CN109509189B - 一种基于多个子区域模板的腹部肌肉标注方法及标注装置 - Google Patents
一种基于多个子区域模板的腹部肌肉标注方法及标注装置 Download PDFInfo
- Publication number
- CN109509189B CN109509189B CN201811348179.4A CN201811348179A CN109509189B CN 109509189 B CN109509189 B CN 109509189B CN 201811348179 A CN201811348179 A CN 201811348179A CN 109509189 B CN109509189 B CN 109509189B
- Authority
- CN
- China
- Prior art keywords
- labeling
- image
- muscle
- abdomen
- sub
- 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
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
- 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
- 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
- G06T2207/10072—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种基于多个子区域模板的腹部肌肉标注方法及标注装置,针对腹部肌肉区域范围较广、形状变化较大、且具有多样性的特点,根据腹部肌肉形状特征及解剖学意义,将腹部肌肉划分为4个子区域;收集标准标注数据构建标准的腹部肌肉标注数据库,同时根据构建的标准标注数据库,针对腹部肌肉的4个子区域,分别构建每个子区域的多个形状模板,形成形状模板库;基于上述标注数据库和形状模板库,采用多模板匹配的方法对腹部肌肉的4个子区域分别进行自动分割与标注;同时,本发明的标注方法和标注装置能够对结果进行查看和修正,对标注结果进行细化和修正;本发明的自动标注方法大大减轻了医生的日常工作负担,同时保证了医学数据标注的精确性。
Description
技术领域
本发明涉及医学图像标注技术领域,具体地说,是一种基于多个子区域模板的腹部肌肉标注方法及标注装置。
背景技术
腹部第三腰椎平面的肌肉状态是衡量人营养状况的重要指标,腹部CT检查是获取腹部肌肉图像,进而分析其营养状况的主要手段。在检查过程中,需要在CT图像中标注出腹部第三腰椎平面的肌肉区域,进而计算相关参数,对营养状况进行判断。目前常规方法是医生对该区域进行人工标注。虽然常规方法可以得到精确肌肉区域,然而为医生日常工作带来较大负担。
近年来,计算机辅助方法逐渐被应用于医学图像领域。其中,基于多模板的方法因分割效果较好,在医学图像领域取得了较为广泛的应用。模板生成是基于多模板的方法的重要步骤,需收集分析大量标准标注数据,即医生标注数据。
腹部肌肉区域由于范围较广、形状变化较大、且具有多样性。因此,针对整个腹部肌肉区域生成一个整体的形状模板无法充分描述腹部肌肉不同区域的形状变化及多样性等。
中国专利文献:CN201810112755.9,申请日2018.02.05,专利名称为:基于超像素的腹部CT图像多器官分割方法。公开了一种基于超像素的腹部CT图像多器官分割方法,包括对腹部CT图像的预处理,其中预处理包括对腹部CT图像的滤波以及灰度映射,利用腹部CT图像集的中图像中上下层之间存在的相关性,并且以融合后的欧氏距离与灰度距离作为度量距离的K-means聚类方法将腹部CT图像分割成超像素块,对超像素块进行特征提取后,采用极限学习机结合位置和灰度统计概率模型对超像素块进行分类,再将分类后的超像素块进行合并,获得腹部CT图像多器官分割结果;该发明提供的方法能够准确地对腹部CT图像进行多器官的分割,将计算量从像素级别降低到像素块级,大大减少了计算量,加快了腹部CT图像多器官分割的速度。
中国专利文献:CN201710818436.5,申请日2017.09.12,专利名称为:基于模态坐标的第三腰椎横突损伤自动诊治装置及方法。公开了一种基于模态坐标的第三腰椎横突损伤自动诊治装置及方法,装置包括三维扫描装置、微型手术刀、图像显示模块、液压控制模块、刀刃方向控制模块、控制系统;三维扫描装置首先对待检测斜方肌组织进行三维扫描,并将结果传输到控制系统,经处理后得到损伤发生前后各个预设点的坐标;然后通过液压控制模块、刀刃方向控制模块控制微型手术刀工作,扫描情况及工作情况实时显示在图像显示模块中。该发明首先通过对人体斜方肌的三维扫描,建立斜方肌的数字化模态坐标,然后对斜方肌进行三维网格划分,计算斜方肌未发生病变时预设点的曲率,确定斜方肌发生病变的位置;最后进行自动诊治。该发明实现了快速高效地进行第三腰椎横突损伤自动诊治。但是关于一种通过构建标准的腹部肌肉标注数据库,根据构建的标注数据库对每个子区域生成形状模板库,基于上述标注数据库和形状模板库,采用多模板匹配的方法对腹部肌肉的每个子区域分别进行自动分割与标注,大大减轻医生的日常工作负担;同时,通过结果查看和修正步骤保证医学数据标注的精确性的一种基于多个子区域模板的腹部肌肉标注方法及标注装置目前则没有相关的报道。
