[发明专利]医学图像增强方法和计算机可读存储介质有效

专利信息
申请号: 202010432328.6 申请日: 2020-05-20
公开(公告)号: CN111489318B 公开(公告)日: 2023-10-27
发明(设计)人: 李哲人;郑介志 申请(专利权)人: 上海联影智能医疗科技有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T7/62;G06T7/90;G06T7/11;G06T7/00;G06V10/764
代理公司: 北京华进京联知识产权代理有限公司 11606 代理人: 任少瑞
地址: 200232 上海市徐*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 医学 图像 增强 方法 计算机 可读 存储 介质
【权利要求书】:

1.一种医学图像增强方法,其特征在于,所述方法包括:

将获取的乳腺灰度图像输入图像分割网络中,得到乳房区域分割结果和腺体区域分割结果;

根据所述乳房区域分割结果和所述腺体区域分割结果,计算腺体区域在乳房区域中的面积占比;

通过所述面积占比,得到乳房密度分类结果;

基于所述乳腺灰度图像中乳房区域的灰度信息,确定乳房区域对应的第一灰度值分布图;

对所述第一灰度值分布图进行优化处理,得到第一优化分布图;

根据所述第一优化分布图对所述乳房区域的灰度信息进行映射,得到第一增强图像;

确定腺体区域对应的第二灰度值分布图;

对所述第二灰度值分布图进行优化处理,得到第二优化分布图;

根据所述第二优化分布图对所述腺体区域的灰度信息进行映射,得到第二增强图像;

根据所述第一增强图像和第一权重、以及所述第二增强图像和第二权重,融合确定增强乳腺图像;其中,所述第一权重和所述第二权重为根据所述乳房密度分类结果所确定的。

2.根据权利要求1所述的方法,其特征在于,所述通过所述面积占比,得到乳房密度分类结果,包括:

将所述面积占比和腺体区域的灰度信息输入图像分类网络中,得到所述乳房密度分类结果。

3.根据权利要求1或2所述的方法,其特征在于,所述确定腺体区域对应的第二灰度值分布图,包括:

根据所述腺体区域分割结果,从所述第一灰度值分布图中获取所述第二灰度值分布图。

4.根据权利要求1或2所述的方法,其特征在于,所述确定腺体区域对应的第二灰度值分布图,包括:

基于所述腺体区域分割结果,从所述乳腺灰度图像的灰度信息中获取腺体区域的灰度信息;

根据所述腺体区域的灰度信息,确定所述第二灰度值分布图。

5.根据权利要求1所述的方法,其特征在于,所述根据所述第一增强图像和第一权重、以及所述第二增强图像和第二权重,融合确定增强乳腺图像,包括:

根据包含WG(k)*G(k)+WL(k)*L(k)的关系式,确定所述增强乳腺图像;其中,G(k)为所述第一增强图像,WG(k)为所述第一权重,L(k)为所述第二增强图像,WL(k)为所述第二权重,k为像素点索引。

6.根据权利要求1所述的方法,其特征在于,所述图像分割网络包括乳房分割网络和腺体分割网络;所述将获取的乳腺灰度图像输入图像分割网络中,得到乳房区域分割结果和腺体区域分割结果,包括:

将所述乳腺灰度图像输入所述乳房分割网络,得到乳房区域掩模;根据所述乳房区域掩模确定乳房区域坐标信息,作为所述乳房区域分割结果;

将所述乳腺灰度图像输入所述腺体分割网络,得到腺体区域掩模;根据所述腺体区域掩模确定腺体区域坐标信息,作为所述腺体区域分割结果。

7.根据权利要求1所述的方法,其特征在于,所述乳腺灰度图像包括乳腺斜侧位MLO图像和/或乳腺轴位CC图像。

8.根据权利要求7所述的方法,其特征在于,所述根据所述乳房区域分割结果和所述腺体区域分割结果,计算腺体区域在乳房区域中的面积占比,包括:

根据所述MLO图像的乳房区域分割结果和腺体区域分割结果,计算腺体区域在乳房区域中的第一面积占比;

根据所述CC图像的乳房区域分割结果和腺体区域分割结果,计算腺体区域在乳房区域中的第二面积占比;

根据所述第一面积占比和所述第二面积占比,确定所述面积占比。

9.根据权利要求1所述的方法,其特征在于,在得到所述增强乳腺图像之后,所述方法还包括:

将所述增强乳腺图像输入图像检测网络中,得到所述乳腺灰度图像的病灶检测结果。

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1-9中任一项所述方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海联影智能医疗科技有限公司,未经上海联影智能医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010432328.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top