CN110956622B - 一种从人体x射线图像中自动提取膝关节部分图像的方法 - Google Patents
一种从人体x射线图像中自动提取膝关节部分图像的方法 Download PDFInfo
- Publication number
- CN110956622B CN110956622B CN201911191610.3A CN201911191610A CN110956622B CN 110956622 B CN110956622 B CN 110956622B CN 201911191610 A CN201911191610 A CN 201911191610A CN 110956622 B CN110956622 B CN 110956622B
- Authority
- CN
- China
- Prior art keywords
- knee joint
- image
- joint part
- ray
- extracting
- 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
- 210000000629 knee joint Anatomy 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 34
- 210000003141 lower extremity Anatomy 0.000 claims abstract description 25
- 230000009466 transformation Effects 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 10
- 210000003127 knee Anatomy 0.000 claims description 3
- 210000002303 tibia Anatomy 0.000 claims description 2
- 210000000689 upper leg Anatomy 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 abstract description 2
- 210000000544 articulatio talocruralis Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 210000004394 hip joint Anatomy 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
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
- G06T7/13—Edge detection
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种从人体X射线图像中自动提取膝关节部分图像的方法,包括如下步骤:导入人体X射线下肢全长数字化照片;提取膝关节部分图像,并分为左右侧膝关节两部分;对提取的膝关节图像进行处理,得到膝关节水平边缘图像;对水平边缘图像进行hough变换并提取线段;取获得的线段的中点并记录坐标;以获得中点的坐标为中心,选取所需大小的膝关节图像。本发明利用了膝关节部分X射线照片所具有的关节面近似直线的特点,采用简单的数字图像处理技术,避免了复杂的图像识别算法所带来的较高的计算资源需求,对计算机硬件资源要求不高,处理时间较短,也不需要机器学习等算法需要的大量样本及模型训练过程,整个处理过程各个步骤均可监控。
Description
技术领域
本发明属于数字图像处理和医学成像交叉领域,尤其是涉及一种从人体X射线图像中自动提取膝关节部分图像的方法。
背景技术
人体X射线下肢全长片是指包含从人体骨盆至足部的下肢全景X射线照片,通过数字化成像方式,能够获得人体下肢全长的数字化X射线照片。数字化X射线照片能够通过电脑进行图像处理,提高了图像处理的准确性和速度。人体下肢力线测量过程,需要对髋关节、膝关节、踝关节等部位的关键点进行获取。利用X射线照片数字化后能够直接使用电脑进行处理的优势,与数字图像处理技术进行融合,实现自动关键点提取、自动力线测量、自动关键部位提取等功能,能够极大提升处理效率和准确性。
发明内容
有鉴于此,本发明旨在提出一种从人体X射线图像中自动提取膝关节部分图像的方法,利用数字图像处理技术,结合人体X射线下肢全长数字化照片中膝关节的特点,能够实现膝关节部分图像的自动提取。
为达到上述目的,本发明的技术方案是这样实现的:
一种从人体X射线图像中自动提取膝关节部分图像的方法,包括如下步骤:
(1)导入人体X射线下肢全长数字化照片;
