一种病灶检测方法、可读存储介质及电子设备

技术领域

本说明书涉及医疗技术领域，尤其涉及一种病灶检测方法、可读存储介质及电子设备。

背景技术

随着计算机技术的发展和业务深入融合的需要，在医疗领域，通过全视野数字乳腺X线摄影(Full-field Digital Mammography，FFDM)系统、数字乳腺断层融合X线成像(Digital Breast Tomosynthesis，DBT)系统等医用影像系统采集的图像来进行病灶检测，已经成为目前常用的医用检测方法之一。

目前，医生通常需获取患者的乳腺X射线FFDM图像，或获取患者的乳腺三维DBT图像，并对获取到的图像进行目标物识别，来根据识别结果确定患者体内的病灶以及病灶对应的位置，以此来执行病理采样等其他业务。

但是，由于现有技术在进行目标物识别时的精准度较低，导致现有技术得到的病灶检测结果的准确度也较低。基于此，本说明书提供一种新的病灶检测方法。

发明内容

本说明书提供一种病灶检测方法、可读存储介质及电子设备，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供一种病灶检测方法，包括：

获取乳腺三维DBT图像，并根据所述乳腺三维图像，确定乳腺投影图像，以及确定所述乳腺投影图像中病灶对应的第一区域；

获取乳腺X射线FFDM图像，并根据所述乳腺X射线图像，确定所述乳腺X射线图像中所述病灶对应的第二区域；

根据所述乳腺投影图像和所述乳腺X射线图像，以所述乳腺投影图像和所述乳腺X射线图像中的乳腺区域配准为目标，确定所述乳腺投影图像和所述乳腺X射线图像之间的坐标转换关系，并根据所述坐标转换关系，将所述第一区域和所述第二区域转换到目标坐标系中；

在所述目标坐标系中，对所述第一区域和所述第二区域进行匹配，根据匹配结果确定病灶检测结果；

其中，所述乳腺三维图像和所述乳腺X射线图像的采集角度和采集体位相同。

可选地，在确定所述乳腺投影图像和所述乳腺X射线图像之间的坐标转换关系之前，所述方法还包括：

根据目标体素间距，对所述乳腺X射线图像的尺寸和所述乳腺投影图像的尺寸进行调整，使所述乳腺X射线图像的体素间距和所述乳腺投影图像的体素间距相同。

可选地，获取患者的乳腺X射线图像和乳腺投影图像，具体包括：

获取初始乳腺X射线图像和初始乳腺三维图像，并根据所述初始乳腺三维图像，确定初始乳腺投影图像；

确定所述初始乳腺投影图像包含的乳腺区域，并根据包含所述乳腺区域的最小矩形对所述初始乳腺投影图像进行裁剪，将裁剪后的所述初始乳腺投影图像作为所述患者的乳腺投影图像；

确定所述初始乳腺X射线图像包含的乳腺区域，并根据包含所述乳腺区域的最小矩形对所述初始X射线图像进行裁剪，将裁剪后的所述初始乳腺X射线图像作为所述患者的乳腺X射线图像。

可选地，在所述目标坐标系中，对所述第一区域和所述第二区域进行匹配，具体包括：

根据所述目标坐标系中所述第一区域的坐标和所述第二区域的坐标，确定所述第一区域和所述第二区域的交并比；

判断所述交并比是否大于预设的匹配阈值；

若是，则确定所述第一区域和所述第二区域对应的病灶为同一病灶。

可选地，确定所述乳腺投影图像中病灶对应的第一区域，具体包括：

将所述乳腺投影图像作为输入，输入预先训练得到的第一识别模型，得到所述第一识别模型输出的各病灶分别对应的第一区域，以及各第一区域分别对应病灶类型；

确定所述乳腺X射线图像中所述病灶对应的第二区域，具体包括：

将所述乳腺X射线图像作为输入，输入预先训练得到的第二识别模型，得到所述第二识别模型输出的各病灶分别对应的第二区域，以及各第二区域分别对应的病灶类型。

可选地，在所述目标坐标系中，对所述第一区域和所述第二区域进行匹配，根据匹配结果确定病灶检测结果，具体包括：

针对每个病灶类型，确定该病灶类型对应的各第一区域和各第二区域；

在所述目标坐标系中，针对该病灶类型对应的每个第一区域，判断是否存在与该第一区域匹配的第二区域；

若是，则确定所述与该第一区域匹配的第二区域和该第一区域对应的病灶为同一病灶；

将所述各第一区域及其对应的病灶，以及所述各第二区域及其对应的病灶作为病灶检测结果。

可选地，确定所述与该第一区域匹配的第二区域和该第一区域对应的病灶为同一病灶，具体包括：

当与该第一区域匹配的第二区域有多个时，分别确定各第二区域与该第一区域的匹配度，所述匹配度根据所述第二区域与该第一区域的交并比、所述第二区域的图像与该第一区域的图像之间的相似度，以及所述第二区域的置信度中的至少一种确定；

从与该第一区域匹配的各第二区域中，选择匹配度最高的第二区域，作为目标第二区域；

确定该第一区域和所述目标第二区域对应的病灶为同一病灶。

可选的，根据所述乳腺投影图像和所述乳腺X射线图像，以所述乳腺投影图像和所述乳腺X射线图像中的乳腺区域配准为目标，确定所述乳腺投影图像和所述乳腺X射线图像之间的坐标转换关系，具体包括：

将所述乳腺投影图像和所述乳腺X射线图像作为输入，输入预先训练的配准模型；

确定所述配准模型输出的所述乳腺投影图像和所述乳腺X射线图像之间的坐标转换关系；

其中，所述配准模型采用下述方法训练：

获取在相同体位和相同角度采集到的乳腺三维图像和乳腺X射线图像；

根据所述乳腺三维图像，确定配准前的乳腺投影图像，并确定所述配准前的乳腺投影图像的第一样本特征，以及确定所述乳腺X射线图像的第二样本特征；

将所述配准前的乳腺投影图像、所述乳腺X射线图像、所述第一样本特征和所述第二样本特征作为输入，输入待训练的配准模型中，得到所述配准模型输出的待定转换关系；

根据所述待定转换关系和所述配准前的乳腺投影图像，得到配准后的乳腺投影图像，并确定所述配准后的乳腺投影图像的第三样本特征；

根据所述配准后的乳腺投影图像和所述乳腺X射线图像之间的差异，以及所述第二样本特征和所述第三样本特征之间的差异确定损失，以所述损失最小为优化目标，训练所述配准模型。

