CN107818819B - 线形植入物识别方法及装置、存储介质 - Google Patents

线形植入物识别方法及装置、存储介质 Download PDF

Info

Publication number
CN107818819B
CN107818819B CN201711045895.0A CN201711045895A CN107818819B CN 107818819 B CN107818819 B CN 107818819B CN 201711045895 A CN201711045895 A CN 201711045895A CN 107818819 B CN107818819 B CN 107818819B
Authority
CN
China
Prior art keywords
implant
length
linear
image
projection
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
Application number
CN201711045895.0A
Other languages
English (en)
Other versions
CN107818819A (zh
Inventor
杨乐
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare 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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201711045895.0A priority Critical patent/CN107818819B/zh
Publication of CN107818819A publication Critical patent/CN107818819A/zh
Application granted granted Critical
Publication of CN107818819B publication Critical patent/CN107818819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30068—Mammography; Breast

Abstract

本发明涉及一种线形植入物识别方法。该方法包括：获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度；以所述第一投影长度和第二投影长度为直角三角形的直角边计算斜边长度；基于所述植入物的面积和所述斜边长度识别所述植入物是否为线形植入物。本发明还涉及线形植入物识别装置和存储介质。上述方法和装置及存储介质，以第一投影长度和第二投影长度为一直角三角形的直角边计算斜边长度。植入物的面积为确定值。由面积和上述斜边长度即可模拟出植入物的宽度。由此便可判断出该植入物是否是线形植入物。这样，可以既准确又快速地识别图像中的植入物是否是线形植入物。

Description

线形植入物识别方法及装置、存储介质
技术领域
本发明涉及图像识别技术领域，特别涉及一种线形植入物识别方法及装置、存储介质。
背景技术
在乳腺穿刺检查研究中，乳腺图像中可能会出现穿刺针或穿刺导丝，如果在乳腺图像中存在穿刺针或穿刺导丝，那么会对乳腺图像的后处理有所影响。因此，在乳腺图像的后处理中，需要排除穿刺针或穿刺导丝对乳房图像带来的影响，以使得对检查结果的分析准确。因此，如何从乳腺图像中准确识别是否存在穿刺针或者穿刺导丝等具有线性特征的植入物成为了迫切需要解决的问题。
发明内容
基于此，有必要针对如何从乳腺图像中准确识别是否存在具有线性特征的植入物的问题，提供一种线形植入物识别方法及装置、存储介质。
一种线形植入物识别方法，包括：
获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度；
以所述第一投影长度和第二投影长度为直角三角形的直角边计算斜边长度；
基于所述植入物的面积和所述斜边长度识别所述植入物是否为线形植入物。
在其中一个实施例中，所述基于所述植入物的面积和所述斜边长度识别所述植入物是否为线形植入物的步骤包括：
计算所述植入物的面积与所述斜边长度的比值以获得第一宽度；
基于所述斜边长度与所述第一宽度之间的比例关系识别所述植入物是否为线形植入物。
在其中一个实施例中，所述基于所述斜边长度与所述第一宽度之间的比例关系识别所述植入物是否为线形植入物的步骤包括：
计算所述斜边长度与所述第一宽度的比值；
若所述比值大于等于预设阈值，则所述植入物为线形植入物。
在其中一个实施例中，所述方法还包括：在图像中检测出植入物后并二值化以获得第一图像；
所述获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度的步骤包括：获取所述第一图像中植入物在第一方向上投影的像素点总和，获取所述第一图像中植入物在第二方向上投影的像素点总和；其中，所述第一方向和所述第二方向相互垂直。
在其中一个实施例中，所述植入物的面积为所述第一图像中植入物像素点总和。
一种线形植入物识别装置，包括：
获取模块，用于获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度；
计算模块，用于以所述第一投影长度和第二投影长度为直角三角形的直角边计算斜边长度；
识别模块，用于基于所述植入物的面积和所述斜边长度识别所述植入物是否为线形植入物。
在其中一个实施例中，所述识别模块还用于计算所述植入物的面积与所述斜边长度的比值以获得第一宽度；并基于所述斜边长度与所述第一宽度之间的比例关系识别所述植入物是否为线形植入物。
在其中一个实施例中，所述装置还包括检测模块，用于在图像中检测出植入物后并二值化以获得第一图像；
所述获取模块还用于获取所述第一图像中植入物在第一方向上投影的像素点总和，获取所述第一图像中植入物在第二方向上投影的像素点总和；其中，所述第一方向和所述第二方向相互垂直。
一种存储介质，其上存储有计算机程序，所述程序被处理器执行时可用于执行上述任一项所述的方法的步骤。
一种线性植入物识别装置，包括存储器和处理器；所述存储器中存储有计算机程序；所述处理器从所述存储器中调用所述计算机程序以执行上述任一项所述的方法的步骤。
上述线形植入物识别方法和装置及存储介质，以第一投影长度和第二投影长度为一直角三角形的直角边计算斜边长度。并基于植入物的面积和所述斜边长度以模拟出植入物的宽度，进而判断该植入物是否是线形植入物。该方法简单且采用该方法可以既准确又快速地识别出图像中的植入物是否是线形植入物。
附图说明
图1为具有植入物的乳房图像的示意图；
图2为具有穿刺针的乳房图像的示意图；
图3为第一实施例的线形植入物识别方法的流程示意图；
图4为第二实施例的线形植入物识别方法流程示意图；
图5为第三实施例的线形植入物识别方法的流程示意图；
图6为第四实施例的线形植入物识别方法的流程示意图；
图7为一实施例的线形植入物识别装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
一种线形植入物识别方法，用于识别图像中的植入物是否为线形植入物。所述图像可以是通过医学影像设备拍摄获得的图像。本实施例中，所述图像以通过乳房X射线摄影设备拍摄获得的乳房图像为例进行相应的说明。图1为具有植入物的乳房图像的示意图。图1中示出了乳房110和植入物120的图像。在乳房中，可能存在假体等植入物，而在对乳房进行穿刺时，乳房中还会插入穿刺针或穿刺导丝。图2为具有穿刺针的乳房图像的示意图。图2中示出了乳房610和穿刺针620的图像。本实施例中，线形植入物以乳腺穿刺检查中的穿刺针或穿刺导丝为例。即本实施例中的线形植入物识别方法，用于识别植入物是否是穿刺针或穿刺导丝，以判定图像中是否存在穿刺针或穿刺导丝。
图3为第一实施例的线形植入物识别方法的流程示意图。该线形植入物识别方法包括：
步骤S110，获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度。
具体地，获取植入物在两个不同方向(分别为第一方向和第二方向)上的投影，得到第一投影长度和在第二投影长度。仍以图1为例，所述第一方向可以为水平方向x，第二方向可以为竖直方向y。则是获取图1中所示的植入物120在水平方向的第一投影长度AB，在竖直方向的第二投影长度CD。
步骤S130，以第一投影长度和第二投影长度为一直角三角形的直角边计算斜边长度。
具体地，模拟一个直角三角形，将上述第一投影长度AB和第二投影长度CD分别假定为该直角三角形的两直角边，由勾股定理可以计算出该直角三角形的斜边值。将该斜边值近似为植入物长度。采用模拟直角三角形以近似获得植入物的长度较简单，在一定程度上可减少运算量。
步骤S150，基于植入物的面积和斜边长度识别植入物是否为线形植入物。
具体地，植入物的面积为确定值。由植入物的面积和斜边长度即可模拟出植入物的宽度，由此便可以判断出该植入物是否是线形植入物。
上述线形植入物识别方法，以第一投影长度和第二投影长度为一直角三角形的直角边计算斜边长度以近似模拟植入物的长度。由于植入物的面积为确定值，由面积和上述斜边长度即可模拟出植入物的宽度。由此便可判断出该植入物是否是线形植入物。这样，可以既准确又快速地识别图像中的植入物是否是线形植入物。
图4为第二实施例的线形植入物识别方法流程示意图。基于植入物的面积和斜边长度识别植入物是否为线形植入物的步骤，即步骤S150包括：
步骤S151，计算植入物的面积与斜边长度的比值以获得第一宽度。
具体地，将植入物模拟为近似矩形。该近似矩形具有第一边长和第二边长。斜边长度作为第一边长。植入物的面积为确定值。由面积与第一边长的比值即可确定植入物的第二边长的值，即第一宽度。本实施例中，斜边长度对近似为矩形的长度，第一宽度的值近似为矩形的宽度。
步骤S152，基于斜边长度与第一宽度之间的比例关系识别植入物是否为线形植入物。
具体地，由于线形植入物的形状特征是已知的，或者说线性植入物的长度与宽度的比例关系满足一定的阈值标准。因此由近似矩形的长度与宽度的比例关系与线形植入物的长度与宽度的比例关系相比较，即可确定植入物是否为线形植入物。
如果近似矩形的长宽比例符合线形植入物的长宽比例，则可以判定植入物为线形植入物，由此便可以将植入物识别为线形植入物。如果近似矩形的长宽比例不符合线形植入物的长宽比例，则可以判定植入物不是线形植入物。因此，基于斜边长度与第一宽度之间的比例关系，可以准确地识别植入物是否为线形植入物。
图5为第三实施例的线形植入物识别方法的流程示意图。基于斜边长度与第一宽度之间的比例关系识别植入物是否为线形植入物的步骤，即步骤S152包括：
步骤S152A，计算斜边长度与第一宽度的比值。
步骤S152B，判断斜边长度与第一宽度的比值是否大于等于预设阈值。
若比值大于或等于预设阈值，则执行步骤S152C，判断该植入物为线形植入物。
具体地，如第二实施例中，由于线形植入物的形状为已知矩形，事先根据线形植入物的特征，比如穿刺针或穿刺导丝的长度和宽度，设定长宽比的预设阈值标准。斜边长度与第一宽度的比值为近似矩形的长宽比。因此，由近似矩形的长宽比与预设阈值相比较可以确定植入物是否为线形植入物。如果长宽比大于或等于预设阈值，则植入物为线形植入物。否则植入物不是线形植入物。这样，基于斜边长度与第一宽度之间的比值和预设阈值，可以准确地识别植入物是否为线形植入物。
需要说明的是，斜边长度与第一宽度的的比例关系也不局限于长宽比，也可以是宽长比。
图6为第四实施例的线形植入物识别方法的流程示意图。如图6所示，线形植入物识别方法还包括：
步骤S100，在图像中检测出植入物后并二值化以获得第一图像。
具体地，可以通过图像检测算法，如大津法等在图像中检测出植入物，并进行二值化以获得第一图像。二值图像是指图像中的像素只有两个取值。也即二值图像中的各像素的值只能为0或者1。二值图像中，植入物的图像的像素值都为1，植入物以外的图像的像素值都为0。本实施例中，步骤S100可以在步骤S110之前。这样，依据植入物的像素点个数能够更准确地计算植入物的面积及植入物在第一方向和第二方向上的投影长度，以保证线形植入物的识别准确。
获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度的步骤，即步骤S110包括：
步骤S111，获取第一图像中植入物在第一方向上投影的像素点总和，获取第一图像中植入物在第二方向上投影的像素点总和。
具体地，第一方向和第二方向相互垂直。二值图像是二维图像。上述二值化图像所在的直角坐标系是确定的，因此可以将该直角坐标系的两个坐标轴分别作为第一方向和第二方向，如第一方向可以为水平方向，第二方向可以为竖直方向。然后，将植入物在两个坐标轴上分别进行投影，得到植入物在两个坐标轴上的投影的像素点总数，分别为第一投影像素点总数和第二投影像素点总数。然后以第一投影像素点总数和第二投影像素点总数分别作为第一投影长度和第二投影长度计算直角三角形的斜边长度。
本实施例中，植入物的面积为第一图像中植入物像素点总和。因此，以植入物的面积和斜边长度计算得到的第一宽度也为像素点个数。本实施例中，再计算斜边长度与第一宽度的比值，即长宽比。比较该长宽比与预设阈值之间的关系，判断该比值是否大于等于所述预设阈值，即可判断植入物是否是线形植入物。比如，所述预设阈值可以为50～80个像素点范围内的任意一个值，以预设阈值为60为例，则是比较长宽比是否大于等于60，若长宽比大于等于60，则可判断出植入物是线形植入物。若长宽比小于60，则植入物不是线形植入物。
需要说明的是，在其它实施例中，斜边长度与第一宽度之间的比例关系不局限于上述的长宽比，也可以是第一宽度与斜边长度的比值，即宽长比。相应地，预设阈值为60的倒数。此时，若宽长比小于或等于60的倒数，则可判断出植入物是线形植入物。若宽长比大于60的倒数，则植入物不是线形植入物。另外，上述面积、第一投影长度、第二投影长度、斜边长度、第一宽度分别可以为具体的尺寸量纲，也可以为能够反映尺寸量纲的量，只要能够反映尺寸大小的量即可。
一种存储介质，其上存储有计算机程序，程序被处理器执行时可用于执行上述任一项的方法的步骤。
一种线形植入物识别装置，包括存储器和处理器；存储器中存储有计算机程序；处理器从存储器中调用计算机程序以执行上述任一项线形植入物识别方法的步骤。
图7为一实施例的线形植入物识别装置的结构框图。一种线形植入物识别装置，包括：
获取模块110，用于获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度；
计算模块130，用于以第一投影长度和第二投影长度为直角三角形的直角边计算斜边长度；
识别模块150，用于基于植入物的面积和斜边长度识别植入物是否为线形植入物。
上述线形植入物识别装置，以第一投影长度和第二投影长度为一直角三角形的直角边计算斜边长度。并基于植入物的面积和所述斜边长度以模拟出植入物的宽度，进而判断该植入物是否是线形植入物。该方法简单且采用该方法可以既准确又快速地识别出图像中的植入物是否是线形植入物。
一实施例中，识别模块150还用于计算植入物的面积与斜边长度的比值以获得第一宽度；并基于斜边长度与第一宽度之间的比例关系识别植入物是否为线形植入物。
一实施例中，线形植入物识别装置还包括检测模块，用于在图像中检测出植入物后并二值化以获得第一图像；
获取模块110还用于获取第一图像中植入物在第一方向上投影的像素点总和，获取第一图像中植入物在第二方向上投影的像素点总和；其中，第一方向和第二方向相互垂直。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于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。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种线形植入物识别方法，其特征在于，所述方法包括：
获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度；
以所述第一投影长度和第二投影长度为直角三角形的直角边计算斜边长度；
基于所述植入物的面积和所述斜边长度识别所述植入物是否为线形植入物；
所述基于所述植入物的面积和所述斜边长度识别所述植入物是否为线形植入物的步骤包括：
计算所述植入物的面积与所述斜边长度的比值以获得第一宽度；
基于所述斜边长度与所述第一宽度之间的比例关系识别所述植入物是否为线形植入物。
2.根据权利要求1所述的方法，其特征在于，所述基于所述斜边长度与所述第一宽度之间的比例关系识别所述植入物是否为线形植入物的步骤包括：
计算所述斜边长度与所述第一宽度的比值；
若所述比值大于等于预设阈值，则所述植入物为线形植入物。
3.根据权利要求1所述的方法，其特征在于，还包括：在图像中检测出植入物后并二值化以获得第一图像；
所述获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度的步骤包括：获取所述第一图像中植入物在第一方向上投影的像素点总和，获取所述第一图像中植入物在第二方向上投影的像素点总和；其中，所述第一方向和所述第二方向相互垂直。
4.根据权利要求3所述的方法，其特征在于，所述植入物的面积为所述第一图像中植入物像素点总和。
5.一种线形植入物识别装置，其特征在于，包括：
获取模块，用于获取植入物在第一方向上的第一投影长度和在第二方向上的第二投影长度；
计算模块，用于以所述第一投影长度和第二投影长度为直角三角形的直角边计算斜边长度；
识别模块，用于基于所述植入物的面积和所述斜边长度识别所述植入物是否为线形植入物；所述识别模块还用于计算所述植入物的面积与所述斜边长度的比值以获得第一宽度；并基于所述斜边长度与所述第一宽度之间的比例关系识别所述植入物是否为线形植入物。
6.根据权利要求5所述的装置，其特征在于，还包括检测模块，用于在图像中检测出植入物后并二值化以获得第一图像；
所述获取模块还用于获取所述第一图像中植入物在第一方向上投影的像素点总和，获取所述第一图像中植入物在第二方向上投影的像素点总和；其中，所述第一方向和所述第二方向相互垂直。
7.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时可用于执行如权利要求1～4任一项所述的方法的步骤。
8.一种线性植入物识别装置，包括存储器和处理器；所述存储器中存储有计算机程序；其特征在于，所述处理器从所述存储器中调用所述计算机程序以执行如权利要求1～4任一项所述的方法的步骤。
CN201711045895.0A 2017-10-31 2017-10-31 线形植入物识别方法及装置、存储介质 Active CN107818819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711045895.0A CN107818819B (zh) 2017-10-31 2017-10-31 线形植入物识别方法及装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711045895.0A CN107818819B (zh) 2017-10-31 2017-10-31 线形植入物识别方法及装置、存储介质

Publications (2)

Publication Number Publication Date
CN107818819A CN107818819A (zh) 2018-03-20
CN107818819B true CN107818819B (zh) 2021-05-18

Family

ID=61604015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711045895.0A Active CN107818819B (zh) 2017-10-31 2017-10-31 线形植入物识别方法及装置、存储介质

Country Status (1)

Country Link
CN (1) CN107818819B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108392170A (zh) * 2018-02-09 2018-08-14 中北大学 一种用于验光仪的人眼追踪装置及识别定位方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003076994A (ja) * 2001-09-03 2003-03-14 Mitsubishi Heavy Ind Ltd ３次元画像による形状識別方法、形状識別システム、及びそのプログラム
CN101093546A (zh) * 2007-07-11 2007-12-26 苏州大学 一种数字图像轮廓形态的识别方法
US20100127074A1 (en) * 2003-02-18 2010-05-27 Mark Andrus Flood Method and equipment configured for verifying presence of a medical implant within a patient
CN103914697A (zh) * 2012-12-29 2014-07-09 上海联影医疗科技有限公司 一种乳房三维图像感兴趣区域的提取方法
CN105555195A (zh) * 2013-08-16 2016-05-04 哈特弗罗公司 用于从患者特定的解剖数据识别个性化的血管植入物的系统和方法
CN105931225A (zh) * 2016-04-14 2016-09-07 大连理工大学 一种基于实时图像检测技术分析晶体生长形状和尺寸分布的方法
CN106821468A (zh) * 2017-03-23 2017-06-13 王燕青 一种留置针在穿刺静脉血管中的自动定位方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003076994A (ja) * 2001-09-03 2003-03-14 Mitsubishi Heavy Ind Ltd ３次元画像による形状識別方法、形状識別システム、及びそのプログラム
US20100127074A1 (en) * 2003-02-18 2010-05-27 Mark Andrus Flood Method and equipment configured for verifying presence of a medical implant within a patient
CN101093546A (zh) * 2007-07-11 2007-12-26 苏州大学 一种数字图像轮廓形态的识别方法
CN103914697A (zh) * 2012-12-29 2014-07-09 上海联影医疗科技有限公司 一种乳房三维图像感兴趣区域的提取方法
CN105555195A (zh) * 2013-08-16 2016-05-04 哈特弗罗公司 用于从患者特定的解剖数据识别个性化的血管植入物的系统和方法
CN105931225A (zh) * 2016-04-14 2016-09-07 大连理工大学 一种基于实时图像检测技术分析晶体生长形状和尺寸分布的方法
CN106821468A (zh) * 2017-03-23 2017-06-13 王燕青 一种留置针在穿刺静脉血管中的自动定位方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
去金属伪影技术在骨科金属植入物术后计算机断层扫描图像中的应用;张琳等;《上海医学》;20170331(第03期);第165-168页 *
基于机器视觉的外形及状态测量;曹雷;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315(第03期);第I138-5698页 *

Also Published As

Publication number Publication date
CN107818819A (zh) 2018-03-20

Similar Documents

Publication Publication Date Title
KR102028563B1 (ko) 영상 처리를 이용한 발 사이즈 및 모양 측정 방법
US8396285B2 (en) Estimating vanishing points in images
CN107918768B (zh) 光学指纹识别方法、装置及电子设备
US10425633B2 (en) Method and system for capturing images for wound assessment with moisture detection
JP2017010337A (ja) 瞳孔検出プログラム、瞳孔検出方法、瞳孔検出装置および視線検出システム
JPWO2017158698A1 (ja) 監視装置、監視方法および監視プログラム
US20140185895A1 (en) Methods and systems for automated soft tissue segmentation, circumference estimation and plane guidance in fetal abdominal ultrasound images
Wu et al. Detection of blur artifacts in histopathological whole-slide images of endomyocardial biopsies
US9689668B2 (en) Image processing apparatus and image processing method
KR20130036514A (ko) 영상에서 물체 검출 장치 및 방법
CN107818819B (zh) 线形植入物识别方法及装置、存储介质
CN105303573A (zh) 金针类元件的引脚检测方法和系统
CN111126300A (zh) 一种人体图像检测方法、装置和电子设备及可读存储介质
CN113749646A (zh) 基于单目视觉的人体身高测量方法、装置及电子设备
CN109479118A (zh) 对象检测方法、对象检测装置以及电子设备
JP5846140B2 (ja) 情報処理装置、及びプログラム
JP2017084065A (ja) なりすまし検出装置
CN114520893A (zh) 画面投影方法、装置、投影设备及可读存储介质
CN108961292B (zh) 一种在脑部医学图像中检测msp的方法和装置
KR101725041B1 (ko) 위조 영상 검출 방법 및 그 장치
CN107862679B (zh) 图像检测区域的确定方法及装置
US20170103522A1 (en) Image processing apparatus, control method thereof, and computer-readable storage medium
Guerreiro et al. Extraction of line segments in cluttered images via multiscale edges
KR101494975B1 (ko) 3차원 자동 유방 초음파 영상의 유두 자동 검출 시스템 및 그 검출 방법
CN107437255A (zh) 图像处理装置及方法

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
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant