CN107424151A - 可读存储介质及正位胸片自动检测方法、系统、装置 - Google Patents

可读存储介质及正位胸片自动检测方法、系统、装置 Download PDF

Info

Publication number
CN107424151A
CN107424151A CN201710647140.1A CN201710647140A CN107424151A CN 107424151 A CN107424151 A CN 107424151A CN 201710647140 A CN201710647140 A CN 201710647140A CN 107424151 A CN107424151 A CN 107424151A
Authority
CN
China
Prior art keywords
gray
scale map
rabat
normotopia
normotopia rabat
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
CN201710647140.1A
Other languages
English (en)
Inventor
魏舒
刘立
吴诗展
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.)
Beijing Medical Pat Intelligent Technology Co Ltd
Original Assignee
Beijing Medical Pat Intelligent Technology Co Ltd
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 Beijing Medical Pat Intelligent Technology Co Ltd filed Critical Beijing Medical Pat Intelligent Technology Co Ltd
Priority to CN201710647140.1A priority Critical patent/CN107424151A/zh
Publication of CN107424151A publication Critical patent/CN107424151A/zh
Pending legal-status Critical Current

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • 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
    • G06T2207/20068—Projection on vertical or horizontal image axis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及正位胸片自动检测技术领域，公开了一种可读存储介质及正位胸片自动检测方法、系统、装置，方法包括：获取医学图像；调整医学图像，获得相应的灰度图；根据灰度图的灰度分布，对灰度图做自适应二值化处理，获得二值图；对二值图做垂直投影，获得对应的垂直投影图；通过自动检测模型对垂直投影图进行特征提取，并将提取的垂直投影图的特征与自动检测模型中正位胸片的特征进行匹配，筛选出正位胸片。本发明提供的正位胸片自动检测装置及方法，筛选正位胸片的正确率高、效率高，能节省筛选时间和人力的投入。

Description

可读存储介质及正位胸片自动检测方法、系统、装置
技术领域
本发明涉及正位胸片自动检测技术领域，特别是涉及一种正位胸片自动检测方法及其系统和装置，以及存储有计算机程序的可读存储介质。
背景技术
X光片等医学图像在现代医疗诊断中被广泛应用。例如X光片包括正位胸片、侧位光片、颈椎片、股骨片等。正位胸片能显示出心脏大血管的大小、形态、位置和轮廓，能观察心脏与毗邻器官的关系和肺内血管的变化，可用于心脏及其径线的测量，还可清晰地记录肺部的大体病变，如肺部炎症、肿块、结核等，用于肺结节、肺大泡等疾病诊断。因此，在疾病诊疗过程中，正位胸片起主要作用。
目前，主要通过人工在大量光片中辨别出正位胸片，数据量大，效率低下，操作人员长时间重复劳动，不可避免会出现分类错误的现象。
发明内容
(一)要解决的技术问题
本发明的目的是提供一种正位胸片自动检测方法及其系统和装置，以及存储有计算机程序的可读存储介质，以解决现有技术中筛选正位胸片效率低的缺陷。
(二)技术方案
为了解决上述技术问题，本发明提供一种正位胸片自动检测方法，包括：
获取医学图像；
调整所述医学图像，获得相应的灰度图；
根据所述灰度图的灰度分布，对所述灰度图做自适应二值化处理，获得二值图；
对所述二值图做垂直投影，获得对应的垂直投影图；
通过自动检测模型对所述垂直投影图进行特征提取，并将提取的垂直投影图的特征与自动检测模型中正位胸片的特征进行匹配，筛选出正位胸片。
优选地，在筛选出所述正位胸片后，还包括将所述正位胸片存储至预设位置处。
优选地，调整所述医学图像，获得相应的灰度图的过程包括：
选取特定的窗宽窗位，将所述医学图像转换为特定位数的灰度图；
将所述灰度图缩放到预设范围内。
优选地，在对所述灰度图做自适应二值化处理之前，还包括：
将所述灰度图进行缩放和/或旋转。
优选地，所述自动检测模型的构建方法包括：
获取医学图像样本；
调整所述医学图像样本，获得相应的灰度图像集；
对所述灰度图像集做自适应二值化处理，获得二值图集；
对所述二值图集做垂直投影，获得垂直投影图的图像数据集；
通过数据训练方法对所述图像数据集进行训练，并获得正位胸片的自动检测模型。
本发明还提供一种正位胸片自动检测系统，包括：
获取模块，用于获取医学图像；
转换模块，用于调整所述医学图像，获得相应的灰度图；
第一处理模块，用于根据所述灰度图的灰度分布，对所述灰度图做自适应二值化处理，获得二值图；
第二处理模块，用于对所述二值图做垂直投影，获得对应的垂直投影图；
匹配模块，用于通过自动检测模型对所述垂直投影图进行特征提取，并将提取的垂直投影图的特征与自动检测模型中正位胸片的特征进行匹配，筛选出正位胸片。
优选地，还包括：
选取模块，用于选取特定的窗宽窗位，将所述医学图像转换为特定位数的灰度图；
缩放模块，用于将所述医学图像缩放到预设范围内。
优选地，还包括自动检测模型构建模块，用于构建筛选正位胸片的自动检测模型；
其中，构建方法包括：
获取医学图像样本；
调整所述医学图像样本，获得相应的灰度图像集；
对所述灰度图像集做自适应二值化处理，获得二值图集；
对所述二值图集做垂直投影，获得垂直投影图的图像数据集；
通过数据训练方法对所述图像数据集进行训练，并获得正位胸片的自动检测模型。
本发明另外提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述方法的步骤。
本发明另外提供一种正位胸片自动检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
(三)有益效果
本发明提供的正位胸片自动检测方法，通过对医学图像进行调整后，获得对应的灰度图，然后通过自适应二值化法将这些灰度图转为二值图，再通过对二值图做垂直投影，得到对应的垂直投影图，最后通过自动检测模型对垂直投影图进行特征提取，并将提取的垂直投影图的特征与自动检测模型中正位胸片的特征进行匹配，筛选出正位胸片，实现正位胸片的自动筛选。本发明提供的正位胸片自动检测方法，筛选正位胸片的正确率高、效率高，节省筛选时间的同时，减少了人力资源的投入。
附图说明
图1为本发明实施例提供的正位胸片自动检测方法流程图；
图2为本发明实施例提供的正位胸片自动检测系统示意图；
图3为本发明实施例提供的正位胸片原图；
图4为图3中正位胸片的二值图；
图5为图4中二值图的垂直投影图；
图6为本发明实施例提供的颈部X光片原图；
图7为图6中颈部X光片的二值图；
图8为图7中二值图的垂直投影图；
图9为本发明实施例提供的侧位胸片原图；
图10为图9中侧位胸片的二值图；
图11为图10中二值图的垂直投影图；
图中，1、正位胸片自动检测系统；101、获取模块；102、转换模块；103、第一处理模块；104、第二处理模块；105、匹配模块。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实例用于说明本发明，但不用来限制本发明的范围。
图1为本发明实施例提供的正位胸片自动检测方法流程图；图2为本发明实施例提供的正位胸片自动检测系统示意图；图3-图11为本发明实施例给出的X光原片及其对应的转化图，其中，图3为本发明实施例提供的正位胸片原图；图4为图3中正位胸片的二值图；图5为图4中二值图的垂直投影图；图6为本发明实施例提供的颈部X光片原图；图7为图6中颈部X光片的二值图；图8为图7中二值图的垂直投影图；图9为本发明实施例提供的侧位胸片原图；图10为图9中侧位胸片的二值图；图11为图10中二值图的垂直投影图。
如图1中所示，本发明实施例还提供一种正位胸片自动检测方法，包括：
T1、获取医学图像。首先需要将待筛选的医学图像输入至自动检测系统中，输入的医学图像如图3、图6、图9所示。
T2、调整医学图像，获得相应的灰度图。
具体地，本实施中的方案需要特定位数的灰度图，方便显示与后续的特征提取，例如最终需要的是8位的灰度图，当然灰度图的位数根据需要来确定。初始获取的医学图像的灰度范围并不适合后续处理，因此在处理前，需对图像进行调整。例如将原光片提取合适的灰度范围，位数在12～16位，然后将其调整到8位显示，获得相应的灰度图。
T3、根据灰度图的灰度分布，对灰度图做自适应二值化处理，获得二值图。
在图像处理中常采用二值化操作，例如采用OTSU二值化算法(最大间类方差法或大津法)，它是由日本学者大津提出的，是一种自适应阈值的确定方法。大津法按照图像的灰度特性，将图像分成背景和目标两部分。背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。OTSU二值化算法为现有技术，在此不再赘述。
附图中，图4为图3对应的二值图，图7为图6对应的二值图，图10为图9对应的二值图。
T4、对二值图做垂直投影，获得对应的垂直投影图。对二值图做垂直投影，是指对二值化后的图像中的白色像素个数进行垂直方向(y方向)上的统计，得到的医学图像对应的曲线各有特点。由于胸部位置白色像素较少，其他位置白色像素丰富，如图4所示，因此获得的正位胸片的垂直投影图有三个峰值，如图5中所示。而其他光片的垂直投影图形态各异，如图8和图11所示。垂直投影图中，采用的为64×64的比例，其对应的二值图中采用的是512×512的比例，因此附图中二值图与垂直投影图的坐标不一致，因对其进行了一定比例的转换。
附图中，图5为图4对应的投影图，图8为图7对应的投影图，图11为图10对应的投影图。
T5、通过自动检测模型对垂直投影图进行特征提取，并将提取的垂直投影图的特征与自动检测模型中正位胸片的特征进行匹配，筛选出正位胸片。通过将T4中获得的垂直投影图与自动检测模型进行特征对比，符合模型的会被筛选出来，即我们需要的正位胸片。
具体地，自动检测模型是在开始检测前预先建立好的。优选地，自动检测模型的构建方法包括：
S1、获取医学图像样本。医学图像样本来自医院大量的已有医学图像。
S2、调整医学图像样本，获得相应的灰度图像集。其中，调整方法与T2中所述方法相同。
S3、对灰度图像集做自适应二值化处理，获得二值图集。其中，将灰度图像集转换为二值图集的方法同T2中方法相同。
S4、对二值图集做垂直投影，获得垂直投影图的图像数据集。此时，会获得大量的垂直投影图，而这些垂直投影图中包含的图像数据即可为后续处理提供数据基础。
S5、通过数据训练方法对获得的图像数据集进行训练，并获得正位胸片的自动检测模型。
具体地，数据训练方法可采用SVM(Support Vector Machine，支持向量机)训练法，或神经网络训练法等。在机器学习领域，SVM是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。本发明实施例中，优选地。数据训练方法采用SVM训练法。
本发明提供的正位胸片自动检测方法，通过对医学图像进行调整后，获得对应的灰度图，然后通过自适应二值化法将这些灰度图转为二值图，再通过对二值图做垂直投影，得到对应的垂直投影图，最后通过自动检测模型对垂直投影图进行特征提取，并将提取的垂直投影图的特征与自动检测模型中正位胸片的特征进行匹配，筛选出正位胸片，实现正位胸片的自动筛选。本发明提供的正位胸片自动检测方法，筛选正位胸片的正确率高、效率高，节省筛选时间的同时，减少了人力资源的投入。
进一步地，在筛选出正位胸片后，还包括将正位胸片存储至预设位置处。在进行检测前，预先分别设置好正位胸片和其他医学图像的存储路径，当检测装置获得检测结果后，即可将筛选出的正位胸片存入预设的路径中，将其他非正位胸片的医学图像存入预设的其他路径中，方便用户直接调取检测结果。
优选地，在调整医学图像的灰度之前，还包括选取特定的窗宽窗位，将医学图像转换为特定位数的灰度图，然后将灰度图缩放到预设范围内，方便查看。转换后的灰度图并不一定适合查看，因此需要进行缩放，如缩放到128×128。窗宽是CT/DR图像上显示的CT(Computed Tomography，电子计算机断层扫描)值，或DR(Digital Radiography，直接数字平板X线成像系统)值，在此CT/DR值范围内组织和病变均以不同的模拟灰度显示，而CT/DR值高于此范围的组织和病变，无论是高于多少，都均为白影显示，不再有灰度差异，反之，低于此范围的组织，不论是低于多少，均为黑影显示，也无灰度差异。增大窗宽，则图像所示CT/DR值范围加大，显示具有不同密度的组织结构增多，但各结构这间的灰度别减少；减少窗宽，则显示组织结构减少，而各结构这间的灰度别增加。窗位是窗的中心位置。选取特定的窗宽窗位，方便对图像进行观察，该窗宽窗位依据仪器的显示需要来调整。
优选地，在对灰度图做自适应二值化处理之前，还包括：将灰度图进行缩放和/或旋转。对灰度图像进行缩放和/旋转，是为了满足图像一定程度的变形，以提高预测的准确度。
如图2所示，本发明实施例提供一种正位胸片自动检测系统1，包括：
获取模块101，用于获取输入的医学图像。输入的图像可能包含多种X光片，如输入的图像包括多张类似图3中的正位胸片，多张类似图6中的颈部X光片，多张类似图9中的侧位光片，以供正位胸片自动检测装置进行检测，当然还可能包含身体其他部位的X光片。
转换模块102，用于调整医学图像，获得相应的灰度图。初始输入的医学图像为X光片或其他类型医学图像的原片，尺寸、灰度分布等均不便于后续的特征提取，需要对其进行处理。
其中，图像处理的过程如上述方法中所述，在此不再赘述。
第一处理模块103，用于根据灰度图的灰度分布，对灰度图做自适应二值化处理，获得二值图。
第二处理模块104，用于对上述获得的二值图做垂直投影，获得对应的垂直投影图。
匹配模块105，用于通过自动检测模型对垂直投影图进行特征提取，并将提取的垂直投影图的特征与自动检测模型中正位胸片的特征进行匹配，筛选出正位胸片。自动检测模型的建立如上述方法实施例中所述，在此不再赘述。
优选地，正位胸片自动检测系统还包括选取模块和缩放模块。选取模块，用于选取特定的窗宽窗位将缩放后的医学图像进行显示，并将医学图像转换为特定位数的灰度图。缩放模块用于将灰度图缩放到预设范围内，如缩放至128×128。
优选地，正位胸片自动检测系统还包括调整模块，用于将获得的灰度图像进行缩放和/或旋转。对灰度图像进行缩放和/旋转，是为了满足图像一定程度的变形，以提高预测的准确度。
正位胸片自动检测系统的核心部件是带有自动检测模型的存储部件，优选地，系统还包括自动检测模型构建模块，用于构建筛选正位胸片的自动检测模型。构建方法如T5中所述，在此不再赘述。
进一步地，正位胸片自动检测系统还包括用于存储被筛选出的正位胸片的存储模块。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述正位胸片自动检测方法的各个步骤。
本发明实施例还提供一种正位胸片自动检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现如上所述正位胸片自动检测方法的步骤。
需要说明的是，由于计算机刻度存储介质和正位胸片自动检测装置均能实现正位胸片自动检测方法的各个步骤，因此二者均具有上述方法中的叙述的有益效果，在此不再赘述。
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、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种正位胸片自动检测方法，其特征在于，包括：
获取医学图像；
调整所述医学图像，获得相应的灰度图；
根据所述灰度图的灰度分布，对所述灰度图做自适应二值化处理，获得二值图；
对所述二值图做垂直投影，获得对应的垂直投影图；
通过自动检测模型对所述垂直投影图进行特征提取，并将提取的垂直投影图的特征与自动检测模型中正位胸片的特征进行匹配，筛选出正位胸片。
2.如权利要求1所述的正位胸片自动检测方法，其特征在于，在筛选出所述正位胸片后，还包括将所述正位胸片存储至预设位置处。
3.如权利要求1所述的正位胸片自动检测方法，其特征在于，调整所述医学图像，获得相应的灰度图的过程包括：
选取特定的窗宽窗位，将所述医学图像转换为特定位数的灰度图；
将所述灰度图缩放到预设范围内。
4.如权利要求1所述的正位胸片自动检测方法，其特征在于，在对所述灰度图做自适应二值化处理之前，还包括：
将所述灰度图进行缩放和/或旋转。
5.如权利要求1所述的正位胸片自动检测方法，其特征在于，所述自动检测模型的构建方法包括：
获取医学图像样本；
调整所述医学图像样本，获得相应的灰度图像集；
对所述灰度图像集做自适应二值化处理，获得二值图集；
对所述二值图集做垂直投影，获得垂直投影图的图像数据集；
通过数据训练方法对所述图像数据集进行训练，并获得正位胸片的自动检测模型。
6.一种正位胸片自动检测系统，其特征在于，包括：
获取模块，用于获取医学图像；
转换模块，用于调整所述医学图像，获得相应的灰度图；
第一处理模块，用于根据所述灰度图的灰度分布，对所述灰度图做自适应二值化处理，获得二值图；
第二处理模块，用于对所述二值图做垂直投影，获得对应的垂直投影图；
匹配模块，用于通过自动检测模型对所述垂直投影图进行特征提取，并将提取的垂直投影图的特征与自动检测模型中正位胸片的特征进行匹配，筛选出正位胸片。
7.如权利要求6所述的正位胸片自动检测系统，其特征在于，还包括：
选取模块，用于选取特定的窗宽窗位，将所述医学图像转换为特定位数的灰度图；
缩放模块，用于将所述灰度图缩放到预设范围内。
8.如权利要求6所述的正位胸片自动检测系统，其特征在于，还包括自动检测模型构建模块，用于构建筛选正位胸片的自动检测模型；
其中，构建方法包括：
获取医学图像样本；
调整所述医学图像样本，获得相应的灰度图像集；
对所述灰度图像集做自适应二值化处理，获得二值图集；
对所述二值图集做垂直投影，获得垂直投影图的图像数据集；
通过数据训练方法对所述图像数据集进行训练，并获得正位胸片的自动检测模型。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
10.一种正位胸片自动检测装置，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
CN201710647140.1A 2017-08-01 2017-08-01 可读存储介质及正位胸片自动检测方法、系统、装置 Pending CN107424151A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710647140.1A CN107424151A (zh) 2017-08-01 2017-08-01 可读存储介质及正位胸片自动检测方法、系统、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710647140.1A CN107424151A (zh) 2017-08-01 2017-08-01 可读存储介质及正位胸片自动检测方法、系统、装置

Publications (1)

Publication Number Publication Date
CN107424151A true CN107424151A (zh) 2017-12-01

Family

ID=60436429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710647140.1A Pending CN107424151A (zh) 2017-08-01 2017-08-01 可读存储介质及正位胸片自动检测方法、系统、装置

Country Status (1)

Country Link
CN (1) CN107424151A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108985296A (zh) * 2018-08-01 2018-12-11 上海联影医疗科技有限公司 尺检测方法、系统及计算机可读存储介质
US11763424B2 (en) 2018-06-04 2023-09-19 Shanghai United Imaging Healthcare Co., Ltd. Devices, systems, and methods for image stitching

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727666A (zh) * 2008-11-03 2010-06-09 深圳迈瑞生物医疗电子股份有限公司 图像分割方法及装置、图像倒置判断及胸片前后区分方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727666A (zh) * 2008-11-03 2010-06-09 深圳迈瑞生物医疗电子股份有限公司 图像分割方法及装置、图像倒置判断及胸片前后区分方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHIYUN XUE ET AL: "Chest X-ray Image View Classification", 《2015 IEEE 28TH INTERNATIONAL SYMPOSIUM ON COMPUTER-BASED MEDICAL SYSTEMS》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11763424B2 (en) 2018-06-04 2023-09-19 Shanghai United Imaging Healthcare Co., Ltd. Devices, systems, and methods for image stitching
CN108985296A (zh) * 2018-08-01 2018-12-11 上海联影医疗科技有限公司 尺检测方法、系统及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN107330949A (zh) 一种伪影校正方法及系统
CN107886508B (zh) 差分减影方法和医学图像处理方法及系统
Cheung et al. Development of 3-D ultrasound system for assessment of adolescent idiopathic scoliosis (AIS): and system validation
CN101739674B (zh) 影像序列自动拼接方法与装置以及拼接系统
Ikhsan et al. An analysis of x-ray image enhancement methods for vertebral bone segmentation
CN110503652B (zh) 下颌智齿与邻牙及下颌管关系确定方法、装置、存储介质及终端
US20200193598A1 (en) Dynamic analysis system
CN104424385A (zh) 一种医学影像的评价方法和装置
CN110288698B (zh) 基于mri的半月板三维重建系统
CN112001979B (zh) 运动伪影处理方法、系统、可读存储介质和设备
CN113781382A (zh) 脊椎压迫性骨折检测方法与系统
US11195262B2 (en) Body region identification device and method
CN105678750B (zh) 医学图像的灰度映射曲线生成方法及装置
CN107424151A (zh) 可读存储介质及正位胸片自动检测方法、系统、装置
CN111526795B (zh) 放射线摄像装置、图像处理装置及图像确定方法
CN114732425A (zh) 一种提升dr胸片成像质量的方法及系统
US20240104705A1 (en) Systems and methods for image correction
JP2006139782A (ja) 画像を重ね合わせる方法
CN114529502A (zh) 用于进行自动化受检者解剖结构和取向识别的基于深度学习的方法和系统
CN116421207B (zh) 医用x射线成像方法及医用x射线成像装置
CN110619621A (zh) 识别图像中肋骨区域的方法、装置、电子设备和存储介质
JP2001325584A (ja) 画像の位置合わせ方法および装置
CN111513743A (zh) 一种骨折检测方法及装置
US20230076352A1 (en) Systems and methods for image processing
CN110063739A (zh) Spect和pet的图像校正方法、装置以及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171201