CN109948655A - 一种基于多层次的内窥镜手术器械检测方法 - Google Patents
一种基于多层次的内窥镜手术器械检测方法 Download PDFInfo
- Publication number
- CN109948655A CN109948655A CN201910129805.9A CN201910129805A CN109948655A CN 109948655 A CN109948655 A CN 109948655A CN 201910129805 A CN201910129805 A CN 201910129805A CN 109948655 A CN109948655 A CN 109948655A
- Authority
- CN
- China
- Prior art keywords
- matching
- endoscope operation
- template image
- initial
- grey level
- 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
- Image Analysis (AREA)
Abstract
本发明公开了一种基于多层次的内窥镜手术器械检测方法，包括：截取内窥镜手术器械图像的部分为模板图像；对模板图像进行预处理，对预处理后的模板图像计算灰度直方图以及SURF特征；获取待测图像为源图像，对源图像进行预处理；对预处理后的源图像和模板图像，基于CUDA并行加速的多步阶灰度直方图匹配，确定初始匹配位置及灰度直方图匹配相似度P1；对初始匹配位置扩大a*a像素作为待测范围，计算待测范围的SURF特征，与模板图像进行SURF特征匹配，确定最终匹配位置及SURF特征匹配相似度P2；按比例组合P1和P2，得到最终匹配相似度P；将P与相似度阈值进行比较，若大于阈值，则SURF特征匹配确定的最终匹配位置即为最终的预测位置，若不大于阈值，则未检测到目标。
Description
技术领域
本发明属于图像处理与模式识别技术领域，更具体地，涉及一种基于 多层次的内窥镜手术器械检测方法。
背景技术
基于图像的仪器检测和跟踪，在计算机辅助干预(CAI)和机器人微创 手术(RMIS)中具有重要应用。这种方法可以帮助机器人控制内窥镜自动 为医生提供手术器械的视图。准确快速的检测内窥镜手术器械是该视觉跟 踪的关键组成部分。
图像特征在图像识别中起着至关重要的作用，之前已经提出的许多内 窥镜手术器械检测方法，例如，利用器械边缘特征、点和区域之间的图像 特征、颜色特征、SURF特征等。但是由于手术器械尖端位置较小，可以提 取的特征较少，单一的使用一种特征进行图像匹配，影响了图像匹配的精 度，同时若结合多种特征进行匹配，又可能影响匹配的速度。
发明内容
针对现有技术的缺陷，本发明的目的在于解决现有技术手术器械遮挡、 手术器械检测精度低、速度慢的技术问题。
为实现上述目的，第一方面，本发明实施例提供了一种基于多层次的 内窥镜手术器械检测方法，包括以下步骤：
S1.截取内窥镜手术器械图像的部分为模板图像；
S2.对模板图像进行预处理，对预处理后的模板图像计算灰度直方图以 及SURF特征；
S3.获取待测图像为源图像，对源图像进行与模板图像同样的预处理；
S4.对预处理后的源图像和模板图像，基于CUDA并行加速的多步阶灰 度直方图匹配，确定初始匹配位置及灰度直方图匹配相似度P1；
S5.对初始匹配位置扩大a*a像素作为待测范围，计算待测范围的SURF 特征，与模板图像进行SURF特征匹配，确定最终匹配位置及SURF特征匹 配相似度P2；
S6.按比例组合两个层次的灰度直方图匹配相似度P1和P2，得到最终 匹配相似度P；
S7.将最终匹配相似度P与相似度阈值进行比较，若大于阈值，则SURF 特征匹配确定的最终匹配位置即为最终的预测位置，若不大于阈值，则未 检测到目标。
具体地，截取内窥镜手术器械尖端的金属部分和连杆相连的部分为模 板图像。
具体地，所述预处理包括灰度化以及双边滤波处理。
具体地，步骤S4包括以下步骤：
S401.搜索范围初始化为整个源图像，灰度直方图匹配相似度P1初始 化为0或者负数，设定初始步阶t、CUDA的Grid与Block、初始匹配位置；
S402.从初始匹配位置出发，在搜索范围内以步阶t移动滑动窗口，使 用CUDA并行计算滑动窗口的灰度直方图；
S403.CUDA的多个线程并行计算所有窗口与模板图像的灰度直方图匹 配值，并且计算所有匹配相似度的最大值p，以及对应的匹配位置；
S404.比较p与P1，若p大于P1，则更新P1为p，同时更新初始匹配 位置为p所对应的位置，进入步骤S405，若p不大于P1，直接进入步骤S405；
S405.判断步阶t是否大于1，若是，则进入步骤S406，否则，则将初 始匹配位置扩大步阶t的范围更新搜索范围，步阶t减半，返回步骤S402；
S406.输出初始匹配位置以及灰度直方图匹配相似度P1。
具体地，初始步阶t为2的阶乘数；Grid设置为n的二维分布的Block， 分别对应图像中n个滑动窗口，滑动窗口是与模板图像大小相同的矩形， Block设置为S*S的二维分布的Thread，每个Thread对应滑动窗口的一个 像素灰度值；初始匹配位置是指滑动窗口的初始位置，设定初始匹配位置 为源图像的左上角。
具体地，a的取值范围为模板图像大小的1/5到1/10之间。
具体地，P＝α*P1+(1-α)*P2，其中，0＜a＜1。
具体地，α为0.73。
具体地，相似度阈值的取值范围为0.5～0.9。
第二方面，本发明实施例提供了一种计算机可读存储介质，该计算机 可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上 述第一方面所述的内窥镜手术器械检测方法。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有 以下有益效果：
1.本发明通过在灰度直方图匹配使用CUDA计算以及采用多级步阶进 行加速，可以实现多线程并行计算，将灰度直方图中计算分为多个线程同 时计算提高速度。同时采用多级步阶，由大步阶粗匹配到小步阶精确匹配， 提高匹配速度。
2.本发明将灰度直方图匹配与SURF特征点匹配相结合，灰度直方图是 基于全局特征，而SURF是基于局部特征，结合两种匹配方式可以同时获 得局部特征和局部特征，提高了匹配的精度。
3.本发明通过选择内窥镜手术器械尖端的金属部分和连杆相连的那一 部分为模板图像，此时的模板图像同时具有金属器械和连杆的特征，手术 器械遮挡只会遮挡手术器械的最前端部分，模板图像部分一般不会被遮挡， 所以可以提高手术器械被遮挡时的检测精度。
附图说明
图1为本发明实施例提供的一种基于多层次的内窥镜手术器械检测方 法流程图；
图2(a)为本发明实施例提供的一种内窥镜手术器械示意图；
图2(b)为本发明实施例提供的截取的内窥镜手术器械模板图像示意图；
图3为本发明实施例提供的源图像示意图；
图4(a)为本发明实施例提供的多级步阶的滑动窗口示意图；
图4(b)为本发明实施例提供的基于CUDA并行计算滑动窗口的 示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图 及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体 实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，一种基于多层次的内窥镜手术器械检测方法，包括以下 步骤：
S1.截取内窥镜手术器械图像的部分为模板图像；
S2.对模板图像进行预处理，对预处理后的模板图像计算灰度直方图以 及SURF特征；
S3.获取待测图像为源图像，对源图像进行与模板图像同样的预处理；
S4.对预处理后的源图像和模板图像，基于CUDA并行加速的多步阶灰 度直方图匹配，确定初始匹配位置及灰度直方图匹配相似度P1；
S5.对初始匹配位置扩大a*a像素作为待测范围，计算待测范围的SURF 特征，与模板图像进行SURF特征匹配，确定最终匹配位置及SURF特征匹 配相似度P2；
S6.按比例组合两个层次的灰度直方图匹配相似度P1和P2，得到最终 匹配相似度P；
S7.将最终匹配相似度P与相似度阈值进行比较，若大于阈值，则SURF 特征匹配确定的最终匹配位置即为最终的预测位置，若不大于阈值，则未 检测到目标。
步骤S1.截取内窥镜手术器械图像的部分为模板图像。
对于不同的手术器械，需要不同的模板图像；对于同一种手术器械， 一般只需要一个模板图像。
选取的内窥镜手术器械如图2(a)所示。如图2(b)所示，截取的模板图 像优选内窥镜手术器械尖端的金属部分和连杆相连的部分为模板图像，此 时的模板图像同时具有金属器械和连杆的特征。
步骤S2.对模板图像进行预处理，对预处理后的模板图像计算灰度直方 图以及SURF特征。
所述预处理包括灰度化以及双边滤波处理，灰度化使图像能够进行灰 度直方图特征提取，双边滤波去除图像噪声。
灰度直方图特征是一种全局特征，可以用于确定内窥镜手术器械的位 置范围；SURF特征是一种局部特征，可以很好的弥补灰度直方图特征的不 足。在初次预测范围内确定最终的预测范围，提高了检测的准确性。结合 了灰度直方图匹配和SURF特征匹配来提高内窥镜手术器械匹配的准确性。
步骤S3.获取待测图像为源图像，对源图像进行与模板图像同样的预处 理。
如图3所示，待测图像是在做手术时内窥镜实际拍到的图像。手术器 械遮挡只会遮挡手术器械的最前端部分，模板图像部分一般不会被遮挡， 所以可以提高手术器械被遮挡时的检测精度。
步骤S4.对预处理后的源图像和模板图像，基于CUDA并行加速的多步 阶灰度直方图匹配，确定初始匹配位置及灰度直方图匹配相似度P1。具体 包括以下步骤：
S401.搜索范围初始化为整个源图像，设定初始步阶t，设定CUDA的 Grid与Block，灰度直方图匹配相似度P1初始化为0或者负数，设定初始 匹配位置为源图像的左上角。
初始步阶t为2的阶乘数，一般设定为8、16或者32。Grid设置为 n的二维分布的Block，分别对应图像中n个滑动窗口，Block设置为S*S 的二维分布的Thread，每个Thread对应滑动窗口的一个像素灰度值。初始 匹配位置是指滑动窗口的初始位置，滑动窗口是与模板图像大小相同的矩 形，滑动窗口的左上角与源图像的左上角重合。
S402.从初始匹配位置出发，在搜索范围内以步阶t移动滑动窗口，使 用CUDA并行计算滑动窗口的灰度直方图。
如图4(a)所示，源图像和模板图像以方形为例进行说明，步阶用t表 示，滑动窗口分辨率为S*S，输入图像分辨率为W*W。滑动窗口每次移动一 个步阶，也就是t个像素，其中,t的取值是由大到小成倍递减的，这样的 多步阶方法可以克服传统每次滑动单个像素而导致的慢速问题，总共 n＝(λ+1)2个滑动窗口，其中，滑动窗口在移动的过程中最右 边与最下边可能不足一个步阶的长度，这里用t′表示，其中， t′＝W-S-t*λ。
如图4(b)所示，使用CUDA并行计算滑动窗口的灰度直方图。Grid设 置为n的二维分布的Block，分别对应图像中n个滑动窗口，Block设置为S*S的二维分布的Thread，每个Thread对应滑动窗口的一个像素灰度值。 初始匹配位置是指滑动窗口的初始位置，滑动窗口是与模板图像大小相同 的矩形，滑动窗口的左上角与源图像的左上角重合。
S403.CUDA的多个线程并行计算所有窗口与模板图像的灰度直方图匹 配值，并且计算所有匹配相似度的最大值p，以及对应的匹配位置。
S404.比较p与P1，若p大于P1，则更新P1为p，同时更新初始匹配 位置为p所对应的位置，进入步骤S405，若p不大于P1，直接进入步骤S405。
S405.判断步阶t是否大于1，若是，则进入步骤S406，否则，则将初 始匹配位置扩大步阶t的范围更新搜索范围，步阶t减半，返回步骤S402。
初始匹配位置(矩形)是与模板大小相同的范围，扩大步阶t，是指该 位置(矩形)的上边界向上移动t，下边界向下移动t，左边界向左移动t， 右边界向右移动t，即假设原本矩形大小为h*w，h为高，w为宽，则扩大 后的大小为(h+2t)*(w+2t)。
S406.输出初始匹配位置以及灰度直方图匹配相似度P1。
对灰度直方图进行多步阶匹配提高匹配速度。首先设定一个较大的值 作为初始步阶值t，初始限定搜索范围为全部源图像；从限定搜索范围的左 上角开始，通过滑动窗口的方式以该步阶值t移动窗口，每个窗口都与模 板进行灰度直方图匹配，直到滑动窗口移动到右下角，最大匹配相似度的 位置为当前最佳匹配位置；判断t是否大于1，若t大于1，将当前最佳匹 配位置扩大一定的范围作为下次限定搜索范围，同时令t减半，重复上一 步，若t不大于1，则当前最佳匹配位置为灰度直方图匹配的预测位置。 通过多步阶匹配可以很好的缩短匹配时间，提高实时性。
对灰度直方图进行CUDA并行加速提高匹配速度。灰度直方图匹配需要 重复计算很n个窗口的灰度直方图以及与模板图像的灰度直方图匹配，所 以引进CUDA并行运算，设置CUDA的Grid为n个Block，从而并行计算所 有窗口的匹配，提高匹配的实时性。
步骤S5.对初始匹配位置扩大a*a像素作为待测范围，计算待测范围的 SURF特征，与模板图像进行SURF特征匹配，确定最终匹配位置及SURF特 征匹配相似度P2。
a的取值范围与模板图像的大小有关，取值为模板图像大小的1/5到 1/10之间，具体基于实际情况选择。
步骤S6.按比例组合两个层次的灰度直方图匹配相似度P1和P2，得到 最终匹配相似度P。
将灰度直方图匹配相似度与SURF特征匹配相似度按一定的比例组合作 为最终匹配相似度，比例系数需要在实验中实际测量。
具体的比例和手术器械有关，P＝α*P1+(1-α)*P2，其中0＜a＜1，经实 验证明，α优选为0.73。
步骤S7.将最终匹配相似度P与相似度阈值进行比较，若大于阈值，则 SURF特征匹配确定的最终匹配位置即为最终的预测位置，若不大于阈值， 则未检测到目标。
阈值过高会导致部分源图像找不到目标，阈值过低会导致误匹配，具 体取值需要根据实际情况选择。匹配度归一化在0～1范围时，相似度阈值 的取值范围一般为0.5～0.9。
无论是否检测到目标，都获取新的待测图像，返回步骤S3，进行下一 次检测。在实践应用中，本发明提供的算法可以快速、准确的检测内窥镜 手术器械，同时对于内窥镜手术器械遮挡也能很好的处理，具有一定的鲁 棒性。
以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局 限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可 轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申 请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种基于多层次的内窥镜手术器械检测方法，其特征在于，包括以下步骤：
S1.截取内窥镜手术器械图像的部分为模板图像；
S2.对模板图像进行预处理，对预处理后的模板图像计算灰度直方图以及SURF特征；
S3.获取待测图像为源图像，对源图像进行与模板图像同样的预处理；
S4.对预处理后的源图像和模板图像，基于CUDA并行加速的多步阶灰度直方图匹配，确定初始匹配位置及灰度直方图匹配相似度P1；
S5.对初始匹配位置扩大a*a像素作为待测范围，计算待测范围的SURF特征，与模板图像进行SURF特征匹配，确定最终匹配位置及SURF特征匹配相似度P2；
S6.按比例组合两个层次的灰度直方图匹配相似度P1和P2，得到最终匹配相似度P；
S7.将最终匹配相似度P与相似度阈值进行比较，若大于阈值，则SURF特征匹配确定的最终匹配位置即为最终的预测位置，若不大于阈值，则未检测到目标。
2.如权利要求1所述的内窥镜手术器械检测方法，其特征在于，截取内窥镜手术器械尖端的金属部分和连杆相连的部分为模板图像。
3.如权利要求1所述的内窥镜手术器械检测方法，其特征在于，所述预处理包括灰度化以及双边滤波处理。
4.如权利要求1所述的内窥镜手术器械检测方法，其特征在于，步骤S4包括以下步骤：
S401.搜索范围初始化为整个源图像，灰度直方图匹配相似度P1初始化为0或者负数，设定初始步阶t、CUDA的Grid与Block、初始匹配位置；
S402.从初始匹配位置出发，在搜索范围内以步阶t移动滑动窗口，使用CUDA并行计算滑动窗口的灰度直方图；
S403.CUDA的多个线程并行计算所有窗口与模板图像的灰度直方图匹配值，并且计算所有匹配相似度的最大值p，以及对应的匹配位置；
S404.比较p与P1，若p大于P1，则更新P1为p，同时更新初始匹配位置为p所对应的位置，进入步骤S405，若p不大于P1，直接进入步骤S405；
S405.判断步阶t是否大于1，若是，则进入步骤S406，否则，则将初始匹配位置扩大步阶t的范围更新搜索范围，步阶t减半，返回步骤S402；
S406.输出初始匹配位置以及灰度直方图匹配相似度P1。
5.如权利要求4所述的内窥镜手术器械检测方法，其特征在于，初始步阶t为2的阶乘数；Grid设置为n的二维分布的Block，分别对应图像中n个滑动窗口，滑动窗口是与模板图像大小相同的矩形，Block设置为S*S的二维分布的Thread，每个Thread对应滑动窗口的一个像素灰度值；初始匹配位置是指滑动窗口的初始位置，设定初始匹配位置为源图像的左上角。
6.如权利要求1所述的内窥镜手术器械检测方法，其特征在于，a的取值范围为模板图像大小的1/5到1/10之间。
7.如权利要求1所述的内窥镜手术器械检测方法，其特征在于，P＝α*P1+(1-α)*P2，其中，0＜a＜1。
8.如权利要求7所述的内窥镜手术器械检测方法，其特征在于，α为0.73。
9.如权利要求1所述的内窥镜手术器械检测方法，其特征在于，相似度阈值的取值范围为0.5～0.9。
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9任一项的内窥镜手术器械检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910129805.9A CN109948655A (zh) | 2019-02-21 | 2019-02-21 | 一种基于多层次的内窥镜手术器械检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910129805.9A CN109948655A (zh) | 2019-02-21 | 2019-02-21 | 一种基于多层次的内窥镜手术器械检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109948655A true CN109948655A (zh) | 2019-06-28 |
Family
ID=67007606
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910129805.9A Pending CN109948655A (zh) | 2019-02-21 | 2019-02-21 | 一种基于多层次的内窥镜手术器械检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109948655A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117315032A (zh) * | 2023-11-28 | 2023-12-29 | 北京智愈医疗科技有限公司 | 一种组织偏移的监测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102662949A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术（中国）有限公司 | 一种基于多特征融合的指定目标检索方法及系统 |
| CN102663391A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术（中国）有限公司 | 一种图像的多特征提取与融合方法及系统 |
| EP2579184A2 (en) * | 2011-10-06 | 2013-04-10 | Samsung Electronics Co., Ltd | Mobile apparatus and method of controlling the same |
| CN103903018A (zh) * | 2014-04-02 | 2014-07-02 | 浙江师范大学 | 一种复杂场景中对车牌进行定位的方法和系统 |
| CN104182940A (zh) * | 2014-08-20 | 2014-12-03 | 苏州阔地网络科技有限公司 | 一种模糊图像恢复方法及系统 |
| CN107862713A (zh) * | 2017-09-22 | 2018-03-30 | 贵州电网有限责任公司 | 针对轮询会场的摄像机偏转实时检测预警方法及模块 |
| CN108021890A (zh) * | 2017-12-05 | 2018-05-11 | 武汉大学 | 一种基于plsa和bow的高分遥感影像港口检测方法 |
-
2019
- 2019-02-21 CN CN201910129805.9A patent/CN109948655A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2579184A2 (en) * | 2011-10-06 | 2013-04-10 | Samsung Electronics Co., Ltd | Mobile apparatus and method of controlling the same |
| CN102662949A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术（中国）有限公司 | 一种基于多特征融合的指定目标检索方法及系统 |
| CN102663391A (zh) * | 2012-02-27 | 2012-09-12 | 安科智慧城市技术（中国）有限公司 | 一种图像的多特征提取与融合方法及系统 |
| CN103903018A (zh) * | 2014-04-02 | 2014-07-02 | 浙江师范大学 | 一种复杂场景中对车牌进行定位的方法和系统 |
| CN104182940A (zh) * | 2014-08-20 | 2014-12-03 | 苏州阔地网络科技有限公司 | 一种模糊图像恢复方法及系统 |
| CN107862713A (zh) * | 2017-09-22 | 2018-03-30 | 贵州电网有限责任公司 | 针对轮询会场的摄像机偏转实时检测预警方法及模块 |
| CN108021890A (zh) * | 2017-12-05 | 2018-05-11 | 武汉大学 | 一种基于plsa和bow的高分遥感影像港口检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 年华: "GPU通用计算与基于SIFT特征的图像匹配并行算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 蔡海军等: "图像匹配算法在跟踪印花系统中的应用", 《机械与电子》 * |
| 钱凯等: "一种类三步搜索策略的快速压缩跟踪算法", 《小型微型计算机系统》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117315032A (zh) * | 2023-11-28 | 2023-12-29 | 北京智愈医疗科技有限公司 | 一种组织偏移的监测方法 |
| CN117315032B (zh) * | 2023-11-28 | 2024-03-08 | 北京智愈医疗科技有限公司 | 一种组织偏移的监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4682091B2 (ja) | 心臓境界、胸郭境界及び横隔膜境界を検出する方法、装置及び記憶媒体 | |
| CN105761288B (zh) | 一种基于fpga的实时星点质心定位方法及装置 | |
| CN111210467A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN107480644B (zh) | 眼底图像中视盘的定位与分割方法、装置和存储介质 | |
| CN109754007A (zh) | 前列腺手术中外包膜智能检测和预警方法及系统 | |
| WO2013161589A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| CN106936964B (zh) | 一种基于霍夫变换模板匹配的手机屏幕角点检测方法 | |
| CN107067415A (zh) | 一种基于图像匹配的目标快速精确定位方法 | |
| EP2079054A1 (en) | Detection of blobs in images | |
| CN104424629A (zh) | 一种x光胸片肺部分割方法和装置 | |
| US11810293B2 (en) | Information processing device, information processing method, and computer program | |
| CN107657655A (zh) | 在基于图块的图形系统中进行拣出的方法及系统 | |
| EP3376468B1 (en) | Object detection device and object detection method | |
| CN103218809A (zh) | 一种珍珠长度参数的图像测量方法 | |
| CN112464829A (zh) | 一种瞳孔定位方法、设备、存储介质及视线追踪系统 | |
| CN116051820A (zh) | 基于多模板的单目标检测方法 | |
| CN112215217A (zh) | 模拟医师阅片的数字图像识别方法及装置 | |
| CN108764343B (zh) | 一种跟踪算法中的跟踪目标框的定位方法 | |
| CN109948655A (zh) | 一种基于多层次的内窥镜手术器械检测方法 | |
| KR101426864B1 (ko) | 근거리 열상 표적추적을 위한 영역기반 경계향상 방법 | |
| CN114093462A (zh) | 医学影像处理方法、图像处理方法、计算机设备、存储介质 | |
| CN108447066B (zh) | 胆道图像分割方法、终端、存储介质 | |
| CN113269236B (zh) | 基于多模型集成的装配体变化检测方法、设备和介质 | |
| CN115239700A (zh) | 一种脊椎Cobb角测量方法、装置、设备及存储介质 | |
| CN114863108A (zh) | 点云处理的方法、系统、电子设备及计算机可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |
|
| RJ01 | Rejection of invention patent application after publication |