CN117542485B - 一种影像检查的智慧处理方法及系统 - Google Patents
一种影像检查的智慧处理方法及系统 Download PDFInfo
- Publication number
- CN117542485B CN117542485B CN202311551438.4A CN202311551438A CN117542485B CN 117542485 B CN117542485 B CN 117542485B CN 202311551438 A CN202311551438 A CN 202311551438A CN 117542485 B CN117542485 B CN 117542485B
- Authority
- CN
- China
- Prior art keywords
- image
- inspection
- index
- examination
- magnetic resonance
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 328
- 238000003672 processing method Methods 0.000 title abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 72
- 230000005856 abnormality Effects 0.000 claims abstract description 60
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 238000012800 visualization Methods 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 53
- 238000002604 ultrasonography Methods 0.000 claims description 42
- 238000001514 detection method Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000011179 visual inspection Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 13
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 238000005457 optimization Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Radiology & Medical Imaging (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
Abstract
本发明公开了一种影像检查的智慧处理方法及系统,涉及智慧医疗技术领域。该一种影像检查的智慧处理方法及系统,通过设置图像数据获取模块、图像数据处理模块、图像数据分析模块、差异通知模块、可视化模块、数据库模块,实现了计算x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数、影像检查图像异常指数并进行可视化展示,同时对x射线检查图像、磁共振检查图像、超声检查图像进行可视化展示,医疗工作者可以更直观地了解哪些区域存在异常或变化,并根据差异指数的大小来判断异常程度,提高了影像检查的准确性和效率,为医疗工作提供辅助诊断、治疗效果评估、影像质量优化和算法优化方面的帮助。
Description
技术领域
本发明涉及智慧医疗技术领域,具体为一种影像检查的智慧处理方法及系统。
背景技术
随着人口老龄化和慢性疾病的增加,医疗需求也在不断增加,医疗数据的隐私和安全问题在智慧处理中尤为重要,社会对于患者数据隐私的关注和法规要求对智慧处理系统的开发和实施产生了影响,智慧处理方法和系统可以提高影像检查的效率和准确性,满足日益增长的医疗需求,影像检查的智慧处理方法和系统得到了极大的发展。
例如公开号:CN107506585A区域医疗检查影像在线处理系统及方法,通过本发明提供一种区域医疗检查影像在线处理系统及方法,该方法包括步骤:每隔预设时间查询PACS数据库中的医疗检查影像,当PACS数据库有新增医疗检查影像时,读取新增医疗检查影像;从新增医疗检查影像识别患者编号和影像检查编号,并根据影像检查编号确定新增医疗检查影像对应的医院检查科室;将新增医疗检查影像进行无失真去除噪声滤波处理得到无噪声医疗影像;将无噪声医疗影像进行灰度分层处理得到送检医疗影像;将患者编号和送检医疗影像发送至医院检查科室的医生工作站。
但是缺乏针对分析检查影像图像的处理的方法以及影像检查图像异常程度。
发明内容
针对现有技术的不足,本发明提供了一种影像检查的智慧处理方法及系统,解决了上述背景技术的问题。
为实现以上目的,本发明通过以下技术方案予以实现:一种影像检查的智慧处理系统,包括以下步骤:图像数据获取模块、图像数据处理模块、图像数据分析模块、差异通知模块、可视化模块、数据库模块;图像数据获取模块用于获取影像检查的图像数据,其中影像检查的图像数据包括:x射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理;图像数据处理模块用于基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数,基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比;图像数据分析模块基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算x射线检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数;差异通知模块用于基于x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查图像异常指数,通知相关医护人员;可视化模块用于对x射线检查图像、磁共振检查图像、超声检查图像、x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示;数据库模块用于存储标准的x射线检查图像、磁共振检查图像、超声检查图像以及x射线检查图像差异指数的阈值、磁共振检查图像差异指数的阈值和超声检查图像差异指数的阈值。
进一步地,获取影像检查的图像数据,其中影像检查的图像数据包括:x射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理的具体过程如下:导入x射线检查图像、磁共振检查图像、超声检查图像,检查数据完整性进行初步清洗,其中初步清洗包括异常值检测、去除噪声、调整图像亮度、对比度,并去除明显的伪影和伪图像,查询图像文件的命名和标识的符合规范并存储在数据库中。
进一步地,基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数的具体过程如下:将预处理的x射线检查图像、磁共振检查图像、超声检查图像与标准的x射线检查图像、磁共振检查图像、超声检查图像分别划分为若干个重叠的图像块,并对每个图像块进行读取,获取亮度的均值、对比度的标准差,使用卷积操作来提取图像中的特征和结构信息,并导入到matlab编程语言程序中,获取x射线检查图像、磁共振检查图像、超声检查图像的结构相似化指数。
进一步地,基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比的具体过程如下:导入预处理的x射线检查图像、磁共振检查图像、超声检查图像与标准的x射线检查图像、磁共振检查图像、超声检查图像,使用python中NumPy函数计算差异、均方误差和最大像素值的平方,将计算结果传递给C++图形处理库OpenCV函数,使用OpenCV函数计算x射线检查图像、磁共振检查图像、超声检查图像的峰值信噪比。
进一步地,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算x射线检查图像差异指数的计算公式如下:
其中表示x射线检查图像差异指数,/>表示x射线检查图像的结构相似化指数,表示x射线检查图像的峰值信噪比,/>表示x射线检查图像的结构相似化指数对应x射线检查图像差异指数的权重因子,/>表示对应x射线检查图像的峰值信噪比对应x射线检查图像差异指数的权重因子,/>表示x射线检查图像差异指数的修正补偿因子,e表示自然数。
进一步地,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数的计算公式如下:
其中表示磁共振检查图像差异指数,/>表示磁共振检查图像的结构相似化指数,/>表示磁共振检查图像的峰值信噪比,/>表示磁共振检查图像的结构相似化指数对应磁共振检查图像差异指数的权重因子,/>表示对应磁共振检查图像的峰值信噪比对应磁共振检查图像差异指数的权重因子,/>表示磁共振检查图像差异指数的修正补偿因子,e表示自然数。
进一步地,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数的计算公式如下:
其中表示超声检查图像差异指数,/>表示超声检查图像的结构相似化指数,/>表示超声检查图像的峰值信噪比,/>表示超声检查图像的结构相似化指数对应超声检查图像差异指数的权重因子,/>表示超声检查图像的峰值信噪比对应超声检查图像差异指数的权重因子,/>表示超声检查图像差异指数的修正补偿因子,e表示自然数。
进一步地,基于x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查图像异常指数,通知相关医护人员的具体过程如下:基于x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数计算公式如下:
其中表示影像检查图像异常指数,/>表示x射线检查图像差异指数的阈值,/>表示磁共振检查图像差异指数的阈值,/>表示超声检查图像差异指数的阈值;当影像检查处理异常指数为1,表示x射线检查图像存在明显异常,通知相关医护人员,当影像检查处理异常指数为2,表示磁共振检查图像存在明显异常,通知相关医护人员,当影像检查处理异常指数为3,表示超声检查图像存在明显异常,通知相关医护人员,当影像检查处理异常指数为0,表示影像检查图像未发现明显异常。
进一步地,对x射线检查图像、磁共振检查图像、超声检查图像、x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示的具体过程如下:基于可视化模块与图像数据获取模块、图像数据处理模块、图像数据分析模块、差异通知模块和数据库模块进行数据交互,使用HTML、CSS和JavaScript前端技术创建一个简单的网页,在网页中使用img标签配合src属性来插入x射线检查图像、磁共振检查图像、超声检查图像并进行可视化展示;在网页中使用ctx.beginPath()方法绘制路径,并使用ctx.moveTo()方法将绘制位置设置为起点,使用ctx.lineTo()方法绘制直线,再使用ctx.stroke()方法将x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数路径绘制出来,通过折线图的形式进行可视化展示。
一种应用影像检查的智慧处理系统的方法,包括以下步骤:S1.获取影像检查的图像数据,其中影像检查的图像数据包括:x射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理;S2.基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数,基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比;S3.基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算x射线检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数;S4.基于x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查处理异常指数,通知相关医护人员;S5.对x射线检查图像、磁共振检查图像、超声检查图像、x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示。
本发明具有以下有益效果:
(1)、该一种影像检查的智慧处理系统,通过计算x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数、影像检查图像异常指数,为医疗工作提供辅助诊断、治疗效果评估、影像质量优化和算法优化方面的帮助,同时可以提高影像检查的准确性和效率。
(2)、该一种影像检查的智慧处理方法,通过对x射线检查图像、磁共振检查图像、超声检查图像、x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示,通过比较不同算法生成的差异指数图像,可以确定哪种算法更适合特定的影像检查类型,从而提高自动化诊断和辅助决策的准确性和效率,同时医疗工作者可以更直观地了解哪些区域存在异常或变化,并根据差异指数的大小来判断异常程度。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
图1为本发明一种影像检查的智慧处理系统流程图。
图2为本发明一种影像检查的智慧处理方法流程图。
具体实施方式
本申请实施例通过一种影像检查的智慧处理方法及系统,实现了影像检查图像异常的问题。
本申请实施例中的问题,总体思路如下:
获取影像检查的图像数据,其中影像检查的图像数据包括:x射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理。
基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数,基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比。
基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算x射线检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数。
基于x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查处理异常指数,通知相关医护人员。
对x射线检查图像、磁共振检查图像、超声检查图像、x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示。
请参阅图1,本发明实施例提供一种技术方案:一种影像检查的智慧处理系统,包括以下步骤:图像数据获取模块、图像数据处理模块、图像数据分析模块、差异通知模块、可视化模块、数据库模块。
图像数据获取模块用于获取影像检查的图像数据,其中影像检查的图像数据包括:x射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理。
具体的,获取影像检查的图像数据,其中影像检查的图像数据包括:x射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理的具体过程如下:导入x射线检查图像、磁共振检查图像、超声检查图像,检查数据完整性进行初步清洗,其中初步清洗包括异常值检测、去除噪声、调整图像亮度、对比度,并去除明显的伪影和伪图像,查询图像文件的命名和标识的符合规范并存储在数据库中。
本实施方案中,通过对导入的影像检查图像数据进行初步清洗,可以检测数据的完整性和准确性,如果存在异常值或错误数据,可以及时发现并进行处理,从而避免对后续分析和诊断的影响;影像检查图像中常存在噪声和伪影等干扰因素,这些因素会影响医生的诊断和分析结果。通过去除噪声和伪影,可以提高影像的质量和可靠性,从而提高医生的诊断准确性;影像检查图像的命名和标识应该符合规范,以便于后续的管理和查询,通过将符合规范的命名和标识存储在数据库中,可以快速地检索和获取需要的影像检查数据,从而提高效率和准确性。
图像数据处理模块用于基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数,基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比。
具体的,基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数的具体过程如下:将预处理的x射线检查图像、磁共振检查图像、超声检查图像与标准的x射线检查图像、磁共振检查图像、超声检查图像分别划分为若干个重叠的图像块,并对每个图像块进行读取,获取亮度的均值、对比度的标准差,使用卷积操作来提取图像中的特征和结构信息,并导入到matlab编程语言程序中,获取x射线检查图像、磁共振检查图像、超声检查图像的结构相似化指数。
本实施方案中,通过将预处理后的影像检查图像与标准图像进行划分并提取特征和结构信息,可以计算出结构相似化指数,可以用来量化影像之间的相似程度,从而评估影像的质量和准确性,可以利用这个指数来辅助医生对影像进行诊断和分析;通过使用卷积操作等方法,可以提取影像中的特征和结构信息。这些信息可以包括边缘、纹理、形状等特征,以及图像的空间结构和组织,提取这些信息可以帮助系统更好地理解和分析影像,从而提高自动化诊断和辅助决策的准确性和效率:结构相似化指数的计算可以作为一种影像质量评估的指标,通过比较不同影像检查图像的结构相似化指数,可以判断影像的质量和准确性,从而帮助医生选择更可靠和准确的影像进行诊断和分析。
具体的,基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比的具体过程如下:导入预处理的x射线检查图像、磁共振检查图像、超声检查图像与标准的x射线检查图像、磁共振检查图像、超声检查图像,使用python中NumPy函数计算差异、均方误差和最大像素值的平方,将计算结果传递给C++图形处理库OpenCV函数,使用OpenCV函数计算x射线检查图像、磁共振检查图像、超声检查图像的峰值信噪比。
本实施方案中,通过计算差异、均方误差和最大像素值的平方,然后使用OpenCV函数计算峰值信噪比,可以得到影像检查图像的峰值信噪比。峰值信噪比是评估图像质量的重要指标,它表示图像中有用信息与噪声的比例,可以利用这个指标来评估影像的清晰度和准确性;使用OpenCV函数进行峰值信噪比的计算可以提高计算的效率和准确性,OpenCV是一个强大的图像处理库,提供了丰富的函数和算法,可以方便地进行图像处理和分析。通过利用OpenCV函数计算峰值信噪比,可以快速获取影像检查图像的质量评估结果。
图像数据分析模块基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算x射线检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数。
具体的,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算x射线检查图像差异指数的计算公式如下:。
其中表示x射线检查图像差异指数,/>表示x射线检查图像的结构相似化指数,表示x射线检查图像的峰值信噪比,/>表示x射线检查图像的结构相似化指数对应x射线检查图像差异指数的权重因子,/>表示对应x射线检查图像的峰值信噪比对应x射线检查图像差异指数的权重因子,/>表示x射线检查图像差异指数的修正补偿因子,e表示自然数。
本实施方案中,通过计算x射线检查图像差异指数,可以量化不同影像之间的差异程度,从而帮助医生更准确地进行诊断和分析,结构相似化指数和峰值信噪比是影像质量评估中常用的指标,可以帮助智慧处理方法及系统更准确地评估影像质量和差异程度,从而提高影像诊断的准确性和可靠性。
具体的,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数的计算公式如下:
其中表示磁共振检查图像差异指数,/>表示磁共振检查图像的结构相似化指数,/>表示磁共振检查图像的峰值信噪比,/>表示磁共振检查图像的结构相似化指数对应磁共振检查图像差异指数的权重因子,/>表示对应磁共振检查图像的峰值信噪比对应磁共振检查图像差异指数的权重因子,/>表示磁共振检查图像差异指数的修正补偿因子,e表示自然数。
本实施方案中,通过计算磁共振检查图像差异指数,可以量化不同影像之间的差异程度,从而帮助医生更准确地进行诊断和分析;通过对结构相似化指数和峰值信噪比的计算,智慧处理方法及系统可以评估不同影像处理算法的效果,并优化算法以提高影像质量,从而更准确地评估影像质量和差异程度,从而提高影像诊断的准确性和可靠性。
具体的,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数的计算公式如下:
其中表示超声检查图像差异指数,/>表示超声检查图像的结构相似化指数,/>表示超声检查图像的峰值信噪比,/>表示超声检查图像的结构相似化指数对应超声检查图像差异指数的权重因子,/>表示超声检查图像的峰值信噪比对应超声检查图像差异指数的权重因子,/>表示超声检查图像差异指数的修正补偿因子,e表示自然数。
本实施方案中,通过计算超声检查图像差异指数,可以量化不同超声图像之间的差异程度;结构相似化指数和峰值信噪比是常用的影像质量评估指标,它们可以帮助智慧处理方法及系统评估超声图像的清晰度和准确性。通过对这些指标的计算,系统可以自动化地判断超声图像的质量,并提供相应的处理。
差异通知模块用于基于x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查图像异常指数,通知相关医护人员。
具体的,基于x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查图像异常指数,通知相关医护人员的具体过程如下:基于x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数计算公式如下:
其中表示影像检查图像异常指数,/>表示x射线检查图像差异指数的阈值,/>表示磁共振检查图像差异指数的阈值,/>表示超声检查图像差异指数的阈值;当影像检查处理异常指数为1,表示x射线检查图像存在明显异常,通知相关医护人员,当影像检查处理异常指数为2,表示磁共振检查图像存在明显异常,通知相关医护人员,当影像检查处理异常指数为3,表示超声检查图像存在明显异常,通知相关医护人员,当影像检查处理异常指数为0,表示影像检查图像未发现明显异常。
本实施方案中,通过结合x射线检查、磁共振检查和超声检查等多种影像检查结果,计算出一个综合的影像检查图像异常指数。这有助于医护人员综合考虑不同类型的检查结果,提高对患者病情的判断准确性;设定不同类型检查图像差异指数的阈值,智慧处理方法及系统可以自动化地检测出明显异常的检查图像,并及时通知相关医护人员。这有助于提高异常检测的效率和准确性,使医护人员能够更快地发现患者的病情变化或异常情况。
可视化模块用于对x射线检查图像、磁共振检查图像、超声检查图像、x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示。
具体的,对x射线检查图像、磁共振检查图像、超声检查图像、x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示的具体过程如下:基于可视化模块与图像数据获取模块、图像数据处理模块、图像数据分析模块、差异通知模块和数据库模块进行数据交互,使用HTML、CSS和JavaScript前端技术创建一个简单的网页,在网页中使用img标签配合src属性来插入x射线检查图像、磁共振检查图像、超声检查图像并进行可视化展示;在网页中使用ctx.beginPath()方法绘制路径,并使用ctx.moveTo()方法将绘制位置设置为起点,使用ctx.lineTo()方法绘制直线,再使用ctx.stroke()方法将x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数路径绘制出来,通过折线图的形式进行可视化展示。
本实施方案中,通过在网页中插入x射线检查图像、磁共振检查图像和超声检查图像,医护人员可以更直观地了解患者的影像检查结果。这有助于医护人员更全面地了解患者的病情,为进一步的诊断和治疗做好准备;通过使用折线图的形式将x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数路径进行可视化展示,医护人员可以更清晰地了解患者的异常指数情况。
数据库模块用于存储标准的x射线检查图像、磁共振检查图像、超声检查图像以及x射线检查图像差异指数的阈值、磁共振检查图像差异指数的阈值和超声检查图像差异指数的阈值。
请参阅图2,本发明实施例提供一种应用影像检查的智慧处理系统的方法,包括以下步骤:S1.获取影像检查的图像数据,其中影像检查的图像数据包括:x射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理;S2.基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数,基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比;S3.基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算x射线检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数;S4.基于x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查处理异常指数,通知相关医护人员;S5.对x射线检查图像、磁共振检查图像、超声检查图像、x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示。
本实施方案中,以上方法可以提高医护人员对影像检查数据的分析和理解能力,加快疾病诊断和治疗的速度,提高医疗服务的质量和效率。
综上,本申请至少具有以下效果:
一种影像检查的智慧处理方法及系统,通过计算计算x射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数、影像检查图像异常指数并对其进行可视化展示,为医疗工作提供辅助诊断、治疗效果评估、影像质量优化和算法优化方面的帮助,提高影像检查的准确性和效率,同时医疗工作者可以更直观地了解哪些区域存在异常或变化,并根据差异指数的大小来判断异常程度。
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(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的系统、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于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的装置。
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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于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的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种影像检查的智慧处理系统,其特征在于,包括以下模块:图像数据获取模块、图像数据处理模块、图像数据分析模块、差异通知模块、可视化模块、数据库模块;
图像数据获取模块用于获取影像检查的图像数据,其中影像检查的图像数据包括:X射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理;
图像数据处理模块用于基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数,基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比;
图像数据分析模块基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算X射线检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数;
差异通知模块用于基于X射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查图像异常指数,通知相关医护人员;
可视化模块用于对X射线检查图像、磁共振检查图像、超声检查图像、X射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示;
数据库模块用于存储标准的X射线检查图像、磁共振检查图像、超声检查图像以及X射线检查图像差异指数的阈值、磁共振检查图像差异指数的阈值和超声检查图像差异指数的阈值;
基于X射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查图像异常指数,通知相关医护人员的具体过程如下:
基于X射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数计算公式如下:
其中表示影像检查图像异常指数,/>表示X射线检查图像差异指数的阈值,/>表示磁共振检查图像差异指数的阈值,/>表示超声检查图像差异指数的阈值,/>表示X射线检查图像差异指数,/>表示磁共振检查图像差异指数,/>表示超声检查图像差异指数;
当影像检查处理异常指数为1,表示X射线检查图像存在明显异常,通知相关医护人员,当影像检查处理异常指数为2,表示磁共振检查图像存在明显异常,通知相关医护人员,当影像检查处理异常指数为3,表示超声检查图像存在明显异常,通知相关医护人员,当影像检查处理异常指数为0,表示影像检查图像未发现明显异常。
2.根据权利要求1所述的一种影像检查的智慧处理系统,其特征在于:获取影像检查的图像数据,其中影像检查的图像数据包括:X射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理的具体过程如下:
导入X射线检查图像、磁共振检查图像、超声检查图像,检查数据完整性进行初步清洗,其中初步清洗包括异常值检测、去除噪声、调整图像亮度、对比度,并去除明显的伪影和伪图像,查询图像文件的命名和标识的符合规范并存储在数据库中。
3.根据权利要求2所述的一种影像检查的智慧处理系统,其特征在于:基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数的具体过程如下:
将预处理的X射线检查图像、磁共振检查图像、超声检查图像与标准的X射线检查图像、磁共振检查图像、超声检查图像分别划分为若干个重叠的图像块,并对每个图像块进行读取,获取亮度的均值、对比度的标准差,使用卷积操作来提取图像中的特征和结构信息,并导入到matlab编程语言程序中,获取X射线检查图像、磁共振检查图像、超声检查图像的结构相似化指数。
4.根据权利要求3所述的一种影像检查的智慧处理系统,其特征在于:基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比的具体过程如下:
导入预处理的X射线检查图像、磁共振检查图像、超声检查图像与标准的X射线检查图像、磁共振检查图像、超声检查图像,使用python中NumPy函数计算差异、均方误差和最大像素值的平方,将计算结果传递给C++图形处理库OpenCV函数,使用OpenCV函数计算X射线检查图像、磁共振检查图像、超声检查图像的峰值信噪比。
5.根据权利要求4所述的一种影像检查的智慧处理系统,其特征在于:基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算X射线检查图像差异指数的计算公式如下:
其中表示X射线检查图像差异指数,/>表示X射线检查图像的结构相似化指数,/>表示X射线检查图像的峰值信噪比,/>表示X射线检查图像的结构相似化指数对应X射线检查图像差异指数的权重因子,/>表示对应X射线检查图像的峰值信噪比对应X射线检查图像差异指数的权重因子,/>表示X射线检查图像差异指数的修正补偿因子,e表示自然数。
6.根据权利要求5所述的一种影像检查的智慧处理系统,其特征在于:基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数的计算公式如下:
其中表示磁共振检查图像差异指数,/>表示磁共振检查图像的结构相似化指数,/>表示磁共振检查图像的峰值信噪比,/>表示磁共振检查图像的结构相似化指数对应磁共振检查图像差异指数的权重因子,/>表示对应磁共振检查图像的峰值信噪比对应磁共振检查图像差异指数的权重因子,/>表示磁共振检查图像差异指数的修正补偿因子,e表示自然数。
7.根据权利要求6所述的一种影像检查的智慧处理系统,其特征在于:基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数的计算公式如下:
其中表示超声检查图像差异指数,/>表示超声检查图像的结构相似化指数,/>表示超声检查图像的峰值信噪比,/>表示超声检查图像的结构相似化指数对应超声检查图像差异指数的权重因子,/>表示超声检查图像的峰值信噪比对应超声检查图像差异指数的权重因子,/>表示超声检查图像差异指数的修正补偿因子,e表示自然数。
8.根据权利要求7所述的一种影像检查的智慧处理系统,其特征在于:对X射线检查图像、磁共振检查图像、超声检查图像、X射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示的具体过程如下:
基于可视化模块与图像数据获取模块、图像数据处理模块、图像数据分析模块、差异通知模块和数据库模块进行数据交互,使用HTML、CSS和JavaScript前端技术创建一个网页,在网页中使用img标签配合src属性来插入X射线检查图像、磁共振检查图像、超声检查图像并进行可视化展示;
在网页中使用ctx.beginPath()方法绘制路径,并使用ctx.moveTo()方法将绘制位置设置为起点,使用ctx.lineTo()方法绘制直线,再使用ctx.stroke()方法将X射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数路径绘制出来,通过折线图的形式进行可视化展示。
9.一种应用如权利要求1-8任一项所述的影像检查的智慧处理系统的方法,其特征在于:包括以下步骤:
S1.获取影像检查的图像数据,其中影像检查的图像数据包括:X射线检查图像、磁共振检查图像、超声检查图像,对影像检查的图像数据进行预处理;
S2.基于预处理的影像检查的图像数据进行结构相似化处理,获取影像检查的图像结构相似化指数,基于预处理的影像检查的图像数据进行峰值信噪比处理,获取影像检查的图像峰值信噪比;
S3.基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算X射线检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,估算磁共振检查图像差异指数,基于影像检查的图像结构相似化指数和影像检查的图像峰值信噪比,超声检查图像差异指数;
S4.基于X射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数,计算影像检查图像异常指数,分析影像检查处理异常指数,通知相关医护人员;
S5.对X射线检查图像、磁共振检查图像、超声检查图像、X射线检查图像差异指数、磁共振检查图像差异指数和超声检查图像差异指数进行可视化展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311551438.4A CN117542485B (zh) | 2023-11-21 | 2023-11-21 | 一种影像检查的智慧处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311551438.4A CN117542485B (zh) | 2023-11-21 | 2023-11-21 | 一种影像检查的智慧处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117542485A CN117542485A (zh) | 2024-02-09 |
CN117542485B true CN117542485B (zh) | 2024-05-10 |
Family
ID=89785628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311551438.4A Active CN117542485B (zh) | 2023-11-21 | 2023-11-21 | 一种影像检查的智慧处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117542485B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117808718B (zh) * | 2024-02-29 | 2024-05-24 | 江西科技学院 | 基于互联网的提升医学影像数据质量的方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007240353A (ja) * | 2006-03-09 | 2007-09-20 | Nagoya Electric Works Co Ltd | X線検出器診断装置およびx線検出器診断方法 |
CN102970933A (zh) * | 2010-01-06 | 2013-03-13 | 皇家飞利浦电子股份有限公司 | 用于模拟x射线系统的采集剂量减少的方法、计算机系统以及x射线系统 |
CN107506585A (zh) * | 2017-08-21 | 2017-12-22 | 深圳市前海安测信息技术有限公司 | 区域医疗检查影像在线处理系统及方法 |
CN108778116A (zh) * | 2016-04-04 | 2018-11-09 | 株式会社日立制作所 | 磁共振成像装置以及图像处理方法 |
CN110121749A (zh) * | 2016-11-23 | 2019-08-13 | 通用电气公司 | 用于图像采集的深度学习医疗系统和方法 |
CN111954805A (zh) * | 2018-02-06 | 2020-11-17 | 密歇根大学董事会 | 用于光学组织学图像的分析和远程解译的系统和方法 |
CN113117260A (zh) * | 2019-12-30 | 2021-07-16 | 重庆融海超声医学工程研究中心有限公司 | 聚焦超声装置及聚焦超声装置控制方法 |
CN114366071A (zh) * | 2022-01-12 | 2022-04-19 | 邵蕾 | 一种限制患者移动的磁共振检查用扫描系统 |
CN114708256A (zh) * | 2022-05-17 | 2022-07-05 | 中南大学湘雅医院 | 基于磁共振图像的颈动脉斑块分析装置 |
CN116596901A (zh) * | 2023-05-25 | 2023-08-15 | 千诊万确(上海)科技有限公司 | 一种基于大数据的超声波数据监测系统及方法 |
CN116721040A (zh) * | 2023-08-09 | 2023-09-08 | 广州索诺星信息科技有限公司 | 一种基于大数据的超声影像管理方法及系统 |
CN116740426A (zh) * | 2023-05-31 | 2023-09-12 | 深圳市第二人民医院(深圳市转化医学研究院) | 一种功能磁共振影像的分类预测系统 |
CN116777837A (zh) * | 2023-05-12 | 2023-09-19 | 上海深至信息科技有限公司 | 一种甲状腺超声影像扫查标准的质控系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9204853B2 (en) * | 2012-10-11 | 2015-12-08 | Carestream Health, Inc. | Method and system for quantitative imaging |
-
2023
- 2023-11-21 CN CN202311551438.4A patent/CN117542485B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007240353A (ja) * | 2006-03-09 | 2007-09-20 | Nagoya Electric Works Co Ltd | X線検出器診断装置およびx線検出器診断方法 |
CN102970933A (zh) * | 2010-01-06 | 2013-03-13 | 皇家飞利浦电子股份有限公司 | 用于模拟x射线系统的采集剂量减少的方法、计算机系统以及x射线系统 |
CN108778116A (zh) * | 2016-04-04 | 2018-11-09 | 株式会社日立制作所 | 磁共振成像装置以及图像处理方法 |
CN110121749A (zh) * | 2016-11-23 | 2019-08-13 | 通用电气公司 | 用于图像采集的深度学习医疗系统和方法 |
CN107506585A (zh) * | 2017-08-21 | 2017-12-22 | 深圳市前海安测信息技术有限公司 | 区域医疗检查影像在线处理系统及方法 |
CN111954805A (zh) * | 2018-02-06 | 2020-11-17 | 密歇根大学董事会 | 用于光学组织学图像的分析和远程解译的系统和方法 |
CN113117260A (zh) * | 2019-12-30 | 2021-07-16 | 重庆融海超声医学工程研究中心有限公司 | 聚焦超声装置及聚焦超声装置控制方法 |
CN114366071A (zh) * | 2022-01-12 | 2022-04-19 | 邵蕾 | 一种限制患者移动的磁共振检查用扫描系统 |
CN114708256A (zh) * | 2022-05-17 | 2022-07-05 | 中南大学湘雅医院 | 基于磁共振图像的颈动脉斑块分析装置 |
CN116777837A (zh) * | 2023-05-12 | 2023-09-19 | 上海深至信息科技有限公司 | 一种甲状腺超声影像扫查标准的质控系统及方法 |
CN116596901A (zh) * | 2023-05-25 | 2023-08-15 | 千诊万确(上海)科技有限公司 | 一种基于大数据的超声波数据监测系统及方法 |
CN116740426A (zh) * | 2023-05-31 | 2023-09-12 | 深圳市第二人民医院(深圳市转化医学研究院) | 一种功能磁共振影像的分类预测系统 |
CN116721040A (zh) * | 2023-08-09 | 2023-09-08 | 广州索诺星信息科技有限公司 | 一种基于大数据的超声影像管理方法及系统 |
Non-Patent Citations (3)
Title |
---|
"Research of SNR enhancement for coarse-grained CASS based on phase coherence imaging";Yao Chen; Huanqing Cao; Yanhui Guo; Shijie Jin; Zhongbing Luo; Yunlong Fang; Shuxiao Zhang;《2016 IEEE Far East NDT New Technology & Application Forum (FENDT)》;20170727;第44-48页 * |
"磁共振成像中若干图像处理方法研究";裴孟超;《中国优秀博士学位论文全文数据库》;20150615;全文 * |
"超声影像特征鉴别乳腺肿块良恶性的判别分析";叶华容;《中国卫生统计》;20160722;第31卷(第1期);第13-15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117542485A (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117542485B (zh) | 一种影像检查的智慧处理方法及系统 | |
CN108133476B (zh) | 一种肺结节自动检测方法及系统 | |
US9390509B2 (en) | Medical image processing device, medical image processing method, program | |
US10572987B2 (en) | Determination of localised quality measurements from a volumetric image record | |
JP5098393B2 (ja) | 関心領域決定装置 | |
US20200372649A1 (en) | Image analysis method, image analysis device, image analysis system, and storage medium | |
WO2014030092A1 (en) | Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting | |
US11471096B2 (en) | Automatic computerized joint segmentation and inflammation quantification in MRI | |
CN114730451A (zh) | 使用纹理分析进行图像质量(iq)标准化和系统健康预测的磁共振(mr)图像伪影确定 | |
KR101926015B1 (ko) | 영상 처리 장치 및 방법 | |
CN112037170B (zh) | 一种血管狭窄的检出方法、装置以及计算机存储介质 | |
CN109937433B (zh) | 用于x射线图像中的不透明区的检测的装置 | |
KR100998630B1 (ko) | 폐질환 자동 분류 방법 | |
Chen et al. | Quantification of morphometry and intensity features of intracranial arteries from 3D TOF MRA using the intracranial artery feature extraction (iCafe): A reproducibility study | |
JP2005230456A (ja) | 脳疾患の診断支援方法及び装置 | |
Monti et al. | Evaluating the performance of a convolutional neural network algorithm for measuring thoracic aortic diameters in a heterogeneous population | |
CN113509193A (zh) | 非创伤性急诊头部ct影像诊断方法和装置 | |
CN116363104A (zh) | 一种具有影像医学用自动诊断设备及系统 | |
CN113537407B (zh) | 基于机器学习的图像数据评价处理方法及装置 | |
KR102384083B1 (ko) | 자기공명영상을 이용한 천장관절염 진단 및 염증 정도를 평가하기 위한 장치 및 방법 | |
Roy et al. | Abnormal regions detection and quantification with accuracy estimation from MRI of brain | |
JP2007090064A (ja) | 気道及び動脈を定量分析のためにグループ化するためのシステム及び方法 | |
CN111797952B (zh) | 一种智能血浆质量判读仪及其质量检测方法 | |
CN116343970A (zh) | 物联网患者安全感知的数据采集方法、装置及系统 | |
JP2009061176A (ja) | 医用画像処理装置及びプログラム |
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 |