CN114399493A - 超声颅脑异常区域自动检测及显示方法 - Google Patents

超声颅脑异常区域自动检测及显示方法 Download PDF

Info

Publication number
CN114399493A
CN114399493A CN202210042593.2A CN202210042593A CN114399493A CN 114399493 A CN114399493 A CN 114399493A CN 202210042593 A CN202210042593 A CN 202210042593A CN 114399493 A CN114399493 A CN 114399493A
Authority
CN
China
Prior art keywords
image
skull
surface model
cranial
grayscale
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
Application number
CN202210042593.2A
Other languages
English (en)
Other versions
CN114399493B (zh
Inventor
范列湘
李德来
蔡泽杭
李斌
吴钟鸿
王煜
林锦豪
周晓明
陈少辉
陈炜武
郭境峰
陈伊婕
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.)
Shantou Ultrasonic Instrument Research Institute Co ltd
Original Assignee
Shantou Ultrasonic Instrument Research Institute Co ltd
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 Shantou Ultrasonic Instrument Research Institute Co ltd filed Critical Shantou Ultrasonic Instrument Research Institute Co ltd
Priority to CN202210042593.2A priority Critical patent/CN114399493B/zh
Priority to PCT/CN2022/073430 priority patent/WO2023133935A1/zh
Publication of CN114399493A publication Critical patent/CN114399493A/zh
Priority to US18/610,676 priority patent/US20240225587A1/en
Application granted granted Critical
Publication of CN114399493B publication Critical patent/CN114399493B/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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Clinical applications
    • A61B8/0808—Clinical applications for diagnosis of the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
    • A61B8/461—Displaying means of special interest
    • A61B8/466—Displaying means of special interest adapted to display 3D data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/523—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for generating planar views from image data in a user selectable plane not corresponding to the acquisition plane
    • 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
    • G06T7/13—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
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • G06T7/68—Analysis of geometric attributes of symmetry
    • 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
    • G06T2207/30008—Bone
    • 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
    • G06T2207/30016—Brain
    • 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
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Neurology (AREA)
  • Computer Graphics (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Surgical Instruments (AREA)

Abstract

本发明涉及超声检测领域，尤其涉及一种超声颅脑异常区域自动检测及显示方法。采用如下技术方案：先构建头盖骨曲面模型，然后对2D超声图像进行边缘检测得到头盖骨边缘曲线，利用边缘曲线与头盖骨曲面模型进行拟合确定2D超声图像的位置以判断该2D图像是否具备对称特性，最后利用2D图像的对称特性对互相对称的两个区域进行相似度比对计算，以此确定是否存在异常区域及其位置。优点在于：先建立头盖骨曲面模型，并对2D超声图像检测头盖骨边界曲线，利用头盖骨边界曲线与头盖骨曲面模型进行拟合以确定2D图像的具体位置以选取具备对称特性的2D图像，利用2D图像的对称性进行异常区域的检测并分割显示出来，从而有效提高异常区域检测的准确率。

Description

超声颅脑异常区域自动检测及显示方法
技术领域
本发明涉及超声检测领域，尤其涉及一种超声颅脑异常区域自动检测及显示方法。
背景技术
超声颅脑扫查是一箱常规临床实践，尤其在新生儿临床监护中被广泛应用。超声颅脑扫查主要用于脑室内出血、脑周出血梗塞、出血后脑室扩张、出血后液性脑周白质软化/麻痹等症状的诊断。传统诊断中，超声医生依靠知识和经验来识别图像的异常情况；随着计算机技术的不断发展，利用计算机对图像进行自动分析和诊断可以为医生的诊断减轻负担并提高效率。然而，传统处理和流行的机器学习方法不能有效应用于颅脑超声图像分析和诊断的原因在于颅脑超声图像本身的复杂性。这个复杂性表现在颅脑图像的灰阶值在出现异常时有不确定性，即新出血点的灰阶为高灰阶值，其范围接近或高于正常组织的灰阶。成旧的出血点的灰阶为低灰阶值，其范围低于正常组织的灰阶。
发明内容
本发明的目的在于提供一种超声颅脑异常区域自动检测及显示方法，具体在于提供一种可提高诊断准确率的超声颅脑异常区域自动检测显示方法。
为达到上述目的，本发明采用如下技术方案：一种超声颅脑异常区域自动检测及显示方法，包括如下步骤：
S01、先构建头盖骨曲面模型，根据对颅脑进行超声扫查得到的超声图像构建头盖骨曲面模型。
S02、将对颅脑进行超声扫查得到的2D超声图像进行头盖骨边缘检测，得到该2D图像的头盖骨边缘曲线。
S03、将步骤S02得到的2D图像的头盖骨边缘曲线与步骤S01得到的头盖骨曲面模型进行适配以确定该2D图像在头盖骨曲面模型上的位置。
S04、根据步骤S03得到的2D图像在头盖骨曲面模型上的位置判断该2D图像是否相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性。
S05、将步骤S04中相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性的2D图像进行标记，并根据分析需求从其中选取2D图像进行分析。
S06、对2D图像进行分析时，先将该2D图像分成互相对称的两个区域，分别对两个区域的图像做直方图统计或求灰度共生矩阵得到统计数据，接着对两个区域的统计数据做归一化处理提取特征数据，然后对两个区域的特征数据进行相似度比对计算。
S07、根据计算得到的相似度判断两个区域是否存在差异，若存在差异，则提取差异处对应的灰阶值，并以该灰阶值作为引导，将异常区域进行分割标记并显示出来。
具体的，步骤S02中对2D图像进行边缘检测时，利用灰阶或灰阶加灰阶梯度值检测头骨与颅脑内组织的边界，并对该边界进行滤波拟合后得到头盖骨边缘曲线。
具体的，步骤S01中构建头盖骨曲面模型时，对颅脑进行3D超声图像扫查，并利用灰阶或灰阶加灰阶梯度值的方式对得到的3D超声图像进行头盖骨与颅脑内组织的边界检测，并对边界进行滤波拟合得到头盖骨曲面模型。
在另一种方案中，步骤S01中构建头盖骨曲面模型时，对颅脑进行2D超声图像扫查，对采集得到的2D超声图像利用灰阶或灰阶加灰阶梯度值的方式检测头盖骨与颅脑内部组织的边界，并利用多帧2D超声图像检测得到的头盖骨与颅脑内部组织的边界进行滤波拟合构建完整的头盖骨曲面模型。
本发明的优点在于：通过建立头盖骨曲面模型，并对2D超声图像检测头盖骨边界曲线，利用头盖骨边界曲线与头盖骨曲面模型进行拟合以确定2D超声图像的具体位置以选取具备对称特性的2D超声图像，利用2D超声图像的对称性进行异常区域的检测并分割显示出来，从而有效提高异常区域识别检测的准确率。
附图说明
附图1为实施例1或2中2D图像的头盖骨边缘曲线与头盖骨曲面模型的拟合示意图。
具体实施方式
实施例1，一种超声颅脑异常区域自动检测及显示方法，包括如下步骤：
S01、先构建头盖骨曲面模型，根据对颅脑进行超声扫查得到的超声图像构建头盖骨曲面模型。
S02、将对颅脑进行超声扫查得到的2D超声图像进行头盖骨边缘检测，得到该2D图像的头盖骨边缘曲线。
S03、将步骤S02得到的2D图像的头盖骨边缘曲线与步骤S01得到的头盖骨曲面模型进行适配以确定该2D图像在头盖骨曲面模型上的位置。
S04、根据步骤S03得到的2D图像在头盖骨曲面模型上的位置判断该2D图像是否相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性。
S05、将步骤S04中相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性的2D图像进行标记，并根据分析需求从其中选取2D图像进行分析。
S06、对2D图像进行分析时，先将该2D图像分成互相对称的两个区域，分别对两个区域的图像做直方图统计或求灰度共生矩阵得到统计数据，接着对两个区域的统计数据做归一化处理提取特征数据，然后对两个区域的特征数据进行相似度比对计算。
S07、根据计算得到的相似度判断两个区域是否存在差异，若存在差异，则提取差异处对应的灰阶值，并以该灰阶值作为引导，将异常区域进行分割标记并显示出来。
其中，步骤S02中对2D图像进行边缘检测时，利用灰阶或灰阶加灰阶梯度值检测头骨与颅脑内组织的边界，并对该边界进行滤波拟合后得到头盖骨边缘曲线；由于超声颅脑图像的头骨有很强的发射，在图像中呈现高灰阶值，检测后形成的图像其边缘容易检测，利用灰阶或者灰阶加灰阶梯度值一起可以检测到头骨与颅脑内组织的边界。
其中，步骤S01中构建头盖骨曲面模型时，对颅脑进行3D超声图像扫查，并利用灰阶或灰阶加灰阶梯度值的方式对得到的3D超声图像进行头盖骨与颅脑内组织的边界检测，并对边界进行滤波拟合得到头盖骨曲面模型。
实施例2，一种超声颅脑异常区域自动检测及显示方法，包括如下步骤：
S01、先构建头盖骨曲面模型，根据对颅脑进行超声扫查得到的超声图像构建头盖骨曲面模型。
S02、将对颅脑进行超声扫查得到的2D超声图像进行头盖骨边缘检测，得到该2D图像的头盖骨边缘曲线。
S03、将步骤S02得到的2D图像的头盖骨边缘曲线与步骤S01得到的头盖骨曲面模型进行适配以确定该2D图像在头盖骨曲面模型上的位置。
S04、根据步骤S03得到的2D图像在头盖骨曲面模型上的位置判断该2D图像是否相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性。
S05、将步骤S04中相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性的2D图像进行标记，并根据分析需求从其中选取2D图像进行分析。
S06、对2D图像进行分析时，先将该2D图像分成互相对称的两个区域，分别对两个区域的图像做直方图统计或求灰度共生矩阵得到统计数据，接着对两个区域的统计数据做归一化处理提取特征数据，然后对两个区域的特征数据进行相似度比对计算。
S07、根据计算得到的相似度判断两个区域是否存在差异，若存在差异，则提取差异处对应的灰阶值，并以该灰阶值作为引导，将异常区域进行分割标记并显示出来。
其中，步骤S02中对2D图像进行边缘检测时，利用灰阶或灰阶加灰阶梯度值检测头骨与颅脑内组织的边界，并对该边界进行滤波拟合后得到头盖骨边缘曲线；由于超声颅脑图像的头骨有很强的发射，在图像中呈现高灰阶值，检测后形成的图像其边缘容易检测，利用灰阶或者灰阶加灰阶梯度值一起可以检测到头骨与颅脑内组织的边界。
其中，步骤S01中构建头盖骨曲面模型时，对颅脑进行2D超声图像扫查，对采集得到的2D超声图像利用灰阶或灰阶加灰阶梯度值的方式检测头盖骨与颅脑内部组织的边界，并利用多帧2D超声图像检测得到的头盖骨与颅脑内部组织的边界进行滤波拟合构建完整的头盖骨曲面模型。
当然，以上仅为本发明较佳实施方式，并非以此限定本发明的使用范围，故，凡是在本发明原理上做等效改变均应包含在本发明的保护范围内。

Claims (4)

1.一种超声颅脑异常区域自动检测及显示方法，其特征在于，包括如下步骤：
S01、先构建头盖骨曲面模型，根据对颅脑进行超声扫查得到的超声图像构建头盖骨曲面模型；
S02、将对颅脑进行超声扫查得到的2D超声图像进行头盖骨边缘检测，得到该2D图像的头盖骨边缘曲线；
S03、将步骤S02得到的2D图像的头盖骨边缘曲线与步骤S01得到的头盖骨曲面模型进行适配以确定该2D图像在头盖骨曲面模型上的位置；
S04、根据步骤S03得到的2D图像在头盖骨曲面模型上的位置判断该2D图像是否相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性；
S05、将步骤S04中相对于头盖骨曲面模型的正中矢状面或正中冠状面呈对称特性的2D图像进行标记，并根据分析需求从其中选取2D图像进行分析；
S06、对2D图像进行分析时，先将该2D图像分成互相对称的两个区域，分别对两个区域的图像做直方图统计或求灰度共生矩阵得到统计数据，接着对两个区域的统计数据做归一化处理提取特征数据，然后对两个区域的特征数据进行相似度比对计算；
S07、根据计算得到的相似度判断两个区域是否存在差异，若存在差异，则提取差异处对应的灰阶值，并以该灰阶值作为引导，将异常区域进行分割标记并显示出来。
2.根据权利要求1所述的一种超声颅脑异常区域自动检测及显示方法，其特征在于：步骤S02中对2D图像进行边缘检测时，利用灰阶或灰阶加灰阶梯度值检测头骨与颅脑内组织的边界，并对该边界进行滤波拟合后得到头盖骨边缘曲线。
3.根据权利要求1或2所述的一种超声颅脑异常区域自动检测及显示方法，其特征在于：所述步骤S01中构建头盖骨曲面模型时，对颅脑进行3D超声图像扫查，并利用灰阶或灰阶加灰阶梯度值的方式对得到的3D超声图像进行头盖骨与颅脑内组织的边界检测，并对边界进行滤波拟合得到头盖骨曲面模型。
4.根据权利要求1或2所述的一种超声颅脑异常区域自动检测及显示方法，其特征在于：所述步骤S01中构建头盖骨曲面模型时，对颅脑进行2D超声图像扫查，对采集得到的2D超声图像利用灰阶或灰阶加灰阶梯度值的方式检测头盖骨与颅脑内部组织的边界，并利用多帧2D超声图像检测得到的头盖骨与颅脑内部组织的边界进行滤波拟合构建完整的头盖骨曲面模型。
CN202210042593.2A 2022-01-14 2022-01-14 超声颅脑异常区域自动检测及显示方法 Active CN114399493B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210042593.2A CN114399493B (zh) 2022-01-14 2022-01-14 超声颅脑异常区域自动检测及显示方法
PCT/CN2022/073430 WO2023133935A1 (zh) 2022-01-14 2022-01-24 超声颅脑异常区域自动检测及显示方法
US18/610,676 US20240225587A1 (en) 2022-01-14 2024-03-20 Ultrasound automated detection and display method of cranial abnormal regions

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210042593.2A CN114399493B (zh) 2022-01-14 2022-01-14 超声颅脑异常区域自动检测及显示方法

Publications (2)

Publication Number Publication Date
CN114399493A true CN114399493A (zh) 2022-04-26
CN114399493B CN114399493B (zh) 2024-06-11

Family

ID=81231583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210042593.2A Active CN114399493B (zh) 2022-01-14 2022-01-14 超声颅脑异常区域自动检测及显示方法

Country Status (3)

Country Link
US (1) US20240225587A1 (zh)
CN (1) CN114399493B (zh)
WO (1) WO2023133935A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115861600A (zh) * 2022-12-20 2023-03-28 西北民族大学 一种spect图像的roi区域识别方法及系统
CN117912665A (zh) * 2024-03-18 2024-04-19 大连经典牙科科技有限公司 一种基于口腔扫描数据的远程管理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006325638A (ja) * 2005-05-23 2006-12-07 Konica Minolta Medical & Graphic Inc 異常陰影候補の検出方法及び医用画像処理システム
CN101527047A (zh) * 2008-03-05 2009-09-09 深圳迈瑞生物医疗电子股份有限公司 使用超声图像检测组织边界的方法与装置
WO2013025613A1 (en) * 2011-08-12 2013-02-21 Jointvue, Llc 3-d ultrasound imaging device and methods
CN110613483A (zh) * 2019-09-09 2019-12-27 李胜利 一种基于机器学习检测胎儿颅脑异常的方法和系统
WO2020087532A1 (zh) * 2018-11-02 2020-05-07 深圳迈瑞生物医疗电子股份有限公司 超声成像方法及系统、存储介质、处理器和计算机设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408398B (zh) * 2014-10-21 2019-02-22 无锡海斯凯尔医学技术有限公司 一种肝脏边界的识别方法及系统
CN107106143B (zh) * 2015-05-07 2020-10-20 深圳迈瑞生物医疗电子股份有限公司 三维超声成像方法和装置
CN111340780B (zh) * 2020-02-26 2023-04-07 汕头市超声仪器研究所股份有限公司 一种基于三维超声图像的病灶检测方法
CN113100827B (zh) * 2021-04-10 2022-08-09 汕头市超声仪器研究所股份有限公司 一种超声骨龄检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006325638A (ja) * 2005-05-23 2006-12-07 Konica Minolta Medical & Graphic Inc 異常陰影候補の検出方法及び医用画像処理システム
CN101527047A (zh) * 2008-03-05 2009-09-09 深圳迈瑞生物医疗电子股份有限公司 使用超声图像检测组织边界的方法与装置
WO2013025613A1 (en) * 2011-08-12 2013-02-21 Jointvue, Llc 3-d ultrasound imaging device and methods
WO2020087532A1 (zh) * 2018-11-02 2020-05-07 深圳迈瑞生物医疗电子股份有限公司 超声成像方法及系统、存储介质、处理器和计算机设备
CN110613483A (zh) * 2019-09-09 2019-12-27 李胜利 一种基于机器学习检测胎儿颅脑异常的方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
曹飞;刘广健;林倞;曹擎星;王伟;王竹;吕明德;文艳玲;: "交互式分割软件在肝局灶性病变超声图像分割中的初步临床应用", 中山大学学报(医学科学版), no. 01, 15 January 2016 (2016-01-15) *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115861600A (zh) * 2022-12-20 2023-03-28 西北民族大学 一种spect图像的roi区域识别方法及系统
CN115861600B (zh) * 2022-12-20 2023-09-05 西北民族大学 一种spect图像的roi区域识别方法及系统
CN117912665A (zh) * 2024-03-18 2024-04-19 大连经典牙科科技有限公司 一种基于口腔扫描数据的远程管理系统
CN117912665B (zh) * 2024-03-18 2024-06-07 大连经典牙科科技有限公司 一种基于口腔扫描数据的远程管理系统

Also Published As

Publication number Publication date
US20240225587A1 (en) 2024-07-11
CN114399493B (zh) 2024-06-11
WO2023133935A1 (zh) 2023-07-20

Similar Documents

Publication Publication Date Title
CN111243042A (zh) 基于深度学习的超声甲状腺结节良恶性特征可视化的方法
CN104414636B (zh) 基于磁共振图像的脑微出血计算机辅助检测系统
CN104011770B (zh) 处理并显示乳房图像
CN105513077A (zh) 一种用于糖尿病性视网膜病变筛查的系统
WO2012074039A1 (ja) 医用画像処理装置
US20240225587A1 (en) Ultrasound automated detection and display method of cranial abnormal regions
CN118262875A (zh) 一种医学影像诊断对比阅片方法
CN103778600A (zh) 图像处理系统
CN113855079A (zh) 基于乳腺超声影像的实时检测和乳腺疾病辅助分析方法
WO2022110445A1 (zh) 一种卵圆孔未闭检测方法、系统、终端以及存储介质
Roshankhah et al. Investigating training-test data splitting strategies for automated segmentation and scoring of COVID-19 lung ultrasound images
Xing et al. Automatic detection of A‐line in lung ultrasound images using deep learning and image processing
CN111481233B (zh) 胎儿颈项透明层厚度测量方法
CN113298773A (zh) 基于深度学习的心脏视图识别与左心室检测装置、系统
JP5624505B2 (ja) 画像処理装置
CN112932535B (zh) 一种医学图像分割及检测方法
US8265368B2 (en) Image analysis apparatus, image processing apparatus, image analysis program storage medium, image processing program storage medium, image analysis method and image processing method
US20230225700A1 (en) Cranial ultrasonic standard plane imaging and automatic detection and display method for abnormal regions
CN118657756A (zh) 用于脑肿瘤患者护理的智能辅助决策系统及方法
Somasundaram et al. Fetal head localization and fetal brain segmentation from MRI using the center of gravity
Nirmala et al. Clinical decision support system for early prediction of Down syndrome fetus using sonogram images
CN117218080A (zh) 基于超声tda的甲状腺结节良恶性特征提取方法和系统
CN110916724A (zh) 一种基于闭环最短路径的b超图像胎儿头围检测方法
WO2023133929A1 (zh) 一种基于超声的人体组织对称性检测分析方法
Ni et al. Angle closure glaucoma detection using fractal dimension index on SS-OCT images

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