CN109770943B - 一种利用计算机视觉定位的超声自动优化方法 - Google Patents
一种利用计算机视觉定位的超声自动优化方法 Download PDFInfo
- Publication number
- CN109770943B CN109770943B CN201910079472.3A CN201910079472A CN109770943B CN 109770943 B CN109770943 B CN 109770943B CN 201910079472 A CN201910079472 A CN 201910079472A CN 109770943 B CN109770943 B CN 109770943B
- Authority
- CN
- China
- Prior art keywords
- human body
- model
- ultrasonic
- data
- host
- 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
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提出一种利用计算机视觉定位的超声自动优化方法,包括如下步骤:S1:使用超声图像获取系统的摄像头采集人体图片数据和超声探头坐标数据,并将其和检查床坐标数据传输至主机;S2:获取人体体型数据,根据其从主机的数据库中提取对应的人体模型,并进行优化;S3:建立人体‑检查床三维坐标模型和探头‑检查床三维坐标模型;S4:根据人体‑检查床三维坐标模型和探头‑检查床三维坐标模型,获取检查部位,并根据其获取检查器官类型;S5:根据检查器官类型,调整超声扫描参数,使用超声探头进行超声扫描,获取超声图像;本发明解决了现有技术存在的诊断设备操作复杂、操作人员培养成本高以及诊断耗时长的问题。
Description
技术领域
本发明属于计算机视觉技术领域,具体涉及一种利用计算机视觉定位的超声自动优化方法。
背景技术
超声成像作为一种无辐射、无创、成本较低的医学成像方法,非常受医生和患者的欢迎。超声成像有多种工作模式,其中的B模式成像是最为常用的一种工作模式。B模式图像能够反映出扫描断层中组织分布信息,但识别超声断层图像信息不仅要对人体组织的三维结构清晰知晓,还需要对超声波在组织中的回声特点理解透彻。这就需要医生拥有比较专业的相关知识,以及需要较多的时间自己调整参数以获取更佳的超声图像。
众所周知,尽管每年都会有大量的医科学生毕业进入岗位,但在大部分地区还是依靠着毫无超声诊断经验的临床医生(甚至是村医等)来进行治疗诊断。倘若遇到比较棘手的病情,即使拥有超声图像仪器也无法进行确诊,需要转移到很远之外的大医院才能进行诊断,给医生和病患带来很大的麻烦。
超声机器本身是一种电子工程设备,里面涉及很多与电子和工程等相关的参数或名词,这对学医出身的操作者来说十分陌生,难以对其理解到位,从而不能对机器进行合适的调整,导致无法发挥出最好的性能;不仅如此,由于不同器官具有不同的特性,对于超声的反馈也不一样,在检测不同的器官时需要调节不同的相关参数,例如增益、深度、动态范围等等;增加了医生的操作难度和诊断难度,需要医生拥有较长时间的训练才可以真正正确使用超声设备。
视觉定位在医疗领域应用具有明显优势,单目视觉系统由于高清摄像头的投影效应,所获取的图像信息损失了光轴方向上的深度信息,但由于摄像机从上至下可以捕获到整个平面的信息,确定参数位置仅仅需要知道探头在人体的某个部位即可,单目视觉系统足以胜任此工作,亦可增加摄像头来获取更准确的位置信息来提高精度。
发明内容
针对现有技术中的上述不足,本发明提出一种利用计算机视觉定位的超声自动优化方法,用于解决现有技术存在的诊断设备操作复杂、操作人员培养成本高以及诊断耗时长的问题。
为了达到上述发明目的,本发明采用的技术方案为:
一种利用计算机视觉定位的超声自动优化方法,包括如下步骤:
S1:使用超声图像获取系统的摄像头采集人体图片数据和超声探头坐标数据,并将其和检查床坐标数据传输至主机;
S2:使用主机分析人体图片数据,获取人体体型数据,根据其从主机的数据库中提取对应的人体模型,并进行优化;
S3:根据优化人体模型和检查床坐标数据,建立人体-检查床三维坐标模型,根据超声探头坐标数据和检查床坐标数据,建立探头-检查床三维坐标模型;
S4:根据人体-检查床三维坐标模型和探头-检查床三维坐标模型,获取检查部位,并根据其获取检查器官类型;
S5:根据检查器官类型,调整超声扫描参数,使用超声探头进行超声扫描,获取超声图像。
进一步地,步骤S1中,使用摄像头采集超声探头位置的图片数据,使用主机分析超声探头位置的图片数据,获取超声探头坐标数据。
进一步地,步骤S2中,使用主机分析人体图片数据,获取人体体型数据,包括如下步骤:
A-1:将主机数据库中历史人体图片数据输入卷积神经网络进行训练,获取初始识别结果和特征识别模型;
A-2:根据对应的人体体型数据,将初始识别结果进行分类,获取人体体型类别;
A-3:将当前人体图片数据输入特征识别模型,获取二次识别结果;
A-4:判断二次识别结果是否属于人体体型类别,若是则输出对应的人体体型数据,并结束方法,否则返回步骤A-3。
进一步地,步骤S5中,超声图像为B模式超声图像。
进一步地,步骤S1中,超声图像获取系统包括检查床、超声探头、摄像头以及主机,超声探头紧贴人体设置,摄像头位于检查床的上方,超声探头和摄像头均与主机通信连接。
进一步地,系统还包括支撑架,支撑架与检查床一侧活动连接,摄像头与支撑架顶部可拆卸连接。
进一步地,检查床一侧设置有滑轨,支撑架的底端对应设置有与滑轨相互配合的滑块;支撑架顶部设置有卡座,卡座的内壁大小与摄像头的外壁大小保持一致。
进一步地,摄像头包括相互连接的彩色CMOS探测器和定焦镜头,彩色CMOS探测器与主机通信连接。
进一步地,摄像头的输出端设置有无线传输模块,无线传输模块与主机通信连接。
本方案的有益效果:
(1)本发明利用计算机视觉定位确定病患与超声探头的位置信息,判定所检查位置,获取所检查器官,进一步选取不同的参数来优化超声图像,得到更精良的超声图像,提高了检查结果的准确性;
(2)本发明的视觉定位所需系统要求较为简单,且不存在电磁干扰问题,进一步提高了检查结果的准确性;
(3)本发明的系统结构简单,使用方便,并且更精良的超声图像方便医生进行进一步的诊断,减少了诊断和培养医生的成本投入以及诊断时长。
附图说明
图1为利用计算机视觉定位的超声自动优化方法流程图;
图2为人体体型数据获取方法流程图;
图3为超声图像获取系统实施例一结构示意图;
图4为超声图像获取系统实施例二结构示意图;
图5为滑轨与滑块连接结构示意图。
其中,1、检查床;11、支撑架;2、超声探头;3、摄像头;31、无线传输模块;4、主机;51、滑轨;52、滑块;53、卡座。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例一:
如图1所示,一种利用计算机视觉定位的超声自动优化方法,包括如下步骤:
S1:使用超声图像获取系统的摄像头采集人体图片数据和超声探头坐标数据,并将其和检查床坐标数据传输至主机;
S2:使用主机分析人体图片数据,获取人体体型数据,根据其从主机的数据库中提取对应的人体模型,并进行优化;
主机使用修正算法对提取的人体模型进行优化,修正算法有两种功能:
当筛选的人体模型与实际轮廓相差较大时,例如当被试者是篮球运动员等身材极为高大人群时,挑选出主机内的人体模型数据库中最为接近的一个人体模型,并通过缩放比例等方式来矫正模型达到标准;
当有身体残疾(肢体残缺、人体体型变形以及不规则等情况,例如截肢患者,脊柱侧弯患者,下肢长短不齐患者等)现象的人体图片数据输入时,修正算法可以在残疾部位进行局部修正来使模型更接近于实际;加工修正方法如下:
当身体部位缺失的时候,在模型中将此部分覆盖为周边非人体的区域颜色;当身体变形时,根据其真实轮廓比照模型进行弯曲、拉伸或缩放,对应模型中人体部位按照轮廓调整;
S3:根据优化人体模型和检查床坐标数据,建立人体-检查床三维坐标模型,根据超声探头坐标数据和检查床坐标数据,建立探头-检查床三维坐标模型;
S4:根据人体-检查床三维坐标模型和探头-检查床三维坐标模型,获取检查部位,并根据其获取检查器官类型;
S5:根据检查器官类型,调整超声扫描参数(包括增益、深度、动态范围以及灰阶曲线),使用超声探头进行超声扫描,获取超声图像,超声图像为B模式超声图像;
获取的优化后的超声图像,方便医生进行进一步的诊断,诊断成本投入以及诊断时长。
本实施例中,步骤S1中,使用摄像头采集超声探头位置的图片数据,使用主机分析超声探头位置的图片数据,获取超声探头坐标数据。
本实施例中,如图2所示,步骤S2中,使用主机分析人体图片数据,获取人体体型数据,包括如下步骤:
A-1:将主机数据库中历史人体图片数据输入卷积神经网络进行训练,获取初始识别结果和特征识别模型;
A-2:根据对应的人体体型数据,将初始识别结果进行分类,获取人体体型类别;
A-3:将当前人体图片数据输入特征识别模型,获取二次识别结果;
A-4:判断二次识别结果是否属于人体体型类别,若是则输出对应的人体体型数据,并结束方法,否则返回步骤A-3。
本实施例中,如图3所示,步骤S1中,超声图像获取系统包括检查床1、超声探头2、摄像头3以及主机4,超声探头2紧贴人体设置,摄像头3位于检查床1的上方,超声探头2和摄像头3均与主机4通信连接。
本实施例中,系统还包括支撑架11,支撑架11与检查床1一侧活动连接,摄像头3与支撑架11顶部可拆卸连接。
本实施例中,如图5所示,检查床1一侧设置有滑轨51,支撑架11的底端对应设置有与滑轨51相互配合的滑块52,实现支撑架11与检查床1一侧活动连接;支撑架11顶部设置有卡座53,卡座53的内壁大小与摄像头3的外壁大小保持一致,实现摄像头3与支撑架11顶部可拆卸连接,支撑架11水平旋转角度和高度可调,方便调整摄像头的位置,便于采集身体残疾或无法正常躺于检查床(例如瘫痪患者)的患者的人体图片数据,提高了系统的实用性;
本实施例中,摄像头3包括相互连接的彩色CMOS探测器和定焦镜头,彩色CMOS探测器与主机4通信连接。
本实施例中,摄像头3的输出端设置有CDMA IP MODEM F2214型号的无线传输模块31,无线传输模块31与主机4通信连接。
本实施例中,利用计算机视觉定位确定病患与超声探头2的位置信息,判定所检查位置,获取检查器官,进一步选取不同的参数来优化超声图像,得到更精良的超声图像,提高了检查结果的准确性;视觉定位所需系统要求较为简单,且不存在电磁干扰问题,进一步提高了检查结果的准确性。
实施例二:
如图1所示,一种利用计算机视觉定位的超声自动优化方法,包括如下步骤:
S1:使用超声图像获取系统的摄像头采集人体图片数据和超声探头坐标数据,并将其和检查床坐标数据传输至主机;
S2:使用主机分析人体图片数据,获取人体体型数据,根据其从主机的数据库中提取对应的人体模型,并进行优化;
主机使用修正算法对提取的人体模型进行优化,修正算法有两种功能:
当筛选的人体模型与实际轮廓相差较大时,例如当被试者是篮球运动员等身材极为高大人群时,挑选出主机内的人体模型数据库中最为接近的一个人体模型,并通过缩放比例等方式来矫正模型达到标准;
当有身体残疾(肢体残缺、人体体型变形以及不规则等情况,例如截肢患者,脊柱侧弯患者,下肢长短不齐患者等)现象的人体图片数据输入时,修正算法可以在残疾部位进行局部修正来使模型更接近于实际;加工修正方法如下:
当身体部位缺失的时候,在模型中将此部分覆盖为周边非人体的区域颜色;当身体变形时,根据其真实轮廓比照模型进行弯曲、拉伸或缩放,对应模型中人体部位按照轮廓调整;
S3:根据优化人体模型和检查床坐标数据,建立人体-检查床三维坐标模型,根据超声探头坐标数据和检查床坐标数据,建立探头-检查床三维坐标模型;
S4:根据人体-检查床三维坐标模型和探头-检查床三维坐标模型,获取检查部位,并根据其获取检查器官类型;
S5:根据检查器官类型,调整超声扫描参数(包括增益、深度、动态范围以及灰阶曲线),使用超声探头进行超声扫描,获取超声图像,超声图像为B模式超声图像;
获取的优化后的超声图像,方便医生进行进一步的诊断,诊断成本投入以及诊断时长。
本实施例中,步骤S1中,使用摄像头采集超声探头位置的图片数据,使用主机分析超声探头位置的图片数据,获取超声探头坐标数据。
本实施例中,如图2所示,步骤S2中,使用主机分析人体图片数据,获取人体体型数据,包括如下步骤:
A-1:将主机数据库中历史人体图片数据输入卷积神经网络进行训练,获取初始识别结果和特征识别模型;
A-2:根据对应的人体体型数据,将初始识别结果进行分类,获取人体体型类别;
A-3:将当前人体图片数据输入特征识别模型,获取二次识别结果;
A-4:判断二次识别结果是否属于人体体型类别,若是则输出对应的人体体型数据,并结束方法,否则返回步骤A-3。
本实施例中,如图4所示,步骤S1中,超声图像获取系统包括检查床1、超声探头2、摄像头3以及主机4,超声探头2紧贴人体设置,摄像头3位于检查床1的上方,超声探头2和摄像头3均与主机4通信连接。
本实施例中,系统还包括支撑架11,支撑架11与检查床1一侧活动连接,摄像头3与支撑架11顶部可拆卸连接。
本实施例中,如图5所示,检查床1一侧设置有滑轨51,支撑架11的底端对应设置有与滑轨51相互配合的滑块52,实现支撑架11与检查床1一侧活动连接;支撑架11顶部设置有卡座53,卡座53的内壁大小与摄像头3的外壁大小保持一致,实现摄像头3与支撑架11顶部可拆卸连接,支撑架11水平旋转角度和高度可调,方便调整摄像头的位置,便于采集身体残疾或无法正常躺于检查床(例如瘫痪患者)的患者的人体图片数据,提高了系统的实用性;
本实施例中,摄像头3包括相互连接的彩色CMOS探测器和定焦镜头,彩色CMOS探测器与主机4通信连接。
本实施例中,利用计算机视觉定位确定病患与超声探头2的位置信息,判定所检查位置,获取检查器官,进一步选取不同的参数来优化超声图像,得到更精良的超声图像,提高了检查结果的准确性;视觉定位所需系统要求较为简单,且不存在电磁干扰问题,进一步提高了检查结果的准确性。
本发明提出一种利用计算机视觉定位的超声自动优化方法,解决了现有技术存在的诊断设备操作复杂、操作人员培养成本高以及诊断耗时长的问题。
Claims (7)
1.一种利用计算机视觉定位的超声自动优化方法,其特征在于,包括如下步骤:
S1:使用超声图像获取系统的摄像头采集人体图片数据和超声探头坐标数据,并将其和检查床坐标数据传输至主机;
步骤S1中,使用摄像头采集超声探头位置的图片数据,使用主机分析超声探头位置的图片数据,获取超声探头坐标数据;
S2:使用主机分析人体图片数据,获取人体体型数据,根据人体体型数据从主机的数据库中提取对应的人体模型,并进行优化;
所述步骤S2中,使用主机分析人体图片数据,获取人体体型数据,包括如下步骤:
A-1:将主机数据库中历史人体图片数据输入卷积神经网络进行训练,获取初始识别结果和特征识别模型;
A-2:根据对应的人体体型数据,将初始识别结果进行分类,获取人体体型类别;
A-3:将当前人体图片数据输入特征识别模型,获取二次识别结果;
A-4:判断二次识别结果是否属于人体体型类别,若是则输出对应的人体体型数据,并结束方法,否则返回步骤A-3;
所述步骤S2中,利用主机使用修正算法对提取的人体模型进行优化,当筛选的人体模型与实际轮廓相差大于阈值时,挑选出主机内的人体模型数据库中最为接近的一个人体模型,并通过缩放比例的方式来矫正模型达到标准;
当有身体残疾现象的人体图片数据输入时,修正算法在残疾部位进行局部修正使模型更接近于实际;加工修正方法为:当身体部位缺失时,在模型中将此部分覆盖为周边非人体的区域颜色;当身体变形时,根据其真实轮廓比照模型进行弯曲、拉伸或缩放,对应模型中人体部位按照轮廓调整;
S3:根据优化人体模型和检查床坐标数据,建立人体-检查床三维坐标模型,根据超声探头坐标数据和检查床坐标数据,建立探头-检查床三维坐标模型;
S4:根据人体-检查床三维坐标模型和探头-检查床三维坐标模型,获取检查部位,并根据其获取检查器官类型;
S5:根据检查器官类型,调整超声扫描参数,使用超声探头进行超声扫描,获取超声图像。
2.根据权利要求1所述的利用计算机视觉定位的超声自动优化方法,其特征在于,所述步骤S5中,超声图像为B模式超声图像。
3.根据权利要求1所述的利用计算机视觉定位的超声自动优化方法,其特征在于,所述步骤S1中,超声图像获取系统包括检查床(1)、超声探头(2)、摄像头(3)以及主机(4),所述超声探头(2)紧贴人体设置,所述摄像头(3)位于检查床(1)的上方,超声探头(2)和摄像头(3)均与主机(4)通信连接。
4.根据权利要求3所述的利用计算机视觉定位的超声自动优化方法,其特征在于,所述超声图像获取系统还包括支撑架(11),所述支撑架(11)与检查床(1)一侧活动连接,所述摄像头(3)与支撑架(11)顶部可拆卸连接。
5.根据权利要求4所述的利用计算机视觉定位的超声自动优化方法,其特征在于,所述检查床(1)一侧设置有滑轨(51),所述支撑架(11)的底端对应设置有与滑轨(51)相互配合的滑块(52);支撑架(11)顶部设置有卡座(53),所述卡座(53)的内壁大小与摄像头(3)的外壁大小保持一致。
6.根据权利要求3所述的利用计算机视觉定位的超声自动优化方法,其特征在于,所述摄像头(3)包括相互连接的彩色CMOS探测器和定焦镜头,所述彩色CMOS探测器与主机(4)通信连接。
7.根据权利要求3所述的利用计算机视觉定位的超声自动优化方法,其特征在于,所述摄像头(3)的输出端设置有无线传输模块(31),所述无线传输模块(31)与主机(4)通信连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910079472.3A CN109770943B (zh) | 2019-01-28 | 2019-01-28 | 一种利用计算机视觉定位的超声自动优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910079472.3A CN109770943B (zh) | 2019-01-28 | 2019-01-28 | 一种利用计算机视觉定位的超声自动优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109770943A CN109770943A (zh) | 2019-05-21 |
CN109770943B true CN109770943B (zh) | 2021-11-02 |
Family
ID=66502660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910079472.3A Active CN109770943B (zh) | 2019-01-28 | 2019-01-28 | 一种利用计算机视觉定位的超声自动优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109770943B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7321836B2 (ja) * | 2019-08-26 | 2023-08-07 | キヤノン株式会社 | 情報処理装置、検査システム及び情報処理方法 |
CN110522473B (zh) * | 2019-09-26 | 2021-01-15 | 彭丽丽 | 一种妇产科全自动检查成像系统 |
CN110680394B (zh) * | 2019-11-01 | 2023-02-28 | 上海联影医疗科技股份有限公司 | 超声探头的操作方法及装置、超声设备及计算机设备 |
CN110960241A (zh) * | 2019-12-09 | 2020-04-07 | 上海联影医疗科技有限公司 | 医学影像扫描的扫描参数确定方法、装置和计算机设备 |
CN111544035B (zh) * | 2020-05-12 | 2022-12-30 | 上海深至信息科技有限公司 | 一种基于增强现实的超声辅助扫查系统及方法 |
CN111973228A (zh) * | 2020-06-17 | 2020-11-24 | 谈斯聪 | B超数据采集分析诊断一体化机器人,平台 |
CN111950639B (zh) * | 2020-08-14 | 2024-03-19 | 四川维思模医疗科技有限公司 | 一种同步实时显示超声与断层解剖图像的成像方法 |
CN112057107A (zh) * | 2020-09-14 | 2020-12-11 | 无锡祥生医疗科技股份有限公司 | 超声扫查方法、超声设备及系统 |
CN112603368A (zh) * | 2020-12-25 | 2021-04-06 | 上海深博医疗器械有限公司 | 一种乳腺超声导航及诊断的系统和方法 |
CN113876356A (zh) * | 2021-10-15 | 2022-01-04 | 无锡触典科技有限公司 | 一种用于医疗成像的投影方法、超声设备系统及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710611A (zh) * | 2005-07-14 | 2005-12-21 | 中国科学院计算技术研究所 | 一种基于优化思想的人体姿态变形方法 |
US20150051489A1 (en) * | 2011-12-18 | 2015-02-19 | Calin Caluser | Three Dimensional Mapping Display System for Diagnostic Ultrasound Machines |
CN107590708A (zh) * | 2016-07-07 | 2018-01-16 | 梁如愿 | 一种生成用户特定体形模型的方法和装置 |
CN107865671A (zh) * | 2017-12-12 | 2018-04-03 | 成都优途科技有限公司 | 基于单目视觉定位的三维超声扫描系统及控制方法 |
CN108230261A (zh) * | 2016-12-09 | 2018-06-29 | 通用电气公司 | 基于自动器官识别的全自动图像优化 |
CN109073176A (zh) * | 2018-07-06 | 2018-12-21 | 南京迈瑞生物医疗电子有限公司 | 一种手术灯参数调节方法、手术照明设备和可读存储介质 |
CN109044400A (zh) * | 2018-08-31 | 2018-12-21 | 上海联影医疗科技有限公司 | 超声图像标注方法、装置、处理器及可读存储介质 |
-
2019
- 2019-01-28 CN CN201910079472.3A patent/CN109770943B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1710611A (zh) * | 2005-07-14 | 2005-12-21 | 中国科学院计算技术研究所 | 一种基于优化思想的人体姿态变形方法 |
US20150051489A1 (en) * | 2011-12-18 | 2015-02-19 | Calin Caluser | Three Dimensional Mapping Display System for Diagnostic Ultrasound Machines |
CN107590708A (zh) * | 2016-07-07 | 2018-01-16 | 梁如愿 | 一种生成用户特定体形模型的方法和装置 |
CN108230261A (zh) * | 2016-12-09 | 2018-06-29 | 通用电气公司 | 基于自动器官识别的全自动图像优化 |
CN107865671A (zh) * | 2017-12-12 | 2018-04-03 | 成都优途科技有限公司 | 基于单目视觉定位的三维超声扫描系统及控制方法 |
CN109073176A (zh) * | 2018-07-06 | 2018-12-21 | 南京迈瑞生物医疗电子有限公司 | 一种手术灯参数调节方法、手术照明设备和可读存储介质 |
CN109044400A (zh) * | 2018-08-31 | 2018-12-21 | 上海联影医疗科技有限公司 | 超声图像标注方法、装置、处理器及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109770943A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109770943B (zh) | 一种利用计算机视觉定位的超声自动优化方法 | |
US11633169B2 (en) | Apparatus for AI-based automatic ultrasound diagnosis of liver steatosis and remote medical diagnosis method using the same | |
CN106659473B (zh) | 超声成像装置 | |
Yang et al. | Automatic 3-D imaging and measurement of human spines with a robotic ultrasound system | |
US11455720B2 (en) | Apparatus for ultrasound diagnosis of liver steatosis using feature points of ultrasound image and remote medical-diagnosis method using the same | |
CN110956633A (zh) | 一种基于虚拟立体定位像的快速ct扫描方法及系统 | |
CN1973776A (zh) | 三维超声波检测方法 | |
CN106667525B (zh) | 一种基于超声图像的髋臼覆盖程度的测量系统及测量方法 | |
CN111445983B (zh) | 用于乳腺扫描的医疗信息处理方法、系统及存储介质 | |
US20230119063A1 (en) | Methods and Systems for Evaluating Echo Data Contemporaneous with an Electrodiagnostic Study | |
JP2022040216A (ja) | 医用画像装置 | |
CN115153634A (zh) | 一种智能超声检查诊断方法及系统 | |
CN108143501B (zh) | 一种基于体表静脉特征的解剖投影方法 | |
CN116580033B (zh) | 一种基于图像块相似性匹配的多模态医学图像配准方法 | |
CN116616816A (zh) | 一种能够自动记录并指导扫查的超声诊断方法和系统 | |
CN115844436A (zh) | 一种基于计算机视觉的ct扫描方案自适应制定方法 | |
CN111938699B (zh) | 一种引导使用超声设备的系统及方法 | |
Lavenir et al. | Miniaturized endoscopic 2D US transducer for volumetric ultrasound imaging of the auditory system | |
WO2023133929A1 (zh) | 一种基于超声的人体组织对称性检测分析方法 | |
CN113693617A (zh) | 一种体内病灶体积的自动测量系统及方法 | |
CN113066071B (zh) | 基于目标检测的自动曝光控制方法及系统 | |
US20230326017A1 (en) | System and method for automatically measuring spinal parameters | |
US12064277B2 (en) | System and method for training sensor-guided x-ray mammography system | |
US20230017173A1 (en) | Breast ultrasound screening and diagnostics system and method | |
US20240273726A1 (en) | Device Agnostic Systems and Methods for Acquiring and Analyzing Images from an Ultrasound Probe |
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 |