CN109255782A - 一种肺结节图像的处理方法、装置、设备及存储介质 - Google Patents

一种肺结节图像的处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109255782A
CN109255782A CN201811019893.9A CN201811019893A CN109255782A CN 109255782 A CN109255782 A CN 109255782A CN 201811019893 A CN201811019893 A CN 201811019893A CN 109255782 A CN109255782 A CN 109255782A
Authority
CN
China
Prior art keywords
dimensional
lung
lung neoplasm
detected
test point
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
CN201811019893.9A
Other languages
English (en)
Inventor
黎启明
伍原芃
高大山
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.)
Zhuhai Hengqin Shengao Yunzhi Technology Co.,Ltd.
Original Assignee
Shenzhen Shen Wei Medical Technology (suzhou) 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 Shenzhen Shen Wei Medical Technology (suzhou) Co Ltd filed Critical Shenzhen Shen Wei Medical Technology (suzhou) Co Ltd
Priority to CN201811019893.9A priority Critical patent/CN109255782A/zh
Publication of CN109255782A publication Critical patent/CN109255782A/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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • G06T2207/30064—Lung nodule

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Primary Health Care (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种肺结节图像的处理方法、装置、设备以及计算机可读存储介质，包括：在待检测肺部的二维图像内任选一检测点，根据所述检测点的二维坐标得出所述检测点的三维坐标；根据所述检测点的三维坐标得到所述待检测肺部的三维初始区域；对所述三维初始区域进行强化计算后得到所述待检测肺部的三维目标区域，判断所述待检测肺部在三维目标区域是否产生肺结节病变；若是，则对所述三维目标区域进行三维分割得到所述肺结节的多个边界，从而获得所述肺结节的三维结节区域。本发明所提供的方法、装置、设备以及计算机可读存储介质，提高了获取肺结节三维区域的工作效率。

Description

一种肺结节图像的处理方法、装置、设备及存储介质
技术领域
本发明涉及医学图像处理技术领域，特别是涉及一种肺结节图像的处理方法、装置、设备以及计算机可读存储介质。
背景技术
现有技术中肺结节检测主要是利用人工去进行结节区域的绘制。由于医学图像是三维的图像，因此为了绘制三维的结节区域，用户需要在每一张包含肺结节的图像上进行手工绘制，再得到肺结节的三维区域。现有技术中通过人工绘制肺结节三维区域的操作难度大，细节繁琐。
综上所述可以看出，如何降低绘制肺结节三维区域的难度是目前有待解决的问题。
发明内容
本发明的目的是提供一种肺结节图像的处理方法、装置、设备以及计算机可读存储介质，以解决现有技术中需要对结节区域进行绘制，操作难度大的问题。
为解决上述技术问题，本发明提供一种肺结节图像的处理方法，包括：在待检测肺部的二维图像内任选一检测点，根据所述检测点的二维坐标得出所述检测点的三维坐标；根据所述检测点的三维坐标得到所述待检测肺部的三维初始区域；对所述三维初始区域进行强化计算后得到所述待检测肺部的三维目标区域，判断所述待检测肺部在三维目标区域是否产生肺结节病变；若是，则对所述三维目标区域进行三维分割得到所述肺结节的多个边界，从而获得所述肺结节的三维结节区域。
优选地，所述获得所述肺结节的三维结节区域还包括：
在所述肺结节的三维结节区域内进行三维采集，根据三维采样结果，计算得到所述肺结节的三维区域的良恶性自信度。
本发明还提供了一种肺结节图像的处理装置，包括：
转换模块，用于在待检测肺部的二维图像内任选一检测点，根据所述检测点的二维坐标得出所述检测点的三维坐标；
获取模块，用于根据所述检测点的三维坐标得到所述待检测肺部的三维初始区域；
判断模块，用于对所述三维初始区域进行强化计算后得到所述待检测肺部的三维目标区域，判断所述待检测肺部在三维目标区域是否产生肺结节病变；
分割模块，用于若是，则对所述三维目标区域进行三维分割得到所述肺结节的多个边界，从而获得所述肺结节的三维结节区域。
优选地，所述分割模块后还包括：生成模块，用于将所述肺结节的三维结节区域的特征信息保存并生成报告文件，以便于用户查看。
优选地，所述分割模块后还包括：第一计算模块，在所述肺结节的三维结节区域内进行三维采集，根据三维采样结果，计算得到所述肺结节的三维区域的良恶性自信度。
优选地，所述第一计算模块后还包括：第二计算模块，用于根据所述三维采样结果，得到肺部影响报告和数据系统内各个参数值。
优选地，所述第二计算模块后还包括：第三计算模块，用于根据所述三维采集结果以及Fleischer标准，计算与所述Fleischer标准相关的参数值。
优选地，所述第三处理模块后还包括：保存模块，用于将所述良恶性自信度、所述肺部影响报告和数据系统的各个参数值和与所述Fleischer标准相关的参数值保存至所述报告文件内，以便于用户查看检测结果。
本发明还提供了一种肺结节图像的处理设备，包括：
存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种肺结节图像的处理方法的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种肺结节图像的处理方法的步骤。
本发明所提供的肺结节图像的处理方法，在待检测的肺部的二维图像内任选一检测点。对所述检测点的二维坐标进行转换，得到所述检测点的三维坐标。利用所述检测点的三维坐标获得所述待检测肺部的三维初始区域；对所述三维初始区域进行强化计算，得到所述待检测肺部的三维目标区域；判断所述三维目标区域内是否产生肺结节病变，若是，则对所述三维目标区域进行分割，从而得到所述肺结节的多个边界，确定所述肺结节的三维结节区域。本发明所提供的肺结节图像的处理方法，通过待检测肺部二维图像中的一点的坐标转换，得到所述待检测肺部的三维目标区域，再对产生病变的三维目标区域进行三维分割，得到所述待检测肺部内肺结节的三维结节区域；简化了绘制多幅肺结节二维图像的操作，节省了大量人力；用户只需选取一个检测点，便可以自动获得获取肺结节三维区域，提高了工作效率。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。
图1为本发明所提供的肺结节图像的处理方法的第一种具体实施例的流程图；
图2为本发明所提供的肺结节图像的处理方法的第一种具体实施例的流程图；
图3为本发明实施例提供的一种肺结节图像的处理装置的结构框图。
具体实施方式
本发明的核心是提供一种肺结节图像的处理方法、装置、设备以及计算机可读存储介质，提高了获取肺结节三维区域的工作效率。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参考图1，图1为本发明所提供的肺结节图像的处理方法的第一种具体实施例的流程图；具体操作步骤如下：
步骤S101：在待检测肺部的二维图像内任选一检测点，根据所述检测点的二维坐标得出所述检测点的三维坐标；
步骤S102：根据所述检测点的三维坐标得到所述待检测肺部的三维初始区域；
步骤S103：对所述三维初始区域进行强化计算后得到所述待检测肺部的三维目标区域，判断所述待检测肺部在三维目标区域是否产生肺结节病变；
将所述检测点的物理坐标以及根据所述三维坐标得到的三维初始区域发送给算法服务端，对所述三维初始区域进行强化计算。若所述算法服务端没有接收到所述三维初始区域，则对预先选取的默认三维初始区域进行强化计算，得到三维目标区域。
判断所述三维目标区域内是否存在肺结节的病变区域，若所述三维目标区域不存在病变，则对预设的默认病变区域进行三维分割。
步骤S104：若是，则对所述三维目标区域进行三维分割得到所述肺结节的多个边界，从而获得所述肺结节的三维结节区域。
在本实施例中，用户只需选取一个检测点，便可以自动获得获取肺结节三维区域，提高了工作效率。
在上述实施例的基础上，本实施例在获取所述待检测肺部的三维结节区域后，可以在所述安慰结节区域内进行三维采集，根据所述三维采样结果可以获取所述肺结节的相关信息。请参考图2，图2为本发明所提供的肺结节图像的处理方法的第一种具体实施例的流程图；具体操作步骤如下：
步骤S201：在待检测肺部的二维图像内任选一检测点，根据所述检测点的二维坐标得出所述检测点的三维坐标；
步骤S202：根据所述检测点的三维坐标得到所述待检测肺部的三维初始区域，以便于对所述三维初始区域进行强化计算后得到所述待检测肺部的三维目标区域；
步骤S203：判断所述待检测肺部在三维目标区域是否产生肺结节病变；
步骤S204：若是，则对所述三维目标区域进行三维分割得到所述肺结节的多个边界，从而获得所述肺结节的三维结节区域；
步骤S205：在所述肺结节的三维结节区域内进行三维采集，根据三维采样结果，计算得到所述肺结节的三维区域的良恶性自信度；
步骤S206：根据所述三维采样结果，得到肺部影响报告和数据系统内各个参数值；
步骤S207：根据所述三维采集结果以及Fleischer标准，计算与所述Fleischer标准相关的参数值；
步骤S208：将所述良恶性自信度、所述肺部影响报告和数据系统的各个参数值和与所述Fleischer标准相关的参数值保存至所述报告文件内，以便于用户查看检测结果。
在本实施例中，得到所述肺结节的三维结节区域后，对所述三维结节区域进行采样。根据三维采样结果得到可以计算得到肺结节的良恶性自信度、肺部影响报告和数据系统内各个参数值和与Fleischer标准相关的参数值，并将上述各个数据保存至报告文件中，以便于用户查看肺结节的参数信息。
请参考图3，图3为本发明实施例提供的一种肺结节图像的处理装置的结构框图；具体装置可以包括：
转换模块100，用于在待检测肺部的二维图像内任选一检测点，根据所述检测点的二维坐标得出所述检测点的三维坐标；
获取模块200，用于根据所述检测点的三维坐标得到所述待检测肺部的三维初始区域；
判断模块300，用于对所述三维初始区域进行强化计算后得到所述待检测肺部的三维目标区域，判断所述待检测肺部在三维目标区域是否产生肺结节病变；
分割模块400，用于若是，则对所述三维目标区域进行三维分割得到所述肺结节的多个边界，从而获得所述肺结节的三维结节区域。
在本实施例中，在所述分割模块后还包括：生成模块，用于将所述肺结节的三维结节区域的特征信息保存并生成报告文件，以便于用户查看。
所述分割模块后还包括：第一计算模块，在所述肺结节的三维结节区域内进行三维采集，根据三维采样结果，计算得到所述肺结节的三维区域的良恶性自信度。
所述第一计算模块后还包括：第二计算模块，用于根据所述三维采样结果，得到肺部影响报告和数据系统内各个参数值。
所述第二计算模块后还包括：第三计算模块，用于根据所述三维采集结果以及Fleischer标准，计算与所述Fleischer标准相关的参数值。
所述第三处理模块后还包括：保存模块。用于将所述良恶性自信度、所述肺部影响报告和数据系统的各个参数值和与所述Fleischer标准相关的参数值保存至所述报告文件内，以便于用户查看检测结果。
本实施例的肺结节图像的处理装置用于实现前述的肺结节图像的处理方法，因此肺结节图像的处理装置中的具体实施方式可见前文中的肺结节图像的处理方法的实施例部分，例如，转换模块100，获取模块200，判断模块300，分割模块400，分别用于实现上述肺结节图像的处理方法中步骤S101，S102，S103和S104，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
本发明具体实施例还提供了一种肺结节图像的处理的备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种肺结节图像的处理方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种肺结节图像的处理方法的步骤。
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。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的肺结节图像的处理方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种肺结节图像的处理方法，其特征在于，包括：
在待检测肺部的二维图像内任选一检测点，根据所述检测点的二维坐标得出所述检测点的三维坐标；
根据所述检测点的三维坐标得到所述待检测肺部的三维初始区域；
对所述三维初始区域进行强化计算后得到所述待检测肺部的三维目标区域，判断所述待检测肺部在三维目标区域是否产生肺结节病变；
若是，则对所述三维目标区域进行三维分割得到所述肺结节的多个边界，从而获得所述肺结节的三维结节区域。
2.如权利要求1所述的处理方法，其特征在于，所述获得所述肺结节的三维结节区域还包括：
在所述肺结节的三维结节区域内进行三维采集，根据三维采样结果，计算得到所述肺结节的三维区域的良恶性自信度。
3.一种肺结节图像的处理装置，其特征在于，包括：
转换模块，用于在待检测肺部的二维图像内任选一检测点，根据所述检测点的二维坐标得出所述检测点的三维坐标；
获取模块，用于根据所述检测点的三维坐标得到所述待检测肺部的三维初始区域；
判断模块，用于对所述三维初始区域进行强化计算后得到所述待检测肺部的三维目标区域，判断所述待检测肺部在三维目标区域是否产生肺结节病变；
分割模块，用于若是，则对所述三维目标区域进行三维分割得到所述肺结节的多个边界，从而获得所述肺结节的三维结节区域。
4.如权利要求1所述的处理装置，其特征在于，所述分割模块后还包括：生成模块，用于将所述肺结节的三维结节区域的特征信息保存并生成报告文件，以便于用户查看。
5.如权利要求4所述的处理装置，其特征在于，所述分割模块后还包括：第一计算模块，在所述肺结节的三维结节区域内进行三维采集，根据三维采样结果，计算得到所述肺结节的三维区域的良恶性自信度。
6.如权利要求5所述的处理装置，其特征在于，所述第一计算模块后还包括：第二计算模块，用于根据所述三维采样结果，得到肺部影响报告和数据系统内各个参数值。
7.如权利要求6所述的处理装置，其特征在于，所述第二计算模块后还包括：第三计算模块，用于根据所述三维采集结果以及Fleischer标准，计算与所述Fleischer标准相关的参数值。
8.如权利要求7所述的处理装置，其特征在于，所述第三处理模块后还包括：保存模块，用于将所述良恶性自信度、所述肺部影响报告和数据系统的各个参数值和与所述Fleischer标准相关的参数值保存至所述报告文件内，以便于用户查看检测结果。
9.一种肺结节图像的处理设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至2任一项所述一种肺结节图像的处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述一种肺结节图像的处理方法的步骤。
CN201811019893.9A 2018-09-03 2018-09-03 一种肺结节图像的处理方法、装置、设备及存储介质 Pending CN109255782A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811019893.9A CN109255782A (zh) 2018-09-03 2018-09-03 一种肺结节图像的处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811019893.9A CN109255782A (zh) 2018-09-03 2018-09-03 一种肺结节图像的处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN109255782A true CN109255782A (zh) 2019-01-22

Family

ID=65050487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811019893.9A Pending CN109255782A (zh) 2018-09-03 2018-09-03 一种肺结节图像的处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109255782A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110796659A (zh) * 2019-06-24 2020-02-14 科大讯飞股份有限公司 一种目标检测结果的鉴别方法、装置、设备及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763644A (zh) * 2010-03-10 2010-06-30 华中科技大学 肺结节三维分割与特征提取方法及系统
CN104899851A (zh) * 2014-03-03 2015-09-09 天津医科大学 一种分割肺结节图像的方法
JP2017018339A (ja) * 2015-07-10 2017-01-26 国立大学法人 大分大学 胸部ｘ線画像における肺結節明瞭化法
CN107808377A (zh) * 2017-10-31 2018-03-16 北京青燕祥云科技有限公司 一种肺叶中病灶的定位方法及装置
CN107895369A (zh) * 2017-11-28 2018-04-10 腾讯科技（深圳）有限公司 图像分类方法、装置、存储介质及设备
CN107909581A (zh) * 2017-11-03 2018-04-13 杭州依图医疗技术有限公司 Ct影像的肺叶段分割方法、装置、系统、存储介质及设备
CN107945179A (zh) * 2017-12-21 2018-04-20 王华锋 一种基于特征融合的卷积神经网络的肺结节良恶性检测方法
CN108171692A (zh) * 2017-12-26 2018-06-15 安徽科大讯飞医疗信息技术有限公司 一种肺部影像检索方法及装置
CN108288271A (zh) * 2018-02-06 2018-07-17 上海交通大学 基于三维残差网络的图像检测系统及方法
CN108447046A (zh) * 2018-02-05 2018-08-24 龙马智芯（珠海横琴）科技有限公司 病灶的检测方法和装置、设备、计算机可读存储介质
CN108446730A (zh) * 2018-03-16 2018-08-24 北京推想科技有限公司 一种基于深度学习的ct肺结节检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763644A (zh) * 2010-03-10 2010-06-30 华中科技大学 肺结节三维分割与特征提取方法及系统
CN104899851A (zh) * 2014-03-03 2015-09-09 天津医科大学 一种分割肺结节图像的方法
JP2017018339A (ja) * 2015-07-10 2017-01-26 国立大学法人 大分大学 胸部ｘ線画像における肺結節明瞭化法
CN107808377A (zh) * 2017-10-31 2018-03-16 北京青燕祥云科技有限公司 一种肺叶中病灶的定位方法及装置
CN107909581A (zh) * 2017-11-03 2018-04-13 杭州依图医疗技术有限公司 Ct影像的肺叶段分割方法、装置、系统、存储介质及设备
CN107895369A (zh) * 2017-11-28 2018-04-10 腾讯科技（深圳）有限公司 图像分类方法、装置、存储介质及设备
CN107945179A (zh) * 2017-12-21 2018-04-20 王华锋 一种基于特征融合的卷积神经网络的肺结节良恶性检测方法
CN108171692A (zh) * 2017-12-26 2018-06-15 安徽科大讯飞医疗信息技术有限公司 一种肺部影像检索方法及装置
CN108447046A (zh) * 2018-02-05 2018-08-24 龙马智芯（珠海横琴）科技有限公司 病灶的检测方法和装置、设备、计算机可读存储介质
CN108288271A (zh) * 2018-02-06 2018-07-17 上海交通大学 基于三维残差网络的图像检测系统及方法
CN108446730A (zh) * 2018-03-16 2018-08-24 北京推想科技有限公司 一种基于深度学习的ct肺结节检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李蒙文 等: "勘探线剖面三维坐标与剖面图二维坐标转换计算方法", 《吉林大学学报（地球科学版）》 *
陈侃: "基于活动轮廓模型的肺结节分割方法研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110796659A (zh) * 2019-06-24 2020-02-14 科大讯飞股份有限公司 一种目标检测结果的鉴别方法、装置、设备及存储介质
CN110796659B (zh) * 2019-06-24 2023-12-01 科大讯飞股份有限公司 一种目标检测结果的鉴别方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109544568A (zh) 目标图像分割方法、装置及设备
US10346504B2 (en) 3D modelling of bodies
CN107220997A (zh) 一种立体匹配方法及系统
CN110675489A (zh) 一种图像处理方法、装置、电子设备和存储介质
US9563978B2 (en) Image generation apparatus, method, and medium with image generation program recorded thereon
JP2015506794A5 (zh)
CN108122266B (zh) 一种缓存骨骼动画渲染纹理的方法、装置和存储介质
CN103377486A (zh) 三维贴图处理方法以及装置
CA2719885C (en) Method and device for segmenting medical image data
EP3110149A1 (en) A system and a method for depth-image-based rendering
CN106991697A (zh) 胸部数字影像的心胸比测量方法
CN109255782A (zh) 一种肺结节图像的处理方法、装置、设备及存储介质
CN111145328B (zh) 三维文字表面纹理坐标计算方法、介质、设备及装置
CN105719333A (zh) 三维图像数据处理方法及装置
JP5835881B2 (ja) 医用画像処理装置、及び医用画像処理プログラム
RU2011119476A (ru) Моментальная коррекция результатов сегментации опухоли
CN106611443B (zh) 三维地形点拾取方法及装置
CN109389577B (zh) X射线图像处理方法和系统及计算机存储介质
KR20100068603A (ko) 밉맵 생성 장치 및 방법
Ji et al. An automatic 2D to 3D conversion algorithm using multi-depth cues
CN108074229A (zh) 一种气管树提取方法及装置
TW201023091A (en) Vector graphics system and vector graphics rendering method
RU2011108448A (ru) Способ составления и вычисления объема в системе ультразвуковой визуализации
CN104463941A (zh) 体绘制方法和装置
CN105193383A (zh) 协议生成系统及方法、协议显示系统、图像生成系统

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
TA01 Transfer of patent application right

Effective date of registration: 20210820

Address after: 519000 Room 102, 202 and 402, building 2, No. 100, Feipeng Road, Guangdong Macao cooperative traditional Chinese medicine science and Technology Industrial Park, Hengqin new area, Zhuhai City, Guangdong Province

Applicant after: Zhuhai Hengqin Shengao Yunzhi Technology Co.,Ltd.

Address before: 215000 unit 405, building B1, bio nano Park, 218 Xinghu street, industrial park, Suzhou, Jiangsu

Applicant before: TUXI SHENWEI MEDICAL TECHNOLOGY (SUZHOU) Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20190122

RJ01 Rejection of invention patent application after publication