CN116152241A - 一种脑部影像的处理方法、系统、电子设备及存储介质 - Google Patents

一种脑部影像的处理方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN116152241A
CN116152241A CN202310413450.2A CN202310413450A CN116152241A CN 116152241 A CN116152241 A CN 116152241A CN 202310413450 A CN202310413450 A CN 202310413450A CN 116152241 A CN116152241 A CN 116152241A
Authority
CN
China
Prior art keywords
disease
slice
dimensional
sequence
sequence slice
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
CN202310413450.2A
Other languages
English (en)
Other versions
CN116152241B (zh
Inventor
向贵平
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.)
Hunan Jiongxu Biotechnology Co ltd
Original Assignee
Hunan Jiongxu Biotechnology 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 Hunan Jiongxu Biotechnology Co ltd filed Critical Hunan Jiongxu Biotechnology Co ltd
Priority to CN202310413450.2A priority Critical patent/CN116152241B/zh
Publication of CN116152241A publication Critical patent/CN116152241A/zh
Application granted granted Critical
Publication of CN116152241B publication Critical patent/CN116152241B/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
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种脑部影像的处理方法、系统、电子设备及存储介质，包括获取脑部的三维医疗影像；根据三维医疗影像，对三维医疗影像进行第一方向、第二方向和第三方向的切片，获得多个二维切片；将多个二维切片进行排序，形成第一方向的第一序列切片、第二方向的第二序列切片和第三方向的第三序列切片；对第一序列切片、第二序列切片和第三序列切片进行像素分析，计算第一序列切片、第二序列切片和第三序列切片中每个像素的得病概率；计算每个像素的得病概率的平均值；根据平均值大于0.5，确定三维医疗影像存在病情。通过本申请能够有效地的对脑部三维医疗影像进行分析，并对影像进行切片和重新排序以准确判断病情和病种，提高了医疗效率。

Description

一种脑部影像的处理方法、系统、电子设备及存储介质
技术领域
本申请属于图像数据处理领域，具体涉及一种脑部影像的处理方法、系统、电子设备及存储介质。
背景技术
在现有的医疗中，大量的病种需要通过医疗影像来确定，特别是对脑部的三维影像，结构复杂而且往往患病比较严重，且无法通过开颅来加以判断。
在现有的脑部的影像分析中，都是根据医生的经验进行判断，没有科学的分析方法，在某些疾病较为罕见时，往往存在判断失误的可能，因此如何通过自动分析的方法来处理脑部影像并判断病情及病种显得尤为重要。
发明内容
本申请为了克服现有技术的不足，提供了一种脑部影像的处理方法、系统、电子设备及存储介质，能够有效解决三维脑部影像在病情以及病种判断上的难度以及效率低的问题，通过对三维脑部影像进行切片以及重新排序并进行分析，从而帮助医生更快地确定病情以及病种，提高了医院地整体效率和正确性。
为了实现上述目的，本申请采用以下技术方案：
一种脑部影像的处理方法，包括：
获取脑部的三维医疗影像；
根据所述三维医疗影像，对所述三维医疗影像进行第一方向、第二方向和第三方向的切片，获得多个二维切片；
将所述多个二维切片进行排序，形成所述第一方向的第一序列切片、所述第二方向的第二序列切片和所述第三方向的第三序列切片；
对所述第一序列切片、所述第二序列切片和所述第三序列切片进行像素分析，计算所述第一序列切片、所述第二序列切片和所述第三序列切片中每个像素的得病概率；
计算所述每个像素的得病概率的平均值；
根据所述平均值大于0.5，确定所述三维医疗影像存在病情。
进一步的，还包括：
根据所述得病概率，得到所述每一个二维切片中的得病概率分布，所述得病概率分布为横轴为像素排序、纵轴为所述得病概率的分布集合；
根据所述每一个二维切片的预设权重和所述得病概率分布，计算所述第一序列切片的第一得病贡献率、所述第一序列切片的第二得病贡献率和所述第一序列切片的第三得病贡献率；
根据所述第一得病贡献率、所述第二得病贡献率和所述第三得病贡献率，确定所述病情为第一病种。
进一步的，还包括，所述第一得病贡献率的计算包括：
