CN103345576A - 基于四模态医学影像的病例库诊断系统 - Google Patents
基于四模态医学影像的病例库诊断系统 Download PDFInfo
- Publication number
- CN103345576A CN103345576A CN2013102568166A CN201310256816A CN103345576A CN 103345576 A CN103345576 A CN 103345576A CN 2013102568166 A CN2013102568166 A CN 2013102568166A CN 201310256816 A CN201310256816 A CN 201310256816A CN 103345576 A CN103345576 A CN 103345576A
- Authority
- CN
- China
- Prior art keywords
- image
- case
- storehouse
- module
- similarity
- 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.)
- Granted
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种基于四模态医学影像的病例库诊断系统,包括:CT图像设备、PET图像设备、SPET图像设备、FMI图像设备、图像采集模块、网络通信模块和终端处理器,图像采集模块输入端分别与CT图像设备、PET图像设备、SPET图像设备、FMI图像设备连接,输出端连接网络通信模块,图像采集模块采集四模态医学影像,并将四路图像信号封装成一个视频流发送至网络通信模块,网络通信模块分别与图像采集模块和终端处理器连接,用以将接收到的视频流发送至终端处理器,终端处理器通过对医学图像与特征库的相似度检测来诊断疾病并建立病例库。本发明具有准确度高,误诊、漏诊率小的优点,能建立完善的病例库系统,具有广阔的应用前景。
Description
技术领域
本发明涉及医学图像诊断技术领域,具体地,涉及一种基于四模态医学影像的病例库诊断系统。
背景技术
CT、PET图像是对病人的疾病进行诊断的重要依据,由于CT、PET检查通常是对患者的全身进行检查,因此获得的图像数据量很大。目前,对于拍摄完成的CT、PET图像,都是由医生直接通过肉眼观察进行疾病诊断,医生在进行诊断时,由于图像数据量大,加上人眼对图像的识别能力有限,不可避免的会出现误诊、漏诊等各种情况,对患者治疗的准确性留下了很大的隐患。另外,现有病理特征库仅包括由医学专家对相关特征明显的病例进行手工标注注明的患病情况和病理图像特征以辅助医生诊断,病例库形式单一、信息不全面且无法及时更新,更新周期长,导致病例库辅助诊断效率低。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于四模态医学影像的病例库诊断系统。
根据本发明的一个方面,提供一种基于四模态医学影像的病例库诊断系统,包括:CT图像设备、PET图像设备、SPET图像设备、FMI图像设备、图像采集模块、网络通信模块和终端处理器,图像采集模块输入端分别与CT图像设备、PET图像设备、SPET图像设备、FMI图像设备连接,输出端连接网络通信模块,图像采集模块采集CT、PET、SPET、FMI四模态医学影像,并将四路图像信号封装成一个视频流发送至网络通信模块,网络通信模块分别与图像采集模块和终端处理器连接,用以将接收到的视频流发送至终端处理器,终端处理器进一步包括:
自动诊断模块:用以对CT、PET、SPET、FMI四模态医学影像进行特征识别,并与疾病特征库中存储的病例特征进行相似度计算,以对疾病作出诊断,若相似度达到预先设定的阈值,则将将该病例特征存储至确诊病例库,若相似度没有达到预先设定的阈值,则将该病例特征存储至不能确诊病例库;
人工诊断模块:用以对自动诊断模块不能诊断的疾病为医生作出参考,检索疾病的图像、病征,并检测病变部位的长度、面积指标,协助医生诊断,若能够确诊则将该病例存储至确诊病例库,若不能确诊则将该病例存储至疑难病例库;
疾病特征库:存储由医学专家对相关特征明显的病例进行手工标注并且注明的患病情况,并自动提取该患病区域的病理图像特征,按照该特征建立待匹配的特征向量列表并且计算出相关阈值条件并存储;
待诊病例库:用以存储待诊断的病例图像信息;
确诊病例库:用以存储确诊的病例信息;
不能确诊病例库:用以存储自动诊断模块不能确诊的病例图像信息;以及,
疑难病例库:用以存储人工诊断模块不能确诊的病例信息。
优选地,自动诊断模块进一步包括特征提取模块和对比模块,其中,
特征提取模块:用以对CT、PET、SPET、FMI四模态医学影像进行特征识别;
对比模块:用以给出疾病特征库中与病例特征最相似的若干病例,并量化相似度,进行相似度计算,若相似度达到预定的阈值,则该病例诊断为与疾病特征库最相似病例一样的疾病,将该病例存储至确诊病例库,并提取病变大小、位置、灰度、长宽比等图像特征,将这些特征与该图像一起更新疾病特征库;若似度没有达到预定阈值的,则将该病例存储至不能确诊病例库。
优选地,特征识别为:通过对PET、SPET、FMT三种图像的高亮区域进行提取,标记为异常病理区域,按照该区域所在的层数,提取相应的CT图像进行分析,对该CT图像进行自适应的阈值分割,求取分割后的二值图像,并且计算该二值图像的连通区域,按照特征库模版中的向量特征,分别计算面积、长度、长宽比、圆率以及灰度均值指标,作为待评价的特征向量。
优选地,相似度计算为:相似度计算为使用待诊病例相应的特征向量与特征库模版中的向量组进行匹配,计算向量间的MSD值(平均平方误差),相似度定义为1-MSD,用百分比表示出来。
优选地,该基于四模态医学影像的病例库诊断系统还包括:特征库更新模块,特征库更新模块与对比模块和疾病特征库连接,用以将病例图像对比模块提取的图像特征更新至疾病特征库。
优选地,预定的相似度阈值为86%。
优选地,该基于CT、PET、SPET、FMI四模态医学影像的病例库诊断系统还包括:
解码模块:用以对视频流图像信号进行解码处理,解包分离出CT、PET、SPET、FMI四模态医学影像信号并将图像信号转换为相应的图像格式发送至图像显示模块和待诊病例库;
图像显示模块:与解码模块连接,用以显示接收到的图像。
优选地,解码模块将CT、PET、SPET、FMI四模态医学影像信号转换为dicom格式。
与现有技术相比,本发明具有如下的有益效果:本发明依据CT图像、PET图像、SPET图像和FMI图像建立基于四模态医学影像自动诊断疾病的诊断系统,通过布置在图像获取设备上的网络系统采集病人的医学影像,通过对医学图像与特征库的相似度检测来诊断疾病并建立病例库系统,病例库系统信息全面、实时更新,辅助诊断效率高,充分利用计算机弥补了人工诊断的诸多缺陷。与现有技术相比,本发明具备准确度高,误诊、漏诊率小的优点,并能建立完善的病例库系统,具有广阔的应用前景。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明基于四模态医学影像的病例库诊断系统的结构原理图;
图2为本发明采用自动诊断模块对肺结核病做出的诊断示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对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。
请参阅图1,一种基于四模态医学影像的病例库诊断系统,包括:CT图像设备、PET图像设备、SPET图像设备、FMI图像设备、图像采集模块、网络通信模块和终端处理器,图像采集模块输入端分别与CT图像设备、PET图像设备、SPET图像设备、FMI图像设备连接,输出端连接网络通信模块,图像采集模块采集CT、PET、SPET、FMI四模态医学影像,并将四路图像信号封装成一个视频流发送至网络通信模块,网络通信模块分别与图像采集模块和终端处理器连接,用以将接收到的视频流发送至终端处理器,终端处理器进一步包括:
自动诊断模块:用以对CT、PET、SPET、FMI四模态医学影像进行特征识别,并与疾病特征库中存储的病例特征进行相似度计算,以对疾病作出诊断,若相似度达到预先设定的阈值,则将将该病例特征存储至确诊病例库,若相似度没有达到预先设定的阈值,则将该病例特征存储至不能确诊病例库。
具体地,特征识别为:通过对PET、SPET、FMT三种图像的高亮区域进行提取,标记为异常病理区域,按照该区域所在的层数,提取相应的CT图像进行分析。对该CT图像进行自适应的阈值分割,求取分割后的二值图像,并且计算该二值图像的连通区域。按照特征库模版中的向量特征,分别计算面积、长度、长宽比、圆率、灰度均值等指标,作为待评价的特征向量进行后续的匹配操作。
具体地,相似度计算为:相似度计算使用待诊病例相应的特征向量与特征库模版中的向量组进行匹配,计算向量间的MSD值(平均平方误差),相似度定义为1-MSD,用百分比表示出来。
人工诊断模块:用以对自动诊断模块不能诊断的疾病为医生作出参考,检索疾病的图像、病征,并检测病变部位的长度、面积指标,协助医生诊断,若能够确诊则将该病例存储至确诊病例库,若不能确诊则将该病例存储至疑难病例库。
疾病特征库:存储由医学专家对相关特征明显的病例进行手工标注并且注明的患病情况,并自动提取该患病区域的病理图像特征,按照该特征建立待匹配的特征向量列表并且计算出相关阈值条件并存储。
待诊病例库:用以存储待诊断的病例图像信息。确诊病例库:用以存储确诊的病例信息。不能确诊病例库:用以存储自动诊断模块不能确诊的病例图像信息。疑难病例库:用以存储人工诊断模块不能确诊的病例信息。
进一步地,自动诊断模块进一步包括特征提取模块和对比模块,其中,特征提取模块:用以对CT、PET、SPET、FMI四模态医学影像进行特征识别。对比模块:用以给出疾病特征库中与病例特征最相似的若干病例,并量化相似度,进行相似度计算,若相似度达到预定的阈值,则该病例诊断为与疾病特征库最相似病例一样的疾病,将该病例存储至确诊病例库,并提取病变大小、位置、灰度、长宽比等图像特征,将这些特征与该图像一起更新疾病特征库;若相似度没有达到预定阈值的,则将该病例存储至不能确诊病例库。
进一步地,预定的相似度阈值为86%。
进一步地,本发明还包括:特征库更新模块、解码模块和图像显示模块。特征库更新模块与对比模块和疾病特征库连接,用以将病例图像对比模块提取的图像特征更新至疾病特征库。解码模块用以对视频流图像信号进行解码处理,解包分离出CT、PET、SPET、FMI四模态医学影像信号并将图像信号转换为相应的图像格式发送至图像显示模块和待诊病例库。图像显示模块与解码模块连接,用以显示接收到的图像。
具体地,解码模块将CT、PET、SPET、FMI四模态医学影像信号转换为dicom格式,待诊病例库存储的医学图像全部为dicom格式。
综上,图像采集模块负责采集图像并将图像分类汇总到待诊病例库中,以待后面的模块使用;自动诊断模块可以对四个模态的图像进行特征识别,并与特征库中汇总的特征进行相似度计算,进而对疾病作出诊断;自动诊断模块的对比模块可以方便医生查看特征的匹配、病变图像与特征库中的典型图像的对比情况,同时可以给出诊断为确诊疾病的依据;人工诊断模块可以为医生对系统不能自动诊断的疾病作出参考,该模块具备检索疾病的图像、病征,及提供检测病变部位的长度、面积等指标检测的功能,协助医生诊断。
具体地,本发明的工作过程为:先由图像采集模块通过网络系统和图像设备采集病人的四模态医学图像,并汇总和整理到待诊病例库中。医生通过自动诊断模块调用疾病特征库对待诊病例进行诊断;在自动诊断过程中,系统的对比模块会给出疾病特征库中与病例最相似的若干病例,并量化相似度。如果相似度达到预定的阈值,则该病例诊断为与疾病特征库最相似病例一样的疾病,并将该病例归入确诊病例库,之后提取病变大小、位置、灰度、长宽比等图像特征,将这些特征与该图像一起归入疾病特征库;相似度没有达到预定阈值的,系统将其归入不能确诊病例库,留待医生使用人工诊断模块进行诊断,确诊之后亦归入确诊病例库,并提取特征录入疾病特征库。如果还不能确诊,则将病例归入疑难病例库,留待该医学影像专家诊断。本发明诊断准确率高,且能够建立完善的病例库系统,在医学图像的诊断方面有重要参考价值。
如图2所示,其为本发明采用自动诊断模块对肺结核病做出的诊断示意图。如图所示,自动诊断模块实现对肺结核的无人工干涉的快速诊断,从特征提取到查找最后的确诊病例,实现了自动化的操作,图中黑色线圈代表患病区域。
本发明依据CT图像、PET图像、SPET图像和FMI图像建立基于四模态医学影像自动诊断疾病的诊断系统,通过布置在图像获取设备上的网络系统采集病人的医学影像,通过对医学图像与特征库的相似度检测来诊断疾病并建立病例库系统,病例库系统信息全面、实时更新,辅助诊断效率高,充分利用计算机弥补了人工诊断的诸多缺陷。与现有技术相比,本发明具备准确度高,误诊、漏诊率小的优点,并能建立完善的病例库系统,具有广阔的应用前景。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (8)
1.一种基于四模态医学影像的病例库诊断系统,其特征在于,包括:CT图像设备、PET图像设备、SPET图像设备、FMI图像设备、图像采集模块、网络通信模块和终端处理器,所述图像采集模块输入端分别与所述CT图像设备、PET图像设备、SPET图像设备、FMI图像设备连接,输出端连接所述网络通信模块,所述图像采集模块采集CT、PET、SPET、FMI四模态医学影像,并将CT、PET、SPET、FMI四模态医学影像对应的四路图像信号封装成一个视频流发送至所述网络通信模块,所述网络通信模块分别与所述图像采集模块和终端处理器连接,用以将接收到的视频流发送至所述终端处理器,所述终端处理器进一步包括:
自动诊断模块:用以对CT、PET、SPET、FMI四模态医学影像进行特征识别,并与疾病特征库中存储的病例特征进行相似度计算,以对疾病作出诊断,若相似度达到预先设定的阈值,则将该病例特征存储至确诊病例库,若相似度没有达到预先设定的阈值,则将该病例特征存储至不能确诊病例库;
人工诊断模块:用以对自动诊断模块不能诊断的疾病为医生作出参考,检索疾病的图像、病征,并检测病变部位的长度、面积指标,协助医生诊断,若能够确诊则将该病例存储至确诊病例库,若不能确诊则将该病例存储至疑难病例库;
疾病特征库:存储由医学专家对相关特征明显的病例进行手工标注并且注明的患病情况,并自动提取该患病区域的病理图像特征,按照该特征建立待匹配的特征向量列表并且计算出相关阈值条件并存储;
待诊病例库:用以存储待诊断的病例图像信息;
确诊病例库:用以存储确诊的病例信息;
不能确诊病例库:用以存储自动诊断模块不能确诊的病例图像信息;以及,
疑难病例库:用以存储人工诊断模块不能确诊的病例信息。
2.根据权利要求1所述的基于四模态医学影像的病例库诊断系统,其特征在于,所述自动诊断模块进一步包括特征提取模块和对比模块,其中,
特征提取模块:用以对CT、PET、SPET、FMI四模态医学影像进行特征识别;
对比模块:用以给出疾病特征库中与病例特征最相似的若干病例,并量化相似度,进行相似度计算,若相似度达到预定的阈值,则该病例诊断为与疾病特征库最相似病例一样的疾病,将该病例存储至确诊病例库,并提取病变大小、位置、灰度、长宽比等图 像特征,将这些特征与该图像一起更新疾病特征库;若似度没有达到预定阈值的,则将该病例存储至不能确诊病例库。
3.根据权利要求1或2所述的基于四模态医学影像的病例库诊断系统,其特征在于,所述特征识别为:通过对PET、SPET、FMT三种图像的高亮区域进行提取,标记为异常病理区域,按照该区域所在的层数,提取相应的CT图像进行分析,对该CT图像进行自适应的阈值分割,求取分割后的二值图像,并且计算该二值图像的连通区域,按照疾病特征库中的向量特征,分别计算面积、长度、长宽比、圆率以及灰度均值指标,作为待评价的特征向量。
4.根据权利要求1或2所述的基于四模态医学影像的病例库诊断系统,其特征在于,所述相似度计算为:相似度计算使用待诊病例相应的特征向量与特征库模版中的向量组进行匹配,计算向量间的MSD值,相似度定义为1-MSD,以百分比表示。
5.根据权利要求2所述的基于四模态医学影像的病例库诊断系统,其特征在于,还包括:特征库更新模块,所述特征库更新模块与所述对比模块和疾病特征库连接,用以将病例图像所述对比模块提取的图像特征更新至所述疾病特征库。
6.根据权利要求2所述的基于四模态医学影像的病例库诊断系统,其特征在于,所述预定的相似度阈值为86%。
7.根据权利要求1所述的基于四模态医学影像的病例库诊断系统,其特征在于,还包括:
解码模块:用以对视频流图像信号进行解码处理,解包分离出CT、PET、SPET、FMI四模态医学影像信号并将图像信号转换为相应的图像格式发送至图像显示模块和所述待诊病例库;
图像显示模块:与所述解码模块连接,用以显示接收到的图像。
8.根据权利要求7所述的基于四模态医学影像的病例库诊断系统,其特征在于,所述解码模块将CT、PET、SPET、FMI四模态医学影像信号转换为dicom格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310256816.6A CN103345576B (zh) | 2013-06-25 | 基于四模态医学影像的病例库诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310256816.6A CN103345576B (zh) | 2013-06-25 | 基于四模态医学影像的病例库诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103345576A true CN103345576A (zh) | 2013-10-09 |
CN103345576B CN103345576B (zh) | 2016-11-30 |
Family
ID=
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331694A (zh) * | 2014-04-02 | 2015-02-04 | 上海齐正微电子有限公司 | 医疗影像特征区域实时提取和标示方法 |
CN104573350A (zh) * | 2014-12-26 | 2015-04-29 | 深圳市前海安测信息技术有限公司 | 基于网络医院的全科医生辅助诊疗系统及方法 |
CN104572675A (zh) * | 2013-10-16 | 2015-04-29 | 中国人民解放军南京军区南京总医院 | 一种相似病历检索的系统及方法 |
CN105675895A (zh) * | 2016-02-02 | 2016-06-15 | 田润华 | 一种自动分子生物学诊断系统 |
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 |
CN106909783A (zh) * | 2017-02-24 | 2017-06-30 | 北京交通大学 | 一种基于时间线的病历文本医学知识发现方法 |
CN107273698A (zh) * | 2017-07-06 | 2017-10-20 | 武靖 | 人工智能训练标准库的处理与检测方法、系统 |
CN108197953A (zh) * | 2017-12-28 | 2018-06-22 | 王道顺 | 对防伪产品监控方法及装置 |
CN108229584A (zh) * | 2018-02-02 | 2018-06-29 | 莒县人民医院 | 一种基于深度学习的多模态医学影像识别方法及装置 |
CN108335732A (zh) * | 2017-12-28 | 2018-07-27 | 西安中科微光影像技术有限公司 | 一种oct影像的病例推荐方法及其系统 |
CN110234399A (zh) * | 2017-11-08 | 2019-09-13 | 首尔伟傲世有限公司 | 医疗用胶囊装置 |
WO2020077840A1 (zh) * | 2018-10-15 | 2020-04-23 | 平安科技(深圳)有限公司 | 一种医疗数据的处理方法、装置 |
CN111415727A (zh) * | 2020-03-13 | 2020-07-14 | 广州医科大学附属肿瘤医院 | 一种多模态影像数据管理系统及分析方法 |
CN111462849A (zh) * | 2020-04-02 | 2020-07-28 | 孙德云 | 一种多功能骨外科护理系统及护理方法、护理终端 |
CN112384989A (zh) * | 2018-06-04 | 2021-02-19 | 第一百欧有限公司 | 一种两阶段疾病诊断系统及其方法 |
CN113556978A (zh) * | 2018-12-11 | 2021-10-26 | 深圳市智慧健康产业发展有限公司 | 一种b超智能辅助采集方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100272338A1 (en) * | 2007-12-21 | 2010-10-28 | Koninklijke Philips Electronics N.V. | Method and system for cross-modality case-based computer-aided diagnosis |
CN102164273A (zh) * | 2011-04-20 | 2011-08-24 | 上海交通大学 | 手术室医学信息重构与交互系统 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100272338A1 (en) * | 2007-12-21 | 2010-10-28 | Koninklijke Philips Electronics N.V. | Method and system for cross-modality case-based computer-aided diagnosis |
CN101903888A (zh) * | 2007-12-21 | 2010-12-01 | 皇家飞利浦电子股份有限公司 | 用于基于跨模态病例的计算机辅助诊断的方法和系统 |
CN102164273A (zh) * | 2011-04-20 | 2011-08-24 | 上海交通大学 | 手术室医学信息重构与交互系统 |
Non-Patent Citations (4)
Title |
---|
李锋刚等: ""基于案例推理的脑血管病辅助诊断智能系统的设计"", 《中医药学刊》 * |
王勇等: ""DICOM医学图像扩展模型的研究"", 《中国生物医学工程学报》 * |
王辅之: ""基于内容的医学图像检索技术"", 《淮阴工学院学报》 * |
黎维娟: ""多模态影像脑部疾病检索研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572675A (zh) * | 2013-10-16 | 2015-04-29 | 中国人民解放军南京军区南京总医院 | 一种相似病历检索的系统及方法 |
CN104572675B (zh) * | 2013-10-16 | 2018-03-30 | 中国人民解放军南京军区南京总医院 | 一种相似病历检索的系统及方法 |
CN104331694A (zh) * | 2014-04-02 | 2015-02-04 | 上海齐正微电子有限公司 | 医疗影像特征区域实时提取和标示方法 |
CN104573350A (zh) * | 2014-12-26 | 2015-04-29 | 深圳市前海安测信息技术有限公司 | 基于网络医院的全科医生辅助诊疗系统及方法 |
CN105675895A (zh) * | 2016-02-02 | 2016-06-15 | 田润华 | 一种自动分子生物学诊断系统 |
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 |
CN106909783A (zh) * | 2017-02-24 | 2017-06-30 | 北京交通大学 | 一种基于时间线的病历文本医学知识发现方法 |
CN107273698A (zh) * | 2017-07-06 | 2017-10-20 | 武靖 | 人工智能训练标准库的处理与检测方法、系统 |
CN110234399A (zh) * | 2017-11-08 | 2019-09-13 | 首尔伟傲世有限公司 | 医疗用胶囊装置 |
CN108197953A (zh) * | 2017-12-28 | 2018-06-22 | 王道顺 | 对防伪产品监控方法及装置 |
CN108335732A (zh) * | 2017-12-28 | 2018-07-27 | 西安中科微光影像技术有限公司 | 一种oct影像的病例推荐方法及其系统 |
CN108229584A (zh) * | 2018-02-02 | 2018-06-29 | 莒县人民医院 | 一种基于深度学习的多模态医学影像识别方法及装置 |
CN112384989A (zh) * | 2018-06-04 | 2021-02-19 | 第一百欧有限公司 | 一种两阶段疾病诊断系统及其方法 |
WO2020077840A1 (zh) * | 2018-10-15 | 2020-04-23 | 平安科技(深圳)有限公司 | 一种医疗数据的处理方法、装置 |
CN113556978A (zh) * | 2018-12-11 | 2021-10-26 | 深圳市智慧健康产业发展有限公司 | 一种b超智能辅助采集方法及系统 |
CN111415727A (zh) * | 2020-03-13 | 2020-07-14 | 广州医科大学附属肿瘤医院 | 一种多模态影像数据管理系统及分析方法 |
CN111462849A (zh) * | 2020-04-02 | 2020-07-28 | 孙德云 | 一种多功能骨外科护理系统及护理方法、护理终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111048170B (zh) | 基于图像识别的消化内镜结构化诊断报告生成方法与系统 | |
US12051199B2 (en) | Image processing method and apparatus, server, medical image processing device and storage medium | |
CN109670532B (zh) | 生物体器官组织图像的异常识别方法、装置及系统 | |
WO2020207377A1 (zh) | 一种图像识别模型训练及图像识别方法、装置及系统 | |
US20170061608A1 (en) | Cloud-based pathological analysis system and method | |
CN109190540B (zh) | 活检区域预测方法、图像识别方法、装置和存储介质 | |
CN103324852A (zh) | 基于特征匹配的四模态医学影像诊断系统 | |
JP5866360B2 (ja) | 画像評価装置、画像評価方法、プログラム、および集積回路 | |
US20230080098A1 (en) | Object recognition using spatial and timing information of object images at diferent times | |
US20210056691A1 (en) | Systems and methods utilizing artificial intelligence for placental assessment and examination | |
US11967181B2 (en) | Method and device for retinal image recognition, electronic equipment, and storage medium | |
US8611621B2 (en) | System and method for automatic detection of in vivo contraction video sequences | |
CN104063709B (zh) | 视线检测装置及方法、图像捕获装置及其控制方法 | |
US20180268634A1 (en) | Folded bill identification method and device | |
CN109460717A (zh) | 消化道共聚焦激光显微内镜病变图像识别方法及装置 | |
CN113780145A (zh) | 精子形态检测方法、装置、计算机设备和存储介质 | |
CN113255516A (zh) | 活体检测方法、装置和电子设备 | |
CN113435353A (zh) | 基于多模态的活体检测方法、装置、电子设备及存储介质 | |
US9483705B2 (en) | Image processing device, image processing method, and image processing program | |
CN114820652A (zh) | 乳腺x线图像局部质量异常区域的分割方法、装置及介质 | |
CN117503056A (zh) | 基于双模态特征学习的多尺度呼吸事件自动定位方法及装置 | |
CN109886916B (zh) | 一种胶囊镜图像筛选方法及装置 | |
CN113837390A (zh) | 一种模态信息补全方法、装置及设备 | |
CN103345576A (zh) | 基于四模态医学影像的病例库诊断系统 | |
CN101129267A (zh) | 非医用胎儿性别超声检测监控系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |