CN111915515A - 超声图像中噪声去除的方法、超声设备及存储介质 - Google Patents

超声图像中噪声去除的方法、超声设备及存储介质 Download PDF

Info

Publication number
CN111915515A
CN111915515A CN202010705840.3A CN202010705840A CN111915515A CN 111915515 A CN111915515 A CN 111915515A CN 202010705840 A CN202010705840 A CN 202010705840A CN 111915515 A CN111915515 A CN 111915515A
Authority
CN
China
Prior art keywords
image
ultrasonic
ultrasound
frequency domain
ultrasonic 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.)
Withdrawn
Application number
CN202010705840.3A
Other languages
English (en)
Inventor
杨尚朋
杨锡东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Snya Medical Technology Co ltd
Original Assignee
Wuxi Snya Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuxi Snya Medical Technology Co ltd filed Critical Wuxi Snya Medical Technology Co ltd
Priority to CN202010705840.3A priority Critical patent/CN111915515A/zh
Publication of CN111915515A publication Critical patent/CN111915515A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T2207/10132—Ultrasound 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
    • G06T2207/30068—Mammography; Breast

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及超声图像处理技术领域，具体公开了一种超声图像中条纹噪声去除的方法，其中，包括：获取超声图像；将所述超声图像由空域转换至频率域；根据频谱分析方法去除所述频率域中的除中心区域外的高灰度值区域，得到处理后的频谱图像；将所述处理后的频谱图像进行第一图像变换得到处理后的空域图像。本发明还公开了一种超声设备及计算机可读存储介质。本发明提供的超声图像中条纹噪声去除的方法能够在最大程度保留图像细节、不引入新的噪声的情况下，滤除图像竖直条纹噪声，提升图像质量的同时提升检测者的使用体验，在保持超声检测无创、快速、直观等优点的前提下，进一步提升检测者的研判准确性。

Description

超声图像中噪声去除的方法、超声设备及存储介质
技术领域
本发明涉及超声图像处理技术领域，尤其涉及一种超声图像中条纹噪声去除的方法、超声设备及计算机可读存储介质。
背景技术
在乳腺检查领域超声检测具有无创、快速、直观和准确等优点，所以超声检测在临床和实验研究中日益重要。观察和分析超声三维图像是医生和研究人员诊断的重要途径，所以高质量的冠面图像成为准确研判病情的关键。
在临床检查和实验研究中，由于导声胶涂抹不匀或成像原理限制等因素作用下，不可避免引入噪声信息，该噪声信息主要表现为非腺体组织区域明显的准周期竖直条纹噪声，有效腺体组织区域也可能受到不同程度的影响。非腺体组织区域竖条纹噪声表现明显，会影响冠面图像质量和观察者直观感受，腺体组织区域的竖直条纹甚至会破坏原腺体组织细节特征，可能会误导医生和研究人员对病情的判断。因此，找到一种既高效去除噪声、又能保留甚至恢复原图像有效细节特征的方法具有重要的意义。
超声诊断冠面图噪声主要特征明显，为非腺体组织区域准周期竖直条纹噪声，目前针对图像竖直条纹的去除方法，主要是采用空间域滤波方法。但是空间域滤波方法更多应用在准周期性和非周期性的竖直条纹噪声去除场景中有更好的效果。因此，如何针对超声图像中竖直条纹噪声进行去除成为本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种超声图像中条纹噪声去除的方法、超声设备及计算机可读存储介质，解决相关技术中存在的超声图像中的竖直条纹无法去除影响研判准确性的问题。
作为本发明的第一个方面，提供一种超声图像中条纹噪声去除的方法，其中，包括：
获取超声图像；
将所述超声图像由空域转换至频率域；
根据频谱分析方法去除所述频率域中的除中心区域外的高灰度值区域，得到处理后的频谱图像；
将所述处理后的频谱图像进行第一图像变换得到处理后的空域图像。
进一步地，所述将所述超声图像由空域转换至频率域，包括：
对所述超声图像进行第二图像变换，得到第二图像变换后的超声图像；
对所述第二图像变换后的超声图像进行复数域转幅频谱处理以及对数尺度变换；
对幅频谱处理后的超声图像进行中心化处理和归一化处理，得到频率域下的超声图像。
进一步地，所述第二图像变换包括傅里叶变换，所述第一图像变换包括反傅里叶变换。
进一步地，所述根据频谱分析方法去除所述频率域中的除中心区域外的高灰度值区域，得到处理后的频谱图像，包括：
根据所述频率域下的超声图像确定滤波器的形态、类型和滤波条带；
根据确定的所述滤波器对所述频率域下的超声图像进行陷波处理，得到处理后的频谱图像。
进一步地，所述滤波器的类型包括频域带状陷波滤波器。
进一步地，在所述获取超声图像之后，还包括：
分析所述超声图像中的纹理特征。
进一步地，所述超声图像包括超声三维图像中的冠状面图像。
作为本发明的另一个方面，提供一种超声设备，其中，包括存储器和处理器，所述存储器和所述处理器通信连接，所述存储器中存储有计算机指令，所述处理器通过加载所述计算机指令，从而执行前文所述的超声图像中条纹噪声去除的方法。
作为本发明的另一个方面，提供一种计算机可读存储介质，其中，包括存储的计算机程序，所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行前文所述的超声图像中条纹噪声去除的方法。
本发明提供的超声图像中条纹噪声去除的方法，通过将超声图像由空域转换成频率域，然后对频率域下的超声图像根据频谱分析方法去除频率域图像中的除中心区域外的高灰度值区域，这种超声图像中条纹噪声去除的方法能够在最大程度保留图像细节、不引入新的噪声的情况下，滤除图像竖直条纹噪声，提升图像质量的同时提升检测者的使用体验，在保持超声检测无创、快速、直观等优点的前提下，进一步提升检测者的研判准确性。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
图1为本发明提供的超声图像中条纹噪声去除的方法的流程图。
图2为现有技术中带有竖直条纹噪声的超声图像。
图3为本发明提供的超声图像的频谱图。
图4为本发明提供的根据频谱图自动生成的滤波器的示意图。
图5为本发明提供的经过滤波器滤波得到的频谱图。
图6为本发明提供的滤波后的空域图像。
图7为本发明提供的超声设备的结构框图。
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结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种超声图像中条纹噪声去除的方法，图1是根据本发明实施例提供的超声图像中条纹噪声去除的方法的流程图，如图1所示，包括：
S110、获取超声图像；
S120、将所述超声图像由空域转换至频率域；
S130、根据频谱分析方法去除所述频率域中的除中心区域外的高灰度值区域，得到处理后的频谱图像；
此处应当理解的是，在频率域中的中心区域对应的是空域超声图像中的低梯度变化区域，因此，在频率域中进行处理时应当是除中心区域外的横向高灰度值区域进行去除，若空域条纹为横向，则除中心区域外的纵向高灰度值区域。
关于高灰度值区域可以理解为将整个频率域中每个横向区域的灰度值的和进行汇总后，在直方图中得到灰度值的曲线图，将位于波峰位置的灰度值的和所对应的行去除掉，此处应当理解的是，位于波峰位置的灰度值的和在频率域中即为高灰度值区域。
需要说明的是，所述频率域中的中心区域具体可以为图3和图5所示的中心高亮区域，尤其在图5中，中心区域中横线处断掉，即该区域不需要去除。
S140、将所述处理后的频谱图像进行第一图像变换得到处理后的空域图像。
本发明实施例提供的超声图像中条纹噪声去除的方法，通过将超声图像由空域转换成频率域，然后对频率域下的超声图像根据频谱分析方法去除频率域图像中的除中心区域外的高灰度值区域，这种超声图像中条纹噪声去除的方法能够在最大程度保留图像细节、不引入新的噪声的情况下，滤除图像竖直条纹噪声，提升图像质量的同时提升检测者的使用体验，在保持超声检测无创、快速、直观等优点的前提下，进一步提升检测者的研判准确性。
需要说明的是，所述超声图像包括超声三维图像中的冠状面图像，也可以为超声二维图像。
还需要说明的是，对于超声图像中竖直条纹，在超声图像的空白区域比较多的时候通常比较明显。而对于一些超声设备生产厂家，为了节省成本通常会采用小超声探头，而通过小超声探头进行多次扫描拼接得到的超声图像通常空白区域比较多，从而导致竖直条纹比较明显，因此，该应用场景下产品对去除超声图像中的竖直条纹产生了迫切的需求。对于通过大探头一次性扫描得到的超声图像也存在竖直条纹，通过本发明实施例提供的方法同样可以应用于去除竖直条纹。
图2为从超声三维图像中获取冠状面图像序列
具体地，所述将所述超声图像由空域转换至频率域，包括：
对所述超声图像进行第二图像变换，得到第二图像变换后的超声图像；
对所述第二图像变换后的超声图像进行复数域转幅频谱处理以及对数尺度变换；
对幅频谱处理后的超声图像进行中心化处理和归一化处理，得到频率域下的超声图像。
在一些实施方式中，所述第二图像变换包括傅里叶变换，所述第一图像变换包括反傅里叶变换。
应当理解的是，经过傅里叶变换、复数域转幅频谱、对数尺度变换、幅频谱中心化处理、归一化处理等过程，将图像由空域转至频率域，如图3所示。
具体地，所述根据频谱分析方法去除所述频率域中的除中心区域外的高灰度值区域，得到处理后的频谱图像，包括：
根据所述频率域下的超声图像确定滤波器的形态、类型和滤波条带；
根据确定的所述滤波器对所述频率域下的超声图像进行陷波处理，得到处理后的频谱图像。
在一些实施方式中，所述滤波器的类型包括频域带状陷波滤波器。
具体地，在定位带阻滤波器的滤波条带时具体可以包括：求频谱图像各行的和值，以行序号为自变量，行的和值为因变量，构建离散函数，搜寻满足条件的和值函数的区域极大值，以区域极大值为基准设置滤波条带，带内灰度值置零。
vi为某点灰度值，ri为相邻点灰度值之差，WL为搜寻窗宽，以Pi右邻域为例：
ri＝vi-vi+1 (1)
ri≥ri+1＞0 (2)
imax＝(WL-1)/2 (3)
且WL≥3，i≤imax。
公式(1)至公式(3)表示以Pi为基准点的右邻域梯度逐点下降。若满足基准点Pi左右梯度同时下降，那么就设定Pi和以中间行为对称行的Pi的对称点为极大值点，以极大值点为基准点设置行滤波带。
此外，中间行滤波带为左右两段，均紧贴频谱图边缘，设频谱宽度为Width，那么中间行滤波带左右两段长度均为0.45×Width，宽度与其他滤波带相同，中间留有0.1×Width的空余，滤波条带宽度为11像素。滤波器中滤波带以外的点全部置1，得到图4所示滤波器。滤波器与频谱图的各点对应相乘，即可得到经过滤波的频谱图像，如图5所示。
需要说明的是，在对滤波后的频谱图像进行反中心平移、反傅里叶变换，得到滤波后的空域图像，如图6所示。
在一些实施方式中，在所述获取超声图像之后，还包括：
分析所述超声图像中的纹理特征。
综上所述，本发明实施例提供的超声图像中条纹噪声去除的方法，能够在最大程度保留图像细节、不引入新的噪声的情况下，滤除图像竖直条纹噪声，提升图像质量的同时提升检测者的使用体验，在保持超声检测无创、快速、直观等优点的前提下，进一步提升检测者的研判准确性。
作为本发明的另一实施例，提供一种超声设备，其中，包括存储器和处理器，所述存储器和所述处理器通信连接，所述存储器中存储有计算机指令，所述处理器通过加载所述计算机指令，从而执行前文所述的超声图像中条纹噪声去除的方法。
具体地，所述超声设备的结构框图如图7所示，所述超声设备可以包括：至少一个处理器11，例如CPU，至少一个通信接口13，存储器14，至少一个通信总线12。其中，通信总线12用于实现这些组件之间的连接通信。其中，通信接口13可以包括显示屏、键盘，可选通信接口13还可以包括标准的有线接口、无线接口。存储器14可以是高速RAM存储器，也可以是非不稳定的存储器，例如至少一个磁盘存储器。存储器14可选的还可以是至少一个位于远离前述处理器11的存储装置。其中，存储器14中存储应用程序，且处理器11能够加载存储器14中存储的程序代码，以用于执行前述超声图像中条纹噪声去除的方法步骤。
作为本发明的另一实施例，提供一种计算机可读存储介质，其中，包括存储的计算机程序，所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行前文所述的超声图像中条纹噪声去除的方法。
需要说明的是，所述计算机可读存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述计算机可读存储介质还可以包括上述种类的存储器的组合。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (9)

1.一种超声图像中条纹噪声去除的方法，其特征在于，包括：
获取超声图像；
将所述超声图像由空域转换至频率域；
根据频谱分析方法去除所述频率域中的除中心区域外的高灰度值区域，得到处理后的频谱图像；
将所述处理后的频谱图像进行第一图像变换得到处理后的空域图像。
2.根据权利要求1所述的超声图像中条纹噪声去除的方法，其特征在于，所述将所述超声图像由空域转换至频率域，包括：
对所述超声图像进行第二图像变换，得到第二图像变换后的超声图像；
对所述第二图像变换后的超声图像进行复数域转幅频谱处理以及对数尺度变换；
对幅频谱处理后的超声图像进行中心化处理和归一化处理，得到频率域下的超声图像。
3.根据权利要求2所述的超声图像中条纹噪声去除的方法，其特征在于，所述第二图像变换包括傅里叶变换，所述第一图像变换包括反傅里叶变换。
4.根据权利要求1所述的超声图像中条纹噪声去除的方法，其特征在于，所述根据频谱分析方法去除所述频率域中的除中心区域外的高灰度值区域，得到处理后的频谱图像，包括：
根据所述频率域下的超声图像确定滤波器的形态、类型和滤波条带；
根据确定的所述滤波器对所述频率域下的超声图像进行陷波处理，得到处理后的频谱图像。
5.根据权利要求4所述的超声图像中条纹噪声去除的方法，其特征在于，所述滤波器的类型包括频域带状陷波滤波器。
6.根据权利要求1至5中任意一项所述的超声图像中条纹噪声去除的方法，其特征在于，在所述获取超声图像之后，还包括：
分析所述超声图像中的纹理特征。
7.根据权利要求1至5中任意一项所述的超声图像中条纹噪声去除的方法，其特征在于，所述超声图像包括超声三维图像中的冠状面图像。
8.一种超声设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器通信连接，所述存储器中存储有计算机指令，所述处理器通过加载所述计算机指令，从而执行权利要求1至7中任意一项所述的超声图像中条纹噪声去除的方法。
9.一种计算机可读存储介质，其特征在于，包括存储的计算机程序，所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的超声图像中条纹噪声去除的方法。
CN202010705840.3A 2020-07-21 2020-07-21 超声图像中噪声去除的方法、超声设备及存储介质 Withdrawn CN111915515A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010705840.3A CN111915515A (zh) 2020-07-21 2020-07-21 超声图像中噪声去除的方法、超声设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010705840.3A CN111915515A (zh) 2020-07-21 2020-07-21 超声图像中噪声去除的方法、超声设备及存储介质

Publications (1)

Publication Number Publication Date
CN111915515A true CN111915515A (zh) 2020-11-10

Family

ID=73280181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010705840.3A Withdrawn CN111915515A (zh) 2020-07-21 2020-07-21 超声图像中噪声去除的方法、超声设备及存储介质

Country Status (1)

Country Link
CN (1) CN111915515A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114693663A (zh) * 2022-04-13 2022-07-01 北京明略软件系统有限公司 用于缺陷检测的方法、装置、检测设备和存储介质
CN115869005A (zh) * 2021-09-26 2023-03-31 青岛海信医疗设备股份有限公司 超声图像的干扰抑制方法、超声设备和存储介质
CN117670842A (zh) * 2023-12-07 2024-03-08 常州市宏发纵横新材料科技股份有限公司 一种布面横条检测方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010025809A (ja) * 2008-07-22 2010-02-04 Shimadzu Corp モアレ縞測定装置
US20100092082A1 (en) * 2006-11-29 2010-04-15 Keigo Hirakawa framework for wavelet-based analysis and processing of color filter array images with applications to denoising and demosaicing
CN104103041A (zh) * 2013-12-24 2014-10-15 北京华科创智健康科技股份有限公司 超声图像混合噪声自适应抑制方法
CN104657942A (zh) * 2014-12-08 2015-05-27 浙江工业大学 基于改进阈值的小波变换和引导滤波器的医学超声图像去噪方法
CN110101362A (zh) * 2019-04-29 2019-08-09 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 一种关于oct和octa的图像噪声去除的方法
CN110838093A (zh) * 2019-11-05 2020-02-25 安徽大学 一种高效、高质量的fMOST或MOST显微图像条纹噪声去除方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100092082A1 (en) * 2006-11-29 2010-04-15 Keigo Hirakawa framework for wavelet-based analysis and processing of color filter array images with applications to denoising and demosaicing
JP2010025809A (ja) * 2008-07-22 2010-02-04 Shimadzu Corp モアレ縞測定装置
CN104103041A (zh) * 2013-12-24 2014-10-15 北京华科创智健康科技股份有限公司 超声图像混合噪声自适应抑制方法
CN104657942A (zh) * 2014-12-08 2015-05-27 浙江工业大学 基于改进阈值的小波变换和引导滤波器的医学超声图像去噪方法
CN110101362A (zh) * 2019-04-29 2019-08-09 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 一种关于oct和octa的图像噪声去除的方法
CN110838093A (zh) * 2019-11-05 2020-02-25 安徽大学 一种高效、高质量的fMOST或MOST显微图像条纹噪声去除方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张婷婷;刘东权;: "基于方向滤波的超声图像边缘增强", 计算机应用与软件, no. 03 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115869005A (zh) * 2021-09-26 2023-03-31 青岛海信医疗设备股份有限公司 超声图像的干扰抑制方法、超声设备和存储介质
CN115869005B (zh) * 2021-09-26 2024-06-04 青岛海信医疗设备股份有限公司 超声图像的干扰抑制方法、超声设备和存储介质
CN114693663A (zh) * 2022-04-13 2022-07-01 北京明略软件系统有限公司 用于缺陷检测的方法、装置、检测设备和存储介质
CN117670842A (zh) * 2023-12-07 2024-03-08 常州市宏发纵横新材料科技股份有限公司 一种布面横条检测方法、装置、设备及存储介质
CN117670842B (zh) * 2023-12-07 2024-06-04 常州市宏发纵横新材料科技股份有限公司 一种布面横条检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN111915515A (zh) 超声图像中噪声去除的方法、超声设备及存储介质
WO2021017307A1 (zh) 非接触性心率检测方法、系统、设备及存储介质
Loizou et al. Snakes based segmentation of the common carotid artery intima media
US11593940B2 (en) Method and system for standardized processing of MR images
US11055565B2 (en) Systems and methods for the identification of perivascular spaces in magnetic resonance imaging (MRI)
EP3070673B1 (en) Image processing method to diagnose cutaneous lesion, and diagnostic apparatus used for the same method
CN106780522B (zh) 一种基于深度学习的骨髓液细胞分割方法
JP6422198B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
EP4085828A1 (en) Electrical impedance tomography based method and device for generating three-dimensional blood perfusion image
KR20090127100A (ko) 초음파 - ｃｔ 영상 정합을 위한 3차원 초음파 간 영상의 해부학적 특징을 추출하는 시스템 및 방법
CN110838093B (zh) 一种fMOST或MOST显微图像条纹噪声去除方法
CN110610498A (zh) 乳腺钼靶图像处理方法、系统、存储介质及设备
CN115311309A (zh) 一种用于核磁共振图像的病灶识别提取方法与系统
JP6659832B2 (ja) 正規化及びアーチファクト補正のための画像処理方法及び画像処理装置
KR20140089669A (ko) 영상에서 스펙클을 제거하는 방법, 장치 및 시스템.
CN114332132A (zh) 图像分割方法、装置和计算机设备
JP2001059842A (ja) 病理診断装置
JPWO2014038428A1 (ja) 画像処理装置及び画像処理方法
Jeevakala et al. A novel segmentation of cochlear nerve using region growing algorithm
Anilet Bala et al. Retinal image enhancement using adaptive histogram equalization tuned with nonsimilar grouping curvelet
JP2020049237A (ja) 微細構造解析データのデータ品質を評価し向上させる方法
CN117017347B (zh) 超声设备的图像处理方法、系统及超声设备
Abbas et al. Automatic skin tumour border detection for digital dermoscopy using a new digital image analysis scheme
KR20070081803A (ko) 초음파 영상 처리 시스템 및 방법
Priya et al. Brain tissue volume estimation to detect Alzheimer’s disease in magnetic resonance images

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20201110