CN114418981A - 超声颅脑标准面成像和异常区域自动检测显示方法 - Google Patents
超声颅脑标准面成像和异常区域自动检测显示方法 Download PDFInfo
- Publication number
- CN114418981A CN114418981A CN202210042598.5A CN202210042598A CN114418981A CN 114418981 A CN114418981 A CN 114418981A CN 202210042598 A CN202210042598 A CN 202210042598A CN 114418981 A CN114418981 A CN 114418981A
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- standard
- skull
- feature data
- curved surface
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0808—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the brain
- A61B8/0816—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the brain using echo-encephalography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0808—Detecting organic movements or changes, e.g. tumours, cysts, swellings 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
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
- A61B8/145—Echo-tomography characterised by scanning multiple planes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4477—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device using several separate ultrasound transducers or probes
-
- 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
- A61B8/52—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
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/30—Polynomial surface description
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D 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
- G06T2207/30016—Brain
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Neurology (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Gynecology & Obstetrics (AREA)
- Mathematical Physics (AREA)
- Physiology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Algebra (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标准面成像和异常区域自动检测显示方法。采用如下技术方案:将对颅脑进行扫查得到的超声图像进行边缘检测构建头盖骨曲面模型,根据头盖骨曲面模型确定并提取标准面超声图像,并利用标准面超声图像的对称性进行相似度比对,以此得到异常区域并进行分割显示。本发明的优点在于:通过对头盖骨边缘进行检测以构建头盖骨曲面模型,以此模型建立坐标系,从而可以从扫查得到的超声图像中快速确定标准面超声图像;同时利用标准面超声图像的对称性进行相似度比对,可以快速准确地检测超声图像中的异常区域并分割显示出来,为颅脑超声扫查提供高效准确的图像分析。
Description
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标准面成像和异常区域自动检测显示方法。
背景技术
颅脑超声扫查是一项常规临床实践,被主要应用于新生儿的临床监护中。其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。在传统技术中,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。然而采用传统的图像处理技术和目前流行的机器学习方法对颅脑超声图像进行分析和诊断的效果并不理想,存在识别精度低、容易出错等问题。
发明内容
本发明的目的在于提供一种超声颅脑标准面成像和异常区域自动检测显示方法,具体在于提供一种可利用颅脑超声图像自动确定并提取标准面超声图像,并利用标准面超声图像的对称性对异常区域进行检测并分割显示的方法。
为达到上述目的,本发明采用如下技术方案:一种超声颅脑标准成像和异常区域自动检测显示方法,包括如下步骤:
S01、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、根据步骤S01构建的头盖骨曲面模型确定该头盖骨曲面模型的正中矢状面和正中冠状面,同时将正中矢状面和正中冠状面与头盖骨曲面模型的交点标记为坐标原点,并建立坐标系。
S03、在构建的头盖骨曲面模型和坐标系上标出设定的标准面的位置,并从扫查得到的超声图像中找到对应于临床定义的多个标准面位置的超声图像并提取出来。
S04、将步骤S03提取出来的标准面超声图像进行直方图或灰度共生矩阵的计算,并做归一化处理以提取特征数据。
S05、将提取的特征数据与参考特征数据进行相似度比对的计算。
S06、当提取的特征数据与参考特征数据存在差异时,则提取出差异处对应的灰阶值,并以该灰机值为引导,在对应的标准面超声图像上分割出异常区域并显示。
具体的,步骤S05中参考特征数据为临床确认无异常情况的标准面超声图像按照步骤S04提取得到的特征数据。
在另一种方案中,若步骤S03中提取出的标准面超声图像为相对于正中矢状面或正中冠状面对称时,则在步骤S04中将该标准面超声图像分为互相对称的两个区域再分别进行直方图或灰度共生矩阵的计算,并做归一化处理以提取特征数据;并在步骤S05中将该标准面超声图像两个互相对称的区域提取的特征数据互为参考特征数据进行相似度比对的计算。
具体的,在步骤S05中,还同时将两个互相对称的区域提取得到的特征数据与临床确认无异常情况的标准面超声图像按照步骤S04提取得到的特征数据作为的参考特征数据进行相似度比对的计算,并分别按照步骤S06进行异常区域的分割和显示。
具体的,步骤S01中构建头盖骨曲面模型时,对颅脑进行3D超声图像扫查并根据得到的3D超声图像进行检测并构建头盖骨曲面模型。
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和拟合构建完整的头盖骨曲面模型。
本发明的优点在于: 通过对头盖骨边缘进行检测以构建头盖骨曲面模型,以此模型建立坐标系,从而可以从扫查得到的超声图像中快速确定标准面超声图像;同时利用标准面超声图像的对称性进行相似度比对,可以快速准确地检测超声图像中的异常区域并分割显示出来,为颅脑超声扫查提供高效准确的图像分析。
附图说明
附图1为实施例1-3中头盖骨曲面模型及正中矢状面、正中冠状面和坐标系的位置关系图。
具体实施方式
实施例1,一种超声颅脑标准成像和异常区域自动检测显示方法,包括如下步骤:
S01、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、根据步骤S01构建的头盖骨曲面模型确定该头盖骨曲面模型的正中矢状面和正中冠状面,同时将正中矢状面和正中冠状面与头盖骨曲面模型的交点标记为坐标原点,并建立坐标系。
S03、在构建的头盖骨曲面模型和坐标系上标出设定的标准面的位置,并从扫查得到的超声图像中找到对应于临床定义的多个标准面位置的超声图像并提取出来。
S04、将步骤S03提取出来的标准面超声图像进行直方图或灰度共生矩阵的计算,并做归一化处理以提取特征数据。
S05、将提取的特征数据与参考特征数据进行相似度比对的计算。
S06、当提取的特征数据与参考特征数据存在差异时,则提取出差异处对应的灰阶值,并以该灰机值为引导,在对应的标准面超声图像上分割出异常区域并显示。
在本实施例中,步骤S05中参考特征数据为临床确认无异常情况的标准面超声图像按照步骤S04提取得到的特征数据。
具体的,步骤S01中构建头盖骨曲面模型时,可以对颅脑进行3D超声图像扫查并根据得到的3D超声图像进行检测并构建头盖骨曲面模型;也可以对颅脑进行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和拟合构建完整的头盖骨曲面模型。
实施例2,一种超声颅脑标准成像和异常区域自动检测显示方法,包括如下步骤:
S01、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、根据步骤S01构建的头盖骨曲面模型确定该头盖骨曲面模型的正中矢状面和正中冠状面,同时将正中矢状面和正中冠状面与头盖骨曲面模型的交点标记为坐标原点,并建立坐标系。
S03、在构建的头盖骨曲面模型和坐标系上标出设定的标准面的位置,并从扫查得到的超声图像中找到对应于临床定义的多个标准面位置的超声图像并提取出来。
S04、将步骤S03提取出来的标准面超声图像进行直方图或灰度共生矩阵的计算,并做归一化处理以提取特征数据。
S05、将提取的特征数据与参考特征数据进行相似度比对的计算。
S06、当提取的特征数据与参考特征数据存在差异时,则提取出差异处对应的灰阶值,并以该灰机值为引导,在对应的标准面超声图像上分割出异常区域并显示。
其中,若步骤S03中提取出的标准面超声图像为相对于正中矢状面或正中冠状面对称时,则在步骤S04中将该标准面超声图像分为互相对称的两个区域再分别进行直方图或灰度共生矩阵的计算,并做归一化处理以提取特征数据;并在步骤S05中将该标准面超声图像两个互相对称的区域提取的特征数据互为参考特征数据进行相似度比对的计算。
具体的,步骤S01中构建头盖骨曲面模型时,可以对颅脑进行3D超声图像扫查并根据得到的3D超声图像进行检测并构建头盖骨曲面模型;也可以对颅脑进行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和拟合构建完整的头盖骨曲面模型。
实施例3,一种超声颅脑标准成像和异常区域自动检测显示方法,包括如下步骤:
S01、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、根据步骤S01构建的头盖骨曲面模型确定该头盖骨曲面模型的正中矢状面和正中冠状面,同时将正中矢状面和正中冠状面与头盖骨曲面模型的交点标记为坐标原点,并建立坐标系。
S03、在构建的头盖骨曲面模型和坐标系上标出设定的标准面的位置,并从扫查得到的超声图像中找到对应于临床定义的多个标准面位置的超声图像并提取出来。
S04、将步骤S03提取出来的标准面超声图像进行直方图或灰度共生矩阵的计算,并做归一化处理以提取特征数据。
S05、将提取的特征数据与参考特征数据进行相似度比对的计算。
S06、当提取的特征数据与参考特征数据存在差异时,则提取出差异处对应的灰阶值,并以该灰机值为引导,在对应的标准面超声图像上分割出异常区域并显示。
其中,若步骤S03中提取出的标准面超声图像为相对于正中矢状面或正中冠状面对称时,则在步骤S04中将该标准面超声图像分为互相对称的两个区域再分别进行直方图或灰度共生矩阵的计算,并做归一化处理以提取特征数据;在步骤S05中,先将两个互相对称的区域提取得到的特征数据与临床确认无异常情况的标准面超声图像按照步骤S04提取得到的特征数据作为的参考特征数据进行相似度比对的计算,再将该标准面超声图像两个互相对称的区域提取的特征数据互为参考特征数据进行相似度比对的计算;然后将两种比对方式分别按照步骤S06进行异常区域的分割和显示,以此得到更全面更准确的异常区域检测结果。
具体的,步骤S01中构建头盖骨曲面模型时,可以对颅脑进行3D超声图像扫查并根据得到的3D超声图像进行检测并构建头盖骨曲面模型;也可以对颅脑进行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和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 (6)
1.一种超声颅脑标准成像和异常区域自动检测显示方法,其特征在于,包括如下步骤:
S01、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、根据步骤S01构建的头盖骨曲面模型确定该头盖骨曲面模型的正中矢状面和正中冠状面,同时将正中矢状面和正中冠状面与头盖骨曲面模型的交点标记为坐标原点,并建立坐标系;
S03、在构建的头盖骨曲面模型和坐标系上标出设定的标准面的位置,并从扫查得到的超声图像中找到对应于临床定义的多个标准面位置的超声图像并提取出来;
S04、将步骤S03提取出来的标准面超声图像进行直方图或灰度共生矩阵的计算,并做归一化处理以提取特征数据;
S05、将提取的特征数据与参考特征数据进行相似度比对的计算;
S06、当提取的特征数据与参考特征数据存在差异时,则提取出差异处对应的灰阶值,并以该灰机值为引导,在对应的标准面超声图像上分割出异常区域并显示。
2.根据权利要求1所述的一种超声颅脑标准面成像和异常区域自动检测显示方法,其特征在于:所述步骤S05中参考特征数据为临床确认无异常情况的标准面超声图像按照步骤S04提取得到的特征数据。
3.根据权利要求1所述的一种超声颅脑标准面成像和异常区域自动检测显示方法,其特征在于:若步骤S03中提取出的标准面超声图像为相对于正中矢状面或正中冠状面对称时,则在步骤S04中将该标准面超声图像分为互相对称的两个区域再分别进行直方图或灰度共生矩阵的计算,并做归一化处理以提取特征数据;并在步骤S05中将该标准面超声图像两个互相对称的区域提取的特征数据互为参考特征数据进行相似度比对的计算。
4.根据权利要求3所述的一种超声标准面成像和异常区域自动检测显示方法,其特征在于:在步骤S05中,还同时将两个互相对称的区域提取得到的特征数据与临床确认无异常情况的标准面超声图像按照步骤S04提取得到的特征数据作为的参考特征数据进行相似度比对的计算,并分别按照步骤S06进行异常区域的分割和显示。
5.根据权利要求1-4任一项所述的一种超声标准面成像和异常区域自动检测显示方法,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超声图像扫查并根据得到的3D超声图像进行检测并构建头盖骨曲面模型。
6.根据权利要求1-4任一项所述的一种超声标准面成像和异常区域自动检测显示方法,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和拟合构建完整的头盖骨曲面模型。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210042598.5A CN114418981A (zh) | 2022-01-14 | 2022-01-14 | 超声颅脑标准面成像和异常区域自动检测显示方法 |
PCT/CN2022/073404 WO2023133933A1 (zh) | 2022-01-14 | 2022-01-24 | 超声颅脑标准面成像和异常区域自动检测显示方法 |
US17/964,776 US20230225700A1 (en) | 2022-01-14 | 2022-10-12 | Cranial ultrasonic standard plane imaging and automatic detection and display method for abnormal regions |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210042598.5A CN114418981A (zh) | 2022-01-14 | 2022-01-14 | 超声颅脑标准面成像和异常区域自动检测显示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114418981A true CN114418981A (zh) | 2022-04-29 |
Family
ID=81274379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210042598.5A Pending CN114418981A (zh) | 2022-01-14 | 2022-01-14 | 超声颅脑标准面成像和异常区域自动检测显示方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230225700A1 (zh) |
CN (1) | CN114418981A (zh) |
WO (1) | WO2023133933A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1728213B1 (en) * | 2003-12-12 | 2008-02-20 | Agency for Science, Technology and Research | Method and apparatus for identifying pathology in brain images |
CN110322550B (zh) * | 2015-02-16 | 2023-06-20 | 深圳迈瑞生物医疗电子股份有限公司 | 三维成像数据的显示处理方法和三维超声成像方法及系统 |
CN111368586B (zh) * | 2018-12-25 | 2021-04-20 | 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 |
CN111462055B (zh) * | 2020-03-19 | 2024-03-08 | 东软医疗系统股份有限公司 | 颅骨检测方法及装置 |
CN113077479A (zh) * | 2021-03-25 | 2021-07-06 | 深圳市铱硙医疗科技有限公司 | 急性缺血性脑卒中病灶自动分割方法、系统、终端及介质 |
-
2022
- 2022-01-14 CN CN202210042598.5A patent/CN114418981A/zh active Pending
- 2022-01-24 WO PCT/CN2022/073404 patent/WO2023133933A1/zh unknown
- 2022-10-12 US US17/964,776 patent/US20230225700A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023133933A1 (zh) | 2023-07-20 |
US20230225700A1 (en) | 2023-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110338844B (zh) | 三维成像数据的显示处理方法和三维超声成像方法及系统 | |
EP3164062B1 (en) | Detecting tooth wear using intra-oral 3d scans | |
US20150023578A1 (en) | Device and method for determining border of target region of medical images | |
US20240225587A1 (en) | Ultrasound automated detection and display method of cranial abnormal regions | |
CN108171697B (zh) | 一种基于簇的wmh自动提取系统 | |
CN108670297B (zh) | 基于多模态经颅超声的帕金森病辅助分析系统及方法 | |
Poh et al. | Automatic segmentation of ventricular cerebrospinal fluid from ischemic stroke CT images | |
CN103455821B (zh) | 基于bi-rads的图像分析装置和方法 | |
US11551371B2 (en) | Analyzing symmetry in image data | |
JPWO2019044078A1 (ja) | 脳画像正規化装置、方法およびプログラム | |
CN116645389A (zh) | 一种个性化血管血栓三维结构建模方法及系统 | |
Panigrahi et al. | An enhancement in automatic seed selection in breast cancer ultrasound images using texture features | |
CN114418981A (zh) | 超声颅脑标准面成像和异常区域自动检测显示方法 | |
Somasundaram et al. | Fetal head localization and fetal brain segmentation from MRI using the center of gravity | |
WO2023133929A1 (zh) | 一种基于超声的人体组织对称性检测分析方法 | |
Chansuparp et al. | The automated skull stripping of brain magnetic resonance images using the integrated method | |
Nirmala et al. | Measurement of nuchal translucency thickness in first trimester ultrasound fetal images for detection of chromosomal abnormalities | |
CN115880287B (zh) | 一种脑白质高信号病灶区域分割及评级装置 | |
KR20210024853A (ko) | 영상 진단기기를 이용한 특발성 정상압 수두증의 진단 방법 및 시스템 | |
CN116030041B (zh) | 一种颈总动脉超声波横切图像血管壁分割方法 | |
Hatanaka et al. | Automated lesion detection in retinal images | |
Tolay et al. | Automated fetal spine detection in ultrasound images | |
Lavanya et al. | Gradient watershed transform based automated cell segmentation for THG microscopy medical images to detect skin cancer | |
WO2021035712A1 (zh) | 骨组织结构形态异常的快速检测方法及电子装置 | |
Liu et al. | Fast traumatic brain injury CT slice indexing via anatomical feature classification |
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 |