CN108090889A - 乳腺图像坐标系建立方法及装置 - Google Patents

乳腺图像坐标系建立方法及装置 Download PDF

Info

Publication number
CN108090889A
CN108090889A CN201611027724.0A CN201611027724A CN108090889A CN 108090889 A CN108090889 A CN 108090889A CN 201611027724 A CN201611027724 A CN 201611027724A CN 108090889 A CN108090889 A CN 108090889A
Authority
CN
China
Prior art keywords
galactophore image
coordinate system
galactophore
image edge
edge
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
Application number
CN201611027724.0A
Other languages
English (en)
Other versions
CN108090889B (zh
Inventor
李明
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.)
Medical Cross Cloud (beijing) Technology Co Ltd
Yidu Cloud Beijing Technology Co Ltd
Original Assignee
Medical Cross Cloud (beijing) 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 Medical Cross Cloud (beijing) Technology Co Ltd filed Critical Medical Cross Cloud (beijing) Technology Co Ltd
Priority to CN201611027724.0A priority Critical patent/CN108090889B/zh
Publication of CN108090889A publication Critical patent/CN108090889A/zh
Application granted granted Critical
Publication of CN108090889B publication Critical patent/CN108090889B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30068—Mammography; Breast

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本公开是关于乳腺图像坐标系建立方法及装置，该方法包括：根据边缘提取算法，从一包括乳腺图像的原始图像中提取乳腺图像边缘；计算所述乳腺图像边缘上多个点的近似曲率并结合各所述近似曲率在所述乳腺图像边缘中识别出***位置；基于最小二乘法对所述乳腺图像边缘进行拟合以得到一圆弧；以经过所述***位置和所述圆弧的圆心的直线为第一坐标轴、以与所述第一坐标轴垂直且与所述圆弧相切的直线为第二坐标轴建立坐标系。该方法能够很好的判断左、右乳腺几何结构上的相似性和对称性。

Description

乳腺图像坐标系建立方法及装置
技术领域
本公开涉及图像处理技术领域，具体而言，涉及一种乳腺图像坐标系建立方法及乳腺图像坐标系建立装置。
背景技术
随着科学技术及医疗行业的不断发展，为了提高医学诊断的效率及准确率，医生对医疗器械使用的方便性、准确性和智能化要求越来越高。通过乳腺钼靶图像的计算机辅助检测完成图像配准是研究左、右乳腺对称性的一个重要方法；此方法能够提高乳腺钼靶仪的准确性和智能性。
目前，传统的图像配准方法是通过比较左、右乳腺两张图像的纹理特征，然后通过纹理特征的相似性判断左、右乳腺几何结构上的相似性和对称性。由于对左、右乳腺两张图像上各点的位置定位不准，所以，此方法不能准确对比左、右乳腺两张图像的纹理特征，从而不能很好的判断左、右乳腺几何结构上的相似性和对称性。
由上可知，需要提供一种新的乳腺图像坐标系建立方法及装置。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种乳腺图像坐标系建立方法及乳腺图像坐标系建立装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面，提供了一种乳腺图像坐标系建立方法，该乳腺图像坐标系建立方法包括：
根据边缘提取算法，从一包括乳腺图像的原始图像中提取乳腺图像边缘；
计算所述乳腺图像边缘上多个点的近似曲率并结合各所述近似曲率在所述乳腺图像边缘中识别出***位置；
基于最小二乘法对所述乳腺图像边缘进行拟合以得到一圆弧；
以经过所述***位置和所述圆弧的圆心的直线为第一坐标轴、以与所述第一坐标轴垂直且与所述圆弧相切的直线为第二坐标轴建立坐标系。
在本公开的一种示例性实施例中，计算所述乳腺图像边缘上多个点的近似曲率包括：
在所述乳腺图像边缘上选取多个所述点，其中每一所述点和与其相邻的两个所述点之间的曲线段长度相同；
计算每一所述点和与其相邻的两个所述点的连线所形成的夹角，并以所述夹角的余弦值作为该所述点的所述近似曲率。
在本公开的一种示例性实施例中，结合各所述近似曲率在所述乳腺图像边缘中识别出***位置包括：
计算所有所述夹角的开口方向的平均值；
计算每个所述夹角方向与所述夹角方向平均值的内积，判断所述内积为正且所述曲率最大的所述点为***位置。
在本公开的一种示例性实施例中，所述边缘提取算法包括CANNY算子或OTSU区域分割算法。
在本公开的一种示例性实施例中，在提取所述乳腺图像边缘之后，利用高斯核对所述乳腺图像边缘进行卷积运算。
根据本公开的另一个方面，还提供一种乳腺图像坐标系建立装置，该乳腺图像坐标系建立装置包括：
乳腺图像边缘提取单元，用于根据边缘提取算法，从一包括乳腺图像的原始图像中提取乳腺图像边缘；
***位置识别单元，用于计算所述乳腺图像边缘上多个点的近似曲率并结合各所述近似曲率在所述乳腺图像边缘中识别出***位置；
圆弧获取单元，用于基于最小二乘法对所述乳腺图像边缘进行拟合以得到一圆弧；
坐标系建立单元，用于以经过所述***位置和所述圆弧的圆心的直线为第一坐标轴、以与所述第一坐标轴垂直且与所述圆弧相切的直线为第二坐标轴建立坐标系。
在本公开的一种示例性实施例中，计算所述乳腺图像边缘上多个点的近似曲率包括：
在所述乳腺图像边缘上选取多个所述点，其中每一所述点和与其相邻的两个所述点之间的曲线段长度相同；
计算每一所述点和与其相邻的两个所述点的连线所形成的夹角，并以所述夹角的余弦值作为该所述点的所述近似曲率。
在本公开的一种示例性实施例中，结合各所述近似曲率在所述乳腺图像边缘中识别出***位置包括：
计算所有所述夹角的开口方向的平均值；
计算每个所述夹角方向与所述夹角方向平均值的内积，判断所述内积为正且所述曲率最大的所述点为***位置。
在本公开的一种示例性实施例中，所述边缘提取算法包括CANNY算子或OTSU区域分割算法。
在本公开的一种示例性实施例中，所述乳腺图像坐标系建立装置还包括卷积运算单元，所述卷积运算单元用于在提取所述乳腺图像边缘之后，利用高斯核对所述乳腺图像边缘进行卷积运算。
本公开的乳腺图像坐标系建立方法及装置，通过基于各点的近似曲率在乳腺图像边缘中识别出***位置，将乳腺图像边缘拟合得到圆弧，建立以连接***位置和圆弧的圆心的直线为第一坐标轴，与第一坐标轴垂直且与圆弧相切的直线为第二坐标轴的坐标系。一方面，通过***位置以及乳腺图像边缘拟合得到的圆弧建立坐标系，由于每个人的左、右***和左、右乳腺的对称性，所以，对左、右乳腺两张图像分别建立的坐标系对称性强；而且***位置较其他位置便于寻找，通***位置计算得到坐标系效率高，增加计算机的运行速度。另一方面，建立坐标系后，由于乳腺图像中的各点在坐标系中均有各自的坐标，所以，此方法对左、右乳腺两张图像上各点的位置定位准确，能够准确对比左、右乳腺两张图像的纹理特征，从而能很好的判断左、右乳腺几何结构上的相似性和对称性。再一方面，为乳腺建立统一的坐标系，可以通过坐标直接表述病灶的相对坐标位置；又一方面，由于乳腺图像中的各点在坐标系中均有各自的坐标，方便通过计算机等完成后续各种操作，能够满足准确性和智能化要求。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出本公开一示例实施例的乳腺图像坐标系建立方法的流程图。
图2示意性示出本公开一示例实施例中建立的乳腺图像坐标系。
图3示意性示出本公开一示例实施例中实际建立的乳腺图像坐标系截图。
图4示意性示出本公开一示例实施例的乳腺图像坐标系建立装置的框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本公开的示例实施例中，首先提供了一种乳腺图像坐标系建立方法。参考图1所示，该乳腺图像坐标系建立方法可以包括以下步骤：
步骤S1，根据边缘提取算法，从一包括乳腺图像的原始图像中提取乳腺图像边缘；
步骤S2，计算所述乳腺图像边缘上多个点的近似曲率并结合各所述近似曲率在所述乳腺图像边缘中识别出***位置；
步骤S3，基于最小二乘法对所述乳腺图像边缘进行拟合以得到一圆弧；
步骤S4，以经过所述***位置和所述圆弧的圆心的直线为第一坐标轴、以与所述第一坐标轴垂直且与所述圆弧相切的直线为第二坐标轴建立坐标系。
根据本示例实施例中乳腺图像坐标系建立方法，一方面，通过***位置以及乳腺图像边缘拟合得到的圆弧建立坐标系，由于每个人的左、右***和左、右乳腺的对称性，所以，对左、右乳腺两张图像分别建立的坐标系对称性强；而且***位置较其他位置便于寻找，通***位置计算得到坐标系效率高，增加计算机的运行速度。另一方面，建立坐标系后，由于乳腺图像中的各点在坐标系中均有各自的坐标，所以，此方法对左、右乳腺两张图像上各点的位置定位准确，能够准确对比左、右乳腺两张图像的纹理特征，从而能很好的判断左、右乳腺几何结构上的相似性和对称性。再一方面，为乳腺建立统一的坐标系，可以通过坐标直接表述病灶的相对坐标位置；又一方面，由于乳腺图像中的各点在坐标系中均有各自的坐标，方便通过计算机等完成后续各种操作，能够满足准确性和智能化要求。
下面，将对本示例实施方式中的乳腺图像坐标系建立方法进行进一步的说明。
在步骤S1中，根据边缘提取算法，从一包括乳腺图像的原始图像中提取乳腺图像边缘。
边缘提取算法主要用于在原始图像中提取乳腺图像边缘；在本示例实施例中，所述边缘提取算法可以包括CANNY算子或OTSU区域分割算法等。根据CANNY算子或OTSU区域分割算法从包括乳腺图像的原始图像中提取乳腺图像边缘。另外，在本公开的其他示例性实施例中，所述边缘提取算法也可以采用其他算法，本示例性实施例中对此不做特殊限定。
由于原始图像中的乳腺图像纹理丰富，所以可能计算得到比较多的乳腺图像边缘，在本示例实施例中，可以提取乳腺图像边缘中长度最长的一条作为研究对象。其中，长度最长的一条乳腺图像边缘能够比较完整的保留整个乳腺的特征，能够保证提取结果的完整性，而且有利于后续步骤的顺利完成。如果选择较短的乳腺图像边缘，可能该乳腺图像边缘中并不包含有***位置，进而无法完成后续的***位置的定位等步骤。
在步骤S2中，计算所述乳腺图像边缘上多个点的近似曲率并结合各所述近似曲率在所述乳腺图像边缘中识别出***位置。
在本示例实施例中，计算所述乳腺图像边缘上多个点的近似曲率可以包括：在所述乳腺图像边缘上选取多个所述点，其中每一所述点和与其相邻的两个所述点之间的曲线段长度相同；计算每一所述点和与其相邻的两个所述点的连线所形成的夹角，并以所述夹角的余弦值作为该所述点的所述近似曲率。当然，本领域技术人员容易理解的是，在本公开的其他示例性实施例中，所述近似曲率算法也可以采用其他算法，例如可以采用计算所述夹角的正弦值、正切值或余切值或者采用其他方法来确定所述近似曲率，本示例性实施例中对此不做特殊限定。
结合各所述近似曲率在所述乳腺图像边缘中识别出***位置可以包括：计算所有所述夹角的开口方向的平均值；计算每个所述夹角方向与所述夹角方向平均值的内积，判断所述内积为正且所述曲率最大的所述点为***位置。此外，在本公开的其他示例性实施例中，所述***位置的确定也可以采用其他方法，本示例性实施例中对此不做特殊限定。
举例而言，参考图2中所示，首先，在乳腺图像边缘上选取多个点p1、p2、p3等，以点p1为例，其中点p1和与其相邻的两个点p2、p3之间的曲线段长度相同。其次，计算点p1和与其相邻的两个点p2、p3的连线所形成的夹角α，并计算夹角α的余弦值cosα作为该点p1的所述近似曲率。然后，计算所有所述夹角的开口方向的平均值mean(V)，并计算每个所述夹角方向V与所述夹角方向平均值mean(V)的内积。最后，判断所述内积为正且所述曲率最大的所述点为***位置P。
在乳腺图像边缘中***位置的曲率和***与***衔接处的曲率都比较大，因此仅仅通过近似曲率很难确定***的位置；但是***位置夹角的夹角方向与夹角方向平均值的内积为正，而***与***衔接处的夹角方向与夹角方向平均值的内积为负，所以通过曲率和夹角方向与夹角方向平均值的内积来判断***位置更为准确无误。
在步骤S3中，基于最小二乘法对所述乳腺图像边缘进行拟合以得到一圆弧。
在本示例实施例中，在对所述乳腺图像边缘进行拟合前，可以截取乳腺图像边缘的一段，且该段包含有所述***位置；由于要对乳腺图像边缘进行拟合以得到一段圆弧，而乳腺边缘在接近身体的部分接近为直线，对乳腺图像边缘的拟合会造成误差的引入，所以在对乳腺图像边缘进行拟合前，截取乳腺图像边缘的一段，该截取段一般选择为以***为中心，其长度为乳腺图像边缘整体长度的四分之三，但是，在本公开的其他示例性实施例中，所述乳腺图像边缘的截取长度也可以采用其他长度，本示例性实施例中对此不做特殊限定。
在步骤S4中，以经过所述***位置和所述圆弧的圆心的直线为第一坐标轴、以与所述第一坐标轴垂直且与所述圆弧相切的直线为第二坐标轴建立坐标系。
在本示例实施例中，具体的实施方法可以为：通过直线连接所述***位置和所述圆弧的圆心，并使所述直线与所述圆弧相交，在所述相交点做所述圆弧的切线，形成以所述相交点为原点、所述直线为第一坐标轴、所述切线为第二坐标轴的坐标系。
通过***位置以及乳腺图像边缘拟合得到的圆弧建立坐标系，由于每个人的左、右***和左、右乳腺的对称性，所以，对左、右乳腺两张图像分别建立的坐标系对称性强。
进一步的，在本公开的其他示例性实施例中，在提取所述乳腺图像边缘之后，还可以利用高斯核对所述乳腺图像边缘进行卷积运算。
例如，在本示例实施例中，可以通过高斯核对所述乳腺图像边缘进行卷积运算能够对乳腺图像边缘中的噪声进行滤除，进而可以为后续步骤提供准确的数据，从而能够更快、更准的确定***的位置，能够更快拟合得到更接近于实际乳腺边缘的乳腺图像边缘。另外，在本公开的其他示例性实施例中，还可以应用其他方法滤除乳腺图像边缘中的噪声，本示例性实施例中对此不做特殊限定。
参考图3中所示的实际建立的乳腺图像坐标系截图，图中的坐标系为(O，x，y)，以相交点为原点、所述直线为第一坐标轴、所述切线为第二坐标轴的坐标系，乳腺图像中的各点在坐标系中均有各自的坐标；相比于现有技术而言，本示例实施方式中，建立坐标系后，由于乳腺图像中的各点在坐标系中均有各自的坐标，所以，此方法对左、右乳腺两张图像上各点的位置定位准确，能够准确对比左、右乳腺两张图像的纹理特征，从而能很好的判断左、右乳腺几何结构上的相似性和对称性。为乳腺建立统一的坐标系，可以通过坐标直接表述病灶的相对坐标位置；而且方便通过计算机等完成后续各种操作，能够满足准确性和智能化要求。
进一步的，本示例实施方式还提供了对应于上述乳腺图像坐标系建立方法的乳腺图像坐标系建立装置。参照图4所示，该乳腺图像坐标系建立装置可以包括乳腺图像边缘提取单元1、***位置识别单元2、圆弧获取单元3、坐标系建立单元4。其中：
乳腺图像边缘提取单元1可以用于根据边缘提取算法，从一包括乳腺图像的原始图像中提取乳腺图像边缘。
***位置识别单元2可以用于计算所述乳腺图像边缘上多个点的近似曲率并结合各所述近似曲率在所述乳腺图像边缘中识别出***位置。
圆弧获取单元3可以用于基于最小二乘法对所述乳腺图像边缘进行拟合以得到一圆弧。
坐标系建立单元4可以用于以经过所述***位置和所述圆弧的圆心的直线为第一坐标轴、以与所述第一坐标轴垂直且与所述圆弧相切的直线为第二坐标轴建立坐标系。
在本示例实施例中，计算所述乳腺图像边缘上多个点的近似曲率可以包括：在所述乳腺图像边缘上选取多个所述点，其中每一所述点和与其相邻的两个所述点之间的曲线段长度相同；计算每一所述点和与其相邻的两个所述点的连线所形成的夹角，并以所述夹角的余弦值作为该所述点的所述近似曲率。
在本示例实施例中，结合各所述近似曲率在所述乳腺图像边缘中识别出***位置可以包括：计算所有所述夹角的开口方向的平均值；计算每个所述夹角方向与所述夹角方向平均值的内积，判断所述内积为正且所述曲率最大的所述点为***位置。
在本示例实施例中，所述边缘提取算法可以包括CANNY算子或OTSU区域分割算法。
在本示例实施例中，所述乳腺图像坐标系建立装置还可以包括卷积运算单元，所述卷积运算单元用于在提取所述乳腺图像边缘之后，利用高斯核对所述乳腺图像边缘进行卷积运算。
上述乳腺图像坐标系建立装置中各模块的具体细节已经在对应的虚拟对象运动控制方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了乳腺图像坐标系建立装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种乳腺图像坐标系建立方法，其特征在于，包括：
根据边缘提取算法，从一包括乳腺图像的原始图像中提取乳腺图像边缘；
计算所述乳腺图像边缘上多个点的近似曲率并结合各所述近似曲率在所述乳腺图像边缘中识别出***位置；
基于最小二乘法对所述乳腺图像边缘进行拟合以得到一圆弧；
以经过所述***位置和所述圆弧的圆心的直线为第一坐标轴、以与所述第一坐标轴垂直且与所述圆弧相切的直线为第二坐标轴建立坐标系。
2.根据权利要求1所述的乳腺图像坐标系建立方法，其特征在于，
计算所述乳腺图像边缘上多个点的近似曲率包括：
在所述乳腺图像边缘上选取多个所述点，其中每一所述点和与其相邻的两个所述点之间的曲线段长度相同；
计算每一所述点和与其相邻的两个所述点的连线所形成的夹角，并以所述夹角的余弦值作为该所述点的所述近似曲率。
3.根据权利要求2所述的乳腺图像坐标系建立方法，其特征在于，
结合各所述近似曲率在所述乳腺图像边缘中识别出***位置包括：
计算所有所述夹角的开口方向的平均值；
计算每个所述夹角方向与所述夹角方向平均值的内积，判断所述内积为正且所述曲率最大的所述点为***位置。
4.根据权利要求1所述的乳腺图像坐标系建立方法，其特征在于，所述边缘提取算法包括CANNY算子或OTSU区域分割算法。
5.根据权利要求1所述的乳腺图像坐标系建立方法，其特征在于，在提取所述乳腺图像边缘之后，利用高斯核对所述乳腺图像边缘进行卷积运算。
6.一种乳腺图像坐标系建立装置，其特征在于，包括：
乳腺图像边缘提取单元，用于根据边缘提取算法，从一包括乳腺图像的原始图像中提取乳腺图像边缘；
***位置识别单元，用于计算所述乳腺图像边缘上多个点的近似曲率并结合各所述近似曲率在所述乳腺图像边缘中识别出***位置；
圆弧获取单元，用于基于最小二乘法对所述乳腺图像边缘进行拟合以得到一圆弧；
坐标系建立单元，用于以经过所述***位置和所述圆弧的圆心的直线为第一坐标轴、以与所述第一坐标轴垂直且与所述圆弧相切的直线为第二坐标轴建立坐标系。
7.根据权利要求6所述的乳腺图像坐标系建立装置，其特征在于，
计算所述乳腺图像边缘上多个点的近似曲率包括：
在所述乳腺图像边缘上选取多个所述点，其中每一所述点和与其相邻的两个所述点之间的曲线段长度相同；
计算每一所述点和与其相邻的两个所述点的连线所形成的夹角，并以所述夹角的余弦值作为该所述点的所述近似曲率。
8.根据权利要求7所述的乳腺图像坐标系建立装置，其特征在于，
结合各所述近似曲率在所述乳腺图像边缘中识别出***位置包括：
计算所有所述夹角的开口方向的平均值；
计算每个所述夹角方向与所述夹角方向平均值的内积，判断所述内积为正且所述曲率最大的所述点为***位置。
9.根据权利要求6所述的乳腺图像坐标系建立装置，其特征在于，所述边缘提取算法包括CANNY算子或OTSU区域分割算法。
10.根据权利要求6所述的乳腺图像坐标系建立装置，其特征在于，所述乳腺图像坐标系建立装置还包括卷积运算单元，所述卷积运算单元用于在提取所述乳腺图像边缘之后，利用高斯核对所述乳腺图像边缘进行卷积运算。
CN201611027724.0A 2016-11-21 2016-11-21 乳腺图像坐标系建立方法及装置 Active CN108090889B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611027724.0A CN108090889B (zh) 2016-11-21 2016-11-21 乳腺图像坐标系建立方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611027724.0A CN108090889B (zh) 2016-11-21 2016-11-21 乳腺图像坐标系建立方法及装置

Publications (2)

Publication Number Publication Date
CN108090889A true CN108090889A (zh) 2018-05-29
CN108090889B CN108090889B (zh) 2020-10-13

Family

ID=62169629

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611027724.0A Active CN108090889B (zh) 2016-11-21 2016-11-21 乳腺图像坐标系建立方法及装置

Country Status (1)

Country Link
CN (1) CN108090889B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109363699A (zh) * 2018-10-16 2019-02-22 杭州依图医疗技术有限公司 一种乳腺影像病灶识别的方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040161141A1 (en) * 2003-02-19 2004-08-19 Agfa-Gevaert Method of determining the orientation of an image
CN106061379A (zh) * 2014-01-10 2016-10-26 佳能株式会社 处理设备、处理方法及程序

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040161141A1 (en) * 2003-02-19 2004-08-19 Agfa-Gevaert Method of determining the orientation of an image
CN106061379A (zh) * 2014-01-10 2016-10-26 佳能株式会社 处理设备、处理方法及程序

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹霖等: "基于生理特征的乳腺X线图像多视图分析坐标系", 《电子与信息学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109363699A (zh) * 2018-10-16 2019-02-22 杭州依图医疗技术有限公司 一种乳腺影像病灶识别的方法及装置

Also Published As

Publication number Publication date
CN108090889B (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
JP6430064B2 (ja) データを位置合わせする方法及びシステム
Parvin et al. Iterative voting for inference of structural saliency and characterization of subcellular events
US9811721B2 (en) Three-dimensional hand tracking using depth sequences
Deng et al. Retinal fundus image registration via vascular structure graph matching
EP1849122B1 (en) Facial recognition and the open mouth problem
Qin et al. Real-time hand gesture recognition from depth images using convex shape decomposition method
WO2017199141A1 (en) Point cloud matching method
CN108022262A (zh) 一种基于点的邻域重心向量特征的点云配准方法
WO2019174276A1 (zh) 用于定位目标物体区域中心的图像处理方法、装置、设备和介质
Zhao et al. Segmentation of ultrasound images of thyroid nodule for assisting fine needle aspiration cytology
CN109034095A (zh) 一种人脸对齐检测方法、装置和存储介质
Aldoma et al. Automation of “ground truth” annotation for multi-view RGB-D object instance recognition datasets
Bartesaghi et al. An energy-based three-dimensional segmentation approach for the quantitative interpretation of electron tomograms
CN108090486A (zh) 一种台球比赛中的图像处理方法及装置
CN112101208A (zh) 高龄老人特征串联融合手势识别方法及装置
JP2016014954A (ja) 手指形状の検出方法、そのプログラム、そのプログラムの記憶媒体、及び、手指の形状を検出するシステム。
CN105809089A (zh) 复杂背景下的多人脸检测方法及装置
CN108921195A (zh) 一种基于神经网络的肺结节图像识别方法及装置
Nasri et al. A novel approach for dynamic hand gesture recognition using contour-based similarity images
Reel et al. Robust retinal image registration using expectation maximisation with mutual information
CN108090889A (zh) 乳腺图像坐标系建立方法及装置
WO2016004706A1 (zh) 一种改善在非理想环境下虹膜识别性能的方法
Reel et al. Multimodal retinal image registration using a fast principal component analysis hybrid-based similarity measure
Zhang et al. A structure-aware splitting framework for separating cell clumps in biomedical images
Huang et al. Improving keypoint matching using a landmark-based image representation

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