CN108154532B - 一种辅助评估spect图像甲状腺体积的方法 - Google Patents
一种辅助评估spect图像甲状腺体积的方法 Download PDFInfo
- Publication number
- CN108154532B CN108154532B CN201810073088.8A CN201810073088A CN108154532B CN 108154532 B CN108154532 B CN 108154532B CN 201810073088 A CN201810073088 A CN 201810073088A CN 108154532 B CN108154532 B CN 108154532B
- Authority
- CN
- China
- Prior art keywords
- thyroid
- volume
- spect
- image
- initial
- 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.)
- Expired - Fee Related
Links
- 210000001685 thyroid gland Anatomy 0.000 title claims abstract description 197
- 238000002603 single-photon emission computed tomography Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 22
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 52
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 3
- 239000003814 drug Substances 0.000 description 5
- 229940079593 drug Drugs 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 239000005495 thyroid hormone Substances 0.000 description 3
- 229940036555 thyroid hormone Drugs 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 206010020850 Hyperthyroidism Diseases 0.000 description 2
- AUYYCJSJGJYCDS-LBPRGKRZSA-N Thyrolar Chemical class IC1=CC(C[C@H](N)C(O)=O)=CC(I)=C1OC1=CC=C(O)C(I)=C1 AUYYCJSJGJYCDS-LBPRGKRZSA-N 0.000 description 2
- 238000009534 blood test Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012261 overproduction Methods 0.000 description 2
- 206010029216 Nervousness Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000762 glandular Effects 0.000 description 1
- 210000002149 gonad Anatomy 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000001260 vocal cord Anatomy 0.000 description 1
- 208000016261 weight loss Diseases 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Nuclear Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种辅助评估SPECT图像甲状腺体积的方法，包括：通过SPECT和CT分别采集甲状腺SPECT平扫图像与CT图像：通过甲状腺SPECT平扫图像估算甲状腺范围，获得甲状腺初始体积
；采用CT血管分割技术分割出甲状腺内血管，根据血管走向构建甲状腺的三维模型，计算甲状腺初始体积
；根据所述甲状腺初始体积
估算甲状腺SPECT平扫图像缺失的甲状腺体积，所述甲状腺SPECT平扫图像缺失的甲状腺体积与甲状腺初始体积
之和即为最终得到的甲状腺体积。本发明使得甲状腺体积的估算更为准确。
Description
技术领域
本发明涉及一种辅助评估SPECT图像甲状腺体积的方法。
背景技术
甲状腺功能亢进定义为病理性甲状腺，其表现为甲状腺激素的过度产生。甲状腺激素过量产生的后果可能发生各种症状，例如严重出汗，心率增加，体重减轻，神经质和震颤。目前已经有手术治疗方法和药物治疗方法。其中，手术治疗方法是实施甲状腺切除术，甲状腺被完全去除，或者仅切除甲状腺的一部分，其目的是永久防止甲状腺功能亢进的复发。然而，外科手术与部分严重的并发症相关，例如可能损害声带。因此，一些患者由于他们的病史，年龄等，不能进行手术治疗，必须进行药物治疗。药物治疗需要患者服用一些抑制甲状腺激素产生的药物，这就涉及到用药量的问题，在已有技术中用药量医生是参照标准的用药量，在患者服用一段时间后，再根据患者的症状变化和验血数值调整用药量，在维持量以后，患者还需在每服药一段时间后，再由医生根据患者的症状变化和验血数据给患者调整用药量。
在辅助评估工作中，通常采用SPECT图像估测甲状腺体积并根据甲状腺密度来估测其重量，但临床上用SPECT图像估测体积时，由于个体差异和成像设备限制等问题，通常存在边界不清晰而导致评价体积不够准确，尤其易导致甲状腺边缘体积缺损的问题。而从CT图像中分割出甲状腺也很困难，原因是甲状腺与周围肌肉和腺体组织的密度相仿，且不均匀，因此两种方法均无法准确评价甲状腺的体积数值。
发明内容
本发明的目的在于提供一种辅助评估SPECT平扫图像甲状腺体积的方法，要解决在甲状腺辅助评估工作中，图像中甲状腺边缘模糊和体积缺损，导致评价体积数值不够准确、边界不清晰的技术问题。
为实现上述目的，本发明采用如下技术方案：
一种辅助评估SPECT图像甲状腺体积的方法，包括以下步骤：
通过SPECT和CT分别采集甲状腺SPECT平扫图像与CT图像：
通过甲状腺SPECT平扫图像估算甲状腺范围，获得甲状腺初始体积
；
采用CT血管分割技术分割出甲状腺内血管，根据血管走向构建甲状腺的三维模型，估算甲状腺初始体积
；
根据所述甲状腺初始体积
估算甲状腺SPECT平扫图像缺失的甲状腺体积；
所述甲状腺SPECT平扫图像缺失的甲状腺体积与甲状腺初始体积
之和即为最终得到的甲状腺体积。
其中，所述估算甲状腺SPECT平扫图像缺失的甲状腺体积的步骤具体如下：
分别划分出甲状腺初始体积
和甲状腺初始体积
的上下各30%，然后作体积差。
该体积差即为甲状腺SPECT平扫图像缺失的甲状腺体积。
其中，所述采用CT血管分割技术分割出甲状腺内血管，根据血管走向构建甲状腺的三维模型，估算甲状腺初始体积
的步骤如下：
从甲状腺区域提取单元和内部血管提取单元提取出甲状腺区域和内部血管，并由表面数据生成单元产生甲状腺区域和内部血管的表面数据；
纹理添加单元将不同的纹理图案添加到甲状腺区域和内部血管的表面；
表面数据生成单元结合添加了纹理图案的甲状腺区域和内部血管的表面数据，形成甲状腺整体三维模型数据；
由生成三维模型装置基于甲状腺整体的三维模型数据形成甲状腺的三维模型，估算出甲状腺初始体积
。
所述甲状腺SPECT平扫图像与CT图像为同一患者同一时期的甲状腺图像。
本发明通过通过以上技术方案，使得甲状腺体积的估算更为准确，有力地提高甲状腺重量估算的精确程度，本发明是通过CT图像的甲状腺血管走势，辅助SPECT甲状腺SPECT平扫图像以估算甲状腺的体积，可以实现对甲状腺的体积较为精确的估测。从CT图像中提取甲状腺内部血管，分析血管走势可以实现对甲状腺边缘缺损区域的补充，通过甲状腺CT供应血管的分布辅助评估SPECT图像的甲状腺体积，可以应用所获得的较为精确的患者甲状腺体积估测值，通过CT的甲状腺血管走势，辅助SPECT甲状腺平扫图像计算体积，并结合CT值得出的密度计算重量。这些辅助工作可以用于为合理用药量提供参考依据。
附图说明
图1 是本发明实施例提供的辅助评估SPECT图像甲状腺体积的方法的流程示意图。
图2 是估算甲状腺初始体积
的流程示意图。
具体实施方式
下面，结合实例对本发明的实质性特点和优势作进一步的说明，但本发明并不局限于所列的实施例。
参见图1所示，该图示出了本发明的实施例提供的辅助评估SPECT图像的甲状腺体积的方法的流程。
参见图1所示，一种辅助评估SPECT图像甲状腺体积的方法，包括以下步骤：
通过SPECT和CT分别采集同一患者同一时期的甲状腺SPECT平扫图像与CT图像：
通过甲状腺SPECT平扫图像估算甲状腺范围，获得甲状腺初始体积
；
利用CT的血管分割技术分析甲状腺内的血管，根据血管走向构建甲状腺的三维模型，估算甲状腺初始体积
；
根据所述甲状腺初始体积
估算甲状腺SPECT平扫图像缺失的甲状腺体积；
所述甲状腺SPECT平扫图像缺失的甲状腺体积与甲状腺初始体积
之和即为最终得到的甲状腺体积。
由于甲状腺是一个椭圆球体状，因此，在甲状腺SPECT平扫图像估算甲状腺范围，可以通过常规的椭圆球体体积计算方法来计算实现，即根据甲状腺椭圆球的长轴和短轴根据椭圆的体积公式来计算，从而获得甲状腺初始体积
。
需要说明的是，由于甲状腺内血管的走势是与真实的甲状腺形状有相关性的，因此通过分析该与真实的甲状腺形状有相关性的甲状腺内血管的走势，估算甲状腺初始体积
，即可实现对利用甲状腺SPECT平扫图像获得的甲状腺初始体积
进行修正，且由于是根据CT图像提取出甲状腺内部血管，根据血管走向构建三维模型后估算甲状腺初始体积
，可以解决临床上用SPECT平扫图像估测体积时由于边界不清晰无法准确估测的问题，使得甲状腺体积的估算更为准确。
本发明通过以上技术方案，在利用甲状腺SPECT平扫图像获得甲状腺初始体积
后，再利用CT的血管分割技术分割出甲状腺内血管，并通过与真实的甲状腺形状有相关性的甲状腺内血管的走势，估算甲状腺初始体积
来修正由SPECT平扫图像获得的甲状腺初始体积
，从而得了最终的甲状腺体积，这样使得甲状腺体积的估算更为准确，有力地提高甲状腺重量估算的精确程度，能更为有效地辅助合理的用药量。
本发明中，所述估算甲状腺SPECT平扫图像缺失的甲状腺体积的步骤具体如下，参见图2所示：
分别划分出甲状腺初始体积
和甲状腺初始体积
的上下各30%，然后作体积差，该获得的体积差即为甲状腺SPECT平扫图像缺失的甲状腺体积。
具体的，在计算体积差时，可以是以甲状腺SPECT平扫图像与CT图像的甲状腺椭球体的球心为原点，建立三维直角坐标系，计算甲状腺椭球体的空间各点的点源坐标，利用积分的数学方法计算对应的甲状腺椭球体的体积，在获得各自的甲状腺椭球体的体积后，再可利用上下各30%处空间各点的点源坐标，分别计算出甲状腺初始体积
和甲状腺初始体积
的上下各30%的体积，然后用计算出的甲状腺初始体积
和甲状腺初始体积
的上下各30%的体积分别对应相减，获得对应的体积差，该获得的体积差即为甲状腺SPECT平扫图像缺失的甲状腺体积。
以上技术的运用，弥补了单一通过甲状腺SPECT平扫图像估算得到的甲状腺体积存在不准确的情况，即单一通过甲状腺SPECT平扫图像估算得到的甲状腺体积与实际的体积存在偏差，主要是存在缺失，而通过CT图像的甲状腺内相关血管的走向来分析甲状腺体积，来弥补单一利用甲状腺SPECT平扫图像估算所缺失的甲状腺体积，从而使甲状腺体积更为准确。
本发明中，所述提取CT图像甲状腺和内部血管，根据血管走向构建甲状腺的三维模型（3D模型），估算甲状腺初始体积
的步骤如下：
从甲状腺区域提取单元和内部血管提取单元提取出甲状腺区域和内部血管，并由表面数据生成单元产生甲状腺区域和内部血管的表面数据；
纹理添加单元将不同的纹理图案添加到甲状腺区域和内部血管的表面；
表面数据生成单元结合添加了纹理图案的甲状腺区域和内部血管的表面数据，形成三维模型数据。
由生成三维模型装置基于三维模型数据形成甲状腺的三维模型，估算出甲状腺初始体积
。
需要说明的是，本发明中，所述利用CT图像甲状腺内部血管走向构建3D模型的方法为现有技术，例如：将具有同种性质的像素集合连接起来的区域增长算法、基于统计思想的无边缘活动轮廓模型、中心线跟踪法、随机统计方法等各种基于CT图像的血管分割算法。根据的规则有灰度、纹理、背景的对比度等等。
通过该技术可以有效地提取甲状腺内血管数据，利用模型匹配、特征识别等步骤重建血管模型，并滤除其它非血管区域，获得血管边界及区域信息，通过计算机立体成像技术及动态影像技术获得三维血管模型，根据血管走向估计甲状腺初始体积
，从而来修正通过甲状腺SPECT平扫图像获得的甲状腺初始体积
，得到最终的甲状腺体积，从而使得甲状腺体积的估算获得更为准确。
下表为本发明的实验数据，是将本发明方法（SPECT+CT估算的体积）与单一SPECT估算的体积、甲状腺实际体积（超声波图像评估）的对比结果。
可以看出，本发明的方法获得的体积更为接近甲状腺实际体积（超声波图像评估），结果更为准确。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种辅助评估SPECT图像甲状腺体积的方法，包括以下步骤：
通过SPECT和CT分别采集甲状腺SPECT平扫图像与CT图像：通过甲状腺SPECT平扫图像估算甲状腺范围，获得甲状腺初始体积Ⅰ；
采用CT血管分割技术分割出甲状腺内血管，根据血管走向构建甲状腺的三维模型，估算甲状腺初始体积Ⅱ；
根据所述甲状腺初始体积Ⅱ估算甲状腺SPECT平扫图像缺失的甲状腺体积；
其中，估算甲状腺SPECT平扫图像缺失的甲状腺体积的步骤如下：
分别划分出甲状腺初始体积Ⅰ和甲状腺初始体积Ⅱ的上下各30%分别对应相减，获得对应的体积差，该体积差即为甲状腺SPECT平扫图像缺失的甲状腺体积；
所述甲状腺SPECT平扫图像缺失的甲状腺体积与甲状腺初始体积Ⅰ之和即为最终得到的甲状腺体积。
2.如权利要求1所述辅助评估SPECT图像甲状腺体积的方法，其特征在于，所述甲状腺SPECT平扫图像与CT图像为同一患者同一时期的甲状腺图像。
3.如权利要求1所述辅助评估SPECT图像甲状腺体积的方法，其特征在于，所述采用CT血管分割技术分割出甲状腺内血管，根据血管走向构建甲状腺的三维模型，估算甲状腺初始体积Ⅱ的步骤如下：
从甲状腺区域提取单元和内部血管提取单元提取出甲状腺区域和内部血管，并由表面数据生成单元产生甲状腺区域和内部血管的表面数据；
纹理添加单元将不同的纹理图案添加到甲状腺区域和内部血管的表面；
表面数据生成单元结合添加了纹理图案的甲状腺区域和内部血管的表面数据，形成三维模型数据；
由生成三维模型装置基于三维模型数据形成甲状腺的三维模型，估算出甲状腺初始体积Ⅱ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810073088.8A CN108154532B (zh) | 2018-01-25 | 2018-01-25 | 一种辅助评估spect图像甲状腺体积的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810073088.8A CN108154532B (zh) | 2018-01-25 | 2018-01-25 | 一种辅助评估spect图像甲状腺体积的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108154532A CN108154532A (zh) | 2018-06-12 |
| CN108154532B true CN108154532B (zh) | 2021-12-14 |
Family
ID=62456761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810073088.8A Expired - Fee Related CN108154532B (zh) | 2018-01-25 | 2018-01-25 | 一种辅助评估spect图像甲状腺体积的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108154532B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111528789B (zh) * | 2020-05-27 | 2022-06-10 | 复旦大学附属眼耳鼻喉科医院 | 一种对睑板腺腺体清晰度评估的图像检测方法 |
| CN112001894B (zh) * | 2020-08-03 | 2021-04-30 | 什维新智医疗科技(上海)有限公司 | 一种甲状腺边界平滑度检测装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020969A (zh) * | 2012-12-25 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 一种ct图像肝脏分割的处理方法及系统 |
| CN104306011A (zh) * | 2014-10-11 | 2015-01-28 | 方纬 | Spect显像肿瘤摄取定量分析技术及在肿瘤评估中的用途 |
| CN105844687A (zh) * | 2016-04-07 | 2016-08-10 | 北京雅森科技发展有限公司 | 用于处理医学影像的装置和方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9025845B2 (en) * | 2011-06-17 | 2015-05-05 | Quantitative Imaging, Inc. | Methods and apparatus for assessing activity of an organ and uses thereof |
-
2018
- 2018-01-25 CN CN201810073088.8A patent/CN108154532B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103020969A (zh) * | 2012-12-25 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 一种ct图像肝脏分割的处理方法及系统 |
| CN104306011A (zh) * | 2014-10-11 | 2015-01-28 | 方纬 | Spect显像肿瘤摄取定量分析技术及在肿瘤评估中的用途 |
| CN105844687A (zh) * | 2016-04-07 | 2016-08-10 | 北京雅森科技发展有限公司 | 用于处理医学影像的装置和方法 |
Non-Patent Citations (2)
| Title |
|---|
| DETECT - Dual Energy Transmission Estimation CT - for improved attenuation correction in SPECT and PET;M.J.Guy et al.;《1997 IEEE Nuclear Science Symposium Conference Record》;20020806;全文 * |
| SPECT_CT显像估算甲状腺体积的探讨;马铁昆 等.;《云南医药》;20101231;第31卷(第4期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108154532A (zh) | 2018-06-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Giannini et al. | A fully automatic algorithm for segmentation of the breasts in DCE-MR images | |
| JP2011024799A (ja) | 医用画像処理装置および方法並びにプログラム | |
| US11676277B2 (en) | Medical image processing apparatus and method | |
| KR101472558B1 (ko) | 흉부 단층영상에서 폐, 기관지 및 폐혈관 영상을 분할하기 위한 시스템 및 그 방법 | |
| CN109727242B (zh) | 血管中心线提取方法、装置、计算机设备和存储介质 | |
| US10628963B2 (en) | Automatic detection of an artifact in patient image | |
| CN109350089B (zh) | 一种基于ct图像的甲状腺区域自动分割方法 | |
| Hong et al. | Automatic lung nodule matching on sequential CT images | |
| Jimenez-Carretero et al. | Optimal multiresolution 3D level-set method for liver segmentation incorporating local curvature constraints | |
| CN108392215A (zh) | 一种同侧异位乳腺钼靶图像的点位置关联方法 | |
| CN108154532B (zh) | 一种辅助评估spect图像甲状腺体积的方法 | |
| Matsopoulos et al. | Thoracic non-rigid registration combining self-organizing maps and radial basis functions | |
| CN110858412B (zh) | 基于图像配准的心脏冠脉cta模型建立方法 | |
| Dandıl et al. | A Mask R-CNN based Approach for Automatic Lung Segmentation in Computed Tomography Scans | |
| Azeez et al. | Detection and segmentation of lung cancer using statistical features of X-ray images | |
| JP7153261B2 (ja) | 画像処理装置および画像処理装置の作動方法並びに画像処理プログラム | |
| CN113256754A (zh) | 一种分割后小面积肿瘤块的堆叠投影重建方法 | |
| Mokri et al. | Lung segmentation in CT for thoracic PET-CT registration through visual study | |
| López-Mir et al. | Aorta segmentation using the watershed algorithm for an augmented reality system in laparoscopic surgery | |
| Abdolali et al. | Fully automated detection of the mandibular canal in cone beam CT images using Lie group based statistical shape models | |
| JP2020080913A (ja) | 非造影ｃｔ画像からの３次元メディアルアクシスモデルに基づく関心臓器画像自動セグメンテーション装置、及び自動セグメンテーション方法 | |
| Akkoul et al. | 3D reconstruction method of the proximal femur and shape correction | |
| JP7015351B2 (ja) | 医用画像処理装置、医用画像処理方法 | |
| TWI773491B (zh) | 肺功能鑑別方法 | |
| KR101839764B1 (ko) | 흉부 ct영상을 통해 괴사 세포 영역을 수치화하는 방법 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211214 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |