CN107292815A - 乳腺图像的处理方法、装置及乳腺成像设备 - Google Patents
乳腺图像的处理方法、装置及乳腺成像设备 Download PDFInfo
- Publication number
- CN107292815A CN107292815A CN201710447718.9A CN201710447718A CN107292815A CN 107292815 A CN107292815 A CN 107292815A CN 201710447718 A CN201710447718 A CN 201710447718A CN 107292815 A CN107292815 A CN 107292815A
- Authority
- CN
- China
- Prior art keywords
- image
- greyscale transformation
- frequency
- mammary gland
- low
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 43
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 210000000481 breast Anatomy 0.000 title claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 240
- 210000005075 mammary gland Anatomy 0.000 claims abstract description 170
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000006835 compression Effects 0.000 claims abstract description 37
- 238000007906 compression Methods 0.000 claims abstract description 37
- 238000006243 chemical reaction Methods 0.000 claims description 42
- 238000013179 statistical model Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 15
- 238000001914 filtration Methods 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 6
- 210000004907 gland Anatomy 0.000 description 5
- 238000009607 mammography Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 210000002445 nipple Anatomy 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000440580 Mammaria Species 0.000 description 1
- 206010040007 Sense of oppression Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; 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
- G06T2207/10072—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种乳腺图像的处理方法、装置及乳腺成像设备。该方法包括:获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像;依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域;对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。通过上述技术方案,实现了更加准确地、自动地获取乳腺图像中需要进行厚度均衡的灰度变换区域,从而获得灰度分布更加均匀的乳腺图像,达到了更好地乳腺图像厚度均衡效果。
Description
技术领域
本发明实施例涉及医学图像处理技术,尤其涉及一种乳腺图像的处理方法、装置及乳腺成像设备。
背景技术
全数字化乳腺摄影成像过程中,乳腺是在压迫板压迫时进行拍摄的。但是,由于压迫板压迫不到乳腺边缘以及乳腺组织的分布特点,使得拍摄获得的乳腺图像的中心区域与边缘区域之间存在较大的灰度差异,即乳腺图像的灰度分布不均匀。这种情况下,如果仍然按照固定的对比度显示图像,则只能观察到一部分乳腺组织,很可能造成漏诊。
目前,对于乳腺图像灰度分布不均匀的问题,通常是通过对乳腺图像进行灰度变换(即厚度均衡)来解决的,用于确定灰度变换范围的常用方法有固定距离法和模型法。但是,固定距离法完全不考虑个体差异,往往达不到理想的厚度均衡效果;而模型法受限于模型的假设本身,所能达到的厚度均衡效果也有限。
发明内容
本发明实施例提供一种乳腺图像的处理方法、装置及乳腺成像设备,以实现更加准确地、自动地获取乳腺图像中需要进行厚度均衡的灰度变换区域,从而获得灰度分布更加均匀的乳腺图像,达到了更好地乳腺图像厚度均衡效果。
第一方面,本发明实施例提供了一种乳腺图像的处理方法,包括:
获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像;
依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域;
对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
第二方面,本发明实施例还提供了一种乳腺图像的处理装置,该装置包括:
图像获取模块,用于获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像;
灰度变换区域确定模块,用于依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域;
目标图像生成模块,用于对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
第三方面,本发明实施例还提供了一种乳腺成像设备,包括用于发射X射线的X射线源;用于采集X射线源发射的X射线的探测器;用于放置乳腺的乳腺托板;用于压迫乳腺的压迫板;及对图像进行处理的图像处理器,其中,所述图像处理器用于获取探测器采集的原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像;依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域;对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
本发明实施例通过获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像,使得乳腺图像的处理过程中能够保留图像细节,只改变图像对比度,从而达到灰度均匀的目的;在灰度变换区域的获取过程中,利用了乳腺宽度及乳腺压迫厚度,考虑到了乳腺检查者的个体差异及乳腺拍摄过程中的操作差异,解决了由于个体差异而导致的厚度均衡效果不佳的问题,使得灰度变换区域的获取更加准确;而且灰度变换区域是利用乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型自动确定的,而非经验性确定,解决了乳腺图像的处理过于依赖经验性参数的问题,减少了处理过程中主观因素的影响,进一步提高了灰度变换区域获取的准确性;通过对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像,能够获得灰度分布更加均匀的乳腺图像,从而达到更好地乳腺图像厚度均衡效果,使其更加符合临床需求。
附图说明
图1是本发明实施例一中的一种乳腺图像的处理方法的流程图;
图2是本发明实施例中的乳腺拍摄示意图;
图3是本发明实施例中的原始扫描图像和对数域上的扫描图像;
图4是本发明实施例一中的乳腺分割模板;
图5是本发明实施例一中的低频原始图像、低频乳腺图像和高频原始图像;
图6是本发明实施例二中的一种乳腺图像的处理方法的流程图;
图7是本发明实施例三中的一种乳腺图像的处理装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种乳腺图像的处理方法的流程图。该方法可以由乳腺图像的处理装置来执行,该装置可以由软件和/或硬件的方式实现,该装置可以集成在能够进行乳腺摄影的医疗设备中,例如典型的是乳腺X线摄影设备,例如乳腺干板X线摄影***、专用屏片摄影***或全视野数字乳腺X线摄影***(Full-Field DigitalMammography,FFDM)等。如图1所示,本实施例的方法具体包括如下步骤:
S110、获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像。
具体地,可利用诸如FFDM的乳腺摄影***对乳腺进行拍摄。如图2所示,从乳腺被压迫时***所在的剖面视角来看,上述乳腺拍摄过程为:首先,利用托板201和压迫板202压迫乳腺203,然后从拍摄视角204对乳腺203进行拍摄,即可获得图3所示的原始扫描图像310。从图2中可以看出,压迫乳腺203时,由于受压迫力度以及压迫角度等因素的影响,乳腺轮廓边缘区域205往往不能很好地被压迫,即整个乳腺的压迫不均匀,使得乳腺203的压迫厚度不均匀,从而导致最终获得的图3中的原始扫描图像310灰度不均匀,如:乳腺中部区域312明显暗于乳腺轮廓边缘区域311及乳腺根部区域313,且乳腺轮廓边缘区域311的灰度与背景区域314的灰度比较接近,这样的原始扫描图像作为诊断参考时,不利于对乳腺疾病的诊断,因此需要对该原始扫描图像进行厚度均衡处理,即灰度变换,更具体地说,是需要对原始扫描图像中的乳腺轮廓边缘区域进行灰度变换,以得到符合临床需求的乳腺图像。
在获得原始扫描图像之后,为了降低计算复杂度和计算量,可以对其进行预处理操作。比如,利用X射线的衰减服从指数分布的特性,对原始扫描图像进行对数变换,将其变换为对数域(即LOG域)上的扫描图像,即图3所示的LOG扫描图像320。之后,可以利用诸如细节保持性较好的双边滤波或适用性较强的小波滤波的滤波算法对该LOG扫描图像进行滤波,分别获得低频图像和高频图像。该低频图像决定了乳腺图像的总体形状(整体光色),而高频图像决定了乳腺图像的细节部分,所以后续进行灰度变换的处理对象主要为低频图像,以达到只改变图像对比度,不影响图像细节的目的。
当然,在对数变换前后或滤波处理前后,可以利用图4的乳腺分割模板进行乳腺区域的提取(即裁剪),获得仅包含乳腺区域而不包含背景区域的乳腺图像。该乳腺分割模板是预先对原始扫描图像进行相关的分割检测,去掉直接曝光区(即背景区域)、胸墙区及植入物区等之后获得的。也就是说,上述预处理操作过程可以是裁剪、对数变换和滤波,也可以是对数变换、裁剪和滤波,还可以是对数变换、滤波和裁剪,具体地执行顺序,可以依据实际需要进行选择。
S120、依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域。
其中,乳腺宽度指的是乳腺图像中乳腺最宽一处的宽度,具体可以是乳腺轮廓至背离乳腺轮廓一侧图像边缘的垂直距离中的最大值。参见图2,通常情况下,乳腺宽度206对应于***至背离乳腺轮廓一侧的图像边缘的垂直距离。乳腺压迫厚度指的是乳腺拍摄过程中,被压迫的乳腺中与压迫板接触部分的厚度,参见图2,被压迫的乳腺203中与压迫板202相接触的乳腺部分对应的厚度即为乳腺压迫厚度207。乳腺压迫厚度通常可以通过乳腺拍摄***进行拍摄时的拍摄参数来获取。灰度变换距离确定模型指的是预先根据训练样本数据建立的、用于确定灰度变换距离的模型,该模型可以是统计模型,也可以是诸如机器学习等智能算法模型。
具体地,获取乳腺宽度和乳腺压迫厚度作为灰度变换距离确定模型的模型参数,然后利用获得的模型参数和灰度变换距离确定模型确定出灰度变换距离,并根据该灰度变换距离确定出低频图像中需要进行厚度均衡的灰度变换区域。
示例性地,灰度变换距离确定模型通过如下方式预先训练获得:获取至少两组历史乳腺图像及所述历史乳腺图像对应的历史乳腺压迫厚度;依据所述历史乳腺图像,确定历史乳腺宽度和历史灰度变换距离,并将所述历史乳腺宽度、所述历史乳腺压迫厚度及所述历史灰度变换距离确定为模型训练参数;利用所述模型训练参数及设定模型进行模型训练,获得灰度变换距离确定模型。
其中,历史乳腺图像指的是在对当前乳腺检查者进行乳腺拍摄之前,临床获得的、过往的乳腺检查者的乳腺图像。历史乳腺压迫厚度指的是与历史乳腺图像对应的乳腺压迫厚度,即在获取每一张历史乳腺图像时,相应地乳腺拍摄***所给出的乳腺压迫厚度数值。历史乳腺宽度指的是历史乳腺图像对应的乳腺宽度。灰度变换距离指的是乳腺图像中需要进行灰度变换的距离,其通常指的是乳腺拍摄过程中,未被压迫的乳腺部分的宽度。比如图2中,未与压迫板接触部分,即乳腺轮廓边缘区域205的宽度即为灰度变换距离208。历史灰度变换距离指的是与历史乳腺图像对应的灰度变换距离,其通常是对历史乳腺图像进行厚度均衡时,为了使得均衡效果较佳而人为经验调整的距离值。设定模型指的是预先设定的灰度变换距离确定模型的模型形式,其可以为统计模型或智能算法模型等,而统计模型又可以为线性模型或非线性模型等。优选地,本实施例中根据计算复杂度,将设定模型设置为统计模型;又考虑到灰度变换距离与乳腺宽度及乳腺压迫厚度有关,所以更具体地将设定模型设置为二元线性模型。
具体地,根据所获得的历史乳腺图像确定出对应的历史乳腺宽度及历史灰度变换距离。至此,每一张历史乳腺图像都有一组对应的历史乳腺宽度、历史乳腺压迫厚度及历史灰度变换距离,记为一组模型训练参数。那么至少2张历史乳腺图像就对应至少2组模型训练参数。然后,将灰度变换距离设置为设定模型的因变量,将乳腺宽度和乳腺压迫厚度设置为设定模型的自变量,就可以确定出设定模型的具体形式,即:Dis=a*W+b*T+c,其中,Dis为灰度变换距离,W为乳腺宽度,T为乳腺压迫厚度,a、b和c为模型系数。
之后,利用上述多组模型训练参数,对上述设定模型进行模型拟合训练,就可以确定出模型系数a、b和c的具体数值,进而获得灰度变换距离确定模型。该灰度变换距离确定模型即可用于后续的灰度变换距离的确定。
当然,在该灰度变换距离确定模型的临床应用过程中,可以依据灰度变换距离确定模型的应用数据,对其进行优化。也就是说,在临床应用过程中,如果利用灰度变换距离确定模型所确定的灰度变换距离使得最终的厚度均衡效果不够理想,那么可以人为调整该灰度变换距离,直至获得较好的厚度均衡效果,然后将调整后的灰度变换距离、其对应的乳腺宽度和乳腺压迫厚度作为新的模型训练参数,对上述灰度变换距离确定模型进行进一步地优化处理。
S130、对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
具体地,在确定了灰度变换区域之后,就可以获取相应的灰度变换参数,然后利用该灰度变换参数对S110中获得的低频图像中的灰度变换区域进行灰度变换,获得厚度均衡后的低频图像,即目标低频图像。之后,再将该目标低频图像与S110中获取的高频图像进行重构,即将目标低频图像中和高频图像中对应的像素点的灰度值进行相加,以获得厚度均衡后的图像,即目标图像。
本实施例的技术方案,通过获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像,使得乳腺图像的处理过程中能够保留图像细节,只改变图像对比度,从而达到灰度均匀的目的;在灰度变换区域的获取过程中,利用了乳腺宽度及乳腺压迫厚度,考虑到了乳腺检查者的个体差异及乳腺拍摄过程中的操作差异,解决了由于个体差异而导致的厚度均衡效果不佳的问题,使得灰度变换区域的获取更加准确;而且灰度变换区域是利用乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型自动确定的,而非经验性确定,解决了乳腺图像的处理过于依赖经验性参数的问题,减少了处理中主观因素的影响,进一步提高了灰度变换区域获取的准确性;通过对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像,能够获得灰度分布更加均匀的乳腺图像,从而达到更好地乳腺图像厚度均衡效果,使其更加符合临床需求。
在上述技术方案的基础上,S110优选可以是获取原始扫描图像,并对所述原始扫描图像进行滤波,分别获得低频原始图像和高频原始图像;对所述低频原始图像进行分割,获得低频乳腺图像。相应地,S130可以是对所述低频原始图像的所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频原始图像;对所述目标低频原始图像和所述高频原始图像进行重构,生成目标原始图像。
具体地,首先获取原始扫描图像,并对其进行LOG变换,获得LOG扫描图像。然后,对该LOG扫描图像进行滤波,获得如图5所示的包含背景区域的、与LOG扫描图像对应的低频原始图像501和高频原始图像502。之后,再利用图4的乳腺分割模板对低频原始图像501进行裁剪,获得低频乳腺图像503,此图像即为后续进行灰度变换参数获取的基础图像。这样设置的好处在于,通过对数变换、滤波和裁剪的预处理操作,能够有效减少图像的数据量,从而降低后续灰度变换参数确定的计算复杂度和计算量。当然,低频原始图像和高频原始图像也可以直接基于原始扫描图像来获得。
相应地,S130具体为在确定了灰度变换区域之后,就可以获取相应的灰度变换参数,然后利用该灰度变换参数对上述获得的低频原始图像501中的灰度变换区域进行灰度变换,获得厚度均衡后的低频原始图像,即目标低频原始图像,该目标低频原始图像中包含背景区域。之后,再将该目标低频原始图像与上述获取的高频原始图像502进行重构,以获得厚度均衡后的原始图像,即目标原始图像。这样获得的最终可应用于临床的图像就是与原始扫描图像完全对应的、包含背景区域的完整图像,可便于后续的其他操作处理。
在上述技术方案的基础上,S110优选还可以是获取原始扫描图像,并依据所述原始扫描图像获取乳腺图像;对所述乳腺图像进行滤波,分别获得低频乳腺图像和高频乳腺图像。相应地,S130则可以是对所述低频乳腺图像的所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频乳腺图像;对所述目标低频乳腺图像和所述高频乳腺图像进行重构,生成目标乳腺图像。
具体地,首先获取原始扫描图像,并对其进行LOG变换,获得LOG扫描图像。然后,利用图4的乳腺分割模板对该LOG扫描图像进行裁剪,获得仅包含乳腺区域的乳腺图像。之后,再对该乳腺图像进行滤波,获得相应的低频乳腺图像和高频乳腺图像。此低频乳腺图像即为图5所示的低频乳腺图像503。这样设置的好处在于,通过对数变换、裁剪和滤波的预处理操作,能够进一步减少图像的数据量,从而降低后续灰度变换参数确定及目标图像生成的计算复杂度和计算量。同样地,图像裁剪的对象也可以是原始扫描图像。
相应地,S130具体为在确定了灰度变换区域之后,就可以获取相应的灰度变换参数,然后利用灰度变换参数对上述获得的低频乳腺图像中的灰度变换区域进行灰度变换,获得厚度均衡后的低频乳腺图像,即目标低频乳腺图像,该目标低频乳腺图像中仅包含乳腺区域。之后,再将该目标低频乳腺图像与上述获取的高频乳腺图像进行重构,以获得厚度均衡后的乳腺图像,即目标乳腺图像。这样获得的最终可应用于临床的图像是不包含背景区域的,能够减少后续其他操作处理中的数据量。
实施例二
图6为本发明实施例二提供的一种乳腺图像的处理方法的流程图,本实施例在上述实施例一的基础上,对“依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域”进行了进一步优化。在此基础上,还可以进一步对“对所述灰度变换区域进行灰度变换”进行优化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。
下面结合图6对本发明实施例二提供的乳腺图像的处理方法进行说明,本实施例的方法包括:
S210、获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像。
S220、依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像对应的灰度变换距离。
具体地,根据原始扫描图像、低频图像和高频图像中的任一图像获取相应的乳腺图像,然后基于该乳腺图像来确定其对应的乳腺宽度。该乳腺宽度的确定可以是先获取乳腺图像中乳腺轮廓上的每一个像素点至背离乳腺轮廓一侧的图像边缘的垂直距离,然后将这些垂直距离中的最大值确定为该乳腺图像对应的乳腺宽度。但是,考虑到乳腺图像是从原始扫描图像中分割而来的,当原始扫描图像中包含诸如手臂等其他人体区域时,其对应的乳腺分割模板中也可能包含上述其他人体区域,致使乳腺图像中也可能含有除乳腺之外的其他人体区域。这样,乳腺图像中的最大宽度并不一定对应于乳腺宽度。所以,需要对乳腺图像进行进一步的处理,即去除掉乳腺图像中其他人体区域可能存在的图像部分。然后再获取上述处理后的乳腺图像中乳腺轮廓上的每一个像素点至背离乳腺轮廓一侧的图像边缘的垂直距离,并确定出其中的最大垂直距离值,作为该乳腺图像对应的乳腺宽度。上述其他人体区域可能存在的图像部分通常可以对临床获取的乳腺图像进行人眼观察,然后人为经验划定一个图像范围。
然后,将获取的乳腺宽度W和乳腺压迫厚度T作为输入参数,通过灰度变换距离确定模型Dis=a*W+b*T+c,就可以获得低频图像对应的灰度变换距离。
S230、将所述低频图像的乳腺轮廓至所述灰度变换距离范围内的区域确定为所述低频图像的灰度变换区域。
具体地,在确定了灰度变换距离之后,就可以根据该灰度变换距离确定出低频图像中需要进行灰度变换的区域,即灰度变换区域。即:从低频图像的乳腺轮廓开始,向乳腺区域内部径向延伸灰度变换距离的长度,可以确定出一个与乳腺轮廓相似边界,该边界与乳腺轮廓之间的区域,就是所要确定的灰度变换区域。参见图3,以LOG扫描图像320为例,在该LOG扫描图像320中,从乳腺轮廓321开始,沿着乳腺轮廓321的径向方向322,向乳腺区域内部延伸灰度变换距离323的长度,得到乳腺轮廓相似边界324,该乳腺轮廓相似边界324与乳腺轮廓321之间所形成的区域就是该LOG扫描图像320中的灰度变换区域325。
S240、依据所述灰度变换区域的灰度值,确定灰度值变换区间。
具体地,要对低频图像中的灰度变换区域进行灰度变换,就要确定用于灰度变换的具体的灰度变换参数,即实现灰度变换的操作依据,比如可以是进行灰度变换的至少一个灰度变化区间对应的灰度变换公式。而要确定灰度变换参数,就要先一步确定一个合理的灰度值变换区间,即确定低频图像中需要进行灰度变换的目标灰度最大值(灰度值变换区间的区间最大值)和目标灰度最小值(灰度值变换区间的区间最小值),由这两个值确定灰度值变换区间。也就是说,要根据灰度变换区域的灰度值,来确定灰度值变换区间。而低频图像中只要在这个灰度值变换区间内的所有像素点的灰度都要依据后续确定的灰度变换参数进行灰度变换。
示例性地,S240可以包括:
分别确定所述灰度变换区域的第一边缘和第二边缘对应的第一像素点集和第二像素点集;确定所述第一像素点集的灰度最大值,并将所述灰度最大值确定为所述灰度值变换区间的区间最大值;确定所述第二像素点集的灰度均值,并将所述灰度均值确定为灰度值变换区间的区间最小值;依据所述区间最大值和所述区间最小值,确定所述灰度值变换区间。
其中,第一边缘为灰度变换区域中的乳腺轮廓,第二边缘为灰度变换区域中远离乳腺轮廓的一侧边缘。参见图3,以LOG扫描图像320为例,乳腺轮廓321就是灰度变换区域325中的第一边缘,而乳腺轮廓相似边界324就是灰度变换区域325中的第二边缘。相应地,第一像素点集就是乳腺轮廓上所有的像素点构成的像素点集,第二像素点集就是第二边缘上所有的像素点构成的像素点集。
具体地,在灰度变换区域中,对第一像素点集中所有像素点的灰度值进行灰度统计,找到其中的灰度最大值,将该灰度最大值作为灰度值变换区间的区间最大值。同时,对第二像素点集中所有像素点的灰度值进行均值计算,得到灰度均值,将该灰度均值作为灰度值变换区间的区间最小值。然后,由确定的区间最大值和区间最小值,确定灰度值变换区间。应当注意的是,本实施例中不限定灰度值变换区间的区间端点值的获取顺序,即上述确定区间最大值和区间最小值的执行顺序可以是按序执行,也可以是调换顺序执行。
S250、依据所述灰度值变换区间,确定所述低频图像的灰度变换参数。
具体地,在确定了灰度值变换区间之后,可以依据实际需要,确定该灰度值变换区间内的灰度变换公式。该灰度值变换区间可以是一个,也可以是划分为多个的灰度值变换子区间,该灰度值变换子区间的划分可以是经验划分,也可以依据灰度值变换区间的灰度值进行自动划分,比如灰度均分或者依据距离乳腺轮廓不同距离所对应的灰度值进行划分等;而每个区间或子区间对应的灰度变换公式可以是线性公式,也可以是非线性公式,其可以依据实际应用需求进行设定。
示例性地,S250可以包括:
将所述灰度值变换区间分为N个灰度值变换子区间,并确定每一个所述灰度值变换子区间对应的灰度变换线段,所述N为正整数;对N个所述灰度变换线段进行曲线拟合,获得所述低频图像的灰度变换参数。
具体地,可以依据灰度值变换区间确定出该灰度值变换区间对应的乳腺区域内的距离-灰度曲线,然后依据该距离-灰度曲线,将灰度值变换区间划分为正整数个,即N个灰度值变换子区间。其中,距离指的是图像中某一个像素点到乳腺轮廓的最小距离,即从该像素点至乳腺轮廓上每一个像素点进行连线,可以确定出多个连线的长度,这些长度中总存在最短的一个,该最短的连线即为该像素点距乳腺轮廓的最小距离。
根据S240的说明可知,灰度值变换区间的两个边缘分别为第一边缘和第二边缘,那么遍历第二边缘至第一边缘之间所有的像素点,就可以得到灰度值变换区间对应的乳腺区域内不同的像素点与乳腺轮廓之间的最小距离。而对于每一个最小距离而言,均存在与其对应的至少一个像素点,对该至少一个像素点的所有灰度值取均值,就可以得到该最小距离对应的灰度值。这样,根据上述的遍历结果,可以同时得到灰度值变换区间对应的乳腺区域内,不同的最小距离及其对应的灰度值,以最小距离为横坐标,与最小距离对应的灰度值为纵坐标,就能够建立距离-灰度曲线。
能够理解的是,在实际的处理过程中,该距离-灰度曲线是一个横坐标有限的离散曲线,其横坐标最小值为区间最大值对应的某个像素点的最小距离,横坐标最大值为区间最小值对应的某个像素点的最小距离,而在两者之间的横坐标值就为实际统计出的最小距离值,其通常是有限个,而非数值连续的无限个。那么,就可以根据该距离-灰度曲线上,除了横坐标最大值和横坐标最小值对应的灰度值之外的其他有限个灰度值(假定为N个),将灰度值变换区间划分为相应个数个灰度值变换子区间,即N个灰度值变换子区间。
然后,可以确定每个灰度值变换子区间对应的灰度变换线段。线段斜率可以自行设定,也可以根据灰度值变换子区间的两个区间端点值和灰度值变换区间的区间端点值来确定,比如斜率可以定义为灰度值变换区间的区间最小值的2倍与灰度值变换子区间的两个区间端点值之和的商。在斜率确定之后,可以进一步确定线段表达式。对于第一段线段,其线段初始点为灰度值变换区间的区间端点值,那么可以根据点斜式直接确定第一段线段的表达式;而后续的每一个线段的初始点均可以是前一段线段的末端点,该末端点值可以根据前一段线段的表达式和灰度值变换子区间的区间端点值计算得到,这样就可以利用点斜式计算出每一个线段的表达式。这样,就确定了每一个灰度值变换子区间对应的灰度变换线段。
之后,可以对上述获得的所有灰度变换线段进行拟合,以获得灰度变换参数,比如可以采用最小二乘法、拉格朗日插值法、牛顿迭代法、三次样条插值等对灰度变换线段进行曲线拟合以获得灰度变换曲线,该灰度变换曲线的参数即为灰度变换参数。这样设置的好处在于,可以更加细致化地确定灰度变换参数,从而减少灰度变换后低频图像的灰度跳跃,使得低频图像的灰度变换效果更加连续、更加平滑。
S260、依据所述灰度变换参数,对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
本实施例的技术方案,通过乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型来确定低频图像中的灰度变换距离,实现了对低频图像进行处理时灰度变换距离的自动确定,并考虑到了乳腺检查者的个体化差异,实现了乳腺图像处理过程的自动化,提高了灰度变换距离获取的准确性;通过灰度变换距离确定灰度值变换区间,进而确定灰度变换参数,进一步实现了乳腺图像处理过程的自动化,减少了人为参与过程,进一步提高了乳腺图像处理的准确性。从而获得了灰度分布更加均匀的乳腺图像,达到了更好地乳腺图像厚度均衡效果,使其更加符合临床需求。
以下是本发明实施例提供的乳腺图像的处理装置的实施例,该装置与上述各实施例的乳腺图像的处理方法属于同一个发明构思,在乳腺图像的处理装置的实施例中未详尽描述的细节内容,可以参考上述乳腺图像的处理方法的实施例。
实施例三
图7为本实施例三提供的一种乳腺图像的处理装置的结构示意图,该装置具体包括:图像获取模块710、灰度变换区域确定模块720和目标图像生成模块730。
其中,图像获取模块710,用于获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像;
灰度变换区域确定模块720,用于依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域;
目标图像生成模块730,用于对灰度变换区域确定模块720确定的灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
通过本发明实施例三的一种乳腺图像的处理装置,解决了乳腺图像的处理过于依赖经验性参数,且其均衡效果不佳的问题,实现了更加准确地、自动地获取乳腺图像中需要进行厚度均衡的灰度变换区域,从而获得灰度分布更加均匀的乳腺图像,达到了更好地乳腺图像厚度均衡效果。
可选地,所述图像获取模块710具体用于:
获取原始扫描图像,并对所述原始扫描图像进行滤波,分别获得低频原始图像和高频原始图像;
对所述低频原始图像进行分割,获得低频乳腺图像;
相应的,所述目标图像生成模块730具体用于:
对所述低频原始图像的所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频原始图像;
对所述目标低频原始图像和所述高频原始图像进行重构,生成目标原始图像。
可选地,所述图像获取模块710还具体用于:
获取原始扫描图像,并依据所述原始扫描图像获取乳腺图像;
对所述乳腺图像进行滤波,分别获得低频乳腺图像和高频乳腺图像;
相应的,所述目标图像生成模块730还具体用于:
对所述低频乳腺图像的所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频乳腺图像;
对所述目标低频乳腺图像和所述高频乳腺图像进行重构,生成目标乳腺图像。
可选地,所述灰度变换区域确定模块720具体用于:
依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定灰度变换距离;
将所述低频图像的乳腺轮廓至所述灰度变换距离范围内的区域确定为所述灰度变换区域。
可选地,所述目标图像生成模块730包括:
灰度值变换区间确定子模块,用于依据所述灰度变换区域的灰度值,确定灰度值变换区间;
灰度变换参数确定子模块,用于依据所述灰度值变换区间,确定所述低频图像的灰度变换参数;
灰度变换子模块,用于依据所述灰度变换参数,对所述灰度变换区域进行灰度变换。
进一步地,所述灰度值变换区间确定子模块具体用于:
分别确定所述灰度变换区域的第一边缘和第二边缘对应的第一像素点集和第二像素点集,其中,所述第一边缘为所述灰度变换区域中的乳腺轮廓,所述第二边缘为所述灰度变换区域中远离乳腺轮廓的一侧边缘;
确定所述第一像素点集的灰度最大值,并将所述灰度最大值确定为所述灰度值变换区间的区间最大值;
确定所述第二像素点集的灰度均值,并将所述灰度均值确定为灰度值变换区间的区间最小值;
依据所述区间最大值和所述区间最小值,确定所述灰度值变换区间。
进一步地,所述灰度变换参数确定子模块具体用于:
将所述灰度值变换区间分为N个灰度值变换子区间,并确定每一个所述灰度值变换子区间对应的灰度变换线段,所述N为正整数;
对N个所述灰度变换线段进行曲线拟合,获得所述低频图像的灰度变换参数。
可选地,在上述装置的基础上,该装置还包括:灰度变换距离确定模型训练模块740,该灰度变换距离确定模型训练模块740,用于通过如下方式预先训练所述灰度变换距离确定模型:
获取至少两组历史乳腺图像及所述历史乳腺图像对应的历史乳腺压迫厚度;
依据所述历史乳腺图像,确定历史乳腺宽度和历史灰度变换距离,并将所述历史乳腺宽度、所述历史乳腺压迫厚度及所述历史灰度变换距离确定为模型训练参数;
利用所述模型训练参数及设定模型进行模型训练,获得灰度变换距离确定模型,其中,所述设定模型为统计模型。
本发明实施例所提供的乳腺图像的处理装置可执行本发明任意实施例所提供的乳腺图像的处理方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述乳腺图像的处理装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元和模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种乳腺图像的处理方法,该方法包括:
获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像;
依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域;
对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的乳腺图像的处理方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的乳腺图像的处理方法。
实施例五
本发明实施例五提供了一种乳腺成像设备,该设备至少包括:
用于发射X射线的X射线源;
用于采集X射线源发射的X射线的探测器,所述探测器用于采集原始扫描图像;
用于放置乳腺的乳腺托板;
用于压迫所述乳腺的压迫板;及
用于对图像进行处理的图像处理器,其中,所述图像处理器用于执行一种乳腺图像的处理方法,该方法包括:
获取探测器采集的原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像;
依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域;
对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
当然,本发明实施例所提供的一种乳腺成像设备,其图像处理器不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的乳腺图像的处理方法中的相关操作。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种乳腺图像的处理方法,其特征在于,包括:
获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像;
依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域;
对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
2.根据权利要求1所述的方法,其特征在于,所述获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像,包括:
获取原始扫描图像,并对所述原始扫描图像进行滤波,分别获得低频原始图像和高频原始图像;
对所述低频原始图像进行分割,获得低频乳腺图像;
根据所述低频乳腺图像获取乳腺宽度;
相应的,所述对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像包括:
对所述低频原始图像的所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频原始图像;
对所述目标低频原始图像和所述高频原始图像进行重构,生成目标原始图像。
3.根据权利要求1所述的方法,其特征在于,所述获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像,包括:
获取原始扫描图像,并依据所述原始扫描图像获取乳腺图像;
对所述乳腺图像进行滤波,分别获得低频乳腺图像和高频乳腺图像;
根据所述低频乳腺图像或高频乳腺图像获取乳腺宽度;
相应的,所述对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像包括:
对所述低频乳腺图像的所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频乳腺图像;
对所述目标低频乳腺图像和所述高频乳腺图像进行重构,生成目标乳腺图像。
4.根据权利要求1所述的方法,其特征在于,所述依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域包括:
依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像对应的灰度变换距离;
将所述低频图像的乳腺轮廓至所述灰度变换距离范围内的区域确定为所述低频图像的灰度变换区域。
5.根据权利要求1所述的方法,其特征在于,所述对所述灰度变换区域进行灰度变换包括:
依据所述灰度变换区域的灰度值,确定灰度值变换区间;
依据所述灰度值变换区间,确定所述低频图像的灰度变换参数;
依据所述灰度变换参数,对所述灰度变换区域进行灰度变换。
6.根据权利要求5所述的方法,其特征在于,所述依据所述灰度变换区域的灰度值,确定灰度值变换区间包括:
分别确定所述灰度变换区域的第一边缘和第二边缘对应的第一像素点集和第二像素点集,其中,所述第一边缘为所述灰度变换区域中的乳腺轮廓,所述第二边缘为所述灰度变换区域中远离乳腺轮廓的一侧边缘;
确定所述第一像素点集的灰度最大值,并将所述灰度最大值确定为所述灰度值变换区间的区间最大值;
确定所述第二像素点集的灰度均值,并将所述灰度均值确定为灰度值变换区间的区间最小值;
依据所述区间最大值和所述区间最小值,确定所述灰度值变换区间。
7.根据权利要求5所述的方法,其特征在于,所述依据所述灰度值变换区间,确定所述低频图像的灰度变换参数包括:
将所述灰度值变换区间分为N个灰度值变换子区间,并确定每一个所述灰度值变换子区间对应的灰度变换线段,所述N为正整数;
对N个所述灰度变换线段进行曲线拟合,获得所述低频图像的灰度变换参数。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述灰度变换距离确定模型通过如下方式预先训练获得:
获取至少两组历史乳腺图像及所述历史乳腺图像对应的历史乳腺压迫厚度;
依据所述历史乳腺图像,确定历史乳腺宽度和历史灰度变换距离,并将所述历史乳腺宽度、所述历史乳腺压迫厚度及所述历史灰度变换距离确定为模型训练参数;
利用所述模型训练参数及设定模型进行模型训练,获得灰度变换距离确定模型,其中,所述设定模型为统计模型。
9.一种乳腺图像的处理装置,其特征在于,包括:
图像获取模块,用于获取原始扫描图像,并依据所述原始扫描图像获取低频图像和高频图像;
灰度变换区域确定模块,用于依据乳腺宽度、乳腺压迫厚度和灰度变换距离确定模型,确定所述低频图像的灰度变换区域;
目标图像生成模块,用于对所述灰度变换区域进行灰度变换,获得厚度均衡后的目标低频图像,并对所述目标低频图像和所述高频图像进行重构,生成目标图像。
10.一种乳腺成像设备,其特征在于,包括:
用于发射X射线的X射线源;
用于采集X射线源发射的X射线的探测器,所述探测器用于采集原始扫描图像;
用于放置乳腺的乳腺托板;
用于压迫所述乳腺的压迫板;及
用于对图像进行处理的图像处理器,其中,所述图像处理器用于执行如权利要求1~8任一项所述的乳腺图像的处理方法。
Priority Applications (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710447718.9A CN107292815B (zh) | 2017-06-14 | 2017-06-14 | 乳腺图像的处理方法、装置及乳腺成像设备 |
EP17914031.4A EP3622476A4 (en) | 2017-06-14 | 2017-12-29 | IMAGE PROCESSING SYSTEM AND METHOD |
PCT/CN2017/120325 WO2018227943A1 (en) | 2017-06-14 | 2017-12-29 | System and method for image processing |
CA3067078A CA3067078C (en) | 2017-06-14 | 2017-12-29 | System and method for image processing |
CN201780092082.9A CN110832540B (zh) | 2017-06-14 | 2017-12-29 | 图像处理***和方法 |
CA3168047A CA3168047A1 (en) | 2017-06-14 | 2017-12-29 | System and method for image processing |
US16/023,340 US10949950B2 (en) | 2017-06-14 | 2018-06-29 | System and method for image processing |
US17/201,084 US11562469B2 (en) | 2017-06-14 | 2021-03-15 | System and method for image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710447718.9A CN107292815B (zh) | 2017-06-14 | 2017-06-14 | 乳腺图像的处理方法、装置及乳腺成像设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107292815A true CN107292815A (zh) | 2017-10-24 |
CN107292815B CN107292815B (zh) | 2020-09-01 |
Family
ID=60097804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710447718.9A Active CN107292815B (zh) | 2017-06-14 | 2017-06-14 | 乳腺图像的处理方法、装置及乳腺成像设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292815B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862691A (zh) * | 2017-11-24 | 2018-03-30 | 上海联影医疗科技有限公司 | 检测***图像中非***区域的方法、装置、计算机和介质 |
CN108460754A (zh) * | 2018-01-15 | 2018-08-28 | 浙江深博医疗技术有限公司 | 低频超声图像转换为高频超声图像的方法 |
WO2018227943A1 (en) * | 2017-06-14 | 2018-12-20 | Shenzhen United Imaging Healthcare Co., Ltd. | System and method for image processing |
CN110163857A (zh) * | 2019-05-24 | 2019-08-23 | 上海联影医疗科技有限公司 | 图像背景区域的检测方法、装置、存储介质及x射线*** |
CN110544250A (zh) * | 2019-09-06 | 2019-12-06 | 上海联影医疗科技有限公司 | 一种医学图像处理方法和*** |
CN111789609A (zh) * | 2020-08-10 | 2020-10-20 | 上海联影医疗科技有限公司 | 一种成像***和方法 |
US10949950B2 (en) | 2017-06-14 | 2021-03-16 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
CN114627037A (zh) * | 2020-11-26 | 2022-06-14 | 季华实验室 | 一种静电纺丝厚度检测方法及装置 |
WO2023020374A1 (zh) * | 2021-08-20 | 2023-02-23 | 上海宝藤生物医药科技股份有限公司 | 电泳后脂蛋白胆固醇试剂扫描图的预处理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167355A1 (en) * | 2002-06-21 | 2006-07-27 | Sunnybrook And Women's College Health Sciences Centre | Method and apparatus for determining peripheral breast thickness |
US20090252396A1 (en) * | 2008-04-04 | 2009-10-08 | Fujifilm Corporation | Image processing apparatus and image processing method, and recording medium |
US20120063662A1 (en) * | 2010-09-15 | 2012-03-15 | Samsung Electronics Co., Ltd. | Method for processing image, image processing apparatus and medical image system for performing the same |
CN103371840A (zh) * | 2012-04-11 | 2013-10-30 | 富士胶片株式会社 | 放射线图像摄影装置、及放射线图像摄影方法 |
CN104274201A (zh) * | 2014-10-10 | 2015-01-14 | 深圳先进技术研究院 | 乳腺层析成像方法和***及成像设备和图像采集处理方法 |
CN104394767A (zh) * | 2012-06-11 | 2015-03-04 | 富士胶片株式会社 | 放射线图像处理装置及方法 |
CN104574361A (zh) * | 2014-11-27 | 2015-04-29 | 沈阳东软医疗***有限公司 | 一种乳腺外周组织均衡的图像处理方法和装置 |
CN105701796A (zh) * | 2015-12-31 | 2016-06-22 | 上海联影医疗科技有限公司 | ***图像的厚度均衡方法及装置、***摄影*** |
-
2017
- 2017-06-14 CN CN201710447718.9A patent/CN107292815B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167355A1 (en) * | 2002-06-21 | 2006-07-27 | Sunnybrook And Women's College Health Sciences Centre | Method and apparatus for determining peripheral breast thickness |
US20090252396A1 (en) * | 2008-04-04 | 2009-10-08 | Fujifilm Corporation | Image processing apparatus and image processing method, and recording medium |
US20120063662A1 (en) * | 2010-09-15 | 2012-03-15 | Samsung Electronics Co., Ltd. | Method for processing image, image processing apparatus and medical image system for performing the same |
CN103371840A (zh) * | 2012-04-11 | 2013-10-30 | 富士胶片株式会社 | 放射线图像摄影装置、及放射线图像摄影方法 |
CN104394767A (zh) * | 2012-06-11 | 2015-03-04 | 富士胶片株式会社 | 放射线图像处理装置及方法 |
CN104274201A (zh) * | 2014-10-10 | 2015-01-14 | 深圳先进技术研究院 | 乳腺层析成像方法和***及成像设备和图像采集处理方法 |
CN104574361A (zh) * | 2014-11-27 | 2015-04-29 | 沈阳东软医疗***有限公司 | 一种乳腺外周组织均衡的图像处理方法和装置 |
CN105701796A (zh) * | 2015-12-31 | 2016-06-22 | 上海联影医疗科技有限公司 | ***图像的厚度均衡方法及装置、***摄影*** |
Non-Patent Citations (2)
Title |
---|
DONG YIN等: "A Method of Breast Tumour MRI Segmentation and 3D Reconstruction", 《2015 7TH INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY IN MEDICINE AND EDUCATION(ITME)》 * |
栾孟杰等: "小波融合的乳腺图像增强方法", 《计算机工程与应用》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10949950B2 (en) | 2017-06-14 | 2021-03-16 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
WO2018227943A1 (en) * | 2017-06-14 | 2018-12-20 | Shenzhen United Imaging Healthcare Co., Ltd. | System and method for image processing |
US11562469B2 (en) | 2017-06-14 | 2023-01-24 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
CN107862691A (zh) * | 2017-11-24 | 2018-03-30 | 上海联影医疗科技有限公司 | 检测***图像中非***区域的方法、装置、计算机和介质 |
CN107862691B (zh) * | 2017-11-24 | 2020-06-19 | 上海联影医疗科技有限公司 | 检测***图像中非***区域的方法、装置、计算机和介质 |
CN108460754A (zh) * | 2018-01-15 | 2018-08-28 | 浙江深博医疗技术有限公司 | 低频超声图像转换为高频超声图像的方法 |
CN108460754B (zh) * | 2018-01-15 | 2020-08-18 | 浙江深博医疗技术有限公司 | 低频超声图像转换为高频超声图像的方法 |
CN110163857A (zh) * | 2019-05-24 | 2019-08-23 | 上海联影医疗科技有限公司 | 图像背景区域的检测方法、装置、存储介质及x射线*** |
CN110544250B (zh) * | 2019-09-06 | 2022-09-13 | 上海联影医疗科技股份有限公司 | 一种医学图像处理方法和*** |
CN110544250A (zh) * | 2019-09-06 | 2019-12-06 | 上海联影医疗科技有限公司 | 一种医学图像处理方法和*** |
CN111789609A (zh) * | 2020-08-10 | 2020-10-20 | 上海联影医疗科技有限公司 | 一种成像***和方法 |
CN111789609B (zh) * | 2020-08-10 | 2023-12-08 | 上海联影医疗科技股份有限公司 | 一种成像***和方法 |
CN114627037A (zh) * | 2020-11-26 | 2022-06-14 | 季华实验室 | 一种静电纺丝厚度检测方法及装置 |
WO2023020374A1 (zh) * | 2021-08-20 | 2023-02-23 | 上海宝藤生物医药科技股份有限公司 | 电泳后脂蛋白胆固醇试剂扫描图的预处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107292815B (zh) | 2020-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292815A (zh) | 乳腺图像的处理方法、装置及乳腺成像设备 | |
Würfl et al. | Deep learning computed tomography: Learning projection-domain weights from image domain in limited angle problems | |
CN110599528A (zh) | 一种基于神经网络的无监督三维医学图像配准方法及*** | |
JP2014064941A (ja) | 医療用途のデジタルx線画像の明るさレベルを計算する方法 | |
CN108780571A (zh) | 一种图像处理方法和*** | |
CN103026379B (zh) | 推算图像噪音水平的方法 | |
Vedula et al. | Towards CT-quality ultrasound imaging using deep learning | |
CN112651885A (zh) | 用于减少图像记录噪声的方法和装置 | |
Hsu et al. | Automatic segmentation of liver PET images | |
KR102224597B1 (ko) | 데이터 획득 시간 최소화를 위한 cnn 기반의 고해상도 영상 생성 장치 및 그 방법 | |
WO2022213654A1 (zh) | 一种超声图像的分割方法、装置、终端设备和存储介质 | |
CN107862665B (zh) | Ct图像序列的增强方法及装置 | |
US20180089864A1 (en) | Cbct image processing method | |
CN110533738B (zh) | 重建数据处理方法、装置、医学成像***及存储介质 | |
Bhairannawar | Efficient medical image enhancement technique using transform HSV space and adaptive histogram equalization | |
CN107316291A (zh) | 乳腺图像处理方法及乳腺成像设备 | |
Sano et al. | Super-resolution method and its application to medical image processing | |
Jeong et al. | Comparison of image enhancement methods for the effective diagnosis in successive whole-body bone scans | |
CN105678750B (zh) | 医学图像的灰度映射曲线生成方法及装置 | |
Mentl et al. | Noise reduction in low-dose ct using a 3D multiscale sparse denoising autoencoder | |
US11631160B2 (en) | Image processing apparatus, image processing method, and X-ray CT apparatus | |
WO2021051049A1 (en) | Few-view ct image reconstruction system | |
Zenteno et al. | Volumetric monitoring of cutaneous leishmaniasis ulcers: can camera be as accurate as laser scanner? | |
KR20210137281A (ko) | 3d 인공신경망 네트워크 기반 콘빔 아티팩트 보정 시스템 및 방법 | |
US20200380686A1 (en) | Detection of regions with low information content in digital x-ray images |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |