CN117173050A - 图像处理方法、装置、计算机设备和存储介质 - Google Patents
图像处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117173050A CN117173050A CN202311148226.1A CN202311148226A CN117173050A CN 117173050 A CN117173050 A CN 117173050A CN 202311148226 A CN202311148226 A CN 202311148226A CN 117173050 A CN117173050 A CN 117173050A
- Authority
- CN
- China
- Prior art keywords
- area
- medical image
- image
- processing method
- processed
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 97
- 230000002452 interceptive effect Effects 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 239000002184 metal Substances 0.000 description 16
- 230000000694 effects Effects 0.000 description 15
- 238000003384 imaging method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 210000000988 bone and bone Anatomy 0.000 description 7
- 239000003550 marker Substances 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000002980 postoperative effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000019155 Radiation injury Diseases 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10116—X-ray image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种图像处理方法、装置、计算机设备和存储介质。所述方法包括：获取待处理的医学影像，并在医学影像中确定出第一区域；其中，第一区域为以医学影像中的干扰物为中心所确定的区域；根据第二区域的像素值，确定去除医学影像中干扰物的目标处理方法；其中，第二区域为在第三区域中抠除第一区域后所得到的区域；第三区域为以干扰物为中心所确定的区域，且第三区域的面积大于第一区域的面积采用目标处理方法，去除医学影像中的干扰物，得到处理后的医学影像。采用本方法能够提高得到的处理后的医学影像的质量。
Description
本发明专利申请是申请日为2021年03月17日，申请号为2021102860286，名称为“图像处理方法、装置、计算机设备和存储介质”的中国发明专利申请的分案申请。
技术领域
本申请涉及医学图像技术领域，特别是涉及一种图像处理方法、装置、计算机设备和存储介质。
背景技术
基于X光的医学影像分析在医学诊断、术中规划、术后评估中有着重要作用。然而，在实际的X光成像过程中往往掺杂着干扰物的成像，尤其是在实时手术导航过程中，会有很多金属标记物、骨性标记物、光学标定阵列以及手术器械等出现在X光机的成像区域范围内，由于金属异物与人体骨组织对X光的衰减效果区别较大，因此金属异物会严重干扰人体组织的成像，进而影响得到的X光影像的准确度。因此，去除X光影像中的干扰物成像在医学研究中显得尤为重要。
传统技术中，主要是通过检测金属异物的完整边缘，然后选取满足某个灰度阈值范围的像素点为种子点，以金属异物边缘为约束进行区域生长，进而提取出X光医学影像中的金属异物，得到处理后的X光医学影像。
然而，传统的X光影像干扰物的去除方法，存在得到的处理后的X光医学影像质量较差的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高得到的处理后的X光医学影像质量的图像处理方法、装置、计算机设备和存储介质。
一种图像处理方法，所述方法包括：
获取待处理的医学影像，并在所述医学影像中确定出第一区域；其中，所述第一区域为以所述医学影像中的干扰物为中心所确定区域；
根据第二区域的像素值，确定去除所述医学影像中干扰物的目标处理方法；其中，所述第二区域为在第三区域中抠除所述第一区域后所得到的区域；所述第三区域为以所述干扰物为中心所确定的区域，且所述第三区域的面积大于所述第一区域的面积；
采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像。
在其中一个实施例中，所述根据第二区域的像素值，确定去除所述医学影像中干扰物的目标处理方法，包括：
根据所述第二区域中所有像素的像素值，得到所述第二区域像素的方差或标准差；
根据所述方差或所述标准差，确定所述目标处理方法。
在其中一个实施例中，所述根据所述方差或所述标准差，确定所述目标处理方法，包括：
若所述方差大于预设的第一阈值或所述标准差大于预设的第二阈值，则确定所述目标处理方法为背景像素填充法；
若所述方差小于所述第一阈值或所述标准差小于所述第二阈值，则确定所述目标处理方法为均值滤波法。
在其中一个实施例中，若所述目标处理方法为背景像素填充法，所述采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像，包括：
以所第一区域边缘上的点为中心点，截取预设尺寸的第一图像块；
在所述医学图像中除所述第一区域之外的区域中，截取与所述第一图像块尺寸相同的第二图像块；
计算所述第一图像块与各所述第二图像块的相似度；
将满足预设条件所对应的第二图像块确定为目标图像块，并采用所述目标图像块替换所述第一图像块，得到所述处理后的医学影像；所述预设条件为所述第一图像块与所述第二图像块的相似度大于预设的第三阈值。
在其中一个实施例中，若所述目标处理方法为均值滤波法，所述采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像，包括：
以所述第一区域对应的图像块为基本单位，在所述医学图像中确定与所述第一区域相邻的各图像块对应像素的像素值；
获取与所述第一区域相邻的各图像块对应像素的像素值的均值；
将所述第一区域中对应像素的像素值替换为所述均值，得到所述处理后的医学影像。
在其中一个实施例中，所述与所述第一区域相邻的各图像块包括与所述第一区域相邻的四邻域图像块或与所述第一区域相邻的八邻域图像块。
在其中一个实施例中，述待处理的医学影像包括X光影像。
一种图像处理装置，所述装置包括：
获取模块，用于获取待处理的医学影像，并在所述医学影像中确定出第一区域；其中，所述第一区域为以所述医学影像中的干扰物为中心所确定的区域；
确定模块，用于根据第二区域的像素值，确定去除所述医学影像中干扰物的目标处理方法；其中，所述第二区域为在第三区域中抠除所述第一区域后所得到的区域；所述第三区域为以所述干扰物为中心所确定的区域，且所述第三区域的面积大于所述第一区域的面积；
处理模块，用于采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待处理的医学影像，并在所述医学影像中确定出第一区域；其中，所述第一区域为以所述医学影像中的干扰物为中心所确定的区域；
根据第二区域的像素值，确定去除所述医学影像中干扰物的目标处理方法；其中，所述第二区域为在第三区域中抠除所述第一区域后所得到的区域；所述第三区域为以所述干扰物为中心所确定的区域，且所述第三区域的面积大于所述第一区域的面积；
采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待处理的医学影像，并在所述医学影像中确定出第一区域；其中，所述第一区域为以所述医学影像中的干扰物为中心所确定的区域；
根据第二区域的像素值，确定去除所述医学影像中干扰物的目标处理方法；其中，所述第二区域为在第三区域中抠除所述第一区域后所得到的区域；所述第三区域为以所述干扰物为中心所确定的区域，且所述第三区域的面积大于所述第一区域的面积；
采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像。
上述图像处理方法、装置、计算机设备和存储介质，通过在待处理的医学影像中以医学图像中的干扰物为中心确定出第一区域，并以干扰物为中心确定出面积大于第一区域面积的第三区域，从第三区域中抠除第一区域得到第二区域，从而可以根据第二区域的像素值，确定去除该医学影像中干扰物的目标处理方法，进而可以采用确定的目标处理方法，去除该医学影像中的干扰物，得到处理后的医学影像，由于在得到处理后的医学影像的过程中是根据第二区域的像素值确定的去除医学影像中干扰物的目标处理方法，因此通过确定的目标处理法能够对医学影像中的干扰物进行准确地去除，从而提高了得到的处理后的医学影像的质量。
附图说明
图1为一个实施例中图像处理方法的应用环境图；
图2为一个实施例中图像处理方法的流程示意图；
图3为一个实施例中待处理的医学影像示意图；
图4为一个实施例中处理后的医学影像示意图；
图5为一个实施例中处理后的医学影像示意图；
图6为另一个实施例中图像处理方法的流程示意图；
图7为一个实施例中背景像素填充法的示意图；
图8为一个实施例中置信度的计算方法示意图；
图9为一个实施例中第一区域的示意图；
图10为一个实施例中第一区域对应的掩膜的示意图；
图11为一个实施例中均值滤波算法的操作示意图；
图12为一个实施例中得到的处理后的医学影像的示意图；
图13为一个实施例中图像处理方法的流程示意图；
图14为一个实施例中图像处理装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的图像处理方法，可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器，该存储器中存储有计算机程序，处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的，该计算机设备还可以包括网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的，该计算机设备可以是服务器，可以是个人计算机，还可以是个人数字助理，还可以是其他的终端设备，例如平板电脑、手机等等，还可以是云端或者远程服务器，本申请实施例对计算机设备的具体形式并不做限定。
基于X光的医学影像分析在医学诊断、术中规划、术后评估中有着重要作用。X光医学影像主要的成像原理是借助X射线的穿透作用和差别吸收，即不同的物质对X射线的吸收效果是不一样的。对于人体结构而言，骨组织对X射线的吸收效果要比肌肉、器官等组织的吸收效果要好。因此，X射线通过人体以后，穿透不同人体组织，在摄影胶片上将显示不同密度的阴影。结合人体解剖结构知识、临床表现以及X光影像便可以推断出人体的某部分组织是否正常。然而，在实际的X光成像过程中往往参杂着干扰物的成像，尤其是在实时手术导航过程中，会有很多金属标记物、骨性标记物、光学标定阵列以及手术器械等出现在X光机的成像区域范围内，由于金属异物与人体骨组织对X光的衰减效果区别较大，因此金属异物会严重干扰人体组织的成像，进而影响得到的X光影像的准确度。临床上对于干扰严重的X影像往往采取重拍的方式获取干扰较小的X影像，但是重拍的方式会增加人体的曝光次数，导致更多的辐射伤害。因此，需要提供一种能够对干扰严重的X影像进行处理的图像处理方法，以去除X光影像中的干扰物。
在一个实施例中，如图2所示，提供了一种图像处理方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
S201，获取待处理的医学影像，并在医学影像中确定出第一区域；其中，第一区域为医学影像中的干扰物为中心所确定的区域。
其中，待处理的医学影像可以为不同人体组织的医学影像，可选的，该待处理的医学影像包括X光影像。可以理解的是，待处理的医学影像也可以为数字化的X光影像，即直接数字平板X线成像系统(Digital Radiography，DR)影像。可选的，待处理的医学影像可以为高质量的X光影像，也可以为低质量的X光影像。具体地，计算机设备获取待处理的医学影像，并在该医学影像中以干扰物为中心确定出第一区域。可选的，上述干扰物可以为金属标记物、骨性标记物、光学追踪阵列以及手术器械等多种金属异物。可选的，计算机设备可以将待处理的医学影像输入预设的检测模型中通过检测算法，确定出该医学图像中的第一区域，也可以将待处理的医学图像的各像素值和预设阈值进行比较，勾画出医学图像中金属异物的轮廓，确定出该医学图像中的第一区域。例如，对于包括光学追踪阵列、金属标记物等干扰物的医学影像可以采用检测算法检测出待处理的医学影像中的干扰物，然后在医学影像中划定该干扰物所在的区域生成相应的掩膜，确定出上述第一区域；或者计算机设备也可以将待处理的医学图像的各像素值和预设阈值进行比较，勾画出医学图像中干扰物的轮廓生成掩膜，确定出上述第一区域。可选的，计算机设备可以从医学影像设备中实时地获取上述待处理的医学影像，也可以从医学影像设备的存储器中按照预设的时间间隔上述获取待处理的医学影像。
S202，根据第二区域的像素值，确定去除医学影像中干扰物的目标处理方法；其中，第二区域为在第三区域中抠除第一区域后所得到的区域；第三区域为以干扰物为中心所确定的区域，且第三区域的面积大于第一区域的面积。
具体地，计算机设备以上述干扰物为中心确定出第三区域，其中，第三区域的面积大于上述第一区域的面积，然后在第三区域中扣除上述第一区域得到第二区域，根据第二区域的像素值，确定去除上述待处理的医学影像中干扰物的目标处理方法。可选的，计算机设备可以将上述第二区域的像素值和预设阈值进行比较，根据比较结果确定去除该医学影像中干扰物的目标处理方法。可选的，针对不同的比较结果，计算机设备可以采用不同的处理方法去除医学影像中的干扰物，例如，若第二区域的像素值的方差大于预设阈值，则说明第二区域的像素值变化波动较大，则可以采用背景像素填充法去除医学影像中的干扰物；若第二区域的像素值小于或等于该预设阈值，则说明目标干扰物区域的像素值变化波动较小，则可以采用滤波法去除医学影像中的干扰物。
S203，采用目标处理方法，去除医学影像中的干扰物，得到处理后的医学影像。
具体地，计算机设备采用上述确定的目标处理方法，去除医学影像中的干扰物，得到处理后的医学影像。可选的，计算机设备采用上述确定的目标处理方法，去除医学影像中的干扰物之前，可以对该医学影像进行预处理，去除预处理后的医学影像中的干扰物，得到处理后的医学影像。可选的，计算机设备对该医学影像进行的预处理可以包括重采样处理、调整尺寸处理、去头骨处理、图像非均匀校正处理、直方图匹配处理和灰度归一化处理中的任意一种。示例性地，图3所示的待处理的医学影像为待处理的X光图像为例，图4为去除金属标记小球后的X光图像，图5为去除金属骨钉后的X光图像。
上述图像处理方法中，计算机设备通过在待处理的医学影像中以医学图像中的干扰物为中心确定出第一区域，并以干扰物为中心确定出面积大于第一区域面积的第三区域，从第三区域中抠除第一区域得到第二区域，从而可以根据第二区域的像素值，确定去除该医学影像中干扰物的目标处理方法，进而可以采用确定的目标处理方法，去除该医学影像中的干扰物，得到处理后的医学影像，由于在得到处理后的医学影像的过程中是根据第二区域的像素值确定的去除医学影像中干扰物的目标处理方法，因此通过确定的目标处理法能够对医学影像中的干扰物进行准确地去除，从而提高了得到的处理后的医学影像的质量。
在上述根据第二区域的像素值，确定去除上述医学影像中干扰物的目标处理方法的场景中，计算机设备可以根据第二区域中所有像素的像素值，确定去除医学图像中干扰物的目标处理方法，在一个实施例中，如图6所示，上述S202，包括：
S301，根据第二区域中所有像素的像素值，得到第二区域像素的方差或标准差。
具体地，计算机设备根据上述确定的第二区域中所有像素的像素值，得到上述第二区域像素的方差或标准差。可以理解的是，对像素的方差开根号换算后将得到像素的标准差，而图像像素的方差反应的是像素的变化范围，对于有较强边缘纹理的图像其方差一般较大，对于灰度变化比较平缓，无明显边缘纹理的图像其方差一般较小。可选的，第二区域像素的方差可以为第二区域像素的总方差，也可以为第二区域像素的样本方差，第二区域像素的标准差可以为第二区域像素的总标准差，也可以为第二区域像素的样本标准差，示例性地，以第二区域像素的方差为样本标准差为例，第二区域像素的样本方差可以通过公式(1)和公式(2)：获得，式中，/>表示第二区域中所有像素的像素均值，xi表示第二区域中所有像素各像素的像素值，s表示目标干扰物区域的边缘像素的样本标准差，n表示第二区域中像素的数量。
S302，根据方差或标准差，确定目标处理方法。
具体地，计算机设备根据上述得到的第二区域像素的方差或标准差，确定去除上述医学影像中干扰物的目标处理方法。可选的，计算机设备可以将上述第二区域像素的方差或标准差和预设阈值进行比较，根据比较结果确定去除该医学影像中干扰物的目标处理方法，例如，若第二区域像素的方差大于预设阈值，则说明第二区域的边缘像素值变化波动较大，则可以采用填充法去除医学影像中的干扰物；若第二区域像素的方差小于该预设阈值，则说明第二区域的边缘像素的方差均值变化波动较小，则可以采用滤波法去除医学影像中的干扰物。
本实施例中，计算机设备根据确定的第二区域中所有像素的像素值，能够得到第二区域像素的方差或标准差，而第二区域像素的方差或标准差能够反应第二区域的像素值的变化波动情况，从而可以根据第二区域的像素的方差或标准差，准确地确定出去除医学影像中干扰物的目标处理方法，进而能够通过确定的目标处理方法对医学影像中的干扰物进行准确地去除，提高了得到的处理后的医学影像的质量。
在上述根据第二区域的方差或标准差，确定去除医学影像中干扰物的目标处理方法的场景中，计算机设备确定的目标处理方法可以为背景像素填充法，也可以为均值滤波法。在一个实施例中，上述S302包括：
1)：若第二区域像素的方差大于预设的第一阈值或第二区域像素的标准差大于预设的第二阈值，则确定目标处理方法为背景像素填充法。
具体地，若得到的第二区域像素的方差大于预设的第一阈值或第二区域像素的标准差大于预设的第二阈值，则计算机设备确定去除医学影像中干扰物的目标处理方法为背景像素填充法。
2)：若第二区域像素的方差小于第一阈值或第二区域像素的标准差小于第二阈值，则确定目标处理方法为均值滤波法。
具体地，若得到的第二区域像素的方差小于上述第一阈值或第二区域像素的标准差小于上述第二阈值，则计算机设备确定去除医学影像中干扰物的目标处理方法为均值滤波法。
本实施例中，计算机设备根据第二区域像素的方差和预设的第一阈值，或第二区域像素的标准差和预设的第二阈值，能够准确地确定出去除医学影像中干扰物的目标处理方法，进而能够通过确定的目标处理方法对医学影像中的干扰物进行准确地去除，提高了得到的处理后的医学影像的质量。
在上述计算机设备确定的目标处理方法为背景像素填充法的场景上，上述S203，包括：
步骤A：以第一区域边缘上的点为中心点，截取预设尺寸的第一图像块。
步骤B：在医学图像中除第一区域之外的区域中，截取与第一图像块尺寸相同的第二图像块。
步骤C：计算第一图像块与各第二图像块的相似度。
步骤D：将满足预设条件所对应的第二图像块确定为目标图像块，并采用目标图像块替换第一图像块，得到处理后的医学影像；预设条件为第一图像块与第二图像块的相似度大于预设的第三阈值。
具体地，如图7所示，计算机设备以第一区域边缘上的点为中心点，截取预设尺寸的第一图像块，在上述待处理的医学图像中除第一区域之外的区域中，截取与上述第一图像块尺寸相同的第二图像块，计算该第一图像块与上述各第二图像块的相似度，将满足预设条件所对应的第二图像块确定为目标图像块，并采用该目标图像块替换上述第一图像块，得到处理后的医学影像，其中，该预设条件为上述第一图像块与上述第二图像块的相似度大于预设的第三阈值。可以理解的是，计算机设备采用背景像素填充法去除医学影像中的干扰物的思想为一种“由外及里”的填充思想。需要说明的是，计算机设备可以通过下述方法在第一区域边缘上确定初始点，以该初始点为中心，截取预设尺寸的第一图像块：计算机设备计算第一区域的每个像素的置信度Confidence和灰度值Gradient，像素置信度Confidence的大小表达的是该像素所在的图像块包含的背景区域像素的数量，这个数量越多说明这个像素附近的已知先验信息越多，因此也就越有利于填充中心的目标区域，填充效果也越逼真；灰度值Gradient的大小表达的是该像素周边的边缘纹理特征强度，一般越靠近边缘纹理的像素填充的优先级越高。第一区域的每个像素的填充顺序可以通过优先级priority来排序，其中，优先级priority可以通过各像素的置信度和灰度值进行计算，计算公式如下：priority＝Confidence×Gradient，置信度Confidence的计算方式如图8所示，灰色对应背景像素，白色对应前景像素，黑色对应掩膜边缘像素，假设以每个边缘像素为中心选定其周围的5×5的区域，则以1号像素为例，其置信度为背景像素总数与前景像素总数的比值，所以1号像素的置信度Confidence为4；梯度Gradient的计算公式为：式中Gx与Gy为各像素x方向和各像素y方向的梯度值，可由相邻像素的差分计算所得。当对所有的边缘像素计算完优先级priority后，可以按照各边缘像素的优先级大小依次填充目标像素5×5邻域内的前景区域，即在待处理的医学影像的背景区域内找到一个与目标像素所在图像块相同大小的图像块，使之与目标像素所在的图像块最相似，然后用这个图像块替代目标像素所在的图像块，其中，确定的图像块与目标像素所在的图像块的相似度可由确定的图像块与目标像素所在的图像块的像素灰度值的均方差和像素坐标的欧几里得距离相加得到，即可以根据公式Similarity＝Squareerror+Euclideandistance得到确定的图像块与目标像素所在的图像块的相似度，式中，Squareerror确定的图像块与目标像素所在的图像块的相似度可由确定的图像块与目标像素所在的图像块的像素灰度值的均方差，表达的是两个相同大小的图像块对应位置像素差值的平方和，例如，对于图像块A和图像块B，aij和bij分别为对应图像块中的某个像素，则Squareerror的表达式可以为：/>Euclidean distance表示的是确定的图像块与目标像素所在的图像块的像素坐标的欧几里得距离，其表达的是在同一张图像上不同位置的图像块的几何空间距离，因为图像是一个二维的空间结构，一般而言，越临近的像素其对应的图像块的几何空间距离越小。
本实施例中，计算机设备以第一区域边缘上的点为中心点，截取预设尺寸的第一图像块，在待处理的医学图像中除第一区域之外的区域中，截取与第一图像块尺寸相同的第二图像块，计算截取的第一图像块与各第二图像块的相似度，将第一图像块与第二图像块的相似度大于预设的第三阈值的第二图像块确定为目标图像块，并采用目标图像块替换截取的第一图像块，整个填充过程类似于腐蚀的形态学操作，通过该“由外及里”的处理方法，能够对待处理的医学影像进行准确地处理，提高了得到的处理后的医学影像的质量。
在上述计算机设备确定的目标处理方法为均值滤波法的场景上，上述S203，包括：
步骤E：以第一区域对应的图像块为基本单位，在医学图像中确定与第一区域相邻的各图像块对应像素的像素值。
步骤F：获取与第一区域相邻的各图像块对应像素的像素值的均值。
步骤G：将第一区域中对应像素的像素值替换为均值，得到处理后的医学影像。
具体地，计算机设备以第一区域对应的图像块为基本单位，在上述待处理的医学图像中确定与该第一区域相邻的各图像块对应像素的像素值，获取与第一区域相邻的各图像块对应像素的像素值的均值，将第一区域中对应像素的像素值替换为该均值，得到处理后的医学影像。示例性地，第一区域及第一区域相邻的各图像块中有64个像素为例，第一区域相邻的各图像块对应像素的像素值的均值为：各图像块中的第一个像素的像素值的均值、各图像块中第二个像素的像素值的均值、……、各图像块中第64个像素的像素值的均值。可选的，上述的与第一区域相邻的图像块包括与该第一区域相邻的四邻域图像块或与该第一区域相邻的八邻域图像块。示例性地，如图9所示，图9为包含金属标记物的X光影像的第一区域，图10为其对应的掩膜，本实施例提供的均值滤波算法以图像块为基本单位进行操作，如图11所示，将相邻四邻域较光滑的图像块对应相加然后取均值，替代中间金属标记物所在的图像块，图12为本实施例得到的处理后的医学影像的示意图，可以看到，对于边缘纹理特征不明显的区域，本实施例提供的均值滤波算法能够得到非常好的去除效果。
本实施例中，计算机设备以第一区域对应的图像块为基本单位，在待处理的医学图像中确定与该第一区域相邻的各图像块对应像素的像素值，获取与该第一区域相邻的各图像块对应像素的像素值的均值，将该第一区域中对应像素的像素值替换为该均值，得到处理后的医学影像，通过该过程能够对待处理的医学影像进行准确度较高的处理，从而可以准确地去除该待处理的医学影像中的干扰物，得到质量较高的处理后的医学影像。
需要说明的是，上述待处理的医学影像中可能包括多个干扰物区域，而不同的干扰物区域可能会采用不同目标处理方法，即有的感兴趣区域采用的是背景像素填充法，有的感兴趣区域采用的是均值滤波法，计算机设备在得到采用不同的目标处理方法对待处理的医学影像进行处理后，如图13所示，可以将采用不同的目标处理方法处理的感兴趣区域进行整合，再对整合后的感兴趣区域进行处理，得到上述处理后的医学影像。
应该理解的是，虽然图2-13的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-13中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图14所示，提供了一种图像处理装置，包括：获取模块、确定模块和处理模块，其中：
获取模块，用于获取待处理的医学影像，并在医学影像中确定出第一区域；其中，第一区域为以医学影像中的干扰物为中心所确定的区域。
确定模块，用于根据第二区域的像素值，确定去除医学影像中干扰物的目标处理方法；其中，第二区域为在第三区域中抠除第一区域后所得到的区域；第三区域为以干扰物为中心所确定的区域，且第三区域的面积大于第一区域的面积。
处理模块，用于采用目标处理方法，去除医学影像中的干扰物，得到处理后的医学影像。
可选的，待处理的医学影像包括X光影像。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述确定模块包括第一获取单元和第一确定单元，其中：
第一获取单元，用于根据第二区域中所有像素的像素值，得到第二区域像素的方差或标准差。
第一确定单元，用于根据方差或标准差，确定目标处理方法。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述第一确定单元，具体用于若方差大于预设的第一阈值或标准差大于预设的第二阈值，则确定目标处理方法为背景像素填充法；若方差小于第一阈值或标准差小于第二阈值，则确定目标处理方法为均值滤波法。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，若目标处理方法为背景像素填充法，上述处理模块包括：第一截取单元、第二截取单元、计算单元和处理单元，其中：
第一截取单元，用于以第一区域边缘上的点为中心点，截取预设尺寸的第一图像块。
第二截取单元，用于在医学图像中除第一区域之外的区域中，截取与第一图像块尺寸相同的第二图像块。
计算单元，用于计算第一图像块与各第二图像块的相似度。
处理单元，用于将满足预设条件所对应的第二图像块确定为目标图像块，并采用目标图像块替换第一图像块，得到处理后的医学影像；预设条件为第一图像块与第二图像块的相似度大于预设的第三阈值
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，若目标处理方法为均值滤波法，上述处理模块包括：第二确定单元、第二获取单元和第三获取单元，其中：
第二确定单元，用于以第一区域对应的图像块为基本单位，在医学图像中确定与第一区域相邻的各图像块对应像素的像素值。
第二获取单元，用于获取与第一区域相邻的各图像块对应像素的像素值的均值。
第三获取单元，用于将第一区域中对应像素的像素值替换为均值，得到处理后的医学影像。
可选的，与第一区域相邻的各图像块包括与第一区域相邻的四邻域图像块或与第一区域相邻的八邻域图像块。
本实施例提供的图像处理装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于图像处理装置的具体限定可以参见上文中对于图像处理方法的限定，在此不再赘述。上述图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待处理的医学影像，并在医学影像中确定出第一区域；其中，第一区域为以医学影像中的干扰物为中心所确定的区域；
根据第二区域的像素值，确定去除医学影像中干扰物的目标处理方法；其中，所述第二区域为在第三区域中抠除所述第一区域后所得到的区域；所述第三区域为以所述干扰物为中心所确定的区域，且所述第三区域的面积大于所述第一区域的面积；
采用目标处理方法，去除医学影像中的干扰物，得到处理后的医学影像。
上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待处理的医学影像，并在医学影像中确定出第一区域；其中，第一区域为以医学影像中的干扰物为中心所确定的区域；
根据第二区域的像素值，确定去除医学影像中干扰物的目标处理方法；其中，第二区域为在第三区域中抠除第一区域后所得到的区域；第三区域为以干扰物为中心所确定的区域，且第三区域的面积大于第一区域的面积；
采用目标处理方法，去除医学影像中的干扰物，得到处理后的医学影像。
上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法，其特征在于，所述方法包括：
获取待处理的医学影像，并在所述医学影像中确定出第一区域；其中，所述第一区域为以所述医学影像中的干扰物为中心所确定的区域；
根据第二区域的像素值，确定去除所述医学影像中干扰物的目标处理方法；其中，所述第二区域为在第三区域中抠除所述第一区域后所得到的区域；所述第三区域为以所述干扰物为中心所确定的区域，且所述第三区域的面积大于所述第一区域的面积；
采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像。
2.根据权利要求1所述的方法，其特征在于，若所述待处理的医学影像中包括多个不同的干扰物区域，所述采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像，包括：
采用不同的目标处理方法对所述待处理的医学影像的感兴趣区域进行处理；
将采用不同的目标处理方法处理的感兴趣区域进行整合，并对整合后的感兴趣区域进行处理，得到所述处理后的医学影像。
3.根据权利要求1所述的方法，其特征在于，若所述目标处理方法为背景像素填充法，所述采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像，包括：
以所述第一区域边缘上的点为中心点，截取预设尺寸的第一图像块；
在所述医学图像中除所述第一区域之外的区域中，截取与所述第一图像块尺寸相同的第二图像块；
计算所述第一图像块与各所述第二图像块的相似度；
将满足预设条件所对应的第二图像块确定为目标图像块，并采用所述目标图像块替换所述第一图像块，得到所述处理后的医学影像；所述预设条件为所述第一图像块与所述第二图像块的相似度大于预设的第三阈值。
4.根据权利要求1所述的方法，其特征在于，若所述目标处理方法为均值滤波法，所述采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像，包括：
以所述第一区域对应的图像块为基本单位，在所述医学图像中确定与所述第一区域相邻的各图像块对应像素的像素值；
获取与所述第一区域相邻的各图像块对应像素的像素值的均值；
将所述第一区域中对应像素的像素值替换为所述均值，得到所述处理后的医学影像。
5.根据权利要求4所述的方法，其特征在于，所述与所述第一区域相邻的各图像块包括与所述第一区域相邻的四邻域图像块或与所述第一区域相邻的八邻域图像块。
6.根据权利要求1所述的方法，其特征在于，所述根据第二区域的像素值，确定去除所述医学影像中干扰物的目标处理方法，包括：
根据所述第二区域中所有像素的像素值，得到所述第二区域像素的方差或标准差；
根据所述方差或所述标准差，确定所述目标处理方法。
7.根据权利要求6所述的方法，其特征在于，所述根据所述方差或所述标准差，确定所述目标处理方法，包括：
若所述方差大于预设的第一阈值或所述标准差大于预设的第二阈值，则确定所述目标处理方法为背景像素填充法；
若所述方差小于所述第一阈值或所述标准差小于所述第二阈值，则确定所述目标处理方法为均值滤波法。
8.一种图像处理装置，其特征在于，所述装置包括：
获取模块，用于获取待处理的医学影像，并在所述医学影像中确定出第一区域；其中，所述第一区域为以所述医学影像中的干扰物为中心所确定的区域；
确定模块，用于根据第二区域的像素值，确定去除所述医学影像中干扰物的目标处理方法；其中，所述第二区域为在第三区域中抠除所述第一区域后所得到的区域；所述第三区域为以所述干扰物为中心所确定的区域，且所述第三区域的面积大于所述第一区域的面积；
处理模块，用于采用所述目标处理方法，去除所述医学影像中的干扰物，得到处理后的医学影像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311148226.1A CN117173050A (zh) | 2021-03-17 | 2021-03-17 | 图像处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311148226.1A CN117173050A (zh) | 2021-03-17 | 2021-03-17 | 图像处理方法、装置、计算机设备和存储介质 |
| CN202110286028.6A CN113034389B (zh) | 2021-03-17 | 2021-03-17 | 图像处理方法、装置、计算机设备和存储介质 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110286028.6A Division CN113034389B (zh) | 2021-03-17 | 2021-03-17 | 图像处理方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117173050A true CN117173050A (zh) | 2023-12-05 |
Family
ID=76471267
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110286028.6A Active CN113034389B (zh) | 2021-03-17 | 2021-03-17 | 图像处理方法、装置、计算机设备和存储介质 |
| CN202311148226.1A Pending CN117173050A (zh) | 2021-03-17 | 2021-03-17 | 图像处理方法、装置、计算机设备和存储介质 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110286028.6A Active CN113034389B (zh) | 2021-03-17 | 2021-03-17 | 图像处理方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN113034389B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117911716A (zh) * | 2024-03-19 | 2024-04-19 | 天津医科大学总医院 | 基于机器视觉的关节炎ct影像特征提取方法 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390679B (zh) * | 2019-07-03 | 2022-04-26 | 上海联影智能医疗科技有限公司 | 图像处理方法、计算机设备和可读存储介质 |
| CN113436114A (zh) * | 2021-07-26 | 2021-09-24 | 北京富通东方科技有限公司 | 一种面向医学图像的数据增强方法 |
| CN113689355B (zh) * | 2021-09-10 | 2022-07-08 | 数坤(北京)网络科技股份有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
| CN113888620A (zh) * | 2021-09-29 | 2022-01-04 | 武汉联影智融医疗科技有限公司 | 骨钉标记点提取方法、装置、处理设备和存储介质 |
| CN114742836B (zh) * | 2022-06-13 | 2022-09-09 | 浙江太美医疗科技股份有限公司 | 医学图像的处理方法、装置及计算机设备 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5534787B2 (ja) * | 2009-11-24 | 2014-07-02 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
| CN105701438B (zh) * | 2014-11-26 | 2020-06-23 | 东芝医疗系统株式会社 | 医学图像处理装置和方法以及医学成像设备 |
| KR20160103500A (ko) * | 2015-02-24 | 2016-09-01 | 삼성전자주식회사 | 의료 영상 처리 장치 및 의료 영상 처리 방법 |
| CN108471995B (zh) * | 2015-09-30 | 2022-03-29 | 上海联影医疗科技股份有限公司 | 确定医学图像中乳房区域的系统和方法 |
| JP6853369B2 (ja) * | 2017-08-28 | 2021-03-31 | 富士フイルム株式会社 | 医用画像処理装置、方法およびプログラム |
| CN108010009B (zh) * | 2017-12-15 | 2021-12-21 | 北京小米移动软件有限公司 | 一种去除干扰图像的方法及装置 |
| CN108921823B (zh) * | 2018-06-08 | 2020-12-01 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
| CN111222360B (zh) * | 2018-11-23 | 2023-10-31 | 隆基绿能科技股份有限公司 | 硅料熔化状态的检测方法、设备及存储介质 |
| JP7174604B2 (ja) * | 2018-11-28 | 2022-11-17 | 株式会社日立ハイテク | 光画像計測装置、光画像計測方法 |
| CN109903272B (zh) * | 2019-01-30 | 2021-09-03 | 西安天伟电子系统工程有限公司 | 目标检测方法、装置、设备、计算机设备和存储介质 |
| CN110136103B (zh) * | 2019-04-24 | 2024-05-28 | 平安科技（深圳）有限公司 | 医学影像解释方法、装置、计算机设备及存储介质 |
| CN110246150A (zh) * | 2019-06-14 | 2019-09-17 | 上海联影医疗科技有限公司 | 金属检测方法、装置、设备及存储介质 |
| CN110992387B (zh) * | 2019-11-08 | 2022-06-10 | 浪潮电子信息产业股份有限公司 | 一种图像处理方法、装置及电子设备和存储介质 |
| CN111159751A (zh) * | 2019-12-03 | 2020-05-15 | 深圳博脑医疗科技有限公司 | 三维影像的去隐私化处理方法、装置和终端设备 |
| CN111192218B (zh) * | 2019-12-31 | 2023-11-24 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
| CN112215827A (zh) * | 2020-10-20 | 2021-01-12 | 中广核核电运营有限公司 | 电迁移区域检测方法、装置、计算机设备和存储介质 |
-
2021
- 2021-03-17 CN CN202110286028.6A patent/CN113034389B/zh active Active
- 2021-03-17 CN CN202311148226.1A patent/CN117173050A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117911716A (zh) * | 2024-03-19 | 2024-04-19 | 天津医科大学总医院 | 基于机器视觉的关节炎ct影像特征提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113034389A (zh) | 2021-06-25 |
| CN113034389B (zh) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113034389B (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN106127730B (zh) | 使用机器学习和扩展的霍夫变换的自动化感兴趣区域检测 | |
| CN110176012B (zh) | 图像中的目标分割方法、池化方法、装置及存储介质 | |
| CN111080584B (zh) | 医学图像的质控方法、计算机设备和可读存储介质 | |
| EP3465626B1 (en) | Systems and methods for automated sinogram completion, combination, and completion by combination | |
| CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
| US10303965B2 (en) | Defective pixel identification using machine learning | |
| CN111340825B (zh) | 一种纵膈淋巴结分割模型的生成方法及系统 | |
| JP2005296605A (ja) | 放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法 | |
| CN110598696B (zh) | 医学图像扫描定位方法、医学图像扫描方法和计算机设备 | |
| CN113989407B (zh) | Ct影像中肢体部位识别模型训练方法及系统 | |
| CN110930414A (zh) | 医学影像的肺部区域阴影标记方法、装置、服务器及存储介质 | |
| CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
| KR20200099633A (ko) | 영상의 질감 분석 방법 및 컴퓨터 프로그램 | |
| CN111652300A (zh) | 脊柱曲度分类方法、计算机设备和存储介质 | |
| US8306354B2 (en) | Image processing apparatus, method, and program | |
| CN110533120B (zh) | 器官结节的图像分类方法、装置、终端及存储介质 | |
| CN113284160B (zh) | 一种手术导航标记珠体识别的方法、装置和设备 | |
| CN111862071A (zh) | 一种基于ct图像测量腰1椎体ct值的方法 | |
| CN113793316B (zh) | 一种超声扫查区域提取方法、装置、设备和存储介质 | |
| Behiels et al. | Retrospective correction of the heel effect in hand radiographs | |
| CN112734740B (zh) | 训练目标检测模型的方法、目标检测的方法及其装置 | |
| Jian et al. | Cloud image processing and analysis based flatfoot classification method | |
| CN103379859B (zh) | X射线图像诊断装置和图像显示方法 | |
| CN113012126B (zh) | 标记点重建方法、装置、计算机设备和存储介质 |
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 |