[发明专利]一种评价乳腺随访图像质量的方法、系统及装置有效

专利信息
申请号: 202110371037.5 申请日: 2021-04-07
公开(公告)号: CN113114952B 公开(公告)日: 2022-02-18
发明(设计)人: 马乐;李宏行;蔡裕兴;陈卫国;金连文 申请(专利权)人: 华南理工大学
主分类号: H04N5/243 分类号: H04N5/243;H04N5/235;G16H40/63;G16H30/20;G06T7/62;G06T7/12;G06T7/00;G06N3/04;G06V10/764;G06V10/82;G06K9/62
代理公司: 北京盛询知识产权代理有限公司 11901 代理人: 陈巍
地址: 510000 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 评价 乳腺 随访 图像 质量 方法 系统 装置
【权利要求书】:

1.一种评价乳腺随访图像质量的方法,其特征在于,包括以下步骤:

提取并保存前片乳腺图像的曝光参数;

采集乳腺随访图像并提取其曝光参数;

系统自动调取前片图像的曝光参数及随访图像的曝光参数,实时将两次图像的曝光参数进行比较;

通过计算得到图像曝光参数的差异百分比,判断所拍摄的随访图像质量是否符合质量控制;

在所述前片乳腺图像上,从其DICOM信息中提取并保存曝光参数于系统中,所提取的曝光参数包括:乳腺厚度BT1、乳腺压迫力度CF1,乳腺面积BA1

所述乳腺随访图像中提取的曝光参数包括:乳腺厚度BT2、乳腺压迫力度CF2、乳腺面积BA2

计算所述图像曝光参数的差异百分比的方法为:

乳腺厚度差异百分比:BT%=(BT2-BT1)/BT1

乳腺压迫力度差异百分比:CF%=(CF2-CF1)/CF1

乳腺面积差异百分比:BA%=(BA2-BA1)/BA1

2.根据权利要求1所述的评价乳腺随访图像质量的方法,其特征在于,所述乳腺面积的计算方法为:提取乳腺轮廓,计算乳腺轮廓内的像素点个数,根据每个像素点的面积进行叠加,最后得到乳腺面积。

3.根据权利要求1所述的评价乳腺随访图像质量的方法,其特征在于,当所述乳腺厚度差异百分比BT%、乳腺压迫力度差异百分比CF%、乳腺面积差异百分比BA%中有两个参数大于5%,另外的参数在-5%~5%内,则认为乳腺随访图像的曝光参数优于前片图像,所拍摄的随访图像质量符合质量控制,评为“甲片”;

当BT%、CF%、BA%参数均在-5%~5%内时,认为乳腺随访图像的曝光参数基本与前片图像一致,所拍摄的随访图像质量符合质量控制,评为“甲片”;当BT%、CF%、BA%中只有一个或两个参数在-5%~5%范围内时,另外的参数小于-5%时,认为乳腺随访图像的曝光参数劣于前片图像,所拍摄的随访图像质量符合质量控制,评为“乙片”;

当BT%、CF%、BA%中有两个及以上参数小于-5%~时,认为乳腺随访图像的曝光参数明显差于前片图像,通过对话框弹窗的方式,告知技师该图像评为“丙片”,需要立刻对患者乳腺进行重新摄影。

4.一种评价乳腺随访图像质量的系统,其特征在于,包括:

信息提取模块:用于提取前片及随访图像的DICOM信息,包括乳腺厚度、乳腺压迫力度、乳腺面积;

数据分析模块:用于通过对前后两次图像的比较,计算乳腺厚度差异百分比、乳腺压迫力度百分比、乳腺面积差异百分比;

评价模块:根据所述数据分析模块的比较结果,评价所拍摄图像的质量;

所述信息提取模块包括:卷积神经网络单元,所述卷积神经网络单元包括第一卷积神经网络和第二卷积神经网络,所述第一卷积神经网络用于对图像进行分割预处理,所述第二卷积神经网络用于对经过预处理操作的图像进行DICOM信息的提取;

所述数据分析模块包括:

比较单元:用于比较前后两次图像的DICOM信息;

计算单元:用于计算图像曝光参数的差异百分比。

5.一种评价乳腺随访图像质量的装置,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的图像显示和存储系统,所述图像显示和存储系统存储有能被所述至少一个处理器执行的指令,所述指令能够被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-3任意一项所述的评价乳腺随访图像质量的方法。

6.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令促使至少一个处理器实现权利要求1-3任意一项所述的评价乳腺随访图像质量的方法。

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华南理工大学,未经华南理工大学许可,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/202110371037.5/1.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