CN114419135A - 胰腺标志物尺寸量化方法、装置、终端及可读存储介质 - Google Patents
胰腺标志物尺寸量化方法、装置、终端及可读存储介质 Download PDFInfo
- Publication number
- CN114419135A CN114419135A CN202210318585.6A CN202210318585A CN114419135A CN 114419135 A CN114419135 A CN 114419135A CN 202210318585 A CN202210318585 A CN 202210318585A CN 114419135 A CN114419135 A CN 114419135A
- Authority
- CN
- China
- Prior art keywords
- pancreatic
- parameter
- marker
- image
- area
- 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
Images
Classifications
-
- 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
- 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
- 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
- G06T2207/10132—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
- G06T2207/20081—Training; Learning
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种胰腺标志物尺寸量化方法、装置、终端及可读存储介质,该方法包括:获取目标胰腺超声图像中目标胰腺标志物的面积参数;获取目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;获取针对患者预设的胰腺标志物三维模型的高度参数和体积参数;获取患者CT图像中胰腺标志物的面积占比参数,以及患者CT图像中胰腺标志物与胰尾的相对距离比参数;基于目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和胰腺标志物三维模型的高度参数、体积参数,以及面积占比参数、相对距离参数,对胰腺标志物的尺寸参数进行量化。本申请实施例可以提高了对胰腺标志物的尺寸参数进行量化的准确性。
Description
技术领域
本申请涉及辅助医疗技术领域,具体涉及胰腺标志物尺寸量化方法、装置、终端及可读存储介质。
背景技术
在现实超声检查过程中,由于医生的强主观性,即使是同一胰腺标志物,不同医生所测量出的胰腺标志物尺寸也不尽相同,无法得对患者的胰腺标志物尺寸进行准确量化。
因此,如何对患者的胰腺标志物尺寸进行准确量化,是当前辅助医疗技术领域亟需解决的技术问题。
发明内容
本申请提供胰腺标志物尺寸量化方法、装置、终端及可读存储介质,旨在解决如何对患者的病灶尺寸进行准确量化。
一方面,本申请提供一种胰腺标志物尺寸量化方法,所述方法包括:
基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从所述胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;
获取所述目标胰腺超声图像中目标胰腺标志物的面积参数;
获取所述目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;
获取针对所述患者预设的胰腺标志物三维模型的高度参数和体积参数;
获取所述患者CT图像中胰腺标志物的面积占比参数,以及所述患者CT图像中胰腺标志物与胰尾的相对距离比参数;
基于所述目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和所述胰腺标志物三维模型的高度参数、体积参数,以及所述面积占比参数、相对距离参数,对所述胰腺标志物的尺寸参数进行量化。
在本申请一种可能的实现方式中,所述基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从所述胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像,包括:
分割患者的胰腺超声图像集中每张图像的胰腺标志物的结构区域;
计算每张图像的胰腺标志物的结构区域的面积参数,得到胰腺标志物的结构区域的面积参数集;
基于所述胰腺标志物的结构区域的面积参数集,筛选所述胰腺超声图像集对应的胰腺标志物的结构区域的面积参数最大的目标胰腺超声图像。
在本申请一种可能的实现方式中,所述获取所述目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数,包括:
获取所述目标胰腺超声图像中目标胰腺标志物对应最小外接矩形的尺寸参数;
基于所述最小外接矩形的尺寸参数,量化所述目标胰腺标志物的短长轴的比例参数;
基于所述最小外接矩形的尺寸参数,量化所述目标胰腺标志物的最大直径参数。
在本申请一种可能的实现方式中,所述获取针对所述患者预设的胰腺标志物三维模型的高度参数和体积参数,包括:
基于所述患者的CT二维图像集,构建胰腺标志物三维模型;
测量所述胰腺标志物三维模型的高度参数;
沿预设方向,对所述胰腺标志物三维模型进行切片,得到预设数量的胰腺标志物切片;
计算所述预设数量的胰腺标志物切片中每个切片的面积参数;
基于所述预设数量的胰腺标志物切片中每个切片的面积参数,确定所述胰腺标志物三维模型的体积参数。
在本申请一种可能的实现方式中,在基于所述目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和所述胰腺标志物三维模型的高度参数、体积参数,以及所述面积占比参数、相对距离参数,对所述胰腺标志物的尺寸参数进行量化之后,所述方法还包括:
基于所述胰腺标志物的尺寸参数和预设的尺寸阈值参数,确定所述胰腺标志物的尺寸等级;
基于所述胰腺标志物的尺寸等级,对去除所述胰腺标志物的手术类型进行分析。
在本申请一种可能的实现方式中,所述获取所述患者CT图像中胰腺标志物的面积占比参数,以及所述患者CT图像中胰腺标志物与胰尾的相对距离比参数,包括:
在连通域的基础上,获取所述患者CT图像中胰腺标志物区域的面积参数和胰腺器官面积参数;
基于所述胰腺标志物区域的面积参数和所述胰腺器官面积参数,确定所述患者CT图像中胰腺标志物的面积占比参数;
在连通域的基础上,获取所述患者CT图像中胰腺器官对应的最小水平外接矩形的宽度参数,和所述胰腺标志物区域对应的几何形心与所述胰腺器官沿预设方向的边界之间的水平距离参数;
基于所述宽度参数和所述水平距离参数,确定所述患者CT图像中胰腺标志物与胰尾的相对距离比参数。
在本申请一种可能的实现方式中,在基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从所述胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像之前,所述方法还包括:
基于预设的超声图像胰腺预设标志物分割模型,对待检测用户的胰腺超声图像中的预设标志物进行分割,得到分割后的预设标志物,并计算所述预设标志物的面积参数和所述预设标志物的区域像素平均值参数;
基于预设的边界规则量化模型,确定所述预设标志物的边界规则量化参数;
基于预设的核磁共振图像胰腺标志物识别模型,确定待检测用户的胰腺核磁共振图像对应的核磁共振图像胰腺标志物识别参数;
基于预设的CT图像胰腺标志物识别模型,确定所述待检测用户的CT二维图像集对应的CT图像胰腺标志物识别参数;
获取所述待检测用户的基线信息,并对所述基线信息进行指标标签化,以得到基线标签参数;
基于所述预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和所述核磁共振图像胰腺标志物识别参数,和所述CT图像胰腺标志物识别参数,以及所述基线标签参数,对所述待检测用户具有胰腺标志物的风险程度进行预测。
另一方面,本申请提供一种胰腺标志物尺寸量化装置,所述装置包括:
第一确定单元,用于基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从所述胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;
第一获取单元,用于获取所述目标胰腺超声图像中目标胰腺标志物的面积参数;
第二获取单元,用于获取所述目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;
第三获取单元,用于获取针对所述患者预设的胰腺标志物三维模型的高度参数和体积参数;
第四获取单元,用于获取所述患者CT图像中胰腺标志物的面积占比参数,以及所述患者CT图像中胰腺标志物与胰尾的相对距离比参数;
第一量化单元,用于基于所述目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和所述胰腺标志物三维模型的高度参数、体积参数,以及所述面积占比参数、相对距离参数,对所述胰腺标志物的尺寸参数进行量化。
在本申请一种可能的实现方式中,所述第一确定单元,具体用于:
分割患者的胰腺超声图像集中每张图像的胰腺标志物的结构区域;
计算每张图像的胰腺标志物的结构区域的面积参数,得到胰腺标志物的结构区域的面积参数集;
基于所述胰腺标志物的结构区域的面积参数集,筛选所述胰腺超声图像集对应的胰腺标志物的结构区域的面积参数最大的目标胰腺超声图像。
在本申请一种可能的实现方式中,所述第二获取单元,具体用于:
获取所述目标胰腺超声图像中目标胰腺标志物对应最小外接矩形的尺寸参数;
基于所述最小外接矩形的尺寸参数,量化所述目标胰腺标志物的短长轴的比例参数;
基于所述最小外接矩形的尺寸参数,量化所述目标胰腺标志物的最大直径参数。
在本申请一种可能的实现方式中,所述第三获取单元,具体用于:
基于所述患者的CT二维图像集,构建胰腺标志物三维模型;
测量所述胰腺标志物三维模型的高度参数;
沿预设方向,对所述胰腺标志物三维模型进行切片,得到预设数量的胰腺标志物切片;
计算所述预设数量的胰腺标志物切片中每个切片的面积参数;
基于所述预设数量的胰腺标志物切片中每个切片的面积参数,确定所述胰腺标志物三维模型的体积参数。
在本申请一种可能的实现方式中,在第一量化单元之后,所述装置还用于:
基于所述胰腺标志物的尺寸参数和预设的尺寸阈值参数,确定所述胰腺标志物的尺寸等级;
基于所述胰腺标志物的尺寸等级,对去除所述胰腺标志物的手术类型进行分析。
在本申请一种可能的实现方式中,所述第四获取单元,具体用于:
在连通域的基础上,获取所述患者CT图像中胰腺标志物区域的面积参数和胰腺器官面积参数;
基于所述胰腺标志物区域的面积参数和所述胰腺器官面积参数,确定所述患者CT图像中胰腺标志物的面积占比参数;
在连通域的基础上,获取所述患者CT图像中胰腺器官对应的最小水平外接矩形的宽度参数,和所述胰腺标志物区域对应的几何形心与所述胰腺器官沿预设方向的边界之间的水平距离参数;
基于所述宽度参数和所述水平距离参数,确定所述患者CT图像中胰腺标志物与胰尾的相对距离比参数。
在本申请一种可能的实现方式中,在第一确定单元之前,所述装置还用于:
基于预设的超声图像胰腺预设标志物分割模型,对待检测用户的胰腺超声图像中的预设标志物进行分割,得到分割后的预设标志物,并计算所述预设标志物的面积参数和所述预设标志物的区域像素平均值参数;
基于预设的边界规则量化模型,确定所述预设标志物的边界规则量化参数;
基于预设的核磁共振图像胰腺标志物识别模型,确定待检测用户的胰腺核磁共振图像对应的核磁共振图像胰腺标志物识别参数;
基于预设的CT图像胰腺标志物识别模型,确定所述待检测用户的CT二维图像集对应的CT图像胰腺标志物识别参数;
获取所述待检测用户的基线信息,并对所述基线信息进行指标标签化,以得到基线标签参数;
基于所述预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和所述核磁共振图像胰腺标志物识别参数,和所述CT图像胰腺标志物识别参数,以及所述基线标签参数,对所述待检测用户具有胰腺标志物的风险程度进行预测。
另一方面,本申请还提供一种终端,所述终端包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现所述的胰腺标志物尺寸量化方法。
另一方面,本申请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进行加载,以执行所述的胰腺标志物尺寸量化方法中的步骤。
本申请提供的胰腺标志物尺寸量化方法,包括基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;获取目标胰腺超声图像中目标胰腺标志物的面积参数;获取目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;获取针对患者预设的胰腺标志物三维模型的高度参数和体积参数;获取患者CT图像中胰腺标志物的面积占比参数,以及患者CT图像中胰腺标志物与胰尾的相对距离比参数;基于目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和胰腺标志物三维模型的高度参数、体积参数,以及面积占比参数、相对距离参数,对胰腺标志物的尺寸参数进行量化。相较于传统方法,在现实超声检查过程中,由于医生的强主观性,即使是同一病灶,不同医生所测量出的病灶尺寸也不尽相同,无法得对患者的病灶尺寸进行准确量化的背景下,本申请创造性的综合了多项二维相关量化指标与三维相关量化指标,对胰腺标志物的尺寸参数进行量化,避免了因单一的二维相关量化指标和三维相关量化指标造成的误差,提高了对胰腺标志物的尺寸参数进行量化的准确性。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域技术人员来讲,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是本申请实施例提供的胰腺标志物尺寸量化系统的场景示意图;
图2是本申请实施例中提供的胰腺标志物尺寸量化方法的一个实施例流程示意图;
图3是本申请实施例中提供的对去除胰腺标志物的手术类型进行分析的一个实施例流程示意图;
图4是本申请实施例中提供的对患者具有胰腺标志物的风险程度进行预测的一个实施例流程示意图;
图5是本申请实施例中提供的超声图像胰腺标志物的结构区域分割的一个实施例流程示意图;
图6是本申请实施例中提供的胰腺标志物尺寸量化装置的一个实施例结构示意图;
图7是本申请实施例中提供的终端的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
在本申请的描述中,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申请和简化描述,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申请的限制。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。在本申请的描述中,“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申请,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申请。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申请的描述变得晦涩。因此,本申请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。
本申请实施例提供胰腺标志物尺寸量化方法、装置、终端及可读存储介质,以下分别进行详细说明。
如图1所示,图1是本申请实施例提供的胰腺标志物尺寸量化系统的场景示意图,该胰腺标志物尺寸量化系统可以包括多个终端100和服务器200,终端100和服务器200网络连接,服务器200中集成有胰腺标志物尺寸量化装置,如图1中的服务器,终端100可以访问服务器200。
本申请实施例中服务器200主要用于基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;获取目标胰腺超声图像中目标胰腺标志物的面积参数;获取目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;获取针对患者预设的胰腺标志物三维模型的高度参数和体积参数;获取患者CT图像中胰腺标志物的面积占比参数,以及患者CT图像中胰腺标志物与胰尾的相对距离比参数;基于目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和胰腺标志物三维模型的高度参数、体积参数,以及面积占比参数、相对距离参数,对胰腺标志物的尺寸参数进行量化。
本申请实施例中,该服务器200可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如本申请实施例中所描述的服务器200,其包括但不限于计算机、网络终端、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服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。本申请的实施例中,服务器与终端之间可通过任何通信方式实现通信,包括但不限于,基于第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)、长期演进(Long Term Evolution,LTE)、全球互通微波访问(Worldwide Interoperability for Microwave Access,WiMAX)的移动通信,或基于TCP/IP协议族(TCP/IP Protocol Suite,TCP/IP)、用户数据报协议(User Datagram Protocol,UDP)的计算机网络通信等。
可以理解的是,本申请实施例中所使用的终端100可以是既包括接收和发射硬件的设备,既具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种终端可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端100具体可以是台式终端或移动终端,终端100具体还可以是手机、平板电脑、笔记本电脑、医疗辅助仪器等中的一种。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案的一种应用场景,并不构成对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的终端,或者服务器网络连接关系,例如图1中仅示出1个服务器和2个终端。可以理解的,该胰腺标志物尺寸量化系统还可以包括一个或多个其他服务器,或/且一个或多个与服务器网络连接的终端,具体此处不作限定。
另外,如图1所示,该胰腺标志物尺寸量化系统还可以包括存储器300,用于存储数据,如存储患者的胰腺超声图像集和胰腺标志物尺寸量化数据,例如胰腺标志物尺寸量化系统运行时的胰腺标志物尺寸量化数据。
需要说明的是,图1所示的胰腺标志物尺寸量化系统的场景示意图仅仅是一个示例,本申请实施例描述的胰腺标志物尺寸量化系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着胰腺标志物尺寸量化系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
接下来,介绍本申请实施例提供的胰腺标志物尺寸量化方法。
本申实施例胰腺标志物尺寸量化方法的实施例中以胰腺标志物尺寸量化装置作为执行主体,为了简化与便于描述,后续方法实施例中将省略该执行主体,该胰腺标志物尺寸量化装置应用于终端。
请参阅图2至图7,图2为本申请实施例中提供的胰腺标志物尺寸量化方法的一个实施例流程示意图,该胰腺标志物尺寸量化方法包括:
201、基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像。
其中,本实施例中的患者指的是已被确诊过具有胰腺标志物的患者,其中,胰腺标志物包括但不限于胰腺癌、胰腺肿瘤。
在本申请的一些实施例中,基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像,包括:分割患者的胰腺超声图像集中每张图像的胰腺标志物的结构区域;计算每张图像的胰腺标志物的结构区域的面积参数,得到胰腺标志物的结构区域的面积参数集;基于胰腺标志物的结构区域的面积参数集,筛选胰腺超声图像集对应的胰腺标志物的结构区域的面积参数最大的目标胰腺超声图像。如图5所示,图5左侧的图为患者的胰腺超声图像集中的某张图像,而图5右侧的图中白色区域为被分割的胰腺标志物的结构区域。
本申请实施例通过基于胰腺标志物的结构区域的面积参数集,筛选胰腺超声图像集对应的胰腺标志物的结构区域的面积参数最大的目标胰腺超声图像,提高了后续对胰腺标志物的尺寸参数进行量化的精度。
202、获取目标胰腺超声图像中目标胰腺标志物的面积参数。
根据上述实施例可知,在计算每张图像的胰腺标志物的结构区域的面积参数,得到胰腺标志物的结构区域的面积参数集,然后从该面积参数集中获取到与目标胰腺超声图像对应的面积参数,即为目标胰腺标志物的面积参数。
203、获取目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数。
在本申请的一些实施例中,获取目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数,包括:获取目标胰腺超声图像中目标胰腺标志物对应最小外接矩形的尺寸参数;基于最小外接矩形的尺寸参数,量化目标胰腺标志物的短长轴的比例参数;基于最小外接矩形的尺寸参数,量化目标胰腺标志物的最大直径参数。
在本申请的一些实施例中,可以在连通域的基础上,获取目标胰腺超声图像中目标胰腺标志物对应最小外接矩形的尺寸参数,该尺寸参数指的是最小外接矩形的宽Wc和高Hc,根据最小外接矩形的宽Wc和高Hc,可以量化得到目标胰腺标志物的短长轴的比例参数,具体如下公式:
在本申请的一些实施例中,根据最小外接矩形的宽Wc和高Hc,可以量化得到目标胰腺标志物的最大直径参数,具体如下公式:
本申请实施例在连通域的基础上,得到最小外接矩形的尺寸参数,并基于该尺寸参数对目标胰腺标志物的短长轴的比例参数和最大直径参数进行量化,进一步提好了后续对胰腺标志物的尺寸参数进行量化。
204、获取针对患者预设的胰腺标志物三维模型的高度参数和体积参数。
在本申请的一些实施例中,获取针对患者预设的胰腺标志物三维模型的高度参数和体积参数,包括:基于患者的CT二维图像集,构建胰腺标志物三维模型;测量胰腺标志物三维模型的高度参数;沿预设方向,对胰腺标志物三维模型进行切片,得到预设数量的胰腺标志物切片;计算预设数量的胰腺标志物切片中每个切片的面积参数;基于预设数量的胰腺标志物切片中每个切片的面积参数,确定胰腺标志物三维模型的体积参数。
在本申请实施例中,该预设方向包括但不限于从上至下,或从左至右。假设其切片的预设数量为N片,每片切片的面积为Aera i ,那么胰腺标志物三维模型的体积参数如下公式:
205、获取患者CT图像中胰腺标志物的面积占比参数,以及患者CT图像中胰腺标志物与胰尾的相对距离比参数。
在本申请的一些实施例中,获取患者CT图像中胰腺标志物的面积占比参数,以及患者CT图像中胰腺标志物与胰尾的相对距离比参数,包括:在连通域的基础上,获取患者CT图像中胰腺标志物区域的面积参数和胰腺器官面积参数;基于胰腺标志物区域的面积参数和胰腺器官面积参数,确定患者CT图像中胰腺标志物的面积占比参数;在连通域的基础上,获取患者CT图像中胰腺器官对应的最小水平外接矩形的宽度参数,和胰腺标志物区域对应的几何形心与胰腺器官沿预设方向的边界之间的水平距离参数;基于宽度参数和水平距离参数,确定患者CT图像中胰腺标志物与胰尾的相对距离比参数。
在本申请的一些实施例中,可以将胰腺标志物区域的面积参数和胰腺器官面积参数相比,得到的比值即为患者CT图像中胰腺标志物的面积占比参数。
在本申请的一些实施例中,可以将水平距离参数和宽度参数相比,得到的比值即为患者CT图像中胰腺标志物与胰尾的相对距离比参数。
206、基于目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和胰腺标志物三维模型的高度参数、体积参数,以及面积占比参数、相对距离参数,对胰腺标志物的尺寸参数进行量化。
在本申请的一些实施例中,具体的,可将目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,以及胰腺标志物三维模型的高度参数、体积参数进行拟合,得到拟合结果;基于拟合结果,对胰腺标志物的尺寸参数进行量化。例如其拟合结果可以是0、1和2;其0对应为胰腺标志物的尺寸较小,1对应为胰腺标志物的尺寸中等,而2对应为胰腺标志物的尺寸较大。
在本申请的一些实施例中,可以通过预设的机器学习方法对目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,以及胰腺标志物三维模型的高度参数、体积参数进行拟合。
本申请提供的胰腺标志物尺寸量化方法,相较于传统方法,在现实超声检查过程中,由于医生的强主观性,即使是同一病灶,不同医生所测量出的病灶尺寸也不尽相同,无法得对患者的病灶尺寸进行准确量化的背景下,本申请创造性的综合了多项二维相关量化指标与三维相关量化指标,对胰腺标志物的尺寸参数进行量化,避免了因单一的二维相关量化指标和三维相关量化指标造成的误差,提高了对胰腺标志物的尺寸参数进行量化的准确性。
在本申请的一些实施例中,如图3所示,在基于目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和胰腺标志物三维模型的高度参数、体积参数,以及面积占比参数、相对距离参数,对胰腺标志物的尺寸参数进行量化之后,该方法还包括:
301、基于胰腺标志物的尺寸参数和预设的尺寸阈值参数,确定胰腺标志物的尺寸等级。
根据上述实施例可知,经过拟合后得到的拟合结果可以是0、1和2,那么阈值可以是0.5和1.5,当拟合结果小于0.5时,那么其尺寸等级为较小;当拟合结果大于1.5时,那么其尺寸等级为较大;当拟合结果在0.5和1.5之间时,那么其尺寸等级为中等。
302、基于胰腺标志物的尺寸等级,对去除胰腺标志物的手术类型进行分析。
具体的,若所述胰腺标志物的尺寸等级为较小,则确定治疗所述胰腺标志物的手术类型为外科手术;若所述胰腺标志物的尺寸等级为中等,则确定治疗所述胰腺标志物的手术类型为射频消融;若所述胰腺标志物的尺寸等级为较大,则确定治疗所述胰腺标志物的手术类型为射频消融和外科手术相结合。
本申请实施例通过胰腺标志物的尺寸等级,对去除胰腺标志物的手术类型进行分析,从而可以有效降低患者治疗的副作用。
在本申请的一些实施例中,如图4所示,在基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像之前,该方法还包括:
401、基于预设的超声图像胰腺预设标志物分割模型,对待检测用户的胰腺超声图像中的预设标志物进行分割,得到分割后的预设标志物,并计算预设标志物的面积参数和预设标志物的区域像素平均值参数。
其中,预设标志物指的是具有非正常人体结构形状的标志物。需要说明的是预设标志物不等同于胰腺标志物,并且,本实施例中的患者为非确诊的患者。
在本申请的一些实施例中,可以在连通域的基础上计算得到预设标志物的面积参数;而计算预设标志物的区域像素平均值参数采用本领域常规方法,具体不做限定。
402、基于预设的边界规则量化模型,确定预设标志物的边界规则量化参数。
本申请的一些实施例中,在使用预设的边界规则量化模型之前,还需训练边界规则量化模型,优先选择VGG16,标签为规则、不规则,数据集为胰腺超声标志物分割图像。
403、基于预设的核磁共振图像胰腺标志物识别模型,确定待检测用户的胰腺核磁共振图像对应的核磁共振图像胰腺标志物识别参数。
本申请的一些实施例中,在使用预设的核磁共振图像胰腺标志物识别模型之前,还需训练核磁共振图像胰腺标志物识别模型,优先选择Resnet50,标签为无胰腺标志物、有胰腺标志物,数据集为胰腺核磁共振图像。
404、基于预设的CT图像胰腺标志物识别模型,确定待检测用户的CT二维图像集对应的CT图像胰腺标志物识别参数。
在本申请的一些实施例中,在使用预设的CT图像胰腺标志物识别模型之前,还需训练CT图像胰腺标志物识别模型,优先选择Resnet50,标签为无胰腺标志物、有胰腺标志物,数据集为胰腺CT图像。
405、获取待检测用户的基线信息,并对基线信息进行指标标签化,以得到基线标签参数。
本申请实施例中,基线信息可以包括身体消瘦、疲惫乏力、上腹疼痛、发烧、恶心呕吐、食欲不振、黄疸、家族病史等与待检测项目相关的基线信息。
具体的,对基线信息进行指标标签化,得到基线标签参数的操作进行举例说明,例如:身体消瘦st(否则对应标签为0,是则对应标签为1);上腹疼痛ft(否则对应标签为0,是则对应标签为1);家族病史jz(否则对应标签为0,是则对应标签为1)。
406、基于预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和核磁共振图像胰腺标志物识别参数,和CT图像胰腺标志物识别参数,以及基线标签参数,对待检测用户具有胰腺标志物的风险程度进行预测。
在本申请的一些实施例中,可以通过将预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和核磁共振图像胰腺标志物识别参数,和CT图像胰腺标志物识别参数,以及基线标签参数进行拟合,得到拟合结果,然后基于拟合结果对患者具有胰腺标志物的风险程度进行预测。
在本申请的一些实施例中,可以通过预设的机器学习方法将预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和核磁共振图像胰腺标志物识别参数,和CT图像胰腺标志物识别参数,以及基线标签参数进行拟合。
在本申请的一些实施例中,在通过预设的机器学习方法将预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和核磁共振图像胰腺标志物识别参数,和CT图像胰腺标志物识别参数,以及基线标签参数进行拟合之前,还可以先将预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和核磁共振图像胰腺标志物识别参数,和CT图像胰腺标志物识别参数进行指标标签化,例如,核磁共振图像胰腺标志物识别参数为有胰腺标志物则对应1,无胰腺标志物则对应0;CT图像胰腺标志物识别参数为有胰腺标志物则对应1,无胰腺标志物则对应0;边界规则量化参数为边界不规则则对应1,边界规则则对应0,其它参数类似,不作赘述。
本申请实施例通过预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和核磁共振图像胰腺标志物识别参数,和CT图像胰腺标志物识别参数,以及基线标签参数,对患者具有胰腺标志物的风险程度进行预测,提高了预测的准确度。
为了更好实施本申请实施例中胰腺标志物尺寸量化方法,在胰腺标志物尺寸量化方法基础之上,本申请实施例中还提供一种胰腺标志物尺寸量化装置,如图6所示,胰腺标志物尺寸量化装置600包括:
第一确定单元601,用于基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;
第一获取单元602,用于获取目标胰腺超声图像中目标胰腺标志物的面积参数;
第二获取单元603,用于获取目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;
第三获取单元604,用于获取针对患者预设的胰腺标志物三维模型的高度参数和体积参数;
第四获取单元605,用于获取患者CT图像中胰腺标志物的面积占比参数,以及患者CT图像中胰腺标志物与胰尾的相对距离比参数;
第一量化单元606,用于基于目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和胰腺标志物三维模型的高度参数、体积参数,以及面积占比参数、相对距离参数,对胰腺标志物的尺寸参数进行量化。
在本申请的一些实施例中,第一确定单元601,具体用于:
分割患者的胰腺超声图像集中每张图像的胰腺标志物的结构区域;
计算每张图像的胰腺标志物的结构区域的面积参数,得到胰腺标志物的结构区域的面积参数集;
基于胰腺标志物的结构区域的面积参数集,筛选胰腺超声图像集对应的胰腺标志物的结构区域的面积参数最大的目标胰腺超声图像。
在本申请的一些实施例中,第二获取单元603,具体用于:
获取目标胰腺超声图像中目标胰腺标志物对应最小外接矩形的尺寸参数;
基于最小外接矩形的尺寸参数,量化目标胰腺标志物的短长轴的比例参数;
基于最小外接矩形的尺寸参数,量化目标胰腺标志物的最大直径参数。
在本申请的一些实施例中,第三获取单元604,具体用于:
基于患者的CT二维图像集,构建胰腺标志物三维模型;
测量胰腺标志物三维模型的高度参数;
沿预设方向,对胰腺标志物三维模型进行切片,得到预设数量的胰腺标志物切片;
计算预设数量的胰腺标志物切片中每个切片的面积参数;
基于预设数量的胰腺标志物切片中每个切片的面积参数,确定胰腺标志物三维模型的体积参数。
在本申请的一些实施例中,在第一量化单元606之后,装置还用于:
基于胰腺标志物的尺寸参数和预设的尺寸阈值参数,确定胰腺标志物的尺寸等级;
基于胰腺标志物的尺寸等级,对去除胰腺标志物的手术类型进行分析。
在本申请的一些实施例中,第四获取单元605,具体用于:
在连通域的基础上,获取患者CT图像中胰腺标志物区域的面积参数和胰腺器官面积参数;
基于胰腺标志物区域的面积参数和胰腺器官面积参数,确定患者CT图像中胰腺标志物的面积占比参数;
在连通域的基础上,获取患者CT图像中胰腺器官对应的最小水平外接矩形的宽度参数,和胰腺标志物区域对应的几何形心与胰腺器官沿预设方向的边界之间的水平距离参数;
基于宽度参数和水平距离参数,确定患者CT图像中胰腺标志物与胰尾的相对距离比参数。
在本申请的一些实施例中,在第一确定单元601之前,装置还用于:
基于预设的超声图像胰腺预设标志物分割模型,对待检测用户的胰腺超声图像中的预设标志物进行分割,得到分割后的预设标志物,并计算预设标志物的面积参数和预设标志物的区域像素平均值参数;
基于预设的边界规则量化模型,确定预设标志物的边界规则量化参数;
基于预设的核磁共振图像胰腺标志物识别模型,确定待检测用户的胰腺核磁共振图像对应的核磁共振图像胰腺标志物识别参数;
基于预设的CT图像胰腺标志物识别模型,确定待检测用户的CT二维图像集对应的CT图像胰腺标志物识别参数;
获取待检测用户的基线信息,并对基线信息进行指标标签化,以得到基线标签参数;
基于预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和核磁共振图像胰腺标志物识别参数,和CT图像胰腺标志物识别参数,以及基线标签参数,对待检测用户具有胰腺标志物的风险程度进行预测。
本申请提供的胰腺标志物尺寸量化装置600600,第一确定单元601,用于基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;第一获取单元602,用于获取目标胰腺超声图像中目标胰腺标志物的面积参数;第二获取单元603,用于获取目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;第三获取单元604,用于获取针对患者预设的胰腺标志物三维模型的高度参数和体积参数;第四获取单元605,用于获取患者CT图像中胰腺标志物的面积占比参数,以及患者CT图像中胰腺标志物与胰尾的相对距离比参数;第一量化单元606,用于基于目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和胰腺标志物三维模型的高度参数、体积参数,以及面积占比参数、相对距离参数,对胰腺标志物的尺寸参数进行量化。相较于传统装置,在现实超声检查过程中,由于医生的强主观性,即使是同一病灶,不同医生所测量出的病灶尺寸也不尽相同,无法得对患者的病灶尺寸进行准确量化的背景下,本申请创造性的综合了多项二维相关量化指标与三维相关量化指标,对胰腺标志物的尺寸参数进行量化,避免了因单一的二维相关量化指标和三维相关量化指标造成的误差,提高了对胰腺标志物的尺寸参数进行量化的准确性。
除了上述介绍用于胰腺标志物尺寸量化方法与装置之外,本申请实施例还提供一种终端,其集成了本申请实施例所提供的任一种胰腺标志物尺寸量化装置,终端包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中一个或多个应用程序被存储于存储器中,并配置为由处理器执行上述胰腺标志物尺寸量化方法实施例中任一实施例中的任一方法的操作。
本申请实施例还提供一种终端,其集成了本申请实施例所提供的任一种胰腺标志物尺寸量化装置。参阅图7,图7是本申请实施例提供的终端一个实施例结构示意图。
如图7所示,其示出了本申请实施例所设计的胰腺标志物尺寸量化装置的结构示意图,具体来讲:
该胰腺标志物尺寸量化装置可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机可读存储介质的存储单元702、电源703和输入单元704等部件。本领域技术人员可以理解,图7中示出的胰腺标志物尺寸量化装置结构并不构成对胰腺标志物尺寸量化装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器701是该胰腺标志物尺寸量化装置的控制中心,利用各种接口和线路连接整个胰腺标志物尺寸量化装置的各个部分,通过运行或执行存储在存储单元702内的软件程序和/或模块,以及调用存储在存储单元702的数据,执行胰腺标志物尺寸量化装置的各种功能和处理数据,从而对胰腺标志物尺寸量化装置进行整体监控。可选的,处理器701可包括一个或多个处理核心;优选的,处理器701可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器701中。
存储单元702可用于存储软件程序以及模块,处理器701通过运行存储在存储单元702的软件程序以及模块,从而执行各种功能应用以及数据处理。存储单元702可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据胰腺标志物尺寸量化装置的使用所创建的数据等。此外,存储单元702可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储单元702还可以包括存储器控制器,以提供处理器701对存储单元702的访问。
胰腺标志物尺寸量化装置还包括给各个部件供电的电源703,优选的,电源703可以通过电源管理系统与处理器701逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源703还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该胰腺标志物尺寸量化装置还可包括输入单元704,该输入单元704可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,胰腺标志物尺寸量化装置还可以包括显示单元等,在此不再赘述。具体在本申请实施例中,胰腺标志物尺寸量化装置中的处理器701会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储单元702中,并由处理器701来运行存储在存储单元702中的应用程序,从而实现各种功能,如下:
基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;获取目标胰腺超声图像中目标胰腺标志物的面积参数;获取目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;获取针对患者预设的胰腺标志物三维模型的高度参数和体积参数;获取患者CT图像中胰腺标志物的面积占比参数,以及患者CT图像中胰腺标志物与胰尾的相对距离比参数;基于目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和胰腺标志物三维模型的高度参数、体积参数,以及面积占比参数、相对距离参数,对胰腺标志物的尺寸参数进行量化。
本申请提供的胰腺标志物尺寸量化方法,相较于传统方法,在现实超声检查过程中,由于医生的强主观性,即使是同一病灶,不同医生所测量出的病灶尺寸也不尽相同,无法得对患者的病灶尺寸进行准确量化的背景下,本申请创造性的综合了多项二维相关量化指标与三维相关量化指标,对胰腺标志物的尺寸参数进行量化,避免了因单一的二维相关量化指标和三维相关量化指标造成的误差,提高了对胰腺标志物的尺寸参数进行量化的准确性。
为此,本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random AccessMemory)、磁盘或光盘等。该计算机可读存储介质中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的任一种胰腺标志物尺寸量化方法中的步骤。例如,该指令可以执行如下步骤:
基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;获取目标胰腺超声图像中目标胰腺标志物的面积参数;获取目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;获取针对患者预设的胰腺标志物三维模型的高度参数和体积参数;获取患者CT图像中胰腺标志物的面积占比参数,以及患者CT图像中胰腺标志物与胰尾的相对距离比参数;基于目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和胰腺标志物三维模型的高度参数、体积参数,以及面积占比参数、相对距离参数,对胰腺标志物的尺寸参数进行量化。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上对本申请实施例所提供的胰腺标志物尺寸量化方法、装置、终端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申请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申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,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申请的限制。
Claims (10)
1.一种胰腺标志物尺寸量化方法,其特征在于,所述方法包括:
基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从所述胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;
获取所述目标胰腺超声图像中目标胰腺标志物的面积参数;
获取所述目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;
获取针对所述患者预设的胰腺标志物三维模型的高度参数和体积参数;
获取所述患者CT图像中胰腺标志物的面积占比参数,以及所述患者CT图像中胰腺标志物与胰尾的相对距离比参数;
基于所述目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和所述胰腺标志物三维模型的高度参数、体积参数,以及所述面积占比参数、相对距离参数,对所述胰腺标志物的尺寸参数进行量化。
2.根据权利要求1所述的胰腺标志物尺寸量化方法,其特征在于,所述基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从所述胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像,包括:
分割患者的胰腺超声图像集中每张图像的胰腺标志物的结构区域;
计算每张图像的胰腺标志物的结构区域的面积参数,得到胰腺标志物的结构区域的面积参数集;
基于所述胰腺标志物的结构区域的面积参数集,筛选所述胰腺超声图像集对应的胰腺标志物的结构区域的面积参数最大的目标胰腺超声图像。
3.根据权利要求1所述的胰腺标志物尺寸量化方法,其特征在于,所述获取所述目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数,包括:
获取所述目标胰腺超声图像中目标胰腺标志物对应最小外接矩形的尺寸参数;
基于所述最小外接矩形的尺寸参数,量化所述目标胰腺标志物的短长轴的比例参数;
基于所述最小外接矩形的尺寸参数,量化所述目标胰腺标志物的最大直径参数。
4.根据权利要求1所述的胰腺标志物尺寸量化方法,其特征在于,所述获取针对所述患者预设的胰腺标志物三维模型的高度参数和体积参数,包括:
基于所述患者的CT二维图像集,构建胰腺标志物三维模型;
测量所述胰腺标志物三维模型的高度参数;
沿预设方向,对所述胰腺标志物三维模型进行切片,得到预设数量的胰腺标志物切片;
计算所述预设数量的胰腺标志物切片中每个切片的面积参数;
基于所述预设数量的胰腺标志物切片中每个切片的面积参数,确定所述胰腺标志物三维模型的体积参数。
5.根据权利要求1所述的胰腺标志物尺寸量化方法,其特征在于,在基于所述目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和所述胰腺标志物三维模型的高度参数、体积参数,以及所述面积占比参数、相对距离参数,对所述胰腺标志物的尺寸参数进行量化之后,所述方法还包括:
基于所述胰腺标志物的尺寸参数和预设的尺寸阈值参数,确定所述胰腺标志物的尺寸等级;
基于所述胰腺标志物的尺寸等级,对去除所述胰腺标志物的手术类型进行分析。
6.根据权利要求1所述的胰腺标志物尺寸量化方法,其特征在于,所述获取所述患者CT图像中胰腺标志物的面积占比参数,以及所述患者CT图像中胰腺标志物与胰尾的相对距离比参数,包括:
在连通域的基础上,获取所述患者CT图像中胰腺标志物区域的面积参数和胰腺器官面积参数;
基于所述胰腺标志物区域的面积参数和所述胰腺器官面积参数,确定所述患者CT图像中胰腺标志物的面积占比参数;
在连通域的基础上,获取所述患者CT图像中胰腺器官对应的最小水平外接矩形的宽度参数,和所述胰腺标志物区域对应的几何形心与所述胰腺器官沿预设方向的边界之间的水平距离参数;
基于所述宽度参数和所述水平距离参数,确定所述患者CT图像中胰腺标志物与胰尾的相对距离比参数。
7.根据权利要求1所述的胰腺标志物尺寸量化方法,其特征在于,在基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从所述胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像之前,所述方法还包括:
基于预设的超声图像胰腺预设标志物分割模型,对待检测用户的胰腺超声图像中的预设标志物进行分割,得到分割后的预设标志物,并计算所述预设标志物的面积参数和所述预设标志物的区域像素平均值参数;
基于预设的边界规则量化模型,确定所述预设标志物的边界规则量化参数;
基于预设的核磁共振图像胰腺标志物识别模型,确定所述待检测用户的胰腺核磁共振图像对应的核磁共振图像胰腺标志物识别参数;
基于预设的CT图像胰腺标志物识别模型,确定所述待检测用户的CT二维图像集对应的CT图像胰腺标志物识别参数;
获取所述待检测用户的基线信息,并对所述基线信息进行指标标签化,以得到基线标签参数;
基于所述预设标志物的面积参数、区域像素平均值参数、边界规则量化参数,和所述核磁共振图像胰腺标志物识别参数,和所述CT图像胰腺标志物识别参数,以及所述基线标签参数,对所述待检测用户具有胰腺标志物的风险程度进行预测。
8.一种胰腺标志物尺寸量化装置,其特征在于,所述装置包括:
第一确定单元,用于基于患者的胰腺超声图像集中每张图像对应的胰腺标志物的结构区域的面积参数,从所述胰腺超声图像集中确定胰腺标志物结构区域的面积参数最大的目标胰腺超声图像;
第一获取单元,用于获取所述目标胰腺超声图像中目标胰腺标志物的面积参数;
第二获取单元,用于获取所述目标胰腺超声图像中目标胰腺标志物的短长轴的比例参数和最大直径参数;
第一构建单元,用于第三获取单元,用于获取针对所述患者预设的胰腺标志物三维模型的高度参数和体积参数;
第一量化单元,用于基于所述目标胰腺标志物的面积参数、短长轴的比例参数、最大直径参数,和所述胰腺标志物三维模型的高度参数、体积参数,以及所述面积占比参数、相对距离参数,对所述胰腺标志物的尺寸参数进行量化。
9.一种终端,其特征在于,所述终端包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至7中任一项所述的胰腺标志物尺寸量化方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至7任一项所述的胰腺标志物尺寸量化方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210318585.6A CN114419135B (zh) | 2022-03-29 | 2022-03-29 | 胰腺标志物尺寸量化方法、装置、终端及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210318585.6A CN114419135B (zh) | 2022-03-29 | 2022-03-29 | 胰腺标志物尺寸量化方法、装置、终端及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114419135A true CN114419135A (zh) | 2022-04-29 |
CN114419135B CN114419135B (zh) | 2022-06-28 |
Family
ID=81262819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210318585.6A Active CN114419135B (zh) | 2022-03-29 | 2022-03-29 | 胰腺标志物尺寸量化方法、装置、终端及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419135B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115553753A (zh) * | 2022-11-17 | 2023-01-03 | 武汉楚精灵医疗科技有限公司 | 胆结石的风险预警方法、装置及相关设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030229281A1 (en) * | 2002-06-07 | 2003-12-11 | Bill Barnard | Bladder wall thickness measurement system and methods |
CN101290684A (zh) * | 2007-04-19 | 2008-10-22 | 深圳迈瑞生物医疗电子股份有限公司 | 三维超声图像的快速体绘制方法与装置 |
US20150154453A1 (en) * | 2012-09-05 | 2015-06-04 | Body Pass Ltd. | System and method for deriving accurate body size measures from a sequence of 2d images |
CN104849276A (zh) * | 2015-05-20 | 2015-08-19 | 辽宁工程技术大学 | 一种基于像素统计的花岗岩三维细观结构重构方法 |
CN105424724A (zh) * | 2015-10-22 | 2016-03-23 | 汤一平 | 基于主动式全景视觉的火炮內膛疵病检测装置及方法 |
US20160102975A1 (en) * | 2014-10-10 | 2016-04-14 | Hand Held Products, Inc. | Methods for improving the accuracy of dimensioning-system measurements |
CN105848589A (zh) * | 2013-12-20 | 2016-08-10 | 欧莱雅 | 用于处理皮肤的方法和装置 |
CN108226159A (zh) * | 2017-12-29 | 2018-06-29 | 钢铁研究总院 | 金属材料中析出相颗粒的全视场定量统计分布表征方法 |
CN108592788A (zh) * | 2018-03-29 | 2018-09-28 | 湖南大学 | 一种面向喷涂生产线的3d智能相机系统与工件在线测量方法 |
CN109239210A (zh) * | 2018-09-10 | 2019-01-18 | 哈尔滨工业大学 | 一种胰腺导管腺癌标志物及其筛选方法 |
CN109381152A (zh) * | 2017-08-04 | 2019-02-26 | 卡普索影像公司 | 用于肠胃图像中的兴趣对象的面积或体积的方法以及设备 |
CN112946646A (zh) * | 2021-01-29 | 2021-06-11 | 西安电子科技大学 | 基于isar图像解译的卫星目标姿态和尺寸估计方法 |
CN113269225A (zh) * | 2021-04-08 | 2021-08-17 | 浙江大学 | 基于影像组学的非侵入式肝脏上皮样血管平滑肌脂肪瘤图像分类装置 |
US20210345733A1 (en) * | 2018-09-21 | 2021-11-11 | ZOZO, Inc. | Size measurement system |
CN114022481A (zh) * | 2022-01-06 | 2022-02-08 | 武汉大学 | 食管癌乏血管区域大小的确定方法和系统 |
-
2022
- 2022-03-29 CN CN202210318585.6A patent/CN114419135B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030229281A1 (en) * | 2002-06-07 | 2003-12-11 | Bill Barnard | Bladder wall thickness measurement system and methods |
CN101290684A (zh) * | 2007-04-19 | 2008-10-22 | 深圳迈瑞生物医疗电子股份有限公司 | 三维超声图像的快速体绘制方法与装置 |
US20150154453A1 (en) * | 2012-09-05 | 2015-06-04 | Body Pass Ltd. | System and method for deriving accurate body size measures from a sequence of 2d images |
CN105848589A (zh) * | 2013-12-20 | 2016-08-10 | 欧莱雅 | 用于处理皮肤的方法和装置 |
US20160102975A1 (en) * | 2014-10-10 | 2016-04-14 | Hand Held Products, Inc. | Methods for improving the accuracy of dimensioning-system measurements |
CN104849276A (zh) * | 2015-05-20 | 2015-08-19 | 辽宁工程技术大学 | 一种基于像素统计的花岗岩三维细观结构重构方法 |
CN105424724A (zh) * | 2015-10-22 | 2016-03-23 | 汤一平 | 基于主动式全景视觉的火炮內膛疵病检测装置及方法 |
CN109381152A (zh) * | 2017-08-04 | 2019-02-26 | 卡普索影像公司 | 用于肠胃图像中的兴趣对象的面积或体积的方法以及设备 |
CN108226159A (zh) * | 2017-12-29 | 2018-06-29 | 钢铁研究总院 | 金属材料中析出相颗粒的全视场定量统计分布表征方法 |
CN108592788A (zh) * | 2018-03-29 | 2018-09-28 | 湖南大学 | 一种面向喷涂生产线的3d智能相机系统与工件在线测量方法 |
CN109239210A (zh) * | 2018-09-10 | 2019-01-18 | 哈尔滨工业大学 | 一种胰腺导管腺癌标志物及其筛选方法 |
US20210345733A1 (en) * | 2018-09-21 | 2021-11-11 | ZOZO, Inc. | Size measurement system |
CN112946646A (zh) * | 2021-01-29 | 2021-06-11 | 西安电子科技大学 | 基于isar图像解译的卫星目标姿态和尺寸估计方法 |
CN113269225A (zh) * | 2021-04-08 | 2021-08-17 | 浙江大学 | 基于影像组学的非侵入式肝脏上皮样血管平滑肌脂肪瘤图像分类装置 |
CN114022481A (zh) * | 2022-01-06 | 2022-02-08 | 武汉大学 | 食管癌乏血管区域大小的确定方法和系统 |
Non-Patent Citations (3)
Title |
---|
MEI-YUN WANG 等: "Measurement of tumor size in adult glioblastoma: Classical cross-sectional criteria on 2D MRI or volumetric criteria on high resolution 3D MRI?", 《ELSEVIER》 * |
吕广宏 等: "半导体量子点形成临界尺寸的定量预测", 《研究快讯》 * |
李昊 等: "基于正负量化的DCT域数字图像盲水印算法研究", 《计算机工程与应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115553753A (zh) * | 2022-11-17 | 2023-01-03 | 武汉楚精灵医疗科技有限公司 | 胆结石的风险预警方法、装置及相关设备 |
CN115553753B (zh) * | 2022-11-17 | 2023-03-14 | 武汉楚精灵医疗科技有限公司 | 胆结石的风险预警装置及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114419135B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kolossváry et al. | Cardiac computed tomography radiomics: a comprehensive review on radiomic techniques | |
US11501438B2 (en) | Cone-beam CT image enhancement using generative adversarial networks | |
CN111445449B (zh) | 感兴趣区域的分类方法、装置、计算机设备和存储介质 | |
KR101716039B1 (ko) | 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 | |
CN113066090B (zh) | 血管分割模型的训练方法及装置、应用方法及装置 | |
CN112861961B (zh) | 肺血管分类方法及装置、存储介质及电子设备 | |
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 | |
CN112150376B (zh) | 血管医学影像分析方法、装置、计算机设备和存储介质 | |
CN114419135B (zh) | 胰腺标志物尺寸量化方法、装置、终端及可读存储介质 | |
Lima et al. | Interrater reliability and diagnostic performance of subjective evaluation of sublingual microcirculation images by physicians and nurses: a multicenter observational study | |
CN113344927A (zh) | 基于深度学习的图像识别方法、装置、服务器及存储介质 | |
CN113344926B (zh) | 胆胰超声图像识别方法、装置、服务器及存储介质 | |
CN109493949B (zh) | 一种左心耳复杂度的确定方法、装置及计算机存储介质 | |
Paserin et al. | Automatic near real-time evaluation of 3D ultrasound scan adequacy for developmental dysplasia of the hip | |
CN114494406B (zh) | 医学图像处理方法、装置、终端及计算机可读存储介质 | |
CN113743543B (zh) | 一种图像分类训练方法、装置、服务器及存储介质 | |
US20220148172A1 (en) | System and method for detecting medical conditions | |
CN112365959A (zh) | 修改三维图像的标注的方法及装置 | |
CN114266848A (zh) | 医学图像三维重建方法和装置 | |
Stember et al. | The self-overlap method for assessment of lung nodule morphology in chest CT | |
CN114359280B (zh) | 胃黏膜图像边界量化方法、装置、终端及存储介质 | |
WO2022049932A1 (ja) | 画像処理装置、画像処理方法及びプログラム、画像処理システム | |
US11861832B2 (en) | Automatically determining a brock score | |
Sanchez et al. | Feasibility and sensitivity study of radiomic features in photoacoustic imaging of patient-derived xenografts | |
CN115311334A (zh) | 图像配准评估方法、计算机设备及可读存储介质 |
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 |