CN116269466A - 一种ct低对比可探测能力自动检测计算方法 - Google Patents
一种ct低对比可探测能力自动检测计算方法 Download PDFInfo
- Publication number
- CN116269466A CN116269466A CN202310520058.8A CN202310520058A CN116269466A CN 116269466 A CN116269466 A CN 116269466A CN 202310520058 A CN202310520058 A CN 202310520058A CN 116269466 A CN116269466 A CN 116269466A
- Authority
- CN
- China
- Prior art keywords
- test
- low
- contrast
- detection
- data
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 87
- 238000004364 calculation method Methods 0.000 title claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 141
- 108010007004 cathelin Proteins 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 17
- 230000000007 visual effect Effects 0.000 claims description 14
- 102000005600 Cathepsins Human genes 0.000 claims description 13
- 108010084457 Cathepsins Proteins 0.000 claims description 13
- 241000252147 Atractosteus spatula Species 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
- A61B6/583—Calibration using calibration phantoms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种CT低对比可探测能力自动检测计算方法,涉及CT检测技术领域,步骤一、获取catphan模体信息,并获取CT的射线剂量范围,射线剂量不大于50mGy;步骤二、对试验模式以及试验周期进行规划,并得到试验模式的数据结果集合,并进行数据储存;步骤三、将条件试验项与试验体,进行再一组的试验,并整合结果;步骤四、对试验结果进行输出,获取极限值;步骤五、按照试验周期的制定,对CT低对比可探测能力进行定期检测,获得CT低对比可探测能力损耗指数。本发明能够实时了解CT对于低密度分辨的能力,知晓对于临床使用检测结果的可信情况,可根据CT低对比可探测能力对设备进行维护或更换,具有较好的监测作用。
Description
技术领域
本发明涉及CT检测技术领域,具体涉及一种CT低对比可探测能力自动检测计算方法。
背景技术
CT机的低对比度分辨力一般采用标准低对比度分辨力模体来测量,通过视觉观察确定其分辨力大小。
申请号CN202110727379.6公开了一种CT低对比可探测能力自动检测计算方法,步骤一:将CT水模扫描图像的中心区域划分出多个直径为d的圆形ROI,d的取值范围在2mm到10mm之间,计算每一个ROI区域内所有CT值的均值μ;步骤二:计算所有ROI平均值的标准偏差;步骤三:基于统计学原理,要以95%的置信度从背景中分辨出这些低对比度物体,CT值差异需要为3.29σμ,将所得的CT值差异乘1%即为低分辨物体的对比度;步骤四:将得到的对比度数值与相应的直径d相乘,各ROI乘积的平均值作为低对比可探测能力的检测值,其结构合理,对模体的要求低,容易实现,摆放和定位容易,测量结果具有客观性且定量严格。
现有技术存在以下不足:在对CT低对比可探测能力检测的过程中无法进行大量的实验并进行可用实验数据的判断,进而难以对CT低对比可探测能力进行更加准确的测定,且在CT设备长期使用的过程中,CT低对比可探测能力会有所变化,无法进行实时的定期检测,且对设备没有更好的损耗判断作用。
发明内容
本发明的目的是提供一种CT低对比可探测能力自动检测计算方法,以解决背景技术中不足。
为了实现上述目的,本发明提供如下技术方案:一种CT低对比可探测能力自动检测计算方法,包括以下步骤:
步骤一、获取catphan模体信息,并获取CT的射线剂量范围,射线剂量不大于50mGy;
步骤二、对试验模式以及试验周期进行规划,并得到试验模式的数据结果集合,并进行数据储存;
步骤三、将条件试验项与试验体,进行再一组的试验,并整合结果;
步骤四、对试验结果进行输出,获取极限值;
步骤五、按照试验周期的制定,对CT低对比可探测能力进行定期检测,获得CT低对比可探测能力损耗指数。
在一个优选的实施方式中,在步骤一中,
获取catphan模体特征和数量,进而对catphan模体按照数量和特征进行身份编号;
catphan模体中划分有若干个圆形的检测项,单个检测项具有一个固定的直径和对比度,若干个圆形的检测项直径和对比度均不相同,形成单个catphan模体特征;
对catphan模体特征进行范围分类,形成特征分类,特征分类范围分别为:
检测范围;
适应范围;
极限范围;
catphan模体的特征分类范围类别中分别具有若干个catphan模体;
获取CT的射线剂量范围进行区间划分,形成剂量区间,剂量区间分别为:
将剂量区间与特征分类的数据进行储存。
在一个优选的实施方式中,在步骤二中,
试验模式的数据结果集合的形成方式为:
获取剂量区间与特征分类的数据,进而剂量区间形成条件试验项,特征分类形成试验体;
将条件试验项与试验体进行交叉组合,形成若干个试验模式,按照试验模式进行逐一的试验,进而得到试验结果,并对实验结果一一对应试验模式进行绑定;
剔除掉其中对catphan模体中的检测项没有可视化密度分辨率的结果数据以及对catphan模体中的检测项全部可视化密度分辨率的结果数据,并同时剔除绑定的试验模式,其余的试验模式标记为在线测量试验模式项;
对试验结果的可视化密度分辨图像的分辨程度需要背景和检测项具有3.3σμ的密度差异值;
确定单个catphan模体试验结果中最小的可密度分辨到的检测项,同时结合绑定
的剂量区间对catphan模体的低对比可探测能力进行测定,为(,,),D
为单个catphan模体试验结果中最小的可密度分辨到的检测项直径,L为单个catphan模体
试验结果中最小的可密度分辨到的检测项对比度,M为针对当次catphan模体试验所使用的
CT剂量,进而形成原始低对比可探测能力检测对应项;
对所有的在线测量试验模式项均按照原始低对比可探测能力检测对应项的形成方式进行测定,得到数据结果集合。
在一个优选的实施方式中,在步骤二中,
试验周期的规划为:
通过管理端设定CT低对比可探测能力的检测周期,进而形成自动检测提示;
同时对历史CT低对比可探测能力进行记录,得到CT低对比可探测能力变化曲线图展示。
在一个优选的实施方式中,在步骤三中,
获取条件试验项与试验体信息,进而使其交叉,形成若干个试验模式,剔除掉其中对catphan模体中的检测项没有可视化密度分辨率的结果数据以及对catphan模体中的检测项全部可视化密度分辨率的结果数据,并同时剔除绑定的试验模式,其余的试验模式标记为再一组在线测量试验模式项;
逐个对试验模式进行检测,进而得到试验结果,结合在线测量试验模式项形成更新的低对比可探测能力检测对应项;
对所有的在线测量试验模式项均按照更新的低对比可探测能力检测对应项的形成方式进行测定,得到再一次数据结果集合,将再一次数据结果集合与数据结果集合进行整合。
在一个优选的实施方式中,在步骤四中,
获取再一次数据结果集合与数据结果集合的整合数据,进而获取到其中最小
的值,其中,那么CT低对比可探测能力最小分辨的数据为(,,),为整合数据中最小的可密度分辨到的检测项直径,为整合数据中
最小的可密度分辨到的检测项对比度,为对应和检测项所使用的CT剂量,进而CT
低对比可探测能力的计算公式为:
在一个优选的实施方式中,在步骤五中,
获取试验周期,进而按照试验周期进行CT低对比可探测能力的重新检测,得到更新的CT低对比可探测能力值;
参照历史CT低对比可探测能力数据得到CT低对比可探测能力损耗指数。
在一个优选的实施方式中,CT低对比可探测能力损耗指数计算公式为:
在上述技术方案中,本发明提供的技术效果和优点:
1、本发明通过设定剂量区间与特征分类,能够对数据的模式匹配更好的管理,可清晰且系统的对模式可用度进行判断,能够更好的对CT低对比可探测能力进行检测,大大提高了数据的稳定性和可靠性;
2、本发明能够了解对CT设备使用的程度,对设备的质量以及使用人员对设备的合理使用情况进行一定的了解,并定期对CT低对比可探测能力进行检测,能够实时了解CT对于低密度分辨的能力,知晓对于临床使用检测结果的可信情况,可根据CT低对比可探测能力对设备进行维护或更换,具有较好的监测作用。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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所示,本实施例所述一种CT低对比可探测能力自动检测计算方法,包括以下步骤:
步骤一、获取catphan模体(影像检测模体,负责检测CT图像的质量)信息,并获取CT的射线剂量范围,射线剂量不大于50mGy;
获取catphan模体特征和数量,进而对catphan模体按照数量和特征(特征为catphan模体中检测项的直径和对比度的范围)进行身份编号;
catphan模体中划分有若干个圆形的检测项,单个检测项具有一个固定的直径和对比度,若干个圆形的检测项直径和对比度均不相同,形成单个catphan模体特征;
对catphan模体特征进行范围分类,形成特征分类,特征分类范围分别为:
检测范围(代表CT的低对比可探测能力一般,密度差异较大);
适应范围(代表CT的低对比可探测能力良好,密度差异中等);
极限范围(代表CT的低对比可探测能力优异,密度差异最小);
catphan模体的特征分类范围类别中分别具有若干个catphan模体;
获取CT的射线剂量范围进行区间划分,形成剂量区间,剂量区间分别为:
将剂量区间与特征分类的数据进行储存。
步骤二、对试验模式以及试验周期进行规划,并得到试验模式的数据结果集合,并进行数据储存;
试验模式的数据结果集合的形成方式为:
获取剂量区间与特征分类的数据,进而剂量区间形成条件试验项,特征分类形成试验体;
将条件试验项与试验体进行交叉组合,形成若干个试验模式,按照试验模式进行逐一的试验,进而得到试验结果(可视化密度分辨图像),并对实验结果一一对应试验模式进行绑定;
剔除掉其中对catphan模体中的检测项没有可视化密度分辨率的结果数据以及对catphan模体中的检测项全部可视化密度分辨率的结果数据,并同时剔除绑定的试验模式,其余的试验模式标记为在线测量试验模式项;
对试验结果的可视化密度分辨图像的分辨程度需要背景和检测项具有3.3σμ的密度差异值;
确定单个catphan模体试验结果中最小的可密度分辨到的检测项,同时结合绑定的剂量区间对catphan模体的低对比可探测能力进行测定,为(Dmm,LHU,M mGy),D为单个catphan模体试验结果中最小的可密度分辨到的检测项直径,L为单个catphan模体试验结果中最小的可密度分辨到的检测项对比度,M为针对当次catphan模体试验所使用的CT剂量,进而形成原始低对比可探测能力检测对应项,可产生数量足够的数据进行CT低对比可探测能力的检测,可清晰且系统的对模式可用度进行判断,能够更好的对CT低对比可探测能力进行检测;
对所有的在线测量试验模式项均按照原始低对比可探测能力检测对应项的形成方式进行测定,得到数据结果集合;
试验周期的规划为:
通过管理端设定CT低对比可探测能力的检测周期,进而形成自动检测提示;
同时对历史CT低对比可探测能力进行记录,得到CT低对比可探测能力变化曲线图展示;
能够保证数据的可参考性,能够对数据具有较好的管理性。
步骤三、将条件试验项与试验体,进行再一组的试验,并整合结果;
获取条件试验项与试验体信息,进而使其交叉,形成若干个试验模式,剔除掉其中对catphan模体中的检测项没有可视化密度分辨率的结果数据以及对catphan模体中的检测项全部可视化密度分辨率的结果数据,并同时剔除绑定的试验模式,其余的试验模式标记为再一组在线测量试验模式项;
逐个对试验模式进行检测,进而得到试验结果,结合在线测量试验模式项形成更新的低对比可探测能力检测对应项;
对所有的在线测量试验模式项均按照更新的低对比可探测能力检测对应项的形成方式进行测定,得到再一次数据结果集合,将再一次数据结果集合与数据结果集合进行整合。
步骤四、对试验结果进行输出,获取极限值;
获取再一次数据结果集合与数据结果集合的整合数据,进而获取到其中最小
的值,其中,其中,为数据结果集合中的整合数据最小指数,那么
CT低对比可探测能力最小分辨的数据为(,,),为整合数据中最
小的可密度分辨到的检测项直径,为整合数据中最小的可密度分辨到的检测项对比度,为对应和检测项所使用的CT剂量,检测项直径越小对应密度对比度越小;进而CT
低对比可探测能力的计算公式为:
步骤五、按照试验周期的制定,对CT低对比可探测能力进行定期检测,获得CT低对比可探测能力损耗指数。
实施例2,请参阅图1所示,定期对CT低对比可探测能力进行检测,能够实时了解CT对于低密度分辨的能力,知晓对于临床使用检测结果的可信情况,可根据CT低对比可探测能力对设备进行维护或更换,获取试验周期,进而按照试验周期进行CT低对比可探测能力的重新检测,得到更新的CT低对比可探测能力值;
参照历史CT低对比可探测能力数据得到CT低对比可探测能力损耗指数,其计算公式为:
其中,为CT低对比可探测能力损耗指数,n为当次CT低对比可探测能力检测的
次数,为试验周期,需要说明的是,与n的数值越大,的数值越小,那么的
数值越大,即代表CT低对比可探测能力损耗越严重,大于设定阈值时,代表设备的质量
存在问题或者使用不当导致CT设备损耗严重;设定剂量区间与特征分类,能够对数据的模
式匹配更好的管理,可产生数量足够的数据进行CT低对比可探测能力的检测,可清晰且系
统的对模式可用度进行判断,能够更好的对CT低对比可探测能力进行检测,大大提高了数
据的稳定性和可靠性;
能够了解对CT设备使用的程度,对设备的质量以及使用人员对设备的合理使用情况进行一定的了解,并定期对CT低对比可探测能力进行检测,能够实时了解CT对于低密度分辨的能力,知晓对于临床使用检测结果的可信情况,可根据CT低对比可探测能力对设备进行维护或更换,具有较好的监测作用。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种CT低对比可探测能力自动检测计算方法,其特征在于,包括以下步骤:
步骤一、获取catphan模体信息,并获取CT的射线剂量范围,射线剂量不大于50mGy;
步骤二、对试验模式以及试验周期进行规划,并得到试验模式的数据结果集合,并进行数据储存;
步骤三、将条件试验项与试验体,进行再一组的试验,并整合结果;
步骤四、对试验结果进行输出,获取极限值;
步骤五、按照试验周期的制定,对CT低对比可探测能力进行定期检测,获得CT低对比可探测能力损耗指数。
2.根据权利要求1所述的一种CT低对比可探测能力自动检测计算方法,其特征在于:在步骤一中,
获取catphan模体特征和数量,进而对catphan模体按照数量和特征进行身份编号;
catphan模体中划分有若干个圆形的检测项,单个检测项具有一个固定的直径和对比度,若干个圆形的检测项直径和对比度均不相同,形成单个catphan模体特征;
对catphan模体特征进行范围分类,形成特征分类,特征分类范围分别为:
检测范围;
适应范围;
极限范围;
catphan模体的特征分类范围类别中分别具有若干个catphan模体;
获取CT的射线剂量范围进行区间划分,形成剂量区间,剂量区间分别为:
将剂量区间与特征分类的数据进行储存。
3.根据权利要求2所述的一种CT低对比可探测能力自动检测计算方法,其特征在于:在步骤二中,
试验模式的数据结果集合的形成方式为:
获取剂量区间与特征分类的数据,进而剂量区间形成条件试验项,特征分类形成试验体;
将条件试验项与试验体进行交叉组合,形成若干个试验模式,按照试验模式进行逐一的试验,进而得到试验结果,并对实验结果一一对应试验模式进行绑定;
剔除掉其中对catphan模体中的检测项没有可视化密度分辨率的结果数据以及对catphan模体中的检测项全部可视化密度分辨率的结果数据,并同时剔除绑定的试验模式,其余的试验模式标记为在线测量试验模式项;
对试验结果的可视化密度分辨图像的分辨程度需要背景和检测项具有3.3σμ的密度差异值;
确定单个catphan模体试验结果中最小的可密度分辨到的检测项,同时结合绑定的剂量区间对catphan模体的低对比可探测能力进行测定,为(,/>,/>),D为单个catphan模体试验结果中最小的可密度分辨到的检测项直径,L为单个catphan模体试验结果中最小的可密度分辨到的检测项对比度,M为针对当次catphan模体试验所使用的CT剂量,进而形成原始低对比可探测能力检测对应项;
对所有的在线测量试验模式项均按照原始低对比可探测能力检测对应项的形成方式进行测定,得到数据结果集合。
4.根据权利要求3所述的一种CT低对比可探测能力自动检测计算方法,其特征在于:在步骤二中,
试验周期的规划为:
通过管理端设定CT低对比可探测能力的检测周期,进而形成自动检测提示;
同时对历史CT低对比可探测能力进行记录,得到CT低对比可探测能力变化曲线图展示。
5.根据权利要求4所述的一种CT低对比可探测能力自动检测计算方法,其特征在于:在步骤三中,
获取条件试验项与试验体信息,进而使其交叉,形成若干个试验模式,剔除掉其中对catphan模体中的检测项没有可视化密度分辨率的结果数据以及对catphan模体中的检测项全部可视化密度分辨率的结果数据,并同时剔除绑定的试验模式,其余的试验模式标记为再一组在线测量试验模式项;
逐个对试验模式进行检测,进而得到试验结果,结合在线测量试验模式项形成更新的低对比可探测能力检测对应项;
对所有的在线测量试验模式项均按照更新的低对比可探测能力检测对应项的形成方式进行测定,得到再一次数据结果集合,将再一次数据结果集合与数据结果集合进行整合。
7.根据权利要求6所述的一种CT低对比可探测能力自动检测计算方法,其特征在于:在步骤五中,
获取试验周期,进而按照试验周期进行CT低对比可探测能力的重新检测,得到更新的CT低对比可探测能力值;
参照历史CT低对比可探测能力数据得到CT低对比可探测能力损耗指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520058.8A CN116269466B (zh) | 2023-05-10 | 2023-05-10 | 一种ct低对比可探测能力自动检测计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310520058.8A CN116269466B (zh) | 2023-05-10 | 2023-05-10 | 一种ct低对比可探测能力自动检测计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116269466A true CN116269466A (zh) | 2023-06-23 |
CN116269466B CN116269466B (zh) | 2023-08-18 |
Family
ID=86798042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310520058.8A Active CN116269466B (zh) | 2023-05-10 | 2023-05-10 | 一种ct低对比可探测能力自动检测计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116269466B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007222599A (ja) * | 2006-01-26 | 2007-09-06 | Toshiba Corp | X線ct装置、コンピュータプログラム及びファントム保持具 |
JP2010151726A (ja) * | 2008-12-26 | 2010-07-08 | National Institute Of Advanced Industrial Science & Technology | X線分解能評価用ファントム |
US20120230576A1 (en) * | 2009-07-17 | 2012-09-13 | Rohler David P | Extended low contrast detectability for radiographic imaging systems |
CN104720839A (zh) * | 2015-02-06 | 2015-06-24 | 中国计量科学研究院 | 一种新型ct性能检测用模体 |
US20160051219A1 (en) * | 2014-08-20 | 2016-02-25 | Canon Kabushiki Kaisha | Evaluation method for radiographing apparatus and phantom used in evaluation |
US20160095569A1 (en) * | 2014-10-07 | 2016-04-07 | Carestream Health, Inc. | Quality control phantom |
CN107948637A (zh) * | 2017-12-14 | 2018-04-20 | 上海联影医疗科技有限公司 | 一种模体图像质量检测方法和系统 |
CN113367712A (zh) * | 2021-06-29 | 2021-09-10 | 吉林大学 | 一种ct低对比可探测能力自动检测计算方法 |
CN115841525A (zh) * | 2022-11-24 | 2023-03-24 | 青岛大学附属医院 | 腹部ct扫描图像处理方法及系统 |
-
2023
- 2023-05-10 CN CN202310520058.8A patent/CN116269466B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007222599A (ja) * | 2006-01-26 | 2007-09-06 | Toshiba Corp | X線ct装置、コンピュータプログラム及びファントム保持具 |
JP2010151726A (ja) * | 2008-12-26 | 2010-07-08 | National Institute Of Advanced Industrial Science & Technology | X線分解能評価用ファントム |
US20120230576A1 (en) * | 2009-07-17 | 2012-09-13 | Rohler David P | Extended low contrast detectability for radiographic imaging systems |
US20160051219A1 (en) * | 2014-08-20 | 2016-02-25 | Canon Kabushiki Kaisha | Evaluation method for radiographing apparatus and phantom used in evaluation |
US20160095569A1 (en) * | 2014-10-07 | 2016-04-07 | Carestream Health, Inc. | Quality control phantom |
CN104720839A (zh) * | 2015-02-06 | 2015-06-24 | 中国计量科学研究院 | 一种新型ct性能检测用模体 |
CN107948637A (zh) * | 2017-12-14 | 2018-04-20 | 上海联影医疗科技有限公司 | 一种模体图像质量检测方法和系统 |
CN113367712A (zh) * | 2021-06-29 | 2021-09-10 | 吉林大学 | 一种ct低对比可探测能力自动检测计算方法 |
CN115841525A (zh) * | 2022-11-24 | 2023-03-24 | 青岛大学附属医院 | 腹部ct扫描图像处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116269466B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107220645B (zh) | 基于动态图像处理的水表识别方法 | |
CN111079763B (zh) | 训练样本生成、模型训练、字符识别方法及其装置 | |
CN109187534A (zh) | 水质检测方法及其水样图像识别装置 | |
CN108595687B (zh) | 用水量异常检测方法和数据库服务器 | |
CN105975979B (zh) | 一种基于机器视觉的仪表检测方法 | |
CN101408452A (zh) | 一种全自动水表生产检验方法 | |
CN105631876A (zh) | 一种基于全局二值化的ct图像分辨率自动测试方法 | |
CN103839080A (zh) | 基于测度查询熵的视频流异常事件检测方法 | |
JP2007183231A (ja) | 渦電流探傷信号処理方法 | |
CN114662895A (zh) | 管网综合风险评估方法及装置 | |
CN115854999B (zh) | 基于场景自适应的h-adcp断面平均流速自校正方法 | |
CN109655234A (zh) | 一种针对于相机的自动化测试方法 | |
CN105512442A (zh) | 基于统计分析的齿轮精度评价方法 | |
CN109034483A (zh) | 一种基于质量功能配置的检测规划方法 | |
CN114295162A (zh) | 一种基于数据采集的环境监测系统 | |
CN116269466B (zh) | 一种ct低对比可探测能力自动检测计算方法 | |
CN116205923B (zh) | 基于x-ray的汽车轮毂内部缺陷无损检测方法 | |
CN205593617U (zh) | 具有显示流量数据识别的lng加气机计量检定标准装置 | |
CN100396106C (zh) | 一种测试数字视频编解码系统信噪比的方法 | |
CN114037993B (zh) | 变电站指针仪表读数方法、装置、存储介质以及电子设备 | |
CN113376469A (zh) | 一种电能质量扰动数据的分析方法 | |
CN107085657B (zh) | 一种检测数据的质量指标显示方法 | |
WO2022134579A1 (zh) | 业务交易数据的异常检测方法、装置及计算机设备 | |
Rogel et al. | Global and partial agreement among several observers | |
CN116434082B (zh) | 基于深度学习的湖泊水环境遥感监测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |