CN108172275A - 一种医学影像处理方法及装置 - Google Patents
一种医学影像处理方法及装置 Download PDFInfo
- Publication number
- CN108172275A CN108172275A CN201611103861.8A CN201611103861A CN108172275A CN 108172275 A CN108172275 A CN 108172275A CN 201611103861 A CN201611103861 A CN 201611103861A CN 108172275 A CN108172275 A CN 108172275A
- Authority
- CN
- China
- Prior art keywords
- medical image
- pattern
- image
- feature
- determining module
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Abstract
本申请提供了一种医学影像处理方法及装置,确定医学影像的模式以及该模式对应的预处理方法,再使用确定的预处理方法对医学影像进行预处理。因为医学影像的模式包括生成所述医学影像的设备、所述医学影像表示的部位以及所述医学影像的序列类型,所以,可以预先依据医学影像的模式,设置不同的预处理方式,因此,申请所述的医学影像处理方法及装置,能够对医学影像采用针对性的预处理方式,即通用于不同种类的医学影像的预处理。
Description
技术领域
本申请涉及电子信息领域,尤其涉及一种医学影像处理方法及装置。
背景技术
随着医学影像技术的发展,医学影像在临床中被越来越多地使用。通过医学成像设备获得的医学影像,受到各种因素的干扰,通常会被引入噪声,而噪声会影响医生对病灶的识别或者对病情的判断等。在此情况下,如果能对医学影像进行预处理,以提高图像的质量,则有利于医生的判读,并提高医生的工作效率(也可能噪声可以忽略,目的仅在于提高图像的质量)。
目前,医学影像设备的种类繁多,并且,医学影像可拍摄的部位也多种多样,所以,医学影像的种类很多。因此,找到一种能够通用于不同种类的医学影像的预处理方式,成为目前亟待解决的问题。
发明内容
本申请提供了一种医学影像处理方法及装置,目的在于解决如何使用通用方法对不同种类的医学影像进行预处理的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种医学影像处理方法,包括:
确定医学影像的模式,所述医学影像的模式包括生成所述医学影像的设备、所述医学影像表示的部位以及所述医学影像的序列类型;
确定所述模式对应的预处理方法;
使用所述预处理方法,对所述医学影像进行预处理。
可选地,所述确定医学影像的模式包括:
依据所述医学影像携带的标签信息和/或所述医学影像的特征,确定所述医学影像的模式。
可选地,依据所述医学影像携带的标签信息,确定所述医学影像的模式包括:
依据所述医学影像携带的标准标签信息和模糊标签信息,确定所述医学影像的模式;
所述标准标签信息包括设备类型,所述设备类型的值用于指示生成所述医学影像的设备;
所述模糊标签信息包括检查描述和序列描述,所述检查描述的值用于指示所述医学影像表示的部位,所述序列描述的值用于指示所述医学影像的序列类型。
可选地,依据所述医学影像的特征,确定所述医学影像的模式包括:
依据所述医学影像的直方图,确定所述医学影像的模式。
可选地,依据所述医学影像的特征,确定所述医学影像的模式,还包括:
通过将所述医学影像的特征输入经过样本训练的分类器,得到所述医学影像的模式,所述样本包括样本医学影像的特征。
一种医学影像处理装置,包括:
第一确定模块,用于确定医学影像的模式,所述医学影像的模式包括生成所述医学影像的设备、所述医学影像表示的部位以及所述医学影像的序列类型;
第二确定模块,用于确定所述模式对应的预处理方法;
处理模块,用于使用所述预处理方法,对所述医学影像进行预处理。
可选地,所述第一确定模块用于确定医学影像的模式包括:
所述第一确定模块具体用于,依据所述医学影像携带的标签信息和/或所述医学影像的特征,确定所述医学影像的模式。
可选地,所述第一确定模块用于依据所述医学影像携带的标签信息,确定所述医学影像的模式包括:
所述第一确定模块具体用于,依据所述医学影像携带的标准标签信息和模糊标签信息,确定所述医学影像的模式;
所述标准标签信息包括设备类型,所述设备类型的值用于指示生成所述医学影像的设备;
所述模糊标签信息包括检查描述和序列描述,所述检查描述的值用于指示所述医学影像表示的部位,所述序列描述的值用于指示所述医学影像的序列类型。
可选地,所述第一确定模块用于依据所述医学影像的特征,确定所述医学影像的模式包括:
所述第一确定模块具体用于,依据所述医学影像的直方图,确定所述医学影像的模式。
可选地,所述第一确定模块用于依据所述医学影像的特征,确定所述医学影像的模式,还包括:
通过将所述医学影像的特征输入经过样本训练的分类器,得到所述医学影像的模式,所述样本包括样本医学影像的特征。
本申请所述的医学影像处理方法及装置,确定医学影像的模式以及该模式对应的预处理方法,再使用确定的预处理方法对医学影像进行预处理。因为医学影像的模式包括生成所述医学影像的设备、所述医学影像表示的部位以及所述医学影像的序列类型,所以,可以预先依据医学影像的模式,设置不同的预处理方式,因此,申请所述的医学影像处理方法及装置,能够对医学影像采用针对性的预处理方式,即通用于不同种类的医学影像的预处理。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例公开的一种医学影像处理方法的流程图;
图2为本申请实施例公开的又一种医学影像处理方法的流程图;
图3a~3c为不同的医学影像的直方图;
图4为本申请实施例公开的又一种医学影像处理方法的流程图;
图5为本申请实施例公开的一种医学影像处理装置的结构示意图。
具体实施方式
本申请的实施例公开了一种医学影像处理方法及装置,可以应用在医学影像处理系统中,此系统包括医学成像设备和影像工作站(或者云平台或者本地数据库)。其中,医学成像设备用于获取医学影像,影像工作站(或者云平台或者本地数据库)的主要功能为存储医学影像,影像工作站(或者云平台)还可能用于对医学影像进行其它的操作。通常,医学影像以DICOM格式存储在影像工作站(或者云平台或者本地数据库)中。
本申请所述的医学影像处理装置,可以设置在上述系统中,用于从影像工作站(或者云平台或者本地数据库)中取出医学影像,并使用本申请所述的医学影像处理方法对医学影像进行处理后,再将处理后的医学影像存储到影像工作站(或者云平台或者本地数据库)中,该处理装置可以独立设置,也可以集成在影像工作站(或者云平台或者本地数据库)中。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例公开的一种医学影像处理方法,包括以下步骤:
S101:确定医学影像的模式。
其中,医学影像的模式包括:
生成所述医学影像的设备,如电子计算机断层扫描(Computed Tomography,CT)设备、磁共振(Magnetic Resonance,MR)设备、正电子发射型计算机断层显像(PositronEmission Computed Tomography,PET)设备或数字平板X线成像系统(DigitalRadiography,DR)等医学成像设备。
医学影像表示的部位,如脑、心脏、脊柱、血管等组织结构。
医学影像的序列类型,如对于MR图像有T1、T2、DWI、MRA或SWI等序列。
S102:确定与该模式的医学影像对应的预处理方式。
其中,预处理方式可以参见现有技术,例如,提高图像的对比度、对图像进行锐化处理等,这里不再赘述。
S103:使用S102中确定的预处理方式对医学影像进行预处理。
从上述过程可以看出,依据医学影像由何种设备生成、是何种部位以及为何种序列,对医学影像采用针对性的预处理方式,因此,不对不同种类的医学影像,均能够使用图1所示的流程进行处理,即图1所示的图像处理过程具有通用性。
S101中,确定医学影像的模式的依据可以为医学影像携带的标签信息和/或医学影像的特征。下面对于图1所示的过程进行更为详细的说明:
图2为本申请实施例公开的又一种医学影像处理方法,包括以下步骤:
S201:从医学成像设备、影像工作站、影像云平台或者本地数据库接收医学影像数据。通常,医学影像数据为DICOM格式。
S202:解析医学影像数据的头文件中的标签信息。
本实施例中,将标签信息分为标准标签信息和模糊标签信息。
标准标签信息包括但不限于:设备modality,其值用于指示医学影像数据由何种医学成像设备生成。标准标签信息的值,基本所有的医学成像设备厂商的标准均一致,例如modality的值可以为MR、CT、DR或PET等,所有的医学成像设备厂商出产的CT设备的modality的值均为“CT”。
模糊标签信息包括但不限于:检查描述study description,其值用于指示所述医学影像表示的部位、序列描述series description,其值用于指示所述医学影像的序列类型。模糊标签信息的值,大都由放射科医师填写或者由设备的扫描台软件决定,因此通常没有统一标准,甚至可能为多种语言混合,如study description的值可能为‘颈椎Spine-C’。
需要说明的是,本实施例中,以标签信息设置在医学影像数据的头文件中为例进行说明,而标签信息可能设置在医学影像数据的其它部分,可以从医学影像数据的其它部分获取标签信息,本申请不做限定。
S203:判断通过S202中的标签信息是否可以确定医学影像的模式,即医学影像数据由何种设备(如CT、MR、PET或DR等医学成像设备)生成、是何种部位(如脑、心脏、脊柱、血管等组织结构)以及为何种序列(如对于MR图像有T1、T2、DWI、MRA或SWI等序列),如果是,执行S206,如果否,执行S204。
例如,解析出一组医学影像数据的DICOM头文件中“study description”标签的值为“brain”,且“series description”字段值的为“MRA”,则识别医学影像数据为脑磁共振血管图像,可跳入步骤S205。
S204:判断依据医学影像数据的直方图,是否可以确定医学影像的模式,如果是,执行S206,如果否,执行S205。
在标签信息缺失而无法确定医学影像的模式的情况下,可以根据医学影像的统计分布直方图,来识别医学影像是何种设备、何种部位以及何种序列。
例如,如图3所示(图3a为腹部MR图像的直方图,图3b为脊柱MR图像的直方图,图3c为脑MR图像的直方图),不同成像设备,不同部位或序列,其图像的统计分布直方图的特点,例如信号值分布形态、均值、最大最小值等不同,因此,可根据直方图确定出医学影像的模式。
S205:使用模式识别(例如机器学习或者深度学习)的方式识别医学影像的模式。
举例说明,设计医学影像类的分类器,通过使用海量的有标记的、高质量的、有代表性的样本医学影像的特征训练分类器,例如告知分类器哪幅图像是CT,哪幅是MR,哪幅是头部数据,哪幅是心脏数据等,增加分类器对于医学影像识别的精准度。再使用训练后的分类器识别医学影像的模式。
需要说明的是,因为机器学习或者深度学习也以图像的特征为依据进行,所以,机器学习或者深度学习与直方图的方式,均属于依据图像的特征进行医学影像的模式识别的范围,所以,本实施例中,仅以直方图、机器学习或者深度学习为例进行说明,实际上,凡是可以依据图像的特征确定医学影像的模式的方式,均可以应用在本申请所述的技术方案中。
S206:依据预先存储的医学影像的模式与预处理方式之间的对应关系,查找与确定出的医学影像的模式对应的预处理方式。
例如脑部的MRA(磁共振血管图像)对应的处理方式包括但不限于:系统进行自动的去除面部、脑壳等无关组织;构建三维体数据;自动调节窗宽窗位;进一步地进行血管分段、命名、测量等处理。
S207:使用S206确定出的预处理方式对医学影像数据进行预处理,并将预处理后的结果回传至影像工作站、影像云平台等,可供医生进行直接浏览查看。
从图2所示的过程可以看出,先识别出医学影像数据的模式,再对医学影像数据进行与其模式对应的预处理,以提高医学影像的质量。因为预处理以医学影像数据的模式为基础,所以,对于不同类型的医学影像,均可以使用图2所示的过程进行预处理,也就是说,图2所示的过程可以通用于多种医学影像数据。
需要说明的是,图2中,通过标签信息、通过直方图、通过模式识别这三种识别方式为递进使用,即在前一种方式无法识别出医学影像的模式的情况下,再进行下一种方式。除此之外,如图4所示,这三种方式也可以并列使用,互为参考,以提高识别的准确性。
或者,通过直方图、通过模式识别这两种方式均属于依据医学影像的特征识别医学影像的模式的方式,可以择其一,与通过标签信息识别的方式,进行递进或并列使用。
或者,通过标签信息、通过医学影像的特征识别这两种方式可以择一使用。
图5为本申请实施例公开的一种医学影像处理装置,包括:第一确定模块501、第二确定模块502和处理模块503。
其中,第一确定模块501用于确定医学影像的模式,所述医学影像的模式包括生成所述医学影像的设备、所述医学影像表示的部位以及所述医学影像的序列类型。第二确定模块502用于确定所述模式对应的预处理方法。处理模块503用于使用所述预处理方法,对所述医学影像进行预处理。
具体地,第一确定模块501依据所述医学影像携带的标签信息和/或所述医学影像的特征,确定所述医学影像的模式。
依据所述医学影像携带的标签信息,确定所述医学影像的模式的具体实现方式可以为:依据所述医学影像携带的标准标签信息和模糊标签信息,确定所述医学影像的模式,其中,标准标签信息和模糊标签信息的具体内容可以参见上述方法实施例,这里不再赘述。
依据所述医学影像的特征,确定所述医学影像的模式的具体实现方式可以为:依据所述医学影像的直方图,确定所述医学影像的模式,进一步地,还可以通过将所述医学影像的特征输入经过样本训练的分类器,得到所述医学影像的模式,所述样本包括样本医学影像的特征。
本实施例所述的医学影像处理装置,依据医学影像的模式,对医学影像进行针对性的预处理,从而可以适用于不同类型的医学影像,能够提高医生的后续读片的效率。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种医学影像处理方法,其特征在于,包括:
确定医学影像的模式,所述医学影像的模式包括生成所述医学影像的设备、所述医学影像表示的部位以及所述医学影像的序列类型;
确定所述模式对应的预处理方法;
使用所述预处理方法,对所述医学影像进行预处理。
2.根据权利要求1所述的方法,其特征在于,所述确定医学影像的模式包括:
依据所述医学影像携带的标签信息和/或所述医学影像的特征,确定所述医学影像的模式。
3.根据权利要求2所述的方法,其特征在于,依据所述医学影像携带的标签信息,确定所述医学影像的模式包括:
依据所述医学影像携带的标准标签信息和模糊标签信息,确定所述医学影像的模式;
所述标准标签信息包括设备类型,所述设备类型的值用于指示生成所述医学影像的设备;
所述模糊标签信息包括检查描述和序列描述,所述检查描述的值用于指示所述医学影像表示的部位,所述序列描述的值用于指示所述医学影像的序列类型。
4.根据权利要求2或3所述的方法,其特征在于,依据所述医学影像的特征,确定所述医学影像的模式包括:
依据所述医学影像的直方图,确定所述医学影像的模式。
5.根据权利要求4所述的方法,其特征在于,依据所述医学影像的特征,确定所述医学影像的模式,还包括:
通过将所述医学影像的特征输入经过样本训练的分类器,得到所述医学影像的模式,所述样本包括样本医学影像的特征。
6.一种医学影像处理装置,其特征在于,包括:
第一确定模块,用于确定医学影像的模式,所述医学影像的模式包括生成所述医学影像的设备、所述医学影像表示的部位以及所述医学影像的序列类型;
第二确定模块,用于确定所述模式对应的预处理方法;
处理模块,用于使用所述预处理方法,对所述医学影像进行预处理。
7.根据权利要求6所述的装置,其特征在于,所述第一确定模块用于确定医学影像的模式包括:
所述第一确定模块具体用于,依据所述医学影像携带的标签信息和/或所述医学影像的特征,确定所述医学影像的模式。
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块用于依据所述医学影像携带的标签信息,确定所述医学影像的模式包括:
所述第一确定模块具体用于,依据所述医学影像携带的标准标签信息和模糊标签信息,确定所述医学影像的模式;
所述标准标签信息包括设备类型,所述设备类型的值用于指示生成所述医学影像的设备;
所述模糊标签信息包括检查描述和序列描述,所述检查描述的值用于指示所述医学影像表示的部位,所述序列描述的值用于指示所述医学影像的序列类型。
9.根据权利要求7或8所述的方法,其特征在于,所述第一确定模块用于依据所述医学影像的特征,确定所述医学影像的模式包括:
所述第一确定模块具体用于,依据所述医学影像的直方图,确定所述医学影像的模式。
10.根据权利要求9所述的装置,其特征在于,所述第一确定模块用于依据所述医学影像的特征,确定所述医学影像的模式,还包括:
通过将所述医学影像的特征输入经过样本训练的分类器,得到所述医学影像的模式,所述样本包括样本医学影像的特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611103861.8A CN108172275B (zh) | 2016-12-05 | 2016-12-05 | 一种医学影像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611103861.8A CN108172275B (zh) | 2016-12-05 | 2016-12-05 | 一种医学影像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108172275A true CN108172275A (zh) | 2018-06-15 |
CN108172275B CN108172275B (zh) | 2022-02-11 |
Family
ID=62525890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611103861.8A Active CN108172275B (zh) | 2016-12-05 | 2016-12-05 | 一种医学影像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108172275B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214451A (zh) * | 2018-08-28 | 2019-01-15 | 北京安德医智科技有限公司 | 一种脑部异常的分类方法及设备 |
CN110399889A (zh) * | 2019-07-25 | 2019-11-01 | 泰康保险集团股份有限公司 | 医学影像处理方法、装置、设备及存储介质 |
CN110490841A (zh) * | 2019-07-18 | 2019-11-22 | 上海联影智能医疗科技有限公司 | 计算机辅助影像分析方法、计算机设备和存储介质 |
CN110600107A (zh) * | 2019-08-29 | 2019-12-20 | 上海联影智能医疗科技有限公司 | 医学图像的筛选方法、计算机设备及可读存储介质 |
CN111612863A (zh) * | 2020-04-26 | 2020-09-01 | 数坤(北京)网络科技有限公司 | 一种cta影像处理方法、装置及存储介质 |
CN111863206A (zh) * | 2020-07-24 | 2020-10-30 | 上海联影医疗科技有限公司 | 一种图像预处理方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070167788A1 (en) * | 2005-09-22 | 2007-07-19 | Andreas Hartlep | Brain tissue classification |
CN101271526A (zh) * | 2008-04-22 | 2008-09-24 | 深圳先进技术研究院 | 一种图像处理中物体自动识别并三维重建的方法 |
CN101271494A (zh) * | 2007-03-21 | 2008-09-24 | 西门子公司 | 利用医学模态的图像数据记录的方法以及有关医学模态 |
US20100329522A1 (en) * | 2009-06-25 | 2010-12-30 | Olympus Corporation | Medical diagnosis support device, virtual microscope system, and specimen support member |
CN202025360U (zh) * | 2010-11-16 | 2011-11-02 | 上海中和软件有限公司 | 一种医学影像自动拼接系统 |
JP2012070814A (ja) * | 2010-09-28 | 2012-04-12 | Ge Medical Systems Global Technology Co Llc | 画像処理装置およびプログラム並びにx線ct装置 |
JP2013027635A (ja) * | 2011-07-29 | 2013-02-07 | Canon Inc | 画像処理装置及び画像処理方法 |
US20150161782A1 (en) * | 2013-12-06 | 2015-06-11 | Toshiba Medical Systems Corporation | Method of, and apparatus for, segmentation of structures in medical images |
CN104915668A (zh) * | 2015-05-29 | 2015-09-16 | 深圳泓数科技有限公司 | 医学影像中的文字信息识别方法及装置 |
CN105957085A (zh) * | 2016-05-09 | 2016-09-21 | 中国科学院深圳先进技术研究院 | 三维医学影像数据处理方法及装置 |
-
2016
- 2016-12-05 CN CN201611103861.8A patent/CN108172275B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070167788A1 (en) * | 2005-09-22 | 2007-07-19 | Andreas Hartlep | Brain tissue classification |
CN101271494A (zh) * | 2007-03-21 | 2008-09-24 | 西门子公司 | 利用医学模态的图像数据记录的方法以及有关医学模态 |
CN101271526A (zh) * | 2008-04-22 | 2008-09-24 | 深圳先进技术研究院 | 一种图像处理中物体自动识别并三维重建的方法 |
US20100329522A1 (en) * | 2009-06-25 | 2010-12-30 | Olympus Corporation | Medical diagnosis support device, virtual microscope system, and specimen support member |
JP2012070814A (ja) * | 2010-09-28 | 2012-04-12 | Ge Medical Systems Global Technology Co Llc | 画像処理装置およびプログラム並びにx線ct装置 |
CN202025360U (zh) * | 2010-11-16 | 2011-11-02 | 上海中和软件有限公司 | 一种医学影像自动拼接系统 |
JP2013027635A (ja) * | 2011-07-29 | 2013-02-07 | Canon Inc | 画像処理装置及び画像処理方法 |
US20150161782A1 (en) * | 2013-12-06 | 2015-06-11 | Toshiba Medical Systems Corporation | Method of, and apparatus for, segmentation of structures in medical images |
CN104915668A (zh) * | 2015-05-29 | 2015-09-16 | 深圳泓数科技有限公司 | 医学影像中的文字信息识别方法及装置 |
CN105957085A (zh) * | 2016-05-09 | 2016-09-21 | 中国科学院深圳先进技术研究院 | 三维医学影像数据处理方法及装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214451A (zh) * | 2018-08-28 | 2019-01-15 | 北京安德医智科技有限公司 | 一种脑部异常的分类方法及设备 |
CN110490841A (zh) * | 2019-07-18 | 2019-11-22 | 上海联影智能医疗科技有限公司 | 计算机辅助影像分析方法、计算机设备和存储介质 |
CN110490841B (zh) * | 2019-07-18 | 2022-07-05 | 上海联影智能医疗科技有限公司 | 计算机辅助影像分析方法、计算机设备和存储介质 |
CN110399889A (zh) * | 2019-07-25 | 2019-11-01 | 泰康保险集团股份有限公司 | 医学影像处理方法、装置、设备及存储介质 |
CN110399889B (zh) * | 2019-07-25 | 2021-10-22 | 泰康保险集团股份有限公司 | 医学影像处理方法、装置、设备及存储介质 |
CN110600107A (zh) * | 2019-08-29 | 2019-12-20 | 上海联影智能医疗科技有限公司 | 医学图像的筛选方法、计算机设备及可读存储介质 |
CN110600107B (zh) * | 2019-08-29 | 2022-07-26 | 上海联影智能医疗科技有限公司 | 医学图像的筛选方法、计算机设备及可读存储介质 |
CN111612863A (zh) * | 2020-04-26 | 2020-09-01 | 数坤(北京)网络科技有限公司 | 一种cta影像处理方法、装置及存储介质 |
CN111863206A (zh) * | 2020-07-24 | 2020-10-30 | 上海联影医疗科技有限公司 | 一种图像预处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108172275B (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108172275A (zh) | 一种医学影像处理方法及装置 | |
JP6220310B2 (ja) | 医用画像情報システム、医用画像情報処理方法及びプログラム | |
CN100517344C (zh) | 用于医学介入程序规划的方法和装置 | |
US11450423B2 (en) | System and method for processing medical image data | |
Wallner et al. | A review on multiplatform evaluations of semi-automatic open-source based image segmentation for cranio-maxillofacial surgery | |
US11244448B2 (en) | Method and data processing system for providing lymph node information | |
EP2620909B1 (en) | Method, system and computer readable medium for automatic segmentation of a medical image | |
TW201019905A (en) | System and method for automatic recognition and labeling of anatomical structures and vessels in medical imaging scans | |
CN103536305A (zh) | 用于执行图像类型识别的系统和方法 | |
del Toro et al. | VISCERAL–VISual Concept Extraction challenge in RAdioLogy: ISBI 2014 challenge organization | |
EP3100209A1 (en) | Extraction of information from an image and inclusion thereof in a clinical report | |
CN111080583B (zh) | 医学图像检测方法、计算机设备和可读存储介质 | |
EP3828829B1 (en) | Method and apparatus for determining mid-sagittal plane in magnetic resonance images | |
EP1747535A2 (en) | Image data processing system for compartmental analysis | |
US10978190B2 (en) | System and method for viewing medical image | |
EP2912633B1 (en) | Simulation of objects in an atlas and registration of patient data containing a specific structure to atlas data | |
US11464571B2 (en) | Virtual stent placement apparatus, virtual stent placement method, and virtual stent placement program | |
CN107491663A (zh) | 一种管理医学影像数据方法、系统及装置 | |
CN116844734A (zh) | 剂量预测模型的生成方法、装置、电子设备及存储介质 | |
CN107392976A (zh) | 数据处理方法、装置及设备 | |
CN101506841A (zh) | 感兴趣心肌区域的半自动界定 | |
Lange et al. | Automating perforator flap MRA and CTA reporting | |
O'Dell et al. | Validation of the Gatortail method for accurate sizing of pulmonary vessels from 3D medical images | |
WO2018073707A1 (en) | System and method for workflow-sensitive structured finding object (sfo) recommendation for clinical care continuum | |
Chang et al. | Data Curation Challenges for Artificial Intelligence |
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 |