CN106780460A - 一种用于胸部ct影像的肺结节自动检测系统 - Google Patents
一种用于胸部ct影像的肺结节自动检测系统 Download PDFInfo
- Publication number
- CN106780460A CN106780460A CN201611146684.1A CN201611146684A CN106780460A CN 106780460 A CN106780460 A CN 106780460A CN 201611146684 A CN201611146684 A CN 201611146684A CN 106780460 A CN106780460 A CN 106780460A
- Authority
- CN
- China
- Prior art keywords
- image
- lung
- chest
- doubtful
- focus
- 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
Classifications
-
- 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
-
- 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
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
Abstract
一种用于胸部CT影像的肺结节自动检测系统。该系统针对计算机辅助软件计算量大、预测不准确、预测种类少的问题提出改进,其步骤包括:获取CT影像、分割肺部组织、检测肺部组织中的疑似结节区域、基于深度学习的病灶分类模型分类病灶、输出影像标记和诊断报告。本发明系统具有很高的结节检出率和较低的假阳性率,获得精确的结节性病变的定位、定量、定性结果及其预测概率。真正地实现端到端(CT机端到医生端)的结节性病变筛查,满足医生的准确性、易操作性的需求,具有广泛地市场应用前景。
Description
技术领域
本发明属于医学影像计算机辅助诊断技术领域,尤其涉及一种用于胸部CT影像的肺结节自动检测系统。
背景技术
CT医学影像的应用,能够协助医生诊断出病人是否患有肺癌。然而该应用的普及和患者数量的增多,造成了医院放射科医生每天的阅片负担增重。目前已有很多计算机辅助诊断的研究工作者为减轻医生的阅片量,发明多种肺结节计算机辅助检测系统,系统的算法大多是先利用阈值分割、区域增长、边缘检测等方法得到CT图像中肺实质的大致区域,然后通过进行肺结节的真假阳性判断。这些算法已经不能满足医生、患者对肺结节判断的需求。
为能更加准确判断肺结节的位置、数量和种类,满足现阶段医生和患者的需求,本发明提出一种新的技术方案即一种胸部CT影像的肺结节全自动检测系统及方法。其主要将一种局部2D/3D特征的病灶定位和基于深度学习的病症分类这两种技术方案有效的结合,能避免漏检肺壁上的结节、保留医生感兴趣的疑似结节性病变区域,从而达到减少检测结果中的假阳性结节,获得精确的结节性病变的定位、定量、定性结果。真正地实现端到端(CT机端到医生端)的结节性病变筛查,满足医生的准确性、易操作性的需求。
发明内容
为解决上述的技术问题,本发明提供一种用于胸部CT影像的肺结节自动检测系统,具有很高的结节检出率和较低的假阳性率,获得精确的结节性病变的定位、定量、定性结果。
为了实现上述目的,本发明技术方案,包括以下步骤:
(1)获取原始计算机断层扫描(CT)影像序列,对原始图像进行高斯滤波以消除噪声等的干扰;
(2)结合最佳阈值法、数学形态学方法,对3D图像进行粗分割,得到一个或多个组织定位区域;结合定位位置和3D连通域的大小移除背景体素,根据区域生长法移除气管组织,剩余定位区域作为肺部组织;
(3)在每一个切片上,分别统计2D连通域的外轮廓边缘点的凹凸性确定需要填充的区域,结合形态学操作填充该区域获得最终的肺实质精确分割结果;
(4)通过最优阈值规则确定多个阈值,利用这些阈值分别对肺实质区域的原始体素值进行二值化,并利用形态学开操作断开狭窄的间断,得到多组3D连通域(一个阈值对应一组3D连通域,每一组3D连通域中包含若干个3D连通域),若出现重叠的情况,采用位置回归方法融合重叠的3D连通域;
(5)对每一个3D连通域进行2D/3D特征提取。所述2D 特征包括中心层的面积、中心层的圆似度,所述3D特征包括3D连通域的体积、类球度、体积与最大外接矩形体积之比、3D连通域的PCA主次轴比、xyz轴的最大截面积、最大外接矩形的长宽高、平均梯度、平均HU值;2D/3D特征经过规则过滤后,排除大部分非结节3D连通域,获得疑似结节的3D连通域;
(6)其后,对疑似结节的3D连通域求取中心坐标和体积作为结节性病灶定位和定量结果;
(7)构建基于深度学习的病灶分类模型,该模型由基于卷积神经网络的特征提取单元、输出单元构成;
(8)基于卷积神经网络的特征提取单元采用卷积公式对输入影像序列进行卷积,得到输入样本的卷积特征图;采用最大池化方法,对卷积特征图进行池化处理,通过卷积层、池化层层叠结构不断组合低层特征形成更加抽象的高层表示,构成用于特征提取的卷积神经网络;
(9)输出单元为全连接分类神经网络,该输出单元的输入为卷积神经网络输出的3维数据拉伸所得1维数据,中间为隐含层,输出单元的输出层由4个独立的神经元组成,对应医学影像中需要辨识出的病灶类型(如实型结节、亚实型结节、磨玻璃型结节、正常组织);
(10)病灶分类模型需要先经过大量样本训练,根据任务需求准备海量样本数据,将肺部CT影像数据库中的影像序列经过前述步骤(步骤1-6)获得疑似结节候选区域,以疑似结节候选区域的中心为中心提取固定大小的2.5D或3D图像块,该图像块包含包括疑似结节区域及其周围肺部区域,并结合样本集的医生标注和标签,分成训练样本和测试样本;
(11)将样本数据输入到上述病灶分类模型中,使用反向传播(BP)算法,调整深度神经网络的参数,使损失函数值最小,最终获得具有较强泛化能力的病灶分类模型;
(12)诊断报告以影像标记和诊断书的形式显示或打印。
对于实际应用,病人拍摄完CT影像,经过前述肺实质分割(步骤1-3)、疑似结节检测(步骤4-6)获得疑似结节候选区域,以该区域的中心为中心提取固定大小的2.5D或3D图像块,将该图像块输入到上述完成训练的病灶分类模型,得到输出的病灶分类结果及其预测概率,综合疑似结节检测步骤获得的定位和定量结果,可以全自动获得病人的结节性病灶的定位、定量、定性结果,并以诊断报告形式在终端显示或打印。
与现有技术相比,本发明具有以下有益效果:
(1)本发明在3D空间采用最佳阈值法分割肺实质,然后在2D空间根据分割轮廓的凹凸性通过形态学操作进行边缘补全,避免漏检肺壁上的结节;
(2)通过基于局部2D、3D特征的病灶定位技术检测疑似结节区域,聚焦在结节及其相似区域,同时可以剔除绝大部分正常肺组织,只保留医生感兴趣的疑似结节性病变区域;
(3)通过基于深度学习的病灶分类方法可以实现对各种类型结节的分类,充分利用了CT序列影像的病灶局部三维信息,有效区分是否为肺结节并识别出结节的类型,可以更好的辅助医生提高诊断准确性;
(4)本发明提供了一种端到端(CT机端到医生端)的全自动肺结节检测方案,并能以诊断报告形式提供结节性病变的定量、定位、定性诊断结果,具有广泛地市场应用前景。
附图说明
图1 为本发明一种用于胸部CT影像的肺结节自动检测系统的结构示意图。
图2为肺分割的每一个切片上2D连通域的外轮廓补全方法示意图:其中,图2a边缘点的凹凸性统计方法示意图,图2b为原始切片肺分割图像边缘含有缺口,图2c为根据凹凸特性确定缺口区域进行轮廓补全后的肺分割结果。
图3为多阈值分割结果图:其中,图3a为原始肺组织图像(图中黄色方框表示结节位置),图3b为阈值取T=-600HU时肺部组织二值化结果, 图3c为阈值取T=-350HU时肺部组织二值化结果,图3d为阈值取T=0HU时肺部组织二值化结果。
图4为以疑似结节候选区域的中心为中心提取固定大小的2.5D或3D图像块示意图:其中,图4a为2.5D图像块的生成方式示意图,图4b为3D图像块的生成方式示意图。
图5为构建基于深度学习的病灶分类模型结构示意图。
图6为本发明的流程示意图。
具体实施方式
本发明的发明思想为:提供一种“端到端”的全自动肺结节检测方案。
下面结合附图和实施例对本发明作进一步的描述。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,因此本发明不受下面公开的具体实施的限制。图1 为本发明一种用于胸部CT影像的肺结节自动检测系统的结构示意图。
包括:(1)输入模块U1,用于获取CT影像,通过CT设备拍摄肺部CT影像数据,并输入到肺结节检测系统。
(2)肺组织分割模块U2,用于分割所述CT影像的肺组织;所述肺组织分割模块U2包括基于阈值的粗分割单元U21,通过在三维空间中采用最佳阈值法分割肺实质;背景移除单元U22,根据粗分割获得的各连通域的位置以及大小移除背景;气管移除单元U24,通过主动搜索算法定位肺门并设立种子点,并利用区域生长法在3D邻域内进行生长,并通过生长边界判断是否进入肺部区域,若进入肺部区域则停止生长,并将生长后的3D连通域标记为气管加以移除。
(3)疑似结节检测模块U3,用于在分割后的肺组织中检测疑似结节区域;所述疑似结节检测模块U3包括多阈值分割单元U31,通过最优阈值规则确定多个阈值,利用这些阈值分别对肺实质区域进行二值化,得到多组3D连通域;特征提取单元U32,对每一个3D连通域进行2D、3D特征提取;检测单元U33,前述2D、3D特征经过先验规则过滤后,可以获得疑似结节的3D连通域。
(4)病灶分类模块U4,用于分类疑似结节候选区域,分类结果包括结节类型及属于该类型的预测概率;所述病灶分类模块U4包括深度学习建模单元U41,构建基于卷积神经网络的病灶分类模型;训练单元U42,基于海量肺部CT影像,通过前述输入模块U1、肺组织分割模块U2、疑似结节检测模块U3,获得疑似结节候选区域,结合样本集的医生标注和标签,分成训练样本和测试样本,将样本输入到深度学习建模单元U41,训练得到模型参数;预测单元U43,在实际应用中,病人CT数据经过输入模块U1、肺组织分割模块U2、疑似结节检测模块U3,得到该病人的疑似结节性病变区域,根据深度学习建模单元U41和训练单元训练得到模型参数,可以给出疑似结节性病变区域的类型及属于该类型的预测概率。
本发明的全自动肺结节检测系统实施的具体步骤包括:
(1)获取CT影像:通过CT机拍摄肺部CT影像数据,通常处理的CT数据层厚为1.25-3mm,层间距为0.75-3mm,每层CT 图像的大小为512×512个像素,像素大小为0.5-0.8mm。并输入到肺结节检测系统中,对输入的CT影像进行高斯滤波以消除噪声等的干扰。
(2)结合最佳阈值法、数学形态学方法,对3D图像进行粗分割,得到一个或多个组织定位区域。
(3)结合定位位置和3D连通域的大小移除背景体素,根据区域生长法移除气管组织,剩余定位区域作为肺部组织。
(4)在每一个切片上,如图2a所示,分别统计2D连通域的外轮廓边缘点的凹凸性,确定需要填充的区域,如图2b所示,结合形态学操作填充该区域获得最终的肺实质精确分割结果,如图2c所示。
(5)通过最优阈值规则确定多个阈值(以一组阈值[-600HU,-350HU,0HU]为例),利用这些阈值分别对肺实质区域的原始体素值进行二值化,并利用形态学开操作断开狭窄的间断,每一个独立的二值连通结构代表一个3D连通域,得到多组3D连通域(一个阈值对应一组3D连通域,每一组3D连通域中包含若干个3D连通域),其单个切片的结果如图3所示。
(6)对每一个3D连通域进行2D、3D特征提取,对于提取的2D、3D特征具体描述见表1。
(7)结合医生对结节性病变的认知先验,设定先验规则,2D、3D特征经过先验规则过滤后,排除大部分非结节3D连通域,获得疑似结节的3D连通域。
(8)对于多组阈值分割的3D连通域有重叠的情况,采用回归方法融合重叠的3D连通域,进一步调整其位置和形状,确定疑似结节的最终3D连通域。
(9)对疑似结节的3D连通域求取中心坐标和体积作为结节性病灶定位和定量结果,以疑似结节候选区域的中心为中心提取固定大小(边长为64pixel)的2.5D或3D图像块,2.5D图像块提取方式如图4a所示,3D图像块的提取方式如图4b所示,这种图像块既包含了结节所在区域信息,也包含其周围的正常肺组织的信息。
(10)构建基于深度学习的病灶分类模型,如图5所示,该模型由基于卷积神经网络的特征提取单元、全连接神经网络输出单元构成,通过海量数据训练获得具有较高预测准确率的深度学习模型及其参数。
(11)图像块经过上述深度学习模型的卷积层、池化层层叠结构不断将输入影像的低层特征组合形成更加抽象的高层表示,构成用于3D局部特征提取的卷积神经网络。
(12) 全连接神经网络输出单元实现分类目的,其输出层包含4个独立的神经元,对应医学影像中需要辨识出的病灶类型(如实型结节、亚实型结节、磨玻璃型结节、正常组织),其输出值表示对应病灶类型的概率。
(13)综合步骤(9)和(12)的结果得到诊断的定位、定量、定性结果。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (6)
1.一种用于胸部CT影像的肺结节自动检测系统,其特征在于,包括如下模块:
(1)输入模块:获取原始计算机断层扫描(CT)影像序列;
(2)肺组织分割模块:通过基于阈值的粗分割、背景体素移除、轮廓补全、气管组织移除得到初步肺部组织,再在每一个切片上,分别统计2D连通域的外轮廓边缘点的凹凸性来确定需要填充的区域,结合形态学操作填充该区域获得最终肺实质分割结果;
(3)疑似结节检测模块:先在肺实质中通过最优阈值规则确定多组阈值;然后利用多组阈值分割获得多组3D连通域(一个阈值对应一组3D连通域,每一组3D连通域中包含若干个3D连通域),若出现重叠情况,采用位置回归方法融合重叠的3D连通域;再对每一个连通域提取2D/3D特征,并通过先验规则筛选获得疑似结节候选区域;最后就该区域求取中心坐标和体积,得到定位定量的结果;
(4)病灶分类模块:构建基于深度学习的病灶分类模型,并以候选结节为中心在三维空间中提取目标区域输入到深度学习的病灶分类模型中进行疑似结节分类;
(5)终端输出模块:诊断报告以影像标记和诊断书的形式显示或打印。
2.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统,其特征在于,所述步骤(2)中所述取得初步肺部组织的步骤包括:
(2.1)在三维空间中采用最佳阈值法、数学形态学方法对3D图像进行粗分割,得到一个或多个组织定位区域;
(2.2)结合定位位置和3D连通域的大小移除背景体素;
(2.3)根据区域生长法移除气管组织,剩余定位区域作为初步肺部组织。
3.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统,其特征在于,所述步骤(3)中所述2D 特征包括中心层的面积、中心层的圆似度;所述3D特征包括3D连通域的体积、类球度、体积与最大外接矩形体积之比、3D连通域的PCA主次轴比、xyz轴的最大截面积、最大外接矩形的长宽高、平均梯度、平均HU值。
4.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统,其特征在于,所述步骤(4)中构建基于深度学习的病灶分类模型的步骤包括:
(4.1)卷积神经网络的特征提取:采用卷积公式对输入影像序列进行卷积,得到输入样本的卷积特征图;采用最大池化方法,对卷积特征图进行池化处理;
(4.2)卷积神经网络的输出单元:输出单元为三层全连接神经网络,该输出单元的输入为卷积神经网络输出的3维数据拉伸所得1维数据,中间为隐含层,输出单元的输出层由4个独立的神经元组成,对应医学影像中需要辨识出的病灶类型(如实型结节、亚实型结节、磨玻璃型结节、正常组织);
(4.3)样本训练:先经过大量样本训练,根据任务需求准备海量样本数据,将肺部CT影像数据库中的图像序列经过肺组织分割和疑似结节检测获得候选样本,并结合样本集的医生标注和标签,分成训练样本和测试样本,进行训练,得到基于深度学习的病灶分类模型。
5.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统,其特征在于,所述步骤(4)中输入是在疑似结节的中心为中心提取固定大小的2.5D或3D图像块,图像块包括疑似结节区域及其周围肺部区域,2.5D图像块由疑似结节中心附近不同3D角度的横截面图像堆叠而成。
6.根据权利要求1所述的一种用于胸部CT影像的肺结节自动检测系统,其特征在于,所述步骤(5)中的诊断报告是由步骤(3)的定位、定量结果和步骤(4)训练的病灶分类模型的定性及其预测概率组合而成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611146684.1A CN106780460B (zh) | 2016-12-13 | 2016-12-13 | 一种用于胸部ct影像的肺结节自动检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611146684.1A CN106780460B (zh) | 2016-12-13 | 2016-12-13 | 一种用于胸部ct影像的肺结节自动检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106780460A true CN106780460A (zh) | 2017-05-31 |
CN106780460B CN106780460B (zh) | 2019-11-08 |
Family
ID=58880780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611146684.1A Active CN106780460B (zh) | 2016-12-13 | 2016-12-13 | 一种用于胸部ct影像的肺结节自动检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780460B (zh) |
Cited By (123)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107180426A (zh) * | 2017-06-06 | 2017-09-19 | 西北工业大学 | 基于可迁移的多模型集成的计算机辅助肺结节分类方法 |
CN107220971A (zh) * | 2017-06-02 | 2017-09-29 | 太原理工大学 | 一种基于卷积神经网络和主成分分析法的肺结节特征提取方法 |
CN107220373A (zh) * | 2017-06-19 | 2017-09-29 | 太原理工大学 | 一种基于医学征象和卷积神经网络的肺结节ct图像哈希检索方法 |
CN107274406A (zh) * | 2017-08-07 | 2017-10-20 | 北京深睿博联科技有限责任公司 | 一种检测敏感区域的方法及装置 |
CN107274428A (zh) * | 2017-08-03 | 2017-10-20 | 汕头市超声仪器研究所有限公司 | 基于仿真和实测数据的多目标三维超声图像分割方法 |
CN107274402A (zh) * | 2017-06-27 | 2017-10-20 | 北京深睿博联科技有限责任公司 | 一种基于胸部ct影像的肺结节自动检测方法及系统 |
CN107301640A (zh) * | 2017-06-19 | 2017-10-27 | 太原理工大学 | 一种基于卷积神经网络的目标检测实现肺部微小结节检测的方法 |
CN107424152A (zh) * | 2017-08-11 | 2017-12-01 | 联想(北京)有限公司 | 器官病变的检测方法和电子设备、以及训练神经元网络的方法和电子设备 |
CN107451609A (zh) * | 2017-07-24 | 2017-12-08 | 上海交通大学 | 基于深度卷积神经网络的肺结节图像识别系统 |
CN107464234A (zh) * | 2017-07-24 | 2017-12-12 | 上海交通大学 | 基于rgb通道叠加方法的肺结节图像深度学习识别系统及其方法 |
CN107480677A (zh) * | 2017-08-07 | 2017-12-15 | 北京深睿博联科技有限责任公司 | 一种识别三维ct图像中感兴趣区域的方法及装置 |
CN107492097A (zh) * | 2017-08-07 | 2017-12-19 | 北京深睿博联科技有限责任公司 | 一种识别mri图像感兴趣区域的方法及装置 |
CN107507184A (zh) * | 2017-09-26 | 2017-12-22 | 上海辉明软件有限公司 | 病灶模型的建立方法、装置及电子设备 |
CN107563383A (zh) * | 2017-08-24 | 2018-01-09 | 杭州健培科技有限公司 | 一种医学影像辅助诊断及半监督样本生成系统 |
CN107578402A (zh) * | 2017-08-04 | 2018-01-12 | 上海斐讯数据通信技术有限公司 | 一种基于深度学习的肺部结节的检测系统及其使用方法 |
CN107590797A (zh) * | 2017-07-26 | 2018-01-16 | 浙江工业大学 | 一种基于三维残差神经网络的ct影像肺结节检测方法 |
CN107610773A (zh) * | 2017-09-12 | 2018-01-19 | 北京即刻叁维数据科技股份有限公司 | 一种基于主动脉医学影像的血管夹层辅助诊断方法 |
CN107633514A (zh) * | 2017-09-19 | 2018-01-26 | 北京大学第三医院 | 一种肺结节周边血管量化评估系统及方法 |
CN107665736A (zh) * | 2017-09-30 | 2018-02-06 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN107688783A (zh) * | 2017-08-23 | 2018-02-13 | 京东方科技集团股份有限公司 | 3d图像检测方法、装置、电子设备及计算机可读介质 |
CN107730484A (zh) * | 2017-07-26 | 2018-02-23 | 江西中科九峰智慧医疗科技有限公司 | 一种基于深度学习的异常胸片智能识别方法及系统 |
CN107729911A (zh) * | 2017-07-26 | 2018-02-23 | 江西中科九峰智慧医疗科技有限公司 | 一种基于dr的肺结核智能识别方法及系统 |
CN107862249A (zh) * | 2017-10-18 | 2018-03-30 | 太原理工大学 | 一种分叉掌纹识别方法及装置 |
CN107945167A (zh) * | 2017-11-27 | 2018-04-20 | 北京医拍智能科技有限公司 | 基于深度神经网络的慢性阻塞性肺病的检测系统 |
CN107993228A (zh) * | 2017-12-15 | 2018-05-04 | 中国人民解放军总医院 | 一种基于心血管oct影像的易损斑块自动检测方法和装置 |
CN108010013A (zh) * | 2017-11-03 | 2018-05-08 | 天津大学 | 一种肺ct图像肺结节检测方法 |
CN108022238A (zh) * | 2017-08-09 | 2018-05-11 | 深圳科亚医疗科技有限公司 | 对3d图像中对象进行检测的方法、计算机存储介质和系统 |
CN108053417A (zh) * | 2018-01-30 | 2018-05-18 | 浙江大学 | 一种基于混合粗分割特征的3DU-Net网络的肺分割装置 |
CN108090903A (zh) * | 2017-12-29 | 2018-05-29 | 苏州体素信息科技有限公司 | 肺结节检测模型训练方法和装置、肺结节检测方法和装置 |
CN108078581A (zh) * | 2017-12-12 | 2018-05-29 | 北京青燕祥云科技有限公司 | 基于卷积神经网络的肺癌良恶性判别方法系统和实现装置 |
CN108171692A (zh) * | 2017-12-26 | 2018-06-15 | 安徽科大讯飞医疗信息技术有限公司 | 一种肺部影像检索方法及装置 |
CN108171694A (zh) * | 2017-12-28 | 2018-06-15 | 深圳开立生物医疗科技股份有限公司 | 基于卷积神经网络的结节检测方法、系统及设备 |
CN108280826A (zh) * | 2018-01-23 | 2018-07-13 | 北京易智能科技有限公司 | 一种ct肺亚实性结节特征提取及检测方法 |
CN108334935A (zh) * | 2017-12-13 | 2018-07-27 | 华南师范大学 | 精简输入的深度学习神经网络方法、装置和机器人系统 |
CN108447046A (zh) * | 2018-02-05 | 2018-08-24 | 龙马智芯(珠海横琴)科技有限公司 | 病灶的检测方法和装置、设备、计算机可读存储介质 |
CN108446730A (zh) * | 2018-03-16 | 2018-08-24 | 北京推想科技有限公司 | 一种基于深度学习的ct肺结节检测方法 |
CN108464840A (zh) * | 2017-12-26 | 2018-08-31 | 安徽科大讯飞医疗信息技术有限公司 | 一种乳腺肿块自动检测方法及系统 |
CN108564044A (zh) * | 2018-04-17 | 2018-09-21 | 杭州依图医疗技术有限公司 | 一种确定肺结节密度的方法及装置 |
CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
CN108596198A (zh) * | 2017-07-26 | 2018-09-28 | 江西中科九峰智慧医疗科技有限公司 | 一种基于深度学习的气胸x光图像识别方法及系统 |
CN108615237A (zh) * | 2018-05-08 | 2018-10-02 | 上海商汤智能科技有限公司 | 一种肺部图像处理方法及图像处理设备 |
CN108648179A (zh) * | 2018-04-17 | 2018-10-12 | 杭州依图医疗技术有限公司 | 一种分析肺结节的方法及装置 |
CN108682015A (zh) * | 2018-05-28 | 2018-10-19 | 科大讯飞股份有限公司 | 一种生物图像中的病灶分割方法、装置、设备及存储介质 |
CN108670285A (zh) * | 2018-06-05 | 2018-10-19 | 胡晓云 | 一种ct肺结核检测人工智能诊疗系统 |
CN108806793A (zh) * | 2018-04-17 | 2018-11-13 | 平安科技(深圳)有限公司 | 病变监测方法、装置、计算机设备和存储介质 |
CN108805209A (zh) * | 2018-06-14 | 2018-11-13 | 清华大学深圳研究生院 | 一种基于深度学习的肺结节筛查方法 |
CN108898588A (zh) * | 2018-06-22 | 2018-11-27 | 中山仰视科技有限公司 | 基于时间序列的治疗效果评估方法、电子设备 |
WO2018218988A1 (zh) * | 2017-06-01 | 2018-12-06 | 无锡时代天使医疗器械科技有限公司 | 牙颌三维数字模型的分割方法 |
CN108986067A (zh) * | 2018-05-25 | 2018-12-11 | 上海交通大学 | 基于跨模态的肺结节检测方法 |
CN109003672A (zh) * | 2018-07-16 | 2018-12-14 | 北京睿客邦科技有限公司 | 一种基于深度学习的早期肺癌检测分类一体化设备及系统 |
CN109102506A (zh) * | 2018-08-20 | 2018-12-28 | 东北大学 | 一种基于三级级联网络进行腹部ct肝脏病变图像的自动分割方法 |
CN109147940A (zh) * | 2018-07-05 | 2019-01-04 | 北京昆仑医云科技有限公司 | 从患者的医学图像自动预测生理状况的装置和系统 |
CN109300113A (zh) * | 2018-08-28 | 2019-02-01 | 东北大学 | 一种基于改进凸包方法的肺结节辅助检测系统及方法 |
CN109325943A (zh) * | 2018-09-10 | 2019-02-12 | 深圳开立生物医疗科技股份有限公司 | 一种三维体积测量方法及装置 |
CN109378043A (zh) * | 2017-10-13 | 2019-02-22 | 北京昆仑医云科技有限公司 | 基于患者的医学图像生成诊断报告的系统和方法及介质 |
CN109410188A (zh) * | 2017-10-13 | 2019-03-01 | 北京昆仑医云科技有限公司 | 用于对医学图像进行分割的系统和方法 |
CN109394250A (zh) * | 2017-08-18 | 2019-03-01 | 柯尼卡美能达株式会社 | 图像处理装置、图像处理方法及图像处理程序 |
CN109447974A (zh) * | 2018-10-31 | 2019-03-08 | 上海联影医疗科技有限公司 | 体数据处理方法、装置、图像处理工作站和可读存储介质 |
CN109461495A (zh) * | 2018-11-01 | 2019-03-12 | 腾讯科技(深圳)有限公司 | 一种医学图像的识别方法、模型训练的方法及服务器 |
CN109473168A (zh) * | 2018-10-09 | 2019-03-15 | 五邑大学 | 一种医学影像机器人及其控制、医学影像识别方法 |
CN109636810A (zh) * | 2018-11-28 | 2019-04-16 | 心医国际数字医疗系统(大连)有限公司 | Ct影像的肺结节分割方法、系统及区域生长方法、分割结束判断方法、切割粘连区域方法 |
CN109685807A (zh) * | 2018-11-16 | 2019-04-26 | 广州市番禺区中心医院(广州市番禺区人民医院、广州市番禺区心血管疾病研究所) | 基于深度学习的下肢深静脉血栓自动分割方法及系统 |
CN109741441A (zh) * | 2018-12-19 | 2019-05-10 | 中惠医疗科技(上海)有限公司 | 子宫肌瘤三维模型重建方法和系统 |
CN109919928A (zh) * | 2019-03-06 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 医学影像的检测方法、装置和存储介质 |
CN109994199A (zh) * | 2017-11-24 | 2019-07-09 | 西门子医疗保健有限责任公司 | 基于计算机的诊断系统 |
CN110009562A (zh) * | 2019-01-24 | 2019-07-12 | 北京航空航天大学 | 一种利用模板对粉碎性骨折三维模型进行拼接的方法 |
CN110033438A (zh) * | 2019-03-14 | 2019-07-19 | 上海市第六人民医院 | 髋关节标记系统及其标记方法 |
CN110059697A (zh) * | 2019-04-29 | 2019-07-26 | 上海理工大学 | 一种基于深度学习的肺结节自动分割方法 |
CN110148112A (zh) * | 2019-04-02 | 2019-08-20 | 成都真实维度科技有限公司 | 一种采集并标注断层扫描图数据进行数据集建立的方法 |
CN110148452A (zh) * | 2019-05-07 | 2019-08-20 | 东软医疗系统股份有限公司 | 一种图像渲染方法及装置 |
CN110197474A (zh) * | 2018-03-27 | 2019-09-03 | 腾讯科技(深圳)有限公司 | 图像处理方法和装置及神经网络模型的训练方法 |
CN110232383A (zh) * | 2019-06-18 | 2019-09-13 | 湖南省华芯医疗器械有限公司 | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别系统 |
CN110335250A (zh) * | 2019-05-31 | 2019-10-15 | 上海联影智能医疗科技有限公司 | 网络训练方法、装置、检测方法、计算机设备和存储介质 |
WO2019200740A1 (zh) * | 2018-04-20 | 2019-10-24 | 平安科技(深圳)有限公司 | 肺结节的检测方法、装置、计算机设备和存储介质 |
CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
CN110415206A (zh) * | 2019-04-08 | 2019-11-05 | 上海墩庐生物医学科技有限公司 | 一种识别肺腺癌浸润分型的方法 |
CN110517264A (zh) * | 2019-09-03 | 2019-11-29 | 武汉市中心医院 | 一种基于血管分割的病灶提取方法及装置 |
CN110533658A (zh) * | 2019-09-02 | 2019-12-03 | 山东大学齐鲁医院 | 智能肺气肿诊断信息处理系统及方法、信息数据处理终端 |
WO2020000643A1 (zh) * | 2018-06-28 | 2020-01-02 | 深圳视见医疗科技有限公司 | Ct图像肺结节检测方法、设备及可读存储介质 |
CN110648338A (zh) * | 2019-09-25 | 2020-01-03 | 上海微创医疗器械(集团)有限公司 | 图像分割方法、可读存储介质及图像处理装置 |
CN110766659A (zh) * | 2019-09-24 | 2020-02-07 | 西人马帝言(北京)科技有限公司 | 医学图像识别方法、装置、设备和介质 |
CN110992338A (zh) * | 2019-11-28 | 2020-04-10 | 华中科技大学 | 一种原发灶转移辅助诊断系统 |
CN111008962A (zh) * | 2019-11-27 | 2020-04-14 | 哈尔滨理工大学 | 一种胸部ct肺结节自动检测系统 |
CN111062947A (zh) * | 2019-08-14 | 2020-04-24 | 深圳市智影医疗科技有限公司 | 一种基于深度学习的x光胸片病灶定位方法及系统 |
CN111080625A (zh) * | 2019-12-18 | 2020-04-28 | 北京推想科技有限公司 | 肺部影像条索检测模型的训练方法及其训练装置 |
CN111091573A (zh) * | 2019-12-20 | 2020-05-01 | 广州柏视医疗科技有限公司 | 基于深度学习的ct影像肺血管的分割方法及系统 |
WO2020114158A1 (zh) * | 2018-12-07 | 2020-06-11 | 北京市商汤科技开发有限公司 | 一种病灶检测方法、装置、设备及存储介质 |
CN111340827A (zh) * | 2020-05-18 | 2020-06-26 | 天津精诊医疗科技有限公司 | 一种肺部ct影像数据处理分析方法及系统 |
CN111369537A (zh) * | 2020-03-05 | 2020-07-03 | 上海市肺科医院(上海市职业病防治院) | 一种肺磨玻璃结节的自动分割系统及方法 |
CN111445478A (zh) * | 2020-03-18 | 2020-07-24 | 吉林大学 | 一种用于cta图像的颅内动脉瘤区域自动检测系统和检测方法 |
CN111476774A (zh) * | 2020-04-07 | 2020-07-31 | 广州柏视医疗科技有限公司 | 基于新型冠状病毒肺炎ct检测的智能征象识别装置 |
CN111507979A (zh) * | 2020-05-08 | 2020-08-07 | 延安大学 | 一种医学影像计算机辅助分析方法 |
CN111553892A (zh) * | 2020-04-23 | 2020-08-18 | 北京小白世纪网络科技有限公司 | 基于深度学习的肺结节分割计算方法、装置及系统 |
CN111612749A (zh) * | 2020-05-12 | 2020-09-01 | 科大讯飞股份有限公司 | 基于肺部影像的病灶检测方法和装置 |
CN111709953A (zh) * | 2017-11-03 | 2020-09-25 | 杭州依图医疗技术有限公司 | Ct影像的肺叶段分割中的输出方法、装置 |
CN111724361A (zh) * | 2020-06-12 | 2020-09-29 | 深圳技术大学 | 实时显示病灶的方法及装置、电子设备和存储介质 |
CN111739615A (zh) * | 2020-07-03 | 2020-10-02 | 桓光健 | 一种ai医学诊断影像图片电脑输入方法 |
CN111738998A (zh) * | 2020-06-12 | 2020-10-02 | 深圳技术大学 | 病灶位置动态检测方法及装置、电子设备和存储介质 |
CN111739015A (zh) * | 2020-06-30 | 2020-10-02 | 北京青燕祥云科技有限公司 | 基于人体胸部ct扫描序列数据的肋骨骨折ai辅助诊断方法及系统 |
US10803581B2 (en) | 2017-11-06 | 2020-10-13 | Beijing Keya Medical Technology Co., Ltd. | System and method for generating and editing diagnosis reports based on medical images |
US10803579B2 (en) | 2017-10-13 | 2020-10-13 | Beijing Keya Medical Technology Co., Ltd. | Interactive clinical diagnosis report system |
CN111798437A (zh) * | 2020-07-09 | 2020-10-20 | 兴义民族师范学院 | 一种基于ct影像的新型冠状病毒肺炎ai快速诊断方法 |
WO2020215672A1 (zh) * | 2019-08-05 | 2020-10-29 | 平安科技(深圳)有限公司 | 医学图像病灶检测定位方法、装置、设备及存储介质 |
TWI714440B (zh) * | 2020-01-20 | 2020-12-21 | 緯創資通股份有限公司 | 用於電腦斷層攝影的後處理的裝置和方法 |
CN112116558A (zh) * | 2020-08-17 | 2020-12-22 | 您好人工智能技术研发昆山有限公司 | 一种基于深度学习的ct影像肺结节检测系统 |
CN112184657A (zh) * | 2020-09-24 | 2021-01-05 | 上海健康医学院 | 一种肺结节自动检测方法、装置及计算机系统 |
CN112184659A (zh) * | 2020-09-24 | 2021-01-05 | 上海健康医学院 | 一种肺部图像处理方法、装置及设备 |
CN112168193A (zh) * | 2020-10-14 | 2021-01-05 | 北京赛迈特锐医疗科技有限公司 | 基于髌骨轴位x线图像获取髌骨解剖参数的系统及方法 |
CN112263269A (zh) * | 2020-09-22 | 2021-01-26 | 北京赛迈特锐医疗科技有限公司 | 泌尿系x线平片结石智能检测系统及方法 |
CN112292691A (zh) * | 2018-06-18 | 2021-01-29 | 谷歌有限责任公司 | 用于使用深度学习提高癌症检测的方法与系统 |
CN112508057A (zh) * | 2020-11-13 | 2021-03-16 | 上海健康医学院 | 一种肺结节分类方法、介质及电子设备 |
CN112789686A (zh) * | 2018-10-02 | 2021-05-11 | 翰林大学产学合作团 | 利用胃内窥镜图像的深度学习诊断胃病变的装置及方法 |
US11049244B2 (en) | 2017-06-16 | 2021-06-29 | Rensselaer Polytechnic Institute | Systems and methods for integrating tomographic image reconstruction and radiomics using neural networks |
CN113160153A (zh) * | 2021-04-06 | 2021-07-23 | 宁波大学医学院附属医院 | 一种基于深度学习技术的肺结节筛查方法及筛查系统 |
CN113222038A (zh) * | 2021-05-24 | 2021-08-06 | 北京安德医智科技有限公司 | 基于核磁图像的乳腺病灶分类和定位方法及装置 |
CN113506296A (zh) * | 2021-09-10 | 2021-10-15 | 之江实验室 | 一种基于先验知识ct亚区影像组学的慢阻肺诊断装置 |
CN113628219A (zh) * | 2021-06-30 | 2021-11-09 | 上海市胸科医院 | 一种从胸部ct影像中自动提取支气管树的方法和系统 |
CN113706541A (zh) * | 2020-05-20 | 2021-11-26 | 青岛海信医疗设备股份有限公司 | 一种图像处理方法及装置 |
US11341631B2 (en) | 2017-08-09 | 2022-05-24 | Shenzhen Keya Medical Technology Corporation | System and method for automatically detecting a physiological condition from a medical image of a patient |
CN115409952A (zh) * | 2022-11-01 | 2022-11-29 | 湖南马栏山视频先进技术研究院有限公司 | 一种结核性脑膜脑炎重建系统、方法及存储器 |
CN116152253A (zh) * | 2023-04-20 | 2023-05-23 | 四川大学华西医院 | 心脏磁共振mapping量化方法、系统和存储介质 |
CN116681706A (zh) * | 2023-08-04 | 2023-09-01 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 医学影像的处理方法、装置、电子设备及存储介质 |
CN116797596A (zh) * | 2023-08-17 | 2023-09-22 | 杭州健培科技有限公司 | 一种肺结节所属肺段识别模型和训练方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160361A (zh) * | 2015-09-30 | 2015-12-16 | 东软集团股份有限公司 | 一种图像识别方法及装置 |
CN105469419A (zh) * | 2016-01-07 | 2016-04-06 | 于翠妮 | 一种基于ct影像的肺结节检测方法 |
CN106203432A (zh) * | 2016-07-14 | 2016-12-07 | 杭州健培科技有限公司 | 一种基于卷积神经网显著性图谱的感兴趣区域的定位方法 |
-
2016
- 2016-12-13 CN CN201611146684.1A patent/CN106780460B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160361A (zh) * | 2015-09-30 | 2015-12-16 | 东软集团股份有限公司 | 一种图像识别方法及装置 |
CN105469419A (zh) * | 2016-01-07 | 2016-04-06 | 于翠妮 | 一种基于ct影像的肺结节检测方法 |
CN106203432A (zh) * | 2016-07-14 | 2016-12-07 | 杭州健培科技有限公司 | 一种基于卷积神经网显著性图谱的感兴趣区域的定位方法 |
Non-Patent Citations (4)
Title |
---|
WEI SHEN 等: "Multi-scale Convolutional Neural Networks for Lung Nodule Classfication", 《INTERNATIONAL CONFERENCE ON INFORMATION PROCESSING IN MEDICAL IMAGING》 * |
孙明磊: "基于肺部CT图像的肺结节自动检测与识别", 《中国优秀硕士学位论文全文数据库》 * |
贾同 等: "一种基于HRCT 影像的肺结节计算机辅助检测方法", 《系统仿真学报》 * |
马鸣 等: "一种基于DICOM 序列影像的肺结节ROI自动检测方法", 《中国卫生信息管理杂志》 * |
Cited By (189)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10943351B2 (en) | 2017-06-01 | 2021-03-09 | Wuxi Ea Medical Instruments Technologies Limited | Method for segmenting 3D digital model of jaw |
WO2018218988A1 (zh) * | 2017-06-01 | 2018-12-06 | 无锡时代天使医疗器械科技有限公司 | 牙颌三维数字模型的分割方法 |
CN107220971A (zh) * | 2017-06-02 | 2017-09-29 | 太原理工大学 | 一种基于卷积神经网络和主成分分析法的肺结节特征提取方法 |
CN107180426B (zh) * | 2017-06-06 | 2020-12-08 | 西北工业大学 | 基于可迁移的多模型集成的计算机辅助肺结节分类装置 |
CN107180426A (zh) * | 2017-06-06 | 2017-09-19 | 西北工业大学 | 基于可迁移的多模型集成的计算机辅助肺结节分类方法 |
US11049244B2 (en) | 2017-06-16 | 2021-06-29 | Rensselaer Polytechnic Institute | Systems and methods for integrating tomographic image reconstruction and radiomics using neural networks |
CN107220373B (zh) * | 2017-06-19 | 2019-09-17 | 太原理工大学 | 一种基于医学征象和卷积神经网络的肺结节ct图像哈希检索方法 |
CN107220373A (zh) * | 2017-06-19 | 2017-09-29 | 太原理工大学 | 一种基于医学征象和卷积神经网络的肺结节ct图像哈希检索方法 |
CN107301640A (zh) * | 2017-06-19 | 2017-10-27 | 太原理工大学 | 一种基于卷积神经网络的目标检测实现肺部微小结节检测的方法 |
CN107274402A (zh) * | 2017-06-27 | 2017-10-20 | 北京深睿博联科技有限责任公司 | 一种基于胸部ct影像的肺结节自动检测方法及系统 |
CN107451609A (zh) * | 2017-07-24 | 2017-12-08 | 上海交通大学 | 基于深度卷积神经网络的肺结节图像识别系统 |
CN107464234A (zh) * | 2017-07-24 | 2017-12-12 | 上海交通大学 | 基于rgb通道叠加方法的肺结节图像深度学习识别系统及其方法 |
CN107464234B (zh) * | 2017-07-24 | 2020-09-01 | 上海交通大学 | 基于rgb通道叠加方法的肺结节图像深度学习识别系统及其方法 |
CN107729911A (zh) * | 2017-07-26 | 2018-02-23 | 江西中科九峰智慧医疗科技有限公司 | 一种基于dr的肺结核智能识别方法及系统 |
CN107730484A (zh) * | 2017-07-26 | 2018-02-23 | 江西中科九峰智慧医疗科技有限公司 | 一种基于深度学习的异常胸片智能识别方法及系统 |
CN107590797A (zh) * | 2017-07-26 | 2018-01-16 | 浙江工业大学 | 一种基于三维残差神经网络的ct影像肺结节检测方法 |
CN108596198A (zh) * | 2017-07-26 | 2018-09-28 | 江西中科九峰智慧医疗科技有限公司 | 一种基于深度学习的气胸x光图像识别方法及系统 |
CN107274428A (zh) * | 2017-08-03 | 2017-10-20 | 汕头市超声仪器研究所有限公司 | 基于仿真和实测数据的多目标三维超声图像分割方法 |
US11282204B2 (en) | 2017-08-03 | 2022-03-22 | Shantou Institute Of Ultrasonic Instruments Co., Ltd. | Simulated and measured data-based multi-target three-dimensional ultrasound image segmentation method |
WO2019023819A1 (zh) * | 2017-08-03 | 2019-02-07 | 汕头市超声仪器研究所有限公司 | 基于仿真和实测数据的多目标三维超声图像分割方法 |
CN107578402A (zh) * | 2017-08-04 | 2018-01-12 | 上海斐讯数据通信技术有限公司 | 一种基于深度学习的肺部结节的检测系统及其使用方法 |
CN107274406A (zh) * | 2017-08-07 | 2017-10-20 | 北京深睿博联科技有限责任公司 | 一种检测敏感区域的方法及装置 |
CN107480677B (zh) * | 2017-08-07 | 2020-04-28 | 北京深睿博联科技有限责任公司 | 一种识别三维ct图像中感兴趣区域的方法及装置 |
CN107480677A (zh) * | 2017-08-07 | 2017-12-15 | 北京深睿博联科技有限责任公司 | 一种识别三维ct图像中感兴趣区域的方法及装置 |
CN107492097B (zh) * | 2017-08-07 | 2020-06-02 | 杭州深睿博联科技有限公司 | 一种识别mri图像感兴趣区域的方法及装置 |
CN107492097A (zh) * | 2017-08-07 | 2017-12-19 | 北京深睿博联科技有限责任公司 | 一种识别mri图像感兴趣区域的方法及装置 |
US11341631B2 (en) | 2017-08-09 | 2022-05-24 | Shenzhen Keya Medical Technology Corporation | System and method for automatically detecting a physiological condition from a medical image of a patient |
CN108022238A (zh) * | 2017-08-09 | 2018-05-11 | 深圳科亚医疗科技有限公司 | 对3d图像中对象进行检测的方法、计算机存储介质和系统 |
CN107424152A (zh) * | 2017-08-11 | 2017-12-01 | 联想(北京)有限公司 | 器官病变的检测方法和电子设备、以及训练神经元网络的方法和电子设备 |
CN109394250A (zh) * | 2017-08-18 | 2019-03-01 | 柯尼卡美能达株式会社 | 图像处理装置、图像处理方法及图像处理程序 |
CN107688783B (zh) * | 2017-08-23 | 2020-07-07 | 京东方科技集团股份有限公司 | 3d图像检测方法、装置、电子设备及计算机可读介质 |
US10929643B2 (en) | 2017-08-23 | 2021-02-23 | Boe Technology Group Co., Ltd. | 3D image detection method and apparatus, electronic device, and computer readable medium |
CN107688783A (zh) * | 2017-08-23 | 2018-02-13 | 京东方科技集团股份有限公司 | 3d图像检测方法、装置、电子设备及计算机可读介质 |
WO2019037654A1 (zh) * | 2017-08-23 | 2019-02-28 | 京东方科技集团股份有限公司 | 3d图像检测方法、装置、电子设备及计算机可读介质 |
CN107563383A (zh) * | 2017-08-24 | 2018-01-09 | 杭州健培科技有限公司 | 一种医学影像辅助诊断及半监督样本生成系统 |
CN107610773A (zh) * | 2017-09-12 | 2018-01-19 | 北京即刻叁维数据科技股份有限公司 | 一种基于主动脉医学影像的血管夹层辅助诊断方法 |
CN107633514A (zh) * | 2017-09-19 | 2018-01-26 | 北京大学第三医院 | 一种肺结节周边血管量化评估系统及方法 |
CN107507184A (zh) * | 2017-09-26 | 2017-12-22 | 上海辉明软件有限公司 | 病灶模型的建立方法、装置及电子设备 |
CN107665736B (zh) * | 2017-09-30 | 2021-05-25 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN107665736A (zh) * | 2017-09-30 | 2018-02-06 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
US10803579B2 (en) | 2017-10-13 | 2020-10-13 | Beijing Keya Medical Technology Co., Ltd. | Interactive clinical diagnosis report system |
CN109410188A (zh) * | 2017-10-13 | 2019-03-01 | 北京昆仑医云科技有限公司 | 用于对医学图像进行分割的系统和方法 |
US11227389B2 (en) | 2017-10-13 | 2022-01-18 | Keya Medical Technology Co., Ltd. | Interactive clinical diagnosis report system |
CN109378043A (zh) * | 2017-10-13 | 2019-02-22 | 北京昆仑医云科技有限公司 | 基于患者的医学图像生成诊断报告的系统和方法及介质 |
US11769254B2 (en) | 2017-10-13 | 2023-09-26 | Keya Medical Technology Co., Ltd. | Interactive clinical diagnosis report system |
CN107862249B (zh) * | 2017-10-18 | 2021-08-17 | 太原理工大学 | 一种分叉掌纹识别方法及装置 |
CN107862249A (zh) * | 2017-10-18 | 2018-03-30 | 太原理工大学 | 一种分叉掌纹识别方法及装置 |
CN111709953A (zh) * | 2017-11-03 | 2020-09-25 | 杭州依图医疗技术有限公司 | Ct影像的肺叶段分割中的输出方法、装置 |
CN111709953B (zh) * | 2017-11-03 | 2023-04-07 | 杭州依图医疗技术有限公司 | Ct影像的肺叶段分割中的输出方法、装置 |
CN108010013A (zh) * | 2017-11-03 | 2018-05-08 | 天津大学 | 一种肺ct图像肺结节检测方法 |
US10803581B2 (en) | 2017-11-06 | 2020-10-13 | Beijing Keya Medical Technology Co., Ltd. | System and method for generating and editing diagnosis reports based on medical images |
US11574112B2 (en) | 2017-11-06 | 2023-02-07 | Keya Medical Technology Co., Ltd. | System and method for generating and editing diagnosis reports based on medical images |
CN109994199B (zh) * | 2017-11-24 | 2024-02-06 | 西门子医疗保健有限责任公司 | 基于计算机的诊断系统 |
CN109994199A (zh) * | 2017-11-24 | 2019-07-09 | 西门子医疗保健有限责任公司 | 基于计算机的诊断系统 |
CN107945167A (zh) * | 2017-11-27 | 2018-04-20 | 北京医拍智能科技有限公司 | 基于深度神经网络的慢性阻塞性肺病的检测系统 |
CN108078581B (zh) * | 2017-12-12 | 2019-02-12 | 北京青燕祥云科技有限公司 | 基于卷积神经网络的肺癌良恶性判别系统和实现装置 |
CN108078581A (zh) * | 2017-12-12 | 2018-05-29 | 北京青燕祥云科技有限公司 | 基于卷积神经网络的肺癌良恶性判别方法系统和实现装置 |
CN108334935B (zh) * | 2017-12-13 | 2021-01-22 | 华南师范大学 | 精简输入的深度学习神经网络方法、装置和机器人系统 |
CN108334935A (zh) * | 2017-12-13 | 2018-07-27 | 华南师范大学 | 精简输入的深度学习神经网络方法、装置和机器人系统 |
CN107993228A (zh) * | 2017-12-15 | 2018-05-04 | 中国人民解放军总医院 | 一种基于心血管oct影像的易损斑块自动检测方法和装置 |
CN108171692A (zh) * | 2017-12-26 | 2018-06-15 | 安徽科大讯飞医疗信息技术有限公司 | 一种肺部影像检索方法及装置 |
CN108464840A (zh) * | 2017-12-26 | 2018-08-31 | 安徽科大讯飞医疗信息技术有限公司 | 一种乳腺肿块自动检测方法及系统 |
CN108171692B (zh) * | 2017-12-26 | 2021-03-26 | 安徽科大讯飞医疗信息技术有限公司 | 一种肺部影像检索方法及装置 |
CN108464840B (zh) * | 2017-12-26 | 2021-10-19 | 安徽科大讯飞医疗信息技术有限公司 | 一种乳腺肿块自动检测方法及系统 |
CN108171694A (zh) * | 2017-12-28 | 2018-06-15 | 深圳开立生物医疗科技股份有限公司 | 基于卷积神经网络的结节检测方法、系统及设备 |
CN108090903A (zh) * | 2017-12-29 | 2018-05-29 | 苏州体素信息科技有限公司 | 肺结节检测模型训练方法和装置、肺结节检测方法和装置 |
CN108280826A (zh) * | 2018-01-23 | 2018-07-13 | 北京易智能科技有限公司 | 一种ct肺亚实性结节特征提取及检测方法 |
CN108053417B (zh) * | 2018-01-30 | 2019-12-17 | 浙江大学 | 一种基于混合粗分割特征的3D U-Net网络的肺分割装置 |
CN108053417A (zh) * | 2018-01-30 | 2018-05-18 | 浙江大学 | 一种基于混合粗分割特征的3DU-Net网络的肺分割装置 |
CN108447046A (zh) * | 2018-02-05 | 2018-08-24 | 龙马智芯(珠海横琴)科技有限公司 | 病灶的检测方法和装置、设备、计算机可读存储介质 |
CN108446730A (zh) * | 2018-03-16 | 2018-08-24 | 北京推想科技有限公司 | 一种基于深度学习的ct肺结节检测方法 |
WO2019184851A1 (zh) * | 2018-03-27 | 2019-10-03 | 腾讯科技(深圳)有限公司 | 图像处理方法和装置及神经网络模型的训练方法 |
JP7076681B2 (ja) | 2018-03-27 | 2022-05-30 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | 画像処理方法及び装置、並びにニューラルネットワークモデルのトレーニング方法 |
JP2021514228A (ja) * | 2018-03-27 | 2021-06-10 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | 画像処理方法及び装置、並びにニューラルネットワークモデルのトレーニング方法 |
CN110197474A (zh) * | 2018-03-27 | 2019-09-03 | 腾讯科技(深圳)有限公司 | 图像处理方法和装置及神经网络模型的训练方法 |
CN110197474B (zh) * | 2018-03-27 | 2023-08-25 | 腾讯科技(深圳)有限公司 | 图像处理方法和装置及神经网络模型的训练方法 |
US11501431B2 (en) | 2018-03-27 | 2022-11-15 | Tencent Technology (Shenzhen) Company Ltd | Image processing method and apparatus and neural network model training method |
WO2019200753A1 (zh) * | 2018-04-17 | 2019-10-24 | 平安科技(深圳)有限公司 | 病变监测方法、装置、计算机设备和存储介质 |
CN108564044A (zh) * | 2018-04-17 | 2018-09-21 | 杭州依图医疗技术有限公司 | 一种确定肺结节密度的方法及装置 |
CN108648179A (zh) * | 2018-04-17 | 2018-10-12 | 杭州依图医疗技术有限公司 | 一种分析肺结节的方法及装置 |
CN108806793A (zh) * | 2018-04-17 | 2018-11-13 | 平安科技(深圳)有限公司 | 病变监测方法、装置、计算机设备和存储介质 |
WO2019200740A1 (zh) * | 2018-04-20 | 2019-10-24 | 平安科技(深圳)有限公司 | 肺结节的检测方法、装置、计算机设备和存储介质 |
CN108573490B (zh) * | 2018-04-25 | 2020-06-05 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
CN108573490A (zh) * | 2018-04-25 | 2018-09-25 | 王成彦 | 一种针对肿瘤影像数据的智能读片系统 |
CN108615237A (zh) * | 2018-05-08 | 2018-10-02 | 上海商汤智能科技有限公司 | 一种肺部图像处理方法及图像处理设备 |
CN108615237B (zh) * | 2018-05-08 | 2021-09-07 | 上海商汤智能科技有限公司 | 一种肺部图像处理方法及图像处理设备 |
CN108986067B (zh) * | 2018-05-25 | 2020-08-14 | 上海交通大学 | 基于跨模态的肺结节检测方法 |
CN108986067A (zh) * | 2018-05-25 | 2018-12-11 | 上海交通大学 | 基于跨模态的肺结节检测方法 |
CN108682015B (zh) * | 2018-05-28 | 2021-10-19 | 安徽科大讯飞医疗信息技术有限公司 | 一种生物图像中的病灶分割方法、装置、设备及存储介质 |
CN108682015A (zh) * | 2018-05-28 | 2018-10-19 | 科大讯飞股份有限公司 | 一种生物图像中的病灶分割方法、装置、设备及存储介质 |
CN108670285A (zh) * | 2018-06-05 | 2018-10-19 | 胡晓云 | 一种ct肺结核检测人工智能诊疗系统 |
CN108805209B (zh) * | 2018-06-14 | 2021-11-19 | 清华大学深圳研究生院 | 一种基于深度学习的肺结节筛查方法 |
CN108805209A (zh) * | 2018-06-14 | 2018-11-13 | 清华大学深圳研究生院 | 一种基于深度学习的肺结节筛查方法 |
CN112292691A (zh) * | 2018-06-18 | 2021-01-29 | 谷歌有限责任公司 | 用于使用深度学习提高癌症检测的方法与系统 |
CN108898588A (zh) * | 2018-06-22 | 2018-11-27 | 中山仰视科技有限公司 | 基于时间序列的治疗效果评估方法、电子设备 |
US10909682B2 (en) | 2018-06-28 | 2021-02-02 | Shenzhen Imsight Medical Technology Co. Ltd. | Method and device for detecting pulmonary nodule in computed tomography image, and computer-readable storage medium |
WO2020000643A1 (zh) * | 2018-06-28 | 2020-01-02 | 深圳视见医疗科技有限公司 | Ct图像肺结节检测方法、设备及可读存储介质 |
CN109147940A (zh) * | 2018-07-05 | 2019-01-04 | 北京昆仑医云科技有限公司 | 从患者的医学图像自动预测生理状况的装置和系统 |
CN109308495B (zh) * | 2018-07-05 | 2021-07-02 | 科亚医疗科技股份有限公司 | 从患者的医学图像自动预测生理状况的装置和系统 |
CN109308495A (zh) * | 2018-07-05 | 2019-02-05 | 北京昆仑医云科技有限公司 | 从患者的医学图像自动预测生理状况的装置和系统 |
CN109003672A (zh) * | 2018-07-16 | 2018-12-14 | 北京睿客邦科技有限公司 | 一种基于深度学习的早期肺癌检测分类一体化设备及系统 |
CN109102506A (zh) * | 2018-08-20 | 2018-12-28 | 东北大学 | 一种基于三级级联网络进行腹部ct肝脏病变图像的自动分割方法 |
CN109102506B (zh) * | 2018-08-20 | 2021-08-13 | 东北大学 | 一种基于三级级联网络进行腹部ct肝脏病变图像的自动分割方法 |
CN109300113A (zh) * | 2018-08-28 | 2019-02-01 | 东北大学 | 一种基于改进凸包方法的肺结节辅助检测系统及方法 |
CN109300113B (zh) * | 2018-08-28 | 2021-12-24 | 东北大学 | 一种基于改进凸包方法的肺结节辅助检测系统及方法 |
CN109325943A (zh) * | 2018-09-10 | 2019-02-12 | 深圳开立生物医疗科技股份有限公司 | 一种三维体积测量方法及装置 |
CN112789686A (zh) * | 2018-10-02 | 2021-05-11 | 翰林大学产学合作团 | 利用胃内窥镜图像的深度学习诊断胃病变的装置及方法 |
CN109473168A (zh) * | 2018-10-09 | 2019-03-15 | 五邑大学 | 一种医学影像机器人及其控制、医学影像识别方法 |
WO2020073389A1 (zh) * | 2018-10-09 | 2020-04-16 | 五邑大学 | 一种医学影像机器人及其控制、医学影像识别方法 |
CN109447974B (zh) * | 2018-10-31 | 2022-01-25 | 上海联影医疗科技股份有限公司 | 体数据处理方法、装置、图像处理工作站和可读存储介质 |
CN109447974A (zh) * | 2018-10-31 | 2019-03-08 | 上海联影医疗科技有限公司 | 体数据处理方法、装置、图像处理工作站和可读存储介质 |
US11961226B2 (en) | 2018-11-01 | 2024-04-16 | Tencent Technology (Shenzhen) Company Limited | Medical image recognition method, model training method, and computer device |
WO2020088469A1 (zh) * | 2018-11-01 | 2020-05-07 | 腾讯科技(深圳)有限公司 | 一种医学图像的识别方法、模型训练的方法及计算机设备 |
CN109461495A (zh) * | 2018-11-01 | 2019-03-12 | 腾讯科技(深圳)有限公司 | 一种医学图像的识别方法、模型训练的方法及服务器 |
CN109685807A (zh) * | 2018-11-16 | 2019-04-26 | 广州市番禺区中心医院(广州市番禺区人民医院、广州市番禺区心血管疾病研究所) | 基于深度学习的下肢深静脉血栓自动分割方法及系统 |
CN109636810A (zh) * | 2018-11-28 | 2019-04-16 | 心医国际数字医疗系统(大连)有限公司 | Ct影像的肺结节分割方法、系统及区域生长方法、分割结束判断方法、切割粘连区域方法 |
CN109636810B (zh) * | 2018-11-28 | 2020-11-03 | 心医国际数字医疗系统(大连)有限公司 | Ct影像的肺结节分割方法及系统 |
TWI724669B (zh) * | 2018-12-07 | 2021-04-11 | 大陸商北京市商湯科技開發有限公司 | 病灶檢測方法及其裝置及其設備及儲存媒體 |
WO2020114158A1 (zh) * | 2018-12-07 | 2020-06-11 | 北京市商汤科技开发有限公司 | 一种病灶检测方法、装置、设备及存储介质 |
CN109741441A (zh) * | 2018-12-19 | 2019-05-10 | 中惠医疗科技(上海)有限公司 | 子宫肌瘤三维模型重建方法和系统 |
CN110009562A (zh) * | 2019-01-24 | 2019-07-12 | 北京航空航天大学 | 一种利用模板对粉碎性骨折三维模型进行拼接的方法 |
CN109919928B (zh) * | 2019-03-06 | 2021-08-03 | 腾讯科技(深圳)有限公司 | 医学影像的检测方法、装置和存储介质 |
CN109919928A (zh) * | 2019-03-06 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 医学影像的检测方法、装置和存储介质 |
CN110033438A (zh) * | 2019-03-14 | 2019-07-19 | 上海市第六人民医院 | 髋关节标记系统及其标记方法 |
CN110148112A (zh) * | 2019-04-02 | 2019-08-20 | 成都真实维度科技有限公司 | 一种采集并标注断层扫描图数据进行数据集建立的方法 |
CN110415206A (zh) * | 2019-04-08 | 2019-11-05 | 上海墩庐生物医学科技有限公司 | 一种识别肺腺癌浸润分型的方法 |
CN110415206B (zh) * | 2019-04-08 | 2023-12-15 | 上海墩庐生物医学科技有限公司 | 一种识别肺腺癌浸润分型的方法 |
CN110059697A (zh) * | 2019-04-29 | 2019-07-26 | 上海理工大学 | 一种基于深度学习的肺结节自动分割方法 |
CN110059697B (zh) * | 2019-04-29 | 2023-04-28 | 上海理工大学 | 一种基于深度学习的肺结节自动分割方法 |
CN110148452A (zh) * | 2019-05-07 | 2019-08-20 | 东软医疗系统股份有限公司 | 一种图像渲染方法及装置 |
CN110335250A (zh) * | 2019-05-31 | 2019-10-15 | 上海联影智能医疗科技有限公司 | 网络训练方法、装置、检测方法、计算机设备和存储介质 |
CN110232383A (zh) * | 2019-06-18 | 2019-09-13 | 湖南省华芯医疗器械有限公司 | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别系统 |
CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
WO2020215672A1 (zh) * | 2019-08-05 | 2020-10-29 | 平安科技(深圳)有限公司 | 医学图像病灶检测定位方法、装置、设备及存储介质 |
US11961227B2 (en) | 2019-08-05 | 2024-04-16 | Ping An Technology (Shenzhen) Co., Ltd. | Method and device for detecting and locating lesion in medical image, equipment and storage medium |
CN111062947B (zh) * | 2019-08-14 | 2023-04-25 | 深圳市智影医疗科技有限公司 | 一种基于深度学习的x光胸片病灶定位方法及系统 |
CN111062947A (zh) * | 2019-08-14 | 2020-04-24 | 深圳市智影医疗科技有限公司 | 一种基于深度学习的x光胸片病灶定位方法及系统 |
CN110533658A (zh) * | 2019-09-02 | 2019-12-03 | 山东大学齐鲁医院 | 智能肺气肿诊断信息处理系统及方法、信息数据处理终端 |
CN110517264B (zh) * | 2019-09-03 | 2022-03-08 | 武汉市中心医院 | 一种基于血管分割的病灶提取方法及装置 |
CN110517264A (zh) * | 2019-09-03 | 2019-11-29 | 武汉市中心医院 | 一种基于血管分割的病灶提取方法及装置 |
CN110766659A (zh) * | 2019-09-24 | 2020-02-07 | 西人马帝言(北京)科技有限公司 | 医学图像识别方法、装置、设备和介质 |
CN110648338A (zh) * | 2019-09-25 | 2020-01-03 | 上海微创医疗器械(集团)有限公司 | 图像分割方法、可读存储介质及图像处理装置 |
CN110648338B (zh) * | 2019-09-25 | 2023-02-17 | 上海微创卜算子医疗科技有限公司 | 图像分割方法、可读存储介质及图像处理装置 |
CN111008962A (zh) * | 2019-11-27 | 2020-04-14 | 哈尔滨理工大学 | 一种胸部ct肺结节自动检测系统 |
CN110992338A (zh) * | 2019-11-28 | 2020-04-10 | 华中科技大学 | 一种原发灶转移辅助诊断系统 |
CN110992338B (zh) * | 2019-11-28 | 2022-04-01 | 华中科技大学 | 一种原发灶转移辅助诊断系统 |
CN111080625A (zh) * | 2019-12-18 | 2020-04-28 | 北京推想科技有限公司 | 肺部影像条索检测模型的训练方法及其训练装置 |
CN111091573A (zh) * | 2019-12-20 | 2020-05-01 | 广州柏视医疗科技有限公司 | 基于深度学习的ct影像肺血管的分割方法及系统 |
TWI714440B (zh) * | 2020-01-20 | 2020-12-21 | 緯創資通股份有限公司 | 用於電腦斷層攝影的後處理的裝置和方法 |
CN111369537A (zh) * | 2020-03-05 | 2020-07-03 | 上海市肺科医院(上海市职业病防治院) | 一种肺磨玻璃结节的自动分割系统及方法 |
CN111445478B (zh) * | 2020-03-18 | 2023-09-08 | 吉林大学 | 一种用于cta图像的颅内动脉瘤区域自动检测系统和检测方法 |
CN111445478A (zh) * | 2020-03-18 | 2020-07-24 | 吉林大学 | 一种用于cta图像的颅内动脉瘤区域自动检测系统和检测方法 |
CN111476774A (zh) * | 2020-04-07 | 2020-07-31 | 广州柏视医疗科技有限公司 | 基于新型冠状病毒肺炎ct检测的智能征象识别装置 |
CN111553892B (zh) * | 2020-04-23 | 2021-11-05 | 北京小白世纪网络科技有限公司 | 基于深度学习的肺结节分割计算方法、装置及系统 |
CN111553892A (zh) * | 2020-04-23 | 2020-08-18 | 北京小白世纪网络科技有限公司 | 基于深度学习的肺结节分割计算方法、装置及系统 |
CN111507979A (zh) * | 2020-05-08 | 2020-08-07 | 延安大学 | 一种医学影像计算机辅助分析方法 |
CN111612749B (zh) * | 2020-05-12 | 2024-02-13 | 讯飞医疗科技股份有限公司 | 基于肺部影像的病灶检测方法和装置 |
CN111612749A (zh) * | 2020-05-12 | 2020-09-01 | 科大讯飞股份有限公司 | 基于肺部影像的病灶检测方法和装置 |
CN111340827A (zh) * | 2020-05-18 | 2020-06-26 | 天津精诊医疗科技有限公司 | 一种肺部ct影像数据处理分析方法及系统 |
CN113706541A (zh) * | 2020-05-20 | 2021-11-26 | 青岛海信医疗设备股份有限公司 | 一种图像处理方法及装置 |
CN113706541B (zh) * | 2020-05-20 | 2024-04-19 | 青岛海信医疗设备股份有限公司 | 一种图像处理方法及装置 |
CN111724361A (zh) * | 2020-06-12 | 2020-09-29 | 深圳技术大学 | 实时显示病灶的方法及装置、电子设备和存储介质 |
CN111738998A (zh) * | 2020-06-12 | 2020-10-02 | 深圳技术大学 | 病灶位置动态检测方法及装置、电子设备和存储介质 |
CN111739015A (zh) * | 2020-06-30 | 2020-10-02 | 北京青燕祥云科技有限公司 | 基于人体胸部ct扫描序列数据的肋骨骨折ai辅助诊断方法及系统 |
CN111739615A (zh) * | 2020-07-03 | 2020-10-02 | 桓光健 | 一种ai医学诊断影像图片电脑输入方法 |
CN111798437A (zh) * | 2020-07-09 | 2020-10-20 | 兴义民族师范学院 | 一种基于ct影像的新型冠状病毒肺炎ai快速诊断方法 |
CN112116558A (zh) * | 2020-08-17 | 2020-12-22 | 您好人工智能技术研发昆山有限公司 | 一种基于深度学习的ct影像肺结节检测系统 |
CN112263269A (zh) * | 2020-09-22 | 2021-01-26 | 北京赛迈特锐医疗科技有限公司 | 泌尿系x线平片结石智能检测系统及方法 |
CN112263269B (zh) * | 2020-09-22 | 2024-04-19 | 北京赛迈特锐医疗科技有限公司 | 泌尿系x线平片结石智能检测系统及方法 |
CN112184657A (zh) * | 2020-09-24 | 2021-01-05 | 上海健康医学院 | 一种肺结节自动检测方法、装置及计算机系统 |
WO2022063199A1 (zh) * | 2020-09-24 | 2022-03-31 | 上海健康医学院 | 一种肺结节自动检测方法、装置及计算机系统 |
CN112184659A (zh) * | 2020-09-24 | 2021-01-05 | 上海健康医学院 | 一种肺部图像处理方法、装置及设备 |
CN112184659B (zh) * | 2020-09-24 | 2023-08-25 | 上海健康医学院 | 一种肺部图像处理方法、装置及设备 |
CN112168193A (zh) * | 2020-10-14 | 2021-01-05 | 北京赛迈特锐医疗科技有限公司 | 基于髌骨轴位x线图像获取髌骨解剖参数的系统及方法 |
CN112168193B (zh) * | 2020-10-14 | 2024-04-23 | 北京赛迈特锐医疗科技有限公司 | 基于髌骨轴位x线图像获取髌骨解剖参数的系统及方法 |
CN112508057A (zh) * | 2020-11-13 | 2021-03-16 | 上海健康医学院 | 一种肺结节分类方法、介质及电子设备 |
CN113160153A (zh) * | 2021-04-06 | 2021-07-23 | 宁波大学医学院附属医院 | 一种基于深度学习技术的肺结节筛查方法及筛查系统 |
CN113222038B (zh) * | 2021-05-24 | 2021-10-22 | 北京安德医智科技有限公司 | 基于核磁图像的乳腺病灶分类和定位方法及装置 |
CN113222038A (zh) * | 2021-05-24 | 2021-08-06 | 北京安德医智科技有限公司 | 基于核磁图像的乳腺病灶分类和定位方法及装置 |
CN113628219B (zh) * | 2021-06-30 | 2023-11-03 | 上海市胸科医院 | 一种从胸部ct影像中自动提取支气管树的方法和系统以及计算机可读存储介质 |
CN113628219A (zh) * | 2021-06-30 | 2021-11-09 | 上海市胸科医院 | 一种从胸部ct影像中自动提取支气管树的方法和系统 |
CN113506296A (zh) * | 2021-09-10 | 2021-10-15 | 之江实验室 | 一种基于先验知识ct亚区影像组学的慢阻肺诊断装置 |
CN115409952A (zh) * | 2022-11-01 | 2022-11-29 | 湖南马栏山视频先进技术研究院有限公司 | 一种结核性脑膜脑炎重建系统、方法及存储器 |
CN116152253B (zh) * | 2023-04-20 | 2023-06-16 | 四川大学华西医院 | 心脏磁共振mapping量化方法、系统和存储介质 |
CN116152253A (zh) * | 2023-04-20 | 2023-05-23 | 四川大学华西医院 | 心脏磁共振mapping量化方法、系统和存储介质 |
CN116681706A (zh) * | 2023-08-04 | 2023-09-01 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 医学影像的处理方法、装置、电子设备及存储介质 |
CN116681706B (zh) * | 2023-08-04 | 2023-11-10 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 医学影像的处理方法、装置、电子设备及存储介质 |
CN116797596B (zh) * | 2023-08-17 | 2023-11-28 | 杭州健培科技有限公司 | 一种肺结节所属肺段识别模型和训练方法 |
CN116797596A (zh) * | 2023-08-17 | 2023-09-22 | 杭州健培科技有限公司 | 一种肺结节所属肺段识别模型和训练方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106780460B (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780460A (zh) | 一种用于胸部ct影像的肺结节自动检测系统 | |
CN108805209B (zh) | 一种基于深度学习的肺结节筛查方法 | |
Su et al. | Region segmentation in histopathological breast cancer images using deep convolutional neural network | |
Telrandhe et al. | Detection of brain tumor from MRI images by using segmentation & SVM | |
CN108830326B (zh) | 一种mri图像的自动分割方法及装置 | |
CN107945179A (zh) | 一种基于特征融合的卷积神经网络的肺结节良恶性检测方法 | |
CN106296653B (zh) | 基于半监督学习的脑部ct图像出血区域分割方法及系统 | |
CN109034045A (zh) | 一种基于卷积神经网络的白细胞自动识别方法 | |
CN108288271A (zh) | 基于三维残差网络的图像检测系统及方法 | |
CN110060235A (zh) | 一种基于深度学习的甲状腺结节超声图像分割方法 | |
Wang et al. | Weakly supervised learning for whole slide lung cancer image classification | |
CN107274386A (zh) | 一种宫颈细胞液基涂片人工智能辅助阅片系统 | |
CN107256558A (zh) | 一种无监督式的宫颈细胞图像自动分割方法及系统 | |
CN109635846A (zh) | 一种多类医学图像判断方法和系统 | |
CN101484916A (zh) | 基于改进的区域生长分割的自动识别解剖结构中的癌前期异常的方法和系统及由此得到的计算机程序 | |
CN108010013A (zh) | 一种肺ct图像肺结节检测方法 | |
CN109087296A (zh) | 一种提取ct图像中人体区域的方法 | |
CN112819747A (zh) | 一种基于肺部断层扫描图片自动诊断结节良恶性的方法 | |
Fan et al. | Lung nodule detection based on 3D convolutional neural networks | |
CN107274406A (zh) | 一种检测敏感区域的方法及装置 | |
Sornapudi et al. | EpithNet: Deep regression for epithelium segmentation in cervical histology images | |
CN106875379A (zh) | 肺裂完整度评估方法、装置和系统 | |
CN108038487A (zh) | 基于图像分割与特征融合的植物叶片辨别方法 | |
US20230005140A1 (en) | Automated detection of tumors based on image processing | |
CN113066576A (zh) | 一种基于三维掩模-区域卷积神经网络的肺癌筛查方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: 311200 floor 6, East, building e, Hangzhou Bay Information Port, No. 371, Mingxing Road, economic and Technological Development Zone, Xiaoshan District, Hangzhou City, Zhejiang Province Patentee after: HANGZHOU JIANPEI TECHNOLOGY Co.,Ltd. Address before: 310018, No. 3, No. 3, No. 4, Hangzhou economic and Technological Development Zone, Zhejiang, Hangzhou Patentee before: HANGZHOU JIANPEI TECHNOLOGY Co.,Ltd. |
|
CP02 | Change in the address of a patent holder |