CN116364229A - 宫颈癌前病变锥切标本的智能可视化病理报告系统 - Google Patents
宫颈癌前病变锥切标本的智能可视化病理报告系统 Download PDFInfo
- Publication number
- CN116364229A CN116364229A CN202310429953.9A CN202310429953A CN116364229A CN 116364229 A CN116364229 A CN 116364229A CN 202310429953 A CN202310429953 A CN 202310429953A CN 116364229 A CN116364229 A CN 116364229A
- Authority
- CN
- China
- Prior art keywords
- image
- lesion
- information
- digital image
- module
- 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
- 230000003902 lesion Effects 0.000 title claims abstract description 160
- 206010008342 Cervix carcinoma Diseases 0.000 title claims abstract description 53
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 title claims abstract description 53
- 201000010881 cervical cancer Diseases 0.000 title claims abstract description 53
- 230000000007 visual effect Effects 0.000 title claims abstract description 47
- 230000001575 pathological effect Effects 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000006243 chemical reaction Methods 0.000 claims description 49
- 230000007170 pathology Effects 0.000 claims description 37
- 238000002372 labelling Methods 0.000 claims description 36
- 238000001914 filtration Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- 238000000338 in vitro Methods 0.000 claims description 8
- 238000010008 shearing Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000037303 wrinkles Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 14
- 238000011282 treatment Methods 0.000 abstract description 13
- 238000011002 quantification Methods 0.000 abstract description 5
- 238000012800 visualization Methods 0.000 abstract description 5
- 239000003086 colorant Substances 0.000 abstract description 3
- 230000036285 pathological change Effects 0.000 description 17
- 231100000915 pathological change Toxicity 0.000 description 17
- 238000012216 screening Methods 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 10
- 210000004027 cell Anatomy 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000002980 postoperative effect Effects 0.000 description 7
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 210000003679 cervix uteri Anatomy 0.000 description 5
- 206010033128 Ovarian cancer Diseases 0.000 description 4
- 206010061535 Ovarian neoplasm Diseases 0.000 description 4
- 230000002611 ovarian Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 208000009956 adenocarcinoma Diseases 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000002621 cervical conization Methods 0.000 description 2
- 238000002573 colposcopy Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 210000004907 gland Anatomy 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001313288 Labia Species 0.000 description 1
- 208000009608 Papillomavirus Infections Diseases 0.000 description 1
- 201000008395 adenosquamous carcinoma Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 208000021145 human papilloma virus infection Diseases 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012335 pathological evaluation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 206010041823 squamous cell carcinoma Diseases 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
Images
Classifications
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种宫颈癌前病变锥切标本的智能可视化病理报告系统,系统包括:病理切片数字扫描模块、可视化图像处理模块及智能终端展示模块;将镜下图像转换为数字图像,便于对病变部位的标注,以数字图像的像素为坐标实现病变部位的精准标注,能够让医生直观的观察病变部位,缩短诊断时间;同时提升智能终端展示的效率和效率,数字图像带有色彩,能够有效提升图像的清晰度和完整性;实现了宫颈癌前病变病变范围及部位的可视化及精准量化,准确的实现了病变部位的精准显示;智能终端展示模块展示病变部位的数据信息,让医生可以直观的通过智能终端的界面获取病变程度范围等数据信息,便于进行个性化诊疗干预和风险预判。
Description
技术领域
本发明涉及数字图像处理技术领域,特别涉及一种宫颈癌前病变锥切标本的智能可视化病理报告系统。
背景技术
宫颈癌是指发生在子宫颈的恶性肿瘤,常见的有鳞癌、腺癌和腺鳞癌,绝大部分的宫颈癌都是由人乳头瘤病毒感染所引起的。早期宫颈癌无特殊症状,只能通过筛查发现,定期做宫颈癌筛查可有效杜绝宫颈癌。宫颈癌预防筛查体系的不断完善使其发病率显著下降,随之而来的是大量工作前移到癌前阶段的诊治,日常工作中每天都有很多因癌前病变进行宫颈保守手术治疗-即锥形切除手术标本(LEEP环形电切)需要进行病理评价。当前存在问题:对于癌前病变评价比较粗糙,缺乏量化数据,无法体现病变具体范围及分布特点,更谈不上与术前阴道镜图像的比较。因为这些病灶经常多点分布、在同一点上也可分散多灶分布;当累及腺体时,描述性病理报告也不能反映出累及腺体的程度。对于原位腺癌,存在更多担心,因为原位腺癌可以跳跃分布,且阴道镜无法识别,故术后残留的问题严重,因此临床医生对量化数据的要求更迫切。对于伴有早期浸润的病变,当前做法是通常选择浸润最重处进行镜下测量。测量是显微镜的“软肋”,镜下测量对于病理医生来说是“枯燥累人”的工作,需要观察计数测微尺的小格数目,再按照公式算出具体毫米数,测量数值不同医生也很难完全一致。当前描述性病理报告已经无法满足精准治疗,最大限度的保护宫颈机能及个体化治疗的临床需求。另一方面病理报告应在规定时间内发出,而宫颈锥切标本的病变类似,数量又多,因此病理医生需要在相应时间单元对同种病变进行反复重复性观察,无疑造成病理医生疲劳。
标准化的宫颈癌筛查方法有两个检查项目:第一,TCT检查,也就是超薄细胞检测。从宫颈附近取出一些细胞,然后通过细胞学检查,看看这个细胞的血液里有没有一些特殊的肿瘤细胞;第二,HPV的检测;随着宫颈癌筛查体系的逐步完善,使得癌前病变的诊治的工作量变得繁重,在癌前病变保守治疗中需要宫颈锥形切除标本,但是仅能描述性病理报告,对于病变范围及分布特点均无法获得详细准确的数据信息,更无法实现与术前阴道镜图像的比对,不能了解术前和术后病变的进展,在很大程度上也阻碍了宫颈癌前病变的精准治疗。
现有技术一,申请号:CN201911003032.6公开了宫颈癌精准筛查系统,包括数码电子阴道镜、扩张器、智能终端及宫颈疾病管理平台,数码电子阴道镜可固定设置于扩张器后端,用于对宫颈进行观察,并将观察到的宫颈图像通过网络传输给智能终端;智能终端安装有阴道镜检查APP,用于接收和显示数码电子阴道镜观察到的宫颈图像,并指导在可视化条件下进行宫颈的精准取样,宫颈图像进一步上传至宫颈疾病管理平台;宫颈疾病管理平台包含宫颈疾病云数据库,用于医学专家远程共享筛查的宫颈图像。虽然显著提高了宫颈癌精准筛查的准确性,同时实现了对女性宫颈疾病从筛查、诊断、随访的全面管理,但是缺少对病变位置的标注及识别,没有对病变部位的图像进行处理,影响了宫颈癌病变程度判断的准确性。
现有技术二,申请号:CN202111483512.4公开了基于可视化技术的卵巢、宫颈癌细胞术后康复监测设备,包括信息采集模块、病理分析模块、病因分析模块与信息存储模块,信息采集模块包括信息监测器、信息采集单元、信息整合单元与信息传输单元,信息采集单元用于采集信息监测器对卵巢、宫颈癌细胞监测出的频谱数据信息,信息传输单元用于将经信息整合单元整合处理后的频谱数据信息传输至病理分析模块,虽然实现准确监测卵巢、宫颈癌细胞术后康复状态,可视化分析出对应病理、病情趋势与病因信息,保证卵巢、宫颈癌细胞术后康复状态监测效果,有利于医疗人员及时作出医护应对措施,但是没有对病变的图像作出直接的处理,不便于医生作出诊断。
现有技术三,申请号:CN202210285329.1公开了基于卷积神经网络和病理切片图像的宫颈癌计算机辅助诊断方法,包括以下步骤:采集数据;显示目标图像、其存储位置和文件名;目标图像自动诊断功能;关于该系统的描述信息;基基于Matlab2020b设计应用程序界面,将所有功能进行封装,完成功能的测试;打包成应用程序分布文件;软件测试,在10倍目显微镜下用户采集的任意大小宫颈癌图像文件传至软件中,测试软件性能;虽然提高了诊断的准确率,但是没有对术前和术后的图像进行比对,导致无法直观的了解病变数据的变化。
目前现有技术一、现有技术二和现有技术三存在仅能描述性病理报告,对于病变范围及分布特点均无法获得详细准确的数据信息,更无法实现与术前阴道镜图像的比对,不能了解术前和术后病变数据的进展的问题,因而,本发明提供宫颈癌前病变锥切标本的智能可视化病理报告系统,能够通过智能终端直观的获取病变程度范围的数据信息,了解到数据信息的变化。
发明内容
为了解决上述技术问题,本发明提供了一种宫颈癌前病变锥切标本的智能可视化病理报告系统,包括:
病理切片数字扫描模块,负责扫描离体锥切标本病理切片,获取显微镜光学镜下图像,并将镜下图像转换为数字图像;
可视化图像处理模块,负责对数字图像进行分析及标注,并对病变部位进行识别,并病变部位的二维及三维图像重建;
智能终端展示模块,负责接收可视化图像处理模块重建的二维及三维图像,展示病变部位的数据信息,生成图文病理报告。
可选的,病理切片数字扫描模块,包含:
镜下图像获取子模块,负责通过照相设备,获取显微镜下光学的离体锥切标本病理切片的图像;
图像转换子模块,负责将镜下图像获取子模块的图像转换为数字图像;
绝对地址计算子模块,负责按照数字图像的显示顺序对像素点进行坐标变换,获取数字图像中每个像素点对应在图像中的绝对地址;
灰度值计算子模块,负责对绝对地址进行插补运算,计算出显示的数字图像中每个像素点的灰度值,得到带有灰度值的数字图像。
可选的,图像转换子模块,包含:
图像接收单元,负责接收镜下图像获取子模块的图像,并对图像进行增强和去噪,得到处理后的图像;
图像处理单元,负责将处理后的图像转换为数字图像,输入至图像滤波单元并进行滤波;
图像滤波单元,负责以各数字图像的像素点的横坐标为单位,将每个横坐标的像素点依次通过通道,通道的数量为滤波器的数量,再将每个横坐标的像素点的数字图像导入绝对地址计算子模块,按照数字图像的显示顺序对像素点进行坐标变换。
可选的,可视化图像处理模块,包含:
指令获取子模块,负责接收智能终端的标注指令,标注指令为对带有灰度值的数字图像进行标注,并获取智能终端预设的标注信息;
信息确定子模块,负责对数字图像的属性及标注信息进行解析,并根据解析的结果确定数字图像对应的标准信息;
信息标注子模块,负责根据标准信息,在数字图像的指定位置进行标注,输出标注的数字图像;
病变识别子模块,负责对带有标注的数字图像进行识别,得到带有病变信息的数字图像;
图像重建子模块,负责生成带有病变信息的数字图像的二维图像,再根据二维图像生成三维图像,并在三维空间中可视化展示。
可选的,标注信息包含部位名称及数字图像信息;标准信息包含:对比度、尺寸及分辨率。
可选的,病变信息包含病变范围大小及距各切缘距离信息。
可选的,信息标注子模块,包括:
图像信息获取单元,负责获取数字图像及标准信息,并对数字图像中的子宫颈唇和宫颈管部位的中心位置进行粗定位,粗定位的坐标为数字图像中的像素点坐标;
图像剪切处理单元,负责以粗定位的像素点坐标为中心,剪切出子宫颈唇和宫颈管部位的中间图像;
部位轮廓提取单元,负责求出中间图像的外形的外侧轮廓线及位于外侧轮廓线的内部的内侧轮廓线,并求出中间图像的褶皱的形状;
图像标注执行单元,负责将中间图像及褶皱进行标注,标注的内容包含:像素点坐标及尺寸。
可选的,病变识别子模块,包括:
原始特征获取单元,负责获取带有标注的数字图像,进行异构图像结构处理,得到目标异构数字图像,将目标异构数字图像中的多个图像节点作为原始特征;
图像节点识别单元,负责从原始特征中调取第一图像节点,形成第一图像节点特征集,带入宫颈癌病变识别模型进行识别,再识别第二图像节点,直至识别完全部的图像节点;
病变信息嵌入单元,负责汇总图像节点识别单元的结果,并将病变范围大小及距各切缘距离等信息嵌入标注中,得到带有病变信息的数字图像。
可选的,图像重建子模块,包括:
图像坐标系转换单元,负责获取带有病变信息的数字图像的图像坐标系,将图像坐标系转换为二维图像的平面直角坐标系,得到带有病变信息的数字图像的二维图像;
二维图像转换确定单元,负责确定出子宫颈唇和宫颈管部位的中间图像、中间图像的外形的外侧轮廓线、位于外侧轮廓线的内部的内侧轮廓线、中间图像的褶皱、病变范围大小及距各切缘距离等信息;
三维图像转换单元,负责将二维图像转换确定单元确定的内容利用对应的子转换模型,进行转换,得到三维图像;子宫颈唇和宫颈管部位的中间图像采用第一转换模型,中间图像的外形的外侧轮廓线采用第二转换模型,位于外侧轮廓线的内部的内侧轮廓线采用第三转换模型,中间图像的褶皱采用第四转换模型,病变范围大小及距各切缘距离等信息采用第五转换模型。
可选的,智能终端展示模块,包括:
数据信息展示子模块,负责接收可视化图像处理模块重建的二维图像及三维图像,展示病变部位的数据信息;
辅助功能设置子模块,负责对展示病变部位的数据信息、二维图像及三维图像进行浏览、放大或缩小;
病理报告生成子模块,负责根据病变部位的数据信息生成病理报告,病理报告中带有二维图像、三维图像及病变部位的数据信息。
本发明的病理切片数字扫描模块负责扫描离体锥切标本病理切片,获取显微镜光学镜下图像,并将镜下图像转换为数字图像;可视化图像处理模块负责对数字图像进行分析及标注,并对病变部位进行识别,并病变部位的二维及三维图像重建;智能终端展示模块负责接收可视化图像处理模块重建的二维及三维图像,展示病变部位的数据信息,生成图文病理报告;上述方案通过病理切片数字扫描模块将镜下图像转换为数字图像,便于对病变部位的标注,以数字图像的像素为坐标实现病变部位的精准标注,能够让医生直观的观察病变部位,缩短诊断时间;同时提升智能终端展示的效率和效率,数字图像带有色彩,能够有效提升图像的清晰度和完整性;可视化图像处理模块负责对数字图像进行分析,实现了宫颈癌前病变病变范围及部位的可视化及精准量化,准确的实现了病变部位的精准显示;智能终端展示模块展示病变部位的数据信息,让医生可以直观的通过智能终端的界面获取病变程度范围等数据信息,便于进行个性化诊疗干预和风险预判;
本实施例在病理切片扫描图像数字化基础上,采用图像标注识别、图像拼接融合形成宫颈癌前病变锥切标本的可视化病理报告及数据采集系统,高质高效的实现锥切标本的病变可视化及量化;本实施例技术方案的完成和实施将有力的推动宫颈癌前病变及早癌的规范化与量化评估,为宫颈病变的精准治疗与风险预判提供重要的参考指标;通过本系统智能化辅助初筛,对宫颈癌前病变进行自动识别标注,病理医生仅需进行核对确认,从重复性劳动中解放出来。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例1中宫颈癌前病变锥切标本的智能可视化病理报告系统框图;
图2为本发明实施例2中病理切片数字扫描模块框图;
图3为本发明实施例3中图像转换子模块框图;
图4为本发明实施例4中可视化图像处理模块框图;
图5为本发明实施例5中信息标注子模块框图;
图6为本发明实施例6中病变识别子模块框图;
图7为本发明实施例7中图像重建子模块框图;
图8为本发明实施例8中智能终端展示模块框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
实施例1:如图1所示,本发明实施例提供了一种宫颈癌前病变锥切标本的智能可视化病理报告系统,包括:
病理切片数字扫描模块,负责扫描离体锥切标本病理切片,获取显微镜光学镜下图像,并将镜下图像转换为数字图像;
可视化图像处理模块,负责对数字图像进行分析及标注,并对病变部位进行识别,并病变部位的二维及三维图像重建;
智能终端展示模块,负责接收可视化图像处理模块重建的二维及三维图像,展示病变部位的数据信息,生成图文病理报告;
上述技术方案的工作原理和有益效果为:本实施例的病理切片数字扫描模块负责扫描离体锥切标本病理切片,获取显微镜光学镜下图像,并将镜下图像转换为数字图像;可视化图像处理模块负责对数字图像进行分析及标注,并对病变部位进行识别,并病变部位的二维及三维图像重建;智能终端展示模块负责接收可视化图像处理模块重建的二维及三维图像,展示病变部位的数据信息,生成图文病理报告;上述方案通过病理切片数字扫描模块将镜下图像转换为数字图像,便于对病变部位的标注,以数字图像的像素为坐标实现病变部位的精准标注,能够让医生直观的观察病变部位,缩短诊断时间;同时提升智能终端展示的效率和效率,数字图像带有色彩,能够有效提升图像的清晰度和完整性;可视化图像处理模块负责对数字图像进行分析,实现了宫颈癌前病变病变范围及部位的可视化及精准量化,准确的实现了病变部位的精准显示;智能终端展示模块展示病变部位的数据信息,让医生可以直观的通过智能终端的界面获取病变程度范围等数据信息,便于进行个性化诊疗干预和风险预判;
本实施例在病理切片扫描图像数字化基础上,采用图像标注识别、图像拼接融合形成宫颈癌前病变锥切标本的可视化病理报告及数据采集系统,高质高效的实现锥切标本的病变可视化及量化;本实施例技术方案的完成和实施将有力的推动宫颈癌前病变及早癌的规范化与量化评估,为宫颈病变的精准治疗与风险预判提供重要的参考指标;通过本系统智能化辅助初筛,对宫颈癌前病变进行自动识别标注,病理医生仅需进行核对确认,从重复性劳动中解放出来。
实施例2:如图2所示,在实施例1的基础上,本发明实施例提供的病理切片数字扫描模块,包含:
镜下图像获取子模块,负责通过照相设备,获取显微镜下光学的离体锥切标本病理切片的图像;离体锥切标本病理切片通过利谱刀手术取材的所有1-12点切片(将宫颈比作钟表表盘)的组织图像;
图像转换子模块,负责将镜下图像获取子模块的图像转换为数字图像;
绝对地址计算子模块,负责按照数字图像的显示顺序对像素点进行坐标变换,获取数字图像中每个像素点对应在图像中的绝对地址;
灰度值计算子模块,负责对绝对地址进行插补运算,计算出显示的数字图像中每个像素点的灰度值,得到带有灰度值的数字图像;
上述技术方案的工作原理和有益效果为:本实施例的镜下图像获取子模块通过照相设备,获取显微镜下光学的离体锥切标本病理切片的图像;图像转换子模块将镜下图像获取子模块的图像转换为数字图像;绝对地址计算子模块按照数字图像的显示顺序对像素点进行坐标变换,获取数字图像中每个像素点对应在图像中的绝对地址;灰度值计算子模块对绝对地址进行插补运算,计算出显示的数字图像中每个像素点的灰度值,得到带有灰度值的数字图像;上述方案通过将图像转换为数字图像,并将数字图像的各个像素点进行了坐标的标注,为后续的病变部位的是被奠定了基础,提高了病变部位识别的准确性;同时计算出显示的数字图像中每个像素点的灰度值,得到带有灰度值的数字图像,实现了对数字图像的处理预处理,能够有效识别数字图像的中的病变部位,提高识别的精度,为术前和术后的病变部位的变化,提供了准确的参考依据。
实施例3:如图3所示,在实施例2的基础上,本发明实施例提供的图像转换子模块,包含:
图像接收单元,负责接收镜下图像获取子模块的图像,并对图像进行增强和去噪,得到处理后的图像;
图像处理单元,负责将处理后的图像转换为数字图像,输入至图像滤波单元并进行滤波;
图像滤波单元,负责以各数字图像的像素点的横坐标为单位,将每个横坐标的像素点依次通过通道,通道的数量为滤波器的数量,再将每个横坐标的像素点的数字图像导入绝对地址计算子模块,按照数字图像的显示顺序对像素点进行坐标变换;
滤波器的传递函数的表达式为:
其中,Hm(k)表示滤波器的传递函数,m表示滤波器的排序数值序号,k表示数字图像,f(m)表示滤波器m的中心频率,f(m-1)表示滤波器m-1的中心频率,W表示滤波器的总数量,fh表示W个滤波器中的最高频率,fl表示W个滤波器中的最低频率,N表示快速傅里叶变换的点数,FMel表示滤波器的频率标度;
上述技术方案的工作原理和有益效果为:本实施例的图像接收单元接收镜下图像获取子模块的图像,并对图像进行增强和去噪,得到处理后的图像;图像处理单元将处理后的图像转换为数字图像,输入至图像滤波单元并进行滤波;图像滤波单元以各数字图像的像素点的横坐标为单位,将每个横坐标的像素点依次通过通道,通道的数量为滤波器的数量,再将每个横坐标的像素点的数字图像导入绝对地址计算子模块,按照数字图像的显示顺序对像素点进行坐标变换;上述方案通过对图像进行增加和去噪,提高了图像的主权虐行,同时为数字图像的转换提供了稳定且可靠的原始图像;以像素点的横坐标为单位设置滤波器的数量,实现了数字图像的高效滤波,保证了数字图像的精度,同时为坐标变换提供了完整的像素点,有效提升病理报告的准确性。
实施例4:如图4所示,在实施例1的基础上,本发明实施例提供的可视化图像处理模块,包含:
指令获取子模块,负责接收智能终端的标注指令,标注指令为对带有灰度值的数字图像进行标注,并获取智能终端预设的标注信息,标注信息包含部位名称及数字图像信息;
信息确定子模块,负责对数字图像的属性及标注信息进行解析,并根据解析的结果确定数字图像对应的标准信息,标准信息包含:对比度、尺寸及分辨率等;
信息标注子模块,负责根据标准信息,在数字图像的指定位置进行标注,输出标注的数字图像;
病变识别子模块,负责对带有标注的数字图像进行识别,得到带有病变信息的数字图像;病变信息包含病变范围大小及距各切缘距离等信息;
图像重建子模块,负责生成带有病变信息的数字图像的二维图像,再根据二维图像生成三维图像,并在三维空间中可视化展示;