本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述病灶检测方法。

本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述病灶检测方法。

本说明书采用的上述至少一个技术方案能够达到以下有益效果：

通过将乳腺投影图像和乳腺X射线图像中的乳腺区域进行配准，得到乳腺投影图像和乳腺X射线图像之间的坐标转换关系，再根据坐标转换关系，将乳腺投影图像中病灶所在的第一区域和乳腺X射线图像中病灶所在的第二区域转换到同一坐标系中，根据同一坐标系中的第一区域和第二区域确定病灶检测结果。

从上述内容可以看出，本方法通过乳腺三维图像和乳腺X射线图像一同来确定更准确的病灶检测结果，提高了病灶检测的准确性。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书提供的病灶检测方法的流程示意图；

图2为本说明书提供的病灶检测方法的流程示意图；

图3为本说明书提供的确定病灶匹配结果的流程示意图；

图4为本说明书提供的调整体素间距的流程示意图；

图5为本说明书提供的病灶检测装置的结构示意图；

图6为本说明书提供的对应于图1的电子设备示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

一般的，在病灶检测技术领域，在进行乳腺检查或乳腺治疗的过程中，需要基于获取到的乳腺图像进行病灶检测，并基于病灶检测结果，对患者进行病理采样等其他操作，才能完成对患者的乳腺检查或乳腺治疗。而由于病理采样等操作通常会对患者造成一定程度上的损伤，如何确定准确的病灶检测结果成为病灶检测技术领域需要解决的问题之一。

基于此，区别于目前仅基于患者的乳腺三维图像，或患者的乳腺X射线图像进行目标物识别来确定病灶检测结果，精准度较低。本说明书提供一种新的病灶检测方法，通过确定病灶在乳腺三维图像和乳腺X射线图像中分别对应的区域，来判断病灶是否为真实病灶。通过乳腺三维图像和乳腺X射线图像一同来确定更准确的病灶检测结果，提高了病灶检测的准确性。

图1为本说明书提供的一种病灶检测方法的流程示意图，具体包括以下步骤：

S100：获取乳腺三维DBT图像，并根据所述乳腺三维图像，确定乳腺投影图像，以及确定所述乳腺投影图像中病灶对应的第一区域。

在本说明书提供的一个或多个实施例中，该病灶检测方法可由终端执行，例如，该终端可以是个人电脑、服务器等，当然还可以是其他的具有计算以及图像处理能力的电子设备，本说明书在此不做限制。

由于乳腺三维图像是三维图像，则基于乳腺三维图像确定出的病灶所在区域当然也为三维区域。乳腺X射线图像为二维图像，则基于乳腺X射线图像确定出的病灶所在区域当然也为二维区域。而若要确定出准确的病灶匹配结果，将病灶所在区域的维度进行统一是必要的。因此，为了确定出更准确的病灶检测结果，该终端还可基于该乳腺三维图像来确定乳腺投影图像，并基于该乳腺投影图像中包含的病灶所在区域，来确定病灶检测结果。

具体的，该终端可首先从预先存储的各乳腺三维图像中，随机获取任一乳腺三维图像，作为患者的乳腺三维图像。其中，该乳腺三维图像可为在预设角度，预设体位对乳腺进行采集得到的。体位可为患者在拍摄医学影像时的体位，具体为乳腺摄影时的体位。如，内外斜侧位、乳腺上下轴位、乳腺90°侧位等等。角度为患者在拍摄医学影像时的角度，如，左侧拍摄、右侧拍摄等，

然后，该终端可根据患者的乳腺三维图像，确定乳腺投影图像。其中，该乳腺投影图像可为最大密度投影(Maximal Intensity Projection，MIP)图像，还可为最小密度投影(minimum intensity projection)图像。当然，该乳腺投影图像还可为基于累加密度算法等光线投射算法确定出的投影图像。即，按照预设的投影方向，将乳腺三维图像进行投影，并针对该乳腺投影图像所在的坐标系，针对每个坐标，将该坐标对应的像素值进行累加，得到乳腺投影图像。该乳腺投影图像的具体类型以及如何确定可根据需要进行设置，本说明书对此不做限制。

最后，该终端可根据确定出的乳腺投影图像，对该乳腺投影图像进行识别，确定出该乳腺投影图像中病灶所在的第一区域。其中，该第一区域的形状可为圆形、矩形等规则形状，也可为不规则形状。具体该第一区域的形状和大小可根据需要进行设置，本说明书对此不做限制。

当然，上述终端确定患者的乳腺三维图像的步骤，还可为该终端向拍摄乳腺三维图像的采集设备发送获取指令。由拍摄该乳腺三维图像的采集设备根据接收到的获取指令，将患者的乳腺三维图像返回给终端。具体该乳腺三维图像如何确定可根据需要进行设置，本说明书对此不做限制。

S102：获取乳腺X射线FFDM图像，并根据所述乳腺X射线图像，确定所述乳腺X射线图像中所述病灶对应的第二区域。

在本说明书提供的一个或多个实施例中，为了基于乳腺X射线图像和与乳腺投影图像的识别结果来准确检测病灶，首先需确定乳腺X射线图像和乳腺投影图像中分别存在的病灶。因此，该终端可获取患者的乳腺X射线图像，并确定乳腺X射线图像中的病灶。

具体的，该终端可获取与步骤S100中的乳腺三维图像在相同角度、相同体位采集到的乳腺X射线图像。

然后，该终端可对该乳腺X射线图像进行识别，确定出该乳腺X射线图像中，病灶所在的第二区域。同样的，该第二区域的形状和大小，以及如何确定乳腺X射线图像，均可根据需要进行设置，本说明书对此不做限制。

