CN103020466A - 一种计算机诊断方法及电子设备 - Google Patents
一种计算机诊断方法及电子设备 Download PDFInfo
- Publication number
- CN103020466A CN103020466A CN2012105746419A CN201210574641A CN103020466A CN 103020466 A CN103020466 A CN 103020466A CN 2012105746419 A CN2012105746419 A CN 2012105746419A CN 201210574641 A CN201210574641 A CN 201210574641A CN 103020466 A CN103020466 A CN 103020466A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- information
- eigenwert
- eigenvalue
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开一种计算机诊断方法及电子设备,所述计算机诊断方法应用于一医用计算机辅助诊断***,所述方法包括:获得第一图像,所述第一图像为一医疗影像装置采集的原始图像;使用第一图像处理算法对所述第一图像进行处理,获得第二图像;获得一选择所述第二图像的第二区域的选择操作;基于所述选择操作,使用第二图像处理算法对所述第一图像的第一区域或所述第二区域进行处理,获得第三图像,其中,所述第二图像处理算法与所述第一图像处理算法不相同,所述第二区域在所述第二图像上的第二位置与所述第一区域在所述第一图像上的第一位置相对应;基于所述第三图像,输出一诊断信息。
Description
技术领域
本发明涉及电子技术领域,尤其涉及一种计算机诊断方法及电子设备。
背景技术
随着科学技术的不断发展,电子技术也得到了飞速的发展,电子产品的种类也越来越多,人们也享受到了科技发展带来的各种便利。现在人们可以通过各种类型的电子设备,享受随着科技发展带来的舒适生活。比如,医用计算机辅助诊断***(Computer Aided Diagnosis,CAD)能够根据超声波扫描仪、计算机断层扫描仪、X光扫描仪、核磁共振扫描仪等等医疗影像设备提供的图像信息,按照不同疾病的临床图像特征,用“智能机器人”的视觉——计算机对病变的特征进行量化分析处理并做出判断,从而来避免因“人”对事物判断的局限性带来的失误,从而减少了人们因为疾病而受到的痛苦。
目前,医用计算机辅助诊断***在处理医疗影像设备提供的图像信息时通常按以下三步进行:第一步是把病变组织从正常结构中提取出来;第二步是图像特征的量化;第三步是对数据进行处理并得出结论。
但本发明人在实现本发明实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
医用计算机辅助诊断***在处理超声波扫描仪等医疗影像设备提供的图像时,图像识别算法参数对后续的图像处理结果影响非常大,以Canny算子搜索图像的边缘为例,如果Canny算子的上阈值设定较小,则会在整幅图像上发现大量的噪声伪边缘,而如果上阈值设定过大,则会在整幅图像上忽略掉很多实际的边缘,在实际应用中,图像识别算法参数是经过大量实验或实时全图域分析后确定的,所以在使用该图像识别算法参数处理医疗影像设备提供的图像时,就会忽略某些细微的病灶信息或者组织的特征信息等重要信息,也就是说,医用计算机辅助诊断***根据该图像算法参数识别出的结果就会遗漏该病灶或组织特征,因此,医用计算机辅助诊断***存在容易遗漏重要信息的技术问题。
由于医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,所以医生根据医用计算机辅助诊断***的判断结果做出的诊断同样也会遗漏掉重要信息,从而会使得人们的疾病无法得到有效的治疗,增加了人们因为疾病而受到的痛苦。
发明内容
本发明实施例通过提供一种计算机诊断方法及电子设备,解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题。
本发明实施例提供了一种计算机诊断方法,应用于一医用计算机辅助诊断***,所述方法包括:获得第一图像,所述第一图像为一医疗影像装置采集的原始图像;使用第一图像处理算法对所述第一图像进行处理,获得第二图像;获得一选择所述第二图像的第二区域的选择操作;基于所述选择操作,使用第二图像处理算法对所述第一图像的第一区域或所述第二区域进行处理,获得第三图像,其中,所述第二图像处理算法与所述第一图像处理算法不相同,所述第二区域在所述第二图像上的第二位置与所述第一区域在所述第一图像上的第一位置相对应;基于所述第三图像,输出一诊断信息。
可选地,所述使用第一图像处理算法对所述第一图像进行处理,获得第二图像,具体为:使用具有第一特征值的图像特征提取算法提取所述第一图像中的第一图像信息,获得所述第二图像;或使用具有第二特征值的图像边缘提取算法提取所述第一图像中的第二图像信息,获得所述第二图像。
可选地,所述使用第二图像处理算法对所述第一图像的第一区域进行处理,获得第三图像,具体包括:使用具有第三特征值的所述图像特征提取算法提取所述第一区域中的第一子图像信息,所述第三特征值与所述第一特征值不相同;用所述第一子图像信息替代所述第二图像的第二区域的待替换图像信息,获得所述第三图像;或使用具有第四特征值的所述图像边缘提取算法提取所述第一区域中的第二子图像信息,所述第四特征值与所述第二特征值不相同;用所述第二子图像信息替代所述待替换图像信息,获得所述第三图像。
可选地,所述使用所述第二图像处理算法对所述第二区域进行处理,获得第三图像,具体包括:使用具有第五特征值的所述图像特征提取算法提取所述第二区域中的第三子图像信息,所述第五特征值与所述第一特征值不相同;用所述第三子图像信息替代所述第二图像的第二区域的待替换图像信息,获得所述第三图像;或使用具有第六特征值的所述图像边缘提取算法提取所述第二区域中的第四子图像信息,所述第六特征值与所述第二特征值不相同;用所述第四子图像信息替代所述待替换图像信息,获得所述第三图像。
可选地,所述基于所述第三图像,输出一诊断信息,具体包括:获得所述第三图像中的图像特征信息;对所述图像特征信息进行定量计算,获得一计算结果;基于所述计算结果,输出所述诊断信息。
本发明实施例另一方面还提供一种电子设备,所述电子设备安装有一医用计算机辅助诊断***,所述电子设备包括:机壳;一电路板,设置于所述机壳内;一处理器,设置于所述电路板上,用于获得第一图像,所述第一图像为一医疗影像装置采集的原始图像,并使用第一图像处理算法对所述第一图像进行处理,获得第二图像,并获得一选择所述第二图像的第二区域的选择操作,并基于所述选择操作,使用第二图像处理算法对所述第一图像的第一区域或所述第二区域进行处理,获得第三图像,其中,所述第二图像处理算法与所述第一图像处理算法不相同,所述第二区域在所述第二图像上的第二位置与所述第一区域在所述第一图像上的第一位置相对应,并基于所述第三图像,输出一诊断信息。
可选地,所述处理器具体用于使用具有第一特征值的图像特征提取算法提取所述第一图像中的第一图像信息,获得所述第二图像,或使用具有第二特征值的图像边缘提取算法提取所述第一图像中的第二图像信息,获得所述第二图像。
可选地,所述处理器具体用于使用具有第三特征值的所述图像特征提取算法提取所述第一区域中的第一子图像信息,所述第三特征值与所述第一特征值不相同,用所述第一子图像信息替代所述第二图像的第二区域的待替换图像信息,获得所述第三图像;或使用具有第四特征值的所述图像边缘提取算法提取所述第一区域中的第二子图像信息,所述第四特征值与所述第二特征值不相同,用所述第二子图像信息替代所述待替换图像信息,获得所述第三图像。
可选地,所述处理器具体用于使用具有第五特征值的所述图像特征提取算法提取所述第二区域中的第三子图像信息,所述第五特征值与所述第一特征值不相同,用所述第三子图像信息替代所述第二图像的第二区域的待替换图像信息,获得所述第三图像;或使用具有第六特征值的所述图像边缘提取算法提取所述第二区域中的第四子图像信息,所述第六特征值与所述第二特征值不相同,用所述第四子图像信息替代所述待替换图像信息,获得所述第三图像。
可选地,所述处理器具体用于获得所述第三图像中的图像特征信息,对所述图像特征信息进行定量计算,获得一计算结果,基于所述计算结果,输出所述诊断信息。
本发明实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、由于采用了在使用第一图像处理算法对医疗影像装置采集的原始图像进行处理,获得第二图像后,获得一选择第二图像的第二区域的选择操作,并基于选择操作,使用第二图像处理算法对第一图像的第一区域或第二区域进行处理,获得第三图像,最后基于第三图像,输出一诊断信息的技术方案,在第二图像中被遗漏掉的重要信息经过第二图像处理算法的处理后会被重新提取出来,所以解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,从而能够向医生提供准确性更高的诊断信息,以使医生做出准确性更高的病情判断。
2、由于解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,所以医生根据医用计算机辅助诊断***输出的诊断信息做出的诊断就不会遗漏掉医疗影像装置采集的图像中的重要信息,从而使得人们的疾病能够得到有效的治疗,减少了人们因为疾病而受到的痛苦。
附图说明
图1为本发明一实施例提供的计算机诊断方法的流程图;
图2为本发明一实施例提供的用户在使用前述实施例提供的计算机诊断方法的流程图;
图3为本发明一实施例提供的电子设备的功能模块图。
具体实施方式
本发明实施例提供一种计算机诊断方法以及电子设备,解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题。
本发明实施例中的技术方案为解决上述医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,总体思路如下:
首先,获得第一图像,第一图像具体为一医疗影像装置,比如超声波扫描仪等医疗影像装置采集的原始图像;
其次,使用第一图像处理算法对第一图像进行处理,获得第二图像;
接着,获得一选择第二图像的第二区域的选择操作,也即第二图像的第二区域可能会存在被遗漏掉的重要信息;
然后,基于选择操作,使用第二图像处理算法对第一图像的第一区域或第二区域进行处理,获得第三图像,也即在第二图像中被遗漏掉的重要信息经过第二图像处理算法的处理后被重新提取出来了;
最后基于第三图像,输出一诊断信息。
通过上述部分可以看出,由于采用了在使用第一图像处理算法对医疗影像装置采集的原始图像进行处理,获得第二图像后,获得一选择第二图像的第二区域的选择操作,并基于选择操作,使用第二图像处理算法对第一图像的第一区域或第二区域进行处理,获得第三图像,最后基于第三图像,输出一诊断信息的技术方案,在第二图像中被遗漏掉的重要信息经过第二图像处理算法的处理后会被重新提取出来,所以解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,从而能够向医生提供准确性更高的诊断信息,以使医生做出准确性更高的病情判断。
同时,由于解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,所以医生根据医用计算机辅助诊断***输出的诊断信息做出的诊断就不会遗漏掉医疗影像装置采集的图像中的重要信息,从而使得人们的疾病能够得到有效的治疗,减少了人们因为疾病而受到的痛苦。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本发明实施例提供一种计算机诊断方法,应用于一医用计算机辅助诊断***,请参考图1,图1是本发明实施例提供的计算机诊断方法的流程图,方法包括:
S1:获得第一图像,第一图像为一医疗影像装置采集的原始图像;
S2:使用第一图像处理算法对第一图像进行处理,获得第二图像;
S3:获得一选择第二图像的第二区域的选择操作;
S4:基于选择操作,使用第二图像处理算法对第一图像的第一区域或第二区域进行处理,获得第三图像,其中,第二图像处理算法与第一图像处理算法不相同,第二区域在第二图像上的第二位置与第一区域在第一图像上的第一位置相对应;
S5:基于第三图像,输出一诊断信息。
在步骤S1中,获得第一图像,第一图像为一医疗影像装置采集的原始图像,具体来讲,第一图像可以是超声波扫描仪、计算机断层扫描仪、X光扫描仪、核磁共振扫描仪等等医疗影像设备采集的扫描患者患病部位的原始图像。在本实施例中,将以第一图像为超声波扫描仪采集的一患者的乳腺肿瘤的超声原始图像为例来进行详细的举例描述,当然,在实际应用中,第一图像也可以是计算机断层扫描仪、X光扫描仪、核磁共振扫描仪等等其他医疗影像设备采集的原始图像,在此不做限制。
在步骤S2中,使用第一图像处理算法对第一图像进行处理,获得第二图像,具体来讲,可以是:使用具有第一特征值的图像特征提取算法提取第一图像中的第一图像信息,获得第二图像;或使用具有第二特征值的图像边缘提取算法提取第一图像中的第二图像信息,获得第二图像。
在具体实施过程中,使用具有第一特征值的图像特征提取算法提取第一图像中的第一图像信息,获得第二图像,可以是使用具有第一特征值的图像特征提取算法,比如小波变换、Curvelet变换等图像特征提取算法,将病变组织或病变器官的特征从第一图像中提取出来,在本实施例中,可以是使用具有第一特征值的图像特征提取算法,将步骤S1中获得的乳腺肿瘤的超声原始图像中的肿瘤组织的特征从第一图像中提取出来,继而获得第二图像。
在实际应用中,为了获得较为清晰的第二图像,第一特征值,也即图像特征提取算法的第一图像识别算法参数,可以是由大量实验或者实时全图域分析后确定出一个数值,具有第一特征值的图像特征提取算法能够满足整个超声原始图像的图像特征提取,又不至于产生大量伪特征,第一特征值的具体值会根据所处理的图像以及图像特征提取算法的不同而发生变化,通过前述介绍,本领域所属的技术人员能够根据实际情况,选择合适的图像特征提取算法与第一特征值,以满足实际情况的需求,在此就不再赘述了。
在具体实施过程中,使用具有第二特征值的图像边缘提取算法提取第一图像中的第二图像信息,获得第二图像,可以是使用具有第二特征值的图像边缘提取算法,比如是Canny算子、拉普拉斯算子(Laplacian)等图像边缘提取算法,将病变组织或病变器官的边缘从第一图像中提取出来,在本实施例中,可以是使用具有第二特征值的图像边缘提取算法,将步骤S1中获得的乳腺肿瘤的超声原始图像中的肿瘤组织的边缘从第一图像中提取出来,继而获得第二图像。
在实际应用中,为了获得较为清晰的第二图像,第二特征值,也即图像边缘提取算法的第二图像识别算法参数,可以是由大量实验或者实时全图域分析后确定出一个数值,具有第二特征值的图像边缘提取算法能够满足整个超声原始图像的图像边缘提取,又不至于产生大量伪边缘,第二特征值的具体值会根据所处理的图像以及图像特征提取算法的不同而发生变化,通过前述介绍,本领域所属的技术人员能够根据实际情况,选择合适的图像边缘提取算法与第二特征值,以满足实际情况的需求,在此就不再赘述了。
在通过步骤S2获得第二图像以后,本发明实施例提供的计算机诊断方法进入步骤S3,即:获得一选择第二图像的第二区域的选择操作。
获得一选择第二图像的第二区域的选择操作,具体来讲,可以是获得使用该医用计算机辅助诊断***的医生选择第二图像的第二区域的选择操作。
在实际应用中,人脑强大的并行运算能力和智能联想能力对图形的识别有着现有普通计算机无法比拟的优点,所以在计算机采用的全图域图像处理算法在图像的某一区域没有发现病变组织或病变器官的边缘信息或特征信息的时候,使用该医用计算机辅助诊断***的用户,也即医生依据自身在工作中积累的经验,同时通过大脑强大的并行运算能力和智能联想能力会发现一些疑似病变组织或病变器官的区域。此时,在医用计算机辅助诊断***所在的电子设备的显示屏幕为触摸屏的时候,医生可以在第二图像上的第二区域点击一下,也即向医用计算机辅助诊断***输入了一个选择第二图像的第二区域的选择操作,当然,在该电子设备的显示屏幕为普通的非触摸显示屏幕的时候,可以使用鼠标来完成选择第二图像的第二区域的选择操作,在医生手指点击或鼠标点击的位置为中心的某一大小范围内的区域可以作为第二区域,该第二区域大小是本领域的技术人员能够根据图像与图像处理算法的不同而具体设置的,当然,也可以是医生通过手指或鼠标点击一位置后,再由医生调整第二区域的具体大小,当然,通过前述介绍,本领域的技术人员还可以根据实际情况,使用其他合适的方式例如是语音输入的方式,向医用计算机辅助诊断***输入了一个选择第二图像的第二区域的选择操作,以满足实际情况的需要,在此就不再赘述了。
医用计算机辅助诊断***通过检测医生的输入操作,就能够获取到选择第二图像的第二区域的选择操作。
在通过步骤S3获得该选择操作后,本发明实施例提供的计算机诊断方法进入步骤S4,即:基于选择操作,使用第二图像处理算法对第一图像的第一区域或第二区域进行处理,获得第三图像。
在步骤S4中,使用第二图像处理算法对第一图像的第一区域进行处理,获得第三图像,具体来讲,可以包括:使用具有第三特征值的图像特征提取算法提取第一区域中的第一子图像信息,第三特征值与第一特征值不相同,并用第一子图像信息替代第二图像的第二区域的待替换图像信息,获得第三图像;或使用具有第四特征值的图像边缘提取算法提取第一区域中的第二子图像信息,第四特征值与第二特征值不相同,并用第二子图像信息替代待替换图像信息,获得第三图像。
在具体实施过程中,使用具有第三特征值的图像特征提取算法提取第一区域中的第一子图像信息,第三特征值与第一特征值不相同,并用第一子图像信息替代第二图像的第二区域的待替换图像信息,获得第三图像,具体来讲,可以是使用具有第三特征值的图像特征提取算法,如前述所说的小波变换等图像特征提取算法提取第一子图像信息,在本实施例中,由于步骤S3中获得了选择第二图像的第二区域的选择操作,也即医生依据自身在工作中积累的经验,同时通过大脑强大的并行运算能力和智能联想能力会发现第二图像的第二区域中存在一些疑似病变组织或病变器官的区域,所以使用具有第三特征值的图像特征提取算法提取第一图像的第一区域中的第一子图像信息,以便后续步骤的使用。
在实际应用中,如果在步骤S2中将图像特征提取算法的图像信息灵敏度设为一个较高的值,也即将第一图像处理算法的灵敏度提高,则在获得的第二图像中会发现大量的噪声伪特征,从而会降低医用计算机辅助诊断***输出的诊断信息的准确性,而在本步骤中,第三特征值,也即图像特征提取算法的第三图像识别算法参数与第一特征值不相同,可以是使得图像特征提取算法的图像信息提取灵敏度变得较高的一个特征值,具体来讲,可以是调整后的自适应算法的可变权值、更换后的应用函数或更换后的滤波器类型等等,由于此处图像信息提取灵敏度较高的图像特征提取算法只是针对第一图像的第一区域,并且此区域是由医生依据自身在工作中积累的经验,同时通过大脑强大的并行运算能力和智能联想能力而发现的,所以在此区域提高图像处理算法的灵敏度,不会降低医用计算机辅助诊断***提供的诊断信息的准确性,反而能够发现由第一图像处理算法对第一图像进行处理而获得的第二图像中遗漏的重要信息,从而使得医用计算机辅助诊断***在提供诊断信息时不会遗漏该重要信息,继而提高了医用计算机辅助诊断***输出的诊断信息的准确性。第三特征值的具体值会根据所处理的图像以及图像特征提取算法的不同而发生变化,通过前述介绍,本领域所属的技术人员能够根据实际情况,选择合适的图像特征提取算法与第三特征值,以满足实际情况的需求,在此就不再赘述了。
在实际应用中,由于通过步骤S2获得了一选择第二图像的第二区域的选择操作,也即第二图像中第二区域被医生认为是有问题的,所以第二图像中的第二区域中的图像信息即是待替代图像信息。
在提取出第一子图像信息后,可以用第一子图像信息替代第二图像的第二区域的待替换图像信息,从而能够获得第三图像,以供医用计算机辅助诊断***后续的使用。
上述部分详细介绍了使用具有第三特征值的图像特征提取算法提取第一图像的第一区域中的第一子图像信息,并获得第三图像的详细过程,在接下来的部分中,将介绍使用具有第四特征值的图像边缘提取算法提取第一图像的第一区域中的第二子图像信息的过程。
在具体实施过程中,使用具有第四特征值的图像边缘提取算法提取第一区域中的第二子图像信息,第四特征值与第二特征值不相同,并用第二子图像信息替代待替换图像信息,获得第三图像,具体来讲,可以是使用具有第四特征值的图像边缘提取算法,如前述所说的Canny算子、拉普拉斯算子等图像边缘提取算法提取第二子图像信息,医生依据自身在工作中积累的经验,同时通过大脑强大的并行运算能力和智能联想能力会发现第二图像的第二区域中存在一些疑似病变组织或病变器官的区域,所以使用具有第四特征值的图像边缘提取算法提取第一图像的第一区域中的第二子图像信息,以便后续步骤的使用。
在实际应用中,如果在步骤S2中将图像边缘提取算法的图像信息灵敏度设为一个较高的值,也即将第一图像处理算法的灵敏度提高,则在获得的第二图像中会发现大量的噪声伪边缘,从而会降低医用计算机辅助诊断***输出的诊断信息的准确性,而在本步骤中,第四特征值,也即图像边缘提取算法的第三图像识别算法参数与第二特征值不相同,可以是使得图像边缘提取算法的图像信息提取灵敏度变得较高的一个特征值,具体来讲,可以是调整Canny算子、拉普拉斯算子等图像边缘提取算法后的阈值等等,由于此处图像信息提取灵敏度较高的图像边缘提取算法只是针对第一图像的第一区域,并且此区域是由医生依据自身在工作中积累的经验,同时通过大脑强大的并行运算能力和智能联想能力而发现的,所以在此区域提高图像处理算法的灵敏度,不会降低医用计算机辅助诊断***提供的诊断信息的准确性,反而能够发现由第一图像处理算法对第一图像进行处理而获得的第二图像中遗漏的重要信息,从而使得医用计算机辅助诊断***在提供诊断信息时不会遗漏该重要信息,继而提高了医用计算机辅助诊断***输出的诊断信息的准确性。第四特征值的具体值会根据所处理的图像以及图像边缘提取算法的不同而发生变化,通过前述介绍,本领域所属的技术人员能够根据实际情况,选择合适的图像边缘提取算法与第四特征值,以满足实际情况的需求,在此就不再赘述了。
上述部分介绍了使用第二图像处理算法对第一图像的第一区域进行处理,获得第三图像的详细过程,在接下来的部分中,将介绍使用第二图像处理算法对第二区域进行处理,获得第三图像的过程。
在步骤S4中,使用第二图像处理算法对第二区域进行处理,获得第三图像,具体来讲,可以包括:使用具有第五特征值的图像特征提取算法提取第二区域中的第三子图像信息,第五特征值与第一特征值不相同,并用第三子图像信息替代第二图像的第二区域的待替换图像信息,获得第三图像;或使用具有第六特征值的图像边缘提取算法提取第二区域中的第四子图像信息,第六特征值与第二特征值不相同,并用第四子图像信息替代待替换信息图像信息,获得第三图像。
在具体实施过程中,使用具有第五特征值的图像特征提取算法提取第二区域中的第三子图像信息,第五特征值与第一特征值不相同,并用第三子图像信息替代第二图像的第二区域的待替换图像信息,获得第三图像,具体来讲,本步骤中获得第三图像的过程,与前述使用具有第三特征值的图像特征提取算法提取第一图像的第一区域中的第一子图像信息,并用第一子图像信息替代第二图像的第二区域的待替换图像信息,获得第三图像的过程类似,只是本步骤是提取第二图像的第二区域中的第三子图像信息,并用提取出的第三子图像信息替代步骤S2中获得的第二图像的第二区域的待替换图像信息,从而获得第三图像,本领域的技术人员能够根据前述步骤的描述,了解到本步骤的具体实施过程,在此为了说明书的简洁,就不再赘述了。
同样的,在具体实施过程中,使用具有第六特征值的图像边缘提取算法提取第二区域中的第四子图像信息,第六特征值与第二特征值不相同,并用第四子图像信息替代待替换信息图像信息,获得第三图像,具体来讲,本步骤中获得第三图像的过程,与前述使用具有第四特征值的图像边缘提取算法提取第一区域中的第二子图像信息,并用第二子图像信息替代待替换图像信息,获得第三图像的过程类似,只是本步骤是提取第二图像的第二区域中的第四子图像信息,并用提取出的第四子图像信息替代步骤S2中获得的第二图像的第二区域的待替换图像信息,从而获得第三图像,本领域的技术人员能够根据前述步骤的描述,了解到本步骤的具体实施过程,在此为了说明书的简洁,在此就不再赘述了。
在具体实施过程中,由步骤S2中获得的第二图像上可能不止一个区域存在有遗漏重要信息的可能性,也即有多个区域存在遗漏重要信息的情形,此时医用计算机辅助诊断***只需要获得多个选择操作,然后再将第二图像上对应的多个区域使用第二图像处理算法进行处理后进行替代即可,在此就不再赘述了。
在实际过程中,第二区域在第二图像上的第二位置与第一区域在第一图像上的第一位置相对应。
在通过步骤S4获得第三图像后,本发明实施例提供的方法进入步骤S5,即:基于第三图像,输出一诊断信息。
在步骤S5中,基于第三图像,输出一诊断信息,具体来讲,可以包括:获得第三图像中的图像特征信息,并对图像特征信息进行定量计算,获得一计算结果,并基于计算结果,输出诊断信息。
在具体实施过程中,获得第三图像中的图像特征信息,并对图像特征信息进行定量计算,获得一计算结果,并基于计算结果,输出诊断信息,具体来讲,可以是提取第三图像中的特征信息,并对该图像特征信息进行定量计算,并根据计算结果输出诊断信息。
比如,乳腺肿瘤超声图像的特征量化分析对判别乳腺肿瘤具体是良性肿瘤还是恶性肿瘤具有重大的参考价值,医用计算机辅助诊断***中的数据库存储了良性和恶性乳腺肿瘤在超声图像上的特点,将乳腺良性肿瘤和恶性肿瘤鉴别特征在形状、边缘、边界、朝向、回声特点几个方面的量化方法和量化参数进行了较为全面的数学统计,在获得第三图像的图像特征信息并对其进行定量计算后,将计算结果与数据库中对应的定量数据进行对比分析,从而输出诊断信息,该诊断信息包括了第三图像中图像特征信息与数据库中存储的特征信息的对比情况,以供医生参考使用。在本实施例中,由于第三图像包括了第二图像中遗漏的重要信息,所以获得的第三图像中的图像特征信息也包括了第二图像中被遗漏的重要信息的图像特征信息,对第三图像的图像特征信息进行定量计算后,基于计算结果输出的诊断信息中也包括了根据第二图像中被遗漏的重要信息所做出的诊断信息,从而输出的诊断信息准确性更高,使得医生能够更准确地分析人们的病情,给出的治疗方案也更加准确,继而使得人们的疾病能够得到有效的治疗,减少人们因为疾病而受到的痛苦。
当然,在实际应用中,在步骤S4中获得第三图像后,步骤S5之前,还会对第三图像使用例如腐蚀和膨胀的形态学算法填充,以便后续的步骤使用,例如,对第三图像中的边缘信息进行膨胀处理,然后再填充边缘,再进行腐蚀,从而完成一个完整的形态学填充算法,以供医用计算机辅助诊断***将其进行分析,继而输出诊断信息。
通过上述部分的描述可知,由于采用了在使用第一图像处理算法对医疗影像装置采集的原始图像进行处理,获得第二图像后,获得一选择第二图像的第二区域的选择操作,并基于选择操作,使用第二图像处理算法对第一图像的第一区域或第二区域进行处理,获得第三图像,最后基于第三图像,输出一诊断信息的技术方案,在第二图像中被遗漏掉的重要信息经过第二图像处理算法的处理后会被重新提取出来,所以解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,从而能够向医生提供准确性更高的诊断信息,以使医生做出准确性更高的病情判断。
同时,由于解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,所以医生根据医用计算机辅助诊断***输出的诊断信息做出的诊断就不会遗漏掉医疗影像装置采集的图像中的重要信息,从而使得人们的疾病能够得到有效的治疗,减少了人们因为疾病而受到的痛苦。
在前一实施例中,是站在医用计算机辅助诊断***这一侧来描写本发明实施例提供的计算机诊断方法,在接下来的实施例中,将站在用户,也即医生的角度来描写本发明实施例提供的计算机诊断方法。
请参考图2,图2是本发明实施例提供的用户,也即医生在使用本发明实施例提供的计算机诊断方法时的流程图。如图2所示,医生在使用该方法时包括以下步骤:
S21:判断第二图像上是否有疑似病变组织或者病变器官的区域未被发现,具体来讲,即医生依据自身在工作中积累的经验,同时通过大脑强大的并行运算能力和智能联想能力,判断第二图像上是否有疑似病变组织或者病变器官的区域未被发现。
S22:在第二图像的第二区域上有疑似病变组织或者病变器官未被发现时,输入一选择第二图像的第二区域的选择操作,具体来讲,即在步骤S21中判断第二图像的第二区域上有疑似病变组织或者病变器官未被发现时,在医用计算机辅助诊断***所在的电子设备的显示屏幕为触摸屏的时候,医生可以在第二图像上的第二区域点击一下,当然,在该电子设备的显示屏幕为普通的非触摸显示屏幕的时候,可以使用鼠标来完成选择第二图像的第二区域的选择操作,在医生手指点击或鼠标点击的位置为中心的某一大小范围内的区域可以作为第二区域,该第二区域大小是本领域的技术人员能够根据图像与图像处理算法的不同而设置的,当然,也可以是医生通过手指或鼠标点击一位置后,再由医生调整第二区域的具体大小,在此就不再赘述了。
S23:获得医用计算机辅助诊断***输出的诊断信息,具体来讲,即医用计算机辅助诊断***在获得医生输入的选择第二图像的第二区域的选择操作后,根据该选择操作对第二图像或第一图像进行相应的处理,具体的处理过程请见上述对计算机诊断方法的描述部分,继而输出诊断信息。
通过上述部分可以看出,由于在医生判断第二图像上有疑似病变组织或者病变器官的区域未被发现时,通过医生输入选择操作重新对第二图像进行处理,继而医用计算机辅助诊断***根据处理后的第二图像输出诊断信息,从而医生获得的是准确性更高的诊断信息,继而能够根据该诊断信息,做出准确性更高的病情判断。
同时,由于医生根据该诊断信息,做出了准确性更高的病情判断,所以使得人们的疾病能够得到有效的治疗,减少了人们因为疾病而受到的痛苦。
基于同一发明构思,本发明实施例还提供一种电子设备,在实际应用中,该电子设备可以是台式电脑,也可以是笔记本电脑,还可以是工作站等电子设备,在此不做限制。
请参考图3,图3是本发明实施例提供的电子设备的功能模块图,该电子设备安装有一医用计算机辅助诊断***,该电子设备包括:机壳301;电路板302,设置于机壳301内;处理器303,设置于电路板302上,用于获得第一图像,第一图像为一医疗影像装置采集的原始图像,并使用第一图像处理算法对第一图像进行处理,获得第二图像,并获得一选择第二图像的第二区域的选择操作,并基于选择操作,使用第二图像处理算法对第一图像的第一区域或第二区域进行处理,获得第三图像,其中,第二图像处理算法与第一图像处理算法不相同,第二区域在第二图像上的第二位置与第一区域在第一图像上的第一位置相对应,并基于第三图像,输出一诊断信息。
在具体实施过程中,处理器303具体用于使用具有第一特征值的图像特征提取算法提取第一图像中的第一图像信息,获得第二图像,或使用具有第二特征值的图像边缘提取算法提取第一图像中的第二图像信息,获得第二图像。
在具体实施过程中,处理器303具体用于使用具有第三特征值的图像特征提取算法提取第一区域中的第一子图像信息,第三特征值与第一特征值不相同,用第一子图像信息替代第二图像的第二区域的待替换图像信息,获得第三图像;或使用具有第四特征值的图像边缘提取算法提取第一区域中的第二子图像信息,第四特征值与第二特征值不相同,用第二子图像信息替代待替换图像信息,获得第三图像。
在具体实施过程中,处理器303具体用于使用具有第五特征值的图像特征提取算法提取第二区域中的第三子图像信息,第五特征值与第一特征值不相同,用第三子图像信息替代第二图像的第二区域的待替换图像信息,获得第三图像;或使用具有第六特征值的图像边缘提取算法提取第二区域中的第四子图像信息,第六特征值与第二特征值不相同,用第四子图像信息替代待替换图像信息,获得第三图像。
在具体实施过程中,处理器303具体用于获得第三图像中的图像特征信息,对图像特征信息进行定量计算,获得一计算结果,基于计算结果,输出诊断信息。
本实施例中的电子设备与前述实施例中的计算机诊断方法是基于同一发明构思下的两个方面,在前面已经对方法的实施过程作了详细的描述,所以本领域技术人员可根据前述描述清楚的了解本实施例中的电子设备的结构及实施过程,为了说明书的简洁,在此就不再赘述了。
上述本发明实施例中的技术方案,至少具有如下的技术效果或优点:
1、由于采用了在使用第一图像处理算法对医疗影像装置采集的原始图像进行处理,获得第二图像后,获得一选择第二图像的第二区域的选择操作,并基于选择操作,使用第二图像处理算法对第一图像的第一区域或第二区域进行处理,获得第三图像,最后基于第三图像,输出一诊断信息的技术方案,在第二图像中被遗漏掉的重要信息经过第二图像处理算法的处理后会被重新提取出来,所以解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,从而能够向医生提供准确性更高的诊断信息,以使医生做出准确性更高的病情判断。
2、由于解决了现有技术中医用计算机辅助诊断***存在容易遗漏重要信息的技术问题,所以医生根据医用计算机辅助诊断***输出的诊断信息做出的诊断就不会遗漏掉医疗影像装置采集的图像中的重要信息,从而使得人们的疾病能够得到有效的治疗,减少了人们因为疾病而受到的痛苦。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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)
1.一种计算机诊断方法,应用于一医用计算机辅助诊断***,其特征在于,所述方法包括:
获得第一图像,所述第一图像为一医疗影像装置采集的原始图像;
使用第一图像处理算法对所述第一图像进行处理,获得第二图像;
获得一选择所述第二图像的第二区域的选择操作;
基于所述选择操作,使用第二图像处理算法对所述第一图像的第一区域或所述第二区域进行处理,获得第三图像,其中,所述第二图像处理算法与所述第一图像处理算法不相同,所述第二区域在所述第二图像上的第二位置与所述第一区域在所述第一图像上的第一位置相对应;
基于所述第三图像,输出一诊断信息。
2.如权利要求1所述的方法,其特征在于,所述使用第一图像处理算法对所述第一图像进行处理,获得第二图像,具体为:
使用具有第一特征值的图像特征提取算法提取所述第一图像中的第一图像信息,获得所述第二图像;或
使用具有第二特征值的图像边缘提取算法提取所述第一图像中的第二图像信息,获得所述第二图像。
3.如权利要求2所述的方法,其特征在于,所述使用第二图像处理算法对所述第一图像的第一区域进行处理,获得第三图像,具体包括:
使用具有第三特征值的所述图像特征提取算法提取所述第一区域中的第一子图像信息,所述第三特征值与所述第一特征值不相同;
用所述第一子图像信息替代所述第二图像的第二区域的待替换图像信息,获得所述第三图像;或
使用具有第四特征值的所述图像边缘提取算法提取所述第一区域中的第二子图像信息,所述第四特征值与所述第二特征值不相同;
用所述第二子图像信息替代所述待替换图像信息,获得所述第三图像。
4.如权利要求2所述的方法,其特征在于,所述使用所述第二图像处理算法对所述第二区域进行处理,获得第三图像,具体包括:
使用具有第五特征值的所述图像特征提取算法提取所述第二区域中的第三子图像信息,所述第五特征值与所述第一特征值不相同;
用所述第三子图像信息替代所述第二图像的第二区域的待替换图像信息,获得所述第三图像;或
使用具有第六特征值的所述图像边缘提取算法提取所述第二区域中的第四子图像信息,所述第六特征值与所述第二特征值不相同;
用所述第四子图像信息替代所述待替换图像信息,获得所述第三图像。
5.如权利要求1-4任一权项所述的方法,其特征在于,所述基于所述第三图像,输出一诊断信息,具体包括:
获得所述第三图像中的图像特征信息;
对所述图像特征信息进行定量计算,获得一计算结果;
基于所述计算结果,输出所述诊断信息。
6.一种电子设备,所述电子设备安装有一医用计算机辅助诊断***,其特征在于,所述电子设备包括:
机壳;
一电路板,设置于所述机壳内;
一处理器,设置于所述电路板上,用于获得第一图像,所述第一图像为一医疗影像装置采集的原始图像,并使用第一图像处理算法对所述第一图像进行处理,获得第二图像,并获得一选择所述第二图像的第二区域的选择操作,并基于所述选择操作,使用第二图像处理算法对所述第一图像的第一区域或所述第二区域进行处理,获得第三图像,其中,所述第二图像处理算法与所述第一图像处理算法不相同,所述第二区域在所述第二图像上的第二位置与所述第一区域在所述第一图像上的第一位置相对应,并基于所述第三图像,输出一诊断信息。
7.如权利要求6所述的电子设备,其特征在于,所述处理器具体用于使用具有第一特征值的图像特征提取算法提取所述第一图像中的第一图像信息,获得所述第二图像,或使用具有第二特征值的图像边缘提取算法提取所述第一图像中的第二图像信息,获得所述第二图像。
8.如权利要求7所述的电子设备,其特征在于,所述处理器具体用于使用具有第三特征值的所述图像特征提取算法提取所述第一区域中的第一子图像信息,所述第三特征值与所述第一特征值不相同,用所述第一子图像信息替代所述第二图像的第二区域的待替换图像信息,获得所述第三图像;或使用具有第四特征值的所述图像边缘提取算法提取所述第一区域中的第二子图像信息,所述第四特征值与所述第二特征值不相同,用所述第二子图像信息替代所述待替换图像信息,获得所述第三图像。
9.如权利要求7所述的电子设备,其特征在于,所述处理器具体用于使用具有第五特征值的所述图像特征提取算法提取所述第二区域中的第三子图像信息,所述第五特征值与所述第一特征值不相同,用所述第三子图像信息替代所述第二图像的第二区域的待替换图像信息,获得所述第三图像;或使用具有第六特征值的所述图像边缘提取算法提取所述第二区域中的第四子图像信息,所述第六特征值与所述第二特征值不相同,用所述第四子图像信息替代所述待替换图像信息,获得所述第三图像。
10.如权利要求6-9任一权项所述的电子设备,其特征在于,所述处理器具体用于获得所述第三图像中的图像特征信息,对所述图像特征信息进行定量计算,获得一计算结果,基于所述计算结果,输出所述诊断信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210574641.9A CN103020466B (zh) | 2012-12-26 | 2012-12-26 | 一种计算机诊断方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210574641.9A CN103020466B (zh) | 2012-12-26 | 2012-12-26 | 一种计算机诊断方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103020466A true CN103020466A (zh) | 2013-04-03 |
CN103020466B CN103020466B (zh) | 2016-09-07 |
Family
ID=47969064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210574641.9A Active CN103020466B (zh) | 2012-12-26 | 2012-12-26 | 一种计算机诊断方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020466B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017193581A1 (zh) * | 2016-05-13 | 2017-11-16 | 深圳市前海安测信息技术有限公司 | 乳腺筛查图像自动处理***及方法 |
WO2018176717A1 (zh) * | 2017-03-25 | 2018-10-04 | 深圳市前海安测信息技术有限公司 | 基于医疗云平台的乳腺筛查影像分析***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1502310A (zh) * | 2002-11-27 | 2004-06-09 | 通用电气公司 | 用于测量与疾病相关的组织变化的方法和*** |
CN101551855A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 自适应核匹配追踪辅助诊断***及其辅助诊断方法 |
US20100054622A1 (en) * | 2008-09-04 | 2010-03-04 | Anchor Bay Technologies, Inc. | System, method, and apparatus for smoothing of edges in images to remove irregularities |
CN101916443A (zh) * | 2010-08-19 | 2010-12-15 | 中国科学院深圳先进技术研究院 | Ct图像的处理方法及*** |
-
2012
- 2012-12-26 CN CN201210574641.9A patent/CN103020466B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1502310A (zh) * | 2002-11-27 | 2004-06-09 | 通用电气公司 | 用于测量与疾病相关的组织变化的方法和*** |
US20100054622A1 (en) * | 2008-09-04 | 2010-03-04 | Anchor Bay Technologies, Inc. | System, method, and apparatus for smoothing of edges in images to remove irregularities |
CN101551855A (zh) * | 2009-05-13 | 2009-10-07 | 西安电子科技大学 | 自适应核匹配追踪辅助诊断***及其辅助诊断方法 |
CN101916443A (zh) * | 2010-08-19 | 2010-12-15 | 中国科学院深圳先进技术研究院 | Ct图像的处理方法及*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017193581A1 (zh) * | 2016-05-13 | 2017-11-16 | 深圳市前海安测信息技术有限公司 | 乳腺筛查图像自动处理***及方法 |
WO2018176717A1 (zh) * | 2017-03-25 | 2018-10-04 | 深圳市前海安测信息技术有限公司 | 基于医疗云平台的乳腺筛查影像分析***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103020466B (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11983799B2 (en) | System and method for synthesizing low-dimensional image data from high-dimensional image data using an object grid enhancement | |
CN109791692B (zh) | 使用来自感兴趣区域的不同视角的多个图像进行计算机辅助检测以提高检测准确度的***和方法 | |
CN110853111B (zh) | 医学影像处理***、模型训练方法及训练装置 | |
Raghavendra et al. | Optimized multi-level elongated quinary patterns for the assessment of thyroid nodules in ultrasound images | |
JP2010119850A (ja) | 統計モデルを用いた医療画像自動セグメンテーションシステム、装置並びにプロセッサ | |
EP2080169A1 (en) | System and method for segmenting a region in a medical image | |
CN112529834A (zh) | 病理图像模式在3d图像数据中的空间分布 | |
CN111968070A (zh) | 一种基于三维建模的血管检测方法及装置 | |
US8907949B2 (en) | Image display apparatus, method and program | |
CN109313803B (zh) | 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置 | |
CN104166994B (zh) | 一种基于训练样本优化的骨骼抑制方法 | |
Velliangiri et al. | Investigation of deep learning schemes in medical application | |
CN115311191A (zh) | 使用深度学习估计的扫描方案遮罩来生成三维解剖结构扫描的重新格式化视图 | |
Dawood et al. | The importance of contrast enhancement in medical images analysis and diagnosis | |
JP2021019714A (ja) | 画像処理装置、画像処理方法及びx線ct装置 | |
CN103020466A (zh) | 一种计算机诊断方法及电子设备 | |
CN102596054A (zh) | 多平面成像中的定量结果 | |
Chen et al. | The research and practice of medical image enhancement and 3D reconstruction system | |
CN112515705B (zh) | 用于投影轮廓启用的计算机辅助检测的方法和*** | |
Rhyou et al. | Aggregated micropatch-based deep learning neural network for ultrasonic diagnosis of cirrhosis | |
Wang et al. | Improving segmentation of breast arterial calcifications from digital mammography: good annotation is all you need | |
Salehi et al. | Investigation and simulation of different medical image processing algorithms to improve image quality using simulink matlab | |
Chen | Frontiers of Medical Imaging | |
Dai et al. | B-mode ultrasound to elastography synthesis using multiscale learning | |
Cao et al. | Automatic spinal ultrasound image segmentation and deployment for real-time spine volumetric reconstruction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |