CN114947941A - 病灶跟踪方法、装置和存储介质 - Google Patents

病灶跟踪方法、装置和存储介质 Download PDF

Info

Publication number
CN114947941A
CN114947941A CN202210420359.9A CN202210420359A CN114947941A CN 114947941 A CN114947941 A CN 114947941A CN 202210420359 A CN202210420359 A CN 202210420359A CN 114947941 A CN114947941 A CN 114947941A
Authority
CN
China
Prior art keywords
ultrasonic image
current frame
lesion
focus position
focus
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
CN202210420359.9A
Other languages
English (en)
Inventor
不公告发明人
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.)
Wuxi Chudian Technology Co ltd
Original Assignee
Wuxi Chudian 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 Wuxi Chudian Technology Co ltd filed Critical Wuxi Chudian Technology Co ltd
Priority to CN202210420359.9A priority Critical patent/CN114947941A/zh
Publication of CN114947941A publication Critical patent/CN114947941A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5284—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving retrospective matching to a physiological signal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5292—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters
    • 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
    • G06T2207/10132—Ultrasound image

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本申请公开了一种病灶跟踪方法、装置和存储介质，涉及图像识别技术领域，所述方法包括：获取参考帧模板和当前帧模板；根据孪生网络、所述当前帧模板和所述参考帧模板，预测所述当前帧模板中的病灶位置和所述参考帧模板中的真实病灶位置的偏移；根据所述偏移以及所述当前帧模板中的病灶的先验病灶位置跟踪所述当前帧超声图像中的病灶的第一病灶位置。解决了现有技术中病灶识别的复杂度较高的问题，达到了可以降低病灶识别的复杂度提高识别精度的效果。

Description

病灶跟踪方法、装置和存储介质
技术领域
本发明涉及一种病灶跟踪方法、装置和存储介质，属于图像识别技术领域。
背景技术
超声检查已经成为一种重要的疾病诊断方法。现有方案中，通常会通过超声来扫查病患的病灶，进而判断病灶的良恶性。然而，由于人体组织会随着呼吸或者脉搏跳动而发生位移，因此，上述方案中需要实时对每一帧超声图像进行病灶识别，识别复杂度较高。
发明内容
本发明的目的在于提供一种病灶跟踪方法、装置和存储介质，用于解决现有技术中存在的问题。
为达到上述目的，本发明提供如下技术方案：
根据第一方面，本发明实施例提供了一种病灶跟踪方法，所述方法包括：
获取参考帧模板和当前帧模板；所述参考帧模板为已知真实病灶的中心坐标的帧所对应的模板，所述当前帧模板为当前帧超声图像根据目标历史帧超声图像确定得到的模板，所述目标历史帧超声图像为已知真实病灶位置的任意历史帧超声图像；
根据孪生网络、所述当前帧模板和所述参考帧模板，预测所述当前帧模板中的病灶位置和所述参考帧模板中的真实病灶位置的偏移；
根据所述偏移以及所述当前帧模板中的病灶的先验病灶位置跟踪所述当前帧超声图像中的病灶的第一病灶位置。
可选的，所述获取当前帧模板，包括：
从所述当前帧超声图像之前的历史帧超声图像中选择所述目标历史帧超声图像；
根据所述当前帧超声图像和所述目标历史帧超声图像确定所述当前帧模板；
获取所述目标历史帧超声中的病灶位置作为所述当前帧模板的所述先验病灶位置。
可选的，所述根据所述当前帧超声图像和所述目标历史帧超声图像确定所述当前帧模板，包括：
在所述当前帧超声图像中以所述目标历史帧超声图像中的病灶位置为中心，截取预设大小的超声图像；
将截取得到的超声图像确定为所述当前帧模板。
可选的，所述方法还包括：
获取所述当前帧超声图像之前的n帧超声图像中的历史病灶位置，n为正整数；
根据岭回归模型和获取到的所述历史病灶位置，预测所述当前帧超声图像中的病灶的第二病灶位置；
根据所述第一病灶位置和所述第二病灶位置跟踪所述当前帧超声图像中的病灶的预测病灶位置。
可选的，所述根据岭回归模型和获取到的所述历史病灶位置，预测所述当前帧超声图像中的病灶的第二病灶位置，包括：
根据第一岭回归模型以及获取到的所述历史病灶位置的横坐标，预测所述当前帧超声图像中的病灶的横坐标；
根据第二岭回归模型以及获取到的所述历史病灶位置的纵坐标，预测所述当前帧超声图像中的病灶的纵坐标。
可选的，所述根据所述第一病灶位置和所述第二病灶位置跟踪所述当前帧超声图像中的病灶的预测病灶位置，包括：
获取所述第一病灶位置和所述第二病灶位置之间的欧式距离；
若所述欧式距离大于预设阈值，则计算所述第一病灶位置和所述第二病灶位置的中心位置，将所述中心位置确定为所述当前帧超声图像中的病灶的预测病灶位置；
若所述欧式距离小于所述预设阈值，则将所述第一病灶位置确定为所述当前帧超声图像中的病灶的预测病灶位置。
可选的，所述根据所述第一病灶位置和所述第二病灶位置跟踪所述当前帧超声图像中的病灶的预测病灶位置之后，所述方法还包括：
对于目标帧超声图像，检测所述目标帧超声图像的病灶位置与所述目标帧超声图像之后的连续m帧超声图像的病灶位置的偏差，m为正整数；
若所述偏差均大于预设偏差，则将所述目标帧超声图像的病灶位置确定为所述目标帧超声图像之后的第m+1帧超声图像的病灶位置，并根据所述第m+1帧超声图像的病灶位置预测之后超声图像的病灶位置。
可选的，所述方法还包括：
在根据所述第m+1帧超声图像的病灶位置预测之后超声图像的病灶位置的过程中，停止执行所述获取所述当前帧超声图像之前的n帧超声图像中的历史病灶位置及岭回归预测的步骤。
第二方面，提供了一种病灶跟踪装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如第一方面所述的方法。
第三方面，提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如第一方面所述的方法。
通过获取参考帧模板和当前帧模板；根据孪生网络、所述当前帧模板和所述参考帧模板，预测所述当前帧模板中的病灶位置和所述参考帧模板中的真实病灶位置的偏移；根据所述偏移以及所述当前帧模板中的病灶的先验病灶位置跟踪所述当前帧超声图像中的病灶的第一病灶位置。解决了现有技术中病灶识别的复杂度较高的问题，达到了可以降低病灶识别的复杂度提高识别精度的效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明一个实施例提供的病灶跟踪方法的方法流程图；
图2为本发明一个实施例提供的本申请的工作原理的示意图。
具体实施方式
下面将结合附图对本发明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做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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
请参考图1，其示出了本申请一个实施例提供的病灶跟踪方法的方法流程图，如图1所示，所述方法包括：
步骤101，获取参考帧模板和当前帧模板；所述参考帧模板为已知真实病灶的中心坐标的帧所对应的模板，所述当前帧模板为当前帧超声图像根据目标历史帧超声图像确定得到的模板，所述目标历史帧超声图像为已知真实病灶位置的任意历史帧超声图像；
本申请所述的病灶可以为肝脏、肾脏、乳腺、甲状腺、胃等器官组织中的病灶，对此并不做限定。
其中，获取参考帧模板包括：以已知真实病灶的中心坐标为中心截取预设大小的图像作为参考帧模板。可选择，在截取图像时，可以截图正方形的图像，比如，截取61*61的图像。当然，实际实现时，还可以仅截取矩形的图像，后续通过图像修正得到正方形的图像，对此并不做限定。
所述获取当前帧模板，包括：
第一，从所述当前帧超声图像之前的历史帧超声图像中选择所述目标历史帧超声图像；
可选的，目标历史帧超声图像为历史已知病灶真实病灶位置的超声图像，通常情况下，仅有第一帧标注有真实病灶位置，后续均为预测的病灶位置，因此，此时，目标历史帧超声图像即为参考帧模板所对应的超声图像。当然，实际实现时，若历史有多帧超声图像标注有真实病灶位置，则目标历史帧超声图像还可以为除参考帧模板所对应的超声图像之外的其他超声图像，本实施例对此并不做限定。
第二，根据所述当前帧超声图像和所述目标历史帧超声图像确定所述当前帧模板；
本步骤包括：在所述当前帧超声图像中以所述目标历史帧超声图像中的病灶位置为中心，截取预设大小的超声图像；将截取得到的超声图像确定为所述当前帧模板。
可选的，与参考帧模板的获取方式类似，本步骤可以以目标历史帧超声图像中的病灶的中心坐标为中心截取预设大小的图像作为当前帧模板。
第三，获取所述目标历史帧超声中的病灶位置作为所述当前帧模板的所述先验病灶位置。
步骤102，根据孪生网络、所述当前帧模板和所述参考帧模板，预测所述当前帧模板中的病灶位置和所述参考帧模板中的真实病灶位置的偏移；
可选的，将当前帧模板和参考帧模板输入至孪生网络，得到经过孪生网络之后输出的当前帧模板对应的特征输出和参考帧模板对应的特征输出。可选的，将两个特征输出进行特征拼接，之后，经过两个全连接层即可预测得到位置的偏移。
其中，请参考图2，其示出了孪生网络的一种可能的网络结构示意图。
步骤103，根据所述偏移以及所述当前帧模板中的病灶的先验病灶位置跟踪所述当前帧超声图像中的病灶的第一病灶位置。
在预测得到偏移之后，即可将预测得到的偏移加上先验病灶位置，即可校正得到当前帧超声图像中的病灶的位置。
可选的，病灶位置可以通过横坐标和纵坐标的方式进行表示，因此，本步骤可以通过坐标相加的方式来校正得到第一病灶位置。
综上所述，通过获取参考帧模板和当前帧模板；根据孪生网络、所述当前帧模板和所述参考帧模板，预测所述当前帧模板中的病灶位置和真实病灶位置的偏移；根据所述偏移以及所述当前帧模板中的病灶的先验病灶位置跟踪所述当前帧超声图像中的病灶的第一病灶位置。解决了现有技术中病灶识别的复杂度较高的问题，达到了可以降低病灶识别的复杂度提高识别精度的效果。
可选的，上述方法还可以包括：
第一，获取所述当前帧超声图像之前的n帧超声图像中的历史病灶位置，n为正整数；
实际实现时，n的数值可以根据经验值来确定，比如，n可以为5，又比如，n可以为10，本实施例对其具体数值并不做限定。
也即，在本步骤中，可以获取得到n个历史病灶位置。
第二，根据岭回归模型和获取到的所述历史病灶位置，预测所述当前帧超声图像中的病灶的第二病灶位置；
将n个历史病灶位置输入至岭回归模型，即可预测得到第二病灶位置，也即岭回归模型在第n+1帧时启动。
可选的，本步骤包括：
(1)、根据第一岭回归模型以及获取到的所述历史病灶位置的横坐标，预测所述当前帧超声图像中的病灶的横坐标；
也即将获取到的n个历史病灶位置的横坐标输入至第一岭回归模型，第一岭回归模型输出预测得到的病灶的横坐标。
(2)、根据第二岭回归模型以及获取到的所述历史病灶位置的纵坐标，预测所述当前帧超声图像中的病灶的纵坐标。
也即，在本步骤中通过第一岭回归模型预测横坐标，通过第二岭回归模型预测纵坐标。
第三，根据所述第一病灶位置和所述第二病灶位置跟踪所述当前帧超声图像中的病灶的真实病灶位置。
本步骤包括：
(1)、获取所述第一病灶位置和所述第二病灶位置之间的欧式距离；
实际实现时，可以根据第一病灶位置的横坐标和纵坐标以及第二病灶位置的横坐标和纵坐标计算欧式距离。
(2)、若所述欧式距离大于预设阈值，则计算所述第一病灶位置和所述第二病灶位置的中心位置，将所述中心位置确定为所述当前帧超声图像中的病灶的预测病灶位置；
可选的，若计算得到的欧式距离大于预设阈值，则将第一病灶位置和第二病灶位置的中心位置确定为当前帧超声图像的预测病灶位置。
其中，预设阈值可以为系统默认的数值，也可以为自定义的数值，本实施例对此并不做限定。比如，预设阈值为默认的2像素、5像素等等。可选的，预设阈值的具体取值可以根据所需的精度确定。
(3)、若所述欧式距离小于所述预设阈值，则将所述第一病灶位置确定为所述当前帧超声图像中的病灶的预测病灶位置。
通过引入岭回归模型来校正病灶位置，避免了孪生网络预测出的病灶中心坐标从一个病灶突然跳到另一个病灶，从而导致所有后续预测的病灶中心坐标全部为错误坐标的问题。
可选的，在上述实施例的在一种实施例中，所述根据所述第一病灶位置和所述第二病灶位置跟踪所述当前帧超声图像中的病灶的预测病灶位置之后，所述方法还包括：
第一，对于目标帧超声图像，检测所述目标帧超声图像的病灶位置与所述目标帧超声图像之后的连续m帧超声图像的病灶位置的偏差，m为正整数；
可选的，为了提升准确度，m通常为大于特定阈值的整数，比如，m为50、70或者100。
第二，若所述偏差均大于预设偏差，则将所述目标帧超声图像的病灶位置确定为所述目标帧超声图像之后的第m+1帧超声图像的病灶位置，并根据所述第m+1帧超声图像的病灶位置预测之后超声图像的病灶位置。
若连续m帧的偏差均大于预设偏差，则此时说明可能从一个病灶跳转至另一个病灶，此时，为了提高病灶位置跟踪的准确度，将所述目标帧超声图像的病灶位置确定为所述目标帧超声图像之后的第m+1帧超声图像的病灶位置，并根据所述第m+1帧超声图像的病灶位置预测之后超声图像的病灶位置。
并且，实际实现时，在根据所述第m+1帧超声图像的病灶位置预测之后超声图像的病灶位置的过程中，停止根据岭回归模型的计算，而仅使用后续预测得到的第一病灶位置作为跟踪得到的病灶的位置。
本申请还提供了一种病灶跟踪装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如上所述的方法。
本申请还提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如上所述的方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种病灶跟踪方法，其特征在于，所述方法包括：
获取参考帧模板和当前帧模板；所述参考帧模板为已知真实病灶的中心坐标的帧所对应的模板，所述当前帧模板为当前帧超声图像根据目标历史帧超声图像确定得到的模板，所述目标历史帧超声图像为已知真实病灶位置的任意历史帧超声图像；
根据孪生网络、所述当前帧模板和所述参考帧模板，预测所述当前帧模板中的病灶位置和所述参考帧模板中的真实病灶位置的偏移；
根据所述偏移以及所述当前帧模板中的病灶的先验病灶位置跟踪所述当前帧超声图像中的病灶的第一病灶位置。
2.根据权利要求1所述的方法，其特征在于，所述获取当前帧模板，包括：
从所述当前帧超声图像之前的历史帧超声图像中选择所述目标历史帧超声图像；
根据所述当前帧超声图像和所述目标历史帧超声图像确定所述当前帧模板；
获取所述目标历史帧超声中的病灶位置作为所述当前帧模板的所述先验病灶位置。
3.根据权利要求2所述的方法，其特征在于，所述根据所述当前帧超声图像和所述目标历史帧超声图像确定所述当前帧模板，包括：
在所述当前帧超声图像中以所述目标历史帧超声图像中的病灶位置为中心，截取预设大小的超声图像；
将截取得到的超声图像确定为所述当前帧模板。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述当前帧超声图像之前的n帧超声图像中的历史病灶位置，n为正整数；
根据岭回归模型和获取到的所述历史病灶位置，预测所述当前帧超声图像中的病灶的第二病灶位置；
根据所述第一病灶位置和所述第二病灶位置跟踪所述当前帧超声图像中的病灶的预测病灶位置。
5.根据权利要求4所述的方法，其特征在于，所述根据岭回归模型和获取到的所述历史病灶位置，预测所述当前帧超声图像中的病灶的第二病灶位置，包括：
根据第一岭回归模型以及获取到的所述历史病灶位置的横坐标，预测所述当前帧超声图像中的病灶的横坐标；
根据第二岭回归模型以及获取到的所述历史病灶位置的纵坐标，预测所述当前帧超声图像中的病灶的纵坐标。
6.根据权利要求4所述的方法，其特征在于，所述根据所述第一病灶位置和所述第二病灶位置跟踪所述当前帧超声图像中的病灶的预测病灶位置，包括：
获取所述第一病灶位置和所述第二病灶位置之间的欧式距离；
若所述欧式距离大于预设阈值，则计算所述第一病灶位置和所述第二病灶位置的中心位置，将所述中心位置确定为所述当前帧超声图像中的病灶的预测病灶位置；
若所述欧式距离小于所述预设阈值，则将所述第一病灶位置确定为所述当前帧超声图像中的病灶的预测病灶位置。
7.根据权利要求4所述的方法，其特征在于，所述根据所述第一病灶位置和所述第二病灶位置跟踪所述当前帧超声图像中的病灶的预测病灶位置之后，所述方法还包括：
对于目标帧超声图像，检测所述目标帧超声图像的病灶位置与所述目标帧超声图像之后的连续m帧超声图像的病灶位置的偏差，m为正整数；
若所述偏差均大于预设偏差，则将所述目标帧超声图像的病灶位置确定为所述目标帧超声图像之后的第m+1帧超声图像的病灶位置，并根据所述第m+1帧超声图像的病灶位置预测之后超声图像的病灶位置。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
在根据所述第m+1帧超声图像的病灶位置预测之后超声图像的病灶位置的过程中，停止执行所述获取所述当前帧超声图像之前的n帧超声图像中的历史病灶位置及岭回归预测的步骤。
9.一种病灶跟踪装置，其特征在于，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求1至8任一所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如权利要求1至8任一所述的方法。
CN202210420359.9A 2022-04-21 2022-04-21 病灶跟踪方法、装置和存储介质 Pending CN114947941A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210420359.9A CN114947941A (zh) 2022-04-21 2022-04-21 病灶跟踪方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210420359.9A CN114947941A (zh) 2022-04-21 2022-04-21 病灶跟踪方法、装置和存储介质

Publications (1)

Publication Number Publication Date
CN114947941A true CN114947941A (zh) 2022-08-30

Family

ID=82977161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210420359.9A Pending CN114947941A (zh) 2022-04-21 2022-04-21 病灶跟踪方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN114947941A (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
US20220180521A1 (en) Image processing method and apparatus, and electronic device, storage medium and computer program
EP3246871A1 (en) Image splicing
US20220366562A1 (en) Medical image analysis apparatus and method, and medical image visualization apparatus and method
US20120078102A1 (en) 3-dimensional (3d) ultrasound system using image filtering and method for operating 3d ultrasound system
CN110599465B (zh) 图像定位方法、装置、计算机设备和存储介质
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
CN105303550A (zh) 图像处理装置及图像处理方法
CN114947941A (zh) 病灶跟踪方法、装置和存储介质
CN111128345A (zh) 医学图像的获取方法、医学扫描设备和计算机存储介质
CN113344926B (zh) 胆胰超声图像识别方法、装置、服务器及存储介质
CN113362345B (zh) 图像分割方法、装置、计算机设备和存储介质
US20240078647A1 (en) Method and system for geometric correction based on image tracking
CN109993743B (zh) 血管图像处理方法、装置、设备及存储介质
CN112950577A (zh) 图像处理方法、装置、电子设备和存储介质
US20240099692A1 (en) Guided acquisition of a 3d representation of an anatomical structure
JP4967967B2 (ja) 画像診断支援装置及びプログラム
JP2019118694A (ja) 医用画像生成装置
US10299864B1 (en) Co-localization of multiple internal organs based on images obtained during surgery
CN113344920B (zh) 一种纠正医学影像摆位的方法和装置
CN112807005B (zh) 计算机断层扫描方法、设备和系统
EP4094695A1 (en) Ultrasound imaging system
CN110353707A (zh) 准直器边界检测方法的训练方法和系统
CN117770978B (zh) 手术切口位置点确定方法、系统、介质及电子设备
CN118379228A (zh) 扫描矫正方法、装置、设备和存储介质
CN110265103B (zh) 数据输出方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication