CN112634218B - 一种基于横断位磁共振图像的腰椎肌肉测量方法 - Google Patents

一种基于横断位磁共振图像的腰椎肌肉测量方法 Download PDF

Info

Publication number
CN112634218B
CN112634218B CN202011495456.1A CN202011495456A CN112634218B CN 112634218 B CN112634218 B CN 112634218B CN 202011495456 A CN202011495456 A CN 202011495456A CN 112634218 B CN112634218 B CN 112634218B
Authority
CN
China
Prior art keywords
muscle
paraspinal
tissue
fat
muscles
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
Application number
CN202011495456.1A
Other languages
English (en)
Other versions
CN112634218A (zh
Inventor
王跃
沈皓天
黄嘉炜
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202011495456.1A priority Critical patent/CN112634218B/zh
Publication of CN112634218A publication Critical patent/CN112634218A/zh
Application granted granted Critical
Publication of CN112634218B publication Critical patent/CN112634218B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4566—Evaluating the spine
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Quality & Reliability (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本方法提供一种基于横断位磁共振图像的腰椎肌肉测量方法，在腰椎T2像横断位磁共振图像中对腰段主要椎旁肌肉(双侧竖脊肌，多裂肌和腰大肌)，进行自动化、一次性量化测量，包括在核磁共振图像中确定各个椎旁肌肉边界；确定每块椎旁肌肉中肌肉组织和脂肪/筋膜组织间信号的阈值；计算、自动测量各个椎旁肌肉截面面积，自动测量纯肌肉组织截面面积和比例；自动测量椎旁肌肉平均信号以及信号的标准差等图像信号参数。本方法基于医学DICOM图像，从图像中自动测量椎旁肌肉真实参数；并给出了核磁共振图像中椎旁肌肉各参数的数值测量方法，为腰椎疾MR患影像学研究提供快速、精准、量化的测量定义和方法。

Description

一种基于横断位磁共振图像的腰椎肌肉测量方法
技术领域
本发明属于人体脊柱参数量化测量研究方法，涉及一种基于核磁共振医学影像的腰椎量化测量方法，尤其涉及一种基于横断位磁共振图像的腰椎肌肉测量方法。
背景技术
腰椎疾病是临床常见病、多发病。研究表明，腰椎的病变和腰椎的椎体和椎间盘密切相关。核磁共振成像无创伤、分辨率高，是腰椎疾患诊断主要的辅助检查工具，也是腰椎疾患最佳临床研究工具。
作为腰椎力学结构的主要组成部分之一，椎旁肌肉为脊柱提供动态稳定性，长期被认为是导致腰椎疾病的重要因素。但是迄今为止，椎旁肌肉在背痛症状中的作用仍存在争议。
核磁共振成像无创伤、分辨率高，是评估椎旁肌肉质量的主要的辅助检查工具。目前对椎旁肌肉质量的评估主要依赖临床医生经验性的定性分析，带有较强主观性，医生背景和经验可引起评估结果巨大差异。腰椎的量化测量将评估者的主观性最小化，利用计算机软件对腰椎各生理参数进行自动化、一次性精确量化测量。基于横断位腰椎磁共振图像的椎旁肌肉量化测量是临床大规模流行病学研究的有用工具，也是进一步实现腰椎磁共振图像人工智能化诊断的前提和基础。有基于此，本发明公开了一种基于横断位磁共振图像的腰椎肌肉测量方法。
发明内容
本发明所要解决的技术问题是提供一种基于横断位磁共振图像的腰椎肌肉测量方法，提出量化测量的算法，主要解决在核磁共振图像中定义椎旁肌肉参数测量方法和从图像中获取腰椎真实量化数据，一次性自动测量双侧腰大肌、竖脊肌和多裂肌，测量结果一次性输出。
本发明提供的一种基于横断位核磁共振图像的腰椎肌肉测量方法，所述方法结合DICOM医学图像的视场信息(Field of View,FOV)和图像数据，对人体腰段脊柱中各块椎旁肌肉的各个影像解剖学参数进行自动化、一次性精确量化测量，通过以下步骤实现：
步骤一，在腰椎横断位磁共振图像中用鼠标分别选定双侧竖脊肌，腰大肌，多裂肌等六块椎旁肌肉的边界点，得到内部为相应节段的椎旁肌肉区域。
六块椎旁肌肉具体为：左侧竖脊肌(left erector spinae,LES)，右侧竖脊肌(right erector spinae,RES)，左侧腰大肌(left psoas muscle,LPM)，右侧腰大肌(rightpsoas muscle,RPM)，左侧多裂肌(left multifidus muscle,LMM)，右侧多裂肌(rightmultifidus muscle,RMM)。
采用多边形拟合得到L1～S1各个椎体边界点组形成边界线(contour)。
边界点及内部为相应节段的椎旁肌肉区域。
步骤二，在腰椎横断位磁共振图像中，根据步骤一所述的椎旁肌肉区域，遍历每一块椎旁肌肉区域的所有像素点，采集每一块椎旁肌肉区域内的所有像素值，使用计算最大类间方差法划分肌肉和脂肪信号的阈值。
椎旁肌肉中脂肪组织和肌肉组织的信号分界阈值由以下公式得到，其中
Figure BDA0002842022870000021
为肌肉组织和脂肪组织之间信号值的类间方差：
Figure BDA0002842022870000022
类间方差由以下公式得到，先计算肌肉组织和脂肪组织像素点数占肌肉面积的比例为ω0(t)和ω1(t)：
Figure BDA0002842022870000023
Figure BDA0002842022870000024
计算肌肉组织和脂肪组织平均灰度为μ0(t)和μ1(t)：
Figure BDA0002842022870000025
Figure BDA0002842022870000026
计算肌肉组织和脂肪组织之间信号值的类间方差为
Figure BDA0002842022870000027
Figure BDA0002842022870000028
计算划分肌肉和脂肪信号的阈值，使脂肪组织和肌肉组织之间的类间方差最大。
假设肌肉与脂肪之间的信号阈值为t：
分别计算得到肌肉组织和脂肪组织像素点数占肌肉面积的比例为ω0(t)和ω1(t)：
Figure BDA0002842022870000029
Figure BDA00028420228700000210
分别计算得到肌肉组织和脂肪组织平均灰度为μ0(t)和μ1(t)：
Figure BDA0002842022870000031
Figure BDA0002842022870000032
计算得到肌肉组织和脂肪组织之间信号值的类间方差为
Figure BDA0002842022870000033
Figure BDA0002842022870000034
计算划分肌肉和脂肪信号的阈值，使脂肪组织和肌肉组织之间的类间方差最大。
步骤三，根据步骤一所述的椎旁肌肉区域和步骤二所述的椎旁肌肉阈值，确定椎旁肌肉内的脂肪/筋膜组织区域和纯肌肉组织区域，计算像素单位下的椎旁肌肉区域内部的脂肪/筋膜组织截面面积；计算像素单位下的纯肌肉组织截面面积。计算脂肪组织占肌肉组织的百分比FP。
按公式
Figure BDA0002842022870000035
计算肌肉组织的横截面积。
按公式
Figure BDA0002842022870000036
计算脂肪组织占肌肉组织的百分比。
步骤四，根据步骤一所述的椎旁肌肉区域，与DICOM协议文件中的视场信息(FOV)进行换算，得到椎旁肌肉的截面面积CSA(单位：平方毫米，cm2)。截面面积CSA换算公式为
Figure BDA0002842022870000037
步骤五，根据步骤一所述的每块椎旁肌肉边界区域，可计算测量椎旁肌肉的总体信号TSI、平均信号ASI、信号标准差SDSI。根据公式
Figure BDA0002842022870000038
计算各块椎旁肌肉总体信号(total signal intensity,TSI)；根据公式
Figure BDA0002842022870000039
平均信号(averagesignal intensity,ASI)；根据公式
Figure BDA00028420228700000310
计算信号标准差(standard deviation of signal intensity,SDSI)。
本发明对腰椎肌肉脂肪浸润百分比，肌肉面积和信号测量的结果，可辅助临床医生依据这些量化参数对被检查者腰椎肌肉情况进行全面评估。
本发明专用于腰椎核磁共振图像测量，较一般的医学影像测量方法相比具有以下优点：(1)专用于横断位腰椎核磁共振图像测量，自动测量上述腰旁肌的面积、信号、脂肪含量和百分比等各个参数；(2)可依据医学图像DICOM协议文件中的视场(FOV)参数从磁共振图像中获取腰椎椎旁肌各量化参数的真实值，使本发明对不同核磁共振仪器、不同参数扫描图像测量结果具有一致性；(3)可一次性获取上述椎旁肌肉的各个参数，具有极高的量化测量效率，可用于大规模人群队列研究。
附图说明
图1为本发明椎旁肌肉边界示意图。
图2为自动计算信号阈值后，根据信号阈值划分椎旁肌肉脂肪肌肉区域的示意图。
图3为本发明在实际图像中标记示意图。
图注解：R:right,右侧；L：left，左侧；PM：psoas musle；ES:elector spinae；MM:multifidus muscle。
具体实施方式
本发明结合附图和实施例作进一步的说明。
实施例1一种基于横断位磁共振图像的腰椎肌肉测量方法
通过以下步骤实现：
步骤一，在腰椎横断位磁共振图像中用鼠标分别选定双侧竖脊肌，腰大肌，多裂肌等六块椎旁肌肉的边界点。采用多边形拟合得到L1～S1各个椎体边界点组形成边界线(contour)。边界点及内部为相应节段的椎旁肌肉区域，结果如附图1所示。
步骤二，在腰椎横断位磁共振图像中，根据步骤一所述的椎旁肌肉区域，遍历每一块椎旁肌肉区域的所有像素点，采集每一块椎旁肌肉区域内的所有像素值，使用计算最大类间方差法划分肌肉组织和脂肪组织信号的阈值。结果如附图2所示。根据公式计算例如，左侧多裂肌的信号阈值是158，右侧的多裂肌的信号阈值是157，左侧竖脊肌的信号阈值是161，右侧竖脊肌信号阈值是162，左侧腰大肌信号阈值是143，右侧腰大肌信号阈值是134。结合腰椎横断位磁共振图像，结果如图3所示。
步骤三，根据步骤一所述的椎旁肌肉区域和步骤二所述的椎旁肌肉阈值，确定椎旁肌肉内的脂肪/筋膜组织区域和纯肌肉组织区域，计算像素单位下的椎旁肌肉区域内部的脂肪/筋膜组织截面面积；计算像素单位下的纯肌肉组织截面面积。计算脂肪组织占肌肉组织的百分比FP。
步骤四，根据步骤一所述的椎旁肌肉区域，与DICOM协议文件中的视场信息(FOV)进行换算，得到椎旁肌肉的截面面积CSA(单位：平方毫米，cm2)。
步骤五，根据步骤一所述的每块椎旁肌肉边界区域，可计算测量椎旁肌肉的总体信号TSI、平均信号ASI、信号标准差SDSI。
根据上述步骤三至步骤五所述方法，即可一次性获取椎旁肌肉测量参数。以左侧多裂肌为例，可得到像素单位下的面积为3747，像素单位下的纯肌肉面积为2895，脂肪浸润百分比FP＝20.3％。MR图像的FOV为0.5mm/pixel，左侧多裂肌横截面积CSA＝9.3675cm2，左侧多裂肌纯肌肉的面积FCSA＝7.4475cm2，左侧多裂肌总体信号TSI＝645807，信号平均值ASI＝172.35，信号标准差SDSI＝29.50。

Claims (5)

1.一种基于核磁共振医学图像的腰椎椎旁肌量化测量方法，其特征在于：所述方法结合DICOM医学图像中视场信息FOV和图像数据，对人体腰段脊柱中椎旁肌肉的各个影像解剖学参数进行自动化、一次性量化测量，通过以下步骤实现：
步骤一：在腰椎横断位磁共振图像中用鼠标分别选定双侧竖脊肌，腰大肌，多裂肌六块椎旁肌肉的边界点，得到内部为相应节段的椎旁肌肉区域；
步骤二：在腰椎横断位磁共振图像中，根据步骤一所述的椎旁肌肉区域，遍历每一块椎旁肌肉区域的所有像素点，采集每一块椎旁肌肉区域内的所有像素值，使用计算最大类间方差法划分肌肉和脂肪/筋膜信号的阈值；
步骤三、根据步骤一所述的椎旁肌肉区域和步骤二所述的肌肉和脂肪/筋膜信号的阈值，确定椎旁肌肉内的脂肪/筋膜组织区域和肌肉组织区域，计算像素单位下的椎旁肌肉区域内部的脂肪/筋膜组织截面面积；计算像素单位下的肌肉组织截面面积，计算脂肪/筋膜组织占肌肉组织的百分比FP；
步骤四：根据步骤一所述的椎旁肌肉区域，与DICOM协议文件中的视场信息FOV进行换算，得到椎旁肌肉的截面面积CSA，其单位为：平方厘米；
步骤五、根据步骤一的椎旁肌肉边界区域，计算测量椎旁肌肉的总体信号TSI、平均信号ASI、信号标准差SDSI；
所述步骤二中，椎旁肌肉中脂肪/筋膜组织和肌肉组织的信号分界阈值t由以下公式得到，其中
Figure FDA0003727022950000011
为肌肉组织和脂肪/筋膜组织之间信号值的类间方差：
Figure FDA0003727022950000012
类间方差由以下公式得到，先计算肌肉组织和脂肪/筋膜组织像素点数占肌肉面积的比例为ω0(t)和ω1(t)：
Figure FDA0003727022950000013
Figure FDA0003727022950000014
计算肌肉组织和脂肪/筋膜组织平均灰度为μ0(t)和μ1(t)：
Figure FDA0003727022950000015
Figure FDA0003727022950000021
计算肌肉组织和脂肪/筋膜组织之间信号值的类间方差为
Figure FDA0003727022950000022
Figure FDA0003727022950000023
计算划分肌肉和脂肪/筋膜信号的阈值，使脂肪/筋膜组织和肌肉组织之间的类间方差最大。
2.根据权利要求1所述的测量方法，其特征在于，步骤一所述六块椎旁肌肉具体为：左侧竖脊肌(left erector spinae,LES)，右侧竖脊肌(right erector spinae,RES)，左侧腰大肌(left psoas muscle,LPM)，右侧腰大肌(right psoas muscle,RPM)，左侧多裂肌(left multifidus muscle,LMM)，右侧多裂肌(right multifidus muscle,RMM)。
3.根据权利要求1所述的测量方法，其特征在于，所述步骤三中，像素单位下椎旁肌肉组织的截面面积计算公式AV为：
Figure FDA0003727022950000024
脂肪/筋膜组织占肌肉组织的百分比FP的计算公式为：
Figure FDA0003727022950000025
其中，t为椎旁肌肉中脂肪/筋膜组织和肌肉组织的信号分界阈值。
4.根据权利要求1所述的测量方法，其特征在于，步骤四中截面面积CSA换算公式为：
Figure FDA0003727022950000026
5.根据权利要求1所述的测量方法，其特征在于，所述步骤五中，椎旁肌肉总体信号计算公式为：
Figure FDA0003727022950000027
椎旁肌肉平均信号计算公式为：
Figure FDA0003727022950000028
信号标准差计算公式为
Figure FDA0003727022950000029
CN202011495456.1A 2020-12-17 2020-12-17 一种基于横断位磁共振图像的腰椎肌肉测量方法 Active CN112634218B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011495456.1A CN112634218B (zh) 2020-12-17 2020-12-17 一种基于横断位磁共振图像的腰椎肌肉测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011495456.1A CN112634218B (zh) 2020-12-17 2020-12-17 一种基于横断位磁共振图像的腰椎肌肉测量方法

Publications (2)

Publication Number Publication Date
CN112634218A CN112634218A (zh) 2021-04-09
CN112634218B true CN112634218B (zh) 2022-08-23

Family

ID=75316336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011495456.1A Active CN112634218B (zh) 2020-12-17 2020-12-17 一种基于横断位磁共振图像的腰椎肌肉测量方法

Country Status (1)

Country Link
CN (1) CN112634218B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118298003A (zh) * 2024-06-03 2024-07-05 首都医科大学宣武医院 一种椎旁肌肉脂肪浸润率的计算方法、系统及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2012204098A1 (en) * 2001-04-24 2012-08-02 The Johns Hopkins University Use of follistatin to increase muscle mass
CN103961177A (zh) * 2008-07-22 2014-08-06 因西特医疗技术有限公司 组织改变装置及其使用方法
CN106600609A (zh) * 2016-11-30 2017-04-26 上海联影医疗科技有限公司 一种医学图像中脊柱的分割方法及系统
CN111105426A (zh) * 2018-10-27 2020-05-05 王跃 一种基于核磁共振图像的腰椎椎体量化参数测量方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2012204098A1 (en) * 2001-04-24 2012-08-02 The Johns Hopkins University Use of follistatin to increase muscle mass
CN103961177A (zh) * 2008-07-22 2014-08-06 因西特医疗技术有限公司 组织改变装置及其使用方法
CN106600609A (zh) * 2016-11-30 2017-04-26 上海联影医疗科技有限公司 一种医学图像中脊柱的分割方法及系统
CN111105426A (zh) * 2018-10-27 2020-05-05 王跃 一种基于核磁共振图像的腰椎椎体量化参数测量方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Detection and quantification of renal fibrosis by computerized tomography;Eric P.Cohen.et.;《PLoS ONE》;20200213;第15卷(第2期);第1-12页 *
Segmentation of Paraspinal Muscles at Varied Lumbar Spinal Levels by Explicit Saliency-Aware Learning;Jiawei Huang.et.;《23th International Conference on Medical Image Computing and Computer Assisted Intervention(MICCAI)》;20201031;第1-10页 *
一种基于区域生长算法的脊椎椎体提取方法;曾鹏等;《科学技术与工程》;20140228;第14卷(第6期);第222-225页 *

Also Published As

Publication number Publication date
CN112634218A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
Kim et al. Accuracy of facial soft tissue thickness measurements in personal computer-based multiplanar reconstructed computed tomographic images
Laib et al. Ridge number density: a new parameter for in vivo bone structure analysis
Bulut et al. Facial soft tissue thickness database for craniofacial reconstruction in the Turkish adult population
Kumar et al. On classification of BMD images using machine learning (ANN) algorithm
CN113222951B (zh) 一种识别髋关节x线的骨质疏松人工智能诊断装置
De Donno et al. Facial approximation: Soft tissue thickness values for Caucasian males using cone beam computer tomography
D'Amico et al. Normative 3D opto-electronic stereo-photogrammetric posture and spine morphology data in young healthy adult population
CN110772255A (zh) 基于姿态与位置传感器的人体脊柱侧弯角度的测量方法
CN112634218B (zh) 一种基于横断位磁共振图像的腰椎肌肉测量方法
Li et al. Electrical-impedance-tomography imaging based on a new three-dimensional thorax model for assessing the extent of lung injury
Hua et al. Correlation between age and the parameters of medial epiphysis and metaphysis of the clavicle using CT volume rendering images
JP2020192068A (ja) 画像診断支援装置、画像診断支援プログラム、および、医用画像取得装置
CN113679404A (zh) 一种骨密度测量系统及其测量方法
Camp et al. System for the analysis of whole-bone strength from helical CT images
Cyteval et al. Normal vertebral body dimensions: a new measurement method using MRI
Sharifnezhad et al. The validity and reliability of kinovea software in measuring thoracic kyphosis and lumbar lordosis
CN116433560A (zh) 基于超声双模态影像的肌肉疾病识别方法、装置及设备
Memiş et al. 3D detection of spheric and aspheric femoral heads in coronal MR images of patients with Legg-Calve-Perthes disease using the spherical Hough transform
Tabor et al. Comparison of trabecular bone architecture in young and old bones
Marmarou et al. In vivo measurement of brain water by MRI
Chen et al. Sophisticated imaging technology in the assessment of osteoporosis risk
CN111105426A (zh) 一种基于核磁共振图像的腰椎椎体量化参数测量方法
RU2739224C1 (ru) Способ ультразвуковой диагностики артроза дугоотросчатого сустава поясничных позвонков
RU2289308C2 (ru) Способ ранней скрининговой диагностики нарушений формирования опорно-двигательной системы у детей
Raturi et al. Classification of BMD using artificial neural network

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