CN111161242B - 肺结节hu值确定方法、装置、存储介质及计算机设备 - Google Patents
肺结节hu值确定方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN111161242B CN111161242B CN201911383262.XA CN201911383262A CN111161242B CN 111161242 B CN111161242 B CN 111161242B CN 201911383262 A CN201911383262 A CN 201911383262A CN 111161242 B CN111161242 B CN 111161242B
- Authority
- CN
- China
- Prior art keywords
- cross
- section
- value
- lung nodule
- lung
- 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.)
- Active
Links
- 206010056342 Pulmonary mass Diseases 0.000 title claims abstract description 213
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000011218 segmentation Effects 0.000 claims abstract description 93
- 238000004364 calculation method Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 77
- 238000004590 computer program Methods 0.000 claims description 32
- 238000002591 computed tomography Methods 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000002829 reductive effect Effects 0.000 abstract description 9
- 210000004072 lung Anatomy 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 230000002685 pulmonary effect Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30061—Lung
- G06T2207/30064—Lung nodule
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种肺结节HU值确定方法、装置、存储介质及计算机设备,在获取肺结节的三维分割结果后,自动计算所有横断面的面积,从而可以准确确定面积最大的横断面,进而准确确定第一横断面;通过对第一横断面进行边缘处理,得到第二横断面,可以有效减少肺结节边缘区域HU值的不真实性对结果的影响;最后,根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围,并基于HU值计算范围确定肺结节的HU值。相比于人工确定的方式,一方面,本申请无需人工参与,因此处理效率更高;另一方面,由于可以准确确定面积最大的横断面,并且可以减少肺结节边缘区域的HU值的影响,从而可以提高肺结节HU值确定结果的准确性。
Description
技术领域
本申请涉及医学数据处理技术领域,特别是涉及一种肺结节HU值确定方法、装置、存储介质及计算机设备。
背景技术
CT(Computed Tomography,电子计算机断层扫描)是一种常用的医学扫描技术,CT扫描根据不同组织对X射线的不同吸收程度来对扫描对象的组织进行区分,吸收程度具体通过HU(Hounsfiled Unit)值来体现。HU值同时也可以用于进行病灶的良恶性区分,例如,以肺结节为例,在动态增强CT扫描中,当肺结节的CT值低于15HU时通常确定为良性,当CT值大于15HU时通常确定为恶性。
现有技术中,医生在根据HU值进行肺结节的良恶性判定时,通常采用人工方式得到肺结节的HU值,具体为,医生首先根据CT扫描数据确定肺结节中面积最大的横断面,然后手动勾勒感兴趣区域,然后将感兴趣区域的HU值作为肺结节的HU值。然而,人工方式的处理效率较低,且确定面积最大的横断面以及勾勒感兴趣区域的过程容易出错,影响最终结果的准确性。
发明内容
基于此,有必要针对现有技术存在的问题,提供一种效率以及准确性更高的肺结节HU值确定方法、装置、存储介质及计算机设备。
一种肺结节HU值确定方法,包括:
获取肺结节的三维分割结果;
根据所述肺结节的三维分割结果,获取所述肺结节中各横断面的面积,基于所述各横断面中面积最大的横断面确定第一横断面;
对所述第一横断面进行边缘处理,得到第二横断面;
根据所述第二横断面与所述第一横断面的至少一种几何度量关系,确定HU值计算范围;
基于所述HU值计算范围确定所述肺结节的HU值。
一种肺结节HU值确定装置,包括:
分割结果获取模块,用于获取肺结节的三维分割结果;
第一确定模块,用于根据所述肺结节的三维分割结果,获取所述肺结节中各横断面的面积,基于所述各横断面中面积最大的横断面确定第一横断面;
边缘处理模块,用于对所述第一横断面进行边缘处理,得到第二横断面;
第二确定模块,用于根据所述第二横断面与所述第一横断面的至少一种几何度量关系,确定HU值计算范围;
HU值确定模块,用于基于所述HU值计算范围确定所述肺结节的HU值。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
上述肺结节HU值确定方法、装置、存储介质及计算机设备,在获取肺结节的三维分割结果后,自动计算所有横断面的面积,从而可以准确确定面积最大的横断面,进而准确确定第一横断面;通过对第一横断面进行边缘处理,得到第二横断面,可以有效减少肺结节边缘区域HU值的不真实性对结果的影响;最后,根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围,并基于HU值计算范围确定肺结节的HU值。相比于人工确定的方式,一方面,本申请无需人工参与,因此处理效率更高;另一方面,由于可以准确确定面积最大的横断面,并且可以减少肺结节边缘区域的HU值的影响,从而可以提高肺结节HU值确定结果的准确性。
附图说明
图1为一个实施例中肺结节HU值确定方法的流程示意图;
图2为一个实施例中获取肺结节的三维分割结果的流程示意图;
图3为一个实施例中进行图像腐蚀处理的示意图;
图4为一个实施例中根据第二横断面与第一横断面的至少一种几何度量关系确定HU值计算范围的流程示意图;
图5为一个实施例中肺结节的多个横断面的示意图;
图6为一个实施例中肺结节HU值确定装置的结构示意图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供一种肺结节HU值确定方法,以该方法应用于可以进行肺结节HU值确定的处理器为例进行解释说明,该方法主要包括以下步骤:
步骤S100,获取肺结节的三维分割结果。
其中,肺结节的分割结果为根据原始的肺部CT图像进行图像分割处理得到,通过进行图像分割处理可以只保留肺结节的图像区域,去除肺结节以外的其他图像区域。由于肺部CT图像为三维图像,因此肺结节对应的分割结果为三维分割结果,具体地,肺结节的三维分割结果可以是包含该肺结节对应的多个横断面的分割结果。
处理器在获取肺结节的三维分割结果时,可以是实时获取CT扫描设备采集到的CT扫描数据,基于CT扫描数据进行图像重建和校正,得到原始的肺部CT图像,然后,将肺部CT图像发送至第三方图像处理设备,并接收该第三方图像处理设备基于肺部CT图像返回的肺结节的三维分割结果。处理器也可以是自身直接对得到的肺部CT图像进行肺结节分割处理,从而得到肺结节的三维分割结果。
当然,肺结节的三维分割结果也可以预先分割好,存储在存储器中,当需要对其进行处理时,处理器直接从存储器中读取肺结节的三维分割结果。另外,处理器也可以从外部设备中获取肺结节的三维分割结果。比如,将肺结节的三维分割结果存储在云端,当需要进行处理操作时,处理器从云端获取肺结节的三维分割结果。此外,外部设备也可以是外部的存储介质等,本实施例对处理器获取肺结节的三维分割结果的方式不做限定。
步骤S200,根据肺结节的三维分割结果,获取肺结节中各横断面的面积,基于各横断面中面积最大的横断面确定第一横断面。
处理器在得到肺结节的三维分割结果,分别计算该三维分割结果中各个横断面的面积,面积计算方法可以是采用现有技术中的面积计算算法实现,在此不做限定,只要该面积计算算法可以准确地计算出各个横断面的面积即可。
在得到各个横断面的面积之后,处理器可以是通过按照面积大小顺序对各横断面进行排序,确定面积最大的横断面,并基于该面积最大的横断面确定第一横断面。例如,可以是直接将该面积最大的横断面作为第一横断面。
步骤S300,对第一横断面进行边缘处理,得到第二横断面。
在肺结节的横断面中,肺结节边缘区域会对整个肺结节的HU值造成影响,例如,当边缘区域为光晕时,会导致边缘区域的HU值不真实。处理器在确定第一横断面之后,通过对第一横断面进行边缘处理,得到对边缘部分进行处理后的第二横断面,从而减少边缘区域对肺结节HU值的影响。
步骤S400,根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围。
其中,几何度量关系是指第二横断面与第一横断面在几何度量参数上的关系。处理器在得到第一横断面以及第二横断面之后,根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围。
需要说明的是,处理器在通过对第一横断面进行边缘处理得到第二横断面后,考虑到边缘处理可能存在处理效果的差异,本实施例并不是直接根据得到的第二横断面的HU值确定为肺结节的HU值计算范围,而是基于第二横断面与第一横断面的至少一种几何度量关系来确定HU值计算范围。例如,当处理的边缘区域过大、导致第二横断面过小时,根据过小的横断面来确定肺结节的HU值可能会存在不准确的问题。另外,若处理的边缘区域过小、导致第二横断面过大时,在第二横断面中仍可能包括未处理完全的边缘区域,从而也会降低结果的准确性。因此,本步骤中,根据第二横断面与第一横断面的至少一种几何度量关系确定的HU值计算范围可能是第一横断面的HU值,也可能是第二横断面的HU值。
步骤S500,基于HU值计算范围确定肺结节的HU值。
处理器在确定HU值计算范围后,基于HU值计算范围确定肺结节的HU值。HU值计算范围包括第一横断面或者第二横断面的HU值,本步骤具体可以是将第一横断面或者第二横断面内的平均HU值确定为肺结节的HU值,也可以是将第一横断面或者第二横断面内的最大HU值确定为肺结节的HU值,在此不作限定。
可选地,处理器可以是将第一横断面或者第二横断面发送至第三方图像处理设备,然后接收该第三方图像处理设备基于第一横断面或者第二横断面返回的HU值计算结果。另外,处理器也可以是自身直接计算得到的第一横断面或者第二横断面的HU值,具体计算方法可以通过现有的HU值计算方法实现,在此不做限定。
可以理解,本申请中所使用的第三方图像处理设备,可以是能够与本申请的处理器进行信息交互、并可以以全自动的工作方式进行图像处理(如基于肺部CT图像进行肺结节分割处理、计算肺结节横断面的HU值等)的设备;第三方图像处理设备也可以是能够与本申请的处理器进行信息交互、并且配置有人机交互装置从而可以允许用户参与图像处理过程(如用户人工设定肺结节分割区域等)的设备,在此不做限定。
本实施例提供一种肺结节HU值确定方法,在获取肺结节的三维分割结果后,自动计算所有横断面的面积,从而可以准确确定面积最大的横断面,进而准确确定第一横断面;通过对第一横断面进行边缘处理,得到第二横断面,可以有效减少肺结节边缘区域HU值的不真实性对结果的影响;最后,根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围,并基于HU值计算范围确定肺结节的HU值。相比于人工确定的方式,一方面,本申请无需人工参与,因此处理效率更高;另一方面,由于可以准确确定面积最大的横断面,并且可以减少肺结节边缘区域的HU值的影响,从而可以提高肺结节HU值确定结果的准确性。
在一个实施例中,如图2所示,步骤S100获取肺结节的三维分割结果包括步骤S120以及步骤S140。
步骤S120,获取包含肺结节的CT扫描数据;
步骤S140,基于CT扫描数据进行肺结节检测及分割处理,得到肺结节的三维分割结果。
处理器在得到包含肺结节的CT扫描数据之后,基于CT扫描数据进行图像重建和校正,得到原始的肺部CT图像,然后对得到的肺部CT图像进行肺结节的检测及分割处理,从而得到肺结节的三维分割结果。在对肺结节进行分割时,可以是通过分割算法、分割网络等自动进行分割的方式实现,也可以是医生通过手动分割的方式实现,在此不做限定。
本实施通过对肺结节进行检测及分割处理,可以准确得到肺结节的三维分割结果,提高肺结节HU值确定结果的准确性。
在一个实施例中,步骤S140基于CT扫描数据进行肺结节检测及分割处理,得到肺结节的三维分割结果包括:基于CT扫描数据进行肺结节检测,得到肺结节的位置信息,根据肺结节的位置信息进行肺结节分割,得到肺结节的三维分割结果。
处理器在基于CT扫描数据进行图像重建和校正,得到原始的肺部CT图像之后,可以通过调用预先训练得到的肺结节分割模型对肺部CT图像进行肺结节检测及分割。具体地,肺结节分割模型首先对肺部CT图像进行肺结节检测,得到肺结节的位置信息,从而可以根据位置信息确定感兴趣区域,然后对感兴趣区域进行分割处理,从而得到肺结节的三维分割结果。
本实施通过处理器进行肺结节的检测及分割处理,具体可以是通过调用预先训练得到的网络模型来实现,从而可以提高肺结节分割的效率以及准确性。
在一个实施例中,步骤S140基于CT扫描数据进行肺结节检测及分割处理,得到肺结节的三维分割结果包括:获取肺结节的定位参数,根据定位参数进行肺结节分割,得到肺结节的三维分割结果。
处理器在基于CT扫描数据进行图像重建和校正,得到原始的肺部CT图像之后,可以是通过显示界面向用户展示该肺部CT图像,并获取用户通过人机交互装置确定的肺结节的定位参数,然后处理器基于定位参数、通过图像分割算法/模型进行肺结节分割处理,从而得到肺结节的三维分割结果。
本实施例中,用户可以根据诊断需要进行肺结节的定位,处理器根据用户确定的定位参数进行肺结节分割,使得得到的分割结果满足用户的实际诊断需要,便于用户进行进一步的诊断分析。
在一个实施例中,边缘处理具体可以是指边缘去除处理。步骤S300中,对第一横断面进行边缘处理具体可以是对第一横断面进行图像腐蚀处理。图像腐蚀处理是指通过结构元素扫描待腐蚀图像中的每一个像素,用结构元素与其覆盖的待腐蚀图像的像素做“与”操作,从而根据操作结果确定该像素的图像值。
具体地,如图3所示,为进行图像腐蚀处理的示意图。图A为待腐蚀图像,图像中一个方框为一个像素,白色方框表示图像值为1,黑色方框表示图像值为0;Θ表示腐蚀操作,B为结构元素,结构元素B中+符号表示结构元素B的核。在使用结构元素B对图A进行扫描时,若结构元素B所覆盖的像素的图像值都为1,则结构元素B的核所在位置的像素的图像值为1,否则为0。
以像素所在的坐标表示对应位置的像素,当结构元素B的核落在像素[6,2]时,结构元素B所覆盖的其他两个像素为[6,1]和[5,2],而[6,1]和[5,2]的图像值都为0,因此,像素[6,2]的图像值变为0。当结构元素B的核落在像素[6,3]时,结构元素B所覆盖的其他两个像素为[6,2]和[5,3],而[6,2]和[5,3]的图像值都为1,因此,像素[6,3]的图像值仍为1。
基于上述处理流程,在使用结构元素B对图A进行扫描后,部分像素的图像值由1变为0(图中画斜线的方块),从而得到腐蚀后的图像A’。本实施例对第一横断面进行腐蚀处理的原理与上述处理流程相同,在此不再赘述。
可选地,在对第一横断面进行边缘处理时,也可以是采用其他方法,例如,可以是以第一横断面的中心点为圆心画圆,从而圆内的区域即为第二横断面,圆外的区域为去掉的边缘区域。另外,也可以在第一横断面内画椭圆等其他形状的封闭图案,在此不作限定。
本实施例中通过图像腐蚀等处理方式对第一横断面进行边缘处理,从而可以有效去除第一横断面的边缘区域,减少边缘区域对肺结节HU值计算结果的影响。
在一个实施例中,几何度量关系包括第二横断面与第一横断面的尺寸比,尺寸比具体可以是面积比,也可以是直径比,在此不做限定。
如图4所示,根据第二横断面与第一横断面的至少一种几何度量关系确定HU值计算范围以下步骤:
(1)计算第二横断面与第一横断面的尺寸比,尺寸比具体可以是面积比或者是直径比;
(2)判断尺寸比是否小于预设第一阈值;
(3)当第二横断面与第一横断面的尺寸比小于预设第一阈值时,可以认为去除的边缘区域过大、导致第二横断面过小,根据过小的横断面来确定肺结节的HU值可能会存在不准确的问题,且该情况对结果准确性的影响大于边缘区域对结果准确性的影响,因此,确定HU值计算范围为第一横断面的HU值,从而可以通过第一横断面的HU值得到肺结节的HU值。
(4)当尺寸比不小于预设第一阈值时,判断尺寸比是否不大于预设第二阈值;
当第二横断面与第一横断面的尺寸比大于或者等于预设第一阈值、且小于或者等于预设第二阈值时,可以认为去除的边缘区域和得到的第二横断面面积较为合适,此时,确定HU值计算范围为第二横断面的HU值,从而可以通过第二横断面的HU值得到肺结节的HU值,避免边缘区域对结果准确性的影响。
(5)当第二横断面与第一横断面的尺寸比大于预设第二阈值时,将第二横断面作为新的第一横断面,对新的第一横断面进行边缘处理,得到新的第二横断面,并返回步骤(1)计算新的第二横断面与新的第一横断面的尺寸比,直至最新的尺寸比不大于预设第二阈值,即能够确定HU值计算范围为第一横断面或者第二横断面的HU值为止,从而可以通过第一横断面或者第二横断面的HU值得到肺结节的HU值。
本实施例中,考虑到边缘处理可能存在处理效果的差异,在对第一横断面进行边缘处理得到第二横断面后,并不是直接根据得到的第二横断面的HU值确定为肺结节的HU值计算范围,而是根据第二横断面与第一横断面的尺寸比确定肺结节的HU值计算范围,从而可以提高肺结节HU值计算结果的准确性。
在一个实施例中,第一预设阈值的取值可以是0.3,第二预设阈值的取值可以是0.6,即当第二横断面与第一横断面的尺寸比在0.3到0.6之间时,确定HU值计算范围为第二横断面的HU值;当尺寸比小于0.3时,确定HU值计算范围为第一横断面的HU值;当尺寸比大于0.6时,将第二横断面作为新的第一横断面,对新的第一横断面进行边缘处理,得到新的第二横断面,并计算新的第二横断面与新的第一横断面的尺寸比,直至新的尺寸比小于或者等于0.6。
可以理解,上述取值仅是本申请方案的一个示例,在实际应用过程中,可以根据实际情况设置第一预设阈值以及第二预设阈值,本申请并不限定第一预设阈值以及第二预设阈值的具体取值。
在一个实施例中,基于面积最大的横断面确定第一横断面还包括:将面积最大的横断面以及与面积最大的横断面间隔预设层数的其他横断面作为第一横断面。
对应地,对第一横断面进行边缘处理,得到第二横断面包括:对各第一横断面分别进行边缘处理,得到各第一横断面对应的第二横断面。
对应地,根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围包括:基于各第二横断面与对应的第一横断面的至少一种几何度量关系,确定面积最大的横断面以及其他横断面的HU值计算范围。在肺结节的三维分割结果中,对于面积最大的横断面以及与面积最大的横断面间隔预设层数的其他横断面,在分别对上述各横断面进行边缘处理后,由于横断面存在大小差异,因此边缘处理的效果也可能不同,由此可能会导致上述各横断面的HU值计算范围不同。例如,可能出现的情况包括:(1)所有横断面的HU值计算范围都为第一横断面的HU值;(2)所有横断面的HU值计算范围都为第二横断面的HU值;(3)部分横断面的HU值计算范围为第一横断面的HU值,部分横断面的HU值计算范围为第二横断面的HU值。因此,本实施例还包括确定上述各横断面的HU值计算范围的步骤。
对应地,基于HU值计算范围确定肺结节的HU值包括:基于面积最大的横断面以及其他横断面的HU值计算范围,得到面积最大的横断面以及其他横断面的HU值;对面积最大的横断面以及其他横断面的HU值进行求均值处理,得到肺结节的HU值。
具体地,基于面积最大的横断面以及其他横断面的HU值计算范围(以部分横断面的HU值计算范围为第一横断面的HU值,部分横断面的HU值计算范围为第二横断面的HU值的情况为例),首先通过计算第一横断面或者第二横断面的平均HU值/最大HU值的计算方式得到面积最大的横断面以及其他横断面的HU值,然后对面积最大的横断面以及其他横断面的HU值进行求均值处理(具体可以是求平均或者加权平均),将得到的结果确定为肺结节的HU值。
本实施例中,在确定第一横断面时,并不仅仅是将面积最大的横断面作为第一横断面,而是将与面积最大的横断面间隔预设层数的其他横断面也作为第一横断面,即本实施例中,第一横断面可以为多个。
如图5所示,为肺结节的多个横断面的示意图,以预设层数为两层为例,在确定面积最大的横断面为P5后,与横断面P5间隔两层的其他横断面包括P3、P4、P6、P7,因此,可以是同时将横断面P3、P4、P5、P6、P7同时作为第一横断面。然后分别对第一横断面P3、P4、P5、P6、P7进行边缘处理,得到第二横断面P3’、P4’、P5’、P6’、P7’。然后根据P3’与P3的尺寸比、P4’与P4的尺寸比、P5’与P5的尺寸比、P6’与P6的尺寸比、P7’与P7的尺寸比确定横断面P3、P4、P5、P6、P7分别对应的HU值计算范围,然后基于横断面P3、P4、P5、P6、P7分别对应的HU值计算范围,得到横断面P3、P4、P5、P6、P7分别对应的HU值;最后对横断面P3、P4、P5、P6、P7分别对应的的HU值进行求均值处理,得到肺结节的HU值。
本实施例中,在确定面积最大的横断面之后,结合面积最大的横断面以及与面积最大的横断面间隔预设层数的其他横断面同时计算肺结节的HU值,即本实施例不仅仅考虑面积最大的横断面对肺结节HU值的影响,还考虑到与该面积最大的横断面的相邻横断面对肺结节HU值的影响,结合多个横断面计算肺结节的HU值,从而可以进一步提高肺结节HU值计算结果的准确性。
在合理条件下应当理解,虽然前文各实施例涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供一种肺结节HU值确定装置,该装置主要包括以下模块:
分割结果获取模块100,用于获取肺结节的三维分割结果;
第一确定模块200,用于根据肺结节的三维分割结果,获取肺结节中各横断面的面积,基于各横断面中面积最大的横断面确定第一横断面;
边缘处理模块300,用于对第一横断面进行边缘处理,得到第二横断面;
第二确定模块400,用于根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围;
HU值确定模块500,用于基于HU值计算范围确定肺结节的HU值。
本实施例提供一种肺结节HU值确定装置,在获取肺结节的三维分割结果后,自动计算所有横断面的面积,从而可以准确确定面积最大的横断面,进而准确确定第一横断面;通过对第一横断面进行边缘处理,得到第二横断面,可以有效减少肺结节边缘区域HU值的不真实性对结果的影响;最后,根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围,并基于HU值计算范围确定肺结节的HU值。相比于人工确定的方式,一方面,本申请无需人工参与,因此处理效率更高;另一方面,由于可以准确确定面积最大的横断面,并且可以减少肺结节边缘区域的HU值的影响,从而可以提高肺结节HU值确定结果的准确性。
在一个实施例中,分割结果获取模块100还用于:获取包含肺结节的CT扫描数据;基于CT扫描数据进行肺结节检测及分割处理,得到肺结节的三维分割结果。
在一个实施例中,分割结果获取模块100还用于:基于CT扫描数据进行肺结节检测,得到肺结节的位置信息,根据肺结节的位置信息进行肺结节分割,得到肺结节的三维分割结果;或者,获取肺结节的定位参数,根据定位参数进行肺结节分割,得到肺结节的三维分割结果。
在一个实施例中,第二确定模块400还用于:当第二横断面与第一横断面的尺寸比小于预设第一阈值时,确定HU值计算范围为第一横断面的HU值。
在一个实施例中,第二确定模块400还用于:当第二横断面与第一横断面的尺寸比大于或者等于预设第一阈值、且小于或者等于预设第二阈值时,确定HU值计算范围为第二横断面的HU值,预设第二阈值大于预设第一阈值。
在一个实施例中,第二确定模块400还用于:当第二横断面与第一横断面的尺寸比大于预设第二阈值时,将第二横断面作为新的第一横断面,并返回对新的第一横断面进行边缘处理的步骤,直至最新的尺寸比不大于预设第二阈值。
在一个实施例中,第一确定模块200还用于:将面积最大的横断面以及与面积最大的横断面间隔预设层数的其他横断面作为第一横断面。
在一个实施例中,边缘处理模块300还用于:对各第一横断面分别进行边缘处理,得到各第一横断面对应的第二横断面。
在一个实施例中,第二确定模块400还用于:基于各第二横断面与对应的第一横断面的至少一种几何度量关系,确定面积最大的横断面以及其他横断面的HU值计算范围。
在一个实施例中,HU值确定模块500还用于:基于面积最大的横断面以及其他横断面的HU值计算范围,得到面积最大的横断面以及其他横断面的HU值;对面积最大的横断面以及其他横断面的HU值进行求均值处理,得到肺结节的HU值。
关于肺结节HU值确定装置的具体限定可以参见上文中对于肺结节HU值确定方法的限定,在此不再赘述。上述肺结节HU值确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取肺结节的三维分割结果;根据肺结节的三维分割结果,获取肺结节中各横断面的面积,基于各横断面中面积最大的横断面确定第一横断面;对第一横断面进行边缘处理,得到第二横断面;根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围;基于HU值计算范围确定肺结节的HU值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取包含肺结节的CT扫描数据;基于CT扫描数据进行肺结节检测及分割处理,得到肺结节的三维分割结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于CT扫描数据进行肺结节检测,得到肺结节的位置信息,根据肺结节的位置信息进行肺结节分割,得到肺结节的三维分割结果;或者,获取肺结节的定位参数,根据定位参数进行肺结节分割,得到肺结节的三维分割结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当第二横断面与第一横断面的尺寸比小于预设第一阈值时,确定HU值计算范围为第一横断面的HU值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当第二横断面与第一横断面的尺寸比大于或者等于预设第一阈值、且小于或者等于预设第二阈值时,确定HU值计算范围为第二横断面的HU值,预设第二阈值大于预设第一阈值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当第二横断面与第一横断面的尺寸比大于预设第二阈值时,将第二横断面作为新的第一横断面,并返回对第一横断面进行边缘处理的步骤,直至最新的尺寸比不大于预设第二阈值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将面积最大的横断面以及与面积最大的横断面间隔预设层数的其他横断面作为第一横断面。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对各第一横断面分别进行边缘处理,得到各第一横断面对应的第二横断面。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于各第二横断面与对应的第一横断面的至少一种几何度量关系,确定面积最大的横断面以及其他横断面的HU值计算范围。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:基于面积最大的横断面以及其他横断面的HU值计算范围,得到面积最大的横断面以及其他横断面的HU值;对面积最大的横断面以及其他横断面的HU值进行求均值处理,得到肺结节的HU值。
图7为一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端(或服务器)。如图7所示,该计算机设备包括该计算机设备包括通过***总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作***,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现肺结节HU值确定方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行肺结节HU值确定方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取肺结节的三维分割结果;根据肺结节的三维分割结果,获取肺结节中各横断面的面积,基于各横断面中面积最大的横断面确定第一横断面;对第一横断面进行边缘处理,得到第二横断面;根据第二横断面与第一横断面的至少一种几何度量关系,确定HU值计算范围;基于HU值计算范围确定肺结节的HU值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取包含肺结节的CT扫描数据;基于CT扫描数据进行肺结节检测及分割处理,得到肺结节的三维分割结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:基于CT扫描数据进行肺结节检测,得到肺结节的位置信息,根据肺结节的位置信息进行肺结节分割,得到肺结节的三维分割结果;或者,获取肺结节的定位参数,根据定位参数进行肺结节分割,得到肺结节的三维分割结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当第二横断面与第一横断面的尺寸比小于预设第一阈值时,确定HU值计算范围为第一横断面的HU值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当第二横断面与第一横断面的尺寸比大于或者等于预设第一阈值、且小于或者等于预设第二阈值时,确定HU值计算范围为第二横断面的HU值,预设第二阈值大于预设第一阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当第二横断面与第一横断面的尺寸比大于预设第二阈值时,将第二横断面作为新的第一横断面,并返回对新的第一横断面进行边缘处理的步骤,直至最新的尺寸比不大于预设第二阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将面积最大的横断面以及与面积最大的横断面间隔预设层数的其他横断面作为第一横断面。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对各第一横断面分别进行边缘处理,得到各第一横断面对应的第二横断面。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:基于各第二横断面与对应的第一横断面的至少一种几何度量关系,确定面积最大的横断面以及其他横断面的HU值计算范围。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:基于面积最大的横断面以及其他横断面的HU值计算范围,得到面积最大的横断面以及其他横断面的HU值;对面积最大的横断面以及其他横断面的HU值进行求均值处理,得到肺结节的HU值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当HU值计算范围为第一横断面的HU值时,基于各第一横断面的HU值进行求均值处理,得到肺结节的HU值;当HU值计算范围为第二横断面的HU值时,基于各第二横断面的HU值进行求均值处理,得到肺结节的HU值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种肺结节HU值确定方法,其特征在于,包括:
获取肺结节的三维分割结果;
根据所述肺结节的三维分割结果,获取所述肺结节中各横断面的面积,基于所述各横断面中面积最大的横断面确定第一横断面;
对所述第一横断面进行边缘处理,得到第二横断面;所述边缘处理包括边缘去除处理;
根据所述第二横断面与所述第一横断面的至少一种几何度量关系,确定HU值计算范围;所述根据所述第二横断面与所述第一横断面的至少一种几何度量关系,确定HU值计算范围包括:根据所述第二横断面与所述第一横断面的尺寸比与预设阈值之间的比较结果,确定目标横断面的所述HU值计算范围;所述目标横断面为所述第二横断面或所述第一横断面;基于所述HU值计算范围确定所述肺结节的HU值;所述基于所述HU值计算范围确定所述肺结节的HU值包括:基于所述目标横断面的HU值的平均值或最大值,确定所述肺结节的HU值。
2.根据权利要求1所述的方法,其特征在于,所述获取肺结节的三维分割结果包括:
获取包含肺结节的CT扫描数据;
基于所述CT扫描数据进行肺结节检测及分割处理,得到所述肺结节的三维分割结果。
3.根据权利要求2所述的方法,其特征在于,所述基于所述CT扫描数据进行肺结节检测及分割处理,得到所述肺结节的三维分割结果包括:
通过肺结节检测算法对所述CT扫描数据进行肺结节检测,得到所述肺结节的位置信息,根据所述肺结节的位置信息进行肺结节分割,得到所述肺结节的三维分割结果;
或者,获取所述肺结节的定位参数,根据所述定位参数进行肺结节分割,得到所述肺结节的三维分割结果。
4.根据权利要求1所述的方法,其特征在于,所述几何度量关系包括所述第二横断面与所述第一横断面的尺寸比;
所述根据所述第二横断面与所述第一横断面的至少一种几何度量关系,确定HU值计算范围包括:
当所述第二横断面与所述第一横断面的尺寸比小于预设第一阈值时,确定所述HU值计算范围为所述第一横断面的HU值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第二横断面与所述第一横断面的至少一种几何度量关系,确定HU值计算范围还包括:
当所述第二横断面与所述第一横断面的尺寸比大于或者等于所述预设第一阈值、且小于或者等于预设第二阈值时,确定所述HU值计算范围为所述第二横断面的HU值,所述预设第二阈值大于所述预设第一阈值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第二横断面与所述第一横断面的至少一种几何度量关系,确定HU值计算范围还包括:
当所述第二横断面与所述第一横断面的尺寸比大于所述预设第二阈值时,将所述第二横断面作为新的第一横断面,并返回对所述新的第一横断面进行边缘处理的步骤,直至最新的尺寸比不大于所述预设第二阈值。
7.根据权利要求1所述的方法,其特征在于,所述基于所述各横断面中面积最大的横断面确定第一横断面包括:将所述面积最大的横断面以及与所述面积最大的横断面间隔预设层数的其他横断面作为所述第一横断面;
所述对所述第一横断面进行边缘处理,得到第二横断面包括:对各所述第一横断面分别进行边缘处理,得到各所述第一横断面对应的第二横断面;
所述根据所述第二横断面与所述第一横断面的至少一种几何度量关系,确定HU值计算范围包括:基于各所述第二横断面与对应的第一横断面的至少一种几何度量关系,确定所述面积最大的横断面以及所述其他横断面的HU值计算范围。
8.根据权利要求7所述的方法,其特征在于,所述基于所述HU值计算范围确定所述肺结节的HU值包括:
基于所述面积最大的横断面以及所述其他横断面的HU值计算范围,得到所述面积最大的横断面以及所述其他横断面的HU值;
对所述面积最大的横断面以及所述其他横断面的HU值进行求均值处理,得到所述肺结节的HU值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911383262.XA CN111161242B (zh) | 2019-12-27 | 2019-12-27 | 肺结节hu值确定方法、装置、存储介质及计算机设备 |
US17/072,180 US11605164B2 (en) | 2019-10-22 | 2020-10-16 | Systems and methods for lung nodule evaluation |
US18/157,068 US20230157659A1 (en) | 2019-10-22 | 2023-01-19 | Systems and methods for lung nodule evaluation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911383262.XA CN111161242B (zh) | 2019-12-27 | 2019-12-27 | 肺结节hu值确定方法、装置、存储介质及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161242A CN111161242A (zh) | 2020-05-15 |
CN111161242B true CN111161242B (zh) | 2024-02-27 |
Family
ID=70558663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911383262.XA Active CN111161242B (zh) | 2019-10-22 | 2019-12-27 | 肺结节hu值确定方法、装置、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161242B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1988850A (zh) * | 2004-07-30 | 2007-06-27 | 株式会社日立医药 | 医用图像诊断辅助方法、装置和图像处理程序 |
CN101727537A (zh) * | 2009-11-16 | 2010-06-09 | 杭州电子科技大学 | 基于双视角信息融合的乳腺cr图像的计算机确定方法 |
CN107590809A (zh) * | 2017-06-30 | 2018-01-16 | 上海联影医疗科技有限公司 | 肺分割方法及医学成像*** |
CN109712131A (zh) * | 2018-12-27 | 2019-05-03 | 上海联影智能医疗科技有限公司 | 肺结节特征的量化方法、装置、电子设备及存储介质 |
CN109758136A (zh) * | 2019-02-28 | 2019-05-17 | 四川大学华西医院 | 基于门脉血管特征的肝静脉压力梯度测量方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2529671B (en) * | 2014-08-28 | 2017-03-08 | Canon Kk | Transformation of 3-D object for object segmentation in 3-D medical image |
-
2019
- 2019-12-27 CN CN201911383262.XA patent/CN111161242B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1988850A (zh) * | 2004-07-30 | 2007-06-27 | 株式会社日立医药 | 医用图像诊断辅助方法、装置和图像处理程序 |
CN101727537A (zh) * | 2009-11-16 | 2010-06-09 | 杭州电子科技大学 | 基于双视角信息融合的乳腺cr图像的计算机确定方法 |
CN107590809A (zh) * | 2017-06-30 | 2018-01-16 | 上海联影医疗科技有限公司 | 肺分割方法及医学成像*** |
CN109712131A (zh) * | 2018-12-27 | 2019-05-03 | 上海联影智能医疗科技有限公司 | 肺结节特征的量化方法、装置、电子设备及存储介质 |
CN109758136A (zh) * | 2019-02-28 | 2019-05-17 | 四川大学华西医院 | 基于门脉血管特征的肝静脉压力梯度测量方法 |
Non-Patent Citations (2)
Title |
---|
Janne J N et al.《Effect of Knowledge-Guided Colon Segmentation in Automated Detection of Polyps in CT Colonography》.《SPIE.Digital Library》.2002,第1-9页. * |
裴晓敏.《基于CT影像的孤立性肺结节检测关键技术研究》.《中国博士学位论文全文数据库 信息科技辑》.2015,(第第07期期),第I138-140页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111161242A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113034426B (zh) | 超声图像病灶描述方法、装置、计算机设备和存储介质 | |
CN111325739B (zh) | 肺部病灶检测的方法及装置,和图像检测模型的训练方法 | |
CN113112443B (zh) | 超声图像病灶的分割方法、装置和计算机设备 | |
JP5385593B2 (ja) | ひび割れ検出方法 | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
JP6099479B2 (ja) | ひび割れ検出方法 | |
CN113034389B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
JP5852919B2 (ja) | ひび割れ検出方法 | |
CN109325971B (zh) | 图像配准方法及装置 | |
CN107622501B (zh) | 一种医学图像的边界检测的方法 | |
CN110570407B (zh) | 图像处理方法、存储介质及计算机设备 | |
CN111340756B (zh) | 一种医学图像病变检出合并方法、***、终端及存储介质 | |
CN110599465B (zh) | 图像定位方法、装置、计算机设备和存储介质 | |
CN111899237A (zh) | 标尺精度测量方法、装置、计算机设备和存储介质 | |
JP4870016B2 (ja) | ひび割れ検出方法 | |
CN114445309A (zh) | 深度学习用缺陷图像生成方法以及用于深度学习用缺陷图像生成方法的*** | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
US20090310883A1 (en) | Image processing apparatus, method, and program | |
CN114972209A (zh) | 宫颈病理图像处理方法和装置 | |
CN111161242B (zh) | 肺结节hu值确定方法、装置、存储介质及计算机设备 | |
CN111784646A (zh) | 图像处理装置及电子设备 | |
CN110310314B (zh) | 图像配准方法、装置、计算机设备和存储介质 | |
Dijkers et al. | Segmentation and size measurement of polyps in CT colonography | |
CN113962938A (zh) | 图像分割方法、装置、计算机设备和可读存储介质 | |
CN111627026A (zh) | 图像处理方法、装置、设备及存储介质 |
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 |