灶的当前状况进行分析和/或对所述目标病灶的发展趋势进行预测。
3.根据权利要求2所述的乳腺疾病随访系统,其特征在于,所述病灶状况分析单元包括突变状况检测子单元和/或发展趋势预测子单元,其中:
所述突变状况检测子单元用于根据所述目标病灶及其匹配病灶的病灶参数判断所述目标病灶是否发生突变;
所述发展趋势预测子单元用于根据所述目标病灶及其匹配病灶的病灶参数对所述病灶参数的未来参数值进行预测,并根据预测结果对所述目标病灶的发展趋势进行分析。
4.根据权利要求2或3所述的乳腺疾病随访系统,其特征在于,所述乳腺疾病随访系统还包括:
随访方案生成模块,用于根据所述目标病灶的发展趋势生成随访方案。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该计算机程序被处理器执行时实现一乳腺疾病随访方法,其中,所述乳腺疾病随访方法包括:
获取目标对象的乳腺超声图像;
对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;
将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;
存储所述乳腺超声图像和所述目标病灶的特征向量,以及所述目标对象的历史乳腺超声图像和历史病灶的特征向量;
根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析;
其中,将所述目标病灶与所述目标对象的历史病灶进行匹配以获取所述目标病灶的匹配病灶包括:
利用神经网络获取所述目标病灶的多尺度特征,并对每一尺度对应的特征层进行池化处理以获取每一尺度对应的特征向量,且将每一尺度对应的特征向量进行融合以获取所述目标病灶的特征向量;
根据所述目标病灶的特征向量与所述目标对象的历史病灶的特征向量进行匹配,并根据匹配结果从所述目标对象的历史病灶中获取所述目标病灶的匹配病灶;
每个所述目标对象具有唯一的ID号,在随访中对不同筛查时间点相同ID号的病灶进行匹配以获取所述目标病灶的匹配病灶,从而实现对所述目标病灶的长期跟踪;
对于所述目标对象的任一处历史病灶,获取所述目标病灶的特征向量与该历史病灶的特征向量之间的距离来衡量所述目标病灶与该历史病灶的匹配程度;
所述目标病灶的特征向量与该历史病灶的特征向量之间的距离通过d1或d2表示,其中,表示所述目标病灶的特征向量,/>表示该历史病灶的特征向量,n为/>和/>的维度。
6.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有一计算机程序;
处理器,与所述存储器通信相连,调用所述计算机程序时执行一乳腺疾病随访方法,其中,所述乳腺疾病随访方法包括:
获取目标对象的乳腺超声图像;
对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;
将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;
存储所述乳腺超声图像和所述目标病灶的特征向量,以及所述目标对象的历史乳腺超声图像和历史病灶的特征向量;
根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析;
其中,将所述目标病灶与所述目标对象的历史病灶进行匹配以获取所述目标病灶的匹配病灶包括:
利用神经网络获取所述目标病灶的多尺度特征,并对每一尺度对应的特征层进行池化处理以获取每一尺度对应的特征向量,且将每一尺度对应的特征向量进行融合以获取所述目标病灶的特征向量;
根据所述目标病灶的特征向量与所述目标对象的历史病灶的特征向量进行匹配,并根据匹配结果从所述目标对象的历史病灶中获取所述目标病灶的匹配病灶;
每个所述目标对象具有唯一的ID号,在随访中对不同筛查时间点相同ID号的病灶进行匹配以获取所述目标病灶的匹配病灶,从而实现对所述目标病灶的长期跟踪;
对于所述目标对象的任一处历史病灶,获取所述目标病灶的特征向量与该历史病灶的特征向量之间的距离来衡量所述目标病灶与该历史病灶的匹配程度;
所述目标病灶的特征向量与该历史病灶的特征向量之间的距离通过d1或d2表示,其中,表示所述目标病灶的特征向量,/>表示该历史病灶的特征向量,n为/>和/>的维度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111498254.7A CN114305503B (zh) | 2021-12-09 | 2021-12-09 | 乳腺疾病随访系统、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111498254.7A CN114305503B (zh) | 2021-12-09 | 2021-12-09 | 乳腺疾病随访系统、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114305503A CN114305503A (zh) | 2022-04-12 |
CN114305503B true CN114305503B (zh) | 2024-05-14 |
Family
ID=81050455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111498254.7A Active CN114305503B (zh) | 2021-12-09 | 2021-12-09 | 乳腺疾病随访系统、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114305503B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009168514A (ja) * | 2008-01-11 | 2009-07-30 | Shimadzu Corp | 乳癌マーカー及び乳癌の罹患の識別方法 |
CN101756713A (zh) * | 2009-09-09 | 2010-06-30 | 西安交通大学 | 超声造影成像、灌注参量估计和灌注参量功能成像及其集成方法 |
CN108665456A (zh) * | 2018-05-15 | 2018-10-16 | 广州尚医网信息技术有限公司 | 基于人工智能的乳腺超声病灶区域实时标注的方法及系统 |
CN110766730A (zh) * | 2019-10-18 | 2020-02-07 | 上海联影智能医疗科技有限公司 | 图像配准及随访评估方法、存储介质及计算机设备 |
CN111027548A (zh) * | 2019-12-06 | 2020-04-17 | 中国人民解放军第四军医大学 | 基于影像组学的脑胶质瘤分子标记物无损预测方法和预测系统 |
CN111915584A (zh) * | 2020-07-29 | 2020-11-10 | 杭州健培科技有限公司 | 一种基于ct影像的病灶随访评估方法及系统 |
CN111938702A (zh) * | 2020-07-23 | 2020-11-17 | 上海市同仁医院 | 一种基于乳腺超声扫查的可视化随访系统及方法 |
CN112053769A (zh) * | 2020-09-30 | 2020-12-08 | 沈阳东软智能医疗科技研究院有限公司 | 一种三维医学影像标注方法、装置及相关产品 |
CN112561908A (zh) * | 2020-12-24 | 2021-03-26 | 北京医准智能科技有限公司 | 乳腺图像病灶匹配方法、装置及存储介质 |
CN112767346A (zh) * | 2021-01-18 | 2021-05-07 | 北京医准智能科技有限公司 | 基于多影像的全卷积单阶段乳腺图像病灶检测方法及装置 |
CN113192608A (zh) * | 2021-05-06 | 2021-07-30 | 罗鑫龙 | 基于医学图像的远程互联网大数据智慧医疗系统和医疗辅助方法 |
-
2021
- 2021-12-09 CN CN202111498254.7A patent/CN114305503B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009168514A (ja) * | 2008-01-11 | 2009-07-30 | Shimadzu Corp | 乳癌マーカー及び乳癌の罹患の識別方法 |
CN101756713A (zh) * | 2009-09-09 | 2010-06-30 | 西安交通大学 | 超声造影成像、灌注参量估计和灌注参量功能成像及其集成方法 |
CN108665456A (zh) * | 2018-05-15 | 2018-10-16 | 广州尚医网信息技术有限公司 | 基于人工智能的乳腺超声病灶区域实时标注的方法及系统 |
CN110766730A (zh) * | 2019-10-18 | 2020-02-07 | 上海联影智能医疗科技有限公司 | 图像配准及随访评估方法、存储介质及计算机设备 |
CN111027548A (zh) * | 2019-12-06 | 2020-04-17 | 中国人民解放军第四军医大学 | 基于影像组学的脑胶质瘤分子标记物无损预测方法和预测系统 |
CN111938702A (zh) * | 2020-07-23 | 2020-11-17 | 上海市同仁医院 | 一种基于乳腺超声扫查的可视化随访系统及方法 |
CN111915584A (zh) * | 2020-07-29 | 2020-11-10 | 杭州健培科技有限公司 | 一种基于ct影像的病灶随访评估方法及系统 |
CN112053769A (zh) * | 2020-09-30 | 2020-12-08 | 沈阳东软智能医疗科技研究院有限公司 | 一种三维医学影像标注方法、装置及相关产品 |
CN112561908A (zh) * | 2020-12-24 | 2021-03-26 | 北京医准智能科技有限公司 | 乳腺图像病灶匹配方法、装置及存储介质 |
CN112767346A (zh) * | 2021-01-18 | 2021-05-07 | 北京医准智能科技有限公司 | 基于多影像的全卷积单阶段乳腺图像病灶检测方法及装置 |
CN113192608A (zh) * | 2021-05-06 | 2021-07-30 | 罗鑫龙 | 基于医学图像的远程互联网大数据智慧医疗系统和医疗辅助方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114305503A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6859445B2 (ja) | 脳卒中の診断及び予後予測方法システム及びその作動方法 | |
KR101993716B1 (ko) | 카테고리별 진단 모델을 이용한 병변 진단 장치 및 방법 | |
JP6467041B2 (ja) | 超音波診断装置、及び画像処理方法 | |
JP3928978B1 (ja) | 医用画像処理装置、医用画像処理方法及びプログラム | |
KR20160134585A (ko) | 화상처리장치, 화상처리방법 및 프로그램 | |
CN108038875B (zh) | 一种肺部超声图像识别方法和装置 | |
JP2013542046A (ja) | 超音波画像処理のシステムおよび方法 | |
US20220354466A1 (en) | Automated Maternal and Prenatal Health Diagnostics from Ultrasound Blind Sweep Video Sequences | |
JP2013200590A (ja) | 類似画像検索装置、方法及びプログラム | |
KR102531400B1 (ko) | 인공 지능 기반 대장 내시경 영상 진단 보조 시스템 및 방법 | |
US20220133215A1 (en) | Method for evaluating skin lesions using artificial intelligence | |
CN111861989A (zh) | 一种脑中线检测方法、系统、终端及存储介质 | |
US10776666B2 (en) | Apparatus and method for diagnosis of medical image | |
CN115954101A (zh) | 一种基于ai舌诊图像处理的健康度管理系统及管理方法 | |
CN110993096B (zh) | 一种脓毒血症的预警装置、设备及存储介质 | |
CN110163907B (zh) | 胎儿颈部透明层厚度测量方法、设备及存储介质 | |
US20230386033A1 (en) | Image Processing Apparatus, Image Processing Method, and Program | |
WO2022096471A1 (en) | Methods and systems for analyzing ultrasound images | |
CN114305503B (zh) | 乳腺疾病随访系统、介质及电子设备 | |
CN112634221A (zh) | 基于图像和深度的角膜层次识别及病变定位方法和系统 | |
KR102536369B1 (ko) | 인공 지능 기반 위 내시경 영상 진단 보조 시스템 및 방법 | |
JP5734249B2 (ja) | 画像処理装置、x線撮影装置、画像処理システム、画像処理方法及び記憶媒体 | |
Lensink et al. | Segmentation of pulmonary opacification in chest ct scans of covid-19 patients | |
CN115699084A (zh) | 图像诊断方法、图像诊断辅助装置以及计算机系统 | |
Trucco et al. | Validation |
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 |