S104：根据所述乳腺投影图像和所述乳腺X射线图像，以所述乳腺投影图像和所述乳腺X射线图像中的乳腺区域配准为目标，确定所述乳腺投影图像和所述乳腺X射线图像之间的坐标转换关系，并根据所述转换关系，将所述第一区域和所述第二区域转换到目标坐标系中。

在本说明书提供的一个或多个实施例中，该终端可基于乳腺投影图像中病灶所在的第一区域和乳腺X射线图像病灶所在的第二区域进行融合来确定病灶检测结果，以此来提高病灶检测的准确性。但同一病灶在乳腺投影图像中的位置以及在乳腺X射线图像中的位置可能存在区别，导致无法根据识别结果进行融合。因此，在确定病灶检测结果前，还需将第一病灶和第二病灶转换到同一目标坐标系中。

因此，可基于乳腺投影图像和乳腺X射线图像中的乳腺区域，确定乳腺投影图像和乳腺X射线图像之间的坐标转换关系。

具体的，该终端可根据乳腺X射线图像和乳腺投影图像的采集姿态，确定该乳腺X射线图像和乳腺投影图像之间的初始转换关系。

然后，该终端可根据该初始转换关系，将该乳腺投影图像转换到该乳腺X射线图像所在的第一坐标系中，确定该乳腺投影图像在第一坐标系下的初始投影结果。

最后，该终端可根据该初始投影结果和乳腺X射线图像的差距，对转换关系进行更新。并根据更新后的转换关系，重新确定乳腺投影图像在第一坐标系下的投影结果。以及根据该投影结果继续更新该转换关系，直至确定出的投影结果和乳腺X射线图像之间的差距小于预设的第一阈值为止。

其中，根据差距对转换关系进行更新的过程中，可根据该差距，对转换关系进行调整，若差距变小，则将转换关系进行更新，若差距不变或变大，则将转换关系进行更新。

当然，上述坐标转换关系，还可为将乳腺X射线图像转换到乳腺投影图像所在的第二坐标系中，基于乳腺投影图像和乳腺X射线图像在第二坐标系下的投影结果之间的差距确定的。

如前所述的，本说明书中需基于同一坐标下的第一区域和第二区域来确定病灶检测结果。因此，在确定出坐标转换关系后，该终端可根据该坐标转换关系，将该第一区域和第二区域转换到目标坐标系中。其中，该目标坐标系可为乳腺X射线图像所在的第一坐标系，也可为乳腺投影图像所在的第二坐标系，还可为除上述两种坐标系外的其他坐标系。具体该目标坐标系所对应的坐标系类型可根据需要进行设置，本说明书对此不做限制。

S106：在所述目标坐标系中，对所述第一区域和所述第二区域进行匹配，根据匹配结果确定病灶检测结果。

在本说明书提供的一个或多个实施例中，通常情况下，若在乳腺X射线图像和乳腺投影图像中的同一区域检测出了病灶，则该区域极有可能存在真实病灶，同样的，若病灶在乳腺X射线图像中的第一区域和乳腺投影图像中的第二区域重合，则该病灶为真实病灶的概率较大。

因此，该终端可在将第一区域和第二区域转换到一个坐标系下之后，对该第一区域和第二区域进行匹配，并根据匹配结果确定病灶检测结果。

具体的，该终端可判断目标坐标系中的第一区域和第二区域是否重合。

若是，则该终端可确定该第一区域和该第一区域对应的病灶为真实病灶。

若否，则该终端可确定该第一区域和该第二区域对应的病灶非真实病灶。

于是，该终端可将前述确定出的该病灶是否为真实病灶的判断结果作为病灶检测结果。

进一步的，由于乳腺X射线图像和乳腺投影图像的尺寸、乳腺形状等等因素上存在差距。因此，基于确定出的坐标转换关系，转换到同一坐标系中的病灶的第一区域和第二区域往往不能完全重合。基于此，该终端中还可设置有第二阈值。

于是，该终端可根据第一区域的坐标和该第二区域的坐标，确定第一区域的中心位置，以及该第二区域的中心位置，确定该第一区域和该第二区域的匹配度。

在确定出匹配度后，该终端可将该匹配度和该第二阈值进行比较。在本说明书提供的一种实施例中，若该匹配度高于预设的第二阈值，则该终端可将该病灶作为真实病灶。若该匹配度低于预设的第二阈值，则该终端可将该病灶作为非真实病灶。该阈值的具体数值可根据需要进行设置，本说明书对此不做限制。

更进一步的，由于第一区域和第二区域可为不规则形状，在此情况下，确定第一区域和第二区域的区域中心的这一步骤对计算资源的要求较高。而为了保证在第一区域和第二区域为不规则形状的情况下还可快速并准确地确定病灶检测结果，该终端可直接确定第一区域和第二区域的交并比，并根据交并比确定病灶检测结果。

具体的，该终端还可直接根据第一区域和第二区域的坐标，确定目标坐标系中第一区域和第二区域的交并比。

其次，该终端可判断该交并比是否大于预设的匹配阈值。

在本说明书提供的一种实施例中，若是，则该终端可确定病灶为真实病灶，并将该第一区域和该第二区域作为病灶区域。若否，则该终端可确定该病灶非真实病灶，则该终端可不将该第一区域和该第二区域作为病灶区域。

另外，在本说明书中，针对每个第一区域和每个第二区域，该第一区域和第二区域均为确定出的病灶所在区域。因此，若在第一区域和第二区域不匹配的情况下，不将第一区域和/或第二区域作为病灶区域，则可能会出现将某些病灶漏检的情况出现。为了避免上述情况的出现，在本说明书提供的另一种实施例中，该终端还可将相互匹配的第一区域和第二区域作为同一病灶对应的病灶区域，而对于不匹配的第一区域和第二区域，则该终端可不对其进行处理。

