CN115861175A - 医疗影像质量监控方法、装置、电子设备和存储介质 - Google Patents
医疗影像质量监控方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115861175A CN115861175A CN202211338649.5A CN202211338649A CN115861175A CN 115861175 A CN115861175 A CN 115861175A CN 202211338649 A CN202211338649 A CN 202211338649A CN 115861175 A CN115861175 A CN 115861175A
- Authority
- CN
- China
- Prior art keywords
- image
- quality
- quality control
- scanning
- target
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请公开了一种医疗影像质量监控方法、装置、电子设备和存储介质,用于解决现有技术中人工阅片的质控效率和可靠性低的问题,其中,该医疗影像质量监控方法包括:获取访视图像序列,访视图像序列中包括多张医学图像切片;识别访视图像序列的目标CT质量参数;将访视图像序列投影为二维图像;响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,其中,预处理数据包括目标CT质量参数、与目标CT质量参数对应的医学图像切片以及二维图像中的一种或组合。
Description
技术领域
本申请属于计算机数据处理技术领域,具体涉及一种医疗影像质量监控方法、装置、电子设备和存储介质。
背景技术
医学影像阅片系统(Medical Imaging Reading System,MIRS)提供了针对医学影像阅片的多场景综合解决方案,实现了从影像管理到阅片管理整个业务流程的信息化和智能化。在整个业务流程中,智能阅片平台作为影像的阅片工具,可以对影像的上传审核阅片进行智能的统计管理,实时跟进影像状态和阅片进度,是MIRS的核心组成部分。
传统医疗影像质量监控需要阅片人手动打开图像序列,统一扫描序列下图像(最多时超过800张),阅片人需要浏览这些图像然后根据经验和一些数字信息以及图像的协议产生的标签信息对相关质量参数进行判断和分类,阅片耗时,且可靠性较低。
公开于该背景技术部分的信息仅仅旨在增加对本申请的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本申请的目的在于提供一种医疗影像质量监控方法,其用于解决智能审核图像的问题。
为实现上述目的,本申请提供了一种医疗影像质量监控方法,所述方法包括:
获取访视图像序列,所述访视图像序列中包括多张医学图像切片;
识别所述访视图像序列的目标CT质量参数;
将所述访视图像序列投影为二维图像;
响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,其中,所述预处理数据包括所述目标CT质量参数、与所述目标CT质量参数对应的医学图像切片以及二维图像中的一种或组合。
一实施例中,响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,具体包括:
响应于质控指令,从所述目标CT质量参数和二维图像中筛选出目标数据,并组装为数据表;
输出包括所述数据表的质控展示界面,其中,所述质控展示界面包括二维图像唤出控件;
响应于对所述二维图像唤出控件的展示操作,输出对应的所述二维图像至所述质控展示界面。
一实施例中,所述质控展示界面还包括质量参数输入控件;
所述方法还包括:
响应于对所述质量参数输入控件的输入操作,更新所述质控展示界面中的数据表。
一实施例中,所述目标CT质量参数包括预设类型图像标识,所述质控展示界面还包括与所述预设类型图像标识对应的标识图像唤出控件;
所述方法还包括:
响应于对所述标识图像唤出控件的展示操作,输出对应的标识图像至所述质控展示界面。
一实施例中,响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,具体包括:
响应于质控指令,利用至少一个所述目标CT质量参数对筛选出的所述二维图像进行标注;
输出包括标注后的所述二维图像的质控展示界面。
一实施例中,所述质控指令包括扫描类型质控信息,所述目标CT质量参数包括扫描类型;
所述方法还包括:
响应于质控指令,筛选出与所述扫描类型质控信息对应扫描类型的二维图像;
基于所述筛选出的二维图像,判断访视图像序列是否符合质控需求。
一实施例中,所述质控指令包括扫描部位质控信息,所述目标CT质量参数包括扫描部位,所述二维图像包括冠状面投影图像和矢状面投影图像;
所述方法还包括:
响应于质控指令,筛选出与所述扫描部位质控信息对应扫描部位的冠状面投影图像和/或矢状面投影图像;
基于所述筛选出的冠状面投影图像和/或矢状面投影图像,判断访视图像序列是否符合质控需求。
一实施例中,将所述访视图像序列中的图像切片投影为二维图像,还包括:
将属于同一扫描期和扫描窗的不同扫描部位的二维图像进行缝合。
一实施例中,所述目标CT质量参数包括扫描类型、扫描期、扫描窗、层间距、层厚、断面方向、切片缺失、扫描部位、运动伪影、金属伪影、外部标记、以及外部添加文字中的至少一种。
一实施例中,识别所述访视图像序列的目标CT质量参数,具体包括:
识别所述访视图像序列的扫描类型,并计算其中CT扫描序列各图像切片的断面方向,以过滤出横断面图像切片;
识别所述横断面图像切片中的图像标识以滤除对应的图像切片、以及识别所述横断面图像切片的图像通道以滤除VR图像切片,得到预缝合图像切片,其中,所述图像标识包括外部标记、外部添加文字、金属伪影、以及运动伪影中的至少一种;
识别所述预缝合图像切片的扫描信息,其中所述扫描信息包括层厚、层间距、扫描窗、扫描期、以及扫描部位中的至少一种。
本申请还提供一种医疗影像质量监控装置,包括:
获取模块,用于获取访视图像序列,所述访视图像序列中包括多张医学图像切片;
识别模块,用于识别所述访视图像序列的目标CT质量参数;
投影模块,用于将所述访视图像序列投影为二维图像;
生成模块,用于响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,其中,所述预处理数据包括所述目标CT质量参数、与所述目标CT质量参数对应的医学图像切片以及二维图像中的一种或组合。
本申请还提供一种电子设备,包括:
至少一个处理器;以及
存储器,所述存储器存储指令,当所述指令被所述至少一个处理器执行时,使得所述至少一个处理器执行如上所述的医疗影像质量监控方法。
本申请还提供一种机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如上所述的医疗影像质量监控方法。
与现有技术相比,根据本申请的医疗影像质量监控方法,通过对访视图像序列中目标CT质量参数进行识别、以及将访视图像序列投影为二维图像,在进行质控时,可以根据质控要求,从预处理数据中筛选目标数据,并生成质量监控报告,提高质控效率的同时保证了质控的可靠性。
另一个方面,质量监控报告可以作为中间过程输出被输出至质控展示界面,质控人员可以基于与质控展示界面的UI的互动,辅助质控。
另一个方面,质量监控报告也可以是作为医疗影像质量监控装置自动进行质控的依据,并直接输出是否符合质控要求的质控结果。
附图说明
图1是本申请医疗影像质量监控方法应用的场景示意图;
图2是根据本申请一实施例医疗影像质量监控方法的流程图;
图3是根据本申请一实施例医疗影像质量监控方法中,DICOM文件的标签tag信息图;
图4是根据本申请一实施例医疗影像质量监控方法中,识别的与目标CT质量参数对应的图像切片图;
图5是根据本申请一实施例医疗影像质量监控方法的流程图;
图6至图8是根据本申请一实施例医疗影像质量监控方法的场景1中,生成质量监控报告的UI示意图;
图9是根据本申请一实施例医疗影像质量监控方法的流程图;
图10是根据本申请一实施例医疗影像质量监控方法的场景2中,生成质量监控报告的UI示意图;
图11是根据本申请一实施例医疗影像质量监控方法的流程图;
图12是根据本申请一实施例医疗影像质量监控方法的场景3中,生成质量监控结果的UI示意图;
图13是根据本申请一实施例医疗影像质量监控方法的流程图;
图14是根据本申请一实施例医疗影像质量监控方法的场景4中,生成质量监控结果的UI示意图;
图15是根据本申请一实施例医疗影像质量监控方法的原理框架图;
图16根据本申请一实施例医疗影像质量监控装置的模块图;
图17是根据本申请一实施例电子设备的硬件结构图。
具体实施方式
以下将结合附图所示的各实施方式对本申请进行详细描述。但该等实施方式并不限制本申请,本领域的普通技术人员根据该等实施方式所做出的结构、方法、或功能上的变换均包含在本申请的保护范围内。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
参图1,在本申请应用的一个典型系统架构中,可以包括服务器和终端。用户可以使用终端与服务器交互,以接收或者发送消息等。本申请公开的医疗影像质量监控方法可以由服务器执行,相应地,本申请公开的医疗影像质量监控装置可以设置于服务器中。
用户可以通过终端向服务器发出质控指令,服务器在接收到质控指令后,执行相应的医疗影像质量监控方法,并生成质量监控报告。用户的质控指令可以是基于临床质量指南进行输入,服务器还可以例如根据接收到的不同临床质量指南的要求,输出合适形式的质量监控报告,并通过终端进行展示。
当然,在一些系统架构中,本申请公开的医疗影像质量监控方法也可以由能够与终端设备通信的服务器集群执行,相应地,本申请公开的医疗影像质量监控装置可以设置于服务器集群中。
在终端可提供相匹配算力的系统架构中,本申请公开的医疗影像质量监控方法也可以直接由终端执行,相应地,本申请公开的医疗影像质量监控装置可以设置于终端中。
参图2,介绍本申请医疗影像质量监控方法的一实施例。在本实施例中,该方法包括:
S11、获取访视图像序列。
本申请的医疗影像质量监控方法可以是面向访视(visit)级别的图像序列,“访视图像序列”指针对一个受试者在一次访视图像收集中收集到的所有图像序列。
具体地,在受试者参与到针对某种药物开展的临床试验研究后,需要定期或者按照试验需求来到试验点与医生(或者护士、社会工作者、其他研究者)进行沟通,以使他们可以对受试者的健康情况进行监察。“访视”可以理解为受试者在服用新药或者接收新治疗方案的过程中来到试验点一次。在每次访视时,受试者需要接受一些医学检查(例如医学影像检查)或者实验室检查(例如血常规、尿常规),也需要经过医生的查体询问,以接受医生进一步的指导。
在以上的访视过程中,图像的收集方案被提前确定,并基于该方案完成所有的图像收集和扫描。通常地,第一次的图像收集和扫描可以是对应至“基线访视”,在用药后的一定间隔周期内,例如四周、六周之后,可以按照与基线访视时同样的图像收集方案再次进行图像的获取。这样重复的按照特定需求、并针对同一患者收集的一个周期的图像被称为访视图像序列。
按照图像收集方案,受试者可以是通过例如CT(Computed Tomography,电子计算机断层扫描)、MRI(Magnetic Resonance Imaging,磁共振成像)等多种技术手段进行检查,并生成相应的医学图像序列。
本实施例中,访视图像序列可以是被保存为DICOM图像(即DICOM文件)。DICOM文件的保存方式为,一幅CT扫描序列中的医学影像(image)对应保存为一个DICOM文件,如果采集一个图像序列(image series),比如一个脑部的图像序列,或者一个全身的图像序列,则会被保存为相应数量的DICOM文件。这里一个DICOM文件指保存为了一个独立文件(例如后缀为*.dcm的文件)。其中,每个DICOM文件的影像数据对应医学图像序列内一个影像切片(slice)的影像,多个图像序列可以对应至一个受试者(study)。
从图像存储的层级结构理解,一个visit下可以包括多个study(1-M),每个study下可以包括多个series(1-N),而每个series下又可以包括多个具体的DICOM图像。本实施例中,对于有效的扫描部位、扫描期等的判断都可以是基于series级别包含的DICOM图像。
对应地,本实施例中在接收到访视图像序列后,可以基于DICOM标准协议将其解析为study级别和series级别的图像。示范性地,解析可以基于JAVA或者PYTHON等计算机语言中用于解析DICOM标准的程序库。
S12、识别访视图像序列的目标CT质量参数。
表①中示范性地示出了一些目标CT质量参数及对应的分类。
表①
以下示范性地介绍上述目标CT质量参数的识别过程。
①扫描类型的识别
本实施例中,可以是基于拆解到series级别的DICOM图像进行上述目标CT质量参数的识别。以DICOM 3.0标准为例,每一张医学影像中携带的信息具体可以分为以下四类:Patient(病人)、Study(指定检查)、Series(检查的序列)、Image(医学影像)。
Patient中包含了病人的基本信息(例如姓名、性别、年龄等)和医生指定的检查Study;Study中包含了检查类型(例如电子计算机断层扫描CT,核磁共振检查MR,超声波检查等)和指定检查的序列Series;Series中包含检查的技术条件(例如,毫安,视场角FOV,层厚等)和影像Image。
一个CT影像的检查的序列Series通常包括Group(标签组),Element(要素值),Title(标签描述),Value(具体的值)。参图3,本实施例中,例如可以是读取检查的序列Series中0008标签组Group中0060要素值Element的值Value(即标准中对应[0x0008,0x0060]位置的信息),确定CT扫描序列的扫描类型(模态)信息。示范性地,这里DICOM文件中各要素值Element的值Value可以是利用PYTHON程序中的PYDICOM库进行读取。
②CT断面方向的识别
在识别访视图像序列中各图像切片的扫描类型后,可以进一步计算其中CT扫描序列各图像切片的断面方向,以过滤出横断面图像切片。
类似地,可以读取医学图像序列中各图像切片的图像方位值信息ImageOrientation(Patient),该图像方位值包括第一空间向量和第二空间向量。图像方位值通常对应6个数,其中前三个对应这里的第一空间向量,后三个对应这里的第二空间向量。
图像方位值可以看作一个六元数组,用来表示在世界坐标系(world coordinatesystem)下,当前图像平面的i、j轴(患者坐标系,patient coordinate system)方向单位长度的终点坐标;也即,是当前图像平面i、j轴与世界坐标系x、y、z轴的夹角余弦。通常地,这里的图像平面在i、j轴上以左上角为(0,0)原点,向右为i轴正向,向下为j轴正向。
配合参图3,一个图像切片的图像方位值为0.995038/-0.06089/0.078694/0.05828/0.997685/0.035051。则第一空间向量为(0.995038,-0.06089,0.078694),第二空间向量为(0.05828,0.997685,0.035051)。
随后对第一空间向量和第二空间向量进行叉乘计算,以获得第三空间向量。并基于第三空间向量中向量分量的大小,确定各图像切片的状面信息。
具体地,可以根据第三空间向量中向量分量的绝对值大小,确定图像切片的状面信息。例如,第三空间向量为(k1,k2,k3),在其三个向量分量中,k1的绝对值最大代表图像切片为矢状位,k2的绝对值最大代表图像切片为冠状位,k3的绝对值最大代表图像切片为横断位。
还是以第一空间向量为(0.995038,-0.06089,0.078694),第二空间向量为(0.05828,0.997685,0.035051)为例,叉乘后第三空间向量为(-0.080646,-0.03029,0.996283)。可以看出,该图像切片为横断位,可以为该图像切片标记横断位状面信息。
③图像标识(外部标记、外部添加文字、金属伪影)以及VR图像切片的识别
参图4,对于横断面图像切片而言,其中正常组织的灰度值范围在-1000至900左右,金属以及外部标识的灰度值会高于该正常组织的灰度值范围,通过设置合理的灰度值阈值可以对横断面图像中的外部标记以及金属伪影进行识别。同时,通过对图像进行投影以及相似性算法分析判断图像是否是报告类图像(剂量报告图像)。
VR图像切片是CT扫描图像切片中由原始切层图像经由色彩渲染得到的彩色三维图像。从计算机存储角度而言,彩色三维图像需要R、G、B三个通道,而常规的图像切片只需要灰度值通道。因此,可以通过检测横断面图像切片的图像通道数判断是否为VR图像切片。
从图像切片类别而言,包括外部标记、外部添加文字、金属伪影以及运动伪影等的图像切片可以归类为带图像标识的图像切片类型。而通过上述识别步骤,可以滤除横断面图像切片中包括图像标识的图像切片以及VR图像切片,并得到预缝合图像切片。
④层厚的识别
层厚可以是通过标签中的切片厚度(Slice Thickness)确定。
⑤层间距的识别
图像切片的层间距可以是通过标签中的图像位置(Image Position(Patient))确定。图像位置是一个三元数组[x,y,z],用于表示当前图像坐标的原点(左上角)在参考坐标体系下的坐标。
继续配合参图3,其中示出了一个图像切片的图像位置为[-136.451,-131.756,15.1147]。而根据两个相邻的图像切片之间的该图像位置,可以计算这两个点之间的空间距离,而该空间距离即可被认为是两个相邻的图像切片之间的层间距。即:
其中,[x1,y1,z1]和[x2,y2,z2]分别标识两个图像切片对应的图像位置。
⑥扫描窗的识别
扫描窗也叫3D扫描影像的扫描重建算法,常见的扫描重建算法例如有软组织重建算法,肺重建算法以及骨重建算法等。其中,CT扫描的重建算法在临床上有重要的意义,例如,肺重建算法或者骨重建算法有助于观察肺叶部分高对比度和高分辨率的图像,从而更快速和早期的诊断肺部的病变;软组织重建算法对于观察人体的软组织,如血管、脑、肝脏等部位病变,有更好的对比度和分辨率。
具体而言,扫描重建算法中涉及窗宽和窗位的设置。窗宽指CT扫描影像所显示的CT值范围,在此CT值范围内的组织结构按其密度高低从白到黑分为16个灰阶。例如,窗宽选定为100HU,则人眼可分辨的CT值为100/16=6.25HU,即两种组织CT值相差在6.25HU以上即可为人眼所识别。因此,窗宽的宽窄直接影响影像的清晰度与对比度。如果使用窄的窗宽,显示的CT值范围小,每一灰阶代表的CT值幅度小,对比度强,适于观察密度接近的组织结构(如脑组织)。反之,如果使用宽的窗宽,则显示的CT值范围大,每一灰阶代表的CT值幅度大,图像对比度差,但密度均匀,适于观察密度差别大的结构。
窗位(窗中心)指窗宽范围内均值或中心值。例如,一幅CT扫描影像的窗宽为100HU、窗位为0HU,则以窗位为中心(0HU),向上包括+50HU,向下包括-50HU,凡在这个100HU范围内的组织均可显示出来并为人眼所识别。对于地,凡大于+50HU的组织均显示为白色,凡小于-50HU的组织均显示为黑色,其密度差异无法显示。人眼只能识别±50HU范围内的CT值,每一灰阶的CT值范围是100/16=6.25HU。
如上所述,扫描重建算法通过不同窗宽和窗位的设置,实现对不同组织产生不同的对比度和分辨率。
扫描窗的识别中,可以利用图像切片中空气区域的灰度值计算基准噪声值,并利用CT扫描影像的扫描信息(例如层厚、重建视野,扫描电流,单层扫描时间,扫描电压等)对该基准噪声值进行校正。由于不同扫描窗所对应的噪声水平的差异,基于一个参考噪声阈值和获得的校正噪声值的比较,可以最终确定图像切片的扫描窗。
一实施例中,矫正噪声值的计算公式为:
其中,Noise_corrected为校正噪声值,Noise为基准噪声值,slicethickness为层厚、fov为重建视野,current为扫描电流,time为单层扫描时间,voltage为扫描电压。
⑦扫描期的识别
CT平扫和增强CT扫描是CT检查的两个重要分类。其中,CT平扫又称普通扫描,是指静脉内不给含碘造影剂的扫描。CT平扫下,人体内的血管和软组织以及常见的肝脏,肾脏,脾等器官对X射线的吸收能力比较接近,根据CT成像原理,CT平扫这些组织或者器官具有相近的灰度值,因此,如果要观察病变,CT平扫并不能提供较好的对比度。
增强CT通过在静脉注射造影剂(一种相对于人体组织具有更强的吸收X射线能力的液体),检查时,造影剂随着人体的血液循环会进入动脉、静脉、肝动脉、肝静脉、肾动脉、肾静脉以及新陈代谢后期进入输尿管。由于癌变或者病变组织的供血非常活跃,所以造影剂会跟踪供血循环到达病变区域,因此使用造影剂会增强病变组织的对比度,从而从CT影像上更容易准确观察到病变组织位置、大小等。
在增强扫描中,扫描期对应造影剂到达人体不同部位的时期,方便观察不同部位的病变。例如,在扫描期中的动脉期,造影剂充盈于动脉系统中,动脉血管以及血供丰富的器官得到造影剂强化;在扫描期中的静脉期,其相对于动脉期更靠后,肝门静脉得到造影剂强化,此时非常利于观察肝脏部位的病变;在扫描期中的平衡期,造影剂重新分布于门静脉、下腔静脉以及腹主动脉,此时在静脉系统和动脉系统中都可以看到造影剂的充盈;在扫描期中的延迟期,血管内造影剂减少,但如果有肿瘤等富血管组织,其内的造影剂衰退比较慢,此时利于观察这类富血管组织。
CT平扫和增强CT扫描在不同场景的检查中,都有广泛的应用,增强CT扫描的不同扫描期的识别则对于观察特定部位病变的时机选择也非常重要。因此,在本申请的实施例中,所提及的扫描期可以是指平扫和增强扫描、或者是指平扫和增强扫描中不同的扫描期、或者仅是指增强扫描中的不同的扫描期。
扫描期的识别中,可以基于不同的扫描组织信息,运行不同的扫描期识别方法。例如,对于头部、颈部、头颈部的CT扫描序列识别,可以是直接通过CT扫描序列中选取的参考部位影像进行扫描期识别;对于除头颈部以外的CT扫描序列识别,可以是将CT扫描序列中各影像投影为二维组织区域影像,不同位置的影像信息可以互相印证并影响判断,可以给出具有较高可信度的扫描期识别结果。
示范性地,扫描期的具体识别可以是依赖训练完成的神经网络模型或者其它适合的机器学习模型或模型的组合。
⑧扫描部位的识别
扫描部位的识别中,也可以是将CT扫描序列中各影像投影为二维组织区域影像,根据需要输出的扫描部位划分类别的不同,利用神经网络模型或者改造的神经网络模型进行识别。
例如,期望能够识别扫描部位“头”、“颈部”、“胸部”、“腹部”、“盆腔”,则可以通过训练完成的神经网络模型接收图像的输入,并通过自带的5类分类器进行输出。当然,可以理解的是,若需要更多类型扫描部位的识别,则可以对神经网络模型进行改造,并增加相应数量的分类器,在此不再赘述。
⑨切片缺失的识别
切片缺失可以通过标签中的实例号(Instance Number)确定,连续不间断的Instance Number表示图像切片没有缺失。例如,Instance Number序列为[1,2,3,4,5,7]时,表示该序列中缺失第六页的图像切片。
在以上识别目标CT质量参数的过程中,可以将各CT质量参数所对应的医学图像切片进行相应参数的分类或者标注,以供在后对相应类别CT质量参数所对应的医学图像切片的调用。
上述的层厚、层间距、扫描窗、扫描期、以及扫描部位可以视为图像切片的扫描信息。在本申请实施例中,预缝合图像切片可以进一步用于不同扫描部位的缝合,获得同时包括多个扫描部位的二维图像,这将在以下的实施例中进行详细阐述。
S13、将访视图像序列投影为二维图像。
二维图像可以包括头、颈、胸、腹、盆、头颈、头颈胸、头颈胸腹、头颈胸腹盆、颈胸、颈胸腹、颈胸腹盆、胸腹、胸腹盆、腹盆中的至少一个。头、颈、胸、腹、盆可以理解为单身体部位,头颈、头颈胸、头颈胸腹、头颈胸腹盆、颈胸、颈胸腹、颈胸腹盆、胸腹、胸腹盆、腹盆可以理解为多个身体部位的复合身体部位。
访视图像序列(例如其中的预缝合图像切片)可以是被投影为二维冠状面和二维矢状面图像。按照身体部位的数量,二维图像除对单个身体部位投影成像外,还可以是对多个身体部位投影成像后进行缝合,并得到缝合的图像。
本实施例中,可以将属于同一扫描期和扫描窗的不同扫描部位的二维图像进行缝合。例如,将属于同一扫描期和扫描窗的胸、腹、盆的二维图像进行配准缝合,得到缝合后的胸腹盆二维矢状面图像和二维冠状面图像。缝合后的二维图像将有助于判断扫描部位的完整性。
S14、响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告。
质控指令可以是质控人员基于临床影像检控指南进行输入。例如,临床影像检控指南要求某个访视的扫描序列需要胸部的软组织重建扫描图像和肺重建扫描图像。质控人员可以同时请求获取胸部的软组织重建扫描图像和肺重建扫描图像,如果获取成功,则说明该访视的图像收集符合要求。相应地,这里质控人员对图像的获取请求可以视为上述的“质控指令”。
当然,在一些实施例中,质控指令也可以是被预先进行功能定义。例如,还是以临床影像检控指南要求某个访视的扫描序列需要胸部的软组织重建扫描图像和肺重建扫描图像为例,该项指南的要求被预先功能定义为“质控指令-A”。在质控时,质控人员可以通过发送该“质控指令-A”,同时触发对胸部的软组织重建扫描图像和肺重建扫描图像的获取。
这些预先进行功能定义的质控指令,可以是质控人员或者其它用户根据实际质控需要,将各类型质控指令涉及的请求进行关联编辑;又或者,这些质控指令可以是被预先定义在医疗影像质量监控装置中。
以下以一些场景下进行质控的实施例,对本步骤进行具体说明。
场景1
S21、响应于质控指令,从目标CT质量参数和二维图像中筛选出目标数据,并组装为数据表。
S22、输出包括数据表的质控展示界面,其中,质控展示界面包括二维图像唤出控件。
S23、响应于对二维图像唤出控件的展示操作,输出对应的二维图像至所述质控展示界面。
配合参图5和图6,该场景下,质控指令要求输出一些需要的目标CT质量参数以及对应的二维图像。当接收到质控指令时,在上述步骤中识别和处理得到的目标CT质量参数和二维图像中筛选相应的目标数据,并以数据表的形式进行组装。
一个示意的质控展示界面A1中,包括扫描类型、断面方向、扫描窗、金属伪影等目标CT质量参数,以及二维图像,这些目标数据被组装在一数据表S1中。二维图像可以是默认为初始未唤出的状态,并且数据表中的每行数据可以对应到相应二维图像的二维图像唤出控件B1。
当质控人员需要查看数据表中某行数据对应的二维图像时,可以对该行的二维图像唤出控件B1进行展示操作,随后二维图像被唤出于质控展示界面。质控人员可以结合二维图像和对应行的CT质量参数对医学图像序列进行质控。
参图7,在质控人员结合二维图像进行质控时,可能会发现质控展示界面A1中的某些目标CT质量参数识别有误。例如,质控人员在打开部分访视图像后,发现数据表某行的扫描部位识别有误,当前显示为“胸颈腹盆”的扫描部位应当是“胸腹盆”。
在该场景下,质控展示界面A1还可以包括质量参数输入控件B2,质控人员可以对质量参数输入控件B2执行输入操作。例如,将质控展示界面A1的数据表S1中该行的“胸”修改为“胸腹盆”。响应于对质量参数输入控件的输入操作,可以更新质控展示界面中的数据表。
在目标CT质量参数中,包括运动伪影、金属伪影、外部标记、外部添加文字等,这些都可以被视为带有预设类型图像标识。相应地,参图8,质控展示界面A1中还可以包括与这些预设类型图像标识对应的标识图像唤出控件B3。
例如,质控展示界面A1的数据表S1中显示某行的图像切片有金属伪影,质控人员可以对相应的标识图像唤出控件B3执行展示操作。响应于对该标识图像唤出控件B3的展示操作,将对应的标识图像(金属伪影图像切片)输出至质控展示界面。
可以看出,在场景1中,以数据表S1的形式将目标CT质量参数和图像进行了整合。质控人员可以以直观的方式,审阅质控展示界面中数据表的内容;并且,对于一些因质控而需要查看的二维图像、标识图像等,可以通过对相应控件的操作进行唤出,提高了质控效率。同时,对于一些因自动识别导致的CT质量参数的错误,也可以通过相应的控件进行修改。
场景2
S31、响应于质控指令,利用至少一个预设CT质量参数对筛选出的二维图像进行标注;
S31、输出包括标注后的二维图像的质控展示界面。
配合参图9和图10,该场景下,质控指令同样可以要求输出包括一些需要的目标CT质量参数以及对应的二维图像。与场景1区别在于,当接收到质控指令时,在上述步骤中识别和处理得到的目标CT质量参数和二维图像中匹配相应的目标数据,并以图像标注的方式进行组装。
一个示意的质控展示界面A2中,包括投影为二维图像的“颈胸腹胯”部位,其中二维图像上标注有:平扫或者增强(CT造影剂)、以及层间距或者层厚信息。从质控展示界面A2示出的二维图像的种类来看,包括由不同部位二维图像缝合而成的图像、以及对应不同扫描窗的图像以凸显骨骼(骨窗)或者软组织(软组织窗)的投影结果。
根据质控的需求,质控展示界面A2中还可以输出访视图像序列中的图像切片,并用于辅助判断扫描部位的完整性。同时,质控展示界面A2中还可以包括上述质控相关信息的汇总数据表S2,从而帮助质控人员总览整体质控相关信息。
基于质控展示界面A2,质控人员可以以直观的方式对例如扫描部位的完整性、是否包含伪影和隐私信息等进行判断,提高了质控的效率和可靠性。
场景3
S41、响应于质控指令,筛选出与扫描类型质控信息对应扫描类型的二维图像;
S42、基于筛选出的二维图像,判断访视图像序列是否符合质控需求。
参图11,该场景下,质控指令包括扫描部位质控信息。例如,要求某个访视图像序列包含胸部的软组织重建扫描图像和肺重建扫描图像。
相应地,可以从访视图像序列投影的二维图像中,对胸部的图像进行筛选。如果筛选出的二维图像中,同时包含了这两种扫描技术,则该访视图像序列的收集符合质控要求。如果筛选出的二维图像中,缺失其中一种或者两种扫描技术,则该访视图像序列的收集不符合质控要求。
参图12,在质控展示界面A3上,上述筛选二维图像的过程可以是不被展示,而直接输出最终的质控结果,例如:“肺重建扫描图像缺失”、“软组织重建扫描图像缺失”、“不缺失”等。
场景4
S51、响应于质控指令,筛选出与扫描部位质控信息对应扫描部位的冠状面投影图像和/或矢状面投影图像;
S52、基于所述筛选出的冠状面投影图像和/或矢状面投影图像,判断访视图像序列是否符合质控需求。
参图13,该场景下,质控指令包括扫描部位质控信息。例如,要求某个访视图像序列包含软组织窗下的胸腹盆图像。
相应地,可以从访视图像序列投影的二维图像中,对软组织窗的图像进行筛选。这里筛选的二维图像可以是包括冠状面投影图像和/或矢状面投影图像。如果筛选出的二维图像中,包含了胸腹盆三个部位,则该访视图像序列的收集符合质控要求。如果筛选出的二维图像中,缺失其中某些部位,则该访视图像序列的收集不符合质控要求。
参图14,类似地,在质控展示界面A4上,上述筛选二维图像的过程可以是不被展示,而直接输出最终的质控结果,例如:“胸软组织重建扫描图像缺失”、“腹软组织重建扫描图像缺失”、“盆软组织重建扫描图像缺失”、“不缺失”等。
配合参图15,在以上的场景1至场景4示范的本申请实施例的医疗影像质量监控方法中可以看出,通过访视图像序列的循环输入,利用诸如AI检测模块可以对访视图像序列中的目标CT质量参数进行获取、以及将访视图像序列投影为二维图像。AI检测模块的输出可以作为质量监控报告的目标数据来源,并以UI的形式进行展示,辅助质控人员进行质控。并且,根据临床质量指南的输入,还可以自动地从AI检测模块的输出中筛选需要的目标数据,并直接根据筛选结果输出是否符合质控需求的提示。
参图16,介绍本申请医疗影像质量监控装置的一实施例。在本实施例中,该医疗影像质量监控装置包括获取模块21、识别模块22、投影模块23以及生成模块24。
获取模块21用于获取访视图像序列,所述访视图像序列中包括多张医学图像切片;识别模块22用于识别所述访视图像序列的目标CT质量参数;投影模块23用于将所述访视图像序列投影为二维图像;生成模块24用于响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,其中,所述预处理数据包括所述目标CT质量参数、与所述目标CT质量参数对应的医学图像切片以及二维图像中的一种或组合。
一实施例中,生成模块24具体用于:响应于质控指令,从所述目标CT质量参数和二维图像中筛选出目标数据,并组装为数据表;输出包括所述数据表的质控展示界面,其中,所述质控展示界面包括二维图像唤出控件;响应于对所述二维图像唤出控件的展示操作,输出对应的所述二维图像至所述质控展示界面。
一实施例中,所述质控展示界面还包括质量参数输入控件;
医疗影像质量监控装置还包括更新模块25,用于响应于对所述质量参数输入控件的输入操作,更新所述质控展示界面中的数据表。
一实施例中,所述目标CT质量参数包括预设类型图像标识,所述质控展示界面还包括与所述预设类型图像标识对应的标识图像唤出控件;
医疗影像质量监控装置还包括展示模块26,用于响应于对所述标识图像唤出控件的展示操作,输出对应的标识图像至所述质控展示界面。
一实施例中,生成模块24具体用于:响应于质控指令,利用至少一个所述目标CT质量参数对筛选出的所述二维图像进行标注;输出包括标注后的所述二维图像的质控展示界面。
一实施例中,所述质控指令包括扫描类型质控信息,所述目标CT质量参数包括扫描类型;
医疗影像质量监控装置还包括质控模块27,用于响应于质控指令,筛选出与所述扫描类型质控信息对应扫描类型的二维图像;基于所述筛选出的二维图像,判断访视图像序列是否符合质控需求。
一实施例中,所述质控指令包括扫描部位质控信息,所述目标CT质量参数包括扫描部位,所述二维图像包括冠状面投影图像和矢状面投影图像;
所述质控模块27还用于响应于质控指令,筛选出与所述扫描部位质控信息对应扫描部位的冠状面投影图像和/或矢状面投影图像;基于所述筛选出的冠状面投影图像和/或矢状面投影图像,判断访视图像序列是否符合质控需求。
一实施例中,投影模块23还用于:将属于同一扫描期和扫描窗的不同扫描部位的二维图像进行缝合。
一实施例中,所述目标CT质量参数包括扫描类型、扫描期、扫描窗、层间距、层厚、断面方向、切片缺失、扫描部位、运动伪影、金属伪影、外部标记、以及外部添加文字中的至少一种。
一实施例中,识别模块22具体用于:识别所述访视图像序列的扫描类型,并计算其中CT扫描序列各图像切片的断面方向,以过滤出横断面图像切片;识别所述横断面图像切片中的图像标识以滤除对应的图像切片、以及识别所述横断面图像切片的图像通道以滤除VR图像切片,得到预缝合图像切片,其中,所述图像标识包括外部标记、外部添加文字、金属伪影、以及运动伪影中的至少一种;识别所述预缝合图像切片的扫描信息,其中所述扫描信息包括层厚、层间距、扫描窗、扫描期、以及扫描部位中的至少一种。
如上参照图1至图15,对根据本说明书实施例医疗影像质量监控方法进行了描述。在以上对方法实施例的描述中所提及的细节,同样适用于本说明书实施例的医疗影像质量监控装置。上面的医疗影像质量监控装置可以采用硬件实现,也可以采用软件或者硬件和软件的组合来实现。
图17示出了根据本说明书的实施例的电子设备的硬件结构图。如图17所示,电子设备30可以包括至少一个处理器31、存储器32(例如非易失性存储器)、内存33和通信接口34,并且至少一个处理器31、存储器32、内存33和通信接口34经由内部总线35连接在一起。至少一个处理器31执行在存储器32中存储或编码的至少一个计算机可读指令。
应该理解,在存储器32中存储的计算机可执行指令当执行时使得至少一个处理器31进行本说明书的各个实施例中以上结合图1至图15描述的各种操作和功能。
在本说明书的实施例中,电子设备30可以包括但不限于:个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动电子设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴电子设备、消费电子设备等等。
根据一个实施例,提供了一种比如机器可读介质的程序产品。机器可读介质可以具有指令(即,上述以软件形式实现的元素),该指令当被机器执行时,使得机器执行本说明书的各个实施例中以上结合图1-图15描述的各种操作和功能。具体地,可以提供配有可读存储介质的系统或者装置,在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
在这种情况下,从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此机器可读代码和存储机器可读代码的可读存储介质构成了本说明书的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上或云上下载程序代码。
本领域技术人员应当理解,上面公开的各个实施例可以在不偏离发明实质的情况下做出各种变形和修改。因此,本说明书的保护范围应当由所附的权利要求书来限定。
需要说明的是,上述各流程和各系统结构图中不是所有的步骤和单元都是必须的,可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺序不是固定的,可以根据需要进行确定。上述各实施例中描述的装置结构可以是物理结构,也可以是逻辑结构,即,有些单元可能由同一物理客户实现,或者,有些单元可能分由多个物理客户实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件单元或模块可以通过机械方式或电气方式实现。例如,一个硬件单元、模块或处理器可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件单元或处理器还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上面结合附图阐述的具体实施方式描述了示例性实施例,但并不表示可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明书中使用的术语“示例性”意味着“用作示例、实例或例示”,并不意味着比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目的,具体实施方式包括具体细节。然而,可以在没有这些具体细节的情况下实施这些技术。在一些实例中,为了避免对所描述的实施例的概念造成难以理解,公知的结构和装置以框图形式示出。
本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实现或者使用本公开内容。对于本领域普通技术人员来说,对本公开内容进行的各种修改是显而易见的,并且,也可以在不脱离本公开内容的保护范围的情况下,将本文所对应的一般性原理应用于其它变型。因此,本公开内容并不限于本文所描述的示例和设计,而是与符合本文公开的原理和新颖性特征的最广范围相一致。
Claims (13)
1.一种医疗影像质量监控方法,其特征在于,所述方法包括:
获取访视图像序列,所述访视图像序列中包括多张医学图像切片;
识别所述访视图像序列的目标CT质量参数;
将所述访视图像序列投影为二维图像;
响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,其中,所述预处理数据包括所述目标CT质量参数、与所述目标CT质量参数对应的医学图像切片以及二维图像中的一种或组合。
2.根据权利要求1所述的医疗影像质量监控方法,其特征在于,响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,具体包括:
响应于质控指令,从所述目标CT质量参数和二维图像中筛选出目标数据,并组装为数据表;
输出包括所述数据表的质控展示界面,其中,所述质控展示界面包括二维图像唤出控件;
响应于对所述二维图像唤出控件的展示操作,输出对应的所述二维图像至所述质控展示界面。
3.根据权利要求2所述的医疗影像质量监控方法,其特征在于,所述质控展示界面还包括质量参数输入控件;
所述方法还包括:
响应于对所述质量参数输入控件的输入操作,更新所述质控展示界面中的数据表。
4.根据权利要求2所述的医疗影像质量监控方法,其特征在于,所述目标CT质量参数包括预设类型图像标识,所述质控展示界面还包括与所述预设类型图像标识对应的标识图像唤出控件;
所述方法还包括:
响应于对所述标识图像唤出控件的展示操作,输出对应的标识图像至所述质控展示界面。
5.根据权利要求1所述的医疗影像质量监控方法,其特征在于,响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,具体包括:
响应于质控指令,利用至少一个所述目标CT质量参数对筛选出的所述二维图像进行标注;
输出包括标注后的所述二维图像的质控展示界面。
6.根据权利要求1所述的医疗影像质量监控方法,其特征在于,所述质控指令包括扫描类型质控信息,所述目标CT质量参数包括扫描类型;
所述方法还包括:
响应于质控指令,筛选出与所述扫描类型质控信息对应扫描类型的二维图像;
基于所述筛选出的二维图像,判断访视图像序列是否符合质控需求。
7.根据权利要求1所述的医疗影像质量监控方法,其特征在于,所述质控指令包括扫描部位质控信息,所述目标CT质量参数包括扫描部位,所述二维图像包括冠状面投影图像和矢状面投影图像;
所述方法还包括:
响应于质控指令,筛选出与所述扫描部位质控信息对应扫描部位的冠状面投影图像和/或矢状面投影图像;
基于所述筛选出的冠状面投影图像和/或矢状面投影图像,判断访视图像序列是否符合质控需求。
8.根据权利要求1至7任一项所述的医疗影像质量监控方法,其特征在于,将所述访视图像序列中的图像切片投影为二维图像,还包括:
将属于同一扫描期和扫描窗的不同扫描部位的二维图像进行缝合。
9.根据权利要求1所述的医疗影像质量监控方法,其特征在于,所述目标CT质量参数包括扫描类型、扫描期、扫描窗、层间距、层厚、断面方向、切片缺失、扫描部位、运动伪影、金属伪影、外部标记、以及外部添加文字中的至少一种。
10.根据权利要求9所述的医疗影像质量监控方法,其特征在于,识别所述访视图像序列的目标CT质量参数,具体包括:
识别所述访视图像序列的扫描类型,并计算其中CT扫描序列各图像切片的断面方向,以过滤出横断面图像切片;
识别所述横断面图像切片中的图像标识以滤除对应的图像切片、以及识别所述横断面图像切片的图像通道以滤除VR图像切片,得到预缝合图像切片,其中,所述图像标识包括外部标记、外部添加文字、金属伪影、以及运动伪影中的至少一种;
识别所述预缝合图像切片的扫描信息,其中所述扫描信息包括层厚、层间距、扫描窗、扫描期、以及扫描部位中的至少一种。
11.一种医疗影像质量监控装置,其特征在于,包括:
获取模块,用于获取访视图像序列,所述访视图像序列中包括多张医学图像切片;
识别模块,用于识别所述访视图像序列的目标CT质量参数;
投影模块,用于将所述访视图像序列投影为二维图像;
生成模块,用于响应于质控指令,从预处理数据中筛选出目标数据,以生成质量监控报告,其中,所述预处理数据包括所述目标CT质量参数、与所述目标CT质量参数对应的医学图像切片以及二维图像中的一种或组合。
12.一种电子设备,包括:
至少一个处理器;以及
存储器,所述存储器存储指令,当所述指令被所述至少一个处理器执行时,使得所述至少一个处理器执行如权利要求1至10任一项所述的医疗影像质量监控方法。
13.一种机器可读存储介质,其存储有可执行指令,所述指令当被执行时使得所述机器执行如权利要求1至10任一项所述的医疗影像质量监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338649.5A CN115861175A (zh) | 2022-10-28 | 2022-10-28 | 医疗影像质量监控方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211338649.5A CN115861175A (zh) | 2022-10-28 | 2022-10-28 | 医疗影像质量监控方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115861175A true CN115861175A (zh) | 2023-03-28 |
Family
ID=85662071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211338649.5A Pending CN115861175A (zh) | 2022-10-28 | 2022-10-28 | 医疗影像质量监控方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861175A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116649993A (zh) * | 2023-04-21 | 2023-08-29 | 北京绪水互联科技有限公司 | 多期扫描影像图像质量控制方法、装置、电子设备及存储介质 |
-
2022
- 2022-10-28 CN CN202211338649.5A patent/CN115861175A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116649993A (zh) * | 2023-04-21 | 2023-08-29 | 北京绪水互联科技有限公司 | 多期扫描影像图像质量控制方法、装置、电子设备及存储介质 |
CN116649993B (zh) * | 2023-04-21 | 2024-05-14 | 北京绪水互联科技有限公司 | 多期扫描影像图像质量控制方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104346821B (zh) | 用于医学成像的自动规划 | |
US10803354B2 (en) | Cross-modality image synthesis | |
US20090180675A1 (en) | System and method for image based multiple-modality cardiac image alignment | |
JP2007530160A (ja) | 医用画像のための自動決定支援を提供するシステムおよび方法 | |
CN110807755A (zh) | 使用定位器图像进行平面选择 | |
EP2577604B1 (en) | Processing system for medical scan images | |
Jansen et al. | Liver segmentation and metastases detection in MR images using convolutional neural networks | |
Wang et al. | Semi-supervised mp-MRI data synthesis with StitchLayer and auxiliary distance maximization | |
CN107004305A (zh) | 医学图像编辑 | |
CN111882513A (zh) | 临床驱动的图像融合 | |
CN112036506A (zh) | 图像识别方法及相关装置、设备 | |
Tajbakhsh et al. | Guest editorial annotation-efficient deep learning: the holy grail of medical imaging | |
CN109416835A (zh) | 医学图像中的变化检测 | |
Yan et al. | Cine MRI analysis by deep learning of optical flow: Adding the temporal dimension | |
CN115861175A (zh) | 医疗影像质量监控方法、装置、电子设备和存储介质 | |
CN114943714A (zh) | 医学图像处理系统、装置、电子设备及存储介质 | |
EP4166085A1 (en) | Image scanning method and system for medical device | |
Gheorghiță et al. | Improving robustness of automatic cardiac function quantification from cine magnetic resonance imaging using synthetic image data | |
Kalapos et al. | Automated T1 and T2 mapping segmentation on cardiovascular magnetic resonance imaging using deep learning | |
CN115274063A (zh) | 用于操作医学图像数据集的评估系统的方法、评估系统 | |
Liu et al. | Abdominal computed tomography localizer image generation: a deep learning approach | |
CN115294110B (zh) | 扫描期的识别方法、装置、电子设备和存储介质 | |
Longuefosse et al. | Lung CT Synthesis Using GANs with Conditional Normalization on Registered Ultrashort Echo-Time MRI | |
Kumari et al. | Analysis of Biomedical Image for Alzheimer's Disease Detection | |
US11341643B1 (en) | Method and apparatus of utilizing artificial intelligence in the scrolling process |
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 |