CN113257392A - 一种超声机普适外接数据自动预处理方法 - Google Patents
一种超声机普适外接数据自动预处理方法 Download PDFInfo
- Publication number
- CN113257392A CN113257392A CN202110427026.4A CN202110427026A CN113257392A CN 113257392 A CN113257392 A CN 113257392A CN 202110427026 A CN202110427026 A CN 202110427026A CN 113257392 A CN113257392 A CN 113257392A
- Authority
- CN
- China
- Prior art keywords
- image
- template
- result
- depth
- file
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000007781 pre-processing Methods 0.000 title claims abstract description 22
- 238000002604 ultrasonography Methods 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 230000002452 interceptive effect Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000003203 everyday effect Effects 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims description 11
- 238000003672 processing method Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims 2
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种超声机普适外接数据自动预处理方法,超声机普适外接数据自动预处理方法包括以下步骤:使网络接口与目标超声机连接,采集DICOM格式的文件并解析成png图像文件;对目标超声机进行配置,并生成配置文件;启动定时批处理,每天定时全自动地对当天采集的所有解析成的png图像文件进行预处理,识别深度,依据深度对每张png图像文件分割超声区域;自动识别体标字符串;保存当天的结果数据,最终汇总到顶层目录大表并保存结果到本地;操作人员登录系统,通过交互式界面,对近期自动处理出现错误的超声图像进行手动提交修改并保存。本发明可以有效实现文本识别、区域分割、图形判断等的恰当结合。
Description
技术领域
本发明涉及一种超声机普适外接数据自动预处理方法,属于图像处理、医学影像分析技术领域。
背景技术
目前对于患者患病情况的超声图像判断分析,主要由专业医师诊断分析,且依赖于医师的专业素质能力,超声机图像数据带有各种干扰信息并且是由超声机直接输出结果,而缺乏分割、标注和诊断信息所需的数据预处理的方法,还没有行之有效的自动辅助解决方法。
发明内容
本发明的目的是提出一种超声机普适外接数据自动预处理方法,可以有效实现文本识别、区域分割、图形判断等的恰当结合,以解决现有技术存在的问题。
一种超声机普适外接数据自动预处理方法,超声机普适外接数据自动预处理方法包括以下步骤:
步骤一、使网络接口与目标超声机连接,采集DICOM格式的文件并解析成png图像文件;
步骤二、对目标超声机进行配置,并生成配置文件;
步骤三、启动定时批处理,每天定时全自动地对当天采集的所有解析成的png图像文件进行预处理,识别深度,依据深度对每张png图像文件分割超声区域;自动识别体标字符串;保存当天的结果数据,最终汇总到顶层目录大表并保存结果到本地;
步骤四、操作人员登录系统,通过交互式界面,对近期自动处理出现错误的超声图像进行手动提交修改并保存。
进一步的,步骤二中,配制包括对字符串、深度信息和映射关系的配制。
进一步的,步骤三中,结果数据包括分割结果图集、识别错误图片集和记录表。
进一步的,步骤三中,依据深度对每张png图像文件分割超声区域,具体为:采用模板匹配图像处理的方法识别定位体标图形信息并分割,具体的:
模板匹配是在一副图像中寻找模板图像的方法,首先对图像和模板进行标准化操作,利用图像与模板各个像素差值的平方和来进行匹配,匹配越差,匹配值越大,相似度的函数表达式为:
其中,T(x,y)为模板,I(x,y)为目标图像,当I(x,y)和T(x,y)变为k×I(x,y)和k×T(x,y)时,R(x,y)不发生变化。
结果返回一个灰度图,每一个像素值表示此像素相邻区域与模板的匹配程度,如果输入图像大小是W×H,模板大小是w×h,输出结果的大小是(W-w+1,H-h+1),得到此结果后找到最小值对应的位置即是匹配区域。
本发明的有益效果:本发明提供一种超声机普适外接数据自动预处理方法,可以有效实现文本识别、区域分割、图形判断等的恰当结合。该方法能够对超声机数据进行预处理,提供超声机普适外接预处理的方法。本发明创造性地使用了3种深度识别算法对超声深度进行识别;采用tesseract-ocr和模板匹配两种算法识别字符串型医学信息;采用模板匹配图像处理来识别体标图形信息。
本发明创新性地发现了超声深度和超声区域的映射关系,依据本发明识别出深度,并查询配置好的映射表即可准确无误的分割超声区域。其包括四大功能:识别超声深度、识别医学信息(字符串)、识别体标图形信息、分割超声区域。
附图说明
图1是本发明提出的一种超声机普适外接数据自动预处理方法的方法流程图;
图2是配置字符串和深度信息的示意图,其中,画红框指定深度识别方式(左标尺,右标尺和字符串形式深度),画绿框(不画则表示使用自动的tesseract方式)圈出模板字符串,程序自动保存每个模板,对后续程序采用模板匹配方式识别字符;
图3是配置深度与超声区域的映射关系示意图,配置深度与超声区域的映射关系对于每个可能深度的一张图片,输入深度,画出区域;
图4是映射关系示意图;
图5是进行手动修改保存识别错误的交互界面的示意图;
图6是表示7种超声机的7种制式的标尺图。
具体实施方式
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,所描述的实施例仅是本发明一部分实施例,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,都属于本发明保护的范围。
参照图1所示,本发明提出了一种超声机普适外接数据自动预处理方法,超声机普适外接数据自动预处理方法包括以下步骤:
步骤一、使网络接口与目标超声机连接,采集DICOM格式的文件并解析成png图像文件;
步骤二、对目标超声机进行配置,并生成配置文件;
步骤三、启动定时批处理,每天定时全自动地对当天采集的所有解析成的png图像文件进行预处理,识别深度,依据深度对每张png图像文件分割超声区域;自动识别体标字符串;保存当天的结果数据,最终汇总到顶层目录大表并保存结果到本地;
步骤四、操作人员登录系统,通过交互式界面,对近期自动处理出现错误的超声图像进行手动提交修改并保存。
进一步的,步骤二中,配制包括对字符串、深度信息和映射关系的配制。
进一步的,步骤三中,结果数据包括分割结果图集、识别错误图片集和记录表。
进一步的,步骤三中,依据深度对每张png图像文件分割超声区域,具体为:采用模板匹配图像处理的方法识别定位体标图形信息并分割,具体的:
模板匹配是在一副图像中寻找模板图像的方法,首先对图像和模板进行标准化操作,利用图像与模板各个像素差值的平方和来进行匹配,匹配越差,匹配值越大,相似度的函数表达式为:
其中,T(x,y)为模板,I(x,y)为目标图像,当I(x,y)和T(x,y)变为k×I(x,y)和k×T(x,y)时,R(x,y)不发生变化。
结果返回一个灰度图,每一个像素值表示此像素相邻区域与模板的匹配程度,如果输入图像大小是W×H,模板大小是w×h,输出结果的大小是(W-w+1,H-h+1),得到此结果后找到最小值对应的位置即是匹配区域。
具体的,以下是结合本发明的附录中的附图,对本发明实例中的技术实施方案进行完整,清晰的阐述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所自动获得的所有其他实施例,都属于本发明的保护范围。
本发明实例提供了一种超声机普适外接数据预处理方法,流程图如图1所示,其主要包括如下步骤:
获取到DICOM文件并解析成PNG图像文件后,对超声机字符串、深度信息(如图2)以及深度和超声区域的映射关系(如图3、图4)等进行配置,并生成及配置文件。
采用模板匹配图像处理的方法来识别定位体标图形信息并分割出来。模板匹配是在一副图像中寻找模板图像的方法。与2D卷积一样,是用模板图像在输入图像上滑动(类似窗口),在每一个位置对模板图像和输入图像的窗口区域进行匹配。遍历图像中的每一个可能的位置,比较各处与模板是否“相似”,当相似度足够高时,就认为找到了目标。
本发明实例中使用了一种标准化差值平方和匹配:首先对图像和模板进行标准化操作,利用图像与模板各个像素差值的平方和来进行匹配,最好匹配为0。匹配越差,匹配值越大。T(x,y)用来表示模板,I(x,y)作为目标图像,R(x,y)是用来描述相似度的函数。
这种标准化操作可以保证当模板和图像各个像素的亮度都乘上了同一个系数时,相关度不发生变化。也就是说当I(x,y)和T(x,y)变为k×I(x,y)和k×T(x,y)时,R(x,y)不发生变化。
结果返回一个灰度图,每一个像素值表示此像素相邻区域与模板的匹配程度。如果输入图像大小是W×H,模板大小是w×h,输出结果的大小是(W-w+1,H-h+1)。得到此结果后找到最小值对应的位置是匹配区域。
超声机数据进行预处理,识别深度。根据现有的7种超声机,即7种制式的标尺,如附图6所示,分析可知共有两类:
右侧标尺型深度信息前6种均位于超声原图的右侧,均为标尺状,可以通过直接去识别下面的字符型标尺深度(如附图6中的1、2、3),也可通过分析图中标尺来计算得到真正深度信息(如附图6中的4、5、6)结果=最大整刻度的值+最大整刻度往下的小刻度齿数*小刻度值。
直接打在超声图片上的字符串型深度信息,如附图6中7号是新型无线索诺星超声图像位于左上角的病历信息,其中“D:40mm”表示深度为4cm,则直接进行光学字符识别即可得到深度信息。
根据深度与超声区域的映射关系(配置文件)准确地分割出超声图片中的超声区域。并且通过比较训练好的SSD目标检测网络对超声图像分割的结果,根据深度与超声区域的映射关系进行超声图像分割的方式,在准确获得超声图像的深度数据的情况下,其更具有广泛性,稳定性。
保存当天的结果数据(分割结果图集、识别错误图片集、记录表),最终汇总到顶层目录大表并保存结果到本地。
参照图5所示,专业医师可登录系统,通过相关的交互式界面,对近期自动处理出现错误的超声图像进行便捷的手动提交修改并保存。
通过本发明实施例提供的上述方案实现个关键点的分析查找后,可以做一些科研分析、实验分析、或者相关操作人员培训工作,后续具体的应用方法本发明不做限定。
以上,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的范围内,可轻易想到的变化或者替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (4)
1.一种超声机普适外接数据自动预处理方法,其特征在于,所述超声机普适外接数据自动预处理方法包括以下步骤:
步骤一、使网络接口与目标超声机连接,采集DICOM格式的文件并解析成png图像文件;
步骤二、对所述目标超声机进行配置,并生成配置文件;
步骤三、启动定时批处理,每天定时全自动地对当天采集的所有解析成的png图像文件进行预处理,识别深度,依据深度对每张png图像文件分割超声区域;自动识别体标字符串;保存当天的结果数据,最终汇总到顶层目录大表并保存结果到本地;
步骤四、操作人员登录系统,通过交互式界面,对近期自动处理出现错误的超声图像进行手动提交修改并保存。
2.根据权利要求1所述的一种超声机普适外接数据自动预处理方法,其特征在于,步骤二中,所述配制包括对字符串、深度信息和映射关系的配制。
3.根据权利要求1所述的一种超声机普适外接数据自动预处理方法,其特征在于,步骤三中,所述结果数据包括分割结果图集、识别错误图片集和记录表。
4.根据权利要求1所述的一种超声机普适外接数据自动预处理方法,其特征在于,步骤三中,依据深度对每张png图像文件分割超声区域,具体为:采用模板匹配图像处理的方法识别定位体标图形信息并分割,具体的:
模板匹配是在一副图像中寻找模板图像的方法,首先对图像和模板进行标准化操作,利用图像与模板各个像素差值的平方和来进行匹配,匹配越差,匹配值越大,相似度的函数表达式为:
其中,T(x,y)为模板,I(x,y)为目标图像,当I(x,y)和T(x,y)变为k×I(x,y)和k×T(x,y)时,R(x,y)不发生变化,
结果返回一个灰度图,每一个像素值表示此像素相邻区域与模板的匹配程度,如果输入图像大小是W×H,模板大小是w×h,输出结果的大小是(W-w+1,H-h+1),得到此结果后找到最小值对应的位置即是匹配区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110427026.4A CN113257392B (zh) | 2021-04-20 | 2021-04-20 | 一种超声机普适外接数据自动预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110427026.4A CN113257392B (zh) | 2021-04-20 | 2021-04-20 | 一种超声机普适外接数据自动预处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113257392A true CN113257392A (zh) | 2021-08-13 |
CN113257392B CN113257392B (zh) | 2024-04-16 |
Family
ID=77221202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110427026.4A Active CN113257392B (zh) | 2021-04-20 | 2021-04-20 | 一种超声机普适外接数据自动预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113257392B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612286A (zh) * | 2022-02-28 | 2022-06-10 | 上海深至信息科技有限公司 | 一种图像处理调度系统和方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6157736A (en) * | 1994-11-18 | 2000-12-05 | Xerox Corporation | Method and apparatus for automatic image segmentation using template matching filters |
US20120033892A1 (en) * | 2010-08-04 | 2012-02-09 | Coreguard | Systems and Methods for Identifying Matching Images of Digital Documents |
CN104143101A (zh) * | 2014-07-01 | 2014-11-12 | 华南理工大学 | 一种基于超声图像的乳腺肿瘤区域自动识别方法 |
CN105787938A (zh) * | 2016-02-25 | 2016-07-20 | 上海大学 | 一种基于深度图的人物分割方法 |
EP3073286A1 (en) * | 2015-03-27 | 2016-09-28 | Konica Minolta, Inc. | Ultrasound signal processing device, ultrasound diagnostic device |
WO2017193251A1 (zh) * | 2016-05-09 | 2017-11-16 | 深圳迈瑞生物医疗电子股份有限公司 | 识别超声图像中感兴趣区域轮廓的方法及系统 |
CN109727243A (zh) * | 2018-12-29 | 2019-05-07 | 无锡祥生医疗科技股份有限公司 | 乳腺超声图像识别分析方法及系统 |
CN110288574A (zh) * | 2019-06-13 | 2019-09-27 | 南通市传染病防治院(南通市第三人民医院) | 一种超声辅助诊断肝肿块系统及方法 |
CN110390665A (zh) * | 2019-05-30 | 2019-10-29 | 哈尔滨工业大学(深圳) | 基于深度学习多通道与图嵌法的膝关节病症超声诊断方法 |
CN111160291A (zh) * | 2019-12-31 | 2020-05-15 | 上海易维视科技有限公司 | 基于深度信息与cnn的人眼检测方法 |
CN111862044A (zh) * | 2020-07-21 | 2020-10-30 | 长沙大端信息科技有限公司 | 超声图像处理方法、装置、计算机设备和存储介质 |
CN112330662A (zh) * | 2020-11-25 | 2021-02-05 | 电子科技大学 | 一种基于多层级神经网络的医学图像分割系统及方法 |
-
2021
- 2021-04-20 CN CN202110427026.4A patent/CN113257392B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6157736A (en) * | 1994-11-18 | 2000-12-05 | Xerox Corporation | Method and apparatus for automatic image segmentation using template matching filters |
US20120033892A1 (en) * | 2010-08-04 | 2012-02-09 | Coreguard | Systems and Methods for Identifying Matching Images of Digital Documents |
CN104143101A (zh) * | 2014-07-01 | 2014-11-12 | 华南理工大学 | 一种基于超声图像的乳腺肿瘤区域自动识别方法 |
EP3073286A1 (en) * | 2015-03-27 | 2016-09-28 | Konica Minolta, Inc. | Ultrasound signal processing device, ultrasound diagnostic device |
CN105787938A (zh) * | 2016-02-25 | 2016-07-20 | 上海大学 | 一种基于深度图的人物分割方法 |
WO2017193251A1 (zh) * | 2016-05-09 | 2017-11-16 | 深圳迈瑞生物医疗电子股份有限公司 | 识别超声图像中感兴趣区域轮廓的方法及系统 |
CN109727243A (zh) * | 2018-12-29 | 2019-05-07 | 无锡祥生医疗科技股份有限公司 | 乳腺超声图像识别分析方法及系统 |
CN110390665A (zh) * | 2019-05-30 | 2019-10-29 | 哈尔滨工业大学(深圳) | 基于深度学习多通道与图嵌法的膝关节病症超声诊断方法 |
CN110288574A (zh) * | 2019-06-13 | 2019-09-27 | 南通市传染病防治院(南通市第三人民医院) | 一种超声辅助诊断肝肿块系统及方法 |
CN111160291A (zh) * | 2019-12-31 | 2020-05-15 | 上海易维视科技有限公司 | 基于深度信息与cnn的人眼检测方法 |
CN111862044A (zh) * | 2020-07-21 | 2020-10-30 | 长沙大端信息科技有限公司 | 超声图像处理方法、装置、计算机设备和存储介质 |
CN112330662A (zh) * | 2020-11-25 | 2021-02-05 | 电子科技大学 | 一种基于多层级神经网络的医学图像分割系统及方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612286A (zh) * | 2022-02-28 | 2022-06-10 | 上海深至信息科技有限公司 | 一种图像处理调度系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113257392B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021051885A1 (zh) | 目标标注的方法及装置 | |
US10489645B2 (en) | System and method for automatic detection and verification of optical character recognition data | |
CN106846961B (zh) | 电子试卷的处理方法和装置 | |
CN108509342A (zh) | 一种精准快速的App自动化测试方法 | |
CN112926469B (zh) | 基于深度学习ocr与版面结构的证件识别方法 | |
CN110136153B (zh) | 一种图像处理方法、设备及存储介质 | |
CN105069452A (zh) | 基于局部结构分析的直线移除方法 | |
CN112819004B (zh) | 一种用于医疗票据ocr识别的图像预处理方法及系统 | |
CN111582169A (zh) | 图像识别数据纠错方法、装置、计算机设备和存储介质 | |
WO2021051527A1 (zh) | 基于图像分割的文字定位方法、装置、设备及存储介质 | |
CN115061769B (zh) | 用于支持跨分辨率的自迭代rpa界面元素匹配方法及系统 | |
CN112149548A (zh) | 一种适用于端子排的cad图纸智能录入和识别方法及其装置 | |
CN111190595A (zh) | 基于界面设计图自动生成界面代码的方法、装置、介质及电子设备 | |
CN111353978B (zh) | 一种识别心脏解剖学结构的方法及装置 | |
CN111898601A (zh) | 一种身份证要素提取方法及装置 | |
CN110503051B (zh) | 一种基于图像识别技术的珍贵木材识别系统及方法 | |
CN113257392A (zh) | 一种超声机普适外接数据自动预处理方法 | |
CN108992033B (zh) | 一种视觉测试的评分装置、设备和存储介质 | |
CN110706217A (zh) | 一种基于深度学习的肺部肿瘤自动勾画方法 | |
CN112116968A (zh) | 一种医学检验报告的识别方法、装置、设备及存储介质 | |
CN111723799B (zh) | 坐标定位方法、装置、设备及存储介质 | |
CN107729863B (zh) | 人体指静脉识别方法 | |
CN112258536A (zh) | 一种胼胝体及小脑蚓部的一体化定位及分割方法 | |
CN113780040A (zh) | 唇部关键点的定位方法及装置、存储介质、电子设备 | |
US7957555B2 (en) | Method and apparatus for localizing an object part in digital image data by updating an initial position estimate based on a displacement of the object part |
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 |