CN114710657A - 一种乳腺x线影像质量的评估系统及方法 - Google Patents
一种乳腺x线影像质量的评估系统及方法 Download PDFInfo
- Publication number
- CN114710657A CN114710657A CN202210365256.7A CN202210365256A CN114710657A CN 114710657 A CN114710657 A CN 114710657A CN 202210365256 A CN202210365256 A CN 202210365256A CN 114710657 A CN114710657 A CN 114710657A
- Authority
- CN
- China
- Prior art keywords
- mammary gland
- ray
- evaluation
- quality
- image
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 32
- 210000005075 mammary gland Anatomy 0.000 claims abstract description 146
- 238000013441 quality evaluation Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000005856 abnormality Effects 0.000 claims description 40
- 238000004458 analytical method Methods 0.000 claims description 34
- 230000011218 segmentation Effects 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 210000000481 breast Anatomy 0.000 claims description 18
- 210000002445 nipple Anatomy 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 230000003187 abdominal effect Effects 0.000 claims description 8
- 210000000062 pectoralis major Anatomy 0.000 claims description 8
- 210000003205 muscle Anatomy 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000762 glandular Effects 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 7
- 210000004907 gland Anatomy 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 238000003908 quality control method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 208000004434 Calcinosis Diseases 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000002308 calcification Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 210000001165 lymph node Anatomy 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002559 palpation Methods 0.000 description 2