综上所述,亟需一种通过构建标准的腹部肌肉标注数据库,根据构建的标注数据库对每个子区域生成形状模板库,基于上述标注数据库和形状模板库,采用多模板匹配的方法对腹部肌肉的每个子区域分别进行自动分割与标注,大大减轻医生的日常工作负担;同时,通过结果查看和修正步骤保证医学数据标注的精确性的一种基于多个子区域模板的腹部肌肉标注方法及标注装置。
发明内容
本发明的目的是针对现有技术中的不足,提供一种通过构建标准的腹部肌肉标注数据库,根据构建的标注数据库对每个子区域生成形状模板库,基于上述标注数据库和形状模板库,采用多模板匹配的方法对腹部肌肉的每个子区域分别进行自动分割与标注,大大减轻医生的日常工作负担;同时,通过结果查看和修正步骤保证医学数据标注的精确性的一种基于多个子区域模板的腹部肌肉标注方法。
本发明的再一的目的是,提供一种基于多个子区域模板的腹部肌肉标注方法对腹部肌肉进行标注的标注装置。
为实现上述目的,本发明采取的技术方案是:
一种基于多个子区域模板的腹部肌肉标注方法,其特征在于,所述的基于多个子区域模板的腹部肌肉标注方法具体包括以下步骤:
S1.构建标准的腹部肌肉标注数据库;
S2.根据所述标注数据库生成腹部肌肉形状模板库;
S3.基于所述腹部肌肉标注数据库和形状模板库对腹部肌肉进行自动分割与标注;
S4.结果查看及修正。
作为一种优选的技术方案,所述的构建标注的腹部肌肉标注数据库包括:收集腹部CT图像数据,选取第三腰椎中部的CT切片图像,并按照腹部肌肉形状特征及解剖学特征,定义腹部肌肉的4个子区域,对上述4个子区域进行标注,构建标准的腹部肌肉标注数据库,所述标注数据库中包括三大类信息:CT图像数据、标注的区域模板以及对应的区域编号r,其中r取值范围为{1,2,3,4}。
作为一种优选的技术方案,所述根据标注数据库生成腹部肌肉形状模板具体包括以下步骤:
步骤a:对所有第三腰椎中部的CT切片图像进行预处理,所述预处理包括图像平滑预处理、感兴趣区域筛选以及医学图像矩阵归一化;步骤b:腹部肌肉子区域提取,即针对腹部肌肉的4个子区域,分别提取特征,并用向量表示;步骤c:生成形状模板库。
作为一种优选的技术方案,所述基于所述腹部肌肉标注数据库和形状模板库对腹部肌肉进行自动分割与标注具体包括以下步骤:首先,获取腹部CT图像,根据需求定位到第三腰椎CT切片图像;接着,对所述第三腰椎CT切片图像进行图像预处理;最后,基于所述标注数据库和形状模板库,采用基于多模板的图像匹配方法对腹部肌肉的4个子区域分别进行自动分割与标注。
作为一种优选的技术方案,所述平滑预处理即运用高斯滤波器对图像进行平滑操作,消除噪音干扰;所述感兴趣区域筛选,即根据肌肉CT值范围设定阈值,剔除图像中不相关的区域;所述医学图像矩阵归一化,即将医学图像中的CT值转归一化为0到1之间的值。
作为一种优选的技术方案,所述腹部肌肉子区域提取具体包括以下步骤:首先,在预处理的图像中提取当前感兴趣子区域范围,同时,将图像中其他区域像素值置为0;接着,将图像按照当前子区域范围进行切割,仅保留当前子区域范围;最后,将切割好的子区域在图像横轴上的范围进行大小归一化,使得所有切割好的子区域在图像横轴上的范围相同。
作为一种优选的技术方案,所述腹部肌肉子区域提取具体包括以下步骤:首先,按照切割好的子区域在图像纵轴上的范围,将子区域进行聚类,将大小相似的子区域归为一类;接着,基于归为同一类型的子区域,生成平均模板;最后,收集所有平均模板,形成模板库。
为实现上述第二个目的,本发明采取的技术方案是:
基于多个子区域模板的腹部肌肉标注方法对腹部肌肉进行标注的标注装置,其特征在于,所述的标注装置包括包括存储器、图像处理器、形状模板库生成器、标注器、修正器和显示器;所述的存储器内设有存储单元,用于存储标准的腹部肌肉标注数据库;所述的图像处理器内设有图像处理单元,用于对CT切片图像进行预处理;所述的形状模板库生成器内设有用于根据所述标注数据库生成肌肉形状模板库;所述的标注器内设有标注单元,用于基于所述腹部肌肉标注数据库和形状模板库对腹部肌肉进行自动分割与标注;所述的修正器内设有修正单元,用于自动对标注结果进行细化和修正;所述的的显示器内设有显示单元,用于显示标注结果;所述的存储器、图像处理器、形状模板库生成器、标注器、修正器和显示器之间依次利用导线连接。
本发明优点在于:
1、通过构建标准的腹部肌肉标注数据库,根据构建的标注数据库对每个子区域生成形状模板库,基于上述标注数据库和形状模板库,采用多模板匹配的方法对腹部肌肉的每个子区域分别进行自动分割与标注。
2、标注方法和标注装置能够对结果进行查看和修正,对标注结果进行细化和修正。
3、自动标注方法大大减轻了医生的日常工作负担,同时保证了医学数据标注的精确性。
附图说明
附图1是本发明一种基于多个子区域模板的腹部肌肉标注方法的流程图。
附图2是本发明选取的腹部肌肉区域及子区域示意图,其中,图2a是腹部第三腰椎CT图像示意图;图2b是腹部第三腰椎肌肉区域示意图(浅色区域);图2c是腹部第三腰椎肌肉子区域示意图(1,2,3,4分别代表四个子区域)。
附图3是本发明一种基于多个子区域模板的腹部肌肉标注装置的结构示意图。
具体实施方式
下面结合附图对本发明提供的具体实施方式作详细说明。
如图1所示,图1是本发明基于多个子区域模板的腹部肌肉标注方法的流程图,主要包括以下步骤:
S1.构建标准的腹部肌肉标注数据库;具体步骤为:收集N个个体的腹部CT图像数据,在每个CT图像数据中选取第三腰椎中部的CT切片图像,并按照腹部肌肉形状特征及解剖学特征,定义腹部肌肉的4个子区域,在CT切片图像上对上述4个子区域进行标注,构建标准的腹部肌肉标注数据库,所述标注数据库中包括三大类信息:CT图像数据、标注的区域模板以及对应的区域编号r,其中r取值范围为{1,2,3,4};
S2.根据所述标注数据库生成腹部肌肉形状模板库;具体包括以下步骤:
S21.对每个所述第三腰椎中部的CT切片图像进行预处理,所述预处理包括图像平滑预处理、感兴趣区域筛选以及医学图像矩阵归一化;所述平滑预处理即运用高斯滤波器对图像进行平滑操作,消除噪音干扰;所述感兴趣区域筛选,即,根据肌肉CT值范围设定阈值,例如阈值范围为[-150,150],剔除图像中不相关的区域;所述医学图像矩阵归一化,即将医学图像中的CT值转归一化为0到1之间的值;
S22.腹部肌肉子区域提取,即针对腹部肌肉的4个子区域,分别提取特征,并用向量表示;具体为:首先,在预处理后的图像中提取当前感兴趣子区域范围,如提取编号为1的子区域,同时,将图像中其他区域像素值置为0;接着,将图像按照当前子区域范围进行切割,仅保留当前子区域范围,例如编号为1的子区域范围;最后,将切割好的子区域在图像横轴上的范围进行大小归一化,使得所有切割好的子区域在图像横轴上的范围相同;
S23.生成形状模板库,具体包括,首先,按照切割好的子区域在图像纵轴上的范围,将子区域进行聚类,将大小相似的子区域归为一类;接着,基于归为同一类型的子区域,生成平均模板;最后,收集所有平均模板,本实施例中优选每个子区域形成M个平均模板,形成模板库;
S3.基于所述腹部肌肉标注数据库和形状模板库对腹部肌肉进行自动分割与标注;具体包括以下步骤:首先,获取待处理的腹部CT图像,根据需求定位到第三腰椎CT切片图像;接着,对所述第三腰椎CT切片图像进行图像预处理;所述预处理包括图像平滑预处理、感兴趣区域筛选以及医学图像矩阵归一化;所述平滑预处理即运用高斯滤波器对图像进行平滑操作,消除噪音干扰;所述感兴趣区域筛选,即根据肌肉CT值范围设定阈值,剔除图像中不相关的区域;所述医学图像矩阵归一化,即将医学图像中的CT值转归一化为0到1之间的值;最后,基于所述标注数据库和形状模板库,采用基于多模板的图像匹配方法对腹部肌肉的4个子区域分别进行自动分割与标注;本实施例中标注数据库中包括N个原始模板,形状模板库中包括M个平均模板,使用该M个模板运用多模板匹配方法对腹部肌肉的4个子区域分别进行自动分割与标注;
S4.结果查看及修正,即医生查看审核标注结果,对标注错误的结果进行修正。
本发明还提供一种使用上述方法进行腹部肌肉标注的标注装置,所述的标注装置包括存储器、图像处理器、形状模板库生成器、标注器、修正器和显示器;所述的存储器内设有存储单元,用于存储标准的腹部肌肉标注数据库;所述的图像处理器内设有图像处理单元,用于对CT切片图像进行预处理;所述的形状模板库生成器内设有用于根据所述标注数据库生成肌肉形状模板库;所述的标注器内设有标注单元,用于基于所述腹部肌肉标注数据库和形状模板库对腹部肌肉进行自动分割与标注;所述的修正器内设有修正单元,用于自动对标注结果进行细化和修正;所述的的显示器内设有显示单元,用于显示标注结果;所述的存储器、图像处理器、形状模板库生成器、标注器、修正器和显示器之间依次连接。
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,在不脱离本发明方法的前提下,还可以做出若干改进和补充,这些改进和补充也应视为本发明的保护范围。
Claims (5)
1.一种基于多个子区域模板的腹部肌肉标注方法,其特征在于,所述的基于多个子区域模板的腹部肌肉标注方法具体包括以下步骤:
S1.构建标准的腹部肌肉标注数据库;
包括:收集腹部CT图像数据,选取第三腰椎中部的CT切片图像,并按照腹部肌肉形状特征及解剖学特征,定义腹部肌肉的4个子区域,对上述4个子区域进行标注,构建标准的腹部肌肉标注数据库,所述标注数据库中包括三大类信息:CT图像数据、标注的区域模板以及对应的区域编号r,其中r取值范围为{1,2,3,4};
S2.根据所述标注数据库生成腹部肌肉形状模板库;
具体包括以下步骤:
步骤a:对所有第三腰椎中部的CT切片图像进行预处理,所述预处理包括图像平滑预处理、感兴趣区域筛选以及医学图像矩阵归一化;步骤b:腹部肌肉子区域提取,即针对腹部肌肉的4个子区域,分别提取特征,并用向量表示;步骤c:生成形状模板库;
S3.基于所述腹部肌肉标注数据库和形状模板库对腹部肌肉进行自动分割与标注;
具体包括以下步骤:首先,获取腹部CT图像,根据需求定位到第三腰椎CT切片图像;接着,对所述第三腰椎CT切片图像进行图像预处理;最后,基于所述标注数据库和形状模板库,采用基于多模板的图像匹配方法对腹部肌肉的4个子区域分别进行自动分割与标注;
S4.结果查看及修正。
2.根据权利要求1所述的基于多个子区域模板的腹部肌肉标注方法,其特征在于,所述平滑预处理即运用高斯滤波器对图像进行平滑操作,消除噪音干扰;所述感兴趣区域筛选,即根据肌肉CT值范围设定阈值,剔除图像中不相关的区域;所述医学图像矩阵归一化,即将医学图像中的CT值转归一化为0到1之间的值。
3.根据权利要求1所述的基于多个子区域模板的腹部肌肉标注方法,其特征在于,所述腹部肌肉子区域提取具体包括以下步骤:首先,在预处理的图像中提取当前感兴趣子区域范围,同时,将图像中其他区域像素值置为0;接着,将图像按照当前子区域范围进行切割,仅保留当前子区域范围;最后,将切割好的子区域在图像横轴上的范围进行大小归一化,使得所有切割好的子区域在图像横轴上的范围相同。
4.根据权利要求1所述的基于多个子区域模板的腹部肌肉标注方法,其特征在于,所述腹部肌肉子区域提取具体包括以下步骤:首先,按照切割好的子区域在图像纵轴上的范围,将子区域进行聚类,将大小相似的子区域归为一类;接着,基于归为同一类型的子区域,生成平均模板;最后,收集所有平均模板,形成模板库。
5.根据权利要求1-4任一项所述的基于多个子区域模板的腹部肌肉标注方法对腹部肌肉进行标注的标注装置,其特征在于,所述的标注装置包括包括存储器、图像处理器、形状模板库生成器、标注器、修正器和显示器;所述的存储器内设有存储单元,用于存储标准的腹部肌肉标注数据库;所述的图像处理器内设有图像处理单元,用于对CT切片图像进行预处理;所述的形状模板库生成器内设有用于根据所述标注数据库生成肌肉形状模板库;所述的标注器内设有标注单元,用于基于所述腹部肌肉标注数据库和形状模板库对腹部肌肉进行自动分割与标注;所述的修正器内设有修正单元,用于自动对标注结果进行细化和修正;所述的的显示器内设有显示单元,用于显示标注结果;所述的存储器、图像处理器、形状模板库生成器、标注器、修正器和显示器之间依次利用导线连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811348179.4A CN109509189B (zh) | 2018-11-13 | 2018-11-13 | 一种基于多个子区域模板的腹部肌肉标注方法及标注装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811348179.4A CN109509189B (zh) | 2018-11-13 | 2018-11-13 | 一种基于多个子区域模板的腹部肌肉标注方法及标注装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109509189A CN109509189A (zh) | 2019-03-22 |
CN109509189B true CN109509189B (zh) | 2023-05-23 |
Family
ID=65748331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811348179.4A Active CN109509189B (zh) | 2018-11-13 | 2018-11-13 | 一种基于多个子区域模板的腹部肌肉标注方法及标注装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109509189B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110399933B (zh) * | 2019-07-31 | 2021-05-07 | 北京字节跳动网络技术有限公司 | 数据标注修正方法、装置、计算机可读介质及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009030387A (ja) * | 2007-07-30 | 2009-02-12 | Sogiri:Kk | 鉄筋ユニット及び基礎構築鉄筋組立方法 |
CN101576997A (zh) * | 2009-06-19 | 2009-11-11 | 西安电子科技大学 | 基于二次三维区域生长的腹部器官分割方法 |
-
2018
- 2018-11-13 CN CN201811348179.4A patent/CN109509189B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009030387A (ja) * | 2007-07-30 | 2009-02-12 | Sogiri:Kk | 鉄筋ユニット及び基礎構築鉄筋組立方法 |
CN101576997A (zh) * | 2009-06-19 | 2009-11-11 | 西安电子科技大学 | 基于二次三维区域生长的腹部器官分割方法 |
Non-Patent Citations (1)
Title |
---|
基于超像素方法的腹部CT影像多目标器官分割研究;张海涛等;《中国医疗设备》;20180110(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109509189A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767376B (zh) | 基于深度学习的x线片骨龄预测方法及系统 | |
CN108520519B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
JP5128154B2 (ja) | レポート作成支援装置、レポート作成支援方法およびそのプログラム | |
CN110956635A (zh) | 一种肺段分割方法、装置、设备及存储介质 | |
US10997466B2 (en) | Method and system for image segmentation and identification | |
CN107358608B (zh) | 基于图像处理技术的骨组织几何形态学参数自动测量装置及方法 | |
CN110599508A (zh) | 基于人工智能的脊柱影像处理方法及相关设备 | |
CN109671068B (zh) | 一种基于深度学习的腹部肌肉标注方法及装置 | |
US20210174503A1 (en) | Method, system and storage medium with a program for the automatic analysis of medical image data | |
CN102737379A (zh) | 一种基于自适应学习的ct图像分割方法 | |
CN108062749B (zh) | 肛提肌裂孔的识别方法、装置和电子设备 | |
CN112037200A (zh) | 一种医学影像中解剖特征自动识别与模型重建方法 | |
CN112381757A (zh) | 一种基于人工智能-图像识别的脊柱全长X线片测算脊柱侧弯Cobb角的系统及方法 | |
US20210271914A1 (en) | Image processing apparatus, image processing method, and program | |
Lee et al. | Deep learning based cephalometric landmark identification using landmark-dependent multi-scale patches | |
CN112508902B (zh) | 白质高信号分级方法、电子设备及存储介质 | |
CN106462974B (zh) | 用于分割图像的参数优化 | |
CN110580948A (zh) | 医学影像的显示方法及显示设备 | |
CN111916186A (zh) | 序贯型ai诊断模型对胸部x线智能诊断系统及方法 | |
CN113034528A (zh) | 基于影像组学的靶区及危及器官勾画轮廓准确性检验方法 | |
CN112614573A (zh) | 基于病理图像标注工具的深度学习模型训练方法及装置 | |
CN109509189B (zh) | 一种基于多个子区域模板的腹部肌肉标注方法及标注装置 | |
US11715208B2 (en) | Image segmentation | |
AU2020223750B2 (en) | Method and System for Image Annotation | |
CN109993754B (zh) | 从图像上进行颅骨分割的方法和系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |