CN106991697B - 胸部数字影像的心胸比测量方法 - Google Patents
胸部数字影像的心胸比测量方法 Download PDFInfo
- Publication number
- CN106991697B CN106991697B CN201710248812.1A CN201710248812A CN106991697B CN 106991697 B CN106991697 B CN 106991697B CN 201710248812 A CN201710248812 A CN 201710248812A CN 106991697 B CN106991697 B CN 106991697B
- Authority
- CN
- China
- Prior art keywords
- lung
- lobe
- image
- skeleton
- thorax
- 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.)
- Active
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
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
胸部数字影像的心胸比测量方法,属于测量与图像处理领域,技术要点是:分割前对图像预处理,此预处理技术通过前后两次不同高斯误差参数的选择,得到不同的骨架图像,在构造合理滤波函数的基础上,再构造适合肋骨宽度的结构算子进行顶帽操作,最后对顶帽操作后的图像进行一次阈值化处理,得到肺叶初步二值化图像,通过调整滤波函数的误差参数,得到胸廓外缘骨架图像,对外缘骨架和肺叶间的空隙进行填充,得到肺叶二值化图像,将此二值化图像所在矩形区域作为感兴趣区域,重新计算此感兴趣区域的灰度阈值,从而得到最终的肺叶二值化图像。本方法使得医生阅片的同时自动计算出心胸比率,给出准确的定位点。
Description
技术领域
本发明属于测量与图像处理领域,涉及一种胸部数字影像的心胸比测量方法。
背景技术
比起十年前的医院,现在的医院里多了很多信息化设备,这些设备的出现旨在帮助医生进行辅助诊断,大大的方便了医生的工作。阅读CR,DR等X线片,从中得到病人的病情是心脏科医生每天必做的事情。
其中,心胸比率(指在X线片上心脏横径(左右心缘至体中线的最大距离之和)与胸廓横径(通过右膈顶水平胸廓内径)的比例)是判断一个人心脏是否肥大的指标之一;目前的现状是医生或拿测量工具在X线片上现场测量或应用影像软件具有的辅助诊断工具进行测量最后计算两者的比率;这两种测量方式都是医生通过眼睛定位,然后手动测量直径,对于像素级别的图像,目测得到的比率误差显然有些大,这对病人的病情诊断不够准确,而且这种测量方式速度比较慢,延长了医生的看病时间,也延长了后面病人的排队等待的时间。
对于机器测量,图像处理显得尤为重要,现有技术对于图像输入质量依赖较大,算法稳定性和适应性不高。
发明内容
为了解决上述问题,本发明提出如下技术方案:
一种胸部数字影像的心胸比测量方法,包括如下步骤:
步骤1:对加载的胸部影像进行下采样和高斯滤波,得到预处理图像;
步骤2:对预处理图像做顶帽操作,取顶帽图像操作后的图像非0的部分,得到胸部骨架图像,并对胸部骨架进行填充,填充后的区域作为感兴趣区域;
步骤3:选择胸廓骨架包含的感兴趣区域,计算预处理灰度图像在此感兴趣区域内的灰度阈值,由此阈值得到肺叶二值化图像,形态学操作去除非肺叶对象;
步骤4:找出胸廓骨架,高斯滤波,将滤波图像宽高扩大若干个像素,进行顶帽操作,取顶帽操作后的图像大于0的部分,得到另一胸廓骨架图像,且该所述高斯滤波与步骤1中的高斯滤波的滤波函数参数不同,对骨架进行标记,根据标记骨架数申请累加器数量;
步骤5:对步骤3中所述肺叶二值化图像进行标记,计算左右两片肺叶各自的重心,根据两片肺叶的重心坐标找出两片肺叶的中间分割线,对于重心位于肺叶分割线左侧的肺叶,从肺叶的左侧边界出发寻找步骤4中胸廓骨架图像的第一个骨架点,记录下此骨架点对应的骨架标记,相应骨架的累加器加1,从左肺尖开始向下依此方法逐行扫描,遇到标记相同的骨架,对应的骨架累加器加1,最后选择累加器结果最大的标记骨架作为胸廓左侧外缘;对于重心位于肺叶分割线右侧的肺叶,从肺叶的右侧边界出发寻找步骤4中第一个骨架点,记录下此骨架点对应的骨架标记,,相应骨架的累加器加1,从右侧肺尖开始向下依此方法逐行扫描,遇到标记相同的骨架,对应的骨架累加器加1,最后选择累加器结果最大的标记骨架作为胸廓右侧外缘;
步骤6:补充肺叶的肺尖、肺底、肺叶外缘;对于左侧肺叶,从肺尖开始沿左侧边界向左出发,填充肺叶边界与左胸廓外缘之间的空隙,依此方法填充到肺底;对于右侧肺叶,从肺尖开始沿右侧边界向右出发,填充肺叶与右侧胸廓外缘之间的空隙,依此方法填充到肺底;
步骤7:肺底丢失处理:当肺叶最底行内侧边缘点距同侧胸廓外缘内侧距离大于5个像素时:对左侧肺叶,从肺叶最底行开始,自肺叶中间分割线向左扫描到胸廓骨架外缘内侧,保存各像素点图像灰度,计算其灰度一阶梯度,找出一阶梯度过零点,换算到图像对应点,填充此点到胸廓骨架外缘之间的空隙;计算此点和胸廓骨架外缘内侧的距离,若该距离小于5,则肺底补充完毕,否则依此方法向下扫描50行止;对右侧肺叶,从肺叶最底行开始,自肺叶中间分割线向右扫描到胸廓骨架外缘内侧,保存各像素点图像灰度,计算其灰度一阶梯度,找出一阶梯度过零点,换算到图像对应点,填充此点到胸廓骨架外缘之间的空隙;计算此点和胸廓骨架外缘内侧的距离,若该距离小于5,则肺底补充完毕,否则依此方法向下扫描50行止;
步骤8:将补充完的肺叶图像减去胸廓外缘图像得到肺叶图像;
步骤9:二次二值化:将步骤8得到的肺叶所在矩形区域作为感兴趣区域,重新计算感兴趣区域内的灰度阈值,并根据此阈值计算感兴趣区域内的二值化图像,并以步骤8所得到的二值化图像为模板,去除非肺叶部分,得到肺叶二值化图像;
步骤10:计算心胸比:
定位左侧肺叶心隔角:找出左侧肺叶靠近心脏一侧边缘的所有凸包点,凸包点是逆时针的顺序,且出发点在肺底,凸包点横坐标大于肺叶重心横坐标的第一个凸包点为心隔角位置点(px,py),记下此凸包点;
由心隔角向上从中间分界线出发分别向左右寻找左右心脏的最大横截径T1,T2;过(px,py)点向两侧肺叶外缘延伸,相交于两点(lx,py),(rx,py),连接两点的线段为胸廓横径T,心胸比R=(T1+T2)/(T)。
进一步的,步骤1中的滤波函数参数中的sigma选择1,步骤4中的高斯平滑参数sigma选取2。
进一步的,步骤1中的顶帽操作结构元素大小选择9,步骤4中的滤波图像宽高各扩大10个像素,顶帽操作结构元素大小选择9。
进一步的,所述胸廓骨架图像包含锁骨、脊椎骨、肋骨、胸廓外缘。
有益效果:本发明基于灰度阈值法分割肺叶,对胸部X线片这种灰度对比度较大的影像图片,容易将目标进行粗分割,局部灰度阈值的二次分割,将目标进行细分割,借助于胸廓外缘高梯度的特点构造合适的结构算子,通过顶帽操作将胸廓外缘完整的分割出来,这样即使前面粗细二次分割均不能将肺叶完整分割出来的情况下,此胸廓外缘提供了肺叶的外边缘,只需将肺叶和外边缘之间的空隙填充即可得到完整的肺叶。此方法利用图像灰度进行粗细二次分割,结合了胸廓和肺叶的形态特征和分布特性,使算法稳定性和适应性都大大提高,很少依赖输入图像质量。当然,作为进一步的效果,该发明使得心胸比能够实现机器的自动测量,节约了测量时间。
附图说明
图1是胸部骨架图像的示意图;
图2是胸部骨架填充图像的示意图;
图3是肺叶二值化图像的示意图;
图4是胸廓骨架图像的示意图;
图5是胸廓外缘骨架图像的示意图;
图6是带有胸廓外缘的肺叶图像的示意图;
图7是填充空隙后的肺叶图像的示意图;
图8是去除胸廓外缘的肺叶图像的示意图;
图9是二次阈值处理后的肺叶图像的示意图;
图10是肺叶靠近心脏一侧凸包图像的示意图;
图11是左右心脏最大横截径及过膈肌点的胸廓外径图像的示意图。
具体实施方式
实施例:
现有心胸比计算主要通过医生手动操作进行计算,这个过程中医生的主观性比较大,依赖眼睛进行定位,对于像素级别的图像,医生目测的误差显然有些大。对于现代医院,每天每位医生需要诊断的病人较多,目前这种手动计算方式显然比较慢,影响进度,等候时间过长。影像四角信息没有保存心胸比结果,对于需要参考以往影像资料而再次阅片的情况,每次拿出影像图片都要重新计算一番,这种重复性的工作增加了医生的工作量。而现有的图像处理过程中,常规的灰度阈值分割很难完整的将肺叶分割完整,多模匹配方法对样本的多样性和时间成本上无法达到要求。本实施例的技术方案旨在改善以上问题,提高测量效率,加快测量速度,减少等候时间,提高分割的完整性,增强准确性。
为此,本实施例提供如下优选方案,一种胸部数字影像的心胸比测量方法,包括如下步骤:
步骤1:对加载的胸部影像进行下采样和高斯滤波,滤波函数参数中的sigma选择1,得到预处理图像;
步骤2:对预处理图像做顶帽操作,顶帽操作结构元素大小选择9,取顶帽图像操作后的图像非0的部分,得到胸廓骨架图像:包含锁骨,脊椎骨,肋骨,胸廓外缘,如图1。并对胸部骨架进行填充,填充后的区域作为感兴趣区域如图2。
步骤3:选择胸廓骨架包含的感兴趣区域,计算预处理灰度图像在此感兴趣区域内的灰度阈值,由此阈值得到肺叶二值化图像,形态学操作去除非肺叶对象。如图3。
步骤4:找出胸廓骨架。高斯平滑参数sigma选取2,将滤波图像宽高各扩大10个像素,顶帽操作结构元素大小选择9,取顶帽操作后的图像大于0的部分,得到胸廓骨架图像,如图4。
步骤5:对步骤3的肺叶图像进行标记,计算左右两片肺叶各自的重心(cx_l,cy_l),(cx_r,cy_r),根据两片肺叶的重心坐标找出两片肺叶的中间分割线(meanc,1:ImgH)其中ImgH为图像高度,对于重心位于肺叶分割线左侧的肺叶,从肺叶的左侧边界出发寻找步骤4中第一个骨架点,记录下此骨架点对应的骨架标记,从左肺尖开始向下依此方法逐行扫描,遇到标记相同的骨架,结果累计相加,最后选择累计结果最大的标记骨架作为胸廓左侧外缘;同理对于重心位于肺叶分割线右侧的肺叶,从肺叶的右侧边界出发寻找步骤4中第一个骨架点,记录下此骨架点对应的骨架标记,从右侧肺尖开始向下依此方法逐行扫描,遇到标记相同的骨架,结果累计相加,最后选择累计结果最大的标记骨架作为胸廓右侧外缘。如图5。
步骤6:补充肺叶肺尖,肺底,肺叶外缘;对于左侧肺叶,从肺尖开始沿左侧边界向左出发,填充肺叶边界与左胸廓外缘之间的空隙,依此方法填充到肺底;同理,对于右侧肺叶,从肺尖开始沿右侧边界向右出发,填充肺叶与右侧胸廓外缘之间的空隙,依此方法填充到肺底;如图6。
步骤7:肺底丢失处理:当肺叶最底行内侧边缘点距同侧胸廓外缘内侧距离大于5个像素时认为肺叶分割不完整,处理方法如下:对左侧肺叶,从肺叶最底行开始,自肺叶中间分割线向左扫描到胸廓骨架外缘内侧,保存各像素点图像灰度,计算其灰度一阶梯度,找出一阶梯度过零点,换算到图像对应点,填充此点到胸廓骨架外缘之间的空隙;计算此点和胸廓骨架外缘内侧的距离,若小于5,肺底补充完毕,否则依此方法向下扫描50行止。同理补充右侧肺底。如图7。
步骤8:将补充完的肺叶图像减去胸廓外缘图像得到肺叶图像,如图8。
步骤9:二次二值化:将步骤8得到的肺叶所在矩形区域作为感兴趣区域,重新计算感兴趣区域内的灰度阈值,并根据此阈值计算感兴趣区域内的二值化图像,并以步骤8所得到的二值化图像为模板,去除非肺叶部分,得到肺叶二值化图像。如图9
步骤10:计算心胸比:定位左侧肺叶心隔角:找出左侧肺叶靠近心脏一侧边缘的所有凸包点,如图10所示P0,P1,P2…点。凸包点是逆时针的顺序,且出发点在肺底,凸包点横坐标大于肺叶重心横坐标的第一个凸包点即为心隔角位置(px,py),即图10中的P1点,记下此凸包点。由心隔角向上从中间分界线medx出发分别向左右寻找左右心脏的最大横截径T1,T2;过(px,py)点向两侧肺叶外缘延伸,相交于两点(lx,py),(rx,py),连接两点的线段即为胸廓横径T,心胸比R=(T1+T2)/(T);详见图11。
本实施例中的方案的关键点是图像分割前的图像预处理,此预处理技术通过前后两次不同高斯误差参数的选择,得到不同的骨架图像,参考步骤1和步骤4。在构造合理滤波函数的基础上,再构造适合肋骨宽度的结构算子进行顶帽操作,最后对顶帽操作后的图像进行一次阈值化处理,得到肺叶初步二值化图像,通过调整滤波函数的误差参数,得到胸廓外缘骨架图像,对外缘骨架和肺叶间的空隙进行填充,得到肺叶二值化图像,将此二值化图像所在矩形区域作为感兴趣区域,重新计算此感兴趣区域的灰度阈值,从而得到最终的肺叶二值化图像。本实施例通过图像处理的方法,在医生阅片的同时自动计算出心胸比率,给出准确的定位点,并将结果保存在图像四角信息中,方便医生随时调阅查看,加快了医生的看病速度,减少了大量病人等候的时间。
以上所述,仅为本发明创造较佳的具体实施方式,但本发明创造的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内,根据本发明创造的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明创造的保护范围之内。
Claims (4)
1.一种胸部数字影像的心胸比测量方法,其特征在于:包括如下步骤:
步骤1:对加载的胸部影像进行下采样和高斯滤波,得到预处理图像;
步骤2:对预处理图像做顶帽操作,取顶帽图像操作后的图像非0的部分,得到胸部骨架图像,并对胸部骨架进行填充,填充后的区域作为感兴趣区域;
步骤3:选择胸部骨架包含的感兴趣区域,计算预处理灰度图像在此感兴趣区域内的灰度阈值,由此阈值得到肺叶二值化图像,形态学操作去除非肺叶对象;
步骤4:找出胸廓骨架,高斯滤波,将滤波图像宽高扩大若干个像素,进行顶帽操作,取顶帽操作后的图像大于0的部分,得到另一胸廓骨架图像,且该所述高斯滤波与步骤1中的高斯滤波的滤波函数参数不同,对骨架进行标记,根据标记骨架数申请累加器数量;
步骤5:对步骤3中所述肺叶二值化图像进行标记,计算左右两片肺叶各自的重心,根据两片肺叶的重心坐标找出两片肺叶的中间分割线,对于重心位于肺叶分割线左侧的肺叶,从肺叶的左侧边界出发寻找步骤4中胸廓骨架图像的第一个骨架点,记录下此骨架点对应的骨架标记,相应骨架的累加器加1,从左肺尖开始向下依此方法逐行扫描,遇到标记相同的骨架,对应的骨架累加器加1,最后选择累加器结果最大的标记骨架作为胸廓左侧外缘;对于重心位于肺叶分割线右侧的肺叶,从肺叶的右侧边界出发寻找步骤4中第一个骨架点,记录下此骨架点对应的骨架标记,相应骨架的累加器加1,从右侧肺尖开始向下依此方法逐行扫描,遇到标记相同的骨架,对应的骨架累加器加1,最后选择累加器结果最大的标记骨架作为胸廓右侧外缘;
步骤6:补充肺叶的肺尖、肺底、肺叶外缘;对于左侧肺叶,从肺尖开始沿左侧边界向左出发,填充肺叶边界与左胸廓外缘之间的空隙,依此方法填充到肺底;对于右侧肺叶,从肺尖开始沿右侧边界向右出发,填充肺叶与右侧胸廓外缘之间的空隙,依此方法填充到肺底;
步骤7:肺底丢失处理:当肺叶最底行内侧边缘点距同侧胸廓外缘内侧距离大于5个像素时:对左侧肺叶,从肺叶最底行开始,自肺叶中间分割线向左扫描到胸廓骨架外缘内侧,保存各像素点图像灰度,计算其灰度一阶梯度,找出一阶梯度过零点,换算到图像对应点,填充此点到胸廓骨架外缘之间的空隙;计算此点和胸廓骨架外缘内侧的距离,若该距离小于5个像素,则肺底补充完毕,否则依此方法向下扫描50行止;对右侧肺叶,从肺叶最底行开始,自肺叶中间分割线向右扫描到胸廓骨架外缘内侧,保存各像素点图像灰度,计算其灰度一阶梯度,找出一阶梯度过零点,换算到图像对应点,填充此点到胸廓骨架外缘之间的空隙;计算此点和胸廓骨架外缘内侧的距离,若该距离小于5个像素,则肺底补充完毕,否则依此方法向下扫描50行止;
步骤8:将补充完的肺叶图像减去胸廓外缘图像得到肺叶图像;
步骤9:二次二值化:将步骤8得到的肺叶所在矩形区域作为感兴趣区域,重新计算感兴趣区域内的灰度阈值,并根据此阈值计算感兴趣区域内的二值化图像,并以步骤8所得到的二值化图像为模板,去除非肺叶部分,得到肺叶二值化图像;
步骤10:计算心胸比:
定位左侧肺叶心隔角:找出左侧肺叶靠近心脏一侧边缘的所有凸包点,凸包点是逆时针的顺序,且出发点在肺底,凸包点横坐标大于肺叶重心横坐标的第一个凸包点为心隔角位置点(px,py),记下此凸包点;
由心隔角向上从中间分界线出发分别向左右寻找左右心脏的最大横截径T1,T2;过(px,py)点向两侧肺叶外缘延伸,相交于两点(lx,py),(rx,py),连接两点的线段为胸廓横径T,心胸比R=(T1+T2)/(T)。
2.如权利要求1所述的胸部数字影像的心胸比测量方法,其特征在于:步骤1中的滤波函数参数中的sigma选择1,步骤4中的高斯平滑参数sigma选取2。
3.如权利要求1所述的胸部数字影像的心胸比测量方法,其特征在于:步骤1中的顶帽操作结构元素大小选择9,步骤4中的滤波图像宽高各扩大10个像素,顶帽操作结构元素大小选择9。
4.如权利要求1所述的胸部数字影像的心胸比测量方法,其特征在于:所述胸廓骨架图像包含锁骨、脊椎骨、肋骨、胸廓外缘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710248812.1A CN106991697B (zh) | 2017-04-17 | 2017-04-17 | 胸部数字影像的心胸比测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710248812.1A CN106991697B (zh) | 2017-04-17 | 2017-04-17 | 胸部数字影像的心胸比测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106991697A CN106991697A (zh) | 2017-07-28 |
CN106991697B true CN106991697B (zh) | 2019-08-06 |
Family
ID=59415743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710248812.1A Active CN106991697B (zh) | 2017-04-17 | 2017-04-17 | 胸部数字影像的心胸比测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106991697B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191523B (zh) * | 2018-08-23 | 2021-11-09 | 南方医科大学南方医院 | 一种用于识别胸部x线平片中心脏方位的方法和装置 |
CN109598730B (zh) * | 2018-12-03 | 2019-12-20 | 鄂珑江 | 胸片分割及处理方法、系统及电子设备 |
CN109801276B (zh) * | 2019-01-14 | 2023-05-19 | 沈阳联氪云影科技有限公司 | 一种计算心胸比的方法及装置 |
CN110610487A (zh) * | 2019-08-29 | 2019-12-24 | 上海杏脉信息科技有限公司 | 一种测量心影增大的方法与装置 |
CN110827345B (zh) * | 2019-10-31 | 2020-12-11 | 推想医疗科技股份有限公司 | 心胸比确定方法、装置、设备、存储介质及计算机设备 |
CN113450399B (zh) * | 2021-05-28 | 2022-02-25 | 北京医准智能科技有限公司 | 一种正位胸片心胸比测量方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1879553A (zh) * | 2005-06-15 | 2006-12-20 | 佳能株式会社 | 检测心脏、胸廓和横隔膜边界的方法、装置和存储介质 |
CN104732520A (zh) * | 2015-01-31 | 2015-06-24 | 西安华海盈泰医疗信息技术有限公司 | 一种胸部数字影像的心胸比测量算法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4138371B2 (ja) * | 2002-06-06 | 2008-08-27 | 富士フイルム株式会社 | 解剖学的特徴位置検出装置並びに記録媒体および被写体構造計測装置並びに記録媒体 |
-
2017
- 2017-04-17 CN CN201710248812.1A patent/CN106991697B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1879553A (zh) * | 2005-06-15 | 2006-12-20 | 佳能株式会社 | 检测心脏、胸廓和横隔膜边界的方法、装置和存储介质 |
CN104732520A (zh) * | 2015-01-31 | 2015-06-24 | 西安华海盈泰医疗信息技术有限公司 | 一种胸部数字影像的心胸比测量算法及系统 |
Non-Patent Citations (4)
Title |
---|
"Automatic evaluation of cardiac hypertrophy using cardiothoracic area ratio in chest radiograph images";Muhammad A. Hasana et al;《Computer Methods and Programs in Biomedicine》;20120229;第105卷(第2期);95-108 |
"一种X光胸片心胸比率自动计算方法";刘炎 等;《中国生物医学工程学报》;20090228;第28卷(第1期);149-152 |
"心胸比率的计算机辅助测量和判断";武杰 等;《中国医学物理学杂志》;20121130;第29卷(第6期);3777-3780 |
"心胸比率的计算机辅助测量计算方法";杨本强 等;《中华放射学杂志》;20090831;第43卷(第8期);892-893 |
Also Published As
Publication number | Publication date |
---|---|
CN106991697A (zh) | 2017-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106991697B (zh) | 胸部数字影像的心胸比测量方法 | |
US7822246B2 (en) | Method, a system and a computer program for integration of medical diagnostic information and a geometric model of a movable body | |
CN106296638A (zh) | 显著性信息取得装置以及显著性信息取得方法 | |
JP2018530401A5 (zh) | ||
US20070211944A1 (en) | Apparatus for detecting feature point and method of detecting feature point | |
CN109300113A (zh) | 一种基于改进凸包方法的肺结节辅助检测系统及方法 | |
Ciofolo et al. | Automatic myocardium segmentation in late-enhancement MRI | |
CN103177451A (zh) | 基于图像边缘的自适应窗口和权重的立体匹配算法 | |
CN110570435A (zh) | 用于对车辆损伤图像进行损伤分割的方法及装置 | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN111583385A (zh) | 一种可变形数字人解剖学模型的个性化变形方法及系统 | |
CN112991365B (zh) | 一种冠状动脉分割方法、系统及存储介质 | |
US8315451B2 (en) | Method for segmentation of an MRI image of a tissue in presence of partial volume effects and computer program implementing the method | |
CN109658523A (zh) | 利用ar增强现实应用实现车辆各功能使用说明的方法 | |
CN108924434A (zh) | 一种基于曝光变换的立体高动态范围图像合成方法 | |
CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
CN113989178A (zh) | 基于自监督学习的cta图像血管分割与平扫图像预测 | |
CN112017148A (zh) | 一种单节骨骼轮廓的提取方法及装置 | |
CN111369662A (zh) | Ct图像中血管的三维模型重建方法及系统 | |
CN114972335A (zh) | 一种用于工业检测的图像分类方法、装置及计算机设备 | |
CN108717699A (zh) | 一种基于连续最小割的超声波图像分割方法 | |
Khoddami et al. | Depth map super resolution using structure-preserving guided filtering | |
CN112749713A (zh) | 一种基于人工智能的大数据图像识别系统及方法 | |
Cancela et al. | Automatic object detection using shape information in ultrasound images | |
Schaerer et al. | Simultaneous segmentation of the left and right heart ventricles in 3D cine MR images of small animals |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Method for Measuring Cardiothoracic Ratio in Digital Chest Imaging Effective date of registration: 20230518 Granted publication date: 20190806 Pledgee: Dalian Lvshunkou Mengyin Village Bank Co.,Ltd. Tieshan Branch Pledgor: SENYINT INTERNATIONAL DIGITAL MEDICAL SYSTEM (DALIAN) Co.,Ltd. Registration number: Y2023980041127 |