JP7391267B2 - 医用画像処理方法、装置、機器、記憶媒体及びコンピュータプログラム - Google Patents
医用画像処理方法、装置、機器、記憶媒体及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7391267B2 JP7391267B2 JP2023513235A JP2023513235A JP7391267B2 JP 7391267 B2 JP7391267 B2 JP 7391267B2 JP 2023513235 A JP2023513235 A JP 2023513235A JP 2023513235 A JP2023513235 A JP 2023513235A JP 7391267 B2 JP7391267 B2 JP 7391267B2
- Authority
- JP
- Japan
- Prior art keywords
- medical image
- candidate
- region
- area
- focal
- 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
- 238000003672 processing method Methods 0.000 title claims description 34
- 238000004590 computer program Methods 0.000 title claims description 23
- 238000002372 labelling Methods 0.000 claims description 200
- 230000003902 lesion Effects 0.000 claims description 115
- 238000012545 processing Methods 0.000 claims description 75
- 238000000034 method Methods 0.000 claims description 62
- 238000003709 image segmentation Methods 0.000 claims description 48
- 230000009467 reduction Effects 0.000 claims description 35
- 238000011946 reduction process Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 24
- 230000010339 dilation Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 description 17
- 210000002865 immune cell Anatomy 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 10
- 206010028980 Neoplasm Diseases 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 206010006187 Breast cancer Diseases 0.000 description 6
- 208000026310 Breast neoplasm Diseases 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 210000005075 mammary gland Anatomy 0.000 description 6
- 238000011282 treatment Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000916 dilatatory effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011269 treatment regimen 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6002—Corrections within particular colour systems
- H04N1/6005—Corrections within particular colour systems with luminance or chrominance signals, e.g. LC1C2, HSL or YUV
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10056—Microscopic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- 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
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Description
本願は、2020年11月02日に中国特許局に提出された、出願番号が202011205406.5である中国特許出願の優先権を主張し、その内容の全てが引用により本願に組み込まれる。
医用画像セットを取得するステップであって、前記医用画像セットは、参照医用画像、識別対象となる目標医用画像、及び前記目標医用画像の非病巣領域のラベリング領域サイズ情報を含み、前記目標医用画像は、病巣領域及び非病巣領域を含み、前記参照医用画像は、病巣領域を含む、ステップと、
前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するステップと、
前記候補非病巣領域の領域サイズ情報を、候補領域サイズ情報として決定するステップと、
前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するステップと、を含む。
医用画像セットを取得するように構成される取得モジュールであって、前記医用画像セットは、参照医用画像、識別対象となる目標医用画像、及び前記目標医用画像の非病巣領域のラベリング領域サイズ情報を含み、前記目標医用画像は、病巣領域及び非病巣領域を含み、前記参照医用画像は、病巣領域を含む、取得モジュールと、
前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するように構成される識別モジュールと、
前記候補非病巣領域の領域サイズ情報を、候補領域サイズ情報として決定するように構成される決定モジュールと、
前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するように構成される調整モジュールと、を備える。
前記プロセッサは、前記メモリに接続され、前記メモリは、コンピュータプログラムを記憶するように構成され、前記プロセッサは、前記コンピュータプログラムを呼び出して、本願の実施例によって提供される上記の医用画像処理方法を実行するように構成される。
医用画像セットを取得するステップであって、前記医用画像セットは、参照医用画像、識別対象となる目標医用画像、及び前記目標医用画像の非病巣領域のラベリング領域サイズ情報を含み、前記目標医用画像は、病巣領域及び非病巣領域を含み、前記参照医用画像は、病巣領域を含む、ステップと、
前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するステップと、
前記候補非病巣領域の領域サイズ情報を、候補領域サイズ情報として決定するステップと、
前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するステップと、を実行させる。
前記プロセッサは、メモリに記憶された機器制御アプリケーションを呼び出して、
医用画像セットを取得するステップであって、前記医用画像セットは、参照医用画像、識別対象となる目標医用画像、及び前記目標医用画像の非病巣領域のラベリング領域サイズ情報を含み、前記目標医用画像は、病巣領域及び非病巣領域を含み、前記参照医用画像は、病巣領域を含む、ステップと、
前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するステップと、
前記候補非病巣領域の領域サイズ情報を、候補領域サイズ情報として決定するステップと、
前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するステップと、を実現するように構成される。
mask_ic = cv2.dilate(mask_init,kernel,iterations = ITERATION)
ここで、ITERATIONは、反復回数を表し、即ち、反復回数は、5であり得、もちろん、他の値でもよく、mask_initは、前回の反復結果を表し、mask_icは、今回の反復結果を表し、即ち、拡張パラメータに基づいて、前回の反復結果に基づいて反復を行い、今回の反復結果を取得する。反復パラメータは、拡張パラメータをさらに含み、即ち、拡張される形状は、台形であり、拡張サイズは、8つの画素点に対応する領域のサイズである。図5に示すように、拡張パラメータに基づいて処理後の目標医用画像21内の候補非病巣領域に対して拡張処理を行い、1回目の拡張後の目標医用画像22を取得し、いくつかの実施例では、拡張パラメータに基づいて、1回目の拡張後の目標医用画像22内の、1回目の拡張後の候補非病巣領域に対して拡張処理を行い、2回目の拡張後の目標医用画像23を取得し、このようにして、3回目の拡張後の目標医用画像24、4回目の拡張後の目標医用画像25、及び5回目の拡張後の目標医用画像26を取得することができる。図5から分かるように、拡張された目標医用画像内の候補非病巣領域の形状は、台形に近似しており、拡張された候補非病巣領域の領域サイズは、増大し続け、即ち、拡張領域割合は、増大し続ける。図5に示すように、1回目の反復の後、拡張領域割合(即ち、目標医用画像における拡張された候補非病巣領域の領域割合)は、1.1%であり、2回目の反復の後、拡張領域割合は、1.8%である。3回目の反復の後、拡張領域割合は、2.5%であり、4回目の反復の後、拡張領域割合は、3.4%であり、5回目の反復の後、拡張領域割合は、4.3%である。拡張領域割合1.8%の方が、ラベリング領域割合2%により近似しているため、2回目の反復の後に取得された拡張候補非病巣領域を、目標非病巣領域とすることができる。
識別モジュール802は、前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するように構成され、
決定モジュール803は、前記候補非病巣領域の領域サイズ情報を、候補領域サイズ情報として決定するように構成され、
調整モジュール804は、前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するように構成される。
前記参照医用画像を目標色空間の画像に変換して、変換された参照医用画像を取得し、前記目標医用画像を前記目標色空間の画像に変換して、変換された目標医用画像を取得するステップと、
前記変換された参照医用画像内の画素点の輝度情報及び前記変換された目標医用画像内の画素点の輝度情報を取得するステップと、
前記変換された参照医用画像内の画素点の輝度情報及び前記変換された目標医用画像内の画素点の輝度情報に基づいて、前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するステップと、を含む。
前記変換された参照医用画像内の画素点の輝度情報と、前記変換された目標医用画像内の対応する画素点の輝度情報との差異度を取得するステップと、
前記変換された目標医用画像から、輝度情報に対応する差異度が差異度閾値より大きい画素点を識別して、第1目標画素点とするステップと、
前記目標医用画像における前記第1目標画素点の所在領域を、前記目標医用画像内の候補非病巣領域として決定するステップと、を含む。
前記調整モジュール804が、前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得する方法は、
前記候補領域割合と前記ラベリング領域割合との領域割合差分を取得するステップと、
前記領域割合差分が割合閾値より大きい場合、前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしないと決定するステップと、
前記ラベリング領域割合に基づいて前記候補非病巣領域を調整して、前記目標非病巣領域を取得するステップと、を含む。
前記候補領域割合が前記ラベリング領域割合より小さい場合、前記ラベリング領域割合に基づいて前記候補非病巣領域に対して拡張処理を行い、前記目標非病巣領域を取得するステップと、
前記候補領域割合が前記ラベリング領域割合より大きい場合、前記ラベリング領域割合に基づいて前記候補非病巣領域に対して縮小処理を行い、前記目標非病巣領域を取得するステップと、を含む。
前記候補領域割合が前記ラベリング領域割合より小さい場合、拡張パラメータを取得するステップであって、前記拡張パラメータは、拡張形状及び拡張サイズを含む、ステップと、
前記拡張パラメータに基づいて前記候補非病巣領域に対して反復拡張を行い、拡張された候補非病巣領域を取得するステップと、
前記目標医用画像における前記拡張された候補非病巣領域の領域割合を、拡張領域割合として取得するステップと、
前記拡張領域割合と前記ラベリング領域割合との領域割合差分が前記割合閾値より小さい、拡張された候補非病巣領域を、前記目標非病巣領域として決定するステップと、を含む。
前記候補領域割合が前記ラベリング領域割合より小さい場合、前記目標医用画像における前記候補非病巣領域に隣接する画素点の画素値、及び前記候補非病巣領域内の画素点の画素値を取得するステップと、
前記候補非病巣領域内の画素点の画素値、及び前記候補非病巣領域に隣接する画素点の画素値に基づいて、前記候補非病巣領域内の画素点及び前記候補非病巣領域に隣接する画素点に対してクラスタリング処理を行い、クラスタ領域を取得するステップと、
前記目標医用画像における前記クラスタ領域の領域割合を、クラスタ領域割合として取得するステップと、
前記クラスタ領域割合と前記ラベリング領域割合との領域割合差分が前記割合閾値より小さい場合、前記クラスタ領域を前記目標非病巣領域として決定するステップと、を含む。
前記候補非病巣領域に隣接する画素点の画素値と、前記候補非病巣領域内の画素点の画素値との画素差分を取得するステップと、
前記候補非病巣領域に隣接する画素点から、対応する画素差分が画素差分閾値より小さい画素点を、第2目標画素点として決定するステップと、
前記目標医用画像における前記第2目標画素点の所在領域を前記候補非病巣領域とマージして、前記クラスタ領域を取得するステップと、を含む。
前記候補領域割合が前記ラベリング領域割合より大きい場合、縮小処理パラメータを取得するステップであって、前記縮小処理パラメータは、縮小処理の形状及び縮小処理のサイズを含む、ステップと、
前記縮小処理パラメータに基づいて、前記候補非病巣領域に対して反復縮小処理を行い、縮小処理された候補非病巣領域を取得するステップと、
前記目標医用画像における前記縮小処理された候補非病巣領域の領域割合を、縮小処理後の領域割合として取得するステップと、
前記縮小処理後の領域割合と前記ラベリング領域割合との領域割合差分が前記割合閾値より小さい、縮小処理された候補非病巣領域を、前記目標非病巣領域として決定するステップと、を含む。
前記調整モジュール804が、前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得する方法は、
前記候補領域サイズと前記ラベリング領域サイズとの領域サイズ差分を取得するステップと、
前記領域サイズ差分がサイズ閾値より大きい場合、前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしないと決定するステップと、
前記ラベリング領域サイズに基づいて前記候補非病巣領域を調整して、前記目標非病巣領域を取得するステップと、を含む。
前記候補非病巣領域の領域サイズ、及び前記目標医用画像の画像サイズを取得し、前記候補非病巣領域の領域サイズと前記目標医用画像の画像サイズとの比率を、前記候補領域割合として決定するか、又は、
前記候補非病巣領域内の画素点の数、及び前記目標医用画像内の画素点の数を取得し、前記候補非病巣領域内の画素点の数と前記目標医用画像内の画素点の数との比率を、前記候補領域割合として決定するステップと、
前記候補領域割合を前記候補領域サイズ情報として決定するステップと、を含む。
前記候補非病巣領域の領域サイズを取得して、候補領域サイズを取得するステップと、
前記候補領域サイズを前記候補領域サイズ情報として決定するステップと、を含む。
前記目標医用画像内で前記目標非病巣領域をラベリングして、ラベリングされた目標医用画像を取得するように構成されるラベリングモジュール805と、
画像分割モデルを採用して前記目標医用画像を予測して、前記目標医用画像内の予測非病巣領域を取得し、前記目標医用画像内で前記予測非病巣領域をラベリングして、予測された目標医用画像を取得するように構成される予測モジュール806と、を備え、
上記の調整モジュール804はさらに、前記ラベリングされた目標医用画像及び前記予測された目標医用画像に基づいて前記画像分割モデルを調整して、目標医用画像分割モデルを取得するように構成される。
前記ラベリングされた目標医用画像及び前記予測された目標医用画像に基づいて、前記画像分割モデルの予測損失値を決定するステップと、
前記予測損失値が収束条件を満たさない場合、前記予測損失値に基づいて前記画像分割モデルを調整して、目標医用画像分割モデルを取得するステップと、を含む。
前記目標非病巣領域内の画素点に基づいて、前記目標医用画像に対して二値化処理を行うステップと、
二値化処理された目標医用画像を、前記ラベリングされた目標医用画像として決定するステップと、を含む。
医用画像セットを取得するステップであって、前記医用画像セットは、参照医用画像、識別対象となる目標医用画像、及び前記目標医用画像の非病巣領域のラベリング領域サイズ情報を含み、前記目標医用画像は、病巣領域及び非病巣領域を含み、前記参照医用画像は、病巣領域を含む、ステップと、
前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するステップと、
前記候補非病巣領域の領域サイズ情報を、候補領域サイズ情報として決定するステップと、
前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するステップと、を実行するように構成され得る。
12 腫瘍領域
13 候補医用画像
Claims (18)
- コンピュータ機器によって実行される医用画像処理方法であって、
医用画像セットを取得するステップであって、前記医用画像セットは、参照医用画像、識別対象となる目標医用画像、及び前記目標医用画像の非病巣領域のラベリング領域サイズ情報を含み、前記目標医用画像は、病巣領域及び非病巣領域を含み、前記参照医用画像は、病巣領域を含む、ステップと、
前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するステップと、
前記候補非病巣領域の領域サイズ情報を、候補領域サイズ情報として決定するステップと、
前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するステップと、を含む、医用画像処理方法。 - 前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するステップは、
前記参照医用画像を目標色空間の画像に変換して、変換された参照医用画像を取得し、前記目標医用画像を前記目標色空間の画像に変換して、変換された目標医用画像を取得するステップと、
前記変換された参照医用画像内の画素点の輝度情報、及び前記変換された目標医用画像内の画素点の輝度情報を取得するステップと、
前記変換された参照医用画像内の画素点の輝度情報及び前記変換された目標医用画像内の画素点の輝度情報に基づいて、前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するステップと、を含む、
請求項1に記載の医用画像処理方法。 - 前記変換された参照医用画像内の画素点の輝度情報及び前記変換された目標医用画像内の画素点の輝度情報に基づいて、前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するステップは、
前記変換された参照医用画像内の画素点の輝度情報と、前記変換された目標医用画像内の対応する画素点の輝度情報との差異度を取得するステップと、
前記変換された目標医用画像から、輝度情報の差異度が差異度閾値より大きい画素点を識別して、第1目標画素点とするステップと、
前記目標医用画像における前記第1目標画素点の所在領域を、前記目標医用画像内の候補非病巣領域として決定するステップと、を含む、
請求項2に記載の医用画像処理方法。 - 前記候補領域サイズ情報は、前記目標医用画像における前記候補非病巣領域の候補領域割合を含み、前記ラベリング領域サイズ情報は、前記目標医用画像内の非病巣領域の前記目標医用画像におけるラベリング領域割合を含み、
前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するステップは、
前記候補領域割合と前記ラベリング領域割合との領域割合差分を取得するステップと、
前記領域割合差分が割合閾値より大きい場合、前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしないと決定するステップと、
前記ラベリング領域割合に基づいて前記候補非病巣領域を調整して、前記目標非病巣領域を取得するステップと、を含む、
請求項1に記載の医用画像処理方法。 - 前記ラベリング領域割合に基づいて前記候補非病巣領域を調整して、前記目標非病巣領域を取得するステップは、
前記候補領域割合が前記ラベリング領域割合より小さい場合、前記ラベリング領域割合に基づいて前記候補非病巣領域に対して拡張処理を行い、前記目標非病巣領域を取得するステップと、
前記候補領域割合が前記ラベリング領域割合より大きい場合、前記ラベリング領域割合に基づいて前記候補非病巣領域に対して縮小処理を行い、前記目標非病巣領域を取得するステップと、を含む、
請求項4に記載の医用画像処理方法。 - 前記候補領域割合が前記ラベリング領域割合より小さい場合、前記ラベリング領域割合に基づいて前記候補非病巣領域に対して拡張処理を行い、前記目標非病巣領域を取得するステップは、
前記候補領域割合が前記ラベリング領域割合より小さい場合、拡張パラメータを取得するステップであって、前記拡張パラメータは、拡張形状及び拡張サイズを含む、ステップと、
前記拡張パラメータに基づいて前記候補非病巣領域に対して反復拡張を行い、拡張された候補非病巣領域を取得するステップと、
前記目標医用画像における前記拡張された候補非病巣領域の領域割合を、拡張領域割合として取得するステップと、
前記拡張領域割合と前記ラベリング領域割合との領域割合差分が前記割合閾値より小さい拡張された候補非病巣領域を、前記目標非病巣領域として決定するステップと、を含む、
請求項5に記載の医用画像処理方法。 - 前記候補領域割合が前記ラベリング領域割合より小さい場合、前記ラベリング領域割合に基づいて前記候補非病巣領域に対して拡張処理を行い、前記目標非病巣領域を取得するステップは、
前記候補領域割合が前記ラベリング領域割合より小さい場合、前記目標医用画像における前記候補非病巣領域に隣接する画素点の画素値、及び前記候補非病巣領域内の画素点の画素値を取得するステップと、
前記候補非病巣領域内の画素点の画素値、及び前記候補非病巣領域に隣接する画素点の画素値に基づいて、前記候補非病巣領域内の画素点及び前記候補非病巣領域に隣接する画素点に対してクラスタリング処理を行い、クラスタ領域を取得するステップと、
前記目標医用画像における前記クラスタ領域の領域割合を、クラスタ領域割合として取得するステップと、
前記クラスタ領域割合と前記ラベリング領域割合との領域割合差分が前記割合閾値より小さい場合、前記クラスタ領域を前記目標非病巣領域として決定するステップと、を含む、
請求項5に記載の医用画像処理方法。 - 前記候補非病巣領域内の画素点の画素値、及び前記候補非病巣領域に隣接する画素点の画素値に基づいて、前記候補非病巣領域内の画素点及び前記候補非病巣領域に隣接する画素点に対してクラスタリング処理を行い、クラスタ領域を取得するステップは、
前記候補非病巣領域に隣接する画素点の画素値と、前記候補非病巣領域内の画素点の画素値との画素差分を取得するステップと、
前記候補非病巣領域に隣接する画素点から、対応する画素差分が画素差分閾値より小さい画素点を、第2目標画素点として決定するステップと、
前記目標医用画像における前記第2目標画素点の所在領域を前記候補非病巣領域とマージして、前記クラスタ領域を取得するステップと、を含む、
請求項7に記載の医用画像処理方法。 - 前記候補領域割合が前記ラベリング領域割合より大きい場合、前記ラベリング領域割合に基づいて前記候補非病巣領域に対して縮小処理を行い、前記目標非病巣領域を取得するステップは、
前記候補領域割合が前記ラベリング領域割合より大きい場合、縮小処理パラメータを取得するステップであって、前記縮小処理パラメータは、縮小処理の形状及び縮小処理のサイズを含む、ステップと、
前記縮小処理パラメータに基づいて、前記候補非病巣領域に対して反復縮小処理を行い、縮小処理された候補非病巣領域を取得するステップと、
前記目標医用画像における前記縮小処理された候補非病巣領域の領域割合を、縮小処理後の領域割合として取得するステップと、
前記縮小処理後の領域割合と前記ラベリング領域割合との領域割合差分が前記割合閾値より小さい、縮小処理された候補非病巣領域を、前記目標非病巣領域として決定するステップと、を含む、
請求項5に記載の医用画像処理方法。 - 前記候補領域サイズ情報は、前記候補非病巣領域の候補領域サイズを含み、前記ラベリング領域サイズ情報は、前記目標医用画像における非病巣領域のラベリング領域サイズを含み、
前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するステップは、
前記候補領域サイズと前記ラベリング領域サイズとの領域サイズ差分を取得するステップと、
前記領域サイズ差分がサイズ閾値より大きい場合、前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしないと決定するステップと、
前記ラベリング領域サイズに基づいて前記候補非病巣領域を調整して、前記目標非病巣領域を取得するステップと、を含む、
請求項1に記載の医用画像処理方法。 - 前記候補非病巣領域の領域サイズ情報を、候補領域サイズ情報として決定するステップは、
前記候補非病巣領域の領域サイズ、及び前記目標医用画像の画像サイズを取得し、前記候補非病巣領域の領域サイズと前記目標医用画像の画像サイズとの比率を、前記候補領域割合として決定するか、又は、
前記候補非病巣領域内の画素点の数、及び前記目標医用画像内の画素点の数を取得し、前記候補非病巣領域内の画素点の数と前記目標医用画像内の画素点の数との比率を、前記候補領域割合として決定するステップと、
前記候補領域割合を前記候補領域サイズ情報として決定するステップと、を含む、
請求項4に記載の医用画像処理方法。 - 前記医用画像処理方法は、
前記目標医用画像内で前記目標非病巣領域をラベリングして、ラベリングされた目標医用画像を取得するステップと、
画像分割モデルを採用して前記目標医用画像を予測して、前記目標医用画像内の予測非病巣領域を取得し、前記目標医用画像内で前記予測非病巣領域をラベリングして、予測された目標医用画像を取得するステップと、
前記ラベリングされた目標医用画像及び前記予測された目標医用画像に基づいて前記画像分割モデルを調整して、目標医用画像分割モデルを取得するステップと、をさらに含む、
請求項1に記載の医用画像処理方法。 - 前記ラベリングされた目標医用画像及び前記予測された目標医用画像に基づいて前記画像分割モデルを調整して、目標医用画像分割モデルを取得するステップは、
前記ラベリングされた目標医用画像及び前記予測された目標医用画像に基づいて、前記画像分割モデルの予測損失値を決定するステップと、
前記予測損失値が収束条件を満たさない場合、前記予測損失値に基づいて前記画像分割モデルを調整して、目標医用画像分割モデルを取得するステップと、を含む、
請求項12に記載の医用画像処理方法。 - 前記目標医用画像内で前記目標非病巣領域をラベリングして、ラベリングされた目標医用画像を取得するステップは、
前記目標非病巣領域内の画素点に基づいて、前記目標医用画像に対して二値化処理を行うステップと、
二値化処理された目標医用画像を、前記ラベリングされた目標医用画像として決定するステップと、を含む、
請求項12に記載の医用画像処理方法。 - 医用画像処理装置であって、
医用画像セットを取得するように構成される取得モジュールであって、前記医用画像セットは、参照医用画像、識別対象となる目標医用画像、及び前記目標医用画像の非病巣領域のラベリング領域サイズ情報を含み、前記目標医用画像は、病巣領域及び非病巣領域を含み、前記参照医用画像は、病巣領域を含む、取得モジュールと、
前記参照医用画像と前記目標医用画像との差異を識別して、前記目標医用画像内の候補非病巣領域を取得するように構成される識別モジュールと、
前記候補非病巣領域の領域サイズ情報を、候補領域サイズ情報として決定するように構成される決定モジュールと、
前記候補領域サイズ情報が前記ラベリング領域サイズ情報とマッチングしない場合、前記ラベリング領域サイズ情報に基づいて前記候補非病巣領域を調整して、前記目標医用画像の目標非病巣領域を取得するように構成される、調整モジュールと、を備える、医用画像処理装置。 - コンピュータ機器であって、プロセッサと、メモリと、を備え、
前記プロセッサは、前記メモリに接続され、前記メモリは、コンピュータプログラムを記憶するように構成され、前記プロセッサは、前記コンピュータプログラムを呼び出して、請求項1~14のいずれか一項に記載の医用画像処理方法を実行するように構成される、コンピュータ機器。 - コンピュータプログラムが記憶された、コンピュータ可読記憶媒体であって、
前記コンピュータプログラムは、プログラム又は命令を含み、前記プログラム又は命令は、プロセッサに請求項1~14のいずれか一項に記載の医用画像処理方法を実行させる、コンピュータ可読記憶媒体。 - コンピュータに、請求項1~14のいずれか一項に記載の医用画像処理方法を実行させるように構成される、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011205406.5A CN112330624A (zh) | 2020-11-02 | 2020-11-02 | 医学图像处理方法和装置 |
CN202011205406.5 | 2020-11-02 | ||
PCT/CN2021/124781 WO2022089257A1 (zh) | 2020-11-02 | 2021-10-19 | 医学图像处理方法、装置、设备、存储介质及产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023539483A JP2023539483A (ja) | 2023-09-14 |
JP7391267B2 true JP7391267B2 (ja) | 2023-12-04 |
Family
ID=74324366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023513235A Active JP7391267B2 (ja) | 2020-11-02 | 2021-10-19 | 医用画像処理方法、装置、機器、記憶媒体及びコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230052133A1 (ja) |
EP (1) | EP4181059A4 (ja) |
JP (1) | JP7391267B2 (ja) |
CN (1) | CN112330624A (ja) |
WO (1) | WO2022089257A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934812B (zh) * | 2019-03-08 | 2022-12-09 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、服务器及存储介质 |
CN112330624A (zh) * | 2020-11-02 | 2021-02-05 | 腾讯科技(深圳)有限公司 | 医学图像处理方法和装置 |
CN113781387A (zh) * | 2021-05-26 | 2021-12-10 | 腾讯科技(深圳)有限公司 | 模型训练方法、图像处理方法、装置、设备及存储介质 |
CN113539439B (zh) * | 2021-07-16 | 2022-05-10 | 数坤(北京)网络科技股份有限公司 | 医学图像的处理方法、装置、计算机设备和存储介质 |
CN115423723B (zh) * | 2022-10-14 | 2023-04-21 | 哈尔滨市科佳通用机电股份有限公司 | 自适应铁路货车异常检测训练集图像增强方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180300878A1 (en) | 2017-04-12 | 2018-10-18 | Fujifilm Corporation | Medical image processing apparatus, medical image processing method, and medical image processing program |
CN110148113A (zh) | 2019-04-02 | 2019-08-20 | 成都真实维度科技有限公司 | 一种基于断层扫描图数据的病灶靶区信息标注方法 |
CN110909756A (zh) | 2018-09-18 | 2020-03-24 | 苏宁 | 用于医学图像识别的卷积神经网络模型训练方法和装置 |
CN111127466A (zh) | 2020-03-31 | 2020-05-08 | 上海联影智能医疗科技有限公司 | 医学图像检测方法、装置、设备及存储介质 |
JP2020518915A (ja) | 2017-04-27 | 2020-06-25 | パスハラキス スタブロスPASCHALAKIS, Stavros | 自動眼底画像分析用のシステムおよび方法 |
US20200234445A1 (en) | 2018-04-13 | 2020-07-23 | Bozhon Precision Industry Technology Co., Ltd. | Method and system for classifying diabetic retina images based on deep learning |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110910348B (zh) * | 2019-10-22 | 2022-12-20 | 上海联影智能医疗科技有限公司 | 一种肺结节的位置分类方法、装置、设备及存储介质 |
CN111062390A (zh) * | 2019-12-18 | 2020-04-24 | 北京推想科技有限公司 | 感兴趣区域标注方法、装置、设备和存储介质 |
CN111291813B (zh) * | 2020-02-13 | 2023-10-31 | 腾讯科技(深圳)有限公司 | 图像标注方法、装置、计算机设备和存储介质 |
CN112330624A (zh) * | 2020-11-02 | 2021-02-05 | 腾讯科技(深圳)有限公司 | 医学图像处理方法和装置 |
-
2020
- 2020-11-02 CN CN202011205406.5A patent/CN112330624A/zh active Pending
-
2021
- 2021-10-19 JP JP2023513235A patent/JP7391267B2/ja active Active
- 2021-10-19 EP EP21884985.9A patent/EP4181059A4/en active Pending
- 2021-10-19 WO PCT/CN2021/124781 patent/WO2022089257A1/zh unknown
-
2022
- 2022-10-26 US US17/974,453 patent/US20230052133A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180300878A1 (en) | 2017-04-12 | 2018-10-18 | Fujifilm Corporation | Medical image processing apparatus, medical image processing method, and medical image processing program |
JP2020518915A (ja) | 2017-04-27 | 2020-06-25 | パスハラキス スタブロスPASCHALAKIS, Stavros | 自動眼底画像分析用のシステムおよび方法 |
US20200234445A1 (en) | 2018-04-13 | 2020-07-23 | Bozhon Precision Industry Technology Co., Ltd. | Method and system for classifying diabetic retina images based on deep learning |
CN110909756A (zh) | 2018-09-18 | 2020-03-24 | 苏宁 | 用于医学图像识别的卷积神经网络模型训练方法和装置 |
CN110148113A (zh) | 2019-04-02 | 2019-08-20 | 成都真实维度科技有限公司 | 一种基于断层扫描图数据的病灶靶区信息标注方法 |
CN111127466A (zh) | 2020-03-31 | 2020-05-08 | 上海联影智能医疗科技有限公司 | 医学图像检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022089257A1 (zh) | 2022-05-05 |
EP4181059A4 (en) | 2024-01-10 |
EP4181059A1 (en) | 2023-05-17 |
US20230052133A1 (en) | 2023-02-16 |
CN112330624A (zh) | 2021-02-05 |
JP2023539483A (ja) | 2023-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7391267B2 (ja) | 医用画像処理方法、装置、機器、記憶媒体及びコンピュータプログラム | |
CN110874594B (zh) | 基于语义分割网络的人体外表损伤检测方法及相关设备 | |
US20210209775A1 (en) | Image Processing Method and Apparatus, and Computer Readable Storage Medium | |
US10991093B2 (en) | Systems, methods and media for automatically generating a bone age assessment from a radiograph | |
JP7058373B2 (ja) | 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体 | |
US10482603B1 (en) | Medical image segmentation using an integrated edge guidance module and object segmentation network | |
KR102014364B1 (ko) | 수술영상을 이용한 출혈 평가 방법 및 장치 | |
WO2020164493A1 (zh) | 一种医学图像区域过滤方法、装置及存储介质 | |
CN108509915B (zh) | 人脸识别模型的生成方法和装置 | |
CN110689025B (zh) | 图像识别方法、装置、***及内窥镜图像识别方法、装置 | |
Wang et al. | Area determination of diabetic foot ulcer images using a cascaded two-stage SVM-based classification | |
Wang et al. | Smartphone-based wound assessment system for patients with diabetes | |
WO2020006961A1 (zh) | 用于提取图像的方法和装置 | |
CN111369576B (zh) | 图像分割模型的训练方法、图像分割方法、装置及设备 | |
WO2020078119A1 (zh) | 模拟用户穿戴服装饰品的方法、装置和*** | |
US20180096457A1 (en) | Methods and Software For Detecting Objects in Images Using a Multiscale Fast Region-Based Convolutional Neural Network | |
WO2019100282A1 (zh) | 一种人脸肤色识别方法、装置和智能终端 | |
WO2023185785A1 (zh) | 一种图像处理方法、模型训练方法及相关装置 | |
JP2021530061A (ja) | 画像処理方法及びその装置、電子機器並びにコンピュータ可読記憶媒体 | |
JP2023520846A (ja) | 人工知能に基づく画像処理方法、画像処理装置、コンピュータプログラム及びコンピュータ機器 | |
WO2021057148A1 (zh) | 基于神经网络的脑组织分层方法、装置、计算机设备 | |
Veredas et al. | Efficient detection of wound-bed and peripheral skin with statistical colour models | |
CN112446322A (zh) | 眼球特征检测方法、装置、设备及计算机可读存储介质 | |
Mussi et al. | A novel ear elements segmentation algorithm on depth map images | |
CN113378790B (zh) | 视点定位方法、装置、电子设备和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230222 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230222 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231113 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231121 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7391267 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |