CN105395210A - 一种ct扫描成像方法 - Google Patents

一种ct扫描成像方法 Download PDF

Info

Publication number
CN105395210A
CN105395210A CN201510967530.8A CN201510967530A CN105395210A CN 105395210 A CN105395210 A CN 105395210A CN 201510967530 A CN201510967530 A CN 201510967530A CN 105395210 A CN105395210 A CN 105395210A
Authority
CN
China
Prior art keywords
region
pixel
detector
detection
image
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
Application number
CN201510967530.8A
Other languages
English (en)
Inventor
管迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201510967530.8A priority Critical patent/CN105395210A/zh
Publication of CN105395210A publication Critical patent/CN105395210A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]

Abstract

本发明公开了一种CT扫描成像方法，所述CT扫描成像方法包括：通过检测发生器对物体执行检测功能，由初步探测模块对其进行初步检测处理；由细分探测模块对需要重要点处理的部分进行检测优化，数据收集模块实时对检测过程中产生的数据进行收集存储；中心处理模块对收集到的数据进行处理成像，并优化成像内容，由显示屏显示成像效果。本发明成像效果好，分辨率高，高频收集信息数据，做到了成像细分化，成像针对性强，更能满足用户的需要。

Description

一种CT扫描成像方法
技术领域
本发明属于辐射成像技术领域，尤其涉及一种CT扫描成像方法。
背景技术
CT是电子计算机X射线断层扫描技术的简称，是一种病情探测仪器。它能对人体各部进行检查，发现病情，具有较高的分辨率和灵敏度。CT医学中的，全称：computedtomographyCT是一种功能齐全的病情探测仪器，它是电子计算机X射线断层扫描技术简称。1971年，英国科学家汉斯菲尔德成功地设计出一种新型的诊病机，定名为X线电子计算机体层摄影机。这种机器由X光断层扫描装置、微型电子计算机和电视显示装置组成，可以对人体各部进行检查，发现病灶。他和一位神经放射诊断学家一起，第一次为人体进行检查的对象是个怀疑患了脑瘤的妇女，结果在荧光屏上不仅现出了脑瘤的位置，甚至连形状和大小都清晰地显示出来，这一成功宣告了一个新技术的诞生。CT机投入到临床以后，以它高分辨率、高灵敏度、多层次等优越性，发挥了有别于传统X线检查的巨大作用。
目前的CT成像效果不好，存在成像模糊的问题。
发明内容
本发明的目的在于提供一种CT扫描成像方法，旨在解决目前的CT成像效果不好，存在成像模糊的问题。
本发明是这样实现的，一种CT扫描成像方法，包括以下步骤：
通过检测发生器对物体执行检测功能，由初步探测模块对其进行初步检测处理；
由细分探测模块对需要重要点处理的部分进行检测优化，数据收集模块实时对检测过程中产生的数据进行收集存储；
中心处理模块对收集到的数据进行处理成像，并优化成像内容，由显示屏显示成像效果。
进一步，所述检测优化包括：
前一帧图像通过单帧图像方法进行行人检测，提取检测出的矩形框的坐标并保存；单帧图像采用划分区域遍历式方法，把图像从上到下依次分为上、中上、中下、下四个区域，并用不同比例的扫描窗口依次对每一区域进行匹配；
根据前一帧图像检测的结果对下一帧图像进行跟踪和识别，具体为：通过改变前一帧矩形框的横纵坐标值使矩形框放大一定的比例作为当前帧的感兴趣区域，当前帧图像只需对感兴趣区域通过的单帧图像的方法进行扫描窗口遍历匹配，并且根据扫描窗口的下边界区域判断窗口是否会增大；
进一步，所述前一帧图像通过单帧图像方法进行行人检测，提取检测出的矩形框的坐标并保存具体为：
扫描窗口的下边缘坐标小于等于上区域的下边界时用最小窗口遍历匹配；
扫描窗口下边缘坐标大于上区域的下边界小于等于中上区域的下边界时用较小窗口遍历匹配；
扫描窗口下边缘坐标大于中上区域的下边界小于等于中下区域的下边界时用较大窗口遍历匹配；
扫描窗口下边缘坐标大于中下区域下边界时用较大窗口遍历匹配。
本发明的另一目的在于提供一种CT扫描成像系统，所述CT扫描成像系统包括检测发生器，初步探测模块，细分探测模块，数据收集模块，中心处理模块和显示屏；
所述检测发生器设置在CT扫描成像系统的顶部，起到对成像物体进行检测执行的功能；所述的初步探测模块设置在检测发生器的左侧下方，起到对检测物体初步检测的功能；所述的细分探测模块设置在初步探测模块的右侧，起到对检测物体细化检测的功能；所述的数据收集模块设置在细分探测模块的下方，起到对检测数据收集分析的功能；所述的中心处理模块设置在数据收集模块的下方，起到对检测数据进行处理分类的功能；所述的显示屏设置在中心处理模块的下方，起到对CT成像显示的功能。
进一步，所述的初步探测模块包括X光机，光子计数探测器和低能探测器，所述的X光机设置在初步探测模块的左侧；所述的光子计数探测器设置在X光机的右侧；所述的低能探测器设置在光子探测器的右侧；
所述的X光机具体采用X8065型X光机；所述的细分探测模块包括高能探测器和平板探测器，所述的高能探测器设置在细分探测器的左侧；所述的平板探测器设置在高能探测器的右侧；所述的平板探测器具体采用高分辨率平板探测器；
所述的数据收集模块包括数据采集卡和存储器，所述的数据采集卡设置在数据收集模块的左侧；所述的存储器设置在数据采集卡的右侧；所述的数据采集卡具体采用高频数据采集卡；所述的中心处理模块包括处理器，X线发生器和收发器，所述的处理器设置在中心处理模块的左侧；所述的X线发生器设置在处理器的右侧；所述的收发器设置在X先收发器的右侧；所述的处理器具体采用B85-PROGAMER主板。
进一步，所述的检测优化还包括：
将采集到的图像建立图像的显著模型，所述建立图像的显著性模型包括：
利用预定过分割算法对所述图像进行过分割，和模板参数提取，对整个输入图像，以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
确定每个所述区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型。
进一步，所述的CT扫描成像方法，计算出每一个像素的梯度及角度值φ，将0°-180°平均分成9个区间，根据计算的每一个像素的梯度和角度φ，按照线性距离的概念投影到这9个区间，每个像素对所影响的上下两个区间的权重分别定义为幅度*该角度到区间中心角度的归一化线性距离。
进一步，所述显著性模型为： S i 1 = Σ j = 1 , j ≠ i N w ( R j ) D S ( R i , R j ) D C ( R i , R j ) ;
其中，Sij为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS(Ri，Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值，DC(Ri，Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，DS(Ri，Rj)为： D S ( R i , R j ) = exp ( - ( C e n t e r ( R i ) - C e n t e r ( R j ) ) 2 / σ s 2 ) ; Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[0，1]时；
进一步，所述的CT扫描成像方法，按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型；
根据每种颜色类型的颜色值，建立所述显著性模型。
本发明通过检测发生器对物体执行检测功能，由初步探测模块对其进行初步检测处理，再由细分探测模块对需要重要点处理的部分进行检测优化，数据收集模块实时对检测过程中产生的数据进行收集存储，中心处理模块对收集到的数据进行处理成像，并优化成像内容，由显示屏显示成像效果，使成像效果高分辨率，高频收集信息数据，做到了成像细分化，使其更能满足针对用户的需要。
附图说明
图1是本发明实施例提供的CT扫描成像方法流程图。
图2是本发明实施例提供的CT扫描成像系统的结构示意图；
图中：1、检测发生器；2、初步探测模块；21、X光机；22、光子计数探测器；23、低能探测器；3、细分探测模块；31、高能探测器；32、平板探测器；4、数据收集模块；41、数据采集卡；42、存储器；5、中心处理模块；51、处理器；52、X线发生器；53、收发器；6、显示屏。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作进一步描述。
如图1所示，本发明实施例的CT扫描成像方法包括以下步骤：
S101：通过检测发生器对物体执行检测功能，由初步探测模块对其进行初步检测处理；
S102：由细分探测模块对需要重要点处理的部分进行检测优化，数据收集模块实时对检测过程中产生的数据进行收集存储；
S103：中心处理模块对收集到的数据进行处理成像，并优化成像内容，由显示屏显示成像效果。
如图2所示，本发明实施例的CT扫描成像系统主要包括：检测发生器1，初步探测模块2，细分探测模块3，数据收集模块4，中心处理模块5和显示屏6，所述的检测发生器1设置在CT扫描成像系统的顶部，起到对成像物体进行检测执行的功能；所述的初步探测模块2设置在检测发生器1的左侧下方，起到对检测物体初步检测的功能；所述的细分探测模块3设置在初步探测模块2的右侧，起到对检测物体细化检测的功能；所述的数据收集模块4设置在细分探测模块3的下方，起到对检测数据收集分析的功能；所述的中心处理模块5设置在数据收集模块4的下方，起到对检测数据进行处理分类的功能；所述的显示屏6设置在中心处理模块5的下方，起到对CT成像显示的功能。
所述初步探测模块2包括X光机21，光子计数探测器22和低能探测器23，所述的X光机21设置在初步探测模块2的左侧；所述的光子计数探测器22设置在X光机21的右侧；所述的低能探测器23设置在光子探测器22的右侧。
所述X光机21具体采用X8065型X光机，有利于满足条件时发出声音和报警灯信号，可以连接局域网，多个终端同时检查，射线发射自动控制，避免误发射。
所述细分探测模块3包括高能探测器31和平板探测器32，所述的高能探测器31设置在细分探测器3的左侧；所述的平板探测器32设置在高能探测器31的右侧。
所述平板探测器32具体采用高分辨率平板探测器，有利于更好的细分探测成像，更高分辨率的检测成像效果。
所述数据收集模块4包括数据采集卡41和存储器42，所述的数据采集卡41设置在数据收集模块4的左侧；所述的存储器42设置在数据采集卡41的右侧。
所述数据采集卡41具体采用高频数据采集卡，有利于更好的收集数据，有利于收集高频状态下发射的数据。
所述中心处理模块5包括处理器51，X线发生器52和收发器53，所述的处理器51设置在中心处理模块5的左侧；所述的X线发生器52设置在处理器51的右侧；所述的收发器53设置在X先收发器52的右侧。
所述处理器51具体采用B85-PROGAMER主板，有利于更好的处理成像信息，便于处理器运行流畅。
进一步，所述的检测优化还包括：
将采集到的图像建立图像的显著模型，所述建立图像的显著性模型包括：
利用预定过分割算法对所述图像进行过分割，和模板参数提取，对整个输入图像，以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
确定每个所述区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型。
进一步，所述的CT扫描成像方法，计算出每一个像素的梯度及角度值φ，将0°-180°平均分成9个区间，根据计算的每一个像素的梯度和角度φ，按照线性距离的概念投影到这9个区间，每个像素对所影响的上下两个区间的权重分别定义为幅度*该角度到区间中心角度的归一化线性距离。
进一步，所述显著性模型为： S i 1 = Σ j = 1 , j ≠ i N w ( R j ) D S ( R i , R j ) D C ( R i , R j ) ;
其中，Sij为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS(Ri，Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值，DC(Ri，Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，DS(Ri，Rj)为： D S ( R i , R j ) = exp ( - ( C e n t e r ( R i ) - C e n t e r ( R j ) ) 2 / σ s 2 ) ; Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[0，1]时；
进一步，所述的CT扫描成像方法，按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型；
根据每种颜色类型的颜色值，建立所述显著性模型。
本发明通过检测发生器对物体执行检测功能，由初步探测模块对其进行初步检测处理，再由细分探测模块对需要重要点处理的部分进行检测优化，数据收集模块实时对检测过程中产生的数据进行收集存储，中心处理模块对收集到的数据进行处理成像，并优化成像内容，由显示屏显示成像效果，使成像效果高分辨率，高频收集信息数据，做到了成像细分化，使其更能满足针对用户的需要。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种CT扫描成像方法，其特征在于，所述CT扫描成像方法包括以下步骤：
通过检测发生器对物体执行检测功能，由初步探测模块对其进行初步检测处理；
由细分探测模块对需要重要点处理的部分进行检测优化，数据收集模块实时对检测过程中产生的数据进行收集存储；
中心处理模块对收集到的数据进行处理成像，并优化成像内容，由显示屏显示成像效果。
2.如权利要求1所述的CT扫描成像方法，其特征在于，所述检测优化包括：
前一帧图像通过单帧图像方法进行行人检测，提取检测出的矩形框的坐标并保存；单帧图像采用划分区域遍历式方法，把图像从上到下依次分为上、中上、中下、下四个区域，并用不同比例的扫描窗口依次对每一区域进行匹配；
根据前一帧图像检测的结果对下一帧图像进行跟踪和识别，具体为：通过改变前一帧矩形框的横纵坐标值使矩形框放大一定的比例作为当前帧的感兴趣区域，当前帧图像只需对感兴趣区域通过的单帧图像的方法进行扫描窗口遍历匹配，并且根据扫描窗口的下边界区域判断窗口是否会增大。
3.如权利要求2所述的CT扫描成像方法，其特征在于，所述前一帧图像通过单帧图像方法进行行人检测，提取检测出的矩形框的坐标并保存具体为：
扫描窗口的下边缘坐标小于等于上区域的下边界时用最小窗口遍历匹配；
扫描窗口下边缘坐标大于上区域的下边界小于等于中上区域的下边界时用较小窗口遍历匹配；
扫描窗口下边缘坐标大于中上区域的下边界小于等于中下区域的下边界时用较大窗口遍历匹配；
扫描窗口下边缘坐标大于中下区域下边界时用较大窗口遍历匹配。
4.一种利用权利要求1所述的CT扫描成像方法的CT扫描成像系统，其特征在于，所述CT扫描成像系统包括检测发生器，初步探测模块，细分探测模块，数据收集模块，中心处理模块和显示屏；
所述检测发生器设置在CT扫描成像系统的顶部，起到对成像物体进行检测执行的功能；所述的初步探测模块设置在检测发生器的左侧下方，起到对检测物体初步检测的功能；所述的细分探测模块设置在初步探测模块的右侧，起到对检测物体细化检测的功能；所述的数据收集模块设置在细分探测模块的下方，起到对检测数据收集分析的功能；所述的中心处理模块设置在数据收集模块的下方，起到对检测数据进行处理分类的功能；所述的显示屏设置在中心处理模块的下方，起到对CT成像显示的功能。
5.如权利要求4所述的CT扫描成像系统，其特征在于，所述的初步探测模块包括X光机，光子计数探测器和低能探测器，所述的X光机设置在初步探测模块的左侧；
所述的光子计数探测器设置在X光机的右侧；
所述的低能探测器设置在光子探测器的右侧；
所述的X光机具体采用X8065型X光机；
所述的细分探测模块包括高能探测器和平板探测器，所述的高能探测器设置在细分探测器的左侧；
所述的平板探测器设置在高能探测器的右侧；
所述的平板探测器具体采用高分辨率平板探测器；
所述的数据收集模块包括数据采集卡和存储器，所述的数据采集卡设置在数据收集模块的左侧；
所述的存储器设置在数据采集卡的右侧；
所述的数据采集卡具体采用高频数据采集卡；
所述的中心处理模块包括处理器，X线发生器和收发器，所述的处理器设置在中心处理模块的左侧；
所述的X线发生器设置在处理器的右侧；
所述的收发器设置在X先收发器的右侧；
所述的处理器具体采用B85-PROGAMER主板。
6.如权利要求1所述的CT扫描成像方法，其特征在于，所述的检测优化还包括：
将采集到的图像建立图像的显著模型，所述建立图像的显著性模型包括：
利用预定过分割算法对所述图像进行过分割，和模板参数提取，对整个输入图像，以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；
确定每个所述区域的颜色值和质心；
根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型。
7.如权利要求1所述的CT扫描成像方法，其特征在于，计算出每一个像素的梯度及角度值φ，将0°-180°平均分成9个区间，根据计算的每一个像素的梯度和角度φ，按照线性距离的概念投影到这9个区间，每个像素对所影响的上下两个区间的权重分别定义为幅度*该角度到区间中心角度的归一化线性距离。
8.如权利要求1所述的CT扫描成像方法，其特征在于，所述显著性模型为： S i 1 = Σ j = 1 , j ≠ i N w ( R j ) D S ( R i , R j ) D C ( R i , R j ) ;
其中，Sij为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS(Ri，Rj)用于表征所述区域Ri和所述区域Ri之间空间位置差异的度量值，DC(Ri，Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，DS(Ri，Rj)为： D S ( R i , R j ) = exp ( - ( C e n t e r ( R i ) - C e n t e r ( R j ) ) 2 / σ S 2 ) ; Center(Ri)为所述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一化到[0，1]时；
9.如权利要求1所述的CT扫描成像方法，其特征在于，按照各个像素点的颜色值，对所述图像中各个像素点进行归类，将相同颜色值的像素点归类为同一种颜色类型；
根据每种颜色类型的颜色值，建立所述显著性模型。
CN201510967530.8A 2015-12-22 2015-12-22 一种ct扫描成像方法 Pending CN105395210A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510967530.8A CN105395210A (zh) 2015-12-22 2015-12-22 一种ct扫描成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510967530.8A CN105395210A (zh) 2015-12-22 2015-12-22 一种ct扫描成像方法

Publications (1)

Publication Number Publication Date
CN105395210A true CN105395210A (zh) 2016-03-16

Family

ID=55461226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510967530.8A Pending CN105395210A (zh) 2015-12-22 2015-12-22 一种ct扫描成像方法

Country Status (1)

Country Link
CN (1) CN105395210A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105852969A (zh) * 2016-03-29 2016-08-17 鞠克丰 一种新型骨科手术导航系统
CN108986054A (zh) * 2017-05-31 2018-12-11 阜阳师范学院 一种基于互联网的动物繁殖监测控制系统
CN109567849A (zh) * 2018-12-07 2019-04-05 宁波耀通管阀科技有限公司 正电子发射ct成像仪
CN109800791A (zh) * 2018-12-25 2019-05-24 山东省交通规划设计院 一种路面裂缝特征值的提取方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4907157A (en) * 1984-09-05 1990-03-06 Kabushiki Kaisha Toshiba Method and system for allowing imaging of any size object through use of separate source and detector unit
CN102858249A (zh) * 2011-04-22 2013-01-02 株式会社东芝 X射线图像诊断装置
CN103996189A (zh) * 2014-05-05 2014-08-20 小米科技有限责任公司 图像分割方法及装置
CN104050481A (zh) * 2014-06-17 2014-09-17 权东晓 多模板轮廓特征和灰度相结合的红外图像实时行人检测
CN104376302A (zh) * 2014-11-17 2015-02-25 哈尔滨工业大学深圳研究生院 一种基于车载利用相邻帧间图像结合单帧图像检测优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4907157A (en) * 1984-09-05 1990-03-06 Kabushiki Kaisha Toshiba Method and system for allowing imaging of any size object through use of separate source and detector unit
CN102858249A (zh) * 2011-04-22 2013-01-02 株式会社东芝 X射线图像诊断装置
CN103996189A (zh) * 2014-05-05 2014-08-20 小米科技有限责任公司 图像分割方法及装置
CN104050481A (zh) * 2014-06-17 2014-09-17 权东晓 多模板轮廓特征和灰度相结合的红外图像实时行人检测
CN104376302A (zh) * 2014-11-17 2015-02-25 哈尔滨工业大学深圳研究生院 一种基于车载利用相邻帧间图像结合单帧图像检测优化方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105852969A (zh) * 2016-03-29 2016-08-17 鞠克丰 一种新型骨科手术导航系统
CN108986054A (zh) * 2017-05-31 2018-12-11 阜阳师范学院 一种基于互联网的动物繁殖监测控制系统
CN109567849A (zh) * 2018-12-07 2019-04-05 宁波耀通管阀科技有限公司 正电子发射ct成像仪
CN109567849B (zh) * 2018-12-07 2022-09-23 余姚市恒正金属制品有限公司 正电子发射ct成像仪
CN109800791A (zh) * 2018-12-25 2019-05-24 山东省交通规划设计院 一种路面裂缝特征值的提取方法

Similar Documents

Publication Publication Date Title
Hu et al. Detection of suspicious lesions by adaptive thresholding based on multiresolution analysis in mammograms
CN105574527B (zh) 一种基于局部特征学习的快速物体检测方法
US8340388B2 (en) Systems, computer-readable media, methods, and medical imaging apparatus for the automated detection of suspicious regions of interest in noise normalized X-ray medical imagery
CA2744690C (en) Image analysis
US20130202165A1 (en) Malignant Mass Detection and Classification in Radiographic Images
CN105395210A (zh) 一种ct扫描成像方法
CN106548492A (zh) 确定匹配点对的方法及装置、图像获取方法
CN108898593B (zh) 一种基于腹部ct医学图像融合分类的检测装置
CN103345740B (zh) 基于多投影图像配准的肺结节检测方法
JP4604451B2 (ja) 医用画像処理装置及び悪性度の判定方法
CN109350030A (zh) 基于相位放大处理人脸视频心率信号的系统及方法
Radha Analysis of COVID-19 and pneumonia detection in chest X-ray images using deep learning
Rabottino et al. Performance evaluation of a region growing procedure for mammographic breast lesion identification
WO2018176717A1 (zh) 基于医疗云平台的乳腺筛查影像分析系统及方法
CN110264460A (zh) 一种目标检测结果的鉴别方法、装置、设备及存储介质
CN108898173B (zh) 一种多尺度多特征的心电图医学图像融合及分类方法
JP2004041490A (ja) 画像診断支援装置
JP2001076141A (ja) 画像認識方法および画像処理装置
US20100111397A1 (en) Method and system for analyzing breast carcinoma using microscopic image analysis of fine needle aspirates
WO2022033598A1 (zh) 乳房x射线图像获取方法、装置、计算机设备和存储介质
CN108742627A (zh) 一种基于脑部医学图像融合分类的检测装置
JP3975668B2 (ja) 特徴量正誤判定方法および画像処理装置
Rehman et al. Dermoscopy cancer detection and classification using geometric feature based on resource constraints device (Jetson Nano)
Wiemker et al. Automated assessment of imaging biomarkers for the PanCan lung cancer risk prediction model with validation on NLST data
Sun et al. Detect GGO nodule based on dot filter

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160316