CN117237323B - 一种图像检测方法和装置 - Google Patents
一种图像检测方法和装置 Download PDFInfo
- Publication number
- CN117237323B CN117237323B CN202311323298.5A CN202311323298A CN117237323B CN 117237323 B CN117237323 B CN 117237323B CN 202311323298 A CN202311323298 A CN 202311323298A CN 117237323 B CN117237323 B CN 117237323B
- Authority
- CN
- China
- Prior art keywords
- image
- lung
- lung field
- inhalation
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 210000004072 lung Anatomy 0.000 claims abstract description 272
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000008569 process Effects 0.000 claims description 34
- 238000005259 measurement Methods 0.000 claims description 28
- 238000002601 radiography Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 abstract description 8
- 230000005855 radiation Effects 0.000 abstract description 7
- 238000012360 testing method Methods 0.000 abstract description 6
- 201000006306 Cor pulmonale Diseases 0.000 abstract 1
- 230000004199 lung function Effects 0.000 description 21
- 230000000875 corresponding effect Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 210000000038 chest Anatomy 0.000 description 7
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 5
- 230000002051 biphasic effect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 208000023504 respiratory system disease Diseases 0.000 description 4
- 210000000115 thoracic cavity Anatomy 0.000 description 4
- 238000009423 ventilation Methods 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 230000004217 heart function Effects 0.000 description 3
- 208000010125 myocardial infarction Diseases 0.000 description 3
- 238000009613 pulmonary function test Methods 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 208000019693 Lung disease Diseases 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 230000009325 pulmonary function Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010008469 Chest discomfort Diseases 0.000 description 1
- 208000028571 Occupational disease Diseases 0.000 description 1
- 210000000683 abdominal cavity Anatomy 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000013123 lung function test Methods 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009295 sperm incapacitation Effects 0.000 description 1
- 238000013125 spirometry Methods 0.000 description 1
- 210000000952 spleen Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000001562 sternum Anatomy 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种图像检测方法和装置，该方法包括：获取第一图像序列和第二图像序列；从第一图像序列中选取肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，并从第二图像序列中选取横膈膜部位处于最高位置时的目标呼气图像；分别对目标吸气图像和目标呼气图像中的肺野边缘进行检测；确定吸气肺野图像的面积和呼气肺野图像的面积之间的差值，得到肺野面积变化量；基于肺野面积变化量和第一对象的身体数据确定第一对象的用力肺活量。本方案采用DR摄影，无需用户用力吹气，且投照速度快，存在心肺疾病和不能配合的用户也能检测，并且DR成像辐射小，图像清晰细腻、分辨率高、运动伪影的影响很小，能够提高肺活量测试的准确性。