(2)提取膝关节部分图像,并分为左右侧膝关节两部分;
(3)对提取的左侧膝关节图像进行处理,得到左侧膝关节水平边缘图像;
(4)对水平边缘图像进行hough变换并提取线段;
(5)取获得的线段的中点并记录坐标;
(6)以获得中点的坐标为中心,选取所需大小的膝关节图像;
(7)对提取的右侧膝关节图像进行步骤3至步骤6的处理。
进一步的,所述步骤(2)中,导入的人体X射线下肢全长数字化照片尺寸为m像素*n像素,选取的左侧膝关节图像左上角像素位置应为(p1,q1),其中,p1为大于0小于m的整数,q1为大于0小于n/2的整数;粗略选取的右侧膝关节图像左上角像素位置应为(p2,q2),其中p2为大于0小于m的整数,q2为大于n/2小于n的整数。
进一步的,所述步骤(3)采用基于sobel算法的图像卷积滤波处理提取图像的水平边缘以及垂直边缘,将得到的水平边缘和垂直边缘相减,得到左侧膝关节水平边缘图像。
进一步的,水平边缘提取使用的算子为
1 2 1
0 0 0
-1 -2 -1
滤波阈值为:0.04。
进一步的,提取垂直边缘,所使用的算子为:
1 0 -1
2 0 -2
1 0 -1
滤波阈值为:0.04。
进一步的,所述步骤(4)中以图像水平向左方向为0度角,水平向右方向为180度角,垂直向上为90度角,垂直向下为-90度角,hough变换直线提取直线与水平方向夹角范围为-10度至10度,取hough变换后在参数空间(也称为hough空间)中经过曲线最多的点所代表的变换前图像中,此线段位置在膝关节处胫骨上沿或股骨下沿。
本发明的另一目的在于提出一种从人体X射线图像中自动提取膝关节部分图像的装置,包括
图片导入装置,用于根导入人体X射线下肢全长数字化照片;
膝关节图像提取单元,用于提取膝关节部分图像,并分为左右侧膝关节两部分;
膝关节水平边缘图像提取单元,用于对提取的膝关节图像进行处理,得到膝关节水平边缘图像;
线段提取单元,用于对水平边缘图像进行hough变换并提取线段;
线段处理单元,用于对获得的线段的中点并记录坐标;
膝关节图像选取单元,用于通过获得中点的坐标为中心,选取所需大小的膝关节图像。
相对于现有技术,本发明所述的一种从人体X射线图像中自动提取膝关节部分图像的方法具有以下优势:
本发明创新性地利用了膝关节部分X射线照片所具有的关节面近似直线的特点,采用简单的数字图像处理技术,避免了复杂的图像识别算法所带来的较高的计算资源需求,对计算机硬件资源要求不高,处理时间较短,也不需要机器学习等算法需要的大量样本及模型训练过程,整个处理过程各个步骤均可监控,避免神经网络等方法则为“黑箱”模式处理过程中不可监控。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
附图说明:
图1为本发明实施例中的人体X射线下肢全长数字化照片示意图;
图2为本发明实施例中的左侧膝关节水平边缘图像;
图3为本发明实施例中的对图2进行hough变换后获取的线段位置示意;
图4为本发明实施例中的左侧膝关节部分图像结果示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1-4所示,本发明提供了一种自动提取人体X射线下肢全长数字化照片膝关节部分图像的方法,包括如下步骤:
1、导入人体X射线下肢全长数字化照片;如图1所示。
2、提取膝关节部分图像,并分为左右侧膝关节两部分;
此步骤中,提取的膝关节部分图像远大于最终获得的所需大小的膝关节图像,最大可至下肢全片中的骨盆下沿与踝关节以上的无其他关节部分。直接按图像中心线分成左右两个部分,即为粗略提取的左侧膝关节图像和右侧膝关节图像。
其中,导入的人体X射线下肢全长数字化照片尺寸为m像素*n像素,粗略选取的左侧膝关节图像左上角像素位置应为(p1,q1),其中,p1为大于0小于m的整数,q1为大于0小于n/2的整数;粗略选取的右侧膝关节图像左上角像素位置应为(p2,q2),其中p2为大于0小于m的整数,q2为大于n/2小于n的整数。
3、对粗略提取的左侧膝关节图像进行下边缘提取;
此步骤中,先提取图像的水平边缘,边缘提取采用基于sobel算法的图像卷积滤波,所使用的算子为:
1 2 1
0 0 0
-1 -2 -1
滤波阈值为:0.04。得到图像为fig1。
为减少其他边缘影响,同样用sobel算法对图像进行卷积滤波处理,提取垂直边缘,所使用的算子为:
1 0 -1
2 0 -2
1 0 1
滤波阈值为:0.04。得到图像为fig2。
将两幅图像相减,则得到左侧膝关节水平边缘图像。此时,图像上的点多数集中于膝关节处胫骨上沿或股骨下沿。如图2所示。
4、对水平边缘提取后的图像进行hough变换并提取线段;
此步骤中,以图像水平向左方向为0度角,水平向右方向为180度角,垂直向上为90度角,垂直向下为-90度角。hough变换直线提取直线与水平方向夹角范围为-10度至10度,取hough变换后在参数空间(也称为hough空间)中经过曲线最多的点所代表的变换前图像中。此线段位置在膝关节处胫骨上沿或股骨下沿。如图3所示。
5、取获得的线段的中点并记录坐标;
Hough变换能够获得线段的两端点坐标分别为(x1,y1),(x2,y2),按照公式可获得左侧膝关节中点坐标(xl,yl)为:
6、获得中点的坐标为中心,选取所需大小的膝关节图像。
此步骤中,假设所需图像大小为2w像素*2h像素,则左侧膝关节在导入的人体X射线下肢全长数字化照片中选取的像素区间为:水平坐标由xl-w+p1至xl+w+p1,垂直坐标由yl-h+q1至yl+h+q1。如图4所示。
7、对粗略提取的右侧膝关节图像进行步骤3至步骤5的处理,记录线段中点坐标为(xr,yr),则右侧膝关节在导入的人体X射线下肢全长数字化照片中选取的像素区间为:水平坐标由xr-w+p2至xr+w+p2,垂直坐标由yr-h+q2至yr+h+q2。
本发明还提出了一种从人体X射线图像中自动提取膝关节部分图像的装置:包括
图片导入装置,用于根导入人体X射线下肢全长数字化照片;
膝关节图像提取单元,用于提取膝关节部分图像,并分为左右侧膝关节两部分;
膝关节水平边缘图像提取单元,用于对提取的膝关节图像进行处理,得到膝关节水平边缘图像;
线段提取单元,用于对水平边缘图像进行hough变换并提取线段;
线段处理单元,用于对获得的线段的中点并记录坐标;
膝关节图像选取单元,用于通过获得中点的坐标为中心,选取所需大小的膝关节图像。
本发明采用数字图像处理技术对人体X射线下肢全长数字化照片进行处理的过程中,选取髋关节、膝关节、踝关节等局部图像优先进行处理的方法效率要高于直接对整幅照片进行处理的效率。利用数字图像处理技术,结合人体X射线下肢全长数字化照片中膝关节的特点,能够实现膝关节部分图像的自动提取。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种从人体X射线图像中自动提取膝关节部分图像的方法,其特征在于:包括如下步骤:
(1)导入人体X射线下肢全长数字化照片;
(2)提取膝关节部分图像,并分为左右侧膝关节两部分;
(3)对提取的左侧膝关节图像进行处理,得到左侧膝关节水平边缘图像;
(4)对水平边缘图像进行hough变换并提取线段;
(5)获取线段的中点并记录坐标;
Hough变换能够获得线段的两端点坐标分别为(x1,y1),(x2,y2),按照公式可获得左侧膝关节中点坐标(xl,yl)为:
(6)以获得中点的坐标为中心,选取所需大小的膝关节图像;
图像大小为2w像素*2h像素,则左侧膝关节在导入的人体X射线下肢全长数字化照片中选取的像素区间为:水平坐标由xl-w+p1至xl+w+p1,垂直坐标由yl-h+q1至yl+h+q1;
(7)对提取的右侧膝关节图像进行步骤3至步骤6的处理;
记录线段中点坐标为(xr,yr),则右侧膝关节在导入的人体X射线下肢全长数字化照片中选取的像素区间为:水平坐标由xr-w+p2至xr+w+p2,垂直坐标由yr-h+q2至yr+h+q2;
步骤(2)中,导入的人体X射线下肢全长数字化照片尺寸为m像素*n像素,选取的左侧膝关节图像左上角像素位置应为(p1,q1),其中,p1为大于0小于m的整数,q1为大于0小于n/2的整数;粗略选取的右侧膝关节图像左上角像素位置应为(p2,q2),其中p2为大于0小于m的整数,q2为大于n/2小于n的整数;
步骤(3)采用基于sobel算法的图像卷积滤波处理提取图像的水平边缘以及垂直边缘,将得到的水平边缘和垂直边缘相减,得到左侧膝关节水平边缘图像;
水平边缘提取使用的算子为
滤波阈值为:0.04;
提取垂直边缘,所使用的算子为:
滤波阈值为:0.04;
步骤(4)中以图像水平向左方向为0度角,水平向右方向为180度角,垂直向上为90度角,垂直向下为-90度角,hough变换直线提取直线与水平方向夹角范围为-10度至10度,取hough变换后在参数空间中经过曲线最多的点所代表的变换前图像中的一条线段即为所需线段,此线段位置在膝关节处胫骨上沿或股骨下沿。
2.一种从人体X射线图像中自动提取膝关节部分图像的装置,其特征在于:采用如权利要求1所述的从人体X射线图像中自动提取膝关节部分图像的方法,具体包括:
图片导入装置,用于根导入人体X射线下肢全长数字化照片;
膝关节图像提取单元,用于提取膝关节部分图像,并分为左右侧膝关节两部分;
膝关节水平边缘图像提取单元,用于对提取的膝关节图像进行处理,得到膝关节水平边缘图像;
线段提取单元,用于对水平边缘图像进行hough变换并提取线段;
线段处理单元,用于对获得的线段的中点并记录坐标;
膝关节图像选取单元,用于通过获得中点的坐标为中心,选取所需大小的膝关节图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911191610.3A CN110956622B (zh) | 2019-11-28 | 2019-11-28 | 一种从人体x射线图像中自动提取膝关节部分图像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911191610.3A CN110956622B (zh) | 2019-11-28 | 2019-11-28 | 一种从人体x射线图像中自动提取膝关节部分图像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110956622A CN110956622A (zh) | 2020-04-03 |
CN110956622B true CN110956622B (zh) | 2023-12-22 |
Family
ID=69978787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911191610.3A Active CN110956622B (zh) | 2019-11-28 | 2019-11-28 | 一种从人体x射线图像中自动提取膝关节部分图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956622B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1452946A (zh) * | 2003-05-29 | 2003-11-05 | 上海交通大学 | 全自动股骨基轴线确定方法 |
JP2008093229A (ja) * | 2006-10-13 | 2008-04-24 | Univ Of Tokyo | 膝関節診断支援方法及び装置並びにプログラム |
JP2009018065A (ja) * | 2007-07-12 | 2009-01-29 | Iwate Prefectural Univ | 膝関節の大腿骨及び脛骨の骨軸自動抽出方法、ならびに骨軸自動抽出プログラム |
CN104200196A (zh) * | 2014-08-12 | 2014-12-10 | 侯志勇 | 一种x射线透视图像中导针位置自动识别方法 |
CN107822745A (zh) * | 2017-10-31 | 2018-03-23 | 李威 | 精准定制膝关节假体的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10146427B2 (en) * | 2010-03-01 | 2018-12-04 | Nri R&D Patent Licensing, Llc | Curve-fitting approach to high definition touch pad (HDTP) parameter extraction |
WO2012077286A1 (ja) * | 2010-12-09 | 2012-06-14 | パナソニック株式会社 | 物体検出装置および物体検出方法 |
-
2019
- 2019-11-28 CN CN201911191610.3A patent/CN110956622B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1452946A (zh) * | 2003-05-29 | 2003-11-05 | 上海交通大学 | 全自动股骨基轴线确定方法 |
JP2008093229A (ja) * | 2006-10-13 | 2008-04-24 | Univ Of Tokyo | 膝関節診断支援方法及び装置並びにプログラム |
JP2009018065A (ja) * | 2007-07-12 | 2009-01-29 | Iwate Prefectural Univ | 膝関節の大腿骨及び脛骨の骨軸自動抽出方法、ならびに骨軸自動抽出プログラム |
CN104200196A (zh) * | 2014-08-12 | 2014-12-10 | 侯志勇 | 一种x射线透视图像中导针位置自动识别方法 |
CN107822745A (zh) * | 2017-10-31 | 2018-03-23 | 李威 | 精准定制膝关节假体的方法 |
Non-Patent Citations (6)
Title |
---|
A hierarchical identification method based on improved hand geometry and regional content feature for low-resolution hand images;Jie Wu,Zhengding Qiu, Dongmei Sun;Signal Processing;第88卷(第6期);1447-1460 * |
The Rotoglide™ total replacement of the first metatarso-phalangeal joint. A prospective series with 7–15 years clinico-radiological follow-up with survival analysis;Hakon Kofoed , Lasse Danborg , Jacob Grindsted, Søren Merser;Foot and Ankle Surgery;第23卷(第3期);148-152 * |
丰茂森.遥感图像数字处理.北京地质出版社,1992,110. * |
基于人体关节点定位的步态识别技术研究;周 倩 孙运强 姚爱琴 鲁旭涛;国外电子测量技术;第38卷(第1期);52-56 * |
王忆勤.《中医面阵与计算机辅助诊断》.上海科学技术出版社,2010,139-140. * |
运用下肢关节角度信息的步态识别;何卫华;中国优秀硕士学位论文全文数据库 (医药卫生科技辑)(第6期);E080-16 * |
Also Published As
Publication number | Publication date |
---|---|
CN110956622A (zh) | 2020-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11710246B2 (en) | Skin 3D model for medical procedure | |
Helferty et al. | Videoendoscopic distortion correction and its application to virtual guidance of endoscopy | |
JP4717585B2 (ja) | 医用画像判定装置、医用画像判定方法およびそのプログラム | |
WO2021169191A1 (zh) | 一种基于虚拟立体定位像的快速ct扫描方法及系统 | |
KR20200092489A (ko) | 딥러닝을 이용한 3차원 전신 골격 모델 생성 장치 및 방법 | |
CN109166177A (zh) | 一种颅颌面外科手术的术中导航方法 | |
JP2002324238A (ja) | 画像の位置合わせ方法および装置 | |
CN102184560B (zh) | 一种基于模板的ccd-dr图像拼接方法 | |
WO2017067262A1 (zh) | 一种图像处理方法和装置 | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
JP2000126134A (ja) | 眼底計測装置及び眼底計測プログラムを記録した記録媒体 | |
CN113544738B (zh) | 人体测量数据便携式获取设备和收集人体测量数据的方法 | |
CN114732425A (zh) | 一种提升dr胸片成像质量的方法及系统 | |
JP5576631B2 (ja) | 放射線撮影装置、放射線撮影方法、及びプログラム | |
CN110956622B (zh) | 一种从人体x射线图像中自动提取膝关节部分图像的方法 | |
JP2008289698A (ja) | 医用画像表示装置、医用画像表示方法、プログラム、記憶媒体およびマンモグラフィ装置 | |
CN111160326B (zh) | Ct扫描全景实时监测方法和系统 | |
JP5328063B2 (ja) | 画像処理装置、画像処理方法、及び記憶媒体 | |
KR101758805B1 (ko) | 의료 영상 정합 장치 및 방법 | |
CN111951216A (zh) | 基于计算机视觉的脊柱冠状面平衡参数自动测量方法 | |
KR20140148134A (ko) | 3차원 초음파 촬영장치 및 그 운영방법 | |
JP4967967B2 (ja) | 画像診断支援装置及びプログラム | |
CN113676721A (zh) | 一种ar眼镜的图像获取方法及系统 | |
Marti et al. | Automatic mammographic registration: towards the detection of abnormalities | |
KR102534981B1 (ko) | 표면 영상유도 기반의 환자 위치 정렬 및 모니터링 시스템 |
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 |