CN103116626A - 一种医学影像的匹配方法 - Google Patents
一种医学影像的匹配方法 Download PDFInfo
- Publication number
- CN103116626A CN103116626A CN2013100377465A CN201310037746A CN103116626A CN 103116626 A CN103116626 A CN 103116626A CN 2013100377465 A CN2013100377465 A CN 2013100377465A CN 201310037746 A CN201310037746 A CN 201310037746A CN 103116626 A CN103116626 A CN 103116626A
- Authority
- CN
- China
- Prior art keywords
- medical image
- matched
- image
- medical
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种医学影像的匹配方法，包括以下步骤：建立多维标志的医学影像数据库；从待匹配的医学影像提取该医学影像的特征属性；依据提取出的影像特征属性，将待匹配的医学影像与医学影像数据库中的已有影像进行搜索匹配。所述提取医学影像特征属性进一步包括：自动交叉增强标识提取待匹配的医学影像文件信息；半自动交叉增强标识提取待匹配的医学影像文件信息；半自动诊断交叉增强标识提取待匹配的医学影像文件信息。通过提取出的特征属性采用多种不同的方式与具有上述多维标志的医学影像数据库的影像案例进行匹配，即方便普通人员查询所需要的医学相关信息，又方便了医学专业人员有针对性的查询相关医学信息的需要。
Description
技术领域
本发明涉及医学技术领域，具体涉及一种医学影像的匹配方法。
背景技术
目前，HIS（Hospital Information System,医院信息管理系统）、RIS（Radiology I nformation System，放射科信息管理系统）等医学信息管理系统已经成为现代数字化医院必不可少的组成部分，每天都有越来越多的病人案例涌进各种不同类型的医学信息管理系统。目前，各个系统都拥有它自己的信息管理方法，而且系统间的信息交换收到很多限制，目前世界上商业化使用的各类医学信息管理系统所采用的管理和搜寻方法都是建立在有限的文字或仅对于文字相关的信息的基础上的，无一例外的都是基于文字层面而非影像或图像内容信息层面。
目前，传统的医学信息管理系统都是以病人、案例、系列和影像为其信息管理的基础架构，其中，病历号或住院号或案例号或检查号是其管理和查询影像信息的关键，就信息管理而言，这种做法是合适的。但是，对绝大部分医学专业人士，诸如医学科研人员、医生，尤其是对放射科医生而言，他们的医学信息查询基本上是以影像和图像内容为基础的，显而易见，现有的查询方法就大大限制了他们查询医学信息的能力。
综上所述，在现有技术中，并没有一种基于医学影像内容查询即医学影像匹配的方法，来方便医学专业人士进行医学信息查询。
发明内容
有鉴于此，有必要提供一种基于医学影像内容的匹配方法，使医学专业人士更具针对性的进行医学信息的查询。
为此本发明提供如下技术方案：
一种医学影像的匹配方法，包括以下步骤：
S1：建立多维标志的医学影像数据库；
S2：从待匹配的医学影像提取该医学影像的特征属性；
S3：依据提取出的影像特征属性，将待匹配的医学影像与医学影像数据库中已有的影像进行搜索匹配。
进一步的，所述S1包括：
从DICOM（Digital imaging and Communications in Medicine,医学数字成像和通讯）文件头中获取医学影像的标志信息并存入所述医学影像数据库；
从HIS和RIS的数据库中获取医学影像的标志信息并存入所述医学影像数据库；
后期人工增补医学影像的标志信息并存入所述医学影像数据库。
进一步的，所述S2包括：
S21:自动交叉增强标识提取待匹配的医学影像文件信息；
S22:半自动交叉增强标识提取待匹配的医学影像文件信息；
S23:半自动诊断交叉增强标识提取待匹配的医学影像文件信息。
进一步的，所述S21包括：
从医学影像数据库中读取与待匹配医学影像相关的病人信息；
从待匹配的医学影像中提取DICOM文件头内的所有信息；
分析提取出的DICOM文件头信息，对待匹配医学影像进行案例层次标识；
分析提取出的DICOM文件头信息，对待匹配医学影像进行系列层次标识；
基于系列层次标识，对待匹配医学影像进行预处理；
分析提取出的DICOM文件头信息，对待匹配医学影像进行影像层次标识和预处理；
对经过预处理的待匹配医学影像进行医学影像特征的提取。
进一步的，所述基于系列层次标识对待匹配医学影像进行预处理包括：
对待匹配医学影像进行本底剥离；
对待匹配医学影像进行平面内旋转和位移修正。
进一步的，所述对待匹配医学影像进行本底剥离包括：
对待匹配医学影像进行减少数据噪声处理，并得到该影像的信号强度直方图；
依据所述信号强度直方图，设置阈值，将待匹配医学影像的本底像素与其它像素剥离。
进一步的，所述对经过预处理的待匹配医学影像进行医学影像特征的提取还包括：
对经过预处理的待匹配医学影像进行医学影像特征的过滤，得到过滤后的影像；
对所述过滤后的影像求取其特征值向量。
进一步的，所述S22包括：
人工增补所述S21中提出的DICOM文件头信息所遗失的信息；
人工增补待匹配医学影像的功能性说明；
人工增补待匹配医学影像的解剖位置标志。
进一步的，所述S23包括：
人工标识待匹配医学影像的感兴趣区域，并赋予相应的说明。
进一步的，所述医学影像特征属性为DICOM文件头信息和人工增补的信息。
进一步的，所述医学影像特征属性为医学影像的特征值向量。
进一步的，所述S21、S22和S23所提取出来的所有待匹配医学影像文件信息均自动保存在所述医学影像数据库中。
本发明所述的医学影像的匹配方法，通过建立具有多维标志的医学影像数据库，采用多种方式获取多种医学影像的标志信息并存入医学影像数据库；同时采用多种方式提取待匹配影像的特征属性，最后通过提取出的特征属性采用多种不同的方式与具有多维标志的医学影像数据库的影像案例进行匹配，即方便普通人员查询所需要的医学相关信息，又方便了医学专业人员有针对性的查询相关医学信息的需要。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明所提供的实施例的医学影像匹配方法的流程图；
图2是图1中S1的详细流程图；
图3是图1中S2的详细流程图；
图4是图3中S21的详细流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点叙述的更加清楚，下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述。需要说明的是，所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图说明本发明的具体实施方式。
如图1所示，本发明提供的一种医学影像的匹配方法的其中一个实施例，包括：
如图1所示，一种医学影像的匹配方法，包括以下步骤：
S1：建立多维标志的医学影像数据库；
S2：从待匹配的医学影像提取该医学影像的特征属性；
S3：依据提取出的影像特征属性，将待匹配的医学影像与医学影像数据库中的影像进行搜索匹配。
如图2所示，作为优选，所述S1包括：
从DICOM文件头中获取医学影像的标志信息并存入所述医学影像数据库；
从HIS和RIS的数据库中获取医学影像的标志信息并存入所述医学影像数据库；
人工增补医学影像的标志信息并存入所述医学影像数据库。
需要说明的是，上述医学影像的标志信息包括但不限于以下所列举的信息：
日期/时间信息：
有很多非常有用的日期/时间信息可作为标志和查询的判据，包括但不限于：病人登记时间、检查要求时间、检查时间、案例存档时间、案例校核时间、入院日期/时间、出院日期/时间和其它一些常用的日期/时间等等。这一组标志的信息大部分都可从DICOM文件头中提取，或从HIS/RIS的数据库获得。
病人个人信息：
大部分常用的病人个人标志信息包括但不限于：姓名、年龄、性别、种族、体重、身高等等。这一组标志的信息大部分也都可从DICOM文件头中提取，或从HIS/RIS的数据库获得。
医生/医院信息：
与医生/医院相关的标志信息包括但不限于：医院、科室、成像设备名称及其设备号、转诊医生、诊断医生、操作技师等等。同样，这一组标志的信息大部分也都可从DICOM文件头中提取，或从HIS/RIS的数据库获得。
临床医学信息：
这是用于文字和影像信息查询匹配的最重要的标志信息组之一，这是与临床医学相关的标志信息，包括但不限于：诊断代码、医学诊断报告、超连接（Hyper-link）、关键词、关键影像和医生的COMMENT等等。这一组标志的信息中的一部分可从HIS和RIS的数据库获得，但需要部分后期处理工作。
解剖位置信息：
这是用于三维影像信息重构和查询匹配的一组重要的标志信息，属于与解剖位置相关的标志信息，包括但不限于：三维或二维的系列影像登记和辨识、关键影像的解剖位置登记和辨识、ROI解剖位置登记和辨识、影像解剖区域或器官属性登记和辨识等等。这一组标志的信息需要大量的后期处理/重建工作。
影像相关的信息：
这也是用于文字和影像信息查询的最重要的标志信息组之一，它们与医学影像相关的信息标志（包括物理和几何两类参数）密切相关。其物理标志信息包括但不限于：成相/扫描方式（MR、CT、超声波等）、扫描设备型号、影像类型、影像重建方式、成像对比度和数据提取时的一些参数（如MR的TR、TE、TI，CT的KeV等）；其几何标志信息包括但不限于：视场（Field of View）、像素矩阵的几何参数、像素（Pixe l/Voxel）的分辨率、扫描断层厚度（Slice Thickness）、空间坐标方位（Orientation）等等。这一组标志的信息中的一部分可从DICOM的文件头获得，但需要部分后期处理工作。
影像和感兴趣区域（ROI）特征信息：
由于影像的视场及分辨率的不同，简单地使用基于影像像素特征的影像进行比较是不现实的。而影像经旋转和平移修正后的可变形模块特征值则可作为影像对比和搜索的基本参数存于数据库中。与感兴趣区（ROI）相关的类型、解剖位置、尺寸（体积）、形状、对比度、绝对和相对的信号强度、信号强度标准误差也可被用为对比和搜索的判据。
对于已选定的待匹配的医学影像，首先需要对其进行提取该医学影像的特征属性，如图3所示，本实施例优选采用三种方式对其特征属性进行提取，即所述S2包括：
S21:自动交叉增强标识提取待匹配的医学影像文件信息；
S22:半自动交叉增强标识提取待匹配的医学影像文件信息；
S23:半自动诊断交叉增强标识提取待匹配的医学影像文件信息。
如图4所示，作为优选，所述S21包括：
从医学影像数据库中读取与待匹配医学影像相关的病人信息；
从待匹配的医学影像中提取DICOM文件头内的所有信息；
分析提取出的DICOM文件头信息，对待匹配医学影像进行案例层次标识，包括但不限于：日期/时间、病人信息、医生信息、检查信息等；
分析提取出的DICOM文件头信息，对待匹配医学影像进行系列层次标识，包括但不限于：系列类型、影像类型、成像位置、成像方位和影像对比度等；
基于系列层次标识，对待匹配医学影像进行预处理；
分析提取出的DICOM文件头信息，对待匹配医学影像进行影像层次标识和预处理；
对经过预处理的待匹配医学影像进行医学影像特征的提取。
与此同时，作为优选，所述基于系列和影像层次标识对待匹配医学影像进行预处理包括：
对待匹配医学影像进行本底剥离：对待匹配医学影像进行减少数据噪声处理，并得到该影像的信号强度直方图，依据所述信号强度直方图，设置阈值，将待匹配医学影像的本底像素与其它像素剥离；
在本实施例中，优选使用二维韩宁平滑过滤方法以减少数据噪声，在上述的平滑处理之后，将会产生一个信号强度的直方图，而直方图的多重态（多重峰）通常表示：在某一种特定的核磁共振影像（MRI）采集方式下，可被用于区分样品的多重组织类型。最低的直方图峰总是来源于低信号强度的本底像素，通过选择适当的阈值（门坎值），可以大致将影像的本底（背景）像素与其它像素区分开。
对待匹配医学影像进行平面内旋转和位移修正：由于在进行影像的搜索时，其比对方式等都要求数据库中的目标影像标准化，即需校准在同一坐标系统下，这样的比对结果才有意义。在此以大脑MRI的影像为例，基于“头部面具”的左右对称性，当穿过“面具”中心的直线旋转到一特定角度时，“面具”沿直线翻转后的重合程度最高，这一角度即为影像的旋转修正角。在同一给定参照系下，同一系列影像的平面内旋转角度应相同，所以整个系列影像应作为一个刚体进行旋转修正。同样地，相同的思路和方法可以应用到其它的人体解剖位置和不同的扫描方式。
作为优选，所述对经过预处理的待匹配医学影像进行医学影像特征的提取还包括：
对经过预处理的待匹配医学影像进行医学影像特征的过滤，得到过滤后的影像，本实施例中共采用六种过滤方法：
过滤影像#1IIn：原始影像，需要说明的是，这并不是从扫描设备直接输入的影像，而是对其原始的影像进行了一些必要的预处理（例如，标准化增益处理，Gain Normalized）后的输出影像；
过滤影像#2IEdge：边界影像，此即梯度绝对值影像。首先通过对标准化增益后的输入影像作一阶低通过滤,从而消除其高端噪声，然后作高通过滤处理从而得到梯度绝对值；
过滤影像#3IXgrad：X轴梯度影像，这一组过滤的影像是X轴梯度影像。首先通过对标准化增益后的输入影像作一阶低通过滤,从而消除其高端噪声，然后作高通过滤处理从而得到X轴向梯度影像；
过滤影像#4IYgrad：Y轴梯度影像，这一组过滤的影像是Y轴梯度影像。首先通过对标准化增益后的输入影像作一阶低通过滤,从而消除其高端噪声，然后作高通过滤处理从而得到Y轴向梯度影像；
过滤影像#5IMeanCurv：曲度平均值影像，这一组过滤的影像属于一种曲度平均值影像。同样，首先通过对标准化增益后的输入影像作一阶低通过滤,从而消除其高端噪声，然后作高通过滤处理从而得到影像的二阶导数；
过滤影像#6ILSCurv：水平集（level-set）曲度影像，这一组过滤的影像属于一种水平集（level-set）影像。同样，首先通过对标准化增益后的输入影像作一阶低通过滤,从而消除其高端噪声，然后作高通过滤处理从而得到影像的二阶导数。
对所述过滤后的影像求取特征值向量，求取特征值向量时，需要首先定义一组覆盖医学影像有效区域的子块。此实施例中输入的是过滤后的大脑有效区域的影像，诸如：IIn、IEdge、IXgrad、IYgrad、IMeanCurv和ILSCurv，其输出的是每个子块的一组特征向量：
特征值#1：IIn的平均值，这个特征值是标准化后输入影像的该子块信号强度的平均值；
特征值#2：IIn的标准方差，这个特征值是标准化后输入影像的该子块信号强度的标准方差值；
特征值#3：IEdge的平均值，这个特征值是标准化后输入影像的该子块边界信号幅度的平均值；
特征值#4：IEdge经阀值处理后的部分，这个特征值是标准化后输入影像的该子块经阀值处理后的部分的值；
特征值#5：IEdge亮度最大值的部分，这个特征值是标准化后输入影像的该子块亮度最大值的部分的值；
特征值#6：IXgrad的平均值，这个特征值是该子块X轴梯度的平均值；
特征值#7：IYgrad的平均值，这个特征值是该子块Y轴梯度的平均值；
特征值#8：IMeanCurv的平均值，这个特征值是该子块影像曲度的平均值；
特征值#9：ILSCurv的平均值，这个特征值是该子块水平集（level-set）曲度绝对值的平均值。
作为优选，所述S22包括：
人工增补所述S21中提出的DICOM文件头信息所遗失的信息，在自动交叉增强标识无法处理时，需要人工干预来补充这些遗失的项目；
人工增加待匹配医学影像的功能性说明；
人工增加待匹配医学影像的解剖位置标志。
作为优选，所述S23包括：
人工标识待匹配医学影像的感兴趣区域，并赋予相应的说明。
作为优选，所述医学影像特征属性为DICOM文件头信息和人工增加的信息，即可以通过用文字信息（即DICOM文件头信息和人工增加的信息）对数据库进行查询匹配。
作为优选，所述医学影像特征属性为医学影像的特征值向量，即可以通过医学影像的特征值向量与数据库里的影像进行比较，找出最相近的影像即所需要的医学相关信息。
作为优选，所述S21、S22和S23所提取出来的所有待匹配医学影像文件信息均自动保存在所述医学影像数据库中，
本实施例所述的医学影像的匹配方法，通过建立具有多维标志的医学影像数据库，采用多种方式获取多种医学影像的标志信息并存入医学影像数据库；同时采用多种方式提取待匹配影像的特征属性，最后通过提取出的特征属性采用多种不同的方式与具有多维标志的医学影像数据库进行匹配（即可以基于文字信息对影像进行匹配；也可以通过对待匹配影像的分析和处理提取出其特征值向量，依据所提取出的特征值向量与具有多维标志的医学影像数据库中最为相近的影像进行匹配等），最终找出最相近的影像以及与该影像相关的其他医学信息，即方便普通人员查询所需要的医学相关信息，又方便了医学专业人员有针对性的查询相关医学信息。
以上所述实施例仅表达了本发明的一种实施方式，其描述较为具体和详细，但并不应由此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种医学影像的匹配方法，其特征在于，包括以下步骤：
S1：建立多维标志的医学影像数据库；
S2：从待匹配的医学影像提取该医学影像的特征属性；
S3：依据提取出的影像特征属性，将待匹配的医学影像与医学影像数据库中已有的影像进行搜索匹配。
2.根据权利要求1所述的医学影像的匹配方法，其特征在于，所述S1包括：
从DICOM文件头中获取医学影像的标志信息并存入所述医学影像数据库；
从HIS和RIS的数据库中获取与医学影像相关的标志信息并存入所述医学影像数据库；
后期人工增补医学影像的标志信息并存入所述医学影像数据库。
3.根据权利要求2所述的医学影像的匹配方法，其特征在于，所述S2包括：
S21:自动交叉增强标识提取待匹配的医学影像文件信息；
S22:半自动交叉增强标识提取待匹配的医学影像文件信息；
S23:半自动诊断交叉增强标识提取待匹配的医学影像文件信息。
4.根据权利要求3所述的医学影像的匹配方法，其特征在于：所述S21包括：
从医学影像数据库中读取与待匹配医学影像相关的病人信息；
从待匹配的医学影像中提取DICOM文件头内的所有信息；
分析提取出的DICOM文件头信息，对待匹配医学影像进行案例层次标识；
分析提取出的DICOM文件头信息，对待匹配医学影像进行系列层次标识；
基于系列层次标识，对待匹配医学影像进行预处理；
分析提取出的DICOM文件头信息，对待匹配医学影像进行影像层次标识和预处理；
对经过预处理的待匹配医学影像进行医学影像特征的提取。
5.根据权利要求4所述的医学影像的匹配方法，其特征在于，所述基于系列层次标识对待匹配医学影像进行预处理包括：
对待匹配医学影像进行本底剥离；
对待匹配医学影像进行平面内旋转和位移修正。
6.根据权利要求5所述的医学影像的匹配方法，其特征在于，所述对待匹配医学影像进行本底剥离包括：
对待匹配医学影像进行减少数据噪声处理，并得到该影像的信号强度直方图；
依据所述信号强度直方图，设置阈值，将待匹配医学影像的本底像素与其它像素剥离。
7.根据权利要求4所述的医学影像的匹配方法，其特征在于，所述对经过预处理的待匹配医学影像进行医学影像特征的提取，包括：
对经过预处理的待匹配医学影像进行医学影像特征的过滤，得到过滤后的影像；
对所述过滤后的影像求取其特征值向量。
8.根据权利要求3所述的医学影像的匹配方法，其特征在于：所述S22包括：
人工增补所述S21中提取出的DICOM文件头信息所遗失的信息；
人工增补待匹配医学影像的功能性说明；
人工增补待匹配医学影像的解剖位置标志。
9.根据权利要求3所述的医学影像的匹配方法，其特征在于：所述S23包括：
人工标识待匹配医学影像的感兴趣区域，并赋予相应的说明。
10.根据权利要求1所述的医学影像的匹配方法，其特征在于：所述医学影像特征属性为DICOM文件头信息和人工增补的信息。
11.根据权利要求1所述的医学影像的匹配方法，其特征在于：所述医学影像特征属性为医学影像的特征值向量。
12.根据权利要求3所述的医学影像的匹配方法，其特征在于，所述S21、S22和S23所提取出来的所有待匹配医学影像文件信息均自动保存在所述医学影像数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013100377465A CN103116626A (zh) | 2013-01-31 | 2013-01-31 | 一种医学影像的匹配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2013100377465A CN103116626A (zh) | 2013-01-31 | 2013-01-31 | 一种医学影像的匹配方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103116626A true CN103116626A (zh) | 2013-05-22 |
Family
ID=48414999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2013100377465A Pending CN103116626A (zh) | 2013-01-31 | 2013-01-31 | 一种医学影像的匹配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103116626A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331469A (zh) * | 2014-10-31 | 2015-02-04 | 上海申康医院发展中心 | 医联多病种影像特征库系统 |
| CN106372672A (zh) * | 2016-09-08 | 2017-02-01 | 杭州健培科技有限公司 | 基于单个或多个区域特征组合的医学影像分类方法 |
| CN106529131A (zh) * | 2016-10-30 | 2017-03-22 | 苏州市克拉思科文化传播有限公司 | 临床诊断的新型数字成像系统 |
| CN106708933A (zh) * | 2016-11-21 | 2017-05-24 | 贵阳朗玛信息技术股份有限公司 | 一种dicom影像文件存储方法及装置 |
| CN111028228A (zh) * | 2019-12-19 | 2020-04-17 | 江苏医药职业学院 | 一种基于大数据的医学影像系统的匹配处理方法 |
| CN111627531A (zh) * | 2020-06-02 | 2020-09-04 | 中国医学科学院阜外医院深圳医院(深圳市孙逸仙心血管医院) | 一种基于人工智能的医学影像分类处理系统 |
| CN113553460A (zh) * | 2021-08-13 | 2021-10-26 | 北京安德医智科技有限公司 | 影像检索方法及装置、电子设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1845096A (zh) * | 2006-03-15 | 2006-10-11 | 张小粤 | 多维增强型交叉标识医学信息数据库的组建及其搜索方法 |
| US20100138422A1 (en) * | 2005-10-25 | 2010-06-03 | Bracco Imaging S.P.A. | Image processing system, particularly for use with diagnostic images |
| CN101799806A (zh) * | 2009-02-06 | 2010-08-11 | 沈阳工大普日软件技术有限公司 | 基于多信息融合的胸部数字化x线图像检索系统 |
-
2013
- 2013-01-31 CN CN2013100377465A patent/CN103116626A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100138422A1 (en) * | 2005-10-25 | 2010-06-03 | Bracco Imaging S.P.A. | Image processing system, particularly for use with diagnostic images |
| CN1845096A (zh) * | 2006-03-15 | 2006-10-11 | 张小粤 | 多维增强型交叉标识医学信息数据库的组建及其搜索方法 |
| CN101799806A (zh) * | 2009-02-06 | 2010-08-11 | 沈阳工大普日软件技术有限公司 | 基于多信息融合的胸部数字化x线图像检索系统 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104331469A (zh) * | 2014-10-31 | 2015-02-04 | 上海申康医院发展中心 | 医联多病种影像特征库系统 |
| CN106372672A (zh) * | 2016-09-08 | 2017-02-01 | 杭州健培科技有限公司 | 基于单个或多个区域特征组合的医学影像分类方法 |
| CN106529131A (zh) * | 2016-10-30 | 2017-03-22 | 苏州市克拉思科文化传播有限公司 | 临床诊断的新型数字成像系统 |
| CN106708933A (zh) * | 2016-11-21 | 2017-05-24 | 贵阳朗玛信息技术股份有限公司 | 一种dicom影像文件存储方法及装置 |
| CN111028228A (zh) * | 2019-12-19 | 2020-04-17 | 江苏医药职业学院 | 一种基于大数据的医学影像系统的匹配处理方法 |
| CN111627531A (zh) * | 2020-06-02 | 2020-09-04 | 中国医学科学院阜外医院深圳医院(深圳市孙逸仙心血管医院) | 一种基于人工智能的医学影像分类处理系统 |
| CN113553460A (zh) * | 2021-08-13 | 2021-10-26 | 北京安德医智科技有限公司 | 影像检索方法及装置、电子设备和存储介质 |
| CN113553460B (zh) * | 2021-08-13 | 2022-06-28 | 北京安德医智科技有限公司 | 影像检索方法及装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103116626A (zh) | 一种医学影像的匹配方法 | |
| Mercier et al. | Online database of clinical MR and ultrasound images of brain tumors | |
| WO2015163089A1 (ja) | 医用画像情報システム、医用画像情報処理方法及びプログラム | |
| US10803354B2 (en) | Cross-modality image synthesis | |
| CN106887039A (zh) | 一种基于医学影像的器官和病灶的三维成像方法及系统 | |
| DE102005017628A1 (de) | Verfahren und System zum Registrieren von präprozeduralen Bildern mit intraprozeduralen Bilder unter Verwendung einer vorberechneten Informationsdatenbank | |
| CN106709920B (zh) | 血管提取方法及其装置 | |
| CN108171738A (zh) | 基于脑功能模板的多模态医学图像配准方法 | |
| CN113516653B (zh) | 一种多特征融合计算识别胶质瘤复发与坏死的方法 | |
| CN108806776A (zh) | 一种基于深度学习的多模态医学影像的方法 | |
| Rui et al. | An overview of medical image registration | |
| Chen et al. | Registration of CT and ultrasound images of the spine with neural network and orientation code mutual information | |
| CN114943714A (zh) | 医学图像处理系统、装置、电子设备及存储介质 | |
| CN112863625A (zh) | 患者后续分析 | |
| Akhtar et al. | Auto-segmentation of thoraco-abdominal organs in free breathing pediatric dynamic MRI | |
| Viergever et al. | Integration of functional and anatomical brain images | |
| Kumar et al. | Medical image fusion based on type-2 fuzzy sets with teaching learning based optimization | |
| Kruggel et al. | Automatical adaption of the stereotactical coordinate system in brain MRI datasets | |
| CN115861175A (zh) | 医疗影像质量监控方法、装置、电子设备和存储介质 | |
| CN115098714A (zh) | 一种具有个体本征结构特性的数字孪生脑投射方法 | |
| Hill et al. | Use of anatomical knowledge to register 3-D blood vessel data derived from DSA with MR images | |
| Baima et al. | Dense Swin Transformer for Classification of Thyroid Nodules | |
| CN108596900A (zh) | 甲状腺相关性眼病医学影像数据处理装置、方法、计算机可读存储介质及终端设备 | |
| CN114757894A (zh) | 一种骨肿瘤病灶分析系统 | |
| Rohini et al. | Digital transformation technology and tools: shaping the future of primary health care |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130522 |