CN114240893A - 一种外像图像中脊柱Cobb角的测算方法 - Google Patents
一种外像图像中脊柱Cobb角的测算方法 Download PDFInfo
- Publication number
- CN114240893A CN114240893A CN202111557011.6A CN202111557011A CN114240893A CN 114240893 A CN114240893 A CN 114240893A CN 202111557011 A CN202111557011 A CN 202111557011A CN 114240893 A CN114240893 A CN 114240893A
- Authority
- CN
- China
- Prior art keywords
- image
- calculating
- curve
- cobb angle
- measuring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000011436 cob Substances 0.000 title claims abstract description 34
- 206010039722 scoliosis Diseases 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 19
- 238000003708 edge detection Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 14
- 238000012216 screening Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011202 physical detection method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
- 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
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10116—X-ray 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
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种外像图像中脊柱Cobb角的测算方法,1)图像输入;2)图像预处理;3)边缘检测;4)曲线拟合;1.计算曲线长度,使其微元化:2.特征点提取:由1中计算各有效边缘曲线长度之后,将腋下两侧有效曲线分别进行n等分,即可得到两侧曲线等分对应点,连接两侧对应点;3.中点计算:根据两侧对应点坐标,由中点公式计算出各连接线中点;4.拟合曲线;5)Cobb角测算:利用脊柱拟合曲线,通过计算拟合曲线斜率计算,选取斜率点、构造斜率点切线与基础线的关系计算Cobb角;本发明的方法选取既保证了Cobb角度计算的速度,也保证了测量结果的准确性,操作简单,不需操作人员有很强的医学知识,成本较低,可适用于大规模的脊柱侧弯筛查工作当中。
Description
技术领域
本发明属于医学图像计算机辅助技术领域,具体涉及一种外像图像中脊柱Cobb角的测算方法。
背景技术
脊柱侧弯Cobb角测算在脊柱侧弯治疗过程中有着不可代替的作用,Cobb角是对脊柱侧弯程度分级以及确定治疗方案的关键依据。
Cobb角是确定脊柱侧弯的端椎位置后,其上、下端椎是指脊柱侧弯中向侧弯凹侧倾斜度最大的椎体,沿着上端椎的椎体上缘和下端椎的椎体下缘各划一直线,再对这两直线各做一垂直线,两条垂直线的交角就是Cobb角。
目前常见的脊柱侧弯Cobb角测算方法有以下几种:
1.人工物理检测法:医生直接接触人体背部进行脊柱侧弯的检查,目前国内外使用的物理检测方法主要包括Adams前屈试验、脊柱测量仪测量肋骨隆凸、躯干旋转角度等方法。脊柱测量和前屈试验在普查中易于实行,目前国内外通常使用脊柱测量仪结合Adams前屈实验进行普查,经相关研究发现,脊柱测量尺和前屈试验的结果与Cobb角大小成正相关,当前屈试验结果为阳性或脊柱测量尺测量角度大于5°,就可初步视为脊柱侧弯,后续继续使用X光片确诊。这种方法简单直接,但需要具有极高经验的医生进行诊断,误诊率较高。
2.人工X线片检测法:通过获取X线片图像以后,经影像专家手动确立脊柱侧弯的上下端椎后,使用量角器量取出两终端之间夹角,此方法是最准确的方法,基本不会出现漏诊和误诊的情况,但是受检者会受到X光辐射,也依赖于医生的主观经验进行测算,不同的医生会造成不同的误差,且检测费用较高高,不太适用于大规模普查。
3.计算机辅助X线片检测:此方法包括2020年邓其锋所作的基于目标检测和聚类的脊柱侧弯三维结构再现的方法,2019年涂勇成提出的一种针对MRI和CT、X线片脊柱侧凸影像的基于传统图像处理算法的Cobb角自动测量算法和针对X射线影像的基于深度学习DU-NET的脊柱检测分割算法等。以上方法都需获得大量医院采集的医学图像,优点是准确率高,缺点是图像获取难度、成本高,不适用于大规模普查。
4.计算机辅助可见光图像检测:2020年陆俊采用数字图像处理方法,对脊柱侧弯图像进行一系列的图像处理,提取脊柱背部外轮廓特征点提取算法。此方法相对于X线片来说图像较容易获得,但图像处理算法程序繁多,较为复杂,且特别依赖背部图像质量以寻求特征点准确。
发明内容
本发明的目的在于提供一种外像图像中脊柱Cobb角的测算方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种外像图像中脊柱Cobb角的测算方法,
1)图像输入:将准备好的脊柱侧弯背部正立位外像图像输入至测算系统中进行处理;
2)图像预处理:处理框选后背部感兴趣区域图像,方法包括图像灰度化、图像二值化、图像降噪;
3)边缘检测:将预处理后的图像进行边缘计算,检测出背部正立位图像的边缘,检测出边缘后,边缘曲线存在锯齿噪声,进行去除锯齿噪声干扰操作;
其中
2.特征点提取:由1中计算各有效边缘曲线长度之后,将腋下两侧有效曲线分别进行n等分,即可得到两侧曲线等分对应点,连接两侧对应点;因肩颈部少数特征点比较容易识别,因此肩颈部标记曲线取少量对应点连接即可;
3.中点计算:根据两侧对应点坐标,由中点公式计算出各连接线中点;
4.拟合曲线:将各连接线中点连接,得到脊柱真实拟合曲线,然后将首、尾两个连接线中点连接,得到脊柱拟合基础线;
5)Cobb角测算:通过脊柱拟合曲线进行求导,然后根据求导后的方程找出斜率最大的两个点,分别由两个点做拟合曲线的切线,两条切线分别与基础线相交于点A(a1,b1)、B(a2,b2),两个斜率最大点分别为C(a3,b3)、D(a4,b4),并且两条切线分别于基础线形成一个夹角,为Angle1和Angle2,将Angle1和Angle2加和,即可得出Cobb角的大小;
6)数据输出:根据Cobb角大小,判断脊柱侧弯程度,给出医学建议。
优选的,步骤1)中的图像在采集时,采集现场使用补光灯提供充足的均匀良好的光线,并且采用蓝色背景板增加对比度。
优选的,步骤2)中的灰度化是使图像中每个像素的R、G、B分量值相等;按式使用加权平均得到较合理的灰度图像
Gray(i,j)=x*R(i,j)+y*G(i,j)+z*B(i,j)。
优选的,步骤2)中的图像降噪方法有均值滤波、自适应维纳滤波、中值滤波、形态学降噪、小波去噪。
优化的,边缘检测采用Canny边缘检测算子,步骤为:(1)用高斯滤波器平滑图像;(2)用一阶偏导的有限差分来计算梯度的幅值和方向;(3)对梯度幅值进行非极大抑制;(4)用双阈值算法检测和连接边缘。
与现有技术相比,本发明的有益效果是:本发明基于外像可见光背部图像数字图像处理方法相结合的方法进行脊柱侧弯拟合曲线和基础线的获取,然后根据曲线进行Cobb角度的计算,采用一种区别于传统的方法中脊柱拟合曲线和获取方法和角度选取方法;本发明的方法选取既保证了Cobb角度计算的速度,也保证了测量结果的准确性,操作简单,不许操作人员有很强的医学知识,成本较低,可适用于大规模的脊柱侧弯筛查工作当中。
附图说明
图1为本发明的流程示意图;
图2为本发明的图像灰度化处理示意图;
图3为本发明的图像二值化以及图像降噪处理后的示意图;
图4为本发明的S3边缘检测处理后的示意图;
图5为本发明的曲线拟合的示意图;
图6为本发明的Cobb角测算示意图;
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。
实施例1
请参阅图1至图6,本发明提供一种技术方案:
S1、图像输入:
准备图像,将准备好的的人体背部正立位图像输入至系统中进行处理。本文主要以彩色正立位背面照为研究对象,因此基础工作就是采集背部图像,该工作由摄像头来完成,摄像头的分辨率需要尽量的高一点,这样能够采集的质量较好的图像;为了获取准测的处理结果,首先需要采集到对比度较好且完整清晰的背部图像,因此采集现场使用补光灯提供充足的均匀良好的光线,并且同意采用蓝色背景板增加对比度,这样能够简化处理步骤,降低了人体背部图像的处理难度,提高了图像处理的效率和速度,增加了脊柱侧弯Cobb角度测算检测结果的准确性和可靠性。
S2、图像预处理:
图像灰度化:准备的背部彩色图像,每一个像素都有红绿蓝三个颜色分量,数据量大,伴随的颜色噪声也比较多,与脊柱轮廓曲线无关的信息也较多。本文研究的是背部体态对称度特征和脊柱轮廓纹理特征,而背部的灰度图像包含了这些信息,因此,需要对背部图像进行灰度化处理。灰度图像只含有亮度信息,不含颜色信息,灰度值范围为0~255,255最亮,0最暗,灰度化就是使图像中每个像素的R、G、B分量值相等;所以按式使用加权平均得到较合理的灰度图像。
Gray(i,j)=x*R(i,j)+y*G(i,j)+z*B(i,j)
图像二值化:本发明采用的是以背部两侧边缘寻找特征点计算两侧边缘对应点连线的中点拟合曲线,所以需要找到两侧边缘,在边缘检测算法中,输入的图像干扰因素越少越好,因此将处理好的灰度图像进行二值化,得到的输出图像中就就只存在0、1两种像素点,干扰因素最少,方便进行边缘检测。
图像降噪:图像二值化以后会有许多白色噪声点,会对脊柱轮廓曲线的拟合造成干扰,影响图像处理的结果,需降噪处理。常用的图像降噪方法有均值滤波、自适应维纳滤波、中值滤波、形态学降噪、小波去噪等。经过尝试,形态学降噪处理结果较好。
S3、边缘检测:
边缘检测:图像边缘检测大幅度地减少了数据量,并且剔除了可以认为不相关的信息,保留了图像重要的结构属性。本发明中采用Canny边缘检测算子,根据对信噪比与定位乘积进行测度,得到最优化逼近算子;算法的基本步骤为:
1.用高斯滤波器平滑图像;
2.用一阶偏导的有限差分来计算梯度的幅值和方向;
3.对梯度幅值进行非极大抑制;
4.用双阈值算法检测和连接边缘。
去除干扰:使用Canny边缘检测算子得到的边缘图像基本已经达到要求,但边缘存在锯齿状干扰,需要进行边缘平滑处理,采用上述步骤中形态学降噪处理。
边缘提取:经过上述步骤处理过后,需要提取有效边缘曲线,将得到的去除锯齿干扰后的图像运用像素点检测的方法,提取有效边缘曲线,由图像两侧向内侧检测白色像素点,到达图片横向一半像素点截止,保留最后一层色像素点,得到背部区域两侧曲线以及肩颈部两侧曲线位置。如图标记位置所示。
S4、曲线拟合:
其中
2.特征点提取:由1中计算各有效边缘曲线长度之后,将腋下两侧有效曲线分别进行n等分,即可得到两侧曲线等分对应点,连接两侧对应点。因肩颈部少数特征点比较容易识别,因此肩颈部标记曲线取少量对应点连接即可。
3.中点计算:根据两侧对应点坐标,由中点公式计算出各连接线中点。
4.曲线拟合:将各连接线中点连接,得到脊柱真实拟合曲线,然后将首、尾两个连接线中点连接,得到脊柱拟合基础线。
S5、Cobb角测算:
本算法Cobb角测量方法如图所示,因为Cobb角定义中脊柱侧弯上下端椎在弯曲程度上是倾斜最严重的椎骨,反映在拟合曲线是该拟合曲线切线斜率最大的点,所以可以通过脊柱拟合曲线进行求导,然后根据求导后的方程找出斜率最大的两个点,分别由两个点做拟合曲线的切线,两条切线分别与基础线相交于点A(a1,b1)、B(a2,b2),两个斜率最大点分别为C(a3,b3)、D(a4,b4),并且两条切线分别于基础线形成一个夹角,为Angle1和Angle2,将Angle1和Angle2加和,即可得出Cobb角的大小,计算公式如下所示:
基础线LAB与两条切线LAC、LBD方程:
LAB:(b2-b1)x+(a2-a1)y+(a2b1-a1b2)=0
其中,A1=(b2-b1),B1=(a2-a1),C1=(a2b1-a1b2);
LAC:(b3-b1)x+(a2-a3)y+(a3b1-a1b3)=0
其中,A2=(b3-b1),B2=(a2-a3),C2=(a3b1-a1b3);
LBC:(b4-b2)x+(a2-a4)y+(a4b2-a2b4)=0
其中,A3=(b4-b2),B3=(a2-a4),C3=(a4b2-a2b4);
由线角公式可得:
由此可得:
Angle1=arccos(Angle1)
Angle2=arccos(Angle2)
则Cobb角:
Angle=Angle1+Angle2。
S6、数据输出:
根据医学标准,Cobb角大小分为四级标准,<10°,阴性,一级;10°-25°;阳性,二级;25°-40°;阳性,三级;>40°,阳性,四级;由以上医学标准输出Cobb角度后,给出医学就诊建议,达到普查的目的。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种外像图像中脊柱Cobb角的测算方法,其特征在于:
1)图像输入:将准备好的脊柱侧弯背部正立位外像图像输入至测算系统中进行处理;
2)图像预处理:处理背部感兴趣区域图像,方法包括图像灰度化、图像二值化、图像降噪等;
3)边缘检测:将预处理后的图像进行边缘计算,检测出背部正立位图像的边缘,检测出边缘后,边缘曲线存在锯齿噪声,进行去除锯齿噪声干扰操作;
其中
2.特征点提取:由1中计算各有效边缘曲线长度之后,将腋下两侧有效曲线分别进行n等分,即可得到两侧曲线等分对应点,连接两侧对应点;因肩颈部少数特征点比较容易识别,因此肩颈部标记曲线取少量对应点连接即可;
3.中点计算:根据两侧对应点坐标,由中点公式计算出各连接线中点;
4.拟合曲线:将各连接线中点连接,得到脊柱真实拟合曲线,然后将首、尾两个连接线中点连接,得到脊柱拟合基础线;
5)Cobb角测算:通过脊柱拟合曲线进行求导,然后根据求导后的方程找出斜率最大的两个点,分别由两个点做拟合曲线的切线,两条切线分别与基础线相交于点A(a1,b1)、B(a2,b2),两个斜率最大点分别为C(a3,b3)、D(a4,b4),并且两条切线分别于基础线形成一个夹角,为Angle1和Angle2,将Angle1和Angle2加和,即可得出Cobb角的大小;
6)数据输出:根据Cobb角大小,判断脊柱侧弯程度,给出医学建议。
2.根据权利要求1所述的一种外像图像中脊柱Cobb角的测算方法,其特征在于:步骤1)中的图像在采集时,采集现场使用补光灯提供充足的均匀良好的光线,并且采用蓝色背景板增加对比度。
3.根据权利要求1所述的一种外像图像中脊柱Cobb角的测算方法,其特征在于:步骤2)中的灰度化是使图像中每个像素的R、G、B分量值相等;按式使用加权平均得到较合理的灰度图像
Gray(i,j)=x*R(i,j)+y*G(i,j)+z*B(i,j)。
4.根据权利要求1所述的一种外像图像中脊柱Cobb角的测算方法,其特征在于:步骤2)中的图像降噪方法有均值滤波、自适应滤波、中值滤波、形态学降噪、小波去噪。
5.根据权利要求1所述的一种外像图像中脊柱Cobb角的测算方法,其特征在于:边缘检测采用Canny边缘检测算子,步骤为:(1)用高斯滤波器平滑图像;(2)用一阶偏导的有限差分来计算梯度的幅值和方向;(3)对梯度幅值进行非极大抑制;(4)用双阈值算法检测和连接边缘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111557011.6A CN114240893A (zh) | 2021-12-18 | 2021-12-18 | 一种外像图像中脊柱Cobb角的测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111557011.6A CN114240893A (zh) | 2021-12-18 | 2021-12-18 | 一种外像图像中脊柱Cobb角的测算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114240893A true CN114240893A (zh) | 2022-03-25 |
Family
ID=80758648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111557011.6A Pending CN114240893A (zh) | 2021-12-18 | 2021-12-18 | 一种外像图像中脊柱Cobb角的测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240893A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115713661A (zh) * | 2022-11-29 | 2023-02-24 | 湘南学院 | 一种脊柱侧弯Lenke分型系统 |
-
2021
- 2021-12-18 CN CN202111557011.6A patent/CN114240893A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115713661A (zh) * | 2022-11-29 | 2023-02-24 | 湘南学院 | 一种脊柱侧弯Lenke分型系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2466541B1 (en) | Image processing apparatus, image processing method and image processing program | |
JP2004032684A (ja) | 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置 | |
CN105261015B (zh) | 基于Gabor滤波器的眼底图像血管自动分割方法 | |
CN107941808A (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
CN104075965B (zh) | 一种基于分水岭分割的显微图像颗粒粒度测量方法 | |
CN108186051B (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
CN107292835B (zh) | 一种眼底图像视网膜血管自动矢量化的方法及装置 | |
CN108378869B (zh) | 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统 | |
CN111710012B (zh) | 一种基于两维复合配准的octa成像方法与装置 | |
CN105447879B (zh) | 乳房图像中检测胸肌的方法及装置 | |
CN109829942A (zh) | 一种眼底图像视网膜血管管径自动量化方法 | |
CN104732520A (zh) | 一种胸部数字影像的心胸比测量算法及系统 | |
CN113850328A (zh) | 基于多视角深度学习的非小细胞肺癌亚型分类系统 | |
CN110310323A (zh) | 基于Hessian矩阵和二维高斯拟合的视网膜血管管径测量方法 | |
CN111598868B (zh) | 一种肺部超声图像识别方法和系统 | |
WO2020224508A1 (zh) | 一种对实时影像中图像的物体轮廓进行加强的方法 | |
CN111325754B (zh) | 一种基于ct序列图像的腰椎骨自动定位方法 | |
CN115393239A (zh) | 一种多模态眼底图像配准和融合方法及系统 | |
CN114240893A (zh) | 一种外像图像中脊柱Cobb角的测算方法 | |
CN115511979A (zh) | 一种基于灰度变换的内窥镜主板控制系统 | |
CN116993764B (zh) | 一种胃部ct智能分割提取方法 | |
CN116993736B (zh) | 一种骨质疏松区域智能识别系统 | |
CN108665474B (zh) | 一种基于b-cosfire的眼底图像视网膜血管分割方法 | |
CN113012127A (zh) | 基于胸部医学影像的心胸比测量方法 | |
CN110349171B (zh) | 一种基于灰度中值的脊柱侧弯背部轮廓曲线提取方法 |
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 |