[发明专利]处理超声图像的方法和装置以及乳腺癌诊断设备有效

专利信息
申请号: 201310065959.9 申请日: 2013-03-01
公开(公告)号: CN104021391B 公开(公告)日: 2019-03-26
发明(设计)人: 郝志会;王强;任海兵;金智渊 申请(专利权)人: 北京三星通信技术研究有限公司;三星电子株式会社
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;A61B8/08
代理公司: 北京铭硕知识产权代理有限公司 11286 代理人: 王艳娇;李柱天
地址: 100016 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 处理 超声 图像 方法 装置 以及 乳腺癌 诊断 设备
【权利要求书】:

1.一种处理超声图像的方法,包括:

对接收的超声图像进行图像过分割以获得多层结构的分段;

从获得的多层结构的分段中提取各分段特征;

对接收的超声图像进行目标对象检测以产生过完整的滑动窗口作为检测窗口;

将图像特征从检测窗口传递给获得的多层结构的分段;

将提取的各分段特征和从检测窗口转移到分段的特征进行联合以对分段分类器进行训练;

接收分段分类器的输出以将一元电压提供给成对的条件随机域CRF模型以得到分段的目标对象。

2.如权利要求1所述的方法,其中,通过使用规格化切割和k均值聚类来执行图像过分割。

3.如权利要求1所述的方法,其中,提取的各分段特征包括:各分段在超声图像中的位置、强度的柱状图、以及从灰度级共生矩阵SGLD得到的纹理描述符。

4.如权利要求1所述的方法,其中,通过采用可变形部件模型DPM检测器来对超声图像执行目标对象检测以产生多个检测假定。

5.如权利要求1所述的方法,其中,传递给分段的特征包括:检测窗口的原始信息、从分段到其具有最大信任度的检测窗口和最大支持的窗口的距离、检测窗口的扩展特性、检测信任度和扩展的特性的累积强度。

6.如权利要求1所述的方法,其中,使用支持矢量机器来训练分段分类器。

7.如权利要求1所述的方法,其中,使用最小割/最大流算法来最小化得到的分段的病变结果的结果。

8.一种处理超声图像的装置,包括:

图像过分割单元,用于对接收的超声图像进行图像过分割以获得多层结构的分段;

分割特征提取单元,用于从获得的多层结构的分段中提取各分段特征;

目标对象检测单元,用于对接收的超声图像进行目标对象检测以产生过完整的滑动窗口作为检测窗口;

特征传递单元,用于将图像特征从检测窗口传递给获得的多层结构的分段;

分段分类单元,用于将提取的各分段特征和从检测窗口转移到分段的特征进行联合以对分段分类器进行训练;

目标对象获得单元,用于接收分段分类器的输出以将一元电压提供给成对的条件随机域CRF模型以得到分段的目标对象。

9.如权利要求8所述的装置,其中,图像过分割单元通过使用规格化切割和k均值聚类来执行图像过分割。

10.如权利要求8所述的装置,其中,提取的各分段特征包括:各分段在超声图像中的位置、强度的柱状图、以及从灰度级共生矩阵SGLD得到的纹理描述符。

11.如权利要求8所述的装置,其中,目标对象检测单元通过采用可变形部件模型DPM检测器来对超声图像执行目标对象检测以产生多个检测假定。

12.如权利要求8所述的装置,其中,传递给分段的特征包括:检测窗口的原始信息、从分段到其具有最大信任度的检测窗口和最大支持的窗口的距离、检测窗口的扩展特性、检测信任度和扩展的特性的累积强度。

13.如权利要求8所述的装置,其中,分段分类单元通过使用支持矢量机器来训练分段分类器。

14.如权利要求8所述的装置,其中,目标对象获得单元使用最小割/最大流算法来最小化得到的分段的病变结果的结果。

15.一种乳腺癌诊断设备,包括:

图像过分割单元,用于对接收的超声图像进行图像过分割以获得多层结构的分段;

分割特征提取单元,用于从获得的多层结构的分段中提取各分段特征;

病变检测单元,用于对接收的超声图像进行病变检测以产生过完整的滑动窗口作为检测窗口;

特征传递单元,用于将图像特征从检测窗口传递给获得的多层结构的分段;

分段分类单元,用于将提取的各分段特征和从检测窗口转移到分段的特征进行联合以对分段分类器进行训练;

病变获得单元,用于接收分段分类器的输出以将一元电压提供给成对的条件随机域CRF模型以得到分段的病变结果。

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北京三星通信技术研究有限公司;三星电子株式会社,未经北京三星通信技术研究有限公司;三星电子株式会社许可,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/201310065959.9/1.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