[发明专利]乳腺疾病随访系统、介质及电子设备在审

专利信息
申请号: 202111498254.7 申请日: 2021-12-09
公开(公告)号: CN114305503A 公开(公告)日: 2022-04-12
发明(设计)人: 谷晓林 申请(专利权)人: 上海杏脉信息科技有限公司
主分类号: A61B8/08 分类号: A61B8/08
代理公司: 上海光华专利事务所(普通合伙) 31219 代理人: 王国祥
地址: 202150 上海市崇明*** 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: 乳腺 疾病 随访 系统 介质 电子设备
【权利要求书】:

1.一种乳腺疾病随访系统,其特征在于,所述乳腺疾病随访系统包括:

图像获取模块,用于获取目标对象的乳腺超声图像;

图像处理模块,用于对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;

病灶匹配模块,用于将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;

病灶分析模块,用于根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析。

2.根据权利要求1所述的乳腺疾病随访系统,其特征在于,所述病灶匹配模块包括:

病灶特征提取单元,用于获取所述目标病灶的多尺度特征并根据所述多尺度特征获取所述目标病灶的特征向量;

病灶匹配单元,用于根据所述目标病灶的特征向量与所述目标对象的历史病灶的特征向量进行匹配,并根据匹配结果从所述目标对象的历史病灶中获取所述目标病灶的匹配病灶。

3.根据权利要求2所述的乳腺疾病随访系统,其特征在于,所述乳腺疾病随访系统还包括:

存储模块,用于存储所述乳腺超声图像以及所述目标病灶的特征向量,并用于存储所述目标对象的历史乳腺超声图像以及历史病灶的特征向量。

4.根据权利要求2所述的乳腺疾病随访系统,其特征在于:对于所述目标对象的任一处历史病灶,所述病灶匹配单元获取所述目标病灶的特征向量与该历史病灶的特征向量之间的距离来衡量所述目标病灶与该历史病灶的匹配程度。

5.根据权利要求2所述的乳腺疾病随访系统,其特征在于:所述病灶特征提取单元利用神经网络提取所述目标病灶的多尺度特征,并对每一尺度对应的特征层进行池化处理以获取每一尺度对应的特征向量,且将每一尺度对应的特征向量进行融合以获取所述目标病灶的特征向量。

6.根据权利要求1所述的乳腺疾病随访系统,其特征在于,所述病灶分析模块包括:

病灶参数获取单元,用于获取所述目标病灶及其匹配病灶的病灶参数;

病灶状况分析单元,用于根据所述目标病灶及其匹配病灶的病灶参数对所述目标病灶的当前状况进行分析和/或对所述目标病灶的发展趋势进行预测。

7.根据权利要求6所述的乳腺疾病随访系统,其特征在于,所述病灶状况分析单元包括突变状况检测子单元和/或发展趋势预测子单元,其中:

所述突变状况检测子单元用于根据所述目标病灶及其匹配病灶的病灶参数判断所述目标病灶是否发生突变;

所述发展趋势预测子单元用于根据所述目标病灶及其匹配病灶的病灶参数对所述病灶参数的未来参数值进行预测,并根据预测结果对所述目标病灶的发展趋势进行分析。

8.根据权利要求6或7所述的乳腺疾病随访系统,其特征在于,所述乳腺疾病随访系统还包括:

随访方案生成模块,用于根据所述目标病灶的发展趋势生成随访方案。

9.一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:该计算机程序被处理器执行时实现一乳腺疾病随访方法,其中,所述乳腺疾病随访方法包括:

获取目标对象的乳腺超声图像;

对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;

将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;

根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析。

10.一种电子设备,其特征在于,所述电子设备包括:

存储器,存储有一计算机程序;

处理器,与所述存储器通信相连,调用所述计算机程序时执行一乳腺疾病随访方法,其中,所述乳腺疾病随访方法包括:

获取目标对象的乳腺超声图像;

对所述乳腺超声图像进行处理以获取其中的至少一处病灶作为目标病灶;

将所述目标病灶与所述目标对象的历史病灶进行匹配,以获取所述目标病灶的匹配病灶;

根据所述目标病灶及其匹配病灶对所述目标病灶的病灶状况进行分析。

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杏脉信息科技有限公司,未经上海杏脉信息科技有限公司许可,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/202111498254.7/1.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