CN113303817A - 产生用于估测骨质密度的模型的方法、估测骨质密度的方法及电子系统 - Google Patents
产生用于估测骨质密度的模型的方法、估测骨质密度的方法及电子系统 Download PDFInfo
- Publication number
- CN113303817A CN113303817A CN202010122345.XA CN202010122345A CN113303817A CN 113303817 A CN113303817 A CN 113303817A CN 202010122345 A CN202010122345 A CN 202010122345A CN 113303817 A CN113303817 A CN 113303817A
- Authority
- CN
- China
- Prior art keywords
- bone density
- image data
- processing unit
- data
- analyzed
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/505—Clinical applications involving diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/44—Constructional features of apparatus for radiation diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
一种产生用于估测骨质密度的模型的方法,借由电子系统实施,所述电子系统包含X光机、双能X光吸收仪及处理单元,所述方法包含:所述X光机拍摄多位参考患者的预定骨胳以产生多笔训练影像数据;所述双能X光吸收仪检测所述参考患者的所述预定骨胳以产生多笔骨质密度数据;及所述处理单元根据所述训练影像数据及所述骨质密度数据,训练第一卷积神经网络模型而产生估测模型,所述估测模型用于根据由所述X光机拍摄目标患者的所述预定骨胳所产生的待分析影像数据估测所述目标患者的骨质密度。
Description
技术领域
本发明涉及一种产生模型的方法,特别是涉及一种产生用于估测骨质密度的模型的方法。本发明还涉及一种估测骨质密度的方法及电子系统。
背景技术
骨质疏松症(Osteoporosis)所造成的股骨颈(Femoral neck)骨折死亡率近20%。造成骨质疏松的成因很多,包括药物、饮食等生活习惯等,并且好发于高龄族群。目前标准的骨质密度检查,是使用双能X光吸收仪(Dual energy x-ray absorptiometry,DEXA)进行详细检查。
借由双能X光吸收仪所产生的骨矿物质含量(Bone mineral content,BMC)、骨质密度(Bone mineral density,BMD)、T评分(T-score)及Z评分(Z-score)等参数数值,辅助医师进行骨质疏松的诊断。此项检验病患需承受辐射剂量的风险,若病患先前已接受一般骨盆X光检查(Pelvis x-ray),则有二次辐射剂量承受的风险。如何改善现有技术以降低病患承受辐射剂量的风险,是本发明进一步要探讨的主题。
发明内容
本发明的目的在于提供一种产生用于估测骨质密度的模型的方法。
本发明的另一目的在于提供一种估测骨质密度的方法。
本发明的又一目的在于提供一种电子系统。
本发明产生用于估测骨质密度的模型的方法,借由电子系统实施,所述电子系统包含X光机、双能X光吸收仪及处理单元,所述方法包含:所述X光机拍摄多位参考患者的预定骨胳以产生多笔训练影像数据;所述双能X光吸收仪检测所述参考患者的所述预定骨胳以产生多笔骨质密度数据;及所述处理单元根据所述训练影像数据及所述骨质密度数据,训练第一卷积神经网络模型而产生估测模型,所述估测模型用于根据由所述X光机拍摄目标患者的所述预定骨胳所产生的待分析影像数据估测所述目标患者的骨质密度。
在一些实施态样中,所述电子系统还包含输入单元。所述方法在产生所述估测模型前且在产生所述训练影像数据后还包含:所述处理单元针对每一训练影像数据,根据经由所述输入单元接收到的圈选指令于所述训练影像数据圈选出所述预定骨胳的影像;及所述处理单元针对每一训练影像数据进行预定影像处理,所述预定影像处理包含将所述训练影像数据中未被圈选的影像去除。
在产生所述估测模型的步骤中,所述处理单元是根据进行过所述预定影像处理的所述训练影像数据及所述骨质密度数据,训练所述第一卷积神经网络模型而产生所述估测模型。
在一些实施态样中,在进行所述预定影像处理的步骤后还包含:所述处理单元根据进行过所述预定影像处理的所述训练影像数据,训练第二卷积神经网络模型而产生圈选模型,所述圈选模型用于根据所述待分析影像数据圈选出所述预定骨胳的影像。
在一些实施态样中,所述预定骨胳为骨盆的髋关节、腰椎、饶骨、尺骨或股骨。
本发明估测骨质密度的方法,借由电子系统实施,所述电子系统包含X光机及处理单元,所述方法包含:所述X光机拍摄目标患者的预定骨胳以产生待分析影像数据;及所述处理单元根据所述待分析影像数据,使用所述估测模型估测所述目标患者的骨质密度以产生骨质密度估测数据。
在一些实施态样中,所述电子系统还包含输出单元。所述方法于产生所述骨质密度估测数据后还包含:所述处理单元判断所述骨质密度估测数据是否符合预定警示条件;及当所述处理单元判断所述骨质密度估测数据符合所述预定警示条件,所述处理单元经由所述输出单元输出警示消息。
在一些实施态样中,所述预定警示条件包含所述骨质密度估测数据对应的T评分小于T评分门槛值。
在一些实施态样中,所述预定警示条件包含所述骨质密度估测数据对应的Z评分小于Z评分门槛值。
在一些实施态样中,于产生所述骨质密度估测数据前且于产生所述待分析影像数据后还包含:所述处理单元根据所述待分析影像数据,使用所述圈选模型圈选出所述待分析影像数据中所述预定骨胳的影像;及所述处理单元对所述待分析影像数据进行预定影像处理,所述预定影像处理包含将所述待分析影像数据中未被圈选的影像去除。
在产生所述骨质密度估测数据的步骤中,所述处理单元是根据进行过所述预定影像处理的所述待分析影像数据,使用所述估测模型估测所述目标患者的骨质密度以产生所述骨质密度估测数据。
本发明电子系统,包含X光机、双能X光吸收仪及处理单元。所述X光机拍摄多位参考患者的预定骨胳以产生多笔训练影像数据。所述双能X光吸收仪检测所述参考患者的所述预定骨胳以产生多笔骨质密度数据。所述处理单元根据所述训练影像数据及所述骨质密度数据,训练第一卷积神经网络模型而产生估测模型,所述估测模型用于根据由所述X光机拍摄目标患者的所述预定骨胳所产生的待分析影像数据估测所述目标患者的骨质密度。
本发明电子系统,包含X光机及处理单元。所述X光机拍摄目标患者的预定骨胳以产生待分析影像数据。所述处理单元根据所述待分析影像数据,使用所述估测模型估测所述目标患者的骨质密度以产生骨质密度估测数据。
本发明的有益的效果在于:借由所述处理单元根据所述训练影像数据及所述骨质密度数据训练所述第一卷积神经网络模型而产生所述估测模型,使得所述目标患者只要被所述X光机拍摄过就可以根据所述X光机产生的所述待分析影像数据产生所述骨质密度估测数据,不需再通过所述双能X光吸收仪检测,从而降低病患承受辐射剂量的风险,以及医疗单位对于所述双能X光吸收仪这种昂贵仪器的依赖程度,此外,本发明借由所述处理单元针对每一训练影像数据及所述待分析影像数据进行所述预定影像处理,以通过限制识别部位而降低杂讯干扰,从而还能进一步提高估测的准确率。
附图说明
图1是本发明的一个实施例的一硬件连接关系示意图;
图2是该实施例的一流程图,说明产生用于估测骨质密度的模型的方法的步骤;及
图3是该实施例的另一流程图,说明估测骨质密度的方法的步骤。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
参阅图1,本发明的一第一实施例,借由一电子系统100实施,该电子系统100包含一X光机1、一双能X光吸收仪2(Dual energy x-ray absorptiometry,DEXA)、一输入单元3、一输出单元4及一处理单元5。该输入单元3、该输出单元4及该处理单元5可以是借由一个人电脑的键盘/鼠标、荧幕及主机实施。
参阅图1及图2,以下说明本发明产生用于估测骨质密度的模型的方法的步骤。首先,如步骤S01所示,该X光机1拍摄多位参考患者的一预定骨胳以产生多笔训练影像数据。在本实施例中,该预定骨胳为一骨盆(Pelvis)的一髋关节(Hip),但不以此为限,在其他实施态样中,该预定骨胳也可以例如是腰椎、饶骨、尺骨或股骨。
接着,如步骤S02所示,该双能X光吸收仪2检测所述参考患者的该预定骨胳以产生多笔骨质密度(Bone mineral density,BMD)数据。在本实施例,该X光机1及该双能X光吸收仪2所产生的数据皆是16位元的Dicom(Digital Imaging and Communications inMedicine)格式(位元数不以16位元为限)。在本实施例,所述训练影像数据及所述骨质密度数据的数据笔数分别例如是3600笔,但不以此为限。步骤S01与步骤S02的先后顺序不以本实施例举例的顺序为限。
接着,如步骤S03所示,该处理单元5针对每一训练影像数据,根据经由该输入单元3接收到的一圈选指令于该训练影像数据圈选出该预定骨胳的影像。在本实施例中,是由专业的医疗人员输入该圈选指令而于该训练影像数据圈选出该预定骨胳的影像。
接着,如步骤S04所示,该处理单元5针对每一训练影像数据进行一预定影像处理,该预定影像处理包含将该训练影像数据中未被圈选的影像去除。在本实施例中,该预定影像处理还包含裁切、旋转、亮度调整、对比度调整等。
接着,如步骤S05所示,该处理单元5根据进行过该预定影像处理的所述训练影像数据及所述骨质密度数据,训练一第一卷积神经网络(Convolutional Neural Network,CNN)模型而产生一估测模型。在本实施例中,该第一卷积神经网络模型是名称为MobleNetv2的模型,其中每次训练结果会借由向后传递(Back-propagation)更新参数,但该第一卷积神经网络模型不以MobleNetv2为限。补充说明的是,若该双能X光吸收仪2产生的所述骨质密度数据是呈现在影像档中,该处理单元5在执行步骤S05的训练步骤前需要通过例如光学字元辨识技术(OCR)自该双能X光吸收仪2所产生的影像档中撷取出所述骨质密度数据,再根据文字化的所述骨质密度数据执行步骤S05。但若该双能X光吸收仪2产生的所述骨质密度数据就是文字格式,则该处理单元5可以直接执行步骤S05而不需执行文字撷取。
接着,如步骤S06所示,该处理单元5根据进行过该预定影像处理的所述训练影像数据,训练一第二卷积神经网络模型而产生一圈选模型。在本实施例中,该第二卷积神经网络模型是名称为U-Net like的分割(segmentation)模型,其中每次训练结果会借由向后传递(Back-propagation)更新参数,但该第二卷积神经网络模型不以U-Net like为限。
步骤S05与步骤S06的先后顺序不以本实施例举例的顺序为限。
参阅图1及图3,以下说明本发明估测骨质密度的方法的步骤。首先,如步骤S11所示,该X光机1拍摄一目标患者的一预定骨胳以产生一待分析影像数据。
接着,如步骤S12所示,该处理单元5根据该待分析影像数据,使用如步骤S06所述的该圈选模型圈选出该待分析影像数据中该预定骨胳的影像。
接着,如步骤S13所示,该处理单元5对该待分析影像数据进行一预定影像处理,该预定影像处理包含将该待分析影像数据中未被圈选的影像去除。在本实施例中,该预定影像处理还包含裁切、旋转、亮度调整、对比度调整等。
接着,如步骤S14所示,该处理单元5根据进行过该预定影像处理的该待分析影像数据,使用如步骤S05所述的该估测模型估测该目标患者的骨质密度以产生一骨质密度估测数据。此外,还经由该输出单元4显示该骨质密度估测数据。
接着,如步骤S15所示,该处理单元5判断该骨质密度估测数据是否符合一预定警示条件,若是,则接着执行步骤S16,若否,则流程结束。在本实施例中,该预定警示条件包含该骨质密度估测数据对应的一T评分(T-score)小于一T评分门槛值,及该骨质密度估测数据对应的一Z评分(Z-score)小于一Z评分门槛值,且只要该T评分小于该T评分门槛值或该Z评分小于该Z评分门槛值,就会接着执行步骤S16。该预定警示条件不以本实施例为限,在其他实施态样中,该预定警示条件例如还包含该骨质密度估测数据小于一骨质密度门槛值。
最后,如步骤S16所示,当该处理单元5判断该骨质密度估测数据符合该预定警示条件,该处理单元5经由该输出单元4输出一警示消息,该警示消息指示该T评分小于该T评分门槛值或该Z评分小于该Z评分门槛值,以提示医疗人员该目标患者的骨质密度异常偏低,从而对骨质疏松高风险病患提出警讯。
补充说明的是,本发明虽用于估测患者的骨质密度,但通过类似的技术手段也可以用来估测患者的骨矿物质含量(Bone mineral content,BMC)。
综上所述,本发明借由该处理单元5根据所述训练影像数据及所述骨质密度数据训练该第一卷积神经网络模型而产生该估测模型,使得该目标患者只要被该X光机1拍摄过就可以根据该X光机1产生的该待分析影像数据产生该骨质密度估测数据,不需再通过该双能X光吸收仪2检测,从而降低病患承受辐射剂量的风险,以及医疗单位对于该双能X光吸收仪2这种昂贵仪器的依赖程度,此外,本发明借由该处理单元5针对每一训练影像数据及该待分析影像数据进行该预定影像处理,以通过限制识别部位而降低杂讯干扰,从而还能进一步提高估测的准确率,因此,确实能达成本发明的目的。
Claims (20)
1.一种产生用于估测骨质密度的模型的方法,其特征在于:所述方法借由电子系统实施,所述电子系统包含X光机、双能X光吸收仪及处理单元,所述方法包含:
所述X光机拍摄多位参考患者的预定骨胳以产生多笔训练影像数据;
所述双能X光吸收仪检测所述参考患者的所述预定骨胳以产生多笔骨质密度数据;及
所述处理单元根据所述训练影像数据及所述骨质密度数据,训练第一卷积神经网络模型而产生估测模型,所述估测模型用于根据由所述X光机拍摄目标患者的预定骨胳所产生的待分析影像数据估测所述目标患者的骨质密度。
2.根据权利要求1所述的产生用于估测骨质密度的模型的方法,其特征在于:所述电子系统还包含输入单元,所述方法在产生所述估测模型前且在产生所述训练影像数据后还包含:
所述处理单元针对每一训练影像数据,根据经由所述输入单元接收到的圈选指令于所述训练影像数据圈选出所述预定骨胳的影像;及
所述处理单元针对每一训练影像数据进行预定影像处理,所述预定影像处理包含将所述训练影像数据中未被圈选的影像去除;
在产生所述估测模型的步骤中,所述处理单元是根据进行过所述预定影像处理的所述训练影像数据及所述骨质密度数据,训练所述第一卷积神经网络模型而产生所述估测模型。
3.根据权利要求2所述的产生用于估测骨质密度的模型的方法,其特征在于:在进行所述预定影像处理的步骤后还包含:
所述处理单元根据进行过所述预定影像处理的所述训练影像数据,训练第二卷积神经网络模型而产生圈选模型,所述圈选模型用于根据所述待分析影像数据圈选出所述预定骨胳的影像。
4.根据权利要求1所述的产生用于估测骨质密度的模型的方法,其特征在于:所述预定骨胳为骨盆的髋关节、腰椎、饶骨、尺骨或股骨。
5.一种估测骨质密度的方法,其特征在于:所述方法借由电子系统实施,所述电子系统包含X光机及处理单元,所述方法包含:
所述X光机拍摄目标患者的预定骨胳以产生待分析影像数据;及
所述处理单元根据所述待分析影像数据,使用如权利要求1所述的估测模型估测所述目标患者的骨质密度以产生骨质密度估测数据。
6.根据权利要求5所述的估测骨质密度的方法,其特征在于:所述电子系统还包含输出单元,所述方法于产生所述骨质密度估测数据后还包含:
所述处理单元判断所述骨质密度估测数据是否符合预定警示条件;及
当所述处理单元判断所述骨质密度估测数据符合所述预定警示条件,所述处理单元经由所述输出单元输出警示消息。
7.根据权利要求6所述的估测骨质密度的方法,其特征在于:所述预定警示条件包含所述骨质密度估测数据对应的T评分小于T评分门槛值。
8.根据权利要求6所述的估测骨质密度的方法,其特征在于:所述预定警示条件包含所述骨质密度估测数据对应的Z评分小于Z评分门槛值。
9.根据权利要求5所述的估测骨质密度的方法,其特征在于:于产生所述骨质密度估测数据前且于产生所述待分析影像数据后还包含:
所述处理单元根据所述待分析影像数据,使用如权利要求3所述的圈选模型圈选出所述待分析影像数据中所述预定骨胳的影像;及
所述处理单元对所述待分析影像数据进行预定影像处理,所述预定影像处理包含将所述待分析影像数据中未被圈选的影像去除;
在产生所述骨质密度估测数据的步骤中,所述处理单元是根据进行过所述预定影像处理的所述待分析影像数据,使用如权利要求2所述的所述估测模型估测所述目标患者的骨质密度以产生所述骨质密度估测数据。
10.根据权利要求5所述的估测骨质密度的方法,其特征在于:所述预定骨胳为骨盆的髋关节、腰椎、饶骨、尺骨或股骨。
11.一种电子系统,其特征在于:所述的电子系统包含:
X光机;
双能X光吸收仪;及
处理单元;
所述X光机拍摄多位参考患者的预定骨胳以产生多笔训练影像数据;
所述双能X光吸收仪检测所述参考患者的预定骨胳以产生多笔骨质密度数据;
所述处理单元根据所述训练影像数据及所述骨质密度数据,训练第一卷积神经网络模型而产生估测模型,所述估测模型用于根据由所述X光机拍摄目标患者的所述预定骨胳所产生的待分析影像数据估测所述目标患者的骨质密度。
12.根据权利要求11所述的电子系统,其特征在于:所述电子系统还包含输入单元;
所述处理单元针对每一训练影像数据,根据经由所述输入单元接收到的圈选指令于所述训练影像数据圈选出所述预定骨胳的影像;
所述处理单元针对每一训练影像数据进行预定影像处理,所述预定影像处理包含将所述训练影像数据中未被圈选的影像去除;
所述处理单元是根据进行过所述预定影像处理的所述训练影像数据及所述骨质密度数据,训练所述第一卷积神经网络模型而产生所述估测模型。
13.根据权利要求12所述的电子系统,其特征在于:所述处理单元根据进行过所述预定影像处理的所述训练影像数据,训练第二卷积神经网络模型而产生圈选模型,所述圈选模型用于根据所述待分析影像数据圈选出所述预定骨胳的影像。
14.根据权利要求11所述的电子系统,其特征在于:所述预定骨胳为骨盆的髋关节、腰椎、饶骨、尺骨或股骨。
15.一种电子系统,其特征在于:所述的电子系统包含:
X光机;及
处理单元;
所述X光机拍摄目标患者的预定骨胳以产生待分析影像数据;
所述处理单元根据所述待分析影像数据,使用如权利要求11所述的估测模型估测所述目标患者的骨质密度以产生骨质密度估测数据。
16.根据权利要求15所述的电子系统,其特征在于:所述电子系统还包含输出单元;
所述处理单元判断所述骨质密度估测数据是否符合预定警示条件;
当所述处理单元判断所述骨质密度估测数据符合所述预定警示条件,所述处理单元经由所述输出单元输出警示消息。
17.根据权利要求16所述的电子系统,其特征在于:所述预定警示条件包含所述骨质密度估测数据对应的T评分小于T评分门槛值。
18.根据权利要求16所述的电子系统,其特征在于:所述预定警示条件包含所述骨质密度估测数据对应的Z评分小于Z评分门槛值。
19.根据权利要求15所述的电子系统,其特征在于:所述处理单元根据所述待分析影像数据,使用如权利要求13所述的圈选模型圈选出所述待分析影像数据中所述预定骨胳的影像;
所述处理单元对所述待分析影像数据进行预定影像处理,所述预定影像处理包含将所述待分析影像数据中未被圈选的影像去除;
所述处理单元是根据进行过所述预定影像处理的所述待分析影像数据,使用如权利要求12所述的所述估测模型估测所述目标患者的骨质密度以产生所述骨质密度估测数据。
20.根据权利要求15所述的电子系统,其特征在于:所述预定骨胳为骨盆的髋关节、腰椎、饶骨、尺骨或股骨。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010122345.XA CN113303817A (zh) | 2020-02-27 | 2020-02-27 | 产生用于估测骨质密度的模型的方法、估测骨质密度的方法及电子系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010122345.XA CN113303817A (zh) | 2020-02-27 | 2020-02-27 | 产生用于估测骨质密度的模型的方法、估测骨质密度的方法及电子系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113303817A true CN113303817A (zh) | 2021-08-27 |
Family
ID=77370744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010122345.XA Pending CN113303817A (zh) | 2020-02-27 | 2020-02-27 | 产生用于估测骨质密度的模型的方法、估测骨质密度的方法及电子系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113303817A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103040478A (zh) * | 2011-10-13 | 2013-04-17 | 杨胜尧 | 标准化检测双能量x光骨质密度吸收测量仪器品质的方法 |
US20160015347A1 (en) * | 2014-07-21 | 2016-01-21 | Zebra Medical Vision Ltd. | Systems and methods for emulating dexa scores based on ct images |
CN108498075A (zh) * | 2017-02-24 | 2018-09-07 | 西门子保健有限责任公司 | 骨骼健康的个性化评估 |
CN110796636A (zh) * | 2019-09-25 | 2020-02-14 | 中国人民解放军战略支援部队信息工程大学 | 基于卷积神经网络的ct图像骨质状况检测方法及装置 |
-
2020
- 2020-02-27 CN CN202010122345.XA patent/CN113303817A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103040478A (zh) * | 2011-10-13 | 2013-04-17 | 杨胜尧 | 标准化检测双能量x光骨质密度吸收测量仪器品质的方法 |
US20160015347A1 (en) * | 2014-07-21 | 2016-01-21 | Zebra Medical Vision Ltd. | Systems and methods for emulating dexa scores based on ct images |
CN108498075A (zh) * | 2017-02-24 | 2018-09-07 | 西门子保健有限责任公司 | 骨骼健康的个性化评估 |
CN110796636A (zh) * | 2019-09-25 | 2020-02-14 | 中国人民解放军战略支援部队信息工程大学 | 基于卷积神经网络的ct图像骨质状况检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI719843B (zh) | 產生用於估測骨質密度的模型的方法、估測骨質密度的方法及電子系統 | |
US7903855B2 (en) | Computer aided diagnosis using dual energy subtraction images | |
EP3457356A1 (en) | Method and apparatus for fully automated segmentation of joint using patient-specific optimal thresholding and watershed algorithm | |
JP2008011901A (ja) | 画像種類判別装置および方法並びにプログラム | |
US9031284B2 (en) | Implant identification system and method | |
JP2001157199A (ja) | 画像処理装置、撮影装置、画像処理システム、画像処理方法、及び記憶媒体 | |
WO2020172558A1 (en) | System and method for automatic detection of vertebral fractures on imaging scans using deep networks | |
JP2008011900A (ja) | 画像種類判別装置および方法並びにプログラム | |
JP2002245453A (ja) | 画像処理装置、画像処理システム、画像処理方法、及び記憶媒体 | |
US20110058727A1 (en) | Radiation imaging apparatus, radiation imaging method, and program | |
US10083503B2 (en) | Image area specification device and method, and X-ray image processing device and method | |
CN113303817A (zh) | 产生用于估测骨质密度的模型的方法、估测骨质密度的方法及电子系统 | |
JP6145874B2 (ja) | 放射線画像処理装置および方法 | |
JP5403899B2 (ja) | 画像処理装置、画像処理方法、プログラム及びコンピュータ記録媒体 | |
JP2002158923A (ja) | 異常陰影検出方法および装置 | |
JP2001351101A (ja) | 画像処理装置、画像処理システム、画像処理方法、及び記憶媒体 | |
JP7404857B2 (ja) | 画像判定装置、画像判定方法及びプログラム | |
JP2006034521A (ja) | 医用画像処理装置及び医用画像処理方法 | |
CN113450306A (zh) | 提供骨折检测工具的方法 | |
JP7370694B2 (ja) | 医用情報処理装置及び医用情報処理方法、プログラム | |
CN111178297A (zh) | 一种图像处理方法、装置、电子设备及介质 | |
CN112614568A (zh) | 检查图像的处理方法、装置、存储介质和电子设备 | |
WO2020106393A2 (en) | Skeletal maturity determination using radiographs of portions of a hand | |
US20160140708A1 (en) | Radiation-image processing device and method | |
JP2009201535A (ja) | X線動画像撮影システム |
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 |