Description
技术领域
本发明涉及医疗领域，尤其涉及一种图像检测方法和装置。
背景技术
肺功能检查是呼吸系统疾病以及外科手术前的常规检查项目，其中用力肺活量(Forced Vital Capacity FVC)是主要检测指标之一。
常规肺功能检查(pulmonary function test，PFT)一直是测定肺功能的金标准，最常用的仪器是肺量计型肺功能仪(肺量计)。但这项检查由于需要体力，影响限制因素较多，如严重的心肌梗死、心功能不稳定、未控制的高血压、不能配合等用户，都不能完成此项检查，且用肺量计检测的结果容易受外界环境影响和用户操作规范程度影响，准确度较低。
随着多层螺旋CT(multi—slice CT，MSCT)的广泛使用及后处理软件的开发应用，通过CT及其后处理技术对用户肺功能进行定量分析，已经被广泛的研究。但CT辐射剂量大，相对普及率不高，操作相对复杂。
发明内容
本发明旨在至少解决现有技术中存在的技术问题，为此，本发明第一方面提出一种图像检测方法，所述方法包括：
获取第一图像序列和第二图像序列；所述第一图像序列中包括多帧第一对象深吸气过程中的肺部图像，所述第二图像序列中包括多帧所述第一对象深呼气过程中的肺部图像；所述肺部图像为DR摄影图像；
从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，并从所述第二图像序列中选取所述横膈膜部位处于最高位置时的目标呼气图像；
分别对所述目标吸气图像和所述目标呼气图像中的肺野边缘进行检测，得到由所述肺野边缘包围的吸气肺野图像和呼气肺野图像；
确定所述吸气肺野图像的面积和所述呼气肺野图像的面积之间的差值，得到肺野面积变化量；
基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的肺活量。
可选地，所述从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，包括：
对于所述第一图像序列中的每个肺部图像，分别获取横膈膜部位在所述肺部图像中的高度；
获取各个所述肺部图像的时间戳；
在以所述时间戳作为横坐标，所述高度作为纵坐标的坐标系中，确定各个所述肺部图像中的横膈膜对应的坐标点；
将各个所述坐标点用曲线连接起来，得到第一横膈膜运动幅度曲线；
将所述第一横膈膜运动幅度曲线中最低的点所对应的肺部图像，确定为目标吸气图像。
可选地，所述获取横膈膜在所述肺部图像中的高度，包括：
在所述肺部图像中确定胸骨上窝部位所在位置；
确定从所述胸骨上窝部位向下的垂线与横膈膜部位的交点；
将所述胸骨上窝部位与所述交点之间的垂线的长度，确定为所述横膈膜部位在所述肺部图像中的高度。
可选地，在获取第一图像序列和第二图像序列之前，还包括：
获取历史样本数据，所述历史样本数据中包括历史对象的身体数据、所述历史对象在深吸气和深呼气时的历史肺野面积变化量、所述历史对象的肺活量实测值；所述身体数据至少包括身高、体重、年龄、性别；
将所述身体数据、所述历史肺野面积变化量作为解释变量，所述肺活量实测值作为被解释变量，利用逐步回归法从所述解释变量中筛选出影响所述肺活量实测值的目标变量，以及各个所述目标变量对应的回归系数；
基于所述目标变量、所述回归系数，确定所述肺活量实测值的回归方程。
可选地，所述目标变量包括所述历史肺野面积变化量、所述身高、所述年龄和所述性别，所述基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的肺活量，包括：
获取所述第一对象的身体数据中的身高、年龄和性别数据；
将所述肺野面积变化量、所述身高、年龄和性别数据代入所述回归方程中，得到所述第一对象的肺活量。
可选地，所述获取第一图像序列和第二图像序列，包括：
获取在相同摄影环境和摄影参数下，利用X线摄影系统的DR摄影模式采集的，第一对象在深吸气过程中的肺部图像和深呼气过程中的肺部图像，分别得到第一图像序列和第二图像序列。
本发明第二方面提出一种图像检测装置，所述装置包括：
图像序列获取模块，用于获取第一图像序列和第二图像序列；所述第一图像序列中包括多帧第一对象深吸气过程中的肺部图像，所述第二图像序列中包括多帧所述第一对象深呼气过程中的肺部图像；所述肺部图像为DR摄影图像；
图像选取模块，用于从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，并从所述第二图像序列中选取所述横膈膜部位处于最高位置时的目标呼气图像；
边缘检测模块，用于分别对所述目标吸气图像和所述目标呼气图像中的肺野边缘进行检测，得到由所述肺野边缘包围的吸气肺野图像和呼气肺野图像；
变化量确定模块，用于确定所述吸气肺野图像的面积和所述呼气肺野图像的面积之间的差值，得到肺野面积变化量；
肺活量确定模块，用于基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的肺活量。
可选地，所述图像选取模块具体用于：
对于所述第一图像序列中的每个肺部图像，分别获取横膈膜部位在所述肺部图像中的高度；
获取各个所述肺部图像的时间戳；
在以所述时间戳作为横坐标，所述高度作为纵坐标的坐标系中，确定各个所述肺部图像中的横膈膜对应的坐标点；
将各个所述坐标点用曲线连接起来，得到第一横膈膜运动幅度曲线；
将所述第一横膈膜运动幅度曲线中最低的点所对应的肺部图像，确定为目标吸气图像。
可选地，所述图像选取模块进一步用于：
在所述肺部图像中确定胸骨上窝部位所在位置；
确定从所述胸骨上窝部位向下的垂线与横膈膜部位的交点；
将所述胸骨上窝部位与所述交点之间的垂线的长度，确定为所述横膈膜部位在所述肺部图像中的高度。
可选地，所述装置还包括：
历史数据获取模块，用于获取历史样本数据，所述历史样本数据中包括历史对象的身体数据、所述历史对象在深吸气和深呼气时的历史肺野面积变化量、所述历史对象的肺活量实测值；所述身体数据至少包括身高、体重、年龄、性别；
变量确定模块，用于将所述身体数据、所述历史肺野面积变化量作为解释变量，所述肺活量实测值作为被解释变量，利用逐步回归法从所述解释变量中筛选出影响所述肺活量实测值的目标变量，以及各个所述目标变量对应的回归系数；
回归方程确定模块，用于基于所述目标变量、所述回归系数，确定所述肺活量实测值的回归方程。
可选地，所述目标变量包括所述历史肺野面积变化量、所述身高、所述年龄和所述性别，所述肺活量确定模块具体用于：
获取所述第一对象的身体数据中的身高、年龄和性别数据；
将所述肺野面积变化量、所述身高、年龄和性别数据代入所述回归方程中，得到所述第一对象的肺活量。
可选地，所述图像序列获取模块具体用于：
获取在相同摄影环境和摄影参数下，利用X线摄影系统的DR摄影模式采集的，第一对象在深吸气过程中的肺部图像和深呼气过程中的肺部图像，分别得到第一图像序列和第二图像序列。
本发明第三方面提出一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的图像检测方法。
本发明第四方面提出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指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面所述的图像检测方法。
本发明实施例具有以下有益效果：
本发明实施例提供的图像检测方法，获取第一图像序列和第二图像序列；所述第一图像序列中包括多帧第一对象深吸气过程中的肺部图像，所述第二图像序列中包括多帧所述第一对象深呼气过程中的肺部图像；所述肺部图像为DR摄影图像；从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，并从所述第二图像序列中选取所述横膈膜部位处于最高位置时的目标呼气图像；分别对所述目标吸气图像和所述目标呼气图像中的肺野边缘进行检测，得到由所述肺野边缘包围的吸气肺野图像和呼气肺野图像；确定所述吸气肺野图像的面积和所述呼气肺野图像的面积之间的差值，得到肺野面积变化量；基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的用力肺活量。本方案利用动态DR摄影获取胸部深吸气、深呼气双相影像，通过对深吸气、深呼气双相影像的肺野面积变化与用力肺活量的相关性，为获取用户的肺功能定性和定量信息提供新的简单的检测方法，为肺功能评价提供简单、方便、经济、普及的早期影像学肺通气功能检查手段。由于DR摄影无需用户用力吹气，且投照速度快，存在心肺疾病和不能配合的用户也能检测，并且DR成像辐射小，图像清晰细腻、分辨率高、运动伪影的影响很小，能够提高肺活量测试的准确性。
附图说明
图1为本发明实施例提供的一种图像检测方法的步骤流程图；
图2为本发明实施例提供的一种肺部图像示意图；
图3为本发明实施例提供的一种肺野图像示意图；
图4为本发明实施例提供的第一横膈运动幅度曲线示意图；
图5为本发明实施例提供的第二横膈运动幅度曲线示意图；
图6为本发明实施例提供的一种图像检测装置的结构框图。
具体实施方式
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，所描述的实施例仅仅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。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。另外，“基于”或“根据”的使用意味着开放和包容性，因为“基于”或“根据”一个或多个所述条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出所述的值。
肺功能检查是呼吸系统疾病以及外科手术前的常规检查项目，其中用力肺活量(Forced Vital Capacity FVC)是主要检测指标之一。用力肺活量主要用于诊断幔性气道疾病(如慢阻肺和哮喘)，评价呼吸系统疾病用户的肺功能损害程度、类型、治疗效果和病情发展程度；还用于评估外科手术，特别是胸腹部手术和老年用户手术的风险和耐受性；评估职业病用户的肺功能损害程度。
常规肺功能检查(pulmonary function test，PFT)一直是测定肺功能的金标准，最常用的仪器是肺量计型肺功能仪(肺量计)，但由于这项检查影响限制因素较多，如严重的心肌梗死、心功能不稳定、未控制的高血压、不能配合等用户，都不能完成此项检查。
随着多层螺旋CT(multi—slice CT，MSCT)的广泛使用及后处理软件的开发应用，国内外已有不少关于CT扫描的肺定量指标与常规肺功能指标的相关性研究。其中通过CT及其后处理技术对COPD(chronic obstructive pulmo-nary disease，COPD)用户肺功能进行定量分析具有极大的优势。通过此方法对肺容积、肺密度或像素指数等因素间接分析肺组织的病理及生理改变信息，可对COPD进行早期定量诊断、病情及预后进行评估。但由于CT辐射剂量大，相对普及率不高，操作相对复杂，临床应用受到一定限制。
为了解决常规肺功能检查影响限制因素较多，而CT扫描的肺功能评价方法辐射剂量大、操作相对复杂的缺点，本发明提出一种图像检测方法，利用动态DR摄影获取胸部DR深吸气、深呼气双相影像，通过对肺野面积变化与用力肺活量(FVC)的相关性研究，为获取用户的肺功能定性和定量信息提供新的简单的检测方法，为肺功能评价提供简单、方便、经济、普及的早期影像学肺通气功能检查手段。
图1是本发明实施例提供的一种图像检测方法的步骤流程图。如图1所示，该方法包括以下步骤：
步骤101、获取第一图像序列和第二图像序列；所述第一图像序列中包括多帧第一对象深吸气过程中的肺部图像，所述第二图像序列中包括多帧所述第一对象深呼气过程中的肺部图像；所述肺部图像为DR摄影图像。
在本发明实施例中，第一对象可以是待进行肺功能检测的用户。在第一对象深吸气过程中，按照预设时间间隔持续对第一对象进行胸部动态DR(digital radiography，数字X线)摄影，得到第一图像序列。具体的，预设时间间隔可以为极短的时间，例如1/15秒。
在第一对象深吸气之后进行深呼气的过程中，同样按照预设时间间隔持续对第一对象进行胸部动态DR摄影，得到第二图像序列。
DR摄影机采用的探测器把穿透人体的X射线转化为数字信号，再通过处理进行成像。在对第一对象进行胸部DR摄影时，X射线穿透人体，进行处理后成像得到第一对象的肺部图像。
DR摄影机将包括多帧肺部图像的第一图像序列和第二图像序列发送至后处理计算机，后处理计算机获取第一图像序列和第二图像序列，并对其包括的肺部图像进行检测。本方案的执行主体即为上述后处理计算机。
图2为本发明实施例提供的一种肺部图像示意图。
其中，图2左侧为深吸气过程的其中一帧肺部图像，图2右侧为深呼气过程的其中一帧肺部图像。
步骤102、从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，并从所述第二图像序列中选取所述横膈膜部位处于最高位置时的目标呼气图像。
横隔膜是胸腔和腹腔之间的分隔，它位于心脏和双侧肺脏的下面，肝脏、脾脏、胃的上方。横膈膜是负责呼吸的主要肌肉，吸气时，横膈膜收缩，胸腔体积变大，胸腔的气压就变小，使空气进入肺部；呼气时，横膈膜放松，回到原位，胸腔气压就变大，使空气从肺部出去。
肺活量是指尽最大力气深吸气后，做一次最大的呼气所能呼出的气体量。肺活量属于肺功能检查中的通气功能测验指标，在一定意义上可反映呼吸机能的潜在能力。
第一图像序列中包括多帧第一对象深吸气过程中的肺部图像，当横膈膜处于最低位置时，吸气量达到最大，从第一图像序列中选取横膈膜处于最低位置时的肺部图像，作为确定肺活量的第一个参数。
第二图像序列中包括多帧第一对象深呼气过程中的肺部图像，当横膈膜处于最高位置时，呼气量达到最大，从第二图像序列中选取横膈膜处于最高位置时的肺部图像，作为确定肺活量的第二个参数。
步骤103、分别对所述目标吸气图像和所述目标呼气图像中的肺野边缘进行检测，得到由所述肺野边缘包围的吸气肺野图像和呼气肺野图像。
后处理计算机在确定目标吸气图像和目标呼气图像后，分别对两个图像中的肺野边缘进行检测。
肺野范围具体为肋骨内侧缘、横膈、纵膈边缘所围成的范围，边缘检测通过标识图像中亮度变化明显的点，可自动勾画出肺野边缘。
计算机自动勾画的肺野范围，可由有经验的人工最终调整矫正，得到最终的肺野边缘。这样，得到由肺野边缘包围的吸气肺野图像和呼气肺野图像。
图3为本发明实施例提供的一种肺野图像示意图。
其中，吸气肺野图像具体为图3左侧图中被黑线勾画的区域内的图像，呼气肺野图像具体为图3右侧图中被黑线勾画的区域内的图像。可以看出，吸气肺野图像的面积大于呼气肺野图像的面积。
步骤104、确定所述吸气肺野图像的面积和所述呼气肺野图像的面积之间的差值，得到肺野面积变化量。
吸气肺野图像的面积为呼吸过程中的最大肺野面积，呼气肺野图像的面积为呼吸过程中的最小肺野面积，分别计算吸气肺野图像的面积和呼气肺野图像的面积，再计算两者之间的差值，得到肺野面积变化量。
步骤105、基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的用力肺活量。
胸部动态DR摄影双相影像肺野面积随着呼吸运动而变化，吸气时肺含气量增加，肺野面积增大，呼气时肺含气量减少，肺野面积减少。作为肺功能测定金标准的肺功能检测，其检测结果与肺野面积变化规律存在相关性，用力肺活量实测值与肺野面积变化量呈显著强相关。此外，肺活量还与身高、性别、年龄、身体状况等身体数据有关。
因此，基于肺野面积变化量和第一对象的身体数据，利用相关的肺活量评价回归方程，可以计算得到第一对象的用力肺活量。
本方案由于无须对用户使用常规的肺量计，对于严重的心肌梗死、心功能不稳定、未控制的高血压、不能配合等用户比较友好。并且不需要进行CT扫描，避免了CT辐射剂量大、操作相对复杂的缺点。
综上，在本发明实施例中，获取第一图像序列和第二图像序列；所述第一图像序列中包括多帧第一对象深吸气过程中的肺部图像，所述第二图像序列中包括多帧所述第一对象深呼气过程中的肺部图像；所述肺部图像为DR摄影图像；从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，并从所述第二图像序列中选取所述横膈膜部位处于最高位置时的目标呼气图像；分别对所述目标吸气图像和所述目标呼气图像中的肺野边缘进行检测，得到由所述肺野边缘包围的吸气肺野图像和呼气肺野图像；确定所述吸气肺野图像的面积和所述呼气肺野图像的面积之间的差值，得到肺野面积变化量；基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的用力肺活量。本方案利用动态DR摄影获取胸部深吸气、深呼气双相影像，通过对深吸气、深呼气双相影像的肺野面积变化与用力肺活量的相关性，为获取用户的肺功能定性和定量信息提供新的简单的检测方法，为肺功能评价提供简单、方便、经济、普及的早期影像学肺通气功能检查手段。由于DR摄影无需用户用力吹气，且投照速度快，存在心肺疾病和不能配合的用户也能检测，并且DR成像辐射小，图像清晰细腻、分辨率高、运动伪影的影响很小，能够提高肺活量测试的准确性。
在一种可能的实施方式中，步骤102中的从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，包括：
步骤1021、对于所述第一图像序列中的每个肺部图像，分别获取横膈膜部位在所述肺部图像中的高度；
步骤1022、获取各个所述肺部图像的时间戳；
步骤1023、在以所述时间戳作为横坐标，所述高度作为纵坐标的坐标系中，确定各个所述肺部图像中的横膈膜对应的坐标点；
步骤1024、将各个所述坐标点用曲线连接起来，得到第一横膈膜运动幅度曲线；
步骤1025、将所述第一横膈膜运动幅度曲线中最低的点所对应的肺部图像，确定为目标吸气图像。
在步骤1021-步骤1025中，分别获取每个肺部图像中横膈膜部位在肺部图像中的高度，将该高度作为纵坐标，获取每个肺部图像的时间戳，以该时间戳作为横坐标，得到每个肺部图像的横膈位置坐标点。将各个坐标点连接起来，得到了第一横膈运动幅度曲线。确定曲线最低点，并将曲线最低点对应的肺部图像确定为目标吸气图像。目标吸气图像为横膈膜部位处于最低位置时的肺部图像。
可以理解，目标呼气图像也可以按照上述方法确定。具体方法如下：对于第二图像序列中的每个肺部图像，分别获取横膈膜部位在肺部图像中的高度；
获取各个肺部图像的时间戳；在以时间戳作为横坐标，高度作为纵坐标的坐标系中，确定各个肺部图像中的横膈膜对应的坐标点；将各个坐标点用曲线连接起来，得到第二横膈膜运动幅度曲线；将第二横膈膜运动幅度曲线中最高的点所对应的肺部图像，确定为目标呼气图像。目标呼气图像为横膈膜部位处于最高位置时的肺部图像。
图4为本发明实施例提供的第一横膈运动幅度曲线示意图。
如图4左侧所示，白色箭头所指为曲线最低点，并将曲线最低点对应的肺部图像确定为目标吸气图像。目标吸气图像如图4右侧所示。
图5为本发明实施例提供的第二横膈运动幅度曲线示意图。
如图5左侧所示，白色箭头所指为曲线最高点，并将曲线最高点对应的肺部图像确定为目标呼气图像。目标呼气图像如图5右侧所示。
在一种可能的实施方式中，步骤1021包括：
步骤10211、在所述肺部图像中确定胸骨上窝所在位置；
步骤10212、确定所述胸骨上窝向下的垂线与横膈膜的交点；
步骤10213、将所述胸骨上窝与所述交点之间的垂线的长度，确定为所述横膈膜在所述肺部图像中的高度。
在步骤10211-步骤10213中，给出了获取横膈膜部位在肺部图像中的高度的方法。
具体地，由胸骨上窝向下画垂线，与横膈膜会产生一个交点，将胸骨上窝和该交点之间的垂线长度，确定为横膈膜在肺部图像中的高度。
当用户吸气时，横膈膜与胸骨下窝之间的距离会变近，该垂线长度会变小，横膈膜在肺部图像中的高度会变低，直至吸气末高度为最低；当用户呼气时，横膈膜与胸骨下窝之间的距离会变远，该垂线长度会变大，横膈膜在肺部图像中的高度会变高，直至呼气末高度为最高。
在一种可能的实施方式中，在步骤101之前，还包括：
步骤201、获取历史样本数据，所述历史样本数据中包括历史对象的身体数据、所述历史对象在深吸气和深呼气时的历史肺野面积变化量、所述历史对象的肺活量实测值；所述身体数据至少包括身高、体重、年龄、性别；
步骤202、将所述身体数据、所述历史肺野面积变化量作为解释变量，所述肺活量实测值作为被解释变量，利用逐步回归法从所述解释变量中筛选出影响所述肺活量实测值的目标变量，以及各个所述目标变量对应的回归系数；
步骤203、基于所述目标变量、所述回归系数，确定所述肺活量实测值的回归方程。
在步骤201-步骤203中，给出了根据肺野面积变化量和身体数据确定肺活量实测值的方法，具体为利用历史样本数据，确定一个肺活量实测值的回归方程。
具体地，历史样本数据中包括：当前时刻之前的历史时间段内的目标对象的身体数据、历史对象在深吸气末和深呼气末之间的肺野面积变化量、历史对象当次的肺活量实测值。其中，肺活量实测值可以是利用肺量计、CT扫描等方法测得的。
逐步回归法的基本思路是：自动从大量可供选择的变量中选取最重要的变量，建立回归分析的预测或者解释模型。本方案将身体数据、历史肺野面积变化量作为解释变量，肺活量实测值作为被解释变量。
具体将解释变量逐个引入，引入的条件是经偏回归平方和检验后，发现其对被解释变量的影响是显著的。同时，每引入一个新的解释变量后，要对旧的解释变量逐个检验，剔除偏回归平方和不显著的自变量。这样一直边引入边剔除，直到既无新变量引入也无旧变量删除为止，就得到所有最重要的解释变量。
在逐步回归过程中，同时得到各个解释变量对应的回归系数，这样，基于解释变量和回归系数可以确定被解释变量的回归方程。
本方案以肺活量实测值为被解释变量，以肺野面积变化量、身高、年龄、性别、体重作为解释变量，利用逐步回归法筛选出影响肺活量实测值的变量。逐步回归最终纳入四个解释变量，分别是肺野面积变化量、身高、年龄、性别，回归系数分别为1.35×10-4、0.017、-0.014和0.249。
由此说明肺野面积变化量对肺活量实测值有正向影响，可以用来预测肺活量测度结果。另外，对肺活量实测值来说，身高的影响为正，年龄的影响为负，男性的肺活量均值更大。逐步回归调整后的偏回归平方和为0.731，说明肺活量有73.1％的信息能够被四个变量所解释。
利用F统计量来检验方程整体是否有显著意义。计算结果显示，F值为94.615，p值＜0.001，因此可以推断在总体中也存在该线性回归关系。
肺活量实测值具体的回归方程如下所示：
FVC＝-0.997+1.35×10-4×肺野面积变化量+0.017×身高-0.014×年龄+0.249×性别(1)
其中，FVC表示肺活量，性别为男性时“性别”取1，性别为女性时“性别”取0。
在一种可能的实施方式中，所述目标变量包括所述历史肺野面积变化量、所述身高、所述年龄和所述性别，步骤105包括：
步骤1051、获取所述第一对象的身体数据中的身高、年龄和性别数据；
步骤1052、将所述肺野面积变化量、所述身高、年龄和性别数据代入所述回归方程中，得到所述第一对象的肺活量。
在步骤1051-步骤1052中，由于身体数据中的身高、年龄和性别为最终确定的解释变量，因此，获取第一对象的身高、年龄和性别数据。
将步骤104计算得到的肺野面积变化量，和上述身高、年龄和性别数据带入式(1)中，可得第一对象的肺活量。
在一种可能的实施方式中，步骤101包括：
获取在相同摄影环境和摄影参数下，利用X线摄影系统的DR摄影模式采集的，第一对象在深吸气过程中的肺部图像和深呼气过程中的肺部图像，分别得到第一图像序列和第二图像序列。
在本发明实施例中，第一图像序列和第二图像序列需在相同摄影环境和摄影参数下拍摄，这样，才能得到准确的肺部图像，使后续的肺野面积计算标准统一，得到的肺野面积变化量才具有意义。
具体选择的摄影参数可以为：源-像距180cm，采用120KV的X线，深吸气摄影mAs采用AEC(自动曝光控制系统)条件，深呼气摄影mAs也采用深吸气摄影时的条件。
图6是本发明实施例提供的一种图像检测装置的结构框图。如图6所示，所述装置200包括：
图像序列获取模块201，用于获取第一图像序列和第二图像序列；所述第一图像序列中包括多帧第一对象深吸气过程中的肺部图像，所述第二图像序列中包括多帧所述第一对象深呼气过程中的肺部图像；所述肺部图像为DR摄影图像；
图像选取模块202，用于从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，并从所述第二图像序列中选取所述横膈膜部位处于最高位置时的目标呼气图像；
边缘检测模块203，用于分别对所述目标吸气图像和所述目标呼气图像中的肺野边缘进行检测，得到由所述肺野边缘包围的吸气肺野图像和呼气肺野图像；
变化量确定模块204，用于确定所述吸气肺野图像的面积和所述呼气肺野图像的面积之间的差值，得到肺野面积变化量；
肺活量确定模块205，用于基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的肺活量。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
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，该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/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像检测方法，其特征在于，所述方法包括：
获取第一图像序列和第二图像序列；所述第一图像序列中包括多帧第一对象深吸气过程中的肺部图像，所述第二图像序列中包括多帧所述第一对象深呼气过程中的肺部图像；所述肺部图像为DR摄影图像；
从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，并从所述第二图像序列中选取所述横膈膜部位处于最高位置时的目标呼气图像；
分别对所述目标吸气图像和所述目标呼气图像中的肺野边缘进行检测，得到由所述肺野边缘包围的吸气肺野图像和呼气肺野图像；
确定所述吸气肺野图像的面积和所述呼气肺野图像的面积之间的差值，得到肺野面积变化量；
基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的肺活量；
所述基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的肺活量，包括：
获取所述第一对象的身体数据；
将所述肺野面积变化量、所述身体数据代入预设的回归方程中，得到所述第一对象的肺活量；
所述回归方程通过以下方法得到：
获取历史样本数据，所述历史样本数据中包括历史对象的身体数据、所述历史对象在深吸气和深呼气时的历史肺野面积变化量、所述历史对象的肺活量实测值；
将所述身体数据、所述历史肺野面积变化量作为解释变量，所述肺活量实测值作为被解释变量，利用逐步回归法从所述解释变量中筛选出影响所述肺活量实测值的目标变量，以及各个所述目标变量对应的回归系数；
基于所述目标变量、所述回归系数，确定所述肺活量实测值的回归方程。
2.根据权利要求1所述的方法，其特征在于，所述从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，包括：
对于所述第一图像序列中的每个肺部图像，分别获取横膈膜部位在所述肺部图像中的高度；
获取各个所述肺部图像的时间戳；
在以所述时间戳作为横坐标，所述高度作为纵坐标的坐标系中，确定各个所述肺部图像中的横膈膜对应的坐标点；
将各个所述坐标点用曲线连接起来，得到第一横膈膜运动幅度曲线；
将所述第一横膈膜运动幅度曲线中最低的点所对应的肺部图像，确定为目标吸气图像。
3.根据权利要求2所述的方法，其特征在于，所述获取横膈膜在所述肺部图像中的高度，包括：
在所述肺部图像中确定胸骨上窝部位所在位置；
确定从所述胸骨上窝部位向下的垂线与横膈膜部位的交点；
将所述胸骨上窝部位与所述交点之间的垂线的长度，确定为所述横膈膜部位在所述肺部图像中的高度。
4.根据权利要求1所述的方法，其特征在于，所述身体数据至少包括身高、体重、年龄、性别。
5.根据权利要求1所述的方法，其特征在于，所述目标变量包括所述历史肺野面积变化量、身高、年龄和性别。
6.根据权利要求1所述的方法，其特征在于，所述获取第一图像序列和第二图像序列，包括：
获取在相同摄影环境和摄影参数下，利用X线摄影系统的DR摄影模式采集的，第一对象在深吸气过程中的肺部图像和深呼气过程中的肺部图像，分别得到第一图像序列和第二图像序列。
7.一种图像检测装置，其特征在于，所述装置包括：
图像序列获取模块，用于获取第一图像序列和第二图像序列；所述第一图像序列中包括多帧第一对象深吸气过程中的肺部图像，所述第二图像序列中包括多帧所述第一对象深呼气过程中的肺部图像；所述肺部图像为DR摄影图像；
图像选取模块，用于从所述第一图像序列中选取所述肺部图像中的横膈膜部位处于最低位置时的目标吸气图像，并从所述第二图像序列中选取所述横膈膜部位处于最高位置时的目标呼气图像；
边缘检测模块，用于分别对所述目标吸气图像和所述目标呼气图像中的肺野边缘进行检测，得到由所述肺野边缘包围的吸气肺野图像和呼气肺野图像；
变化量确定模块，用于确定所述吸气肺野图像的面积和所述呼气肺野图像的面积之间的差值，得到肺野面积变化量；
肺活量确定模块，用于基于所述肺野面积变化量和所述第一对象的身体数据确定所述第一对象的肺活量；
所述肺活量确定模块具体用于：
获取所述第一对象的身体数据；
将所述肺野面积变化量、所述身体数据代入预设的回归方程中，得到所述第一对象的肺活量；
所述回归方程通过以下方法得到：
获取历史样本数据，所述历史样本数据中包括历史对象的身体数据、所述历史对象在深吸气和深呼气时的历史肺野面积变化量、所述历史对象的肺活量实测值；
将所述身体数据、所述历史肺野面积变化量作为解释变量，所述肺活量实测值作为被解释变量，利用逐步回归法从所述解释变量中筛选出影响所述肺活量实测值的目标变量，以及各个所述目标变量对应的回归系数；
基于所述目标变量、所述回归系数，确定所述肺活量实测值的回归方程。
8.根据权利要求7所述的装置，其特征在于，所述图像选取模块具体用于：
对于所述第一图像序列中的每个肺部图像，分别获取横膈膜部位在所述肺部图像中的高度；
获取各个所述肺部图像的时间戳；
在以所述时间戳作为横坐标，所述高度作为纵坐标的坐标系中，确定各个所述肺部图像中的横膈膜对应的坐标点；
将各个所述坐标点用曲线连接起来，得到第一横膈膜运动幅度曲线；
将所述第一横膈膜运动幅度曲线中最低的点所对应的肺部图像，确定为目标吸气图像。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-6任一项所述的图像检测方法。
10.一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指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-6任一项所述的图像检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311323298.5A CN117237323B (zh) | 2023-10-12 | 2023-10-12 | 一种图像检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311323298.5A CN117237323B (zh) | 2023-10-12 | 2023-10-12 | 一种图像检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117237323A CN117237323A (zh) | 2023-12-15 |
| CN117237323B true CN117237323B (zh) | 2024-04-19 |
Family
ID=89091102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311323298.5A Active CN117237323B (zh) | 2023-10-12 | 2023-10-12 | 一种图像检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117237323B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014079655A (ja) * | 2014-02-10 | 2014-05-08 | Konica Minolta Inc | 放射線画像撮影システム |
| CN104586396A (zh) * | 2014-12-12 | 2015-05-06 | 歌尔声学股份有限公司 | 一种肺活量的测试方法和设备 |
| CN109637662A (zh) * | 2019-02-14 | 2019-04-16 | 广东工业大学 | 一种肺功能检测及数据统计的方法及系统 |
| CN111887849A (zh) * | 2020-06-22 | 2020-11-06 | 广州医科大学附属第一医院（广州呼吸中心） | 基于肺图像的曲线处理方法及装置、电子设备和存储介质 |
| CN113208639A (zh) * | 2021-03-15 | 2021-08-06 | 宋阳 | 人体肺活量实时估算系统 |
| CN113362289A (zh) * | 2021-05-25 | 2021-09-07 | 南京鼓楼医院 | 一种胸部dr图像上异物自动检测的方法 |
| CN113744884A (zh) * | 2021-09-30 | 2021-12-03 | 西南政法大学 | 一种学生健康数据预警及干预方法、系统 |
| JP2022081681A (ja) * | 2018-04-26 | 2022-05-31 | コニカミノルタ株式会社 | 動態画像解析システム及び動態画像解析プログラム |
| CN114864022A (zh) * | 2021-01-18 | 2022-08-05 | 柯尼卡美能达株式会社 | 医疗信息管理装置、医疗信息的数据构造以及记录介质 |
| CN116843647A (zh) * | 2023-07-03 | 2023-10-03 | 深圳蓝影医学科技股份有限公司 | 肺野面积确定、肺发育评估方法及装置、电子设备和介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021118983A1 (en) * | 2019-12-09 | 2021-06-17 | Free Flow Medical, Inc. | Devices, treatments and methods to restore tissue elastic recoil |
| US11284963B2 (en) * | 2019-12-30 | 2022-03-29 | Cilag Gmbh International | Method of using imaging devices in surgery |
-
2023
- 2023-10-12 CN CN202311323298.5A patent/CN117237323B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014079655A (ja) * | 2014-02-10 | 2014-05-08 | Konica Minolta Inc | 放射線画像撮影システム |
| CN104586396A (zh) * | 2014-12-12 | 2015-05-06 | 歌尔声学股份有限公司 | 一种肺活量的测试方法和设备 |
| JP2022081681A (ja) * | 2018-04-26 | 2022-05-31 | コニカミノルタ株式会社 | 動態画像解析システム及び動態画像解析プログラム |
| CN109637662A (zh) * | 2019-02-14 | 2019-04-16 | 广东工业大学 | 一种肺功能检测及数据统计的方法及系统 |
| CN111887849A (zh) * | 2020-06-22 | 2020-11-06 | 广州医科大学附属第一医院（广州呼吸中心） | 基于肺图像的曲线处理方法及装置、电子设备和存储介质 |
| CN114864022A (zh) * | 2021-01-18 | 2022-08-05 | 柯尼卡美能达株式会社 | 医疗信息管理装置、医疗信息的数据构造以及记录介质 |
| CN113208639A (zh) * | 2021-03-15 | 2021-08-06 | 宋阳 | 人体肺活量实时估算系统 |
| CN113362289A (zh) * | 2021-05-25 | 2021-09-07 | 南京鼓楼医院 | 一种胸部dr图像上异物自动检测的方法 |
| CN113744884A (zh) * | 2021-09-30 | 2021-12-03 | 西南政法大学 | 一种学生健康数据预警及干预方法、系统 |
| CN116843647A (zh) * | 2023-07-03 | 2023-10-03 | 深圳蓝影医学科技股份有限公司 | 肺野面积确定、肺发育评估方法及装置、电子设备和介质 |
Non-Patent Citations (2)
| Title |
|---|
| "Prediction of forced vital capacity with dynamic chest radiography in interstitial lung disease";Masakuni Ueyama等;《European Journal of Radiology》;20210930;1-8页 * |
| "正常成年人肺吸气相及呼气相HRCT表现";徐茂盛等;《中国医师进修杂志》;20060630;14-16页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117237323A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8160674B2 (en) | Upper body MRI scanner and associated control method | |
| JPWO2006137294A1 (ja) | Ｘ線診断支援装置、プログラム及び記録媒体 | |
| US20200193598A1 (en) | Dynamic analysis system | |
| JP2003116843A (ja) | 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及び記憶媒体 | |
| JP7047574B2 (ja) | 動態画像解析装置、動態画像解析システム、動態画像解析プログラム及び動態画像解析方法 | |
| CN107095688A (zh) | 用于进行呼吸相关的计算机断层摄影成像的方法 | |
| US7387439B2 (en) | X-ray beam calibration for bone mineral density assessment using mammography system | |
| CN117237323B (zh) | 一种图像检测方法和装置 | |
| JP2019122449A (ja) | 動態画像解析装置 | |
| EP0422148A1 (en) | Dual flow/lambda display for xenon enhanced tomography | |
| JP7255725B2 (ja) | 動態画像解析システム及び動態画像解析プログラム | |
| US20190298290A1 (en) | Imaging support apparatus and radiographic imaging system | |
| CN112689474A (zh) | 用于确定通气缺陷的计算设备 | |
| JP2020151232A (ja) | 動態解析装置、動態解析システム、予測率算出方法及びプログラム | |
| JP2014079655A (ja) | 放射線画像撮影システム | |
| TWI828661B (zh) | 診斷支援系統 | |
| JP2020171427A (ja) | 動態画像解析装置、動態画像解析システム及びプログラム | |
| Artaechevarria et al. | Automated quantitative analysis of a mouse model of chronic pulmonary inflammation using micro X-ray computed tomography | |
| JP5192354B2 (ja) | 領域特定方法、これを用いた容積計測方法、領域特定装置および領域特定プログラム | |
| EP4111977A1 (en) | A method for x-ray image processing | |
| US20200160518A1 (en) | Dynamic image analysis apparatus and dynamic image analysis system | |
| Karaman | Cardiothoracic area ratio for evaluation of ejection fraction in patients | |
| RU135246U1 (ru) | Тест-объект для компьютерной томографии легких | |
| US11986352B2 (en) | Ultrasound speckle decorrelation estimation of lung motion and ventilation | |
| EP4036926A1 (en) | Medical system for ventilation and imaging |
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 |