CN117372439B - 一种基于核磁和ct融合的子宫病变位置识别方法、系统及介质 - Google Patents
一种基于核磁和ct融合的子宫病变位置识别方法、系统及介质 Download PDFInfo
- Publication number
- CN117372439B CN117372439B CN202311680133.3A CN202311680133A CN117372439B CN 117372439 B CN117372439 B CN 117372439B CN 202311680133 A CN202311680133 A CN 202311680133A CN 117372439 B CN117372439 B CN 117372439B
- Authority
- CN
- China
- Prior art keywords
- picture
- pixel
- image
- lesion
- marking
- 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
- 230000003902 lesion Effects 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000005311 nuclear magnetism Effects 0.000 title claims abstract description 31
- 230000004927 fusion Effects 0.000 title claims abstract description 15
- 210000004291 uterus Anatomy 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000002595 magnetic resonance imaging Methods 0.000 claims abstract description 29
- 238000003384 imaging method Methods 0.000 claims description 12
- 230000036285 pathological change Effects 0.000 claims description 12
- 231100000915 pathological change Toxicity 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000010191 image analysis Methods 0.000 abstract description 2
- 238000002591 computed tomography Methods 0.000 description 113
- 230000008569 process Effects 0.000 description 19
- 238000007689 inspection Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
-
- 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
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于核磁和CT融合的子宫病变位置识别方法、系统及介质，涉及图像分析技术领域，包括：步骤S1，使用CT对患者的子宫部位进行拍摄；步骤S2，基于分析结果在左部图片或右部图片内标记出预病变区域；步骤S3，基于分析结果在中部图片内标记出预病变区域；步骤S4，在预病变区域处对患者进行磁共振成像，将磁共振成像得到的影像记为预病变影像；步骤S5，对预病变影像进行分析，基于分析结果在预病变影像内标记出病变区域；本发明用于解决现有技术中缺少CT以及核磁相结合的对病变位置进行识别的方法，在获取患者的病变位置时使用核磁检查为全面检查，出现检测时长较长，且检测位置不够精准的问题。
Description
技术领域
本发明涉及图像分析技术领域，尤其涉及一种基于核磁和CT融合的子宫病变位置识别方法、系统及介质。
背景技术
核磁一般指磁共振成像，磁共振成像又称核磁共振、核磁、MRI，是目前临床上常见的影像学检查手段；CT一般指CT检查，CT检查是目前临床上较为先进的一种医学影像检查技术，其原理是使用X射线对患者的身体结构进行扫描。
现有的在核磁以及CT方面对获取子宫病变位置的改进，通常是对核磁设备以及CT设备的改进，通过让设备更加精密或使用坐标定位，使得到的病变位置更加准确，但是在现有的技术中，缺少CT以及核磁相结合的对病变位置进行识别的方法，例如在申请公开号为CN105931224A的中国专利中，公开了基于随机森林算法的肝脏平扫CT图像病变识别方法，该识别方法采用随机森林算法对肝脏CT图像病变区域图像特征向量进行特征选择，该方法仅仅通过CT图像进行病变识别，这会导致在获取患者的病变位置时，使用CT检查时获取的影像的清晰度不如核磁检测，而使用核磁进行全面检查的时间又比CT检查长，鉴于此，有必要对现有的使用核磁以及CT对子宫病变位置识别的方法进行改进。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于核磁和CT融合的子宫病变位置识别方法、系统及介质，用于解决现有技术中缺少CT以及核磁相结合的对病变位置进行识别的方法，在获取患者的病变位置时使用核磁检查为全面检查，出现检测时长较长，且检测位置不够精准的问题。
为了实现上述目的，本发明提供一种基于核磁和CT融合的子宫病变位置识别方法，包括：
步骤S1，使用CT对患者的子宫部位进行拍摄，将拍摄得到的图片记为子宫CT图片，将子宫CT图片划分为左部图片、中部图片以及右部图片；
步骤S2，对左部图片以及右部图片进行分析，基于分析结果在左部图片或右部图片内标记出预病变区域；
步骤S3，对中部图片进行分析，基于分析结果在中部图片内标记出预病变区域；
步骤S4，基于步骤S2以及步骤S3的预病变区域，在预病变区域处对患者进行磁共振成像，将磁共振成像得到的影像记为预病变影像；
步骤S5，对预病变影像进行分析，基于分析结果在预病变影像内标记出病变区域。
进一步地，所述步骤S1包括如下子步骤：
步骤S101，使用CT对患者的子宫部位进行拍摄并得到子宫CT图片；
步骤S102，对子宫CT图片进行像素化处理，并将像素化处理后的子宫CT图片记为像素CT图片，其中，像素CT图片为矩形；
步骤S103，获取像素CT图片第一行的像素点的个数，记为M；
基于像素CT图片第一行的像素点将像素CT图片划分为M个像素列，记为像素列1至像素列M；
依次获取像素列1至像素列M中每列像素点的像素值，将像素值等于第一标准像素值的像素点记为临界像素点，将出现临界像素点的连续次数大于等于第一标准数的像素列记为临界列。
进一步地，所述步骤S1还包括如下子步骤：
步骤S104，将像素列1至像素列M从左至右排列，从像素列1开始向右依次判断像素列是否为临界列，当像素列1至像素列M中任意一个像素列为临界列且临界列左侧有第二标准数的临界列时，将像素列记为左临界列，并停止判断；
步骤S105，将像素列1至像素列M从左至右排列，从像素列M开始向左依次判断像素列是否为临界列，当像素列1至像素列M中任意一个像素列为临界列且临界列右侧有第二标准数的临界列时，将像素列记为右临界列，并停止判断；
步骤S106，基于像素CT图片中的左临界列以及右临界列，将子宫CT图片进行划分，并将划分后的图片记为左部图片、中部图片以及右部图片。
进一步地，所述步骤S2包括如下子步骤：
步骤S201，将左部图片进行镜像处理，将镜像处理后的左部图片记为镜像图片；
步骤S202，将镜像图片以及右部图片进行像素化处理，记为镜像像素图片以及右部像素图片，将镜像像素图片以及右部像素图片放入平面直角坐标系中；
步骤S203，获取镜像像素图片的图片中点，记为镜像中点，获取右部像素图片的图片中点，记为右部中点，在平面直角坐标系中移动镜像像素图片以及右部像素图片的位置以使镜像中点与右部中点重合；
步骤S204，获取镜像像素图片中像素点的数量，记为镜像数量，获取右部像素图片中像素点的数量，记为右部数量，将右部数量以及镜像数量中的最小值对应的图片记为比对图片，将右部数量以及镜像数量中的最大值对应的图片记为校准图片；
当镜像数量等于右部数量时，将镜像像素图片以及右部像素图片记为比对图片或校准图片中的一种。
进一步地，所述步骤S2还包括如下子步骤：
步骤S205，对比对图片中的任意一个像素点，获取像素点的像素值以及像素点的坐标，记为锚点像素值以及锚点坐标；
步骤S206，在校准图片中以锚点为中心的第三标准数乘以第三标准数的区域，记为校准区域；
步骤S207，当校准区域内任意一个像素点的像素值等于锚点像素值时，将锚点像素值对应的像素点记为正常像素点；
当校准区域内任意一个像素点的像素值均不等于锚点像素值时，将锚点像素值对应的像素点记为预病变像素点；
步骤S208，获取比对图片中的所有预病变像素点，将所有预病变像素点构成的坐标区域分别在镜像像素图片以及右部像素图片中进行标记，并基于镜像像素图片以及右部像素图片的标记在左部图片以及右部图片中标记出预病变区域。
进一步地，所述步骤S3包括如下子步骤：
步骤S301，对中部图片进行二值化处理，将二值化处理后的中部图片记为二值化中部图片；
步骤S302，使用二值图像轮廓提取法对二值化中部图片中的轮廓进行提取，并记为中部轮廓1至中部轮廓J；
步骤S303，获取正常情况下子宫部位的CT图片，记为正常CT图片，对正常CT图片进行二值化处理并对二值化处理后的正常CT图片使用二值图像轮廓提取法，将提取到的轮廓记为正常轮廓1至正常轮廓K。
进一步地，所述步骤S3还包括如下子步骤：
步骤S304，对于中部轮廓1至中部轮廓J中的任意一个中部轮廓，将中部轮廓放入平面直角坐标系中，将中部轮廓的轮廓中心记为中部中心；
依次将正常轮廓1至正常轮廓K放入平面直角坐标系中，并将正常轮廓的轮廓中心与中部中心重合，当正常轮廓与中部轮廓重合的像素点大于第四标准数时，将中部轮廓记为未病变轮廓；
当正常轮廓与中部轮廓重合的像素点小于等于第五标准数时，将中部轮廓记为病变轮廓；
步骤S305，获取中部轮廓1至中部轮廓J中的所有病变轮廓，并将病变轮廓以及病变轮廓的内部区域在中部图片中所在的位置记为预病变区域。
进一步地，所述步骤S4包括如下子步骤：
步骤S401，基于左部图片以及右部图片中的预病变区域对患者进行磁共振成像，将得到的影像记为左部影像以及右部影像；
步骤S402，基于中部图片中的预病变区域对患者进行磁共振成像，将得到的影像记为中部影像，其中，预病变影像包括左部影像、右部影像以及中部影像。
进一步地，所述步骤S5包括如下子步骤：
步骤S501，对左部影像进行像素化处理，将像素化处理后的左部影像记为像素化左部影像，当像素化左部影像中像素点的数量小于等于第六标准数时，将左部影像以及右部影像记为正常影像；
步骤S502，当像素化左部影像中的像素点的数量大于第六标准数时，将左部影像与正常情况下子宫的核磁影像进行相似度匹配，当相似度大于等于标准相似度时，将右部影像内的预病变区域记为病变区域；
当相似度小于标准相似度时，将左部影像内的预病变区域记为病变区域。
进一步地，所述步骤S5还包括如下子步骤：
步骤S503，将中部影像与正常情况下子宫的核磁影像进行相似度匹配，当相似度小于标准相似度时，将中部影像内的预病变区域记为病变区域。
第二方面，本发明提出一种基于核磁和CT融合的子宫病变位置识别系统，包括CT划分模块、CT分析模块、核磁成像模块以及终端处理器，所述CT划分模块、CT分析模块以及核磁成像模块与终端处理器通讯连接；
所述CT划分模块使用CT对患者的子宫部位进行拍摄，将拍摄得到的图片记为子宫CT图片，将子宫CT图片划分为左部图片、中部图片以及右部图片；
所述CT分析模块对左部图片以及右部图片进行分析，基于分析结果在左部图片或右部图片内标记出预病变区域；对中部图片进行分析，基于分析结果在中部图片内标记出预病变区域；
所述核磁成像模块基于CT分析模块的预病变区域，在预病变区域处对患者进行磁共振成像，将磁共振成像得到的影像记为预病变影像；
所述终端处理器对预病变影像进行分析，基于分析结果在预病变影像内标记出病变区域。
第三方面，一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行如权利要求1-10任一项所述方法中的步骤。
本发明的有益效果：本发明使用CT对患者的子宫部位进行拍摄，将拍摄得到的图片记为子宫CT图片，将子宫CT图片划分为左部图片、中部图片以及右部图片；对左部图片中部图片以及右部图片进行分析，基于分析结果标记出预病变区域，这样的好处在于，利用CT检查速度快的特点，通过CT检查对子宫部位进行整体拍摄，并将拍摄的图片进行分析，可以对子宫部位中可能出现病变的位置进行初步预估，有利于后续使用核磁进行更加细致的位置识别；
本发明还通过预病变区域处对患者进行磁共振成像，将磁共振成像得到的影像记为预病变影像；对预病变影像进行分析，基于分析结果在预病变影像内标记出病变区域，这样的好处在于，利用核磁检查清晰度高的特点，通过对预病变部位进行磁共振成像与对子宫部位整体进行磁共振成像相比节省了大量的时间，可以更加快速准确地获取子宫部位内的病变区域。
本发明附加方面的优点将在下面的具体实施方式的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其他特征、目的和优点将会变得更明显：
图1为本发明的方法的步骤流程图；
图2为本发明的系统的原理框图；
图3为本发明的镜像像素图片与右部像素图片重合的示意图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一第一方面，请参阅图1所示，本发明提供一种基于核磁和CT融合的子宫病变位置识别方法，包括：
步骤S1，使用CT对患者的子宫部位进行拍摄，将拍摄得到的图片记为子宫CT图片，将子宫CT图片划分为左部图片、中部图片以及右部图片；
在具体实施过程中，基于子宫CT图片的特点，通过将子宫CT图片进行划分可以更加快捷地得到分析结果；
步骤S1包括如下子步骤：
步骤S101，使用CT对患者的子宫部位进行拍摄并得到子宫CT图片；
步骤S102，对子宫CT图片进行像素化处理，并将像素化处理后的子宫CT图片记为像素CT图片，其中，像素CT图片为矩形；
步骤S103，获取像素CT图片第一行的像素点的个数，记为M；
基于像素CT图片第一行的像素点将像素CT图片划分为M个像素列，记为像素列1至像素列M；
依次获取像素列1至像素列M中每列像素点的像素值，将像素值等于第一标准像素值的像素点记为临界像素点，将出现临界像素点的连续次数大于等于第一标准数的像素列记为临界列；
在具体实施过程中，第一标准像素值设置为255，第一标准数设置为10；
步骤S1还包括如下子步骤：
步骤S104，将像素列1至像素列M从左至右排列，从像素列1开始向右依次判断像素列是否为临界列，当像素列1至像素列M中任意一个像素列为临界列且临界列左侧有第二标准数的临界列时，将像素列记为左临界列，并停止判断；
在具体实施过程中，第二标准数设置为6；
步骤S105，将像素列1至像素列M从左至右排列，从像素列M开始向左依次判断像素列是否为临界列，当像素列1至像素列M中任意一个像素列为临界列且临界列右侧有第二标准数的临界列时，将像素列记为右临界列，并停止判断；
步骤S106，基于像素CT图片中的左临界列以及右临界列，将子宫CT图片进行划分，并将划分后的图片记为左部图片、中部图片以及右部图片；
在具体实施过程中，通过左临界列以及右临界列进行划分得到的左部图片以及右部图片大部分都是镜像对称，有利于进行后续的分析；
步骤S2，对左部图片以及右部图片进行分析，基于分析结果在左部图片或右部图片内标记出预病变区域；
步骤S2包括如下子步骤：
步骤S201，将左部图片进行镜像处理，将镜像处理后的左部图片记为镜像图片；
步骤S202，将镜像图片以及右部图片进行像素化处理，记为镜像像素图片以及右部像素图片，将镜像像素图片以及右部像素图片放入平面直角坐标系中；
步骤S203，请参阅图3所示，其中，T1为镜像中点以及图片中点，T2为镜像像素图片的矩形的顶点，T3为右部像素图片的矩形的顶点，获取镜像像素图片的图片中点，记为镜像中点，获取右部像素图片的图片中点，记为右部中点，在平面直角坐标系中移动镜像像素图片以及右部像素图片的位置以使镜像中点与右部中点重合；
步骤S204，获取镜像像素图片中像素点的数量，记为镜像数量，获取右部像素图片中像素点的数量，记为右部数量，将右部数量以及镜像数量中的最小值对应的图片记为比对图片，将右部数量以及镜像数量中的最大值对应的图片记为校准图片；
当镜像数量等于右部数量时，将镜像像素图片以及右部像素图片记为比对图片或校准图片中的一种；
步骤S2还包括如下子步骤：
步骤S205，对比对图片中的任意一个像素点，获取像素点的像素值以及像素点的坐标，记为锚点像素值以及锚点坐标；
步骤S206，在校准图片中以锚点为中心的第三标准数乘以第三标准数的区域，记为校准区域；
在具体实施过程中，第三标准数设置为5，为了防止因位置偏差导致的误差，因此设置校准区域；
步骤S207，当校准区域内任意一个像素点的像素值等于锚点像素值时，将锚点像素值对应的像素点记为正常像素点；
当校准区域内任意一个像素点的像素值均不等于锚点像素值时，将锚点像素值对应的像素点记为预病变像素点；
步骤S208，获取比对图片中的所有预病变像素点，将所有预病变像素点构成的坐标区域分别在镜像像素图片以及右部像素图片中进行标记，并基于镜像像素图片以及右部像素图片的标记在左部图片以及右部图片中标记出预病变区域；
步骤S3，对中部图片进行分析，基于分析结果在中部图片内标记出预病变区域；
步骤S3包括如下子步骤：
步骤S301，对中部图片进行二值化处理，将二值化处理后的中部图片记为二值化中部图片；
在具体实施过程中，使用二值化处理可以更加直观地得到中部图片中的多个图像轮廓；
步骤S302，使用二值图像轮廓提取法对二值化中部图片中的轮廓进行提取，并记为中部轮廓1至中部轮廓J；
步骤S303，获取正常情况下子宫部位的CT图片，记为正常CT图片，对正常CT图片进行二值化处理并对二值化处理后的正常CT图片使用二值图像轮廓提取法，将提取到的轮廓记为正常轮廓1至正常轮廓K；
步骤S3还包括如下子步骤：
步骤S304，对于中部轮廓1至中部轮廓J中的任意一个中部轮廓，将中部轮廓放入平面直角坐标系中，将中部轮廓的轮廓中心记为中部中心；
依次将正常轮廓1至正常轮廓K放入平面直角坐标系中，并将正常轮廓的轮廓中心与中部中心重合，当正常轮廓与中部轮廓重合的像素点大于第四标准数时，将中部轮廓记为未病变轮廓；
当正常轮廓与中部轮廓重合的像素点小于等于第五标准数时，将中部轮廓记为病变轮廓；
在具体实施过程中，第四标准数设置为正常轮廓的像素点数量的70%，第五标准数设置为正常轮廓的像素点数量的30%;
步骤S305，获取中部轮廓1至中部轮廓J中的所有病变轮廓，并将病变轮廓以及病变轮廓的内部区域在中部图片中所在的位置记为预病变区域；
步骤S4，基于步骤S2以及步骤S3的预病变区域，在预病变区域处对患者进行磁共振成像，将磁共振成像得到的影像记为预病变影像；
在具体实施过程中，利用CT检查速度快的特点获取预病变影像，可以使后续的核磁检查中更加精准，使核磁检查过程更加快速；
步骤S4包括如下子步骤：
步骤S401，基于左部图片以及右部图片中的预病变区域对患者进行磁共振成像，将得到的影像记为左部影像以及右部影像；
步骤S402，基于中部图片中的预病变区域对患者进行磁共振成像，将得到的影像记为中部影像，其中，预病变影像包括左部影像、右部影像以及中部影像；
步骤S5，对预病变影像进行分析，基于分析结果在预病变影像内标记出病变区域；
步骤S5包括如下子步骤：
步骤S501，对左部影像进行像素化处理，将像素化处理后的左部影像记为像素化左部影像，当像素化左部影像中像素点的数量小于等于第六标准数时，将左部影像以及右部影像记为正常影像；
在具体实施过程中，将第六标准数设置为左部图片的像素点数量的5%，当像素化左部影像中像素点的数量小于等于左部图片的像素点数量的5%，时说明有差异的区域较小，处于容错范围内，因此将左部影像以及右部影像记为正常影像，左部图片以及右部图片对应的子宫部位为非病变区域；
步骤S502，当像素化左部影像中的像素点的数量大于第六标准数时，将左部影像与正常情况下子宫的核磁影像进行相似度匹配，当相似度大于等于标准相似度时，将右部影像内的预病变区域记为病变区域；
当相似度小于标准相似度时，将左部影像内的预病变区域记为病变区域；
在具体实施过程中，当像素化左部影像中的像素点的数量大于第六标准数时，说明左部图片对应的区域以及右部图片对应的区域中其中一个区域出现病变，因此将左部影像与正常情况下的核磁影像进行相似度匹配，标准相似度设置为75%；
步骤S5还包括如下子步骤：
步骤S503，将中部影像与正常情况下子宫的核磁影像进行相似度匹配，当相似度小于标准相似度时，将中部影像内的预病变区域记为病变区域。
实施例二第二方面，请参阅图2所示，本发明提供一种基于核磁和CT融合的子宫病变位置识别系统，包括CT划分模块、CT分析模块、核磁成像模块以及终端处理器，CT划分模块、CT分析模块以及核磁成像模块与终端处理器通讯连接；
CT划分模块使用CT对患者的子宫部位进行拍摄，将拍摄得到的图片记为子宫CT图片，将子宫CT图片划分为左部图片、中部图片以及右部图片；
CT划分模块配置有CT划分策略，CT划分策略包括：
使用CT对患者的子宫部位进行拍摄并得到子宫CT图片；
对子宫CT图片进行像素化处理，并将像素化处理后的子宫CT图片记为像素CT图片，其中，像素CT图片为矩形；
获取像素CT图片第一行的像素点的个数，记为M；
基于像素CT图片第一行的像素点将像素CT图片划分为M个像素列，记为像素列1至像素列M；
依次获取像素列1至像素列M中每列像素点的像素值，将像素值等于第一标准像素值的像素点记为临界像素点，将出现临界像素点的连续次数大于等于第一标准数的像素列记为临界列；
在具体实施过程中，第一标准像素值设置为255，第一标准数设置为10；
将像素列1至像素列M从左至右排列，从像素列1开始向右依次判断像素列是否为临界列，当像素列1至像素列M中任意一个像素列为临界列且临界列左侧有第二标准数的临界列时，将像素列记为左临界列，并停止判断；
在具体实施过程中，第二标准数设置为6；
将像素列1至像素列M从左至右排列，从像素列M开始向左依次判断像素列是否为临界列，当像素列1至像素列M中任意一个像素列为临界列且临界列右侧有第二标准数的临界列时，将像素列记为右临界列，并停止判断；
基于像素CT图片中的左临界列以及右临界列，将子宫CT图片进行划分，并将划分后的图片记为左部图片、中部图片以及右部图片；
在具体实施过程中，通过左临界列以及右临界列进行划分得到的左部图片以及右部图片大部分镜像对称，有利于进行后续的分析；
CT分析模块对左部图片以及右部图片进行分析，基于分析结果在左部图片或右部图片内标记出预病变区域；对中部图片进行分析，基于分析结果在中部图片内标记出预病变区域；
CT分析模块配置有CT分析策略，CT分析策略包括：
将左部图片进行镜像处理，将镜像处理后的左部图片记为镜像图片；
将镜像图片以及右部图片进行像素化处理，记为镜像像素图片以及右部像素图片，将镜像像素图片以及右部像素图片放入平面直角坐标系中；
请参阅图3所示，其中，T1为镜像中点以及图片中点，T2为镜像像素图片的矩形的顶点，T3为右部像素图片的矩形的顶点，获取镜像像素图片的图片中点，记为镜像中点，获取右部像素图片的图片中点，记为右部中点，在平面直角坐标系中移动镜像像素图片以及右部像素图片的位置以使镜像中点与右部中点重合；
获取镜像像素图片中像素点的数量，记为镜像数量，获取右部像素图片中像素点的数量，记为右部数量，将右部数量以及镜像数量中的最小值对应的图片记为比对图片，将右部数量以及镜像数量中的最大值对应的图片记为校准图片；
当镜像数量等于右部数量时，将镜像像素图片以及右部像素图片记为比对图片或校准图片中的一种；
对比对图片中的任意一个像素点，获取像素点的像素值以及像素点的坐标，记为锚点像素值以及锚点坐标；
在校准图片中以锚点为中心的第三标准数乘以第三标准数的区域，记为校准区域；
在具体实施过程中，第三标准数设置为5，为了防止因位置偏差导致的误差，因此设置校准区域；
当校准区域内任意一个像素点的像素值等于锚点像素值时，将锚点像素值对应的像素点记为正常像素点；
当校准区域内任意一个像素点的像素值均不等于锚点像素值时，将锚点像素值对应的像素点记为预病变像素点；
获取比对图片中的所有预病变像素点，将所有预病变像素点构成的坐标区域分别在镜像像素图片以及右部像素图片中进行标记，并基于镜像像素图片以及右部像素图片的标记在左部图片以及右部图片中标记出预病变区域；
CT分析策略还包括：对中部图片进行二值化处理，将二值化处理后的中部图片记为二值化中部图片；
在具体实施过程中，使用二值化处理可以更加直观地得到中部图片中的多个图像轮廓；
使用二值图像轮廓提取法对二值化中部图片中的轮廓进行提取，并记为中部轮廓1至中部轮廓J；
获取正常情况下子宫部位的CT图片，记为正常CT图片，对正常CT图片进行二值化处理并对二值化处理后的正常CT图片使用二值图像轮廓提取法，将提取到的轮廓记为正常轮廓1至正常轮廓K；
对于中部轮廓1至中部轮廓J中的任意一个中部轮廓，将中部轮廓放入平面直角坐标系中，将中部轮廓的轮廓中心记为中部中心；
依次将正常轮廓1至正常轮廓K放入平面直角坐标系中，并将正常轮廓的轮廓中心与中部中心重合，当正常轮廓与中部轮廓重合的像素点大于第四标准数时，将中部轮廓记为未病变轮廓；
当正常轮廓与中部轮廓重合的像素点小于等于第五标准数时，将中部轮廓记为病变轮廓；
在具体实施过程中，第四标准数设置为正常轮廓的像素点数量的70%，第五标准数设置为正常轮廓的像素点数量的30%;
获取中部轮廓1至中部轮廓J中的所有病变轮廓，并将病变轮廓以及病变轮廓的内部区域在中部图片中所在的位置记为预病变区域；
核磁成像模块基于CT分析模块的预病变区域，在预病变区域处对患者进行磁共振成像，将磁共振成像得到的影像记为预病变影像；
在具体实施过程中，利用CT检查速度快的特点获取预病变影像，可以使后续的核磁检查中更加精准，使核磁检查过程更加快速；
核磁成像模块配置有核磁成像策略，核磁成像策略包括：
基于左部图片以及右部图片中的预病变区域对患者进行磁共振成像，将得到的影像记为左部影像以及右部影像；
基于中部图片中的预病变区域对患者进行磁共振成像，将得到的影像记为中部影像；
终端处理器对预病变影像进行分析，基于分析结果在预病变影像内标记出病变区域；
中端处理器配置有病变区域划分策略，病变区域划分策略包括：
对左部影像进行像素化处理，将像素化处理后的左部影像记为像素化左部影像，当像素化左部影像中像素点的数量小于等于第六标准数时，将左部影像以及右部影像记为正常影像；
在具体实施过程中，将第六标准数设置为左部图片的像素点数量的5%，当像素化左部影像中像素点的数量小于等于左部图片的像素点数量的5%，时说明有差异的区域较小，处于容错范围内，因此将左部影像以及右部影像记为正常影像，左部图片以及右部图片对应的子宫部位为非病变区域；
当像素化左部影像中的像素点的数量大于第六标准数时，将左部影像与正常情况下子宫的核磁影像进行相似度匹配，当相似度大于等于标准相似度时，将右部影像内的预病变区域记为病变区域；
当相似度小于标准相似度时，将左部影像内的预病变区域记为病变区域；
在具体实施过程中，当像素化左部影像中的像素点的数量大于第六标准数时，说明左部图片对应的区域以及右部图片对应的区域中其中一个区域出现病变，因此将左部影像与正常情况下的核磁影像进行相似度匹配，标准相似度设置为75%；
将中部影像与正常情况下子宫的核磁影像进行相似度匹配，当相似度小于标准相似度时，将中部影像内的预病变区域记为病变区域。
实施例三第三方面，本申请提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，运行如上任意一项方法中的步骤。通过上述技术方案，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：使用CT对患者的子宫部位进行拍摄，将拍摄得到的图片记为子宫CT图片，基于对子宫CT图片的分析结果标记出预病变区域，然后通过预病变区域处对患者进行磁共振成像，将磁共振成像得到的影像记为预病变影像；最后对预病变影像进行分析，基于分析结果在预病变影像内标记出病变区域。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static RandomAccess Memory，简称SRAM），电可擦除可编程只读存储器（Electrically ErasableProgrammable Read-Only Memory，简称EEPROM），可擦除可编程只读存储器（ErasableProgrammable Read Only Memory，简称EPROM），可编程只读存储器（Programmable Red-Only Memory，简称PROM），只读存储器（Read-OnlyMemory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种基于核磁和CT融合的子宫病变位置识别方法，其特征在于，包括：
步骤S1，使用CT对患者的子宫部位进行拍摄，将拍摄得到的图片记为子宫CT图片，将子宫CT图片划分为左部图片、中部图片以及右部图片；
步骤S2，对左部图片以及右部图片进行分析，基于分析结果在左部图片或右部图片内标记出预病变区域；
步骤S3，对中部图片进行分析，基于分析结果在中部图片内标记出预病变区域；
步骤S4，基于步骤S2以及步骤S3的预病变区域，在预病变区域处对患者进行磁共振成像，将磁共振成像得到的影像记为预病变影像；
步骤S5，对预病变影像进行分析，基于分析结果在预病变影像内标记出病变区域；
所述步骤S1包括如下子步骤：
步骤S101，使用CT对患者的子宫部位进行拍摄并得到子宫CT图片；
步骤S102，对子宫CT图片进行像素化处理，并将像素化处理后的子宫CT图片记为像素CT图片，其中，像素CT图片为矩形；
步骤S103，获取像素CT图片第一行的像素点的个数，记为M；
基于像素CT图片第一行的像素点将像素CT图片划分为M个像素列，记为像素列1至像素列M；
依次获取像素列1至像素列M中每列像素点的像素值，将像素值等于第一标准像素值的像素点记为临界像素点，将出现临界像素点的连续次数大于等于第一标准数的像素列记为临界列；
所述步骤S1还包括如下子步骤：
步骤S104，将像素列1至像素列M从左至右排列，从像素列1开始向右依次判断像素列是否为临界列，当像素列1至像素列M中任意一个像素列为临界列且临界列左侧有第二标准数的临界列时，将像素列记为左临界列，并停止判断；
步骤S105，将像素列1至像素列M从左至右排列，从像素列M开始向左依次判断像素列是否为临界列，当像素列1至像素列M中任意一个像素列为临界列且临界列右侧有第二标准数的临界列时，将像素列记为右临界列，并停止判断；
步骤S106，基于像素CT图片中的左临界列以及右临界列，将子宫CT图片进行划分，并将划分后的图片记为左部图片、中部图片以及右部图片；
所述步骤S2包括如下子步骤：
步骤S201，将左部图片进行镜像处理，将镜像处理后的左部图片记为镜像图片；
步骤S202，将镜像图片以及右部图片进行像素化处理，记为镜像像素图片以及右部像素图片，将镜像像素图片以及右部像素图片放入平面直角坐标系中；
步骤S203，获取镜像像素图片的图片中点，记为镜像中点，获取右部像素图片的图片中点，记为右部中点，在平面直角坐标系中移动镜像像素图片以及右部像素图片的位置以使镜像中点与右部中点重合；
步骤S204，获取镜像像素图片中像素点的数量，记为镜像数量，获取右部像素图片中像素点的数量，记为右部数量，将右部数量以及镜像数量中的最小值对应的图片记为比对图片，将右部数量以及镜像数量中的最大值对应的图片记为校准图片；
当镜像数量等于右部数量时，将镜像像素图片以及右部像素图片记为比对图片或校准图片中的一种；
步骤S205，对比对图片中的任意一个像素点，获取像素点的像素值以及像素点的坐标，记为锚点像素值以及锚点坐标；
步骤S206，在校准图片中以锚点为中心的第三标准数乘以第三标准数的区域，记为校准区域；
步骤S207，当校准区域内任意一个像素点的像素值等于锚点像素值时，将锚点像素值对应的像素点记为正常像素点；
当校准区域内任意一个像素点的像素值均不等于锚点像素值时，将锚点像素值对应的像素点记为预病变像素点；
步骤S208，获取比对图片中的所有预病变像素点，将所有预病变像素点构成的坐标区域分别在镜像像素图片以及右部像素图片中进行标记，并基于镜像像素图片以及右部像素图片的标记在左部图片以及右部图片中标记出预病变区域。
2.根据权利要求1所述的一种基于核磁和CT融合的子宫病变位置识别方法，其特征在于，所述步骤S3包括如下子步骤：
步骤S301，对中部图片进行二值化处理，将二值化处理后的中部图片记为二值化中部图片；
步骤S302，使用二值图像轮廓提取法对二值化中部图片中的轮廓进行提取，并记为中部轮廓1至中部轮廓J；
步骤S303，获取正常情况下子宫部位的CT图片，记为正常CT图片，对正常CT图片进行二值化处理并对二值化处理后的正常CT图片使用二值图像轮廓提取法，将提取到的轮廓记为正常轮廓1至正常轮廓K；
步骤S304，对于中部轮廓1至中部轮廓J中的任意一个中部轮廓，将中部轮廓放入平面直角坐标系中，将中部轮廓的轮廓中心记为中部中心；
依次将正常轮廓1至正常轮廓K放入平面直角坐标系中，并将正常轮廓的轮廓中心与中部中心重合，当正常轮廓与中部轮廓重合的像素点大于第四标准数时，将中部轮廓记为未病变轮廓；
当正常轮廓与中部轮廓重合的像素点小于等于第五标准数时，将中部轮廓记为病变轮廓；
步骤S305，获取中部轮廓1至中部轮廓J中的所有病变轮廓，并将病变轮廓以及病变轮廓的内部区域在中部图片中所在的位置记为预病变区域。
3.根据权利要求2所述的一种基于核磁和CT融合的子宫病变位置识别方法，其特征在于，所述步骤S4包括如下子步骤：
步骤S401，基于左部图片以及右部图片中的预病变区域对患者进行磁共振成像，将得到的影像记为左部影像以及右部影像；
步骤S402，基于中部图片中的预病变区域对患者进行磁共振成像，将得到的影像记为中部影像，其中，预病变影像包括左部影像、右部影像以及中部影像。
4.根据权利要求3所述的一种基于核磁和CT融合的子宫病变位置识别方法，其特征在于，所述步骤S5包括如下子步骤：
步骤S501，对左部影像进行像素化处理，将像素化处理后的左部影像记为像素化左部影像，当像素化左部影像中像素点的数量小于等于第六标准数时，将左部影像以及右部影像记为正常影像；
步骤S502，当像素化左部影像中的像素点的数量大于第六标准数时，将左部影像与正常情况下子宫的核磁影像进行相似度匹配，当相似度大于等于标准相似度时，将右部影像内的预病变区域记为病变区域；
当相似度小于标准相似度时，将左部影像内的预病变区域记为病变区域。
5.根据权利要求4所述的一种基于核磁和CT融合的子宫病变位置识别方法，其特征在于，所述步骤S5还包括如下子步骤：
步骤S503，将中部影像与正常情况下子宫的核磁影像进行相似度匹配，当相似度小于标准相似度时，将中部影像内的预病变区域记为病变区域。
6.适用于权利要求1-5任意一项的一种基于核磁和CT融合的子宫病变位置识别方法的系统，其特征在于，包括CT划分模块、CT分析模块、核磁成像模块以及终端处理器，所述CT划分模块、CT分析模块以及核磁成像模块与终端处理器通讯连接；
所述CT划分模块使用CT对患者的子宫部位进行拍摄，将拍摄得到的图片记为子宫CT图片，将子宫CT图片划分为左部图片、中部图片以及右部图片；
所述CT分析模块对左部图片以及右部图片进行分析，基于分析结果在左部图片或右部图片内标记出预病变区域；对中部图片进行分析，基于分析结果在中部图片内标记出预病变区域；
所述核磁成像模块基于CT分析模块的预病变区域，在预病变区域处对患者进行磁共振成像，将磁共振成像得到的影像记为预病变影像；
所述终端处理器对预病变影像进行分析，基于分析结果在预病变影像内标记出病变区域。
7.一种存储介质，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，运行如权利要求1-5任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311680133.3A CN117372439B (zh) | 2023-12-08 | 2023-12-08 | 一种基于核磁和ct融合的子宫病变位置识别方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311680133.3A CN117372439B (zh) | 2023-12-08 | 2023-12-08 | 一种基于核磁和ct融合的子宫病变位置识别方法、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117372439A CN117372439A (zh) | 2024-01-09 |
| CN117372439B true CN117372439B (zh) | 2024-03-12 |
Family
ID=89389669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311680133.3A Active CN117372439B (zh) | 2023-12-08 | 2023-12-08 | 一种基于核磁和ct融合的子宫病变位置识别方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117372439B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557560B (zh) * | 2024-01-11 | 2024-03-22 | 天津医科大学总医院 | 基于pet和ct图像融合的肺结节病灶识别方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111080654A (zh) * | 2019-11-18 | 2020-04-28 | 中国科学院深圳先进技术研究院 | 图像的病变区域分割方法、装置及服务器 |
| KR20210065768A (ko) * | 2019-11-27 | 2021-06-04 | 연세대학교 산학협력단 | 개인 맞춤형 뇌졸중 진단을 위한 임상 인자 및 의료 영상 처리 시스템 |
| CN112991315A (zh) * | 2021-03-30 | 2021-06-18 | 清华大学 | 一种血管病变的识别方法、系统、存储介质及电子设备 |
| CN113096109A (zh) * | 2021-04-22 | 2021-07-09 | 四川大学 | 一种肺部医学图像分析方法、设备及系统 |
| CN115330775A (zh) * | 2022-10-13 | 2022-11-11 | 佛山科学技术学院 | 一种脑卒中ct和mri影像征象定量评估方法及系统 |
| KR20230017601A (ko) * | 2021-07-28 | 2023-02-06 | 국방과학연구소 | 저전력 관심영역 탐지방법 및 이를 수행하는 탐지장치 |
| CN116958705A (zh) * | 2023-08-10 | 2023-10-27 | 天津市肿瘤医院空港医院 | 基于图神经网络的医学影像归类系统 |
| CN117115117A (zh) * | 2023-08-31 | 2023-11-24 | 南京诺源医疗器械有限公司 | 基于小样本下的病理图像识别方法、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5106928B2 (ja) * | 2007-06-14 | 2012-12-26 | オリンパス株式会社 | 画像処理装置および画像処理プログラム |
-
2023
- 2023-12-08 CN CN202311680133.3A patent/CN117372439B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111080654A (zh) * | 2019-11-18 | 2020-04-28 | 中国科学院深圳先进技术研究院 | 图像的病变区域分割方法、装置及服务器 |
| KR20210065768A (ko) * | 2019-11-27 | 2021-06-04 | 연세대학교 산학협력단 | 개인 맞춤형 뇌졸중 진단을 위한 임상 인자 및 의료 영상 처리 시스템 |
| CN112991315A (zh) * | 2021-03-30 | 2021-06-18 | 清华大学 | 一种血管病变的识别方法、系统、存储介质及电子设备 |
| CN113096109A (zh) * | 2021-04-22 | 2021-07-09 | 四川大学 | 一种肺部医学图像分析方法、设备及系统 |
| KR20230017601A (ko) * | 2021-07-28 | 2023-02-06 | 국방과학연구소 | 저전력 관심영역 탐지방법 및 이를 수행하는 탐지장치 |
| CN115330775A (zh) * | 2022-10-13 | 2022-11-11 | 佛山科学技术学院 | 一种脑卒中ct和mri影像征象定量评估方法及系统 |
| CN116958705A (zh) * | 2023-08-10 | 2023-10-27 | 天津市肿瘤医院空港医院 | 基于图神经网络的医学影像归类系统 |
| CN117115117A (zh) * | 2023-08-31 | 2023-11-24 | 南京诺源医疗器械有限公司 | 基于小样本下的病理图像识别方法、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Application of CT and MRI images based on an artificial intelligence algorithm for predicting lymph node metastasis in breast cancer patients:a meta-analysis;Cheng-Jie Liu et al.;BMC C ancer;全文 * |
| 汽车牌照自动识别系统的设计和研究;张涛 等;华北水利水电学院学报;第32卷(第4期);19-21 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117372439A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117372439B (zh) | 一种基于核磁和ct融合的子宫病变位置识别方法、系统及介质 | |
| EP4198889A1 (en) | Image processing method apparatus based on artificial intelligence, and computer device and storage medium | |
| CN111160367B (zh) | 图像分类方法、装置、计算机设备和可读存储介质 | |
| US20190003830A1 (en) | Detection device and detection method | |
| CN110211076B (zh) | 图像拼接方法、图像拼接设备和可读存储介质 | |
| Goubran et al. | Image registration of ex-vivo MRI to sparsely sectioned histology of hippocampal and neocortical temporal lobe specimens | |
| US10687913B2 (en) | Image processing device, image processing method, and computer-readable recording medium for detecting abnormality from intraluminal image using integrated feature data | |
| CN113724243B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| US20220044057A1 (en) | Device-to-image registration method, apparatus, and storage medium | |
| US8306354B2 (en) | Image processing apparatus, method, and program | |
| CN113313667A (zh) | 良性肿瘤发展趋势评估系统、计算机装置及储存介质 | |
| US20130218003A1 (en) | Rapid entry point localization for percutaneous interventions | |
| US8831301B2 (en) | Identifying image abnormalities using an appearance model | |
| US20150187074A1 (en) | Omnibus Resolution Assessment Target for Sensors | |
| US11282263B2 (en) | Computer implemented method, a system and computer programs for computing simultaneous rectilinear paths using medical images | |
| CN111199188B (zh) | 遥感影像差异图的像素处理方法、装置、存储介质及设备 | |
| CN111336938A (zh) | 一种机器人及其物体距离检测方法和装置 | |
| CN107240101B (zh) | 目标区域检测方法和装置、图像分割方法和装置 | |
| CN116385567A (zh) | 获取色卡roi坐标信息的方法、装置和介质 | |
| CN116115157A (zh) | 传感器网络的自动化校准和验证的设备和方法 | |
| CN116258666A (zh) | 一种晶圆检测Mark点定位方法及应用 | |
| CN117152178B (zh) | 一种甲状腺切割装置及切割方法 | |
| WO2008006238A1 (en) | Method and apparatus for cerebral haemorrhage segmentation | |
| CN116934839A (zh) | 嗜铬细胞瘤/副神经节瘤图形位置的自动调整方法及装置 | |
| CN117689893B (zh) | 激光扫描超广角眼底图像语义分割方法、系统及终端 |
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 |