CN109801258A - 一种医学影像诊断质量管理系统及方法 - Google Patents
一种医学影像诊断质量管理系统及方法 Download PDFInfo
- Publication number
- CN109801258A CN109801258A CN201811548461.7A CN201811548461A CN109801258A CN 109801258 A CN109801258 A CN 109801258A CN 201811548461 A CN201811548461 A CN 201811548461A CN 109801258 A CN109801258 A CN 109801258A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- medical
- quality
- medical image
- 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
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于医疗诊断技术领域,公开了一种医学影像诊断质量管理系统及方法;设置有医学影像检测端,医学影像检测端与数据存储器连接,将检测的图像数据存储在数据存储器里。数据存储器经数据统一接口与医学影响质量检测器连接,医学影像质量检测器包括:医学影像稳定性检测器、医学影像验收检测器、医学影像状态检测器。医学影像质量检测器的输出结果分为两路,一路经患者服务端、医生患者交流端后反馈回医学影像检测端。另一路经影像对比器、质量报告生成器反馈回医学影像检测端。本发明降低了不同影像技术之间复杂的质量管理,使影像质量检测变得更为方便快捷,提升了医学影像检测质量。
Description
技术领域
本发明属于医疗诊断技术领域,尤其涉及一种医学影像诊断质量管理系统及方法。
背景技术
随着现代科学技术的不断发展,医学影像学也随之突飞猛进,目前,CT、CR及MRI等大型现代化医疗设备已经在县、市级以上医院基本普及,从事医学影像学相关工作的专业人员已达数万人。对影像而言,质量就是“影像本身或该项检查固有的、决定是否能够满足临床诊断目的、作为评价对象的性质的总和”。
目前,扫描技术多种多样,不同的扫描技术及成像方式可摄制出不同的人体断层影像;加之医学影像学科日常摄片、诊断及管理工作纷繁庞杂,这就使得医学影像的质量难以得到有效的控制与保障。
综上所述,现有技术存在的问题是:影像技术多种多样,诊断管理过程较为复杂,使得医学影像的质量难以得到保障;系统与其他软件无法直接调用医学影响图片;CT/CR等仪器检测的图片数据噪声大,质量不高。
发明内容
针对现有技术存在的问题,本发明提供了一种医学影像诊断质量管理系统及方法。
本发明是这样实现的,一种医学影像诊断质量管理方法,所述医学影像诊断质量管理方法包括:
第一步,利用基于维纳滤波与小波相融合进行图像去噪的CT影像采集器、CR影像采集器、MRI影像采集器采集病人的影像图片,并将采集到的图片数据存储至数据存储器;
第二步,基于D2B算法利用数据统一接口对存储的图片数据进行处理;
第三步,利用医学影像稳定性检测器、医学影像验收检测器、医学影像状态检测器对处理后的图片数据进行数据质量检测;
第四步,医生患者根据数据质量检测结果提出主观建议,并将检测结果与主观建议进行对比并反馈结果;同时将数据质量检测结果与历史质量数据进行对比,产生检测报告,客观反馈结果。
进一步,所述第一步中维纳滤波与小波相融合算法包括:
(1)对加噪图像f*(i,j),作对数变换得到对数图像,对数图像分别进行自适应中值滤波和维纳滤波处理;对数图像经过自适应中值滤波后得到信号多、噪声少的图像f1(i,j)和信号少、噪声多的图像f2(i,j),对数图像经过维纳滤波后得到去噪后图像fw(i,j);
(2)对图像f1(i,j)和图像f2(i,j)分别作小波变换得到WTf1(i,j)和WTf2(i,j);然后分别对WTf1(i,j)和WTf2(i,j)进行阈值去噪,得到去噪后的小波系数Cf1和Cf2;再分别对小波系数进行小波逆变换,得到小波去噪图像ff1(i,j)和ff2(i,j);最后将图像ff1(i,j)和ff2(i,j)相加得到小波去噪图像ff(i,j);
(3)对图像fw(i,j)进行3*3的Laplacian边缘检测,得到边缘图像fwb(i,j);再对fwb(i,j)进行形态学膨胀得到fwp(i,j);
(4)对图像fwp(i,j)进行灰度变换,将图像fwp(i,j)中值为1的像素点分别转换为图像ff(i,j)和fw(i,j)中相应像素点的值,得到边缘灰度图像ffb(i,j)和fwpb(i,j);
(5)对灰度图像ffb(i,j)和fwpb(i,j)采用绝对值极大值小波融合,得到融合后图像ffw(i,j);
(6)图像ff(i,j)减去图像ffb(i,j)得到图像fft(i,j);
(7)图像fft(i,j)和图像ffw(i,j)相加得到相加图像,再对得到的相加图像进行指数变化,得到最后的输出图像
进一步,所述第二步中D2B算法包括:
(1)DICOM数据图像预处理:DICOM格式的文件是多个有序数据单元的集合,每个数据单元有非数据域和数据域组成;DICOM数据图像预处理是通过数据域的起始位置读取数据单元的值,得到图像的基本信息,直至数据域结尾;
(2)初始化BMP文件:对位图文件的文件头数据项的赋值和对彩色表的设置,设置彩色表是将DICOM数据的灰度值映射为较少级数的BMP图像下的灰度值;位图文件头包含4中数据项,每个数据项的值有DICOM格式的行数、列数、帧数确定;
(3)BMP图像数据写入:首先确定DICOM文件中数据域的起始地址值,该起始地址是通过DICOM数据预处理得到的,用Pdata来记录该值,BMP图像数据的写入分两种情况:一种是DICOM格式下真彩色存储的情况,另一种是DICOM格式下非真彩色存储的情况;两种情况在由DICOM格式转存为BMP格式时,将采取逆序方式存储原来数据域的值。
本发明的另一目的在于提供一种实现所述医学影像诊断质量管理方法的医学影像诊断质量管理系统,所述医学影像诊断质量管理系统包括:
医学影像检测端;
医学影像检测端与数据存储器连接,将检测的图像数据存储在数据存储器;
数据存储器经数据统一接口与医学影响质量检测器连接;
医学影像质量检测器输出结果分为两路,一路经患者服务端、医生患者交流端后反馈回医学影像检测端;另一路经影像对比器、质量报告生成器反馈回医学影像检测端。
进一步,所述医学影像质量检测器包括:医学影像稳定性检测器、医学影像验收检测器、医学影像状态检测器。
进一步,所述医学影像检测端包括:CT影像采集器、CR影像采集器、MRI影像采集器。
本发明的另一目的在于提供一种应用所述医学影像诊断质量管理方法的医学影像处理平台。
本发明的优点及积极效果为:该医学影像诊断质量管理系统将不同的采集端数据进行了接口统一,使不同的影像数据可以进行互操作和统一的质量检测对比。并将质量检测数据结合主观和客观两个方面的建议反馈回检测端。该医学影像诊断质量管理系统降低了不同影像技术之间复杂的质量管理,使影像质量检测变得更为方便快捷,提升了医学影像检测质量。
附图说明
图1是本发明实施例提供的医学影像诊断质量管理系统的结构示意图;
图2是本发明实施例提供的医学影像诊断质量管理方法流程图;
图中:1、医学影像检测端;2、数据存储器;3、数据统一接口;4、质量报告生成器;5、医生患者交流端;6、医学影像稳定性检测器;7、医学影像验收检测器;8、医学影像质量检测器;9、患者服务端;10、医学影像状态检测器;11、影响对比器。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的医学影像诊断质量管理系统包括:医学影像检测端1、数据存储器2、数据统一接口3、质量报告生成器4、医生患者交流端5、医学影像稳定性检测器6、医学影像验收检测器7、医学影像质量检测器8、患者服务端9、医学影像状态检测器10;影像对比器11;
本发明实施例提供的医学影像诊断质量管理系统包括:
医学影像检测端1:与数据存储器2连接,将检测的图像数据存储在数据存储器2中,接收医生患者交流端5与质量报告生成器4反馈的检测结果;
数据存储器2:经数据统一接口3与医学影响质量检测器8连接;
数据统一接口3:连接数据存储器2与医学影响质量检测器8;
质量报告生成器4:接收影像对比器传送的检测结果,并将检测结果反馈至医学影像检测端1;
医生交流段5:接收患者服务端9传送的检测结果,并将检测结果反馈至医学影像检测端1;
医学影像质量检测器8:包括医学影像稳定性检测器6、医学影像验收检测器7、医学影像状态检测器10;医学影像稳定性检测器6与医学影像验收检测器7连接,医学影像验收检测器7与医学影像状态检测器10连接,医学影像稳定性检测器6与医学影像状态检测器10连接;医学影像质量检测器8将检测结果传送至患者服务端9余影像对比器11;
患者服务端9:接收医学影像质量检测器8传送的检测结果,并将检测结果传送至医生患者交流端5;
影像对比器11:接收医学影像质量检测器8传送的检测结果,并将检测结果传送至质量报告生成器4。
如图2所示,本发明实施例提供的医学影像诊断质量管理方法包括:
S101:利用基于维纳滤波与小波相融合进行图像去噪的CT影像采集器、CR影像采集器、MRI影像采集器采集病人的影像图片,并将采集到的图片数据存储至数据存储器;
S102:基于D2B算法利用数据统一接口对存储的图片数据进行处理;
S103:利用医学影像稳定性检测器、医学影像验收检测器、医学影像状态检测器对处理后的图片数据进行数据质量检测;
S104:医生患者根据数据质量检测结果提出主观建议,并将检测结果与主观建议进行对比并反馈结果;同时将数据质量检测结果与历史质量数据进行对比,产生检测报告,客观反馈结果。
步骤S101中,本发明实施例提供的维纳滤波与小波相融合算法包括:
(1)对加噪图像f*(i,j),作对数变换得到对数图像,对数图像分别进行自适应中值滤波和维纳滤波处理;对数图像经过自适应中值滤波后得到信号多、噪声少的图像f1(i,j)和信号少、噪声多的图像f2(i,j),对数图像经过维纳滤波后得到去噪后图像fw(i,j);
(2)对图像f1(i,j)和图像f2(i,j)分别作小波变换得到WTf1(i,j)和WTf2(i,j);然后分别对WTf1(i,j)和WTf2(i,j)进行阈值去噪,得到去噪后的小波系数Cf1和Cf2;再分别对小波系数进行小波逆变换,得到小波去噪图像ff1(i,j)和ff2(i,j);最后将图像ff1(i,j)和ff2(i,j)相加得到小波去噪图像ff(i,j);
(3)对图像fw(i,j)进行3*3的Laplacian边缘检测,得到边缘图像fwb(i,j);再对fwb(i,j)进行形态学膨胀得到fwp(i,j);
(4)对图像fwp(i,j)进行灰度变换,将图像fwp(i,j)中值为1的像素点分别转换为图像ff(i,j)和fw(i,j)中相应像素点的值,得到边缘灰度图像ffb(i,j)和fwpb(i,j);
(5)对灰度图像ffb(i,j)和fwpb(i,j)采用绝对值极大值小波融合,得到融合后图像ffw(i,j);
(6)图像ff(i,j)减去图像ffb(i,j)得到图像fft(i,j);
(7)图像fft(i,j)和图像ffw(i,j)相加得到相加图像,再对得到的相加图像进行指数变化,得到最后的输出图像
步骤S102中,本发明实施例提供的D2B算法包括:
CT影像采集器、CR影像采集器、MRI影像采集器采集的图片信息可统一为DICOM标准数据,但DICOM标准数据为医学影响专用的存储格式,其他软件或系统并不能对这种数据进行直接处理或调用,因此利用D2B算法在保持原有数据信息的基础上,将DICOM标准数据转换为BMP格式数据,具体步骤包括:
1、DICOM数据图像预处理:DICOM格式的文件是多个有序数据单元的集合,每个数据单元有非数据域和数据域组成;DICOM数据图像预处理是通过数据域的起始位置读取数据单元的值,得到图像的基本信息,直至数据域结尾;
2、初始化BMP文件:对位图文件的文件头数据项的赋值和对彩色表的设置,设置彩色表是将DICOM数据的灰度值映射为较少级数的BMP图像下的灰度值;位图文件头主要包含4中数据项,每个数据项的值有DICOM格式的行数、列数、帧数等确定;
3、BMP图像数据写入:首先确定DICOM文件中数据域的起始地址值,该起始地址是通过DICOM数据预处理得到的,用Pdata来记录该值,BMP图像数据的写入分两种情况:一种是DICOM格式下真彩色存储的情况,另一种是DICOM格式下非真彩色存储的情况;两种情况在由DICOM格式转存为BMP格式时,都将采取逆序方式存储原来数据域的值,不同点在于:非真彩色存储时只需将DICOM数据按行逆序存储,即可转换为相应BMP格式的图像,而真彩色除了按行逆序存储外还需对RGB值也逆序存储。
本发明的工作原理是:医学影像检测端1分为:CT影像采集器、CR影像采集器、MRI影像采集器,通过不同的影像采集器来采集病人的影像图片,并将图片数据存储至数据存储器2中,由于从不同的采集器进行采集的影像图片,这些影像图片的接口及协议将会不一样,将影像图片数据经过数据统一接口3使不同的数据之间能够进行互操作,数据传递至医学影像质量检测器8进行图像数据质量检测。医学影像质量检测器8包括:医学影像稳定性检测器6、医学影像验收检测器7、医学影像状态检测器10,通过不同的三个方向对影像图片质量进行检测。最后将检测的结果分为两路输出,一路经过患者服务端9、医生患者交流端5反馈回医学影像检测端1,使检测端收到医生患者的主观建议与实际对比的情况反馈。另一路经过影像对比器11、质量报告生成器4反馈回医学影像检测端1,使检测端基于历史质量数据进行对比,并产生相应的检测报告,可以从客观方面得到反馈。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (7)
1.一种医学影像诊断质量管理方法,其特征在于,所述医学影像诊断质量管理方法包括:
第一步,利用基于维纳滤波与小波相融合进行图像去噪的CT影像采集器、CR影像采集器、MRI影像采集器采集病人的影像图片,并将采集到的图片数据存储至数据存储器;
第二步,基于D2B算法利用数据统一接口对存储的图片数据进行处理;
第三步,利用医学影像稳定性检测器、医学影像验收检测器、医学影像状态检测器对处理后的图片数据进行数据质量检测;
第四步,医生患者根据数据质量检测结果提出主观建议,并将检测结果与主观建议进行对比并反馈结果;同时将数据质量检测结果与历史质量数据进行对比,产生检测报告,客观反馈结果。
2.如权利要求1所述的医学影像诊断质量管理方法,其特征在于,所述第一步中维纳滤波与小波相融合算法包括:
(1)对加噪图像f*(i,j),作对数变换得到对数图像,对数图像分别进行自适应中值滤波和维纳滤波处理;对数图像经过自适应中值滤波后得到信号多、噪声少的图像f1(i,j)和信号少、噪声多的图像f2(i,j),对数图像经过维纳滤波后得到去噪后图像fw(i,j);
(2)对图像f1(i,j)和图像f2(i,j)分别作小波变换得到WTf1(i,j)和WTf2(i,j);然后分别对WTf1(i,j)和WTf2(i,j)进行阈值去噪,得到去噪后的小波系数Cf1和Cf2;再分别对小波系数进行小波逆变换,得到小波去噪图像ff1(i,j)和ff2(i,j);最后将图像ff1(i,j)和ff2(i,j)相加得到小波去噪图像ff(i,j);
(3)对图像fw(i,j)进行3*3的Laplacian边缘检测,得到边缘图像fwb(i,j);再对fwb(i,j)进行形态学膨胀得到fwp(i,j);
(4)对图像fwp(i,j)进行灰度变换,将图像fwp(i,j)中值为1的像素点分别转换为图像ff(i,j)和fw(i,j)中相应像素点的值,得到边缘灰度图像ffb(i,j)和fwpb(i,j);
(5)对灰度图像ffb(i,j)和fwpb(i,j)采用绝对值极大值小波融合,得到融合后图像ffw(i,j);
(6)图像ff(i,j)减去图像ffb(i,j)得到图像fft(i,j);
(7)图像fft(i,j)和图像ffw(i,j)相加得到相加图像,再对得到的相加图像进行指数变化,得到最后的输出图像
3.如权利要求1所述的医学影像诊断质量管理方法,其特征在于,所述第二步中D2B算法包括:
(1)DICOM数据图像预处理:DICOM格式的文件是多个有序数据单元的集合,每个数据单元有非数据域和数据域组成;DICOM数据图像预处理是通过数据域的起始位置读取数据单元的值,得到图像的基本信息,直至数据域结尾;
(2)初始化BMP文件:对位图文件的文件头数据项的赋值和对彩色表的设置,设置彩色表是将DICOM数据的灰度值映射为较少级数的BMP图像下的灰度值;位图文件头包含4中数据项,每个数据项的值有DICOM格式的行数、列数、帧数确定;
(3)BMP图像数据写入:首先确定DICOM文件中数据域的起始地址值,该起始地址是通过DICOM数据预处理得到的,用Pdata来记录该值,BMP图像数据的写入分两种情况:一种是DICOM格式下真彩色存储的情况,另一种是DICOM格式下非真彩色存储的情况;两种情况在由DICOM格式转存为BMP格式时,将采取逆序方式存储原来数据域的值。
4.一种实现权利要求1所述医学影像诊断质量管理方法的医学影像诊断质量管理系统,其特征在于,所述医学影像诊断质量管理系统包括:
医学影像检测端;
医学影像检测端与数据存储器连接,将检测的图像数据存储在数据存储器;
数据存储器经数据统一接口与医学影响质量检测器连接;
医学影像质量检测器输出结果分为两路,一路经患者服务端、医生患者交流端后反馈回医学影像检测端;另一路经影像对比器、质量报告生成器反馈回医学影像检测端。
5.如权利要求4所述的医学影像诊断质量管理系统,其特征在于,所述医学影像质量检测器包括:医学影像稳定性检测器、医学影像验收检测器、医学影像状态检测器。
6.如权利要求4所述的医学影像诊断质量管理系统,其特征在于,所述医学影像检测端包括:CT影像采集器、CR影像采集器、MRI影像采集器。
7.一种应用权利要求1~3任意一项所述医学影像诊断质量管理方法的医学影像处理平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811548461.7A CN109801258A (zh) | 2018-12-18 | 2018-12-18 | 一种医学影像诊断质量管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811548461.7A CN109801258A (zh) | 2018-12-18 | 2018-12-18 | 一种医学影像诊断质量管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109801258A true CN109801258A (zh) | 2019-05-24 |
Family
ID=66556967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811548461.7A Pending CN109801258A (zh) | 2018-12-18 | 2018-12-18 | 一种医学影像诊断质量管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109801258A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833993A (zh) * | 2020-07-18 | 2020-10-27 | 贵州精准健康数据有限公司 | 一种基于ai的区域影像远程质控管理系统 |
CN113759223A (zh) * | 2021-09-08 | 2021-12-07 | 广东电网有限责任公司 | 一种振荡波局放数据转换方法及相关装置 |
WO2022222458A1 (zh) * | 2021-04-19 | 2022-10-27 | 温州医科大学 | 一种面向医学影像的人工智能辅助诊断模型构建系统 |
CN115393353A (zh) * | 2022-10-27 | 2022-11-25 | 江南大学附属医院 | 医学影像数据质量监测管理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040084242A (ko) * | 2003-03-27 | 2004-10-06 | 학교법인 경희대학교 | 의료용 시뮬레이션 시스템에서의 3차원 영상출력 시스템및 방법 |
CN101322648A (zh) * | 2008-07-29 | 2008-12-17 | 四川大学华西医院 | 一种核磁共振成像设备稳定性及成像指标的测量方法 |
CN102419863A (zh) * | 2011-08-22 | 2012-04-18 | 深圳市旭东数字医学影像技术有限公司 | 一种多期医学图像数据处理方法及系统 |
CN105469352A (zh) * | 2014-08-23 | 2016-04-06 | 北京纳米维景科技有限公司 | 一种基于移动gpu的便携式图像处理系统及其方法 |
CN106657991A (zh) * | 2017-01-25 | 2017-05-10 | 泰山医学院 | 一种磁共振质量控制方法、服务器及系统 |
-
2018
- 2018-12-18 CN CN201811548461.7A patent/CN109801258A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040084242A (ko) * | 2003-03-27 | 2004-10-06 | 학교법인 경희대학교 | 의료용 시뮬레이션 시스템에서의 3차원 영상출력 시스템및 방법 |
CN101322648A (zh) * | 2008-07-29 | 2008-12-17 | 四川大学华西医院 | 一种核磁共振成像设备稳定性及成像指标的测量方法 |
CN102419863A (zh) * | 2011-08-22 | 2012-04-18 | 深圳市旭东数字医学影像技术有限公司 | 一种多期医学图像数据处理方法及系统 |
CN105469352A (zh) * | 2014-08-23 | 2016-04-06 | 北京纳米维景科技有限公司 | 一种基于移动gpu的便携式图像处理系统及其方法 |
CN106657991A (zh) * | 2017-01-25 | 2017-05-10 | 泰山医学院 | 一种磁共振质量控制方法、服务器及系统 |
Non-Patent Citations (2)
Title |
---|
梁云等,: "DICOM医学图像数据转换算法研究", 《现代计算机》, no. 281, pages 1 - 1 * |
郭业才等,: "基于维纳滤波与小波相融合的超声医学图像去噪方法", 《中国医学影像技术》, vol. 25, no. 8, pages 2 - 8 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833993A (zh) * | 2020-07-18 | 2020-10-27 | 贵州精准健康数据有限公司 | 一种基于ai的区域影像远程质控管理系统 |
CN111833993B (zh) * | 2020-07-18 | 2024-04-19 | 贵州精准健康数据有限公司 | 一种基于ai的区域影像远程质控管理系统 |
WO2022222458A1 (zh) * | 2021-04-19 | 2022-10-27 | 温州医科大学 | 一种面向医学影像的人工智能辅助诊断模型构建系统 |
CN113759223A (zh) * | 2021-09-08 | 2021-12-07 | 广东电网有限责任公司 | 一种振荡波局放数据转换方法及相关装置 |
CN113759223B (zh) * | 2021-09-08 | 2023-08-29 | 广东电网有限责任公司 | 一种振荡波局放数据转换方法及相关装置 |
CN115393353A (zh) * | 2022-10-27 | 2022-11-25 | 江南大学附属医院 | 医学影像数据质量监测管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109801258A (zh) | 一种医学影像诊断质量管理系统及方法 | |
CN110996789B (zh) | 执行筛查、诊断或其他基于图像的分析任务的系统和方法 | |
JP5026939B2 (ja) | 画像処理装置およびそのプログラム | |
JP2008520344A (ja) | 放射線写真画像の向きを検知及び補正する方法 | |
CN111047572A (zh) | 一种基于Mask RCNN的医学图像中脊柱自动定位方法 | |
CN110503652B (zh) | 下颌智齿与邻牙及下颌管关系确定方法、装置、存储介质及终端 | |
DE102012108121A1 (de) | Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien | |
CN102428478A (zh) | 多尺度图像归一化和增强 | |
CN106202948A (zh) | 一种可数字化超声心动图报告自动管理的方法和系统 | |
CN110458827A (zh) | 医学影像坏点的检测方法、装置、设备及介质 | |
CN110211143A (zh) | 一种基于计算机视觉的医学图像分析方法 | |
US11195262B2 (en) | Body region identification device and method | |
CN106529131A (zh) | 临床诊断的新型数字成像系统 | |
CN1284117C (zh) | 用于在医学成像中进行图像显示的方法 | |
Chuang et al. | Assessment of noise in a digital image using the join-count statistic and the Moran test | |
CN102402787B (zh) | 一种检测图像中条状伪影的系统和方法 | |
CN104285240B (zh) | 基于立体x射线管的对体外的高对比物体的抑制 | |
CN114287915A (zh) | 一种基于背部彩色图像的无创脊柱侧弯筛查方法及系统 | |
KR20210026934A (ko) | 팬텀에 대한 구조 영상 기반의 공간해상도와 화질의 동시 개선 신경망 학습을 통한 새로운 핵의학영상 재구성 시스템 | |
Vani et al. | Multi focus and multi modal image fusion using wavelet transform | |
CN110197722B (zh) | Ai-cpu系统平台 | |
CN110428392A (zh) | 一种基于字典学习和低秩表示的医学图像融合方法 | |
EP3624058A1 (en) | Method and system of analyzing symmetry from image data | |
CN110930394B (zh) | 测量肌肉肌纤维束线斜率和羽状角的方法及终端设备 | |
CN114240893A (zh) | 一种外像图像中脊柱Cobb角的测算方法 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Xie Yong Inventor after: Peng Jing Inventor after: Qin Xiaojun Inventor before: Xie Yong |
|
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Xie Yong Inventor after: Peng Jing Inventor after: Qin Xiaojun Inventor before: Xie Yong |