CN117788474A - 一种基于机器视觉的泌尿结石图像识别方法 - Google Patents
一种基于机器视觉的泌尿结石图像识别方法 Download PDFInfo
- Publication number
- CN117788474A CN117788474A CN202410211474.4A CN202410211474A CN117788474A CN 117788474 A CN117788474 A CN 117788474A CN 202410211474 A CN202410211474 A CN 202410211474A CN 117788474 A CN117788474 A CN 117788474A
- Authority
- CN
- China
- Prior art keywords
- urinary system
- calculus
- examination
- target patient
- urinary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 208000009911 Urinary Calculi Diseases 0.000 title claims abstract description 41
- 206010007027 Calculus urinary Diseases 0.000 title claims abstract description 28
- 230000002485 urinary effect Effects 0.000 claims abstract description 423
- 238000011084 recovery Methods 0.000 claims abstract description 30
- 230000000694 effects Effects 0.000 claims abstract description 24
- 238000005549 size reduction Methods 0.000 claims abstract description 20
- 230000006872 improvement Effects 0.000 claims abstract description 18
- 208000024891 symptom Diseases 0.000 claims abstract description 18
- 238000010191 image analysis Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 142
- 238000004458 analytical method Methods 0.000 claims description 87
- 239000004575 stone Substances 0.000 claims description 86
- 230000008859 change Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 28
- 238000002591 computed tomography Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 15
- 238000011282 treatment Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 6
- 230000008719 thickening Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 8
- 238000011369 optimal treatment Methods 0.000 abstract description 2
- 230000000474 nursing effect Effects 0.000 abstract 1
- 238000010521 absorption reaction Methods 0.000 description 5
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 208000008281 urolithiasis Diseases 0.000 description 4
- 201000001883 cholelithiasis Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 239000003809 bile pigment Substances 0.000 description 1
- 239000003833 bile salt Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及泌尿结石影像分析处理领域,具体公开一种基于机器视觉的泌尿结石图像识别方法,本发明通过获取泌尿系统结石的特征信息,分析泌尿系统结石的类型;获取泌尿系统结石在各次检查中的位置和三维尺寸,分析泌尿系统结石的活动性系数和尺寸缩小系数,进而综合分析泌尿系统结石消除倾向指数;获取各次检查中泌尿系统的体积和泌尿系统壁厚度,分析泌尿系统恢复倾向指数;根据泌尿系统结石消除倾向指数和泌尿系统恢复倾向指数,评估患者的症状改善系数,进而为医生提供更全面的信息,帮助医生为患者制定最佳的治疗方案和提供更有效的护理。
Description
技术领域
本发明涉及泌尿结石影像分析处理领域,涉及到一种基于机器视觉的泌尿结石图像识别方法。
背景技术
泌尿结石是一种形成在泌尿系统内的固体结构,可以引起泌尿系统炎症以及感染等严重并发症。泌尿结石影像分析在诊断和治疗泌尿结石中起着重要的作用,通过使用不同的影像学技术,医生可以准确地检测和定位泌尿结石,评估其大小、数量和形态,进而确定最佳的治疗方案,同时可以帮助医生监测结石的发展和患者的疾病进展情况,因此,对泌尿系统结石的影像进行分析处理,具有现实意义。
现有的泌尿系统结石影像分析处理方法存在一些不足:第一方面,现有的泌尿系统结石影像分析处理主要依赖医生的经验和技术水平,这意味着结果的准确性和一致性可能存在差异,同时,泌尿系统结石影像分析处理的结果可能受到医生主观判断的影响,导致诊断存在误差和差异。
第二方面,现有的泌尿系统结石影像分析处理的分析指标不够全面,如仅分析泌尿系统结石的数量、大小和位置,没有考虑到泌尿系统结石的类型和泌尿系统的状态,不同类型的泌尿系统结石,严重程度不同,随着泌尿系统结石的恶化,泌尿系统会发生病变,进而使得泌尿系统结石分析结果的准确性和可靠性不高。
第三方面,现有的泌尿系统结石影像分析处理将泌尿系统结石的各影像进行独立性分析,没有将泌尿系统结石的各影像关联起来并分析泌尿系统结石的动态变化,进而无法发现泌尿系统结石变化规律,不利于为医生评估患者病情发展趋势和制定治疗方案提供可靠参考意见。
发明内容
针对上述问题,本发明提出了一种基于机器视觉的泌尿结石图像识别方法,实现对泌尿结石影像分析处理的功能。
本发明解决其技术问题采用的技术方案是:本发明提供一种基于机器视觉的泌尿结石图像识别方法,该泌尿结石图像识别方法依据泌尿结石图像分析系统进行识别分析,该系统包括:泌尿系统影像数据获取模块:用于获取医院内泌尿系统结石患者监测周期内各次检查的泌尿系统影像数据,将其记为目标患者监测周期内各次检查的泌尿系统影像数据。
泌尿系统结石类型分析模块:用于根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中各泌尿系统结石的形状、体积、密度和CT值,得到目标患者监测周期内各次检查中各泌尿系统结石的类型,进一步得到目标患者监测周期内各次检查中各类型泌尿系统结石的数量。
泌尿系统结石位置变化监测模块:用于获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的位置,分析目标患者各类型泌尿系统结石中各结石的活动性系数。
泌尿系统结石尺寸变化监测模块:用于获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的三维尺寸,分析目标患者各类型泌尿系统结石中各结石的尺寸缩小系数。
泌尿系统结石消除倾向分析模块:用于根据目标患者各类型泌尿系统结石中各结石的活动性系数和尺寸缩小系数,分析目标患者的泌尿系统结石消除倾向指数。
泌尿系统恢复倾向分析模块:用于根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中泌尿系统的体积和泌尿系统壁厚度,分析目标患者的泌尿系统恢复倾向指数。
患者症状改善评估模块:用于根据目标患者的泌尿系统结石消除倾向指数和泌尿系统恢复倾向指数,评估目标患者的症状改善系数,进行反馈。
数据库:用于存储各类型泌尿系统结石的特征信息。
在上述实施例的基础上,所述泌尿系统影像数据获取模块的具体分析过程为:将泌尿系统结石患者在医院首次就诊时间至当前时间之间的时间段记为监测周期,获取医院内泌尿系统结石患者监测周期内各次检查的泌尿系统影像数据,将其记为目标患者监测周期内各次检查的泌尿系统影像数据。
在上述实施例的基础上,所述泌尿系统结石类型分析模块的具体分析过程包括:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查的CT扫描图像。
通过目标患者监测周期内各次检查的CT扫描图像,获取目标患者监测周期内各次检查的CT扫描图像中泌尿系统内各高密度影的轮廓形状,得到目标患者监测周期内各次检查中各泌尿系统结石的形状。
获取目标患者监测周期内各次检查的CT扫描图像中泌尿系统内各高密度影的长度、宽度和高度,得到目标患者监测周期内各次检查中各泌尿系统结石的长度、宽度和高度,按照预设的原则将泌尿系统结石近似为椭球,结合泌尿系统结石的长度、宽度和高度,计算泌尿系统结石近似椭球的体积,将其记为泌尿系统结石的体积,进而得到目标患者监测周期内各次检查中各泌尿系统结石的体积。
获取目标患者监测周期内各次检查的CT扫描图像中泌尿系统内各高密度影的密度,得到目标患者监测周期内各次检查中各泌尿系统结石的密度。
通过目标患者监测周期内各次检查的CT扫描图像,获取目标患者监测周期内各次检查中各泌尿系统结石的CT值。
在上述实施例的基础上,所述泌尿系统结石类型分析模块的具体分析过程还包括:提取数据库中存储的各类型泌尿系统结石的特征信息,得到各类型泌尿系统结石的形状、体积范围、密度范围和CT值范围。
将目标患者监测周期内各次检查中各泌尿系统结石的形状、体积、密度和CT值分别与各类型泌尿系统结石的形状、体积范围、密度范围和CT值范围一一进行比对,得到目标患者监测周期内各次检查中各泌尿系统结石形状、体积、密度和CT值匹配的泌尿系统结石类型。
根据目标患者监测周期内各次检查中各泌尿系统结石形状、体积、密度和CT值匹配的泌尿系统结石类型,获取目标患者监测周期内各次检查中各泌尿系统结石与各泌尿系统结石类型匹配的特征项数量,将最大匹配特征项数量对应的泌尿系统结石类型作为泌尿系统结石的类型,统计得到目标患者监测周期内各次检查中各泌尿系统结石的类型,并进行归类,得到目标患者监测周期内各次检查中各类型泌尿系统结石的数量。
在上述实施例的基础上,所述泌尿系统结石位置变化监测模块的具体分析过程为:S1:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的位置,得到目标患者各类型泌尿系统结石中各结石在各次检查中的位置,判断目标患者各类型泌尿系统结石中各结石是否在各次检查中均出现,若结石在各次检查中均出现,则执行S3,反之,则执行S2。
S2:设定排出结石和新增结石对应的活动性系数,判断结石为排出结石或新增结石,进而得到结石的活动性系数。
S3:获取结石在各次检查中位置与在各次检查相邻上一次检查中位置之间的距离,将其记为结石在各次检查中的移动距离,并表示为,/>表示第/>次检查的编号,。
通过分析公式得到结石的活动性系数/>,其中/>表示预设的活动性系数的修正因子,/>表示预设的单位移动距离的影响因子,/>表示检查的次数,/>表示结石在第/>次检查中的移动距离。
S4:统计得到目标患者各类型泌尿系统结石中各结石的活动性系数,将其记为,表示第/>个泌尿系统结石类型的编号,/>,/>表示第/>个结石的编号,/>。
在上述实施例的基础上,所述泌尿系统结石尺寸变化监测模块的具体分析过程为:F1:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的三维尺寸,得到目标患者各类型泌尿系统结石中各结石在各次检查中的三维尺寸,判断目标患者各类型泌尿系统结石中各结石是否在各次检查中均出现,若结石在各次检查中均出现,则执行F3,反之,则执行F2。
F2:设定排出结石和新增结石对应的尺寸缩小系数,判断结石为排出结石或新增结石,进而得到结石的尺寸缩小系数。
F3:将结石在各次检查中的三维尺寸分别记为。
通过分析公式得到结石的尺寸缩小系数/>,其中/>表示预设的尺寸缩小系数的修正因子,/>表示结石在第次检查中的三维尺寸。
F4:统计得到目标患者各类型泌尿系统结石中各结石的尺寸缩小系数,将其记为。
在上述实施例的基础上,所述泌尿系统结石消除倾向分析模块的具体分析过程为:通过分析公式得到目标患者的泌尿系统结石消除倾向指数/>,其中/>表示预设的泌尿系统结石消除倾向指数的修正因子,/>表示预设的第/>个泌尿系统结石类型的影响因子,/>表示自然常数,/>分别表示预设的活动性系数和尺寸缩小系数的权值,/>。
在上述实施例的基础上,所述泌尿系统恢复倾向分析模块的具体分析过程包括:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中泌尿系统的体积和泌尿系统壁厚度,将其分别记为。
通过分析公式得到目标患者泌尿系统的泌尿系统体积扩增系数/>,其中/>表示预设的泌尿系统体积扩增系数的修正因子,/>表示目标患者监测周期内第/>次检查中泌尿系统的体积。
同理,根据目标患者泌尿系统的泌尿系统体积扩增系数的分析方法,获取目标患者泌尿系统的泌尿系统壁增厚系数,将其记为。
在上述实施例的基础上,所述泌尿系统恢复倾向分析模块的具体分析过程还包括:通过分析公式得到目标患者的泌尿系统恢复倾向指数/>,其中/>表示预设的泌尿系统恢复倾向指数的修正因子,/>分别表示预设的泌尿系统体积扩增系数和泌尿系统壁增厚系数的权值,/>。
在上述实施例的基础上,所述患者症状改善评估模块的具体分析过程为:对目标患者的泌尿系统结石消除倾向指数和泌尿系统恢复倾向指数进行加权平均值计算,得到目标患者的症状改善系数,并反馈至医院内目标患者的主治医生。
相对于现有技术,本发明所述的一种基于机器视觉的泌尿结石图像识别方法以下有益效果:1.本发明引入定量分析方法,通过测量和分析泌尿系统结石的形状、体积、密度、CT值、位置和三维尺寸等特征,提供更客观和可重复的泌尿系统结石评估结果,进而减少泌尿系统结石影像分析处理的主观性和依赖性,并提高诊断的准确性和一致性。
2.本发明从泌尿系统结石的类型、尺寸和位置以及泌尿系统的体积和壁厚等多方面指标对泌尿系统结石进行分析评估,进而提高泌尿系统结石分析结果的准确性和可靠性。
3.本发明通过将泌尿系统结石的各影像进行关联分析,获取泌尿系统结石的尺寸变化和位置变化以及泌尿系统的体积变化和壁厚变化,进而评估患者的病情是否改善,从而为医生评估患者病情发展趋势和制定治疗方案提供可靠参考意见。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的模块连接图。
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它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供一种基于机器视觉的泌尿结石图像识别方法,包括泌尿系统影像数据获取模块、泌尿系统结石类型分析模块、泌尿系统结石位置变化监测模块、泌尿系统结石尺寸变化监测模块、泌尿系统结石消除倾向分析模块、泌尿系统恢复倾向分析模块、患者症状改善评估模块和数据库。
所述泌尿系统结石类型分析模块分别与泌尿系统影像数据获取模块、泌尿系统结石位置变化监测模块和泌尿系统结石尺寸变化监测模块连接,泌尿系统结石消除倾向分析模块分别与泌尿系统结石位置变化监测模块和泌尿系统结石尺寸变化监测模块连接,泌尿系统恢复倾向分析模块与泌尿系统影像数据获取模块连接,患者症状改善评估模块分别与泌尿系统结石消除倾向分析模块和泌尿系统恢复倾向分析模块连接,数据库与泌尿系统结石类型分析模块连接。
所述泌尿系统影像数据获取模块用于获取医院内泌尿系统结石患者监测周期内各次检查的泌尿系统影像数据,将其记为目标患者监测周期内各次检查的泌尿系统影像数据。
进一步地,所述泌尿系统影像数据获取模块的具体分析过程为:将泌尿系统结石患者在医院首次就诊时间至当前时间之间的时间段记为监测周期,获取医院内泌尿系统结石患者监测周期内各次检查的泌尿系统影像数据,将其记为目标患者监测周期内各次检查的泌尿系统影像数据。
作为一种优选方案,目标患者监测周期内各次检查的泌尿系统影像数据包括目标患者在医院首次就诊时的泌尿系统影像数据和康复周期内各次复查时的泌尿系统影像数据。
作为一种优选方案,泌尿系统影像数据包括但不限于:超声波图像、X射线图像、CT扫描图像和MRI图像等。
作为一种优选方案,医院利用超声波、CT扫描和磁共振成像等医学影像技术,对目标患者的泌尿系统结石进行诊断和评估。
所述泌尿系统结石类型分析模块用于根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中各泌尿系统结石的形状、体积、密度和CT值,得到目标患者监测周期内各次检查中各泌尿系统结石的类型,进一步得到目标患者监测周期内各次检查中各类型泌尿系统结石的数量。
进一步地,所述泌尿系统结石类型分析模块的具体分析过程包括:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查的CT扫描图像。
通过目标患者监测周期内各次检查的CT扫描图像,获取目标患者监测周期内各次检查的CT扫描图像中泌尿系统内各高密度影的轮廓形状,得到目标患者监测周期内各次检查中各泌尿系统结石的形状。
作为一种优选方案,目标患者的CT扫描图像中泌尿系统内各高密度影指泌尿系统内各泌尿系统结石对应的高密度影,在获取泌尿系统结石对应的高密度影时,对泌尿系统内各高密度影进行筛选,排除非泌尿系统结石的高密度影。
在另一个具体实施例中,通过X射线图像中阴影的轮廓形状来判断泌尿系统结石的形状。
获取目标患者监测周期内各次检查的CT扫描图像中泌尿系统内各高密度影的长度、宽度和高度,得到目标患者监测周期内各次检查中各泌尿系统结石的长度、宽度和高度,按照预设的原则将泌尿系统结石近似为椭球,结合泌尿系统结石的长度、宽度和高度,计算泌尿系统结石近似椭球的体积,将其记为泌尿系统结石的体积,进而得到目标患者监测周期内各次检查中各泌尿系统结石的体积。
作为一种优选方案,CT扫描是通过多个不同角度的X射线图像来创建一个三维图像,进而CT扫描图像能获取泌尿系统结石在立体空间上的特征。
作为一种优选方案,在医学影像学中,泌尿系统结石的大小是通过测量泌尿系统结石在三个维度的尺寸来确定的,即测量泌尿系统结石的长度、宽度和高度来确定的。
作为一种优选方案,泌尿系统结石的三维尺寸可以用来计算泌尿系统结石的体积。通过将泌尿系统结石视为一个椭球或近似几何体,并使用相应的公式进行计算。
获取目标患者监测周期内各次检查的CT扫描图像中泌尿系统内各高密度影的密度,得到目标患者监测周期内各次检查中各泌尿系统结石的密度。
在另一个具体实施例中,通过X射线图像中阴影的浓密程度来判断泌尿系统结石的密度。
通过目标患者监测周期内各次检查的CT扫描图像,获取目标患者监测周期内各次检查中各泌尿系统结石的CT值。
进一步地,所述泌尿系统结石类型分析模块的具体分析过程还包括:提取数据库中存储的各类型泌尿系统结石的特征信息,得到各类型泌尿系统结石的形状、体积范围、密度范围和CT值范围。
将目标患者监测周期内各次检查中各泌尿系统结石的形状、体积、密度和CT值分别与各类型泌尿系统结石的形状、体积范围、密度范围和CT值范围一一进行比对,得到目标患者监测周期内各次检查中各泌尿系统结石形状、体积、密度和CT值匹配的泌尿系统结石类型。
作为一种优选方案,获取目标患者监测周期内各次检查中各泌尿系统结石形状、体积、密度和CT值匹配的泌尿系统结石类型,具体方法为:将目标患者监测周期内各次检查中各泌尿系统结石的形状与各类型泌尿系统结石的形状进行比较,获取目标患者监测周期内各次检查中各泌尿系统结石的形状与各类型泌尿系统结石的形状的相似度,将最大相似度对应的泌尿系统结石类型作为泌尿系统结石形状匹配的泌尿系统结石类型,统计目标患者监测周期内各次检查中各泌尿系统结石形状匹配的泌尿系统结石类型。
将泌尿系统结石体积所属的体积范围对应的泌尿系统结石类型作为泌尿系统结石体积匹配的泌尿系统结石类型,统计目标患者监测周期内各次检查中各泌尿系统结石体积匹配的泌尿系统结石类型。
同理,根据目标患者监测周期内各次检查中各泌尿系统结石体积匹配的泌尿系统结石类型的分析方法,获取目标患者监测周期内各次检查中各泌尿系统结石密度匹配的泌尿系统结石类型和各泌尿系统结石CT值匹配的泌尿系统结石类型。
根据目标患者监测周期内各次检查中各泌尿系统结石形状、体积、密度和CT值匹配的泌尿系统结石类型,获取目标患者监测周期内各次检查中各泌尿系统结石与各泌尿系统结石类型匹配的特征项数量,将最大匹配特征项数量对应的泌尿系统结石类型作为泌尿系统结石的类型,统计得到目标患者监测周期内各次检查中各泌尿系统结石的类型,并进行归类,得到目标患者监测周期内各次检查中各类型泌尿系统结石的数量。
作为一种优选方案,若某泌尿系统结石的形状、体积、密度和CT值与某泌尿系统结石类型均匹配,则该泌尿系统结石与该泌尿系统结石类型匹配的特征项数量为4,若某泌尿系统结石的形状、体积、密度和CT值与某泌尿系统结石类型均不匹配,则该泌尿系统结石与该泌尿系统结石类型匹配的特征项数量为0。
作为一种优选方案,按照泌尿系统结石的成分对泌尿系统结石的类型进行划分,其中泌尿系统结石的类型包括但不限于:胆固醇结石、胆色素结石和钙胆盐结石等。
作为一种优选方案,泌尿系统结石的形状包括但不限于:圆形、椭圆形和不规则形状等。
在一个具体实施例中,胆固醇结石通常呈现为圆形或椭圆形,胆色素结石通常较小且呈现不规则形状,钙胆盐结石通常呈现结晶状或结块状。
作为一种优选方案,不同类型的泌尿系统结石在CT扫描图像上通常具有不同的密度和吸收能力。密度是指泌尿系统结石对X射线的阻止程度或透过程度,密度高的泌尿系统结石在CT图像上呈现出明亮的颜色,而密度低的泌尿系统结石则呈现出暗色。吸收能力是指泌尿系统结石对X射线的吸收程度,吸收能力可以通过CT值来表示,CT值是指在CT扫描中泌尿系统结石对X射线的吸收能力相对于水的吸收能力的测量值。
所述泌尿系统结石位置变化监测模块用于获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的位置,分析目标患者各类型泌尿系统结石中各结石的活动性系数。
进一步地,所述泌尿系统结石位置变化监测模块的具体分析过程为:S1:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的位置,得到目标患者各类型泌尿系统结石中各结石在各次检查中的位置,判断目标患者各类型泌尿系统结石中各结石是否在各次检查中均出现,若结石在各次检查中均出现,则执行S3,反之,则执行S2。
S2:设定排出结石和新增结石对应的活动性系数,判断结石为排出结石或新增结石,进而得到结石的活动性系数。
在一个具体实施例中,若结石为排出结石,则结石的活动性系数为1;若结石为新增结石,则结石的活动性系数为0。
S3:获取结石在各次检查中位置与在各次检查相邻上一次检查中位置之间的距离,将其记为结石在各次检查中的移动距离,并表示为,/>表示第/>次检查的编号,。
作为一种优选方案,结石在第一次检查中的移动距离为设定值。
在一个具体实施例中,结石在第一次检查中的移动距离为0。
通过分析公式得到结石的活动性系数/>,其中/>表示预设的活动性系数的修正因子,/>表示预设的单位移动距离的影响因子,/>表示检查的次数,/>表示结石在第/>次检查中的移动距离。
S4:统计得到目标患者各类型泌尿系统结石中各结石的活动性系数,将其记为,表示第/>个泌尿系统结石类型的编号,/>,/>表示第/>个结石的编号,/>。
作为一种优选方案,活动性强、位置易移动的泌尿系统结石通常更有利于排出体外。其中,泌尿系统结石非手术途径排出体外可能有以下几种情况:较小的泌尿系统结石通过泌尿系统的输送管道排出体外;泌尿系统在消化过程中收缩对泌尿系统结石施加压力使泌尿系统结石移动排出;通过药物治疗溶解泌尿系统结石;通过泌尿系统结石碎石术将泌尿系统结石破碎成较小碎片,借助身体排泄排出体外。
需要说明的是,本发明引入定量分析方法,通过测量和分析泌尿系统结石的形状、体积、密度、CT值、位置和三维尺寸等特征,提供更客观和可重复的泌尿系统结石评估结果,进而减少泌尿系统结石影像分析处理的主观性和依赖性,并提高诊断的准确性和一致性。
所述泌尿系统结石尺寸变化监测模块用于获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的三维尺寸,分析目标患者各类型泌尿系统结石中各结石的尺寸缩小系数。
进一步地,所述泌尿系统结石尺寸变化监测模块的具体分析过程为:F1:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的三维尺寸,得到目标患者各类型泌尿系统结石中各结石在各次检查中的三维尺寸,判断目标患者各类型泌尿系统结石中各结石是否在各次检查中均出现,若结石在各次检查中均出现,则执行F3,反之,则执行F2。
作为一种优选方案,结石的三维尺寸指结石的长度、宽度和高度,且通过结石的CT扫描图像可以获取。
F2:设定排出结石和新增结石对应的尺寸缩小系数,判断结石为排出结石或新增结石,进而得到结石的尺寸缩小系数。
在一个具体实施例中,若结石为排出结石,则结石的尺寸缩小系数为1;若结石为新增结石,则结石的尺寸缩小系数为-1。
F3:将结石在各次检查中的三维尺寸分别记为。
通过分析公式得到结石的尺寸缩小系数/>,其中/>表示预设的尺寸缩小系数的修正因子,/>表示结石在第次检查中的三维尺寸。
作为一种优选方案,结石的尺寸缩小系数可正可负。
F4:统计得到目标患者各类型泌尿系统结石中各结石的尺寸缩小系数,将其记为。
所述泌尿系统结石消除倾向分析模块用于根据目标患者各类型泌尿系统结石中各结石的活动性系数和尺寸缩小系数,分析目标患者的泌尿系统结石消除倾向指数。
进一步地,所述泌尿系统结石消除倾向分析模块的具体分析过程为:通过分析公式得到目标患者的泌尿系统结石消除倾向指数/>,其中/>表示预设的泌尿系统结石消除倾向指数的修正因子,/>表示预设的第/>个泌尿系统结石类型的影响因子,/>表示自然常数,/>分别表示预设的活动性系数和尺寸缩小系数的权值,/>。
所述泌尿系统恢复倾向分析模块用于根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中泌尿系统的体积和泌尿系统壁厚度,分析目标患者的泌尿系统恢复倾向指数。
进一步地,所述泌尿系统恢复倾向分析模块的具体分析过程包括:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中泌尿系统的体积和泌尿系统壁厚度,将其分别记为。
作为一种优选方案,通过CT扫描图像获取泌尿系统的体积。
作为一种优选方案,获取泌尿系统的泌尿系统壁厚度的方法为:按照预设的原则在泌尿系统表面布设各检测点,获取泌尿系统表面各检测点处的泌尿系统壁厚度,并进行平均值计算,得到泌尿系统的泌尿系统壁厚度。
通过分析公式得到目标患者泌尿系统的泌尿系统体积扩增系数/>,其中/>表示预设的泌尿系统体积扩增系数的修正因子,/>表示目标患者监测周期内第/>次检查中泌尿系统的体积。
同理,根据目标患者泌尿系统的泌尿系统体积扩增系数的分析方法,获取目标患者泌尿系统的泌尿系统壁增厚系数,将其记为。
进一步地,所述泌尿系统恢复倾向分析模块的具体分析过程还包括:通过分析公式得到目标患者的泌尿系统恢复倾向指数/>,其中/>表示预设的泌尿系统恢复倾向指数的修正因子,/>分别表示预设的泌尿系统体积扩增系数和泌尿系统壁增厚系数的权值,/>。
需要说明的是,本发明通过将泌尿系统结石的各影像进行关联分析,获取泌尿系统结石的尺寸变化和位置变化以及泌尿系统的体积变化和壁厚变化,进而评估患者的病情是否改善,从而为医生评估患者病情发展趋势和制定治疗方案提供可靠参考意见。
所述患者症状改善评估模块用于根据目标患者的泌尿系统结石消除倾向指数和泌尿系统恢复倾向指数,评估目标患者的症状改善系数,进行反馈。
进一步地,所述患者症状改善评估模块的具体分析过程为:对目标患者的泌尿系统结石消除倾向指数和泌尿系统恢复倾向指数进行加权平均值计算,得到目标患者的症状改善系数,并反馈至医院内目标患者的主治医生。
作为一种优选方案,泌尿系统结石消除倾向指数的权重大于泌尿系统恢复倾向指数的权重。
需要说明的是,本发明从泌尿系统结石的类型、尺寸和位置以及泌尿系统的体积和壁厚等多方面指标对泌尿系统结石进行分析评估,进而提高泌尿系统结石分析结果的准确性和可靠性。
所述数据库用于存储各类型泌尿系统结石的特征信息。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于机器视觉的泌尿结石图像识别方法,其特征在于,该泌尿结石图像识别方法依据泌尿结石图像分析系统进行识别分析,该系统包括:
泌尿系统影像数据获取模块:用于获取医院内泌尿系统结石患者监测周期内各次检查的泌尿系统影像数据,将其记为目标患者监测周期内各次检查的泌尿系统影像数据;
泌尿系统结石类型分析模块:用于根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中各泌尿系统结石的形状、体积、密度和CT值,得到目标患者监测周期内各次检查中各泌尿系统结石的类型,进一步得到目标患者监测周期内各次检查中各类型泌尿系统结石的数量;
泌尿系统结石位置变化监测模块:用于获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的位置,分析目标患者各类型泌尿系统结石中各结石的活动性系数;
泌尿系统结石尺寸变化监测模块:用于获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的三维尺寸,分析目标患者各类型泌尿系统结石中各结石的尺寸缩小系数;
泌尿系统结石消除倾向分析模块:用于根据目标患者各类型泌尿系统结石中各结石的活动性系数和尺寸缩小系数,分析目标患者的泌尿系统结石消除倾向指数;
泌尿系统恢复倾向分析模块:用于根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中泌尿系统的体积和泌尿系统壁厚度,分析目标患者的泌尿系统恢复倾向指数;
患者症状改善评估模块:用于根据目标患者的泌尿系统结石消除倾向指数和泌尿系统恢复倾向指数,评估目标患者的症状改善系数,进行反馈;
数据库:用于存储各类型泌尿系统结石的特征信息。
2.根据权利要求1所述的一种基于机器视觉的泌尿结石图像识别方法,其特征在于:所述泌尿系统影像数据获取模块的具体分析过程为:
将泌尿系统结石患者在医院首次就诊时间至当前时间之间的时间段记为监测周期,获取医院内泌尿系统结石患者监测周期内各次检查的泌尿系统影像数据,将其记为目标患者监测周期内各次检查的泌尿系统影像数据。
3.根据权利要求1所述的一种基于机器视觉的泌尿结石图像识别方法,其特征在于:所述泌尿系统结石类型分析模块的具体分析过程包括:
根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查的CT扫描图像;
通过目标患者监测周期内各次检查的CT扫描图像,获取目标患者监测周期内各次检查的CT扫描图像中泌尿系统内各高密度影的轮廓形状,得到目标患者监测周期内各次检查中各泌尿系统结石的形状;
获取目标患者监测周期内各次检查的CT扫描图像中泌尿系统内各高密度影的长度、宽度和高度,得到目标患者监测周期内各次检查中各泌尿系统结石的长度、宽度和高度,按照预设的原则将泌尿系统结石近似为椭球,结合泌尿系统结石的长度、宽度和高度,计算泌尿系统结石近似椭球的体积,将其记为泌尿系统结石的体积,进而得到目标患者监测周期内各次检查中各泌尿系统结石的体积;
获取目标患者监测周期内各次检查的CT扫描图像中泌尿系统内各高密度影的密度,得到目标患者监测周期内各次检查中各泌尿系统结石的密度;
通过目标患者监测周期内各次检查的CT扫描图像,获取目标患者监测周期内各次检查中各泌尿系统结石的CT值。
4.根据权利要求1所述的一种基于机器视觉的泌尿结石图像识别方法,其特征在于:所述泌尿系统结石类型分析模块的具体分析过程还包括:
提取数据库中存储的各类型泌尿系统结石的特征信息,得到各类型泌尿系统结石的形状、体积范围、密度范围和CT值范围;
将目标患者监测周期内各次检查中各泌尿系统结石的形状、体积、密度和CT值分别与各类型泌尿系统结石的形状、体积范围、密度范围和CT值范围一一进行比对,得到目标患者监测周期内各次检查中各泌尿系统结石形状、体积、密度和CT值匹配的泌尿系统结石类型;
根据目标患者监测周期内各次检查中各泌尿系统结石形状、体积、密度和CT值匹配的泌尿系统结石类型,获取目标患者监测周期内各次检查中各泌尿系统结石与各泌尿系统结石类型匹配的特征项数量,将最大匹配特征项数量对应的泌尿系统结石类型作为泌尿系统结石的类型,统计得到目标患者监测周期内各次检查中各泌尿系统结石的类型,并进行归类,得到目标患者监测周期内各次检查中各类型泌尿系统结石的数量。
5.根据权利要求1所述的一种基于机器视觉的泌尿结石图像识别方法,其特征在于:所述泌尿系统结石位置变化监测模块的具体分析过程为:
S1:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的位置,得到目标患者各类型泌尿系统结石中各结石在各次检查中的位置,判断目标患者各类型泌尿系统结石中各结石是否在各次检查中均出现,若结石在各次检查中均出现,则执行S3,反之,则执行S2;
S2:设定排出结石和新增结石对应的活动性系数,判断结石为排出结石或新增结石,进而得到结石的活动性系数;
S3:获取结石在各次检查中位置与在各次检查相邻上一次检查中位置之间的距离,将其记为结石在各次检查中的移动距离,并表示为,/>表示第/>次检查的编号,/>;
通过分析公式得到结石的活动性系数/>,其中/>表示预设的活动性系数的修正因子,/>表示预设的单位移动距离的影响因子,/>表示检查的次数,/>表示结石在第/>次检查中的移动距离;
S4:统计得到目标患者各类型泌尿系统结石中各结石的活动性系数,将其记为,/>表示第/>个泌尿系统结石类型的编号,/>,/>表示第/>个结石的编号,/>。
6.根据权利要求5所述的一种基于机器视觉的泌尿结石图像识别方法,其特征在于:所述泌尿系统结石尺寸变化监测模块的具体分析过程为:
F1:根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中各类型泌尿系统结石中各结石的三维尺寸,得到目标患者各类型泌尿系统结石中各结石在各次检查中的三维尺寸,判断目标患者各类型泌尿系统结石中各结石是否在各次检查中均出现,若结石在各次检查中均出现,则执行F3,反之,则执行F2;
F2:设定排出结石和新增结石对应的尺寸缩小系数,判断结石为排出结石或新增结石,进而得到结石的尺寸缩小系数;
F3:将结石在各次检查中的三维尺寸分别记为;
通过分析公式得到结石的尺寸缩小系数,其中/>表示预设的尺寸缩小系数的修正因子,/>表示结石在第/>次检查中的三维尺寸;
F4:统计得到目标患者各类型泌尿系统结石中各结石的尺寸缩小系数,将其记为。
7.根据权利要求6所述的一种基于机器视觉的泌尿结石图像识别方法,其特征在于:所述泌尿系统结石消除倾向分析模块的具体分析过程为:
通过分析公式得到目标患者的泌尿系统结石消除倾向指数/>,其中/>表示预设的泌尿系统结石消除倾向指数的修正因子,/>表示预设的第/>个泌尿系统结石类型的影响因子,/>表示自然常数,/>分别表示预设的活动性系数和尺寸缩小系数的权值,/>。
8.根据权利要求5所述的一种基于机器视觉的泌尿结石图像识别方法,其特征在于:所述泌尿系统恢复倾向分析模块的具体分析过程包括:
根据目标患者监测周期内各次检查的泌尿系统影像数据,获取目标患者监测周期内各次检查中泌尿系统的体积和泌尿系统壁厚度,将其分别记为;
通过分析公式得到目标患者泌尿系统的泌尿系统体积扩增系数,其中/>表示预设的泌尿系统体积扩增系数的修正因子,/>表示目标患者监测周期内第/>次检查中泌尿系统的体积;
同理,根据目标患者泌尿系统的泌尿系统体积扩增系数的分析方法,获取目标患者泌尿系统的泌尿系统壁增厚系数,将其记为。
9.根据权利要求8所述的一种基于机器视觉的泌尿结石图像识别方法,其特征在于:所述泌尿系统恢复倾向分析模块的具体分析过程还包括:
通过分析公式得到目标患者的泌尿系统恢复倾向指数/>,其中表示预设的泌尿系统恢复倾向指数的修正因子,/>分别表示预设的泌尿系统体积扩增系数和泌尿系统壁增厚系数的权值,/>。
10.根据权利要求1所述的一种基于机器视觉的泌尿结石图像识别方法,其特征在于:所述患者症状改善评估模块的具体分析过程为:
对目标患者的泌尿系统结石消除倾向指数和泌尿系统恢复倾向指数进行加权平均值计算,得到目标患者的症状改善系数,并反馈至医院内目标患者的主治医生。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410211474.4A CN117788474B (zh) | 2024-02-27 | 2024-02-27 | 一种基于机器视觉的泌尿结石图像识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410211474.4A CN117788474B (zh) | 2024-02-27 | 2024-02-27 | 一种基于机器视觉的泌尿结石图像识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117788474A true CN117788474A (zh) | 2024-03-29 |
CN117788474B CN117788474B (zh) | 2024-05-03 |
Family
ID=90389524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410211474.4A Active CN117788474B (zh) | 2024-02-27 | 2024-02-27 | 一种基于机器视觉的泌尿结石图像识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117788474B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1976629A (zh) * | 2004-04-26 | 2007-06-06 | D·F·杨克洛维茨 | 用于准确测定定向瘤变化的医学影像系统 |
CN104376571A (zh) * | 2014-12-01 | 2015-02-25 | 武汉大学 | 一种基于形状相关性活动轮廓模型的超声图像分割方法 |
RU2650857C1 (ru) * | 2017-04-06 | 2018-04-17 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный технологический университет" (ФГБОУ ВО "КубГТУ") | Система определения геометрических параметров трехмерных объектов |
CN111292307A (zh) * | 2020-02-10 | 2020-06-16 | 刘肖 | 一种消化系统胆囊结石识别方法及定位方法 |
CN113781477A (zh) * | 2021-10-29 | 2021-12-10 | 平安科技(深圳)有限公司 | 基于人工智能的结石图像识别方法、装置及设备 |
CN113936011A (zh) * | 2021-10-21 | 2022-01-14 | 上海交通大学 | 基于注意力机制的ct影像肺叶图像分割系统 |
CN114445339A (zh) * | 2021-12-24 | 2022-05-06 | 河北大学 | 基于改进Faster RCNN算法的泌尿系结石检测分类方法 |
CN114847982A (zh) * | 2022-03-24 | 2022-08-05 | 华中科技大学同济医学院附属协和医院 | 一种用于新冠肺炎病人的多次复查图像的融合处理方法 |
CN116912247A (zh) * | 2023-09-13 | 2023-10-20 | 威海市博华医疗设备有限公司 | 医疗图像处理方法、装置、存储介质及电子设备 |
CN117036343A (zh) * | 2023-10-07 | 2023-11-10 | 北京大学人民医院 | 用于识别腋窝淋巴结转移癌的ffoct图像分析方法和装置 |
-
2024
- 2024-02-27 CN CN202410211474.4A patent/CN117788474B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1976629A (zh) * | 2004-04-26 | 2007-06-06 | D·F·杨克洛维茨 | 用于准确测定定向瘤变化的医学影像系统 |
CN104376571A (zh) * | 2014-12-01 | 2015-02-25 | 武汉大学 | 一种基于形状相关性活动轮廓模型的超声图像分割方法 |
RU2650857C1 (ru) * | 2017-04-06 | 2018-04-17 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Кубанский государственный технологический университет" (ФГБОУ ВО "КубГТУ") | Система определения геометрических параметров трехмерных объектов |
CN111292307A (zh) * | 2020-02-10 | 2020-06-16 | 刘肖 | 一种消化系统胆囊结石识别方法及定位方法 |
CN113936011A (zh) * | 2021-10-21 | 2022-01-14 | 上海交通大学 | 基于注意力机制的ct影像肺叶图像分割系统 |
CN113781477A (zh) * | 2021-10-29 | 2021-12-10 | 平安科技(深圳)有限公司 | 基于人工智能的结石图像识别方法、装置及设备 |
CN114445339A (zh) * | 2021-12-24 | 2022-05-06 | 河北大学 | 基于改进Faster RCNN算法的泌尿系结石检测分类方法 |
CN114847982A (zh) * | 2022-03-24 | 2022-08-05 | 华中科技大学同济医学院附属协和医院 | 一种用于新冠肺炎病人的多次复查图像的融合处理方法 |
CN116912247A (zh) * | 2023-09-13 | 2023-10-20 | 威海市博华医疗设备有限公司 | 医疗图像处理方法、装置、存储介质及电子设备 |
CN117036343A (zh) * | 2023-10-07 | 2023-11-10 | 北京大学人民医院 | 用于识别腋窝淋巴结转移癌的ffoct图像分析方法和装置 |
Non-Patent Citations (1)
Title |
---|
刘秀玲;戚帅帅;熊鹏;刘京;王洪瑞;杨建利;: "融合多尺度信息的肺结节自动检测算法", 生物医学工程学杂志, no. 03, 31 December 2020 (2020-12-31) * |
Also Published As
Publication number | Publication date |
---|---|
CN117788474B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chawla et al. | A method for automatic detection and classification of stroke from brain CT images | |
JP4469594B2 (ja) | 疾患関連組織変化を測定するシステム | |
JP5079008B2 (ja) | 軟骨構造に関連した病変表示測度及びその自動数量化 | |
US8634610B2 (en) | System and method for assessing cancer risk | |
US7346203B2 (en) | Methods and apparatus for processing image data to aid in detecting disease | |
JP2016531709A (ja) | 疾患を診断するための画像解析技術 | |
US11915822B2 (en) | Medical image reading assistant apparatus and method for adjusting threshold of diagnostic assistant information based on follow-up examination | |
CN103249358A (zh) | 医用图像处理装置 | |
CN111340825A (zh) | 一种纵膈淋巴结分割模型的生成方法及系统 | |
CN115205213A (zh) | 一种体内泌尿系结石成分预测系统 | |
CN115995295A (zh) | 基于影像组学的乳腺癌骨转移治疗反应评估方法及系统 | |
Xing et al. | Automatic detection of A‐line in lung ultrasound images using deep learning and image processing | |
US7440601B1 (en) | Automated identification of ileocecal valve | |
KR101162599B1 (ko) | 흉부 방사선 이미지 분석을 통한 심비대 자동탐지 방법 및 그 기록매체 | |
CN117788474B (zh) | 一种基于机器视觉的泌尿结石图像识别方法 | |
CN111265234A (zh) | 一种肺部纵膈淋巴结的性质判定方法及系统 | |
CN115019972B (zh) | 一种基于大数据分析的医疗影像数据共享系统 | |
EP4268729A1 (en) | Method for the automated assessment of lung ultrasound scans and ultrasound machine which implements said method | |
KR102384083B1 (ko) | 자기공명영상을 이용한 천장관절염 진단 및 염증 정도를 평가하기 위한 장치 및 방법 | |
KR20230094855A (ko) | 딥러닝 기반 의료영상 요로 결석 자동 검출 및 분할 방법 | |
Sørensen et al. | Learning COPD sensitive filters in pulmonary CT | |
Sherafati et al. | Multivariate use of MRI biomarkers to classify histologically confirmed necrosis in symptomatic total hip arthroplasty | |
US20230029674A1 (en) | Methods for generating skeletal characteristic values related to bone quality | |
CN116196034B (zh) | 一种超声成像方法及系统 | |
CN113781597B (zh) | 一种肺部ct图像的病灶识别方法、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |