CN110694149A - 一种超声辅助肌肉识别方法、系统及辅助注射装置 - Google Patents
一种超声辅助肌肉识别方法、系统及辅助注射装置 Download PDFInfo
- Publication number
- CN110694149A CN110694149A CN201910984587.7A CN201910984587A CN110694149A CN 110694149 A CN110694149 A CN 110694149A CN 201910984587 A CN201910984587 A CN 201910984587A CN 110694149 A CN110694149 A CN 110694149A
- Authority
- CN
- China
- Prior art keywords
- muscle
- training
- ultrasonic
- image
- contour
- 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.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/42—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests having means for desensitising skin, for protruding skin to facilitate piercing, or for locating point where body is to be pierced
- A61M5/427—Locating point where body is to be pierced, e.g. vein location means using ultrasonic waves, injection site templates
Landscapes
- Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Dermatology (AREA)
- Engineering & Computer Science (AREA)
- Anesthesiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Hematology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本公开属于精准注射技术领域,具体涉及一种超声辅助肌肉识别方法、系统及辅助注射装置。肉毒素应用于肌张力障碍等疾病具有良好的疗效,是目前神经医学和康复医学领域缓解脑卒中、脑瘫、脑外伤及脊髓损伤等肌肉痉挛的首选方法之一。通过超声、肌电刺激的精准肉毒素治疗技术成为肉毒素治疗的热门研究方向。由于超声图像中肌肉边界并不清晰,仍然存在较高的注射失误概率,通过图像识别技术对目标肌肉的轮廓进行标注,可以有效地提高注射的精准性。本公开提供了一种通过超声识别肌肉模型的构建方法,通过采集已知个体的肌肉超声图像对深度学习模型加以训练,实现对未知个体肌肉轮廓的识别作用,提高注射精度,在临床治疗及教学方面都具有重要的意义。
Description
技术领域
本公开属于精准注射技术领域,具体涉及一种超声辅助肌肉识别方法、超声辅助肌肉识别系统以及超声辅助肌肉肉毒素注射装置。
背景技术
公开该背景技术部分的信息仅仅旨在增加对本公开的总体背景的理解,而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。
自FDA批准肉毒素上市以来,应用于肌张力障碍疾病疗效明确,能够有效的降低局部肌肉张力,改善关节活动程度、改善步态、姿势等,是目前康复医学领域缓解脑卒中、脑瘫、脑外伤及脊髓损伤等肌肉痉挛的首选方法之一,在改善患者的运动能力和生活自理能力方面有广泛的应用。
以往的治疗方式中,医师需要凭借经验,通过徒手定位的方式注射肉毒素。近些年来,通过超声、肌电刺激引导的精准肉毒素治疗技术成为肉毒素治疗的热门研究方向,由于超声成像是一种实时、无创和便捷的成像方法,使治疗者可以直观的获取肌肉的实时图像,对靶肌肉进行定位,减少注射失误,将超声用于辅助肌肉注射可以有效的提高肉毒素注射的准确性。
但是,发明人认为,超声影像中肌肉的边界并不分明,人群的变异较大,因此医师的学习周期很长;而且超声引导下平面内穿刺,需要超声探头的长轴与穿刺针在同一平面内,针形才会在人体组织中清晰显影,对医师技术要求高,仍然存在较大注射失误的概率。通过图像识别技术实现超声影像中对肌肉的定位具有重要的意义,栾宽等人的研究中提供了一种超声肌肉图像变化区域识别技术,通过灰度共生矩阵的图像识别算法及肌肉运动情况分析对脑卒中后的肌肉痉挛情况进行检测,用于超声图像定位被动牵拉的肌肉。
发明内容
本公开针对超声影像中肌肉边界不清晰的问题,提供了一种超声辅助肌肉识别系统,可通过在超声影像中目标肌肉的轮廓进行指示,从而提高注射的准确度,可用于培训和提高注射效率。
为了实现上述技术效果,本公开提供以下技术方案:
本公开第一方面,提供一种超声辅助肌肉识别方法,包括:训练阶段和应用阶段;其中,训练阶段包括:构建深度学习模型,获取训练样本;所述训练样本为已知名称的肌肉超声图像;
将训练样本输入到深度学习模型中进行训练,得到训练好的深度学习模型,即:超声辅助肌肉识别模型;
其中,应用阶段包括:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓。
优选的,所述深度学习模型为:卷积神经网络、深度信任网络模型、堆栈自编码网络模型或SVM算法。
优选的,所述训练的具体步骤如下:
(1)对超声图像进行预处理;
(2)将训练样本分为训练集及校正集,所述校正集为训练集中的超声图像进行轮廓标注后的超声图象;提取训练集中的图像特征,绘制出该肌肉的轮廓,并通过校正集中的图像进行校正。
优选的,所述训练阶段,训练结束的标准为:输出待识别超声图象中的肌肉轮廓与已标注的轮廓进行误差计算;若误差小于设定阈值,则训练结束,得到训练完毕的超声辅助肌肉注射模型;若误差大于等于设定阈值,则更新训练样本,继续训练,直至误差小于设定阈值。
优选的,所述超声图像预处理包括对超声图像灰度化、对图像去躁、增强对比度或三者的任意组合。
在一些具体实施例中,所述去躁采用双边滤波。
本领域技术人员熟知,双边滤波的核函数是空间域核与像素范围域核的综合结果。肌肉纤维部分在超声影像中的属于图像的平坦区域,像素值变化较小。而肌肉表面的筋膜组织,即肌肉的边缘部分,像素值变化范围大。采用双边滤波方法对超声图象进行预处理,在肌纤维部分,对应的像素范围域权重接近于1,此时空间域权重起主要作用,相当于进行高斯模糊;在图像的边缘区域,像素值变化很大,像素范围域权重变大,从而保持了边缘的信息,提高轮廓准确性和清晰度。
优选的,所述图像特征为图像纹理特征。
进一步优选的,所述图像纹理特征为灰度差分统计。
本公开第二方面,提供一种超声辅助肌肉识别系统,包括:训练模块和应用模块;
其中,训练模块包括:构建单元,其被配置为:构建深度学习模型,获取训练样本;所述训练样本为已标注肌肉轮廓的超声图像;
训练单元,其被配置为:将训练样本输入到深度学习模型中进行训练,得到训练好的深度学习模型,即:超声辅助肌肉识别模型;
其中,应用模块,包括:
识别单元,其被配置为:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓。
本公开第三方面,提供一种存储介质,该存储介质上具有计算机指令,该计算机指令被执行如第一方面所述方法的步骤。
本公开第四方面,提供一种计算机设备,该计算机设备包括存储器、处理器以及存储在存储器上并在处理器上执行的计算机指令,所述计算机指令在处理器上运行时完成如第一方面所述方法的步骤。
本公开第五方面,提供一种辅助注射装置,包括:
识别单元,其被配置为:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓;
辅助注射单元,其被配置为:依据肌肉轮廓对待注射位置进行注射。
优选的,所述辅助注射单元用于指示待注射肌肉的轮廓,包括指示肌肉起始部位(为明确的体表标志)及肌肉走向。
更进一步的,所显示处理单元根据模型训练结果显示从注射位置至肌肉部位的注射路线。
优选的,所述超声辅助肌肉识别模型通过第一方面所述的构建方法进行训练。
与现有技术相比,本公开的有益效果是:
1.针对超声辅助肌肉注射的问题,本公开提供了一种基于深度学习模型实现对肌肉超声图象进行识别的方法。采用本公开提供的模型构建方法,通过图像预处理步骤及采集图像纹理特征,可以获得具有良好准确度的肌肉识别模型。
2.本公开提供的肌肉识别模型应用于超声辅助肌肉注射领域具有良好的效果。依据该肌肉注射辅助系统,医师可在直视和动态下注射,注射部位更加精准。通过系统自动提示起始位置及肌肉走向,使医师更容易掌握肉毒素注射等难度较高的肌肉注射技术,缩短学习周期,降低注射失误发生概率,避免损伤其他重要部位,提高治疗的安全性。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为实施例1中超声辅助肌肉识别模型构建的流程图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的,采用超声、肌电刺激等精准肉毒素治疗技术成为肉毒素治疗的热门研究方向。但超声影像中的肌肉边界不清晰,仍然会带来较大的注射失误概率。本公开提供了一种通过超声辅助肌肉识别的方法,通过采集已知个体的肌肉超声图像对深度学习模型加以训练,实现对未知个体肌肉轮廓的识别作用,提高注射精度。
为了使得本领域技术人员能够更加清楚地了解本公开的技术方案,以下将结合具体的实施例与对比例详细说明本公开的技术方案。
实施例1
本实施例中提供一种超声辅助肌肉识别方法,包括:训练阶段和应用阶段;其中,训练阶段包括:构建深度学习模型,获取训练样本;所述训练样本为已知名称的肌肉超声图像;
本实施例中采用卷积神经网络作为学习模型,将训练样本输入到学习模型中进行训练,得到训练好的深度学习模型,即:超声辅助肌肉识别模型;
其中,应用阶段包括:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓。
所述训练的具体步骤如下:
(3)对超声图像进行预处理,包括对超声图像灰度化、对图像去躁、增强对比度,通过双边滤波进行降噪;
(4)将训练样本分为训练集及校正集,将已知部位的肌肉超声图象作为训练集,根据肌肉走势对训练集中肌肉的轮廓进行标注获得相应的校正集。根据所述校正集为训练集中的超声图像进行轮廓标注后的超声图象;提取训练集中的图像特征,通过分析肌肉筋膜与纹理部分灰度差分统计,提取肌肉筋膜部分的像素点,绘制出该肌肉的轮廓,并通过校正集中的图像进行校正。
所述训练阶段的标准为:输出待识别超声图象中的肌肉轮廓与已标注的轮廓进行误差计算;若误差小于设定阈值,则训练结束,得到训练完毕的超声辅助肌肉注射模型;若误差大于等于设定阈值,则更新训练样本,继续训练,直至误差小于设定阈值。
所述设定阈值通过操作人员依据肌肉部位及肌肉面积等因素进行调整,对比模型绘制的肌肉轮廓线与校正集中预先标注的肌肉轮廓线,当两轮廓线偏差最大的部分达到设定阈值之下时,训练完成。
实施例2
本实施例中提供一种超声辅助肌肉识别系统,包括:训练模块和应用模块;
其中,训练模块包括:构建单元,其被配置为:构建深度学习模型,获取训练样本;所述训练样本为已标注肌肉轮廓的超声图像;
训练单元,其被配置为:将训练样本输入到深度学习模型中进行训练,得到训练好的深度学习模型,即:超声辅助肌肉识别模型;
其中,应用模块,包括:
识别单元,其被配置为:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓;所述深度学习模型的训练方法采用实施例1中的方法进行。
实施例3
本实施例中提供一种存储介质,该存储介质上具有计算机指令,该计算机指令被执行如实施例1中深度学习模型的建立方法。
实施例4
本实施例中提供一种计算机设备,该计算机设备包括存储器、处理器以及存储在存储器上并在处理器上执行的计算机指令,所述计算机指令在处理器上运行时完成如实施例1中深度学习模型的建立方法。
实施例5
本实施例中提供一种辅助注射装置,包括:
识别单元,其被配置为:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓;
辅助注射单元,其被配置为:依据肌肉轮廓对待注射位置进行注射。所述辅助注射单元用于指示待注射肌肉的轮廓,包括指示肌肉起始部位(为明确的体表标志)及肌肉走向。根据医师选择的进针位置,所述装置显示从注射位置至肌肉部位的注射路线。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种超声辅助肌肉识别方法,其特征在于,包括:训练阶段和应用阶段;其中,训练阶段包括:构建深度学习模型,获取训练样本;所述训练样本为已知名称的肌肉超声图像;
将训练样本输入到深度学习模型中进行训练,得到训练好的深度学习模型,即:超声辅助肌肉识别模型;
其中,应用阶段包括:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓。
2.如权利要求1所述超声辅助肌肉识别方法,其特征在于,所述深度学习模型为:卷积神经网络、深度信任网络模型、堆栈自编码网络模型或SVM算法。
3.如权利要求1所述超声辅助肌肉识别方法,其特征在于,所述训练的具体步骤如下:
(1)对超声图像进行预处理;
(2)将训练样本分为训练集及校正集,所述校正集为训练集中的超声图像进行轮廓标注后的超声图象;提取训练集中的图像特征,绘制出该肌肉的轮廓,并通过校正集中的图像进行校正。
4.如权利要求1所述超声辅助肌肉识别方法,其特征在于,所述训练阶段,训练结束的标准为:
输出待识别超声图象中的肌肉轮廓与已标注的轮廓进行误差计算;若误差小于设定阈值,则训练结束,得到训练完毕的超声辅助肌肉注射模型;若误差大于等于设定阈值,则更新训练样本,继续训练,直至误差小于设定阈值。
5.如权利要求1所述超声辅助肌肉识别方法,其特征在于,所述超声图像预处理包括对超声图像灰度化、对图像去躁、增强对比度或三者的任意组合;优选的,所述去躁采用双边滤波。
6.如权利要求1所述超声辅助肌肉识别方法,其特征在于,所述图像特征为图像纹理特征;优选的,所述图像纹理特征为灰度差分统计。
7.一种超声辅助肌肉识别系统,其特征在于,包括:训练模块和应用模块;
其中,训练模块包括:构建单元,其被配置为:构建深度学习模型,获取训练样本;所述训练样本为已标注肌肉轮廓的超声图像;
训练单元,其被配置为:将训练样本输入到深度学习模型中进行训练,得到训练好的深度学习模型,即:超声辅助肌肉识别模型;
其中,应用模块,包括:
识别单元,其被配置为:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓。
8.一种存储介质,其特征在于,该存储介质上具有计算机指令,该计算机指令被执行如权利要求1-7任一项所述方法的步骤。
9.一种计算机设备,其特征在于,该计算机设备包括存储器、处理器以及存储在存储器上并在处理器上执行的计算机指令,所述计算机指令在处理器上运行时完成如权利要求1-7任一项所述方法的步骤。
10.一种辅助注射装置,其特征在于,包括:
识别单元,其被配置为:将待识别的超声图像输入到训练好的深度学习模型中,输出待识别超声图像中的肌肉轮廓;
辅助注射单元,其被配置为:依据肌肉轮廓对待注射位置进行注射;
优选的,所述辅助注射单元用于指示待注射肌肉的轮廓,包括指示肌肉起始部位及肌肉走向;更进一步的,所显示处理单元根据模型训练结果显示从注射位置至肌肉部位的注射路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984587.7A CN110694149B (zh) | 2019-10-16 | 2019-10-16 | 一种超声辅助肌肉识别方法、系统及辅助注射装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984587.7A CN110694149B (zh) | 2019-10-16 | 2019-10-16 | 一种超声辅助肌肉识别方法、系统及辅助注射装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110694149A true CN110694149A (zh) | 2020-01-17 |
CN110694149B CN110694149B (zh) | 2021-06-22 |
Family
ID=69199963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910984587.7A Active CN110694149B (zh) | 2019-10-16 | 2019-10-16 | 一种超声辅助肌肉识别方法、系统及辅助注射装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110694149B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927199A (zh) * | 2021-02-23 | 2021-06-08 | 同济大学 | 一种非静脉注射治疗注射点的选择方法 |
CN115177291A (zh) * | 2022-08-01 | 2022-10-14 | 首都医科大学附属北京朝阳医院 | 用于识别重症监护病房获得性肌无力的方法和装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5339815A (en) * | 1992-12-22 | 1994-08-23 | Cornell Research Foundation, Inc. | Methods and apparatus for analyzing an ultrasonic image of an animal or carcass |
WO1998022021A1 (en) * | 1996-11-20 | 1998-05-28 | Myotech | Multi-electrode and needle injection device for diagnosis and treatment of muscle injury and pain |
US20050049493A1 (en) * | 2003-08-29 | 2005-03-03 | Kerby Cynthia L. | Protocol controller for a medical diagnostic imaging system |
US20080130964A1 (en) * | 2004-01-07 | 2008-06-05 | Gil Zwirn | Methods and Apparatus for Analysing Ultrasound Images |
US20100305445A1 (en) * | 2009-06-02 | 2010-12-02 | Tetsuya Kawagishi | Ultrasonic diagnosis apparatus and displaying method |
CN102046103A (zh) * | 2008-02-20 | 2011-05-04 | 梅约医学教育与研究基金会 | 用于接近人体组织的系统、装置和方法 |
CN102724918A (zh) * | 2010-01-29 | 2012-10-10 | 株式会社日立医疗器械 | 超声波诊断装置及其测量点追踪方法 |
CN103027713A (zh) * | 2012-12-22 | 2013-04-10 | 中国科学院深圳先进技术研究院 | 基于超声图像的肌肉厚度测量方法和系统 |
CN105574820A (zh) * | 2015-12-04 | 2016-05-11 | 南京云石医疗科技有限公司 | 一种基于深度学习的自适应超声图像增强方法 |
CN110070540A (zh) * | 2019-04-28 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 图像生成方法、装置、计算机设备及存储介质 |
CN110163812A (zh) * | 2019-04-10 | 2019-08-23 | 深圳大学 | 肌肉超声图像降噪方法、装置、存储介质及计算机产品 |
CN110276772A (zh) * | 2019-05-10 | 2019-09-24 | 深圳大学 | 一种肌肉组织中结构要素的自动定位方法及系统 |
-
2019
- 2019-10-16 CN CN201910984587.7A patent/CN110694149B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5339815A (en) * | 1992-12-22 | 1994-08-23 | Cornell Research Foundation, Inc. | Methods and apparatus for analyzing an ultrasonic image of an animal or carcass |
WO1998022021A1 (en) * | 1996-11-20 | 1998-05-28 | Myotech | Multi-electrode and needle injection device for diagnosis and treatment of muscle injury and pain |
US20050049493A1 (en) * | 2003-08-29 | 2005-03-03 | Kerby Cynthia L. | Protocol controller for a medical diagnostic imaging system |
US20080130964A1 (en) * | 2004-01-07 | 2008-06-05 | Gil Zwirn | Methods and Apparatus for Analysing Ultrasound Images |
CN102046103A (zh) * | 2008-02-20 | 2011-05-04 | 梅约医学教育与研究基金会 | 用于接近人体组织的系统、装置和方法 |
US20100305445A1 (en) * | 2009-06-02 | 2010-12-02 | Tetsuya Kawagishi | Ultrasonic diagnosis apparatus and displaying method |
CN102724918A (zh) * | 2010-01-29 | 2012-10-10 | 株式会社日立医疗器械 | 超声波诊断装置及其测量点追踪方法 |
CN103027713A (zh) * | 2012-12-22 | 2013-04-10 | 中国科学院深圳先进技术研究院 | 基于超声图像的肌肉厚度测量方法和系统 |
CN105574820A (zh) * | 2015-12-04 | 2016-05-11 | 南京云石医疗科技有限公司 | 一种基于深度学习的自适应超声图像增强方法 |
CN110163812A (zh) * | 2019-04-10 | 2019-08-23 | 深圳大学 | 肌肉超声图像降噪方法、装置、存储介质及计算机产品 |
CN110070540A (zh) * | 2019-04-28 | 2019-07-30 | 腾讯科技(深圳)有限公司 | 图像生成方法、装置、计算机设备及存储介质 |
CN110276772A (zh) * | 2019-05-10 | 2019-09-24 | 深圳大学 | 一种肌肉组织中结构要素的自动定位方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927199A (zh) * | 2021-02-23 | 2021-06-08 | 同济大学 | 一种非静脉注射治疗注射点的选择方法 |
CN112927199B (zh) * | 2021-02-23 | 2022-05-13 | 同济大学 | 一种非静脉注射治疗注射点的选择方法 |
CN115177291A (zh) * | 2022-08-01 | 2022-10-14 | 首都医科大学附属北京朝阳医院 | 用于识别重症监护病房获得性肌无力的方法和装置 |
CN115177291B (zh) * | 2022-08-01 | 2023-11-10 | 首都医科大学附属北京朝阳医院 | 用于识别重症监护病房获得性肌无力的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110694149B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021143353A1 (zh) | 一种手势信息处理方法、装置、电子设备及存储介质 | |
CN110694149B (zh) | 一种超声辅助肌肉识别方法、系统及辅助注射装置 | |
US20230419499A1 (en) | Systems and methods for brain identifier localization | |
CN111598949A (zh) | 一种用于人体头颈部穴位的自动定位方法 | |
CN114202795A (zh) | 一种老年人瞳孔快速定位方法 | |
CN111951940A (zh) | 一种智慧医疗的康复辅助方法 | |
CN111820919A (zh) | 一种采血穿刺控制方法、装置及存储介质 | |
CN111227833A (zh) | 一种基于广义线性模型的机器学习的术前定位方法 | |
CN111144331A (zh) | 手肘静脉图像肘正中静脉的识别方法及手肘图像采集装置 | |
CN113744234A (zh) | 一种基于gan的多模态脑部图像配准方法 | |
CN114712712A (zh) | 刺激电极导线的成像识别方法及相关装置 | |
CN109272486B (zh) | Mr图像预测模型的训练方法、装置、设备及存储介质 | |
CN111951941B (zh) | 智慧医疗康复辅助管理系统 | |
CN111784755A (zh) | 一种融合多尺度信息的脑部磁共振图像配准方法 | |
CN116580820B (zh) | 基于多模态医学图像的经会阴前列腺穿刺智能麻醉系统 | |
CN116385756B (zh) | 基于增强标注和深度学习的医学图像识别方法及相关装置 | |
CN115985464B (zh) | 一种基于多模态数据融合的肌肉疲劳度分类方法及系统 | |
Lee et al. | Design of A Hand Back Acupoint Massage Aid | |
CN117547686B (zh) | 一种肉毒毒素注射的超声引导方法及系统 | |
CN113506603B (zh) | 一种基于桡屈动静态特征的腕关节康复训练效果评估方法 | |
Ansar et al. | Vein Detection and Cannula Insertion using Raspberry Pi | |
Di Giammarco et al. | Explainable Deep Learning Methodologies for Biomedical Images Classification | |
CN116328191A (zh) | 一种基于混合现实空间注册的经颅磁刺激治疗方法 | |
CN107730544A (zh) | 基于icp的脑部血管配准系统 | |
CN117133468A (zh) | 一种应用于中医临床诊疗的虚拟仿真训练系统 |
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 |