上述技术方案的工作原理和有益效果为:本实施例的指令获取子模块接收智能终端的标注指令,标注指令为对带有灰度值的数字图像进行标注,并获取智能终端预设的标注信息,标注信息包含部位名称及数字图像信息;信息确定子模块对数字图像的属性及标注信息进行解析,并根据解析的结果确定数字图像对应的标准信息;信息标注子模块根据标准信息,在数字图像的指定位置进行标注,输出标注的数字图像;病变识别子模块对带有标注的数字图像进行识别,得到带有病变信息的数字图像;病变信息包含病变范围大小及距各切缘距离等信息;图像重建子模块生成带有病变信息的数字图像的二维图像,再根据二维图像生成三维图像,并在三维空间中可视化展示;上述方案通过对数字图像进行标注,实现了对数字图像的信息的标注,初步的实现了部位名称和数字图像信息的标注,节省了病变识别的时间,有效提升对数字图像的处理效率;通过进行解析,得到了数字图像的标准信息,提高了标注的效率和精度,省去了数字图像的处理步骤;通过对病变部位的自动识别,提高了病变识别的效率,也实现了病变部位的标注;通过生成三维图像,提升了病变部位的可视化展示效果,便于医生及时了解病情进展,及时的作出诊断和治疗方案。
实施例5:如图5所示,在实施例4的基础上,本发明实施例提供的信息标注子模块,包括:
图像信息获取单元,负责获取数字图像及标准信息,并对数字图像中的子宫颈唇和宫颈管部位的中心位置进行粗定位,粗定位的坐标为数字图像中的像素点坐标;
图像剪切处理单元,负责以粗定位的像素点坐标为中心,剪切出子宫颈唇和宫颈管部位的中间图像;
部位轮廓提取单元,负责求出中间图像的外形的外侧轮廓线及位于外侧轮廓线的内部的内侧轮廓线,并求出中间图像的褶皱的形状;
图像标注执行单元,负责将中间图像及褶皱进行标注,标注的内容包含:像素点坐标及尺寸;
上述技术方案的工作原理和有益效果为:本实施例的图像信息获取单元负责获取数字图像及标准信息,并对数字图像中的子宫颈唇和宫颈管部位的中心位置进行粗定位,粗定位的坐标为数字图像中的像素点坐标;图像剪切处理单元负责以粗定位的像素点坐标为中心,剪切出子宫颈唇和宫颈管部位的中间图像;部位轮廓提取单元负责求出中间图像的外形的外侧轮廓线及位于外侧轮廓线的内部的内侧轮廓线,并求出中间图像的褶皱的形状;图像标注执行单元负责将中间图像及褶皱进行标注,标注的内容包含:像素点坐标及尺寸;上述方案对数字图像中进行了粗定位,对易发生宫颈癌的子宫颈唇和宫颈管部位进行定位,再进行宫颈癌的识别,缩短了筛查的时间,提升了宫颈癌的确诊效率;同时对外侧轮廓线及位于外侧轮廓线、内部的内侧轮廓线及中间图像的褶皱均进行了计算,保证了重点部位筛查及标注的完整性,能够有效提高宫颈癌筛查的准确率;为病变部位进行识别,提高了精度和效率。
实施例6:如图6所示,在实施例4的基础上,本发明实施例提供的病变识别子模块,包括:
原始特征获取单元,负责获取带有标注的数字图像,进行异构图像结构处理,得到目标异构数字图像,将目标异构数字图像中的多个图像节点作为原始特征;
图像节点识别单元,负责从原始特征中调取第一图像节点,形成第一图像节点特征集,带入宫颈癌病变识别模型进行识别,再识别第二图像节点,直至识别完全部的图像节点;
病变信息嵌入单元,负责汇总图像节点识别单元的结果,并将病变范围大小及距各切缘距离等信息嵌入标注中,得到带有病变信息的数字图像;
上述技术方案的工作原理和有益效果为:本实施例的原始特征获取单元获取带有标注的数字图像,进行异构图像结构处理,得到目标异构数字图像,将目标异构数字图像中的多个图像节点作为原始特征;图像节点识别单元从原始特征中调取第一图像节点,形成第一图像节点特征集,带入宫颈癌病变识别模型进行识别,再识别第二图像节点,直至识别完全部的图像节点;病变信息嵌入单元汇总图像节点识别单元的结果,并将病变范围大小及距各切缘距离等信息嵌入标注中,得到带有病变信息的数字图像;上述方案提供了宫颈癌病变部位识别的方法,通过对多个图像节点进行逐一识别,有效提高了宫颈癌病变识别的准确率,将病变范围大小及距各切缘距离等病变信息,嵌入到数字图像中,让医生能够快速的作出诊断,提高效率,节省了观察数字图像的时间,直观的获取宫颈癌病变部位的关键信息。
实施例7:如图7所示,在实施例4的基础上,本发明实施例提供的图像重建子模块,包括:
图像坐标系转换单元,负责获取带有病变信息的数字图像的图像坐标系,将图像坐标系转换为二维图像的平面直角坐标系,得到带有病变信息的数字图像的二维图像;
二维图像转换确定单元,负责确定出子宫颈唇和宫颈管部位的中间图像、中间图像的外形的外侧轮廓线、位于外侧轮廓线的内部的内侧轮廓线、中间图像的褶皱、病变范围大小及距各切缘距离等信息;
三维图像转换单元,负责将二维图像转换确定单元确定的内容利用对应的子转换模型,进行转换,得到三维图像;子宫颈唇和宫颈管部位的中间图像采用第一转换模型,中间图像的外形的外侧轮廓线采用第二转换模型,位于外侧轮廓线的内部的内侧轮廓线采用第三转换模型,中间图像的褶皱采用第四转换模型,病变范围大小及距各切缘距离等信息采用第五转换模型;
上述技术方案的工作原理和有益效果为:本实施例的图像坐标系转换单元获取带有病变信息的数字图像的图像坐标系,将图像坐标系转换为二维图像的平面直角坐标系,得到带有病变信息的数字图像的二维图像;二维图像转换确定单元确定出子宫颈唇和宫颈管部位的中间图像、中间图像的外形的外侧轮廓线、位于外侧轮廓线的内部的内侧轮廓线、中间图像的褶皱、病变范围大小及距各切缘距离等信息;三维图像转换单元将二维图像转换确定单元确定的内容利用对应的子转换模型,进行转换,得到三维图像;子宫颈唇和宫颈管部位的中间图像采用第一转换模型,中间图像的外形的外侧轮廓线采用第二转换模型,位于外侧轮廓线的内部的内侧轮廓线采用第三转换模型,中间图像的褶皱采用第四转换模型,病变范围大小及距各切缘距离等信息采用第五转换模型;上述方案将带有病变信息的数字图像的二维图像,再根据二维图像生成三维图像,有利于在三维空间中进行可视化展示,实现了宫颈癌相关部位的三维展示,对于了解病情的进展十分有利,同时也便于对术前和术后的变化进行直观的比对,提高对治疗效果的评判,以便更好地观察和分析病变部位,供医生和研究人员进行分析和诊断。
实施例8:如图8所示,在实施例1的基础上,本发明实施例提供的智能终端展示模块,包括:
数据信息展示子模块,负责接收可视化图像处理模块重建的二维图像及三维图像,展示病变部位的数据信息;
辅助功能设置子模块,负责对展示病变部位的数据信息、二维图像及三维图像进行浏览、放大或缩小;
病理报告生成子模块,负责根据病变部位的数据信息生成病理报告,病理报告中带有二维图像、三维图像及病变部位的数据信息;
上述技术方案的工作原理和有益效果为:本实施例的数据信息展示子模块接收可视化图像处理模块重建的二维图像及三维图像,展示病变部位的数据信息;辅助功能设置子模块对展示病变部位的数据信息、二维图像及三维图像进行浏览、放大或缩小;病理报告生成子模块根据病变部位的数据信息生成病理报告,病理报告中带有二维图像、三维图像及病变部位的数据信息;上述方案还可以对病理报告的格式、字体、字号等进行设置,以满足不同的需求;生成的病理报告可以直接保存或打印,方便医生进行参考或交流;还可以自动保存生成的病理报告,以备后续查看或分析;为医生提供了一个快速、准确生成病理报告的工具,极大地提高了医疗工作的效率和准确性,对于患者的诊疗和治疗是非常有益的;图像浏览和放大缩小功能:可以在二维或三维图像中自由放大缩小,以更清晰地观察病变部位。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,包括:
病理切片数字扫描模块,负责扫描离体锥切标本病理切片,获取显微镜光学镜下图像,并将镜下图像转换为数字图像;
可视化图像处理模块,负责对数字图像进行分析及标注,并对病变部位进行识别,并病变部位的二维及三维图像重建;
智能终端展示模块,负责接收可视化图像处理模块重建的二维及三维图像,展示病变部位的数据信息,生成图文病理报告。
2.如权利要求1所述的宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,病理切片数字扫描模块,包含:
镜下图像获取子模块,负责通过照相设备,获取显微镜下光学的离体锥切标本病理切片的图像;
图像转换子模块,负责将镜下图像获取子模块的图像转换为数字图像;
绝对地址计算子模块,负责按照数字图像的显示顺序对像素点进行坐标变换,获取数字图像中每个像素点对应在图像中的绝对地址;
灰度值计算子模块,负责对绝对地址进行插补运算,计算出显示的数字图像中每个像素点的灰度值,得到带有灰度值的数字图像。
3.如权利要求2所述的宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,图像转换子模块,包含:
图像接收单元,负责接收镜下图像获取子模块的图像,并对图像进行增强和去噪,得到处理后的图像;
图像处理单元,负责将处理后的图像转换为数字图像,输入至图像滤波单元并进行滤波;
图像滤波单元,负责以各数字图像的像素点的横坐标为单位,将每个横坐标的像素点依次通过通道,通道的数量为滤波器的数量,再将每个横坐标的像素点的数字图像导入绝对地址计算子模块,按照数字图像的显示顺序对像素点进行坐标变换。
4.如权利要求1所述的宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,可视化图像处理模块,包含:
指令获取子模块,负责接收智能终端的标注指令,标注指令为对带有灰度值的数字图像进行标注,并获取智能终端预设的标注信息;
信息确定子模块,负责对数字图像的属性及标注信息进行解析,并根据解析的结果确定数字图像对应的标准信息;
信息标注子模块,负责根据标准信息,在数字图像的指定位置进行标注,输出标注的数字图像;
病变识别子模块,负责对带有标注的数字图像进行识别,得到带有病变信息的数字图像;
图像重建子模块,负责生成带有病变信息的数字图像的二维图像,再根据二维图像生成三维图像,并在三维空间中可视化展示。
5.如权利要求4所述的宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,标注信息包含部位名称及数字图像信息;标准信息包含:对比度、尺寸及分辨率。
6.如权利要求4所述的宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,病变信息包含病变范围大小及距各切缘距离信息。
7.如权利要求4所述的宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,信息标注子模块,包括:
图像信息获取单元,负责获取数字图像及标准信息,并对数字图像中的子宫颈唇和宫颈管部位的中心位置进行粗定位,粗定位的坐标为数字图像中的像素点坐标;
图像剪切处理单元,负责以粗定位的像素点坐标为中心,剪切出子宫颈唇和宫颈管部位的中间图像;
部位轮廓提取单元,负责求出中间图像的外形的外侧轮廓线及位于外侧轮廓线的内部的内侧轮廓线,并求出中间图像的褶皱的形状;
图像标注执行单元,负责将中间图像及褶皱进行标注,标注的内容包含:像素点坐标及尺寸。
8.如权利要求4所述的宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,病变识别子模块,包括:
原始特征获取单元,负责获取带有标注的数字图像,进行异构图像结构处理,得到目标异构数字图像,将目标异构数字图像中的多个图像节点作为原始特征;
图像节点识别单元,负责从原始特征中调取第一图像节点,形成第一图像节点特征集,带入宫颈癌病变识别模型进行识别,再识别第二图像节点,直至识别完全部的图像节点;
病变信息嵌入单元,负责汇总图像节点识别单元的结果,并将病变范围大小及距各切缘距离信息嵌入标注中,得到带有病变信息的数字图像。
9.如权利要求4所述的宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,图像重建子模块,包括:
图像坐标系转换单元,负责获取带有病变信息的数字图像的图像坐标系,将图像坐标系转换为二维图像的平面直角坐标系,得到带有病变信息的数字图像的二维图像;
二维图像转换确定单元,负责确定出子宫颈唇和宫颈管部位的中间图像、中间图像的外形的外侧轮廓线、位于外侧轮廓线的内部的内侧轮廓线、中间图像的褶皱、病变范围大小及距各切缘距离信息;
三维图像转换单元,负责将二维图像转换确定单元确定的内容利用对应的子转换模型,进行转换,得到三维图像;子宫颈唇和宫颈管部位的中间图像采用第一转换模型,中间图像的外形的外侧轮廓线采用第二转换模型,位于外侧轮廓线的内部的内侧轮廓线采用第三转换模型,中间图像的褶皱采用第四转换模型,病变范围大小及距各切缘距离等信息采用第五转换模型。
10.如权利要求1所述的宫颈癌前病变锥切标本的智能可视化病理报告系统,其特征在于,智能终端展示模块,包括:
数据信息展示子模块,负责接收可视化图像处理模块重建的二维图像及三维图像,展示病变部位的数据信息;
辅助功能设置子模块,负责对展示病变部位的数据信息、二维图像及三维图像进行浏览、放大或缩小;
病理报告生成子模块,负责根据病变部位的数据信息生成病理报告,病理报告中带有二维图像、三维图像及病变部位的数据信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310429953.9A CN116364229B (zh) | 2023-04-20 | 2023-04-20 | 宫颈癌前病变锥切标本的智能可视化病理报告系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310429953.9A CN116364229B (zh) | 2023-04-20 | 2023-04-20 | 宫颈癌前病变锥切标本的智能可视化病理报告系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116364229A true CN116364229A (zh) | 2023-06-30 |
CN116364229B CN116364229B (zh) | 2023-11-10 |
Family
ID=86918872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310429953.9A Active CN116364229B (zh) | 2023-04-20 | 2023-04-20 | 宫颈癌前病变锥切标本的智能可视化病理报告系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116364229B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130114904A1 (en) * | 2011-11-03 | 2013-05-09 | Chu-Ho Chang | Apparatus and method for detecting error in lesion contour, apparatus and method for correcting error in lesion contour, and apparatus for inspecting error in lesion contour |
CN107730489A (zh) * | 2017-10-09 | 2018-02-23 | 杭州电子科技大学 | 无线胶囊内窥镜小肠病变计算机辅助检测系统及检测方法 |
CN108416379A (zh) * | 2018-03-01 | 2018-08-17 | 北京羽医甘蓝信息技术有限公司 | 用于处理宫颈细胞图像的方法和装置 |
CN109035269A (zh) * | 2018-07-03 | 2018-12-18 | 怀光智能科技(武汉)有限公司 | 一种宫颈细胞病理切片病变细胞分割方法及系统 |
CN110969583A (zh) * | 2019-09-11 | 2020-04-07 | 宁波江丰生物信息技术有限公司 | 一种图像背景处理方法及系统 |
CN110993064A (zh) * | 2019-11-05 | 2020-04-10 | 北京邮电大学 | 面向深度学习的医学影像标注方法及装置 |
CN111795879A (zh) * | 2020-07-14 | 2020-10-20 | 青岛大学附属医院 | 利用脱水套装制作的病理标本在数字化评估系统中的应用 |
CN112509079A (zh) * | 2020-11-23 | 2021-03-16 | 西安科锐盛创新科技有限公司 | 颅内血管造影增强三维狭窄化分析模型的建立方法 |
CN112508872A (zh) * | 2020-11-23 | 2021-03-16 | 西安科锐盛创新科技有限公司 | 颅内血管图像预处理方法和电子设备 |
CN113192004A (zh) * | 2021-04-01 | 2021-07-30 | 温州医科大学附属第二医院(温州医科大学附属育英儿童医院) | 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统 |
CN114202510A (zh) * | 2021-11-11 | 2022-03-18 | 西北大学 | 显微镜下病理切片图像智能分析系统 |
CN115115841A (zh) * | 2022-08-30 | 2022-09-27 | 苏州朗开医疗技术有限公司 | 一种阴影斑点图像处理分析方法及系统 |
CN115715663A (zh) * | 2019-10-22 | 2023-02-28 | 上海法路源医疗器械有限公司 | 宫颈癌精准筛查系统 |
CN115861298A (zh) * | 2023-02-15 | 2023-03-28 | 浙江华诺康科技有限公司 | 一种基于内镜检查可视化的图像处理方法及装置 |
CN115887001A (zh) * | 2022-12-30 | 2023-04-04 | 苏州微创畅行机器人有限公司 | 术前规划方法、存储介质、产品以及手术系统 |
-
2023
- 2023-04-20 CN CN202310429953.9A patent/CN116364229B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130114904A1 (en) * | 2011-11-03 | 2013-05-09 | Chu-Ho Chang | Apparatus and method for detecting error in lesion contour, apparatus and method for correcting error in lesion contour, and apparatus for inspecting error in lesion contour |
CN107730489A (zh) * | 2017-10-09 | 2018-02-23 | 杭州电子科技大学 | 无线胶囊内窥镜小肠病变计算机辅助检测系统及检测方法 |
CN108416379A (zh) * | 2018-03-01 | 2018-08-17 | 北京羽医甘蓝信息技术有限公司 | 用于处理宫颈细胞图像的方法和装置 |
CN109035269A (zh) * | 2018-07-03 | 2018-12-18 | 怀光智能科技(武汉)有限公司 | 一种宫颈细胞病理切片病变细胞分割方法及系统 |
CN110969583A (zh) * | 2019-09-11 | 2020-04-07 | 宁波江丰生物信息技术有限公司 | 一种图像背景处理方法及系统 |
CN115715663A (zh) * | 2019-10-22 | 2023-02-28 | 上海法路源医疗器械有限公司 | 宫颈癌精准筛查系统 |
CN110993064A (zh) * | 2019-11-05 | 2020-04-10 | 北京邮电大学 | 面向深度学习的医学影像标注方法及装置 |
CN111795879A (zh) * | 2020-07-14 | 2020-10-20 | 青岛大学附属医院 | 利用脱水套装制作的病理标本在数字化评估系统中的应用 |
CN112508872A (zh) * | 2020-11-23 | 2021-03-16 | 西安科锐盛创新科技有限公司 | 颅内血管图像预处理方法和电子设备 |
CN112509079A (zh) * | 2020-11-23 | 2021-03-16 | 西安科锐盛创新科技有限公司 | 颅内血管造影增强三维狭窄化分析模型的建立方法 |
CN113192004A (zh) * | 2021-04-01 | 2021-07-30 | 温州医科大学附属第二医院(温州医科大学附属育英儿童医院) | 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统 |
CN114202510A (zh) * | 2021-11-11 | 2022-03-18 | 西北大学 | 显微镜下病理切片图像智能分析系统 |
CN115115841A (zh) * | 2022-08-30 | 2022-09-27 | 苏州朗开医疗技术有限公司 | 一种阴影斑点图像处理分析方法及系统 |
CN115887001A (zh) * | 2022-12-30 | 2023-04-04 | 苏州微创畅行机器人有限公司 | 术前规划方法、存储介质、产品以及手术系统 |
CN115861298A (zh) * | 2023-02-15 | 2023-03-28 | 浙江华诺康科技有限公司 | 一种基于内镜检查可视化的图像处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
李方召: "医学图像分割算法研究", 《中国博士学位论文全文数据库 医药卫生科技辑》, pages 054 - 6 * |
Also Published As
Publication number | Publication date |
---|---|
CN116364229B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Young Park et al. | Automated image analysis of digital colposcopy for the detection of cervical neoplasia | |
EP2546802B1 (en) | Generating artificial hyperspectral images using correlated analysis of co-registered images | |
JP6091137B2 (ja) | 画像処理装置、画像処理システム、画像処理方法およびプログラム | |
US9014443B2 (en) | Image diagnostic method, image diagnostic apparatus, and image diagnostic program | |
CN113366530A (zh) | 计算机支持的组织学图像中的肿瘤审查和术后肿瘤切缘评估 | |
US8233964B2 (en) | System and method for color-coding segmented chest image airways for assessment | |
CA2851152A1 (en) | Method and system for analyzing biological specimens by spectral imaging | |
CN112086197A (zh) | 基于超声医学的乳腺结节检测方法及系统 | |
CN109117890A (zh) | 一种图像分类方法、装置和存储介质 | |
CN109003269A (zh) | 一种能提高医生效率的医学影像病灶的标注提取方法 | |
CN103558404A (zh) | 一种基于数字切片的细胞dna自动检测和复核方法 | |
CN114782307A (zh) | 基于深度学习的增强ct影像直肠癌分期辅助诊断系统 | |
CN110767312A (zh) | 人工智能辅助病理诊断系统及方法 | |
JP2016514869A (ja) | スペクトル画像による生物試料の分析方法およびシステム | |
CN115205250A (zh) | 基于深度学习的病理图像病变分割方法及系统 | |
CN112071418B (zh) | 基于增强ct影像组学的胃癌腹膜转移的预测系统及方法 | |
CN116364229B (zh) | 宫颈癌前病变锥切标本的智能可视化病理报告系统 | |
CN113936005A (zh) | 一种dna指数计算方法、装置、计算机设备及存储介质 | |
CN112132772B (zh) | 一种病理切片实时判读方法、装置及系统 | |
CN112002407A (zh) | 一种基于超声视频的乳腺癌诊断装置及其方法 | |
JP5702943B2 (ja) | 病理診断支援装置、病理診断支援方法、病理診断支援のための制御プログラムおよび該制御プログラムを記録した記録媒体 | |
CN116310367A (zh) | 基于Gabor乳腺影像组学特征提取及筛选系统和方法 | |
CN114869337A (zh) | 一体化仓式甲状腺超声ai自动诊断仪 | |
CN109979588A (zh) | 图像扫描病理切片系统 | |
Brehler et al. | An automated approach for annotation Gleason patterns in whole-mount prostate cancer histology using deep learning |
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 |