CN113177958A - 一种针对特定深度信息的超声显微图像处理方法 - Google Patents

一种针对特定深度信息的超声显微图像处理方法 Download PDF

Info

Publication number
CN113177958A
CN113177958A CN202110723783.6A CN202110723783A CN113177958A CN 113177958 A CN113177958 A CN 113177958A CN 202110723783 A CN202110723783 A CN 202110723783A CN 113177958 A CN113177958 A CN 113177958A
Authority
CN
China
Prior art keywords
ultrasonic
image
chip
image processing
segmentation
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
Application number
CN202110723783.6A
Other languages
English (en)
Inventor
王若凡
施钧辉
尹永刚
陈睿黾
李驰野
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.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
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 Zhejiang Lab filed Critical Zhejiang Lab
Priority to CN202110723783.6A priority Critical patent/CN113177958A/zh
Publication of CN113177958A publication Critical patent/CN113177958A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G01N29/0654—Imaging
    • G01N29/0681—Imaging by acoustic microscopy, e.g. scanning acoustic microscopy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G01N29/0654—Imaging
    • G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4472—Mathematical theories or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • G06T2207/10056—Microscopic 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
    • G06T2207/10—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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明公开了一种针对特定深度信息的超声显微图像处理方法，该图像处理方法包括执行以下步骤：输入样品超声数据，确定成像深度，对图像进行Frangi滤波增强，选取分割区域，对待处理图像迭代计算分割曲线，输出最终超声显微图像处理结果。本发明结合了超声成像不同的深度信息，可以处理不同深度的具体图像。通过对超声图像进行Frangi滤波增强，可以更好地提取线性或圆形的特征信息。另外，通过自主的选择分割区域，使得图像处理操作更加灵活，处理结果多样可变，适应包括半导体和芯片检测、眼科超声检查等多种场景，尤其适用于对半导体材料或芯片内部引脚，引线结构的缺损检测。

Description

一种针对特定深度信息的超声显微图像处理方法
技术领域
本发明涉及图像分割和处理领域，尤其涉及一种针对特定深度信息的超声显微图像处理方法。
背景技术
图像分割是图像处理领域一项关键的、具体的任务，在工业自动化生产，医疗影像设备制造与系统开发，无人驾驶等诸多领域有广泛的应用价值。通过对图像区域的分割，可以得到感兴趣的区域（ROI），使得计算机可以模拟人脑理解图像的不同信息，开展图像处理下一步的分析工作。通过对ROI区域的边界分割，可以得到长度，面积等更多的隐含图像信息。在医学图像处理领域，对目标病灶的分割可以辅助医生进行疾病筛查与诊断，提升诊疗效率。
超声因其反射性强，方向性好等优异的性能广泛应用在工业生产、交通测距与测速、医学超声检查等领域。超声波与可听见的声波同样具有折射、反射、衍射等规律，可以检测电子产品内部的结构是否有损坏。超声图像反应组织中声学性质的差异，因此被广泛应用于医学检查，它对人体的软组织有较好的分辨能力，可以探测组织器官的形态学变化；另外，超声波对组织器官的舒张与收缩检测，可以计算单位时间内血流的速度与血流量。相比较X射线成像，核磁共振成像，超声成像操作更灵活，更简洁，与其他检查方式形成互补。在乳腺疾病和甲状腺疾病诊断方面，超声检查已经成为主流的检查工具。
目前针对超声图像的分割方法主要有：基于阈值和边界检测算子的传统的图像分割方法和基于深度学习的图像分割方法。传统方法简单易懂，但是对参数的敏感性强，分割结果不够精确，鲁棒性较低；深度学习方法则依赖于大量的已标注数据，较难获取，同时深度学习算法对计算机配置要求较高。
发明内容
本发明针对现有技术不足，提供了一种针对特定深度信息的超声显微图像处理方法，来改善超声图像质量，并且可以检测样品内部结构是否存在缺损等情况。
本发明的目的是通过以下技术方案实现的：一种针对特定深度信息的超声显微图像处理方法，包括以下步骤：
（1）通过高分辨超声显微镜的步进扫描和往返扫描收集回波信号，得到芯片样品的超声数据；
（2）根据芯片样品的实际厚度尺寸以及步骤（1）采集到的超声数据，得出成像深度的范围，记为
Figure 803606DEST_PATH_IMAGE001
，其中
Figure 210317DEST_PATH_IMAGE002
，N为成像的极限深度，所述成像的极限深度由高分辨超声显微镜采集的过程控制。根据步骤（1）采集的超声数据以及需要研究的芯片样品的指定深度区域，确定一个特定的深度div,将采集到的超声数据输入MATLAB软件fread函数，经reshape函数，希尔伯特变换处理后形成待处理超声图像
Figure 770611DEST_PATH_IMAGE003
；
（3）利用Frangi滤波器对步骤（2）得到的待处理超声图像
Figure 807837DEST_PATH_IMAGE003
进行图像增强，输出Frangi滤波后的待分割芯片超声图像
Figure 289634DEST_PATH_IMAGE004
；
（4）利用MATLAB软件的imcrop函数，在待分割芯片超声图像
Figure 703298DEST_PATH_IMAGE004
中选取需要分割的图像区域，将该区域图像记为分割图像
Figure 852520DEST_PATH_IMAGE005
；
（5）迭代计算分割曲线
Figure 326226DEST_PATH_IMAGE006
；
（6）经由步骤（5）迭代计算得到的分割曲线
Figure 295319DEST_PATH_IMAGE006
，即得到图像分割结果，根据图像分割结果检查芯片样品的引脚引线结构是否在连接处有缺损，若没有缺损则输出芯片样品最终的超声显微图像处理结果
Figure 450357DEST_PATH_IMAGE007
。
进一步地，所述步骤（5）包括以下子步骤：
（5.1）向活动轮廓模型输入步骤（4）输出的待分割图像
Figure 454085DEST_PATH_IMAGE005
和初始水平集函数
Figure 98693DEST_PATH_IMAGE008
，迭代计算水平集函数
Figure 820662DEST_PATH_IMAGE009
的停止条件
Figure 573198DEST_PATH_IMAGE010
；
（5.2）利用活动轮廓模型对水平集函数进行极小化处理，得到极小化水平集函数
Figure 165854DEST_PATH_IMAGE011
；其中k为第k次极小化处理，即第k次迭代；
（5.3）判断
Figure 981363DEST_PATH_IMAGE012
，如果成立，则执行步骤（5.4），否则返回步骤（5.3）继续进行函数极小化处理；
（5.4）输出分割曲线
Figure 128311DEST_PATH_IMAGE006
，记为
Figure 687468DEST_PATH_IMAGE013
。
本发明的有益效果是：1.本发明的超声显微图像处理方法，具有极大的灵活性，结合了超声成像不同的深度信息，可以处理芯片样品不同深度的具体图像，来探究芯片样品的不同深度的内部结构。2.本发明对超声显微图像进行Frangi滤波增强，可以更好地使用成像中的线性或圆形信息，尤其对半导体材料或芯片内部图像增强效果显著。3.本发明可以自由选取图像分割区域，使得图像处理操作更加灵活，处理结果多样可变，可以清楚的研究样品内部结构，适应半导体和芯片检测、眼科超声检查等多种不同检测场景，尤适用于对半导体材料或芯片内部引脚，引线结构的缺损检测。
附图说明
图1是本发明的流程图；
图2是本发明选取了3种不同深度的超声显微芯片图像示意图；
图3中的（a）是本发明采集的芯片超声成像图，图3中的（b）是本发明对超声成像进行Frangi滤波增强后的输出结果图；
图4是本发明迭代计算分割曲线的流程图；
图5是本发明对芯片引线结构分割的示意图。
具体实施方式
超声显微镜利用样品的声学特性来显示其内部的微小结构。与普通光学显微镜和电子显微镜不同，被测样品无需透光，生物组织无需染色，电子产品无需破坏表面结构，即可观察它们的内部结构，为了解物质内部结构提供了一种新的解决方法。实验过程中利用纯水当介质传输超声波信号，当信号遇到不同材料的界面时会部分反射及穿透，超声回波强度会因为材料密度不同而有所差异，超声显微镜就是利用此特性，根据所接收的信号变化形成样本内部不同深度的图像。
如图1所示，本发明公开了一种针对特定深度信息的超声显微图像处理方法，具体包括以下步骤：
（1）通过高分辨超声显微镜的步进扫描和往返扫描收集回波信号，得到芯片样品的超声数据。在水平方向的步进长度，和垂直方向的步进长度，应大于芯片样品的宽度和长度，以采集完整的芯片样品超声数据。
（2）根据芯片样品的实际厚度尺寸以及步骤（1）采集到的超声数据，得出成像深度的范围，记为
Figure 400209DEST_PATH_IMAGE001
，其中
Figure 386619DEST_PATH_IMAGE002
，N为成像的极限深度，所述成像的极限深度由高分辨超声显微镜采集的过程控制。根据感兴趣的研究区域位于芯片样品的顶部，中部，还是底部，来确定需要选择的深度位置。如图2所示，图2选取了3种不同深度的超声显微芯片图像示意图，它分别展示了芯片样品的顶部，中部与底部的不同面貌。根据步骤（1）采集的超声数据以及需要研究的芯片样品的指定深度区域，确定一个特定的深度
Figure 817601DEST_PATH_IMAGE014
,将采集到的超声数据输入MATLAB软件fread函数，经reshape函数，希尔伯特变换处理后形成待处理超声图像
Figure 914870DEST_PATH_IMAGE003
。
（3）利用Frangi滤波器对步骤（2）得到的待处理超声图像
Figure 950959DEST_PATH_IMAGE003
进行图像增强，输出Frangi滤波后的待分割芯片超声图像
Figure 842692DEST_PATH_IMAGE004
，如图3中的（b）所示。其中，Frangi滤波器的尺度因子
Figure 26548DEST_PATH_IMAGE015
，等于芯片引线的宽度。其中，图3中的（a）是经采集得到的数据经过步骤（2）处理后形成的芯片超声成像，芯片的引线结构与边界较为模糊，很难判断芯片内部引线的缺损状态。图3中的（b）是对待处理超声图像
Figure 927508DEST_PATH_IMAGE003
进行Frangi滤波增强后输出的待分割芯片超声图像
Figure 349262DEST_PATH_IMAGE004
，芯片内部的引线结构清晰可见，并且为步骤（4）使用图像分割方法对芯片引脚缺损部分检测提供帮助。
（4）利用MATLAB软件的imcrop函数，在待分割芯片超声图像
Figure 880738DEST_PATH_IMAGE004
中选取需要分割的图像区域，将该区域图像记为分割图像
Figure 20732DEST_PATH_IMAGE005
。
（5）迭代计算分割曲线
Figure 990962DEST_PATH_IMAGE006
。如图4所示，包括以下子步骤：
（5.1）向活动轮廓模型输入步骤（4）输出的待分割图像
Figure 532802DEST_PATH_IMAGE005
和初始水平集函数
Figure 235179DEST_PATH_IMAGE008
，迭代计算水平集函数的停止条件
Figure 862469DEST_PATH_IMAGE010
；
（5.2）利用活动轮廓模型对水平集函数进行极小化处理，得到极小化水平集函数
Figure 108161DEST_PATH_IMAGE011
。其中k为第k次极小化处理，即第k次迭代；
（5.3）判断
Figure 770087DEST_PATH_IMAGE012
，如果成立，则执行步骤（5.4），否则返回步骤（5.3）继续进行函数极小化处理；
（5.4）输出分割曲线
Figure 440102DEST_PATH_IMAGE006
，记为
Figure 554689DEST_PATH_IMAGE013
。
（6）经由步骤（5）迭代计算得到的分割曲线
Figure 538826DEST_PATH_IMAGE006
，即得到图像分割结果，根据图像分割结果检查芯片样品的引脚引线结构是否在连接处有缺损，输出芯片样品最终的超声显微图像处理结果
Figure 55257DEST_PATH_IMAGE007
。若没有缺损则该芯片样品检测合格。若发现缺损则输出的超声显微图像处理结果
Figure 161754DEST_PATH_IMAGE007
可以为该芯片样品的修复提供依据，或将该芯片样品报废处理。如图5所示，芯片样品最终的超声显微图像处理结果
Figure 763636DEST_PATH_IMAGE007
可以更加细致的观察芯片引脚的光滑程度，检查芯片样品的引脚引线结构是否在连接处有缺损，输出最终的芯片超声显微图像处理结果
Figure 551464DEST_PATH_IMAGE007
。在分割曲线
Figure 922402DEST_PATH_IMAGE006
的间断处，图中白色椭圆标注位置所示，通常可以观察到细微的芯片引线结构断裂。

Claims (2)

1.一种针对特定深度信息的超声显微图像处理方法，其特征在于，包括以下步骤：
（1）通过高分辨超声显微镜的步进扫描和往返扫描收集回波信号，得到芯片样品的超声数据；
（2）根据芯片样品的实际厚度尺寸以及步骤（1）采集到的超声数据，得出成像深度的范围，记为
Figure 674572DEST_PATH_IMAGE001
，其中
Figure 388450DEST_PATH_IMAGE002
，N为成像的极限深度，所述成像的极限深度由高分辨超声显微镜采集的过程控制；根据步骤（1）采集的超声数据以及需要研究的芯片样品的指定深度区域，确定一个特定的深度div,将采集到的超声数据输入MATLAB软件fread函数，经reshape函数，希尔伯特变换处理后形成待处理超声图像
Figure 699346DEST_PATH_IMAGE003
；
（3）利用Frangi滤波器对步骤（2）得到的待处理超声图像
Figure 628643DEST_PATH_IMAGE003
进行图像增强，输出Frangi滤波后的待分割芯片超声图像
Figure 974174DEST_PATH_IMAGE004
；
（4）利用MATLAB软件的imcrop函数，在待分割芯片超声图像
Figure 531057DEST_PATH_IMAGE005
中选取需要分割的图像区域，将该区域图像记为分割图像
Figure 329249DEST_PATH_IMAGE005
；
（5）迭代计算分割曲线
Figure 59308DEST_PATH_IMAGE006
；
（6）经由步骤（5）迭代计算得到的分割曲线
Figure 259345DEST_PATH_IMAGE006
，即得到图像分割结果，根据图像分割结果检查芯片样品的引脚引线结构是否在连接处有缺损，输出芯片样品最终的超声显微图像处理结果
Figure 49446DEST_PATH_IMAGE007
。
2.根据权利要求1所述的针对特定深度信息的超声显微图像处理方法，其特征在于，所述步骤（5）包括以下子步骤：
（5.1）向活动轮廓模型输入步骤（4）输出的待分割图像
Figure 334934DEST_PATH_IMAGE005
和初始水平集函数
Figure 603104DEST_PATH_IMAGE008
，迭代计算水平集函数
Figure 860910DEST_PATH_IMAGE009
的停止条件
Figure 821913DEST_PATH_IMAGE010
；
（5.2）利用活动轮廓模型对水平集函数进行极小化处理，得到极小化水平集函数
Figure 594697DEST_PATH_IMAGE011
；其中k为第k次极小化处理，即第k次迭代；
（5.3）判断
Figure 666558DEST_PATH_IMAGE012
，如果成立，则执行步骤（5.4），否则返回步骤（5.3）继续进行函数极小化处理；
（5.4）输出分割曲线
Figure 841188DEST_PATH_IMAGE006
，记为
Figure 707512DEST_PATH_IMAGE013
。
CN202110723783.6A 2021-06-29 2021-06-29 一种针对特定深度信息的超声显微图像处理方法 Pending CN113177958A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110723783.6A CN113177958A (zh) 2021-06-29 2021-06-29 一种针对特定深度信息的超声显微图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110723783.6A CN113177958A (zh) 2021-06-29 2021-06-29 一种针对特定深度信息的超声显微图像处理方法

Publications (1)

Publication Number Publication Date
CN113177958A true CN113177958A (zh) 2021-07-27

Family

ID=76927903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110723783.6A Pending CN113177958A (zh) 2021-06-29 2021-06-29 一种针对特定深度信息的超声显微图像处理方法

Country Status (1)

Country Link
CN (1) CN113177958A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113495099A (zh) * 2021-09-08 2021-10-12 之江实验室 一种校正超声扫描显微镜样品倾斜的图像处理方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160104292A1 (en) * 2014-10-10 2016-04-14 Edan Instruments, Inc. Systems and methods of dynamic image segmentation
CN108090909A (zh) * 2017-12-15 2018-05-29 中国人民解放军陆军军医大学第附属医院 一种基于统计偏微分模型的超声造影图像分割方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160104292A1 (en) * 2014-10-10 2016-04-14 Edan Instruments, Inc. Systems and methods of dynamic image segmentation
CN108090909A (zh) * 2017-12-15 2018-05-29 中国人民解放军陆军军医大学第附属医院 一种基于统计偏微分模型的超声造影图像分割方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨瑞娜: "石油岩芯 CT 图像裂纹分割算法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 *
王兴梅等: "《基于水平集的水下声呐图像目标检测》", 15 June 2017, 哈尔滨工程大学出版社 *
白小龙: "面向微器件检测的超声多参数测量与显微成像关键技术研究", 《中国博士学位论文全文数据库 (信息科技辑)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113495099A (zh) * 2021-09-08 2021-10-12 之江实验室 一种校正超声扫描显微镜样品倾斜的图像处理方法
CN113495099B (zh) * 2021-09-08 2021-12-07 之江实验室 一种校正超声扫描显微镜样品倾斜的图像处理方法

Similar Documents

Publication Publication Date Title
JP7407790B2 (ja) 誘導肝イメージングのための人工ニューラルネットワークを有する超音波システム
CN110325119B (zh) 卵巢卵泡计数和大小确定
JP4899837B2 (ja) 超音波映像システム及び方法
US6309353B1 (en) Methods and apparatus for tumor diagnosis
CN104739452B (zh) 一种超声成像装置及方法
JP2015061592A (ja) 超音波診断装置、超音波画像処理方法およびコンピュータ読み取り可能な非一時的な記録媒体
JPH1156845A (ja) 胸部診断用超音波画像処理装置及び該画像作成方法
CN110446466B (zh) 体积绘制的超声成像
US20170224316A1 (en) Method for processing morphology information and elasticity information of tissue and device for elasticity detection
US11672503B2 (en) Systems and methods for detecting tissue and shear waves within the tissue
KR100308230B1 (ko) 대상체 분리를 위한 초음파영상장치
CN113177958A (zh) 一种针对特定深度信息的超声显微图像处理方法
WO2007049207A1 (en) System and method for generating for display two-dimensional echocardiography views from a three-dimensional image
Dicle Artificial intelligence in diagnostic ultrasonography
CN108463174B (zh) 用于表征对象的组织的装置和方法
CN113838020B (zh) 一种基于钼靶影像的病变区域量化方法
CN114926433A (zh) 基于超声动态序列影像特征的超声分级方法
CN114140399A (zh) 用于脑肿瘤术中定性和边界定位的oct图像处理装置
Meghoufel et al. Tissue characterization of equine tendons with clinical B-scan images using a shock filter thinning algorithm
Pahl et al. Cervix Segmentation in Ultrasound Data Based on Numerical Technique
CN111862014A (zh) 一种基于左右侧脑室分割的alvi自动测量方法及装置
Sadler et al. Development of a method to image blood flow beneath the skull or tissue using ultrasonic speckle reflections
CN117036302B (zh) 主动脉瓣膜钙化程度的确定方法和系统
Hoang et al. Artificial Intelligence-Based Breast Nodule Segmentation Using Multi-Scale Images and Convolutional Network.
Jin et al. Automatic measurement of the artery intima-media thickness with image empirical mode decomposition

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210727