- 206010027476 Metastases Diseases 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/004—Diagnosis, testing or measuring for television systems or their details for digital television systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种乳腺X线影像质量的评估系统及方法。所述评估系统包括采集模块、质量评估模块以及评估结果展示模块;所述采集模块,用于通过工作站采集待测乳腺X线视频,并将所述待测乳腺X线视频发送至所述质量评估模块;所述质量评估模块,用于对所述待测乳腺X线视频进行质量评估,得到评估结果;所述评估结果展示模块,用于接收所述质量评估模块的评估结果,并将所述评估结果通过一体机进行显示;由此能够对乳腺X线影像实现自动化质量检测,提高了乳腺X线影像质量检测的准确性,从而能够为技师拍摄影像提供即时反馈,进而为医生诊断提供合格的图像。
Description
技术领域
本发明属于医疗影像技术领域,尤其涉及一种乳腺X线影像质量的评估系统及方法。
背景技术
乳腺X线摄影诊断先由拍摄技师给患者的乳房拍摄X线影像,再由阅片医生对乳腺X线影像进行分析诊断。乳腺X线影像的质量对诊断有重大的影响,拍摄质量较好的乳腺X线影像腺体通透,能够较为容易地找出腺体中的病灶;而拍摄质量较差的乳腺X线影像则会增大阅片医生的诊断难度,导致病灶难以辨认。目前常见的质量控制方案有3种:1、医院的技师长或者临床诊断医生到乳腺拍摄间抽查巡视,对拍摄不规范和不合格的情况进行指出,给出拍摄建议;2、在技师推送图像到医生工作站后由诊断医生针对该影像拍摄是否合格给出评价;3、基层医院技师经验水平不足,会将该医院拍摄的影像统一推送至上级医院,由更有经验的医生来打分。
然而,目前常见的质量控制方案存在如下缺陷:技师长和诊断医生受认知水平限制,对于影像质量的把控存在局限性和随机性;并且技师长和诊断医生无法一直在拍摄间隙进行指导。技师拍摄完影像推送给诊断医生或者上级医院存在时效性的问题,无法在拍摄后对影像质量进行即时评估。例如:出现拍摄不合格和不规范的情况,由于无法即时评估,因此很容易错过重拍时间。
为此,急需要提供一种针对乳腺X线影像质量的评估系统,以实时对拍摄的乳腺X线影像质量实现自动化检测,从而能够对拍摄技师的行为及时地做出反馈,以指导技师正确拍摄乳腺X线影像,提升乳腺X线影像的整体质量。
发明内容
有鉴于此,本发明实施例提供一种乳腺X线影像质量的评估系统及方法,能够对乳腺X线影像质量实现自动化精准检测,从而为拍摄技师提供即时反馈,提高了乳腺X线影像质量。
为实现上述目的,根据本发明实施例第一方面提供一种乳腺X线影像质量的评估系统,该系统包括:采集模块、质量评估模块,以及评估结果展示模块;所述采集模块,用于通过工作站采集待测乳腺X线视频,并将所述待测乳腺X线视频发送至所述质量评估模块;所述质量评估模块,用于对所述待测乳腺X线视频进行质量评估,得到评估结果;所述评估结果展示模块,用于接收所述质量评估模块的评估结果,并将所述评估结果通过一体机进行显示。
可选的,所述质量评估模块包括解析单元,存储单元,分析单元,以及评估单元;所述质量评估模块用于对所述待测乳腺X线视频进行质量评估,得到评估结果;包括:所述解析单元,用于接收所述待测乳腺X线视频,并对所述待测乳腺X线视频进行解析判断,得到预测乳腺X线视频;所述分析单元,用于从所述解析单元中获取所述预测乳腺X线视频,并从所述预测乳腺X线视频中选取满足第一预设条件的乳腺X线图像;所述评估单元,用于接收所述分析单元的乳腺X线影像,并对所述乳腺X线影像进行质量评估,得到评估结果。
可选的,所述解析单元用于对所述待测乳腺X线视频进行解析判断,得到预测乳腺X线视频,包括:所述解析单元用于判断所述待测乳腺X线视频的格式是否满足第二预设条件,并将满足第二预设条件的待测乳腺X线视频确定为预测乳腺X线视频。
可选的,所述分析单元用于从所述预测乳腺X线视频中选取满足第一预设条件的乳腺X线图像,包括:所述分析单元对所述预测乳腺X线视频进行文字识别,从而获得每帧乳腺X线影像对应的体位信息和曝光状态;从所述若干帧乳腺X线影像中选取曝光状态完成的乳腺X线影像。
可选的,所述评估单元用于对所述乳腺X线影像进行质量评估,得到评估结果,包括:所述评估单元用于对所述乳腺X线影像进行整体异常分类处理,得到整体异常分类结果;所述评估单元用于对所述乳腺X线影像进行局部异常位置检测,得到局部异常分割结果;所述评估单元用于将所述整体异常分类结果和所述局部异常分割结果确定为所述乳腺X线影像的评估结果。
可选的,所述整体异常分类结果包括:腺体包含不全和/或胸大肌未摄入。
可选的,所述局部异常分割结果包括:皮肤皱襞、乳头未在轮廓线、肩膀重叠影、拍到对侧乳腺、拍到腹部皮肤,以及异物中的一种或多种。
为实现上述目的,根据本发明实施例第二方面提供一种乳腺X线影像质量的评估方法,该方法包括:获取乳腺X线影像,以及乳腺X线影像的拍摄体位;对所述乳腺X线影像进行整体异常分类处理,得到整体异常分类结果;对所述乳腺X线影像进行局部异常检测,得到局部异常分割结果;将所述拍摄体位、所述整体分类结果以及局部异常检测结果组合,得到输出报告。
为实现上述目的,根据本发明实施例第三方面提供一种乳腺X线影像质量的评估装置,该装置包括:获取模块,用于获取乳腺X线影像,以及乳腺X线影像的拍摄体位;分类处理模块,用于对所述乳腺X线影像进行整体异常分类处理,得到整体异常分类结果;检测模块,用于对所述乳腺X线影像进行局部异常检测,得到局部异常分割结果;组合模块,用于将所述拍摄体位、所述整体分类结果以及局部异常检测结果组合,得到输出报告。
为实现上述目的,根据本发明实施例第四方面提供一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如第一方面所述的方法。
本发明实施例提供一种乳腺X线影像质量的评估系统及方法;所述评估系统包括采集模块、质量评估模块以及评估结果展示模块;所述采集模块,用于通过工作站采集待测乳腺X线视频,并将所述待测乳腺X线视频发送至所述质量评估模块;所述质量评估模块,用于对所述待测乳腺X线视频进行质量评估,得到评估结果;所述评估结果展示模块,用于接收所述质量评估模块的评估结果,并将所述评估结果通过一体机进行显示;由此能够对乳腺X线影像实现自动化质量检测,提高了乳腺X线影像质量检测的准确性,从而能够为技师拍摄影像提供即时反馈,进而为医生诊断提供合格的图像。
上述的非惯用的可选方式所具有的进一步的效果将在下文结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中在附图中,相同或对应的标号表示相同或对应的部分。
图1为本发明一实施例乳腺X线影像质量的评估系统的结构示意图;
图2为本发明一实施例工作站曝光界面的示意图;
图3为本发明一实施例乳腺X影像质量的评估系统中硬件连接结构示意图;
图4为本发明一实施例乳腺X线影像质量的评估方法的流程示意图;
图5为本发明一实施例中输出报告的结构示意图;
图6为本发明一实施例中属于腺体包含不全的乳腺X线影像示意图;
图7为本发明一实施例中属于胸大肌未摄入的乳腺X线影像示意图;
图8为本发明一实施例中六种局部异常的乳腺X线影像示意图;
图9为本发明一实施例乳腺X线影像质量的评估装置的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,本发明一实施例乳腺X线影像质量的评估系统的结构示意图。一种乳腺X线影像质量的评估系统,该评估系统100至少包括:采集模块101、质量评估模块102,以及评估结果展示模块103;所述采集模块101,用于通过工作站采集待测乳腺X线视频,并将所述待测乳腺X线视频发送至所述质量评估模块102;所述质量评估模块102,用于对所述待测乳腺X线视频进行质量评估,得到评估结果;所述评估结果展示模块103,用于接收所述质量评估模块的评估结果,并将所述评估结果通过一体机进行显示。
如图2所示,本发明一实施例工作站曝光界面的示意图。
对于图示中1位置处显示拍摄体位信息;2位置处显示当前体位指示信息;3位置处显示机架信息;4位置处显示曝光状态信息;5位置处显示曝光参数设置信息;6位置处显示投照方案选择信息;7位置处为关闭检查选择;8位置处显示乳腺X线影像显示区域。
如图3所示,本发明一实施例乳腺X影像质量的评估系统中硬件连接结构示意图。工作站输出的待测乳腺X线视频经过信号分配器分别传输至视频采集卡的采集模块和工作站显示屏;之后,采集模块将待测乳腺X线视频发送至质量评估模块,质量评估模块从待测乳腺X线视频中获取用于质量评估的乳腺X线影像,并对乳腺X线影像进行质量评估,得到评估结果。乳腺X线影像和评估结果均通过一体机进行显示。由于视频采集卡和信号分配器被封装在硬件集成盒中,因此能够提供独立电源,便于工作人员及时调控。
在这里,一体机可以是电容一体机,例如:触控一体机或者触摸显示器。由此不仅灵敏度好。触摸响应快,而且外观时尚好看。
在优选的一实施例中,所述质量评估模块包括解析单元,存储单元,分析单元,以及评估单元;所述质量评估模块用于对所述待测乳腺X线视频进行质量评估,得到评估结果;包括:所述解析单元,用于接收所述待测乳腺X线视频,并对所述待测乳腺X线视频进行解析判断,得到预测乳腺X线视频;所述分析单元,用于从所述解析单元中获取所述预测乳腺X线视频,并从所述预测乳腺X线视频中选取满足第一预设条件的乳腺X线图像;所述评估单元,用于接收所述分析单元的乳腺X线影像,并对所述乳腺X线影像进行质量评估,得到评估结果。
所述解析单元用于对所述待测乳腺X线视频进行解析判断,得到预测乳腺X线视频,包括:所述解析单元用于判断所述待测乳腺X线视频的格式是否满足第二预设条件,并将满足第二预设条件的待测乳腺X线视频确定为预测乳腺X线视频。
所述分析单元用于从所述预测乳腺X线视频中选取满足第一预设条件的乳腺X线图像,包括:所述分析单元对所述预测乳腺X线视频进行文字识别,从而获得每帧乳腺X线影像对应的体位信息和曝光状态;从所述若干帧乳腺X线影像中选取曝光状态完成的乳腺X线影像。
所述评估单元用于对所述乳腺X线影像进行质量评估,得到评估结果,包括:所述评估单元用于对所述乳腺X线影像进行整体异常分类处理,得到整体异常分类结果;所述评估单元用于对所述乳腺X线影像进行局部异常位置检测,得到局部异常分割结果;所述评估单元用于将所述整体异常分类结果和所述局部异常分割结果确定为所述乳腺X线影像的评估结果。
所述整体异常包括两类:腺体包含不全和胸大肌未摄入。所述局部异常包括六类:皮肤皱襞、乳头未在轮廓线、肩膀重叠影、拍到对侧乳腺、拍到腹部皮肤,以及异物。
具体地,视频采集模块将采集的待测乳腺X线视频发送至质量评估模块的解析单元,解析单元按照Http通信协议对接收的待测乳腺X线视频进行解析判断,并将判断结果中满足预设格式的待测乳腺X线影像确定为预测乳腺X线视频;同时解析单元存储预测乳腺X线视频;然后,解析单元将预测乳腺X线视频发送至分析单元,分析单元调用算法对通过合规性校验的视频进行分析处理;例如:基于模板匹配的文字识别技术对预测乳腺X线视频进行文字识别,得到每帧乳腺X线影像对应的体位信息和曝光状态;从若干帧乳腺X线影像中选取曝光状态完成的乳腺X线影像。其中,模板匹配的文字识别技术,适用于当前乳腺X线影像基本拍摄体位的文字识别;而且该方法中的文字模板是基于医院实际使用的体位信息(例如LCC、RCC、LMLO、RMLO)进行设计的。之后,将乳腺X线影像发送至评估单元,评估单元基于深度学习技术分别对乳腺X线影像进行整体异常分类处理,以及局部异常位置检测,得到整体异常分类结果和局部异常分割结果;并且将整体异常分类结果和局部异常分割结果发送至评估结果展示模块;最后,评估结果展示模块对于整体性异常,不会显示具体的异常范围,只对整张影像给出一个描述结果;对于局部性异常则会给出影像是否存在异常以及异常在影像中的具体位置。
由此本实施例能够对乳腺X线影像实现自动化质量检测,提高了乳腺X线影像质量检测的准确性,从而能够为技师拍摄影像提供即时反馈,进而为医生诊断提供合格的图像。
如图4所示,为本发明一实施例乳腺X线影像质量的评估方法的流程示意图。一种乳腺X线影像质量的评估方法,至少包括如下步骤:
S401,获取乳腺X线影像,以及乳腺X线影像的拍摄体位。
S402,对所述乳腺X线影像进行整体异常分类处理,得到整体异常分类结果。
S403,对所述乳腺X线影像进行局部异常检测,得到局部异常分割结果。
S404,将所述拍摄体位、所述整体分类结果以及局部异常检测结果组合,得到输出报告。
在S402中,首先基于分类算法对乳腺X线影像的训练样本进行模型训练,得到整体异常分类模型,之后利用整体异常分类模型对乳腺X线影像进行整体异常分类处理,得到整体异常分类结果。
在S403中,首先基于检测分割算法对乳腺X线影像的训练样本进行模型训练,得到局部异常分割模型,之后利用局部异常分割模型对所述乳腺X线影像进行局部异常检测,得到局部异常分割结果。
在S404中,若所述整体分类结果表征所述乳腺X线影像存在整体性异常,且所述局部异常检测结果表征不存在局部性异常,则输出拍摄体位信息以及整体性异常描述;若所述整体分类结果表征所述乳腺X线影像存在整体性异常,且所述局部异常检测结果表征存在局部性异常,则输出拍摄体位信息、整体性异常描述以及局部性异常描述;若所述整体分类结果表征所述乳腺X线影像不存在整体性异常,且所述局部异常检测结果表征不存在局部性异常,则输出拍摄体位信息,以及暂无异常提示;若所述整体分类结果表征所述乳腺X线影像不存在整体性异常,且所述局部异常检测结果表征存在局部性异常,则输出拍摄体位信息,及局部异常提示。
摄影技师根据显示屏的提示调整摄影方式,软件按照上述处理逻辑继续对采集到的影像进行分析处理,并显示乳腺X线是否异常。此过程可能重复直至软件提示拍摄的乳腺X线影像不存在异常。
即时质控,采用B/S架构设计,基于卷积神经网络实现分类任务针对局部异常和整体异常分别进行检测,遵循质控规范,得到精准的图像质量分析结果,2s内面向技师提供即时反馈,提升图像质量,为医生诊断提供合格的图像。
图5为本发明一实施例中输出报告的结构示意图。
输出报告针对采集影像是否异常的分析结果。其中,输出结果的坐上角为该乳腺X线影像的拍摄体位,如图5a所示为RCC(右侧CC位视图)。图标为影像异常的标示,若影像有异常则显示该图标;若影像没有异常则显示图标,如图5b所示。其中,涉及到的异常分为整体性异常和局部性异常,整体性异常包括:腺体包含不全,胸大肌未摄入;局部性异常包括:皮肤皱襞,乳头未在轮廓线,肩膀重叠影,拍到对侧乳腺,拍到腹部皮肤,异物。
如图6所示,为本发明一实施例中属于腺体包含不全的乳腺X线影像示意图;如图7所示,为本发明一实施例中属于胸大肌未摄入的乳腺X线影像示意图。整体性异常是对影像整体做出的一个判断,这些异常没有具体的范围,只能对整张影像给出一个结果。整体性异常包括二类:腺体包含不全(图6)和胸大肌未摄入(图7)。这二类异常只需要对影像做出整体判断,进行分类。整体性异常是非排他性的,同一张影像可能既有腺体包含不全的问题,又有胸大肌未摄入的问题。
如图8所示,为本发明一实施例中六种局部异常的乳腺X线影像示意图。
局部性异常存在于影像的局部,有具体的范围,可以用轮廓勾勒出来。局部性异常共包括六类:皮肤皱襞、乳头未在轮廓线、肩膀重叠影、拍到对侧乳腺、拍到腹部皮肤、异物。算法除了需要判断影像中是否存在这些异常外,还要指出异常在影像中的具体位置。这些异常同样是非排他性的,不同异常的所占的区域可能存在交集。
如图8a所示,皮肤皱襞:皮肤皱襞是在拍摄过程中由于乳房没有压平或其他原因导致的皮肤褶皱,在影像中一般呈现为带状高密度影。皮肤皱襞有可能会遮挡病灶,一方面可能会遮挡到钙化灶,造成钙化漏诊;另一方面可能会遮挡到肿块的边缘,使阅片医生无法准确对肿块进行诊断,难以评估其恶性程度。
如图8b所示,乳头未在轮廓线:标准的MLO位、CC位影像中乳头应出现在乳房轮廓线以外,但如果拍摄时体位不规范,乳房压迫不到位,拍摄角度倾斜,有可能使乳头呈现在乳房轮廓线内部。若病灶出现在乳头后方区域,这种不规范的拍摄会使乳头对病灶形成严重的遮挡,造成病灶漏检或影响病灶良恶性的诊断。在对乳腺病灶进行诊断时,乳头是否回缩是一个重要指标,乳头回缩的情况往往暗示着乳腺内有恶性病变,需要引起阅片医生足够的重视,但若出现乳头未在轮廓线的情况,影像中是无法观察到乳头回缩这种征象的,因而乳头未在轮廓线会使恶性病灶的诊断少了一项重要的依据。此外,乳头和肿块的外观比较相似,经验不足的阅片医生来可能会将乳房轮廓线以内的乳头误诊为肿块。
如图8c所示,肩膀重叠影:肩膀重叠影是指将肩膀部分拍入乳腺钼靶影像中。出现这种情况将对诊断造成影响,首先,肩膀重叠影会对腋下部位造成遮挡因而无法很好地观察淋巴结,腋下部位有很多淋巴结,淋巴结肿大是一种重要征象,有时意味着癌转移;其次,肩膀重叠影有时会对乳腺腺体形成遮挡,导致难以诊断腺体中的肿块、钙化等病灶;最后,摄入影像中的肩膀重叠影会挤占其他需要拍摄的部位的空间,造成重要部位未拍全或面积减小。
如图8d所示,拍到对侧乳腺:一般会出现在CC位,MLO位也偶有发生。当CC位影像中拍摄到对侧乳腺时,主要会挤占本侧乳腺的空间,造成本侧乳腺未拍全或本侧乳腺面积较小。当MLO位影像中拍到对侧乳腺时,会和本侧乳腺重叠到一起,使影像分析困难,难以诊断里面的病灶。
如图8e所示,拍到腹部皮肤:拍摄MLO位影像时会出现这种情况。腹部皮肤对诊断乳腺病灶无意义,若拍到会在影像中占据一定空间,可能无法完整地拍摄其他部位。
如图8f所示,异物:一些不该拍到的物体被拍入影像内,如骨骼或其他体外物品等。异物一方面可能对乳房形成遮挡,导致无法进行诊断,另一方面也会挤占影像中其他部位的空间。
乳腺X线影像质量的评估系统的控制过程如下所述。
启动软件后,采集模块获取待测乳腺X线视频,之后通知质量评估模块进行分析计算,譬如通过模板匹配技术获取乳腺X线视频的体位信息、曝光状态以及检查状态,从而获得乳腺X线图像;之后基于深度学习技术分析乳腺X线影像异常,输出软件分析结果显示。基于软件分析结果显示判断乳腺X线图像是否异常;若是,则提示乳腺X线图像存在异常,由技师自行选择是否重拍;若否,则表征乳腺X线影像合格,结束拍摄。
应理解,在本发明的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在的逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
如图9所示,为本发明一实施例乳腺X线影像质量的评估装置的结构示意图;该装置900包括:获取模块901,用于获取乳腺X线影像,以及乳腺X线影像的拍摄体位;分类处理模块902,用于对所述乳腺X线影像进行整体异常分类处理,得到整体异常分类结果;检测模块903,用于对所述乳腺X线影像进行局部异常检测,得到局部异常分割结果;组合模块904,用于将所述拍摄体位、所述整体分类结果以及局部异常检测结果组合,得到输出报告。
上述装置可执行本发明实施例所提供的乳腺X线影像质量的评估方法,具备执行乳腺X线影像质量的评估方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的乳腺X线影像质量的评估方法。
本发明还提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本发明所述的乳腺X线影像质量的评估方法。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机程序产品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申请实施例操作的程序代码,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、部分地在用户设备上执行、作为一个独立的软件包执行、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。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机可读存储介质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包括但不限于电、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。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种乳腺X线影像质量的评估系统,其特征在于,包括:采集模块、质量评估模块,以及评估结果展示模块;
所述采集模块,用于通过工作站采集待测乳腺X线视频,并将所述待测乳腺X线视频发送至所述质量评估模块;
所述质量评估模块,用于对所述待测乳腺X线视频进行质量评估,得到评估结果;
所述评估结果展示模块,用于接收所述质量评估模块的评估结果,并将所述评估结果通过一体机进行显示。
2.根据权利要求1所述的评估系统,其特征在于,所述质量评估模块包括解析单元,存储单元,分析单元,以及评估单元;所述质量评估模块用于对所述待测乳腺X线视频进行质量评估,得到评估结果;包括:
所述解析单元,用于接收所述待测乳腺X线视频,并对所述待测乳腺X线视频进行解析判断,得到预测乳腺X线视频;
所述分析单元,用于从所述解析单元中获取所述预测乳腺X线视频,并从所述预测乳腺X线视频中选取满足第一预设条件的乳腺X线图像;
所述评估单元,用于接收所述分析单元的乳腺X线影像,并对所述乳腺X线影像进行质量评估,得到评估结果。
3.根据权利要求2所述的评估系统,其特征在于,所述解析单元用于对所述待测乳腺X线视频进行解析判断,得到预测乳腺X线视频,包括:
所述解析单元用于判断所述待测乳腺X线视频的格式是否满足第二预设条件,并将满足第二预设条件的待测乳腺X线视频确定为预测乳腺X线视频。
4.根据权利要求2所述的评估系统,其特征在于,所述分析单元用于从所述预测乳腺X线视频中选取满足第一预设条件的乳腺X线图像,包括:
所述分析单元对所述预测乳腺X线视频进行文字识别,从而获得每帧乳腺X线影像对应的体位信息和曝光状态;
从所述若干帧乳腺X线影像中选取曝光状态完成的乳腺X线影像。
5.根据权利要求1所述的评估系统,其特征在于,所述评估单元用于对所述乳腺X线影像进行质量评估,得到评估结果,包括:
所述评估单元用于对所述乳腺X线影像进行整体异常分类处理,得到整体异常分类结果;
所述评估单元用于对所述乳腺X线影像进行局部异常位置检测,得到局部异常分割结果;
所述评估单元用于将所述整体异常分类结果和所述局部异常分割结果确定为所述乳腺X线影像的评估结果。
6.根据权利要求5所述的评估系统,其特征在于,所述整体异常分类结果包括:腺体包含不全和/或胸大肌未摄入。
7.根据权利要求5所述的评估系统,其特征在于,所述局部异常分割结果包括:皮肤皱襞、乳头未在轮廓线、肩膀重叠影、拍到对侧乳腺、拍到腹部皮肤,以及异物中的一种或多种。
8.一种乳腺X线影像质量的评估方法,其特征在于,包括:
获取乳腺X线影像,以及乳腺X线影像的拍摄体位;
对所述乳腺X线影像进行整体异常分类处理,得到整体异常分类结果;
对所述乳腺X线影像进行局部异常检测,得到局部异常分割结果;
将所述拍摄体位、所述整体分类结果以及局部异常检测结果组合,得到输出报告。
9.一种乳腺X线影像质量的评估装置,其特征在于,包括:
获取模块,用于获取乳腺X线影像,以及乳腺X线影像的拍摄体位;
分类处理模块,用于对所述乳腺X线影像进行整体异常分类处理,得到整体异常分类结果;
检测模块,用于对所述乳腺X线影像进行局部异常检测,得到局部异常分割结果;
组合模块,用于将所述拍摄体位、所述整体分类结果以及局部异常检测结果组合,得到输出报告。
10.一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如权利要求8所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210365256.7A CN114710657A (zh) | 2022-04-07 | 2022-04-07 | 一种乳腺x线影像质量的评估系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210365256.7A CN114710657A (zh) | 2022-04-07 | 2022-04-07 | 一种乳腺x线影像质量的评估系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114710657A true CN114710657A (zh) | 2022-07-05 |
Family
ID=82173035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210365256.7A Pending CN114710657A (zh) | 2022-04-07 | 2022-04-07 | 一种乳腺x线影像质量的评估系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114710657A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100054401A1 (en) * | 2006-11-24 | 2010-03-04 | Christian Blendl | Method And Device For Quality Management In Mammography Apparatus |
CN204765680U (zh) * | 2015-06-18 | 2015-11-18 | 深圳市人民医院 | 一种用于乳腺影像学研究的x线成像系统 |
CN110866898A (zh) * | 2019-10-30 | 2020-03-06 | 上海联影智能医疗科技有限公司 | 一种乳腺图像处理方法、设备及存储介质 |
CN111696083A (zh) * | 2020-05-20 | 2020-09-22 | 平安科技(深圳)有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN113509191A (zh) * | 2021-03-05 | 2021-10-19 | 北京赛迈特锐医疗科技有限公司 | 乳腺钼靶x线影像的分析方法、装置及设备 |
-
2022
- 2022-04-07 CN CN202210365256.7A patent/CN114710657A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100054401A1 (en) * | 2006-11-24 | 2010-03-04 | Christian Blendl | Method And Device For Quality Management In Mammography Apparatus |
CN204765680U (zh) * | 2015-06-18 | 2015-11-18 | 深圳市人民医院 | 一种用于乳腺影像学研究的x线成像系统 |
CN110866898A (zh) * | 2019-10-30 | 2020-03-06 | 上海联影智能医疗科技有限公司 | 一种乳腺图像处理方法、设备及存储介质 |
CN111696083A (zh) * | 2020-05-20 | 2020-09-22 | 平安科技(深圳)有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN113509191A (zh) * | 2021-03-05 | 2021-10-19 | 北京赛迈特锐医疗科技有限公司 | 乳腺钼靶x线影像的分析方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11957497B2 (en) | System and method for hierarchical multi-level feature image synthesis and representation | |
US8311299B2 (en) | Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading | |
US8724871B1 (en) | Method and system for identifying anomalies in medical images | |
US20210118199A1 (en) | System and method for synthesizing low-dimensional image data from high-dimensional image data using an object grid enhancement | |
US9401021B1 (en) | Method and system for identifying anomalies in medical images especially those including body parts having symmetrical properties | |
US9779504B1 (en) | Method and system for identifying anomalies in medical images especially those including one of a pair of symmetric body parts | |
CN101203170A (zh) | 计算机辅助检测系统和方法 | |
WO2006126384A1 (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
US12070356B2 (en) | Medical imaging apparatus to automatically determine presence of an abnormality including a determination to transmit an assistance image and a classified abnormality stage | |
JP2015529108A (ja) | 効果的な表示及び報告のための画像資料に関連する以前の注釈の自動検出及び取り出し | |
JP2011522655A (ja) | マルチモダリティ・コンピュータ支援診断システム及び方法 | |
US9619888B2 (en) | Method for defining a region of interest in a radiation image of a breast | |
US20230029070A1 (en) | Systems and methods for immediate image quality feedback | |
WO2021073117A1 (zh) | Oct 图像分割方法、装置、设备及存储介质 | |
US20070248210A1 (en) | Automatic Positioning Quality Assessment for Digital Mammography | |
JP2005533578A (ja) | コンピュータ支援検出アプリケーションをデジタル画像に割り当てるシステム及び方法 | |
CN114710657A (zh) | 一种乳腺x线影像质量的评估系统及方法 | |
CN112002407A (zh) | 一种基于超声视频的乳腺癌诊断装置及其方法 | |
CN111415741B (zh) | 基于隐式表观学习的乳腺x射线影像分类模型训练方法 | |
CN113990488A (zh) | 甲状腺结节与颈部淋巴结联合诊断系统、介质及电子设备 | |
CA2960847A1 (en) | Body scanning device | |
JP2007330419A (ja) | 画像表示装置および方法並びにプログラム | |
JP4483250B2 (ja) | 画像診断支援装置、画像診断支援方法及びプログラム | |
CN113574609A (zh) | 剪切触发的数字图像报告生成 | |
JP3284122B2 (ja) | 医用診断支援システム |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220705 |