将所述每一个二维切片的每个像素的所述得病概率相乘得到乘积；
将所述乘积与对应的二维切片的预设权重相乘得到对应的二维切片的权重得病率；
将所述第一序列切片的所有二维切片的所述权重得病率相加，得到所述第一得病贡献率。
另外，还提供了一种脑部影像的处理系统，包括：
影像获取模块，用于获取脑部的三维医疗影像；
切片模块，用于根据所述三维医疗影像，对所述三维医疗影像进行第一方向、第二方向和第三方向的切片，获得多个二维切片；
排序模块，用于将所述多个二维切片进行排序，形成所述第一方向的第一序列切片、所述第二方向的第二序列切片和所述第三方向的第三序列切片；
像素分析模块，用于对所述第一序列切片、所述第二序列切片和所述第三序列切片进行像素分析，计算所述第一序列切片、所述第二序列切片和所述第三序列切片中每个像素的得病概率；
计算模块，用于计算所述每个像素的得病概率的平均值；
病情判断模块，用于根据所述平均值大于0.5，确定所述三维医疗影像存在病情。
进一步的，还包括病种判断模块，所述病种判断模块用于：
根据所述得病概率，得到所述每一个二维切片中的得病概率分布，所述得病概率分布为横轴为像素排序、纵轴为所述得病概率的分布集合；
根据所述每一个二维切片的预设权重和所述得病概率分布，计算所述第一序列切片的第一得病贡献率、所述第一序列切片的第二得病贡献率和所述第一序列切片的第三得病贡献率；
根据所述第一得病贡献率、所述第二得病贡献率和所述第三得病贡献率，确定所述病情为第一病种。
进一步的，还包括，所述第一得病贡献率的计算包括：
将所述每一个二维切片的每个像素的所述得病概率相乘得到乘积；
将所述乘积与对应的二维切片的预设权重相乘得到对应的二维切片的权重得病率；
将所述第一序列切片的所有二维切片的所述权重得病率相加，得到所述第一得病贡献率。
另外，还提供了一种电子设备，所述电子设备包括处理器，所述处理器用于执行至少一条程序代码，使得所述电子设备执行如上述的方法。
另外，还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器读取以使电子设备执行如上述的方法。
附图说明
图1为系统的结构示意图；
图2为电子设备的结构示意图。
具体实施方式
在本申请的描述中，需要理解的是，术语等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的系统或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
本方法和系统能够通过对脑部三维影像进行分析来确定病情病种，提高了病情和病种诊断的准确性和效率，通过对三维影像进行二维切片并根据对二维切片进行分析，以及对切片进行重新排序，从而能够提高复杂三维医疗影像诊断病情和病种的效率，降低难度，提高准确性。
在一些实施例中，一种脑部影像的处理方法，包括：
获取脑部的三维医疗影像，该三维医疗影像可以通过CT或者其他的方式获得。
三维医疗影像是以三维的方式呈现出来，比如CT或者MRI影像等，这些影像都是为了获取病人体内的病情和病种信息而制作的，通过影像来确定病种。
对所述三维医疗影像进行第一方向、第二方向和第三方向的切片，获得多个二维切片；对于第一方向、第二方向和第三方向的确定可以是根据不同的三维医疗影像来确定，比如对于脑部的三维医疗影像可以从水平面、冠状面和矢状面进行切片；在其他的三维医疗影像中也可以根据不同的部位或者情况而定，这也可以是医生或者医院根据具体的情况事先确定的。
将所述多个二维切片进行排序，形成所述第一方向的第一序列切片、所述第二方向的第二序列切片和所述第三方向的第三序列切片。
对所述第一序列切片、所述第二序列切片和所述第三序列切片进行像素分析，计算所述第一序列切片、所述第二序列切片和所述第三序列切片中每个像素的得病概率。该得病概率地计算可以根据图像的像素特征值来计算，这是本领域的常规知识，通过事先建立起病例的样本库，在样本库中对于存在病种的样本进行分析，对每个像素的特征值进行计算分析以归纳出存在病种的像素的特征值，并且由于图像的像素有时会存在误差，因此在计算得病概率时也可以考虑误差所在，通过对于病种样本的分析来确定得病概率的计算。
计算所述每个像素的得病概率的平均值。
根据所述平均值大于0.5，确定所述三维医疗影像存在病情。
通过上述的方法能够确定的是三维医疗影像存在病情，但是尚无法确定是哪种具体的病种，而是仅诊断存在病情，本申请通过两步走的方式来先确定是否存在病情，然后再确定具体是哪种病种，具体如下。
在一些实施例中，还包括：
根据所述得病概率，得到所述每一个二维切片中的得病概率分布，所述得病概率分布为横轴为像素排序、纵轴为所述得病概率的分布集合；
根据所述每一个二维切片的预设权重和所述得病概率分布，计算所述第一序列切片的第一得病贡献率、所述第一序列切片的第二得病贡献率和所述第一序列切片的第三得病贡献率；
根据所述第一得病贡献率、所述第二得病贡献率和所述第三得病贡献率，确定为所述第一病种。
在一些实施例中，还包括，所述第一得病贡献率的计算包括：
将所述每一个二维切片的每个像素的所述得病概率相乘得到乘积；
将所述乘积与对应的二维切片的预设权重相乘得到对应的二维切片的权重得病率；
将所述第一序列切片的所有二维切片的所述权重得病率相加，得到所述第一得病贡献率。
在一些实施例中，如图1所示，还提供了一种脑部影像的处理系统1，包括：
影像获取模块11，用于获取脑部的三维医疗影像；
切片模块12，用于根据所述三维医疗影像，对所述三维医疗影像进行第一方向、第二方向和第三方向的切片，获得多个二维切片；
排序模块13，用于将所述多个二维切片进行排序，形成所述第一方向的第一序列切片、所述第二方向的第二序列切片和所述第三方向的第三序列切片；
像素分析模块14，用于对所述第一序列切片、所述第二序列切片和所述第三序列切片进行像素分析，计算所述第一序列切片、所述第二序列切片和所述第三序列切片中每个像素的得病概率；
计算模块15，用于计算所述每个像素的得病概率的平均值；
病情判断模块16，用于根据所述平均值大于0.5，确定所述三维医疗影像存在病情。
在一些实施例中，还包括病种判断模块17，所述病种判断模块17用于：
根据所述得病概率，得到所述每一个二维切片中的得病概率分布，所述得病概率分布为横轴为像素排序、纵轴为所述得病概率的分布集合；
根据所述每一个二维切片的预设权重和所述得病概率分布，计算所述第一序列切片的第一得病贡献率、所述第一序列切片的第二得病贡献率和所述第一序列切片的第三得病贡献率；
根据所述第一得病贡献率、所述第二得病贡献率和所述第三得病贡献率，确定所述病情为第一病种。
在一些实施例中，所述第一得病贡献率的计算包括：
将所述每一个二维切片的每个像素的所述得病概率相乘得到乘积；
将所述乘积与对应的二维切片的预设权重相乘得到对应的二维切片的权重得病率；
将所述第一序列切片的所有二维切片的所述权重得病率相加，得到所述第一得病贡献率。
如图2所示，本申请实施例提供的一种电子设备的结构示意图，电子设备1000包括一个或多个处理器1001以及一个或多个存储器1002。该一个或多个存储器1002与一个或多个处理器1001耦合，一个或多个存储器1002用于存储程序代码，当一个或多个处理器执行该程序代码时，使得电子设备1000执行上述相关方法步骤实现上述实施例中的脑部影像的处理方法。当然，该电子设备1000还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该电子设备1000还可以包括其他用于实现设备功能的部件，在此不做赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由电子设备中的处理器执行以完成上述实施例中的脑部影像的处理方法。例如，该计算机可读存储介质是非临时计算机可读存储介质，如只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、只读光盘(compactdisc read-only memory，CD-ROM)、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括程序代码，该程序代码存储在计算机可读存储介质中，电子设备中的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，使得电子设备执行上述脑部影像的处理方法。
另外，本申请的实施例还提供一种装置，这个装置具体可以是芯片，组件或模块，该装置可包括相连的处理器和存储器；其中，存储器用于存储计算机执行指令，当装置运行时，处理器可执行存储器存储的计算机执行指令，以使芯片执行上述各方法实施例中脑部影像的处理方法。
其中，本实施例提供的装置、设备、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。
通过以上实施方式的描述，所属领域的技术人员可以了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，与上述实施例提供的脑部影像的处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请的描述中，除非另有说明，“/”表示“或”的意思，例如，A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。此外，“至少一个”是指一个或多个，“多个”是指两个或两个以上。“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
本申请中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
需要说明的是，本申请所涉及的信息(包括但不限于用户设备信息、用户个人信息等)、数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)以及信号，均为经用户授权或者经过各方充分授权的，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种脑部影像的处理方法，其特征在于，包括：
获取脑部的三维医疗影像；
根据所述三维医疗影像，对所述三维医疗影像进行第一方向、第二方向和第三方向的切片，获得多个二维切片；
将所述多个二维切片进行排序，形成所述第一方向的第一序列切片、所述第二方向的第二序列切片和所述第三方向的第三序列切片；
对所述第一序列切片、所述第二序列切片和所述第三序列切片进行像素分析，计算所述第一序列切片、所述第二序列切片和所述第三序列切片中每个像素的得病概率；
计算所述每个像素的得病概率的平均值；
根据所述平均值大于0.5，确定所述三维医疗影像存在病情。
2.根据权利要求1所述的一种脑部影像的处理方法，其特征在于，还包括：
根据所述得病概率，得到每一个所述二维切片中的得病概率分布，所述得病概率分布为横轴为像素排序、纵轴为所述得病概率的分布集合；
根据每一个所述二维切片的预设权重和所述得病概率分布，计算所述第一序列切片的第一得病贡献率、所述第一序列切片的第二得病贡献率和所述第一序列切片的第三得病贡献率；
根据所述第一得病贡献率、所述第二得病贡献率和所述第三得病贡献率，确定所述病情为第一病种。
3.根据权利要求2所述的一种脑部影像的处理方法，其特征在于，还包括，所述第一得病贡献率的计算包括：
将每一个所述二维切片的每个像素的所述得病概率相乘得到乘积；
将所述乘积与对应的二维切片的预设权重相乘得到对应的二维切片的权重得病率；
将所述第一序列切片的所有二维切片的所述权重得病率相加，得到所述第一得病贡献率。
4.一种脑部影像的处理系统，其特征在于，包括：
影像获取模块，用于获取脑部的三维医疗影像；
切片模块，用于根据所述三维医疗影像，对所述三维医疗影像进行第一方向、第二方向和第三方向的切片，获得多个二维切片；
排序模块，用于将所述多个二维切片进行排序，形成所述第一方向的第一序列切片、所述第二方向的第二序列切片和所述第三方向的第三序列切片；
像素分析模块，用于对所述第一序列切片、所述第二序列切片和所述第三序列切片进行像素分析，计算所述第一序列切片、所述第二序列切片和所述第三序列切片中每个像素的得病概率；
计算模块，用于计算所述每个像素的得病概率的平均值；
病情判断模块，用于根据所述平均值大于0.5，确定所述三维医疗影像存在病情。
5.根据权利要求4所述的一种脑部影像的处理系统，其特征在于，还包括病种判断模块，所述病种判断模块用于：
根据所述得病概率，得到每一个所述二维切片中的得病概率分布，所述得病概率分布为横轴为像素排序、纵轴为所述得病概率的分布集合；
根据每一个所述二维切片的预设权重和所述得病概率分布，计算所述第一序列切片的第一得病贡献率、所述第一序列切片的第二得病贡献率和所述第一序列切片的第三得病贡献率；
根据所述第一得病贡献率、所述第二得病贡献率和所述第三得病贡献率，确定所述病情为第一病种。
6.根据权利要求5所述的一种脑部影像的处理系统，其特征在于，还包括，所述第一得病贡献率的计算包括：
将每一个所述二维切片的每个像素的所述得病概率相乘得到乘积；
将所述乘积与对应的二维切片的预设权重相乘得到对应的二维切片的权重得病率；
将所述第一序列切片的所有二维切片的所述权重得病率相加，得到所述第一得病贡献率。
7.一种电子设备，其特征在于，所述电子设备包括处理器，所述处理器用于执行至少一条程序代码，使得所述电子设备执行如权利要求1至权利要求3中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器读取以使电子设备执行如权利要求1至权利要求3中任一项所述的方法。
CN202310413450.2A 2023-04-18 2023-04-18 一种脑部影像的处理方法、系统、电子设备及存储介质 Active CN116152241B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310413450.2A CN116152241B (zh) 2023-04-18 2023-04-18 一种脑部影像的处理方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310413450.2A CN116152241B (zh) 2023-04-18 2023-04-18 一种脑部影像的处理方法、系统、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116152241A true CN116152241A (zh) 2023-05-23
CN116152241B CN116152241B (zh) 2023-07-25

Family

ID=86341020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310413450.2A Active CN116152241B (zh) 2023-04-18 2023-04-18 一种脑部影像的处理方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116152241B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807788A (zh) * 2019-10-21 2020-02-18 腾讯科技（深圳）有限公司 医学图像处理方法、装置、电子设备及计算机存储介质
CN111507462A (zh) * 2020-04-15 2020-08-07 华中科技大学鄂州工业技术研究院 一种端对端的三维医学图像超分辨率重建方法及系统
CN111832644A (zh) * 2020-07-08 2020-10-27 北京工业大学 一种基于序列级别的脑部医疗影像报告生成方法及系统
US20210049397A1 (en) * 2018-10-16 2021-02-18 Tencent Technology (Shenzhen) Company Limited Semantic segmentation method and apparatus for three-dimensional image, terminal, and storage medium
CN113053497A (zh) * 2021-03-08 2021-06-29 北京邮电大学 一种优化组织学病理图像智能分析性能的后处理方法
CN115841457A (zh) * 2022-11-10 2023-03-24 湖南科技大学 一种融合多视图信息的三维医学图像分割方法
CN115965837A (zh) * 2023-02-23 2023-04-14 上海联影智能医疗科技有限公司 图像重建模型训练方法、图像重建方法及相关设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210049397A1 (en) * 2018-10-16 2021-02-18 Tencent Technology (Shenzhen) Company Limited Semantic segmentation method and apparatus for three-dimensional image, terminal, and storage medium
CN110807788A (zh) * 2019-10-21 2020-02-18 腾讯科技（深圳）有限公司 医学图像处理方法、装置、电子设备及计算机存储介质
CN111507462A (zh) * 2020-04-15 2020-08-07 华中科技大学鄂州工业技术研究院 一种端对端的三维医学图像超分辨率重建方法及系统
CN111832644A (zh) * 2020-07-08 2020-10-27 北京工业大学 一种基于序列级别的脑部医疗影像报告生成方法及系统
CN113053497A (zh) * 2021-03-08 2021-06-29 北京邮电大学 一种优化组织学病理图像智能分析性能的后处理方法
CN115841457A (zh) * 2022-11-10 2023-03-24 湖南科技大学 一种融合多视图信息的三维医学图像分割方法
CN115965837A (zh) * 2023-02-23 2023-04-14 上海联影智能医疗科技有限公司 图像重建模型训练方法、图像重建方法及相关设备

Also Published As

Publication number Publication date
CN116152241B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
EP2752783A2 (en) Apparatus and method for supporting acquisition of multi-parametric images
US20220351501A1 (en) Three-dimensional target detection and model training method and device, and storage medium
Shinohara et al. Population-wide principal component-based quantification of blood–brain-barrier dynamics in multiple sclerosis
US8682051B2 (en) Smoothing of dynamic data sets
CN105579847B (zh) 疾病分析装置、控制方法和程序
CN104093354A (zh) 用于评估医学图像的方法和设备
CN111861989B (zh) 一种脑中线检测方法、系统、终端及存储介质
CN111080584A (zh) 医学图像的质控方法、计算机设备和可读存储介质
CN112150376B (zh) 血管医学影像分析方法、装置、计算机设备和存储介质
CA2527219A1 (en) Automatic optimal view determination for cardiac acquisitions
CN114399483B (zh) 皮层靶点确定方法、装置、电子设备及存储介质
CN116152241B (zh) 一种脑部影像的处理方法、系统、电子设备及存储介质
CN108511052B (zh) 用于确定投影数据组的方法以及投影确定系统
US20220277577A1 (en) Document creation support apparatus, document creation support method, and document creation support program
CN103501701A (zh) 诊断性脑成像
CN115861283A (zh) 医学影像的分析方法、装置、设备及存储介质
Bashir et al. Automated liver sampling using a gradient dual‐echo Dixon‐based technique
CN113538352B (zh) 脑卒中组织窗评价值的获取方法及装置、存储介质
CN113706644A (zh) 图像处理方法及其装置、存储介质
US20230196574A1 (en) Image processing apparatus, image processing method and program, and image processing system
US20240194324A1 (en) Image transmission method and image receiving apparatus
CN118248277B (zh) 一种医学影像数据的采集传输方法
CN113379676B (zh) 灰白质体积异常检测矫正方法、装置、设备和存储介质
US11238589B2 (en) Medical imaging with invalid data removal
CN112651924B (zh) 一种数据生成装置、方法、终端和存储介质

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