具体的，该终端可针对每个第一区域，当确定出与该第一区域的交并比大于预设的匹配阈值的第二区域，或者确定出与该第一区域的匹配度大于预设的第二阈值的第二区域时，将该第一区域和该第二区域作为相同病灶对应的病灶区域。

于是，在确定出各第一区域以及各第一区域对应的病灶，和各第二区域以及各第二区域对应的病灶后，该终端可直接将上述各第一区域及其病灶，以及各第二区域及其对应的病灶作为病灶检测结果。

当然，该终端还可针对每个病灶，确定该病灶对应的病灶区域，即，上述第一区域和/或第二区域。再将确定出的各病灶以及各病灶分别对应的病灶区域作为病灶检测结果。

需要说明的是，病灶检测结果中不仅包含有相互匹配的第一区域和第二区域，当存在有与各第一区域不匹配的第二区域，和/或与各第二区域不匹配的第一区域时，该病灶检测结果中还包含有前述与各第一区域不匹配的第二区域，和/或与各第二区域不匹配的第一区域。

进一步地，针对每个病灶，若病灶对应的病灶区域越多，则该病灶为真实病灶区域的可能性越大。因此，则该终端可为各第一区域和各第二区域分别设置置信度，并基于置信度，来确定病灶检测结果。

于是，针对每个第一区域，若存在与该第一区域匹配的第二区域，则可调高该第一区域和该第二区域属于病灶区域的置信度。若不存在与该第一区域匹配的第二区域，则该终端可降低该第一区域属于病灶区域的置信度。

当然，该终端仅将与该第一区域匹配的第二区域以及该第一区域属于病灶区域的置信度调高，或者，仅将降低第一区域属于病灶区域的置信度。具体如何基于匹配结果调整置信度可根据需要进行设置，本说明书对此不做限制。

在调整好置信度后，该终端可将各第一区域以及各第一区域分别对应的置信度，和各第二区域以及各第二区域分别对应的置信度，作为病灶检测结果进行存储。

其中，该终端在调高各第一区域和各第二区域的置信度时，可为预设低置信度、中置信度、高置信度三个档位。将各第一区域和各第二区域的初始置信度设置为中置信度这一档位。针对每个第一区域和/或每个第二区域，当该第一区域和/或该第二区域的置信度需要调高时，将该第一区域和/或该第二区域的置信度调整为高置信度。当该第一区域和/或该第二区域的置信度需要降低时，将该第一区域和/或该第二区域的置信度调整为低置信度。该初始置信度为当确定出第一区域和/或第二区域时，为该第一区域和/或该第二区域设置的置信度。

当然，该终端也可预设各初始置信度对应的数值。如，将各第一区域和各第二区域的初始置信度设置为50％。针对每个第一区域和/或每个第二区域，当该第一区域和/或该第二区域的置信度需要调高时，将该第一区域和/或该第二区域的置信度增加预设的置信度，如，增加5％的置信度。当该第一区域和/或该第二区域的置信度需要降低时，将该第一区域和/或该第二区域的置信度减去预设的置信度，如，减小5％的置信度。或者，针对每个第一区域，当存在与该第一区域匹配的第二区域时，该终端可确定该第一区域和该第二区域的匹配度，并根据匹配度将该第一区域和该第二区域属于病灶区域的置信度调高。如，匹配度为86％，则该终端可根据预设的匹配度阈值80％，将该第一区域和第二区域属于病灶区域的置信度上调6％，当然，也可仅根据匹配度86％的0.1倍，将该第一区域和第二区域属于病灶区域的置信度上调8.6％。具体该终端如何调整各第一区域和第二区域的置信度、调整的数值或调整的档次、预设的置信度的档位数量和初始置信度所在档位，以及初始置信度所对应的置信度数值等等，均可根据需要进行设置，本说明书对此不做限制。

需要说明的是，在本说明书中，该病灶检测结果仅用于指示患者乳腺部位的病理信息。可将该病灶检测结果作为评估患者乳腺部位的健康情况的参考信息，提供给评估患者健康情况的评估人员(例如医生)，以使评估人员评估患者乳腺部位的健康情况时，能够有可参考的生物学指标，使得评估人员得到准确性较高的评估结果。并且，在本说明书实施例中并不限制评估人员以病灶检测结果为参考评估患者乳腺部位健康状况的方式。

基于图1所示的病灶检测方法，通过将乳腺投影图像和乳腺X射线图像中的乳腺区域进行配准，得到乳腺投影图像和乳腺X射线图像之间的坐标转换关系，再根据坐标转换关系，将乳腺投影图像中病灶所在的第一区域和乳腺X射线图像中病灶所在的第二区域转换到同一坐标系中，根据同一坐标系中的第一区域和第二区域确定病灶检测结果。本方法通过乳腺三维图像和乳腺X射线图像一同来确定更准确的病灶检测结果，提高了病灶检测的准确性。

另外，通常情况下，即使采集角度和采集体位相同，获取到的患者的乳腺三维图像和乳腺X射线图像时，患者乳腺的受压迫程度上也可能存在差别。也就是说，通常情况下，乳腺三维图像中的乳腺区域和乳腺X射线图像中的乳腺区域存在一定差别。这无疑给乳腺投影图像和乳腺X射线图像中的乳腺区域的配准带来了挑战。基于此，在步骤S104中，配准之前，该终端还可调整该乳腺投影图像和该乳腺X射线图像的体素间距。

具体的，该终端可分别确定该乳腺投影图像的体素间距和该乳腺X射线图像的体素间距。

然后，该终端可根据目标体素间距(spacing)，分别调整该乳腺X射线图像和该乳腺投影图像的尺寸。其中，该目标体素间距可为乳腺投影图像的体素间距，也可为乳腺X射线图像的体素间距，亦或是除前述两者外的任一其他体素间距。调整图像尺寸时采取的技术手段可为降采样、上采样等任一采样手段。具体如何确定该目标体素间距以及如何基于目标体素间距调整图像尺寸可根据需要进行设置，本说明书对此不做限制。

最后，该终端可分别确定调整尺寸后的乳腺X射线图像和乳腺投影图像的体素间距。并根据确定出的体素间距和目标体素间距之间的差距，继续调整乳腺X射线图像和该乳腺投影图像的尺寸，直至该乳腺X射线图像和乳腺投影图像的体素间距相同为止。

调整到相同体素间距(spacing)的乳腺X射线图像和乳腺投影图像，可保证乳腺X射线图像和乳腺投影图像的像素间距相同。因此，基于上述调整到相同体素间距的乳腺X射线图像和乳腺投影图像，可更快速地对该乳腺X射线图像和该乳腺投影图像进行配准，提高了病灶检测的效率。

进一步的，两张尺寸较大的图像在进行匹配时，其所需时间可能较长，而两张尺寸较小的图像在进行匹配时，其所需时间可能较短。因此，为了进一步加快乳腺X射线图像和乳腺投影图像之间的配准速度，在调整得到相同体素间距(spacing)的乳腺X射线图像和乳腺投影图像后，该终端还可对调整尺寸后乳腺X射线图像和调整尺寸后的乳腺投影图像，分别执行降采样操作，以便得降采样后的乳腺X射线图像和降采样后的乳腺投影图像。其中，降采样后的乳腺X射线图像和降采样后的乳腺投影图像的尺寸更小。

于是，基于降采样后得分的乳腺X射线图像和尺寸更小的乳腺投影图像，该终端可更快速地确定出乳腺X射线图像和乳腺投影图像之间的坐标转换关系。

更进一步的，乳腺投影图像和乳腺X射线图像中通常包含有大量的背景区域，而这些背景区域无法为乳腺区域的配准提供帮助，反倒会提高配准这一过程对计算资源的要求。因此，在步骤S104中，该终端还可将乳腺投影图像和乳腺X射线图像中的背景区域裁剪后再进行配准。

具体的，该终端可获取初始乳腺三维图像和初始乳腺X射线图像，并根据该初始乳腺三维图像，确定初始乳腺投影图像。其中，该初始三维图像和初始乳腺X射线图像均为采集设备采集到的图像。

然后，该终端可对该初始乳腺投影图像进行语义分割，确定该初始乳腺投影图像包含的乳腺区域。以及对该初始乳腺X射线图像进行语义分割，确定该初始乳腺X射线图像中包含的乳腺区域。

最后，该终端可根据该初始乳腺投影图像中的乳腺区域，确定包含该乳腺区域的最小矩形。并根据确定出的该最小矩形对该初始乳腺投影图像进行裁剪，将裁剪后的初始乳腺图像作为该患者的乳腺投影图像。同时，该终端还可根据该乳腺X射线图像中的乳腺区域，确定包含该乳腺区域的最小矩形。并根据确定出的该最小矩形对该初始乳腺X射线图像进行裁剪，将裁剪后的初始X射线图像作为患者的乳腺X射线图像。

当然，上述终端确定初始乳腺投影图像和初始乳腺X射线图像中分别包含的乳腺区域的步骤，还可为采用目标物识别的技术手段，识别出初始乳腺投影图像和初始乳腺X射线图像中分别对应的乳腺区域。具体如何确定乳腺区域可根据需要进行设置，本说明书对此不做限制。

另外，在本说明书中，该乳腺投影图像和该乳腺X射线图像中包含的病灶的数量可不止一个。因此，在本说明书中，该终端还可针对每个病灶，判断该病灶是否为真实病灶。

具体的，该终端可针对每个第一区域，判断是否存在于该第一区域匹配的第二区域。若存在，则该终端可确定该第一区域对应的病灶为真实病灶，于是，该终端可将该第一区域和与该第一区域匹配的第二区域，作为病灶区域。若不存在，则该终端可确定该第一区域对应的病灶非真实病灶，于是，该终端可不将该第一区域作为病灶区域。或者，该终端也可采用调高与该第一区域匹配的第二区域和该第一区域属于病灶区域的置信度，或降低该第一区域属于病灶区域的置信度的方式，来确定病灶检测结果。当然，该终端还可采用将与该第一区域匹配的第二区域和该第一区域对应的病灶作为同一病灶的方式，来确定病灶检测结果。具体如何基于第一区域和第二区域的匹配结果确定病灶检测结果可根据需要进行设置，本说明书对此不做限制。

进一步的，在本说明书中，病灶对应的病灶类型可有多种，如，钙化点类型和肿块类型。而对于一个病灶来说，若该病灶在乳腺投影图像中的病灶类型和在乳腺X射线图像中的病灶类型不一致，则位于乳腺投影图像中的病灶和乳腺X射线图像中的病灶有较大概率非同一病灶。因此，该终端还可根据病灶对应的病灶类型，确定病灶检测结果。

具体的，针对每个病灶类型，该终端可确定该病灶类型对应的各第一区域和各第二区域。

之后，在该目标坐标系下，该终端可针对该病灶类型对应的每个第一区域，判断是否存在与该第一区域匹配的第二区域。

若存在，则该终端可将与该第一区域匹配的第二区域和该第一区域对应的病灶作为同一病灶。若不存在，则该终端可不对该第一区域及其对应的病灶进行处理，并按照预设的顺序，继续判断该病灶对应的第一区域是否存在与该第一区域匹配的第二区域。则在确定出各第一区域以及各第二区域对应的病灶后，该终端可确定病灶检测结果。

当然，该终端还可采用设置置信度的方式来确定各第一区域以及各第二区域分别对应的置信度，再基于各置信度确定病灶检测结果。即，若存在，则该终端可将该第一区域和与该第一区域匹配的第二区域属于病灶区域的置信度调高。若不存在，则该终端可将该第一区域属于病灶区域的置信度调低。当然，该终端可仅调高与该第一区域匹配的第二区域和该第一区域属于病灶区域的置信度。或者，仅降低第一区域属于病灶区域的置信度。具体如何基于匹配结果调整置信度可根据需要进行设置，本说明书对此不做限制。

更进一步的，可能同时出现和同一第一区域匹配的多个第二区域，在该情况下，该终端可基于各第二区域分别对应于该第一区域的匹配度，确定病灶检测结果。

具体的，针对该病灶类型中的每个第一区域，当与该第一区域匹配的第二区域有多个时，该终端可分别确定各第二区域与该第一区域的匹配度。

其中，针对每个第二区域，该终端可基于该第二区域和该第一区域的交并比，确定该第二区域和该第一区域的匹配度。其中，交并比和该匹配度正相关。或者，该终端也可根据该第二区域的图像的相似度和该第一区域的图像的相似度，确定该第二区域和该第一区域的匹配度，其中，该相似度和该匹配度正相关。或者，该终端还可基于该第二区域的置信度，确定该第二区域的匹配度，其中，置信度和该匹配度正相关。当然，该终端还可对于交并比、匹配度和置信度设置不同的权重，并针对每个第二区域，根据该第二区域的交并比以及交并比的权重、匹配度以及匹配度的权重，和置信度以及置信度的权重，来确定该第二区域和该第一区域的匹配度。也就是说，该终端可基于交并比、相似度和置信度中的至少一种，确定第二区域的匹配度。具体如何确定该匹配度可根据需要进行设置，本说明书对此不做限制。

然后，该终端可从各第二区域中，确定匹配度最高的第二区域，作为目标第二区域。并将该第一区域和该目标第二区域对应的病灶作为同一病灶，以此来确定病灶检测结果。或者，调高该第一区域和目标第二区域属于病灶区域的置信度，以此来确定病灶检测结果。

当然，若该目标第二区域与该第一区域的交并比仍小于预设的匹配阈值，则该终端可不对该第一区域和该目标第二区域进行处理，或者，降低该第一区域和该目标第二区域属于病灶区域的置信度。该终端还可将该第一区域和该目标第二区域对应的病灶确定为不同病灶。则在确定出第一区域和各第二区域分别对应的病灶后，或在确定出各第一区域和各第二区域分别属于病灶区域的置信度后，该终端可确定病灶检测结果。具体如何基于该第一区域和目标第二区域的匹配结果确定病灶检测结果，可根据需要进行设置，本说明书对此不做限制。

另外，上述将乳腺投影图像和乳腺X射线图像进行配准的步骤，可采用及其学习的方式。

具体的，该终端可将乳腺投影图像和乳腺X射线图像作为输入，输入预先训练的配准模型中，得到该配准模型输出的该乳腺投影图像和该乳腺X射线图像之间的坐标转换关系。

其中，该配准模型通常可采用下述方式训练得到：

首先，该终端可获取已经与乳腺X射线图像配准的乳腺投影图像，并将配准前的乳腺投影图像和乳腺X射线图像作为训练样本，以及将配准后的乳腺投影图像作为标注。

其次，该终端可将该训练样本输入待训练的配准模型，使该待训练的配准模型确定待定转换关系，并根据该待定转换关系，确定预配准后的乳腺投影图。

然后，该终端可确定该待训练的配准模型输出的待定转换关系以及预配准后的乳腺投影图。

最后，该终端可以预配准后的乳腺投影图与训练样本的标注差异最小为优化目标，训练该配准模型。

当然，为了避免上述需要人工标注训练样本而导致配准模型的训练成本过高的情况出现，本说明书中的该配准模型还可采用下述无标注的方式训练得到：

首先，该终端可获取在相同体位，相同角度采集到的乳腺三维图像和乳腺X射线图像。其中，该乳腺三维图像和乳腺X射线图像为相同体位、相同角度采集到的相同患者的相同部位的图像。

于是，该终端可根据该乳腺三维图像，确定配准前的乳腺投影图像，并对该配准前的乳腺投影图像进行特征提取，确定该配准前的乳腺投影图像的第一样本特征。以及对获取到的乳腺X射线图像进行特征提取，确定该乳腺X射线图像的第二样本特征。其中，对该乳腺投影图像进行特征提取的方式与对该乳腺X射线图像进行特征提取的方式相同，也可不同，具体如何对上述两证图像进行特征提取可根据需要进行设置，本说明书对此不做限制。

其次，该终端可将配准前的乳腺投影图像、乳腺X射线图像、第一样本特征和第二样本特征作为训练样本，并将训练样本输入待训练的配准模型中，得到配准模型输出的待定转换关系。其中，该乳腺X射线图像和该第二样本特征可作为该训练样本的标注。

然后，该终端可根据待定转换关系和配准前的乳腺投影图像，得到配准后的乳腺投影图像，并对配准后的乳腺投影图像进行特征提取，确定配准后的乳腺投影图像的第三样本特征。且对配准后的乳腺投影图像的特征提取方式和上述确定第二样本特征时所采用的特征提取方式相同。

最后，该终端可根据配准后的乳腺投影图像和乳腺X射线图像之间的差异，确定配准损失。以及根据第二样本特征和第三样本特征之间的差异，确定特征损失。再将配准损失和特征损失结合，确定总损失。并以总损失最小为优化目标，调整该配准模型的模型参数，以完成该配准模型的训练。

其中，该配准损失可用于表征配准后的乳腺投影图像和乳腺X射线图像之间的损失，该特征损失可用于表征配准后的乳腺投影图像的图像特征和乳腺X射线图像的图像特征之间的损失。该图像特征可为病灶和参照物之间的距离、由病灶指向参照物所成向量的朝向、病灶的类型、乳腺投影图像和乳腺X射线图像分别对应的特征点分布情况等等。该参照物可为乳头、乳腺等。该图像特征的具体类型和参照物的具体类型可根据需要进行设置，本说明书对此不做限制。

则基于上述总损失，不仅能够衡量配准后的乳腺投影图像和乳腺X射线图像之间的差异。并且提取乳腺投影图像的图像特征，与乳腺X射线图像的图像特征进行比较，对配准前的乳腺投影图像的图像特征差异信息进行量化。可更有效精准地指导配准模型的训练，使得训练得到的模型更加准确。

其中，上述配准后的乳腺投影图像和乳腺X射线图像之间的差异可采用互信息法等方法来进行衡量。当然，也可采用乳腺投影图像和乳腺X射线图像之间的亮度差等多种形式来确定差异。具体如何确定该乳腺投影图像和该乳腺X射线图像之间的差异可根据需要进行设置，本说明书对此不做限制。

进一步的，在上述对配准模型进行训练的过程中，为了保证配准后的乳腺投影图像的拓扑结构不发生变化，需要对基于上述配准模型得到的坐标转换关系的平滑性进行量化，来得到坐标转换关系的平滑损失。

于是，该终端还可基于上述配准模型输出的坐标转换关系，确定平滑损失，并基于该平滑损失和上述确定出的配准损失以及特征损失，确定总损失，来根据总损失训练该配准模型。

则该配准模型的总损失包含有三部分：特征损失、配准损失和平滑损失。其中，平滑损失用于保证坐标转换关系的平滑性，保证配准后的乳腺投影图像和乳腺X射线图像的拓扑结构保持一致。特征损失和配准损失一同作用，引导该配准模型的训练，保证该配准任务的进行。

更进一步的，在确定出总损失后，该终端可基于该总损失迭代优化该配准模型。

具体的，该终端可根据确定出的总损失，迭代调整该配准模型中，对配准前的乳腺投影图像进行特征提取时的模型参数，以及调整对乳腺X射线图像进行特征提取时的模型参数。并当确定出的总损失达到预设的迭代终止条件时，停止迭代。其中，该迭代终止条件可为迭代次数达到预设阈值，模型的总损失小于预设阈值等等。该迭代终止条件的具体内容可根据需要进行设置，本说明书对此不做限制。

需要说明的是，上述训练配准模型时使用的终端，与执行该病灶检测的终端可为同一终端，也可为不同终端。具体由哪个终端来执行该配准模型的训练可根据需要进行设置，本说明书对此不做限制。

当然，本说明书中的病灶检测方法，在获取乳腺三维图像和乳腺X射线图像时，还可获取相同患者在不同体位拍、相同角度摄到的相同部位的乳腺图像。但由于在不同体位拍摄到的图像之间存在较大差异，导致配准结果准确度较低，进而导致基于配准结果无法确定出比较准确的病灶检测结果。本说明书中采用获取相同角度、相同体位采集到的乳腺X射线图像和乳腺三维图像，并基于采集到的图像来检测病灶，以快速而准确地确定出真实病灶。

进一步的，上述终端在确定乳腺投影图像和乳腺X射线图像中分别对应的病灶时，也可采用机器学习的方法。

具体的，该终端可将获取到的乳腺投影图像作为输入，输入预先训练好的第一识别模型中，得到该第一识别模型输出的该乳腺投影图像中的病灶以及病灶对应的第一区域。

该终端还可将获取到的乳腺X射线图像作为输入，输入预先训练好的第二识别模型中，得到该第二识别模型输出的该乳腺X射线图像中的病灶以及病灶对应的第二区域。

其中，该第一识别模型可采用下述方式进行训练。

首先，获取若干乳腺投影图像，作为各第一训练样本，并确定各第一训练样本的标注。其中，第一训练样本的标注为各病灶的病灶位置。

然后，将各第一训练样本作为输入，输入待训练的第一识别模型中，得到该第一识别模型输出的第一训练样本的识别结果。

最后，根据各第一训练样本的识别结果和标注，确定第一识别损失，并基于第一识别损失对该第一识别模型进行训练。

其中，该第二识别模型可采用下述方式进行训练。

首先，获取若干乳腺投影图像，作为各第二训练样本，并确定各第二训练样本的标注。其中，第二训练样本的标注为各病灶的病灶位置。

然后，将各第二训练样本作为输入，输入待训练的第二识别模型中，得到该第二识别模型输出的第二训练样本的识别结果。

最后，根据各第二训练样本的识别结果和标注，确定第二识别损失，并基于第二识别损失对该第二识别模型进行训练。

当然，在确定乳腺投影图像和乳腺X射线图像中的病灶时，还可采用全局阈值法、自适应阈值法等基于阈值的分割方法，基于边缘检测的分割方法，区域生长法、分水岭法等基于区域的分割方法以及基于图论的分割方法等，将病灶进行分割，确定出图像中包含的各病灶以及各病灶分别对应的位置。由于基于分割对确定图像中包含的病灶的方法已经是较为成熟的技术，本说明书对此不再赘述。

同样的，上述训练第一识别模型和第二识别模型时使用的终端，与执行该病灶检测的终端可为同一终端，也可为不同终端。具体由哪个终端来执行该第一识别模型和第二识别模型的训练过程可根据需要进行设置，本说明书对此不做限制。

基于图1所述的病灶匹配方法，本说明书还提供一种病灶匹配方法的流程示意图，如图2所示。

图2为本说明书提供的病灶匹配方法的流程示意图。图中，该终端可将获取到的乳腺投影图像中病灶对应的第一区域，通过确定出的坐标转换关系，将该第一区域转换到乳腺X射线图像所在的第一坐标系中，得到第一坐标系中的第一区域。其中，该目标坐标系为第一坐标系。则该终端可基于第一坐标系中的第一区域和第二区域，确定交并比(Intersection of Union，IoU)，并将该交并比和预设的匹配阈值R进行比较，根据比较结果得到病灶检测结果。

基于同样思路，当存在多个第二区域和该第一区域的交并比均大于匹配阈值R时，本说明书还提供确定病灶匹配结果的流程示意图，如图3所示。

图3为本说明书提供的确定病灶匹配结果的流程示意图。图中，第一区域、第二区域1和第二区域2均为在目标坐标系中的病灶区域。则该终端可基于该第二区域1和该第一区域的匹配度，以及该第二区域2和该第一区域的匹配度，来确定病灶检测结果。以匹配度仅基于交并比确定为例，则该终端可确定第二区域1与该第一区域匹配，并调高该第一区域和该第二区域1属于病灶区域的置信度，以及将该第一区域和该第二区域1及其对应的置信度，作为病灶检测结果。

本说明书还提供一种调整体素间距的流程示意图，如图4所示。

图4为本说明书提供的调整体素间距的流程示意图，图中，从左至右分别为乳腺X射线图像中的乳腺轮廓、乳腺投影图像中的乳腺轮廓、调整体素间距后的乳腺投影图像的乳腺轮廓以及将乳腺X射线图像中的乳腺轮廓和调整体素间距后的乳腺投影图像的乳腺轮廓重叠放置的对比图。可见，图中以乳腺X射线图像的体素间距作为目标体素间距为例进行说明。则该终端可根据目标体素间距，调整该乳腺投影图像的体素间距，直至该乳腺投影图像的体素间距和乳腺X射线图像的体素间距一致为止。

另外，上述图2、3、4等仅为对本说明书中实施例的示例说明，具体如何进行病灶匹配，如何确定病灶匹配结果以及如何调整体素间距等，均可根据需要进行设置，本说明书对此不做限制。

需要说明的是，本说明书中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。

基于同样思路，本说明书提供一种病灶匹配装置的结构示意图，如图5所示。

图5为本说明书提供的一种病灶匹配装置的结构示意图，装置包括：

第一获取模块200，用于获取乳腺三维DBT图像，并根据所述乳腺三维图像，确定乳腺投影图像，以及确定所述乳腺投影图像中病灶对应的第一区域。

第二获取模块202，用于获取乳腺X射线FFDM图像，并根据所述乳腺X射线图像，确定所述乳腺X射线图像中所述病灶对应的第二区域。

转换模块204，用于根据所述乳腺投影图像和所述乳腺X射线图像，以所述乳腺投影图像和所述乳腺X射线图像中的乳腺区域配准为目标，确定所述乳腺投影图像和所述乳腺X射线图像之间的坐标转换关系，并根据所述换关系，将所述第一区域和所述第二区域转换到目标坐标系中。

匹配模块206，用于在所述目标坐标系中，对所述第一区域和所述第二区域进行匹配，根据匹配结果确定病灶检测结果。其中，所述乳腺三维图像和所述乳腺X射线图像的采集角度和采集体位相同。

可选地，在确定所述乳腺投影图像和所述乳腺X射线图像之间的坐标转换关系之前，所述转换模块204，用于根据目标体素间距，对所述乳腺X射线图像的尺寸和所述乳腺投影图像的尺寸进行调整，使所述乳腺X射线图像的体素间距和所述乳腺投影图像的体素间距相同。

可选地，所述第一获取模块200，用于获取初始乳腺X射线图像和初始乳腺三维图像，并根据所述初始乳腺三维图像，确定初始乳腺投影图像；确定所述初始乳腺投影图像包含的乳腺区域，并根据包含所述乳腺区域的最小矩形对所述初始乳腺投影图像进行裁剪，将裁剪后的所述初始乳腺投影图像作为所述患者的乳腺投影图像；确定所述初始乳腺X射线图像包含的乳腺区域，并根据包含所述乳腺区域的最小矩形对所述初始乳腺X射线图像进行裁剪，将裁剪后的所述初始乳腺X射线图像作为所述患者的乳腺X射线图像。

可选地，所述匹配模块206，用于根据所述目标坐标系中所述第一区域的坐标和所述第二区域的坐标，确定所述第一区域和所述第二区域的交并比，判断所述交并比是否大于预设的匹配阈值，若是，则确定所述第一区域和所述第二区域对应的病灶为同一病灶。

可选地，所述第一获取模块200，用于将所述乳腺投影图像作为输入，输入预先训练得到的第一识别模型，得到所述第一识别模型输出的各病灶分别对应的第一区域，以及各第一区域分别对应病灶类型。

可选地，所述第二获取模块202，用于将所述乳腺X射线图像作为输入，输入预先训练得到的第二识别模型，得到所述第二识别模型输出的各病灶分别对应的第二区域，以及各第二区域分别对应的病灶类型。

可选地，所述匹配模块206，用于针对每个病灶类型，确定该病灶类型对应的各第一区域和各第二区域，在所述目标坐标系中，针对该病灶类型对应的每个第一区域，判断是否存在与该第一区域匹配的第二区域，若是，则确定所述与该第一区域匹配的第二区域和该第一区域对应的病灶为同一病灶，将所述各第一区域及其对应的病灶，以及所述各第二区域及其对应的病灶作为病灶检测结果。

可选地，所述匹配模块206，用于当与该第一区域匹配的第二区域有多个时，分别确定各第二区域与该第一区域的匹配度，所述匹配度根据所述第二区域与该第一区域的交并比、所述第二区域的图像与该第一区域的图像之间的相似度，以及所述第二区域的置信度中的至少一种确定，与该第一区域匹配的各第二区域中，选择匹配度最高的第二区域，作为目标第二区域，确定该第一区域和所述目标第二区域对应的病灶为同一病灶。

所述方法还包括：

训练模块208，用于获取在相同体位和相同角度采集到的乳腺三维图像和乳腺X射线图像；根据所述乳腺三维图像，确定配准前的乳腺投影图像，并确定所述配准前的乳腺投影图像的第一样本特征，以及确定所述乳腺X射线图像的第二样本特征；将所述配准前的乳腺投影图像、所述乳腺X射线图像、所述第一样本特征和所述第二样本特征作为输入，输入待训练的配准模型中，得到所述配准模型输出的待定转换关系；根据所述待定转换关系和所述配准前的乳腺投影图像，得到配准后的乳腺投影图像，并确定所述配准后的乳腺投影图像的第三样本特征；根据所述配准后的乳腺投影图像和所述乳腺X射线图像之间的差异，以及所述第二样本特征和所述第三样本特征之间的差异确定损失，以所述损失最小为优化目标，训练所述配准模型。

本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的病灶检测方法。

本说明书还提供了图6所示的电子设备的示意结构图。如图6所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的病灶检测方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。