CN1804868A - 机器自动图像识别方法及装置 - Google Patents
机器自动图像识别方法及装置 Download PDFInfo
- Publication number
- CN1804868A CN1804868A CN 200610010638 CN200610010638A CN1804868A CN 1804868 A CN1804868 A CN 1804868A CN 200610010638 CN200610010638 CN 200610010638 CN 200610010638 A CN200610010638 A CN 200610010638A CN 1804868 A CN1804868 A CN 1804868A
- Authority
- CN
- China
- Prior art keywords
- stone age
- age
- automatic machine
- bone
- machine image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
一种机器自动图像识别方法及装置,采用利普视觉公司研发的骨龄识别模块、骨龄图谱数据库、骨龄图像压缩模块、存储技术,以及网络传输技术,骨龄专家识别与计算机自动识别有效结合,节约时间,提高识别效率,能够准确可靠地识别评估骨龄。硬件包括高精度图片扫描仪[1],主控机[2],显示器[3],打印机[4],骨龄中心数据库服务器[5]。应用于医院、青少年体育培训中心,学校等应用骨龄评估测定的场所。本发明的方法及装置具有优异的性价比;既可当地也可远程操作和控制。
Description
技术领域:
本发明涉及机器自动图像识别方法及装置,即利用计算机数字影像技术、模式识别技术和图像压缩技术对数字化的骨龄图像进行自动识别,属机器视觉领域。
背景技术:
骨龄即骨骼年龄。是骨骼发育进程的年龄描述,代表了特定正常人群(种族、地域、年代)中各个不同年龄未成年人骨骼发育的一般状态,通常情况下这种一般状态的描述来自于X线影像。骨龄评价或骨龄鉴定就是用X射线按照同样的方法对受测人的同样部位的骨骼拍摄X线影像并将影像中骨骼形态特征与一般状态的比较过程。由于人的骨骼发育与人的生理成熟程度密切相关,所以骨龄可以准确地反映人体发育的生理成熟程度,是评价未成年人生理成熟程度的重要指标。
骨龄是人体成熟程度的重要指标。它不仅可以确定儿童的生物学年龄,而且还可以通过骨龄及早了解儿童的生长发育潜力、并依照骨骼发育趋势来判断是否适合接受某项具体运动的专业训练或是向适合本身骨骼发育趋势的职业方向发展,以及性成熟的趋势,通过骨龄还可预测儿童的成年身高,骨龄的测定还对一些疾病的诊断有很大帮助。
判断儿童骨龄有三种常用的方法:
1、根据手腕部骨化中心数来测定骨龄
观察受检儿童的手腕部萌出的骨化中心数来判断骨骼发育的成熟程度:如出现头骨、钩骨时,骨龄相当于6个月:出现三角骨时,骨龄相当于3岁,该方法较适应于7岁以前的儿童。
2、根据手腕部X光图谱来测定骨龄
将受检儿童手腕部的X线片与标准图谱作比较,当该儿童手腕部的骨化中心的数目、形态及大小与标准图谱中某一年龄所示的骨化中心较为一致时,此图谱上的年龄即为该儿童的骨龄。该图谱男女各一套,适合于0-19岁的儿童少年。
3、根据腕骨形态、大小等发育变化进行计分测定骨龄
将受检儿童手腕部各骨化中心的发育情况进行分期评分,累计总分后查出相应的骨龄。此法较前两种方法更全面客观,也较精确,但因为方法繁琐、复杂、门诊不常用。
已有的发明有以下几种:
同比技术{I},中国专利公开号CN 1644164A,申请号CN200510051230.1,公开日2005年7月27日,发明名称为《数字化检测骨龄的方法及其装置》,公开了一种数字化检测骨龄的方法及其装置,通过采用的线扫描技术对被检测人体部位的移动扫描方法,并提供一种采用这种方法的检测装置,使得检测骨龄的灵敏度高,效率高,探测范围大,同时,在这种模式下,医生可在计算机上应用增强显示功能作进一步图像处理,很大程度上提高了诊断能力,并借助于软件处理技术分析图像,可以实现将图像放大,灰度反置,同时显示几幅图像相比较等功能。
已发表论文《基于CHN的骨龄自动评价方法研究》,王珂、王巍、尹宝才《计算机研究与发展》第40卷第7期2003年7月,论述了应用活动形状模型(active shape models,ASM),结合了特定的先验知识,提出多模板多训练集的方案,改善了边缘检测的效果;通过考察一系列形状几何信息并结合灰度信息,将CHN标准中有关的文字描述转化为数字特征,采取多层次分步骤的方法用于最终的骨龄自动评价,实验表明骨龄评价的正确率和稳定性有了提高。
已发表论文《AN ARTIFICIAL NEURAL NETWORK ARCHITECTURE FOR SKELETALAGE ASSESSMENT》By Leonardo Bocchi,etc,University of Florence-Firenze,Italy ICIP 2003论述了采用TW2方法,应用神经网络结构,对图像中的每一个骨骼进行定位,使用Gabor转换或是多度量分层次Gaussian过滤,将预处理的结果传输到神经网络装置中,在按照TW2方法对骨龄数据分类,从而按照影像学专家的经验数据来对骨龄进行评估和对比。
综上所述,传统的方法是骨龄专家亲自审视X线片,并将影像中骨骼形态特征与一般状态的比较,根据临床经验得出骨龄的评估结论,不足之处是:其方法耗时、效率低、一天一个骨龄专家诊断人数有限,并受到人为因素的影响,如疲劳、心情不佳、压力太大、工作环境欠佳等等;较先进的方法是利用计算机对骨龄自动评价,国内外很多机构投入大量人力、物力、财力,仍没有一个成熟、稳定、100%对X线片识别的方法,一些无法解决的问题如两块骨相连接,不能分割确定边缘,也有无法识别,理论上的结论仅是“识别正确率和稳定性有了提高”。
发明内容:
本发明克服了现有技术中的不足,提供了一种采用利普视觉公司研发的骨龄识别模块、骨龄图谱数据库、骨龄图像压缩模块、存储技术,以及网络传输技术,骨龄专家识别与计算机自动识别有效结合,节约时间,提高识别效率,能够准确可靠地识别评估骨龄。
本发明的显著进步之一是骨龄识别模块仅对青少年的左手掌的骨龄进行自动识别,并且仅对左手掌的13块最具代表性的骨骼进行定位、分割、特征提取、识别、比对、计分、评估测定,左手掌的13块的骨骼分别是:G1桡骨、G2尺骨、G3第一掌骨、G4第三掌骨、G5第五掌骨、G6第一近指骨、G7第三近指骨、G8第五近指骨、G9第三中指骨、G10第五中指骨、G11第一远指骨、G12第三远指骨、G13第五远指骨。而不是通常的对35块骨骼部位进行图谱识别,本发明的方法在保证识别正确率的前提下,通过大量的临床评估测定数据,筛选得出左手掌的13块最具代表性的骨骼,极大地提高了定位、分割、特征提取、识别、图谱比对、计分、评估测定的运算速度。
本发明的显著进步之二是因青少年仍在生长过程中,左手掌的骨骼图像必然是未成熟的骨骼图像,有一些是两块骨骼粘连在一起的,或是企业原因导致计算机软件根本无法对骨骼图像分割、确定边缘、特征提取,也就无法识别,即到目前为止,仍没有一个成熟、稳定、100%对X线片识别的方法的关键原因之一。克服这个缺点的方法目前只能是骨龄专家仅对计算机自动识别出现偏差结果的骨骼图像人工依具体骨骼图像和其他可供推断的依据加上实际的大量临床评估测定经验来决定,故本发明的方法采用骨龄专家识别与计算机自动识别有效结合,节约时间,提高识别效率,能够准确可靠地识别评估测定骨龄。
本发明的显著进步之三是采用利普视觉独立拥有、自行研发的图像压缩技术,每张骨骼图像可压缩至5~8k,这样减小了系统对通信网络的依赖,减小系统对网络带宽的需求,加快了数据处理速度,提高了系统可靠性,使得骨龄专家通过通信网络人工当地或是异地对骨骼图像识别与计算机自动识别有效结合,能够即时、高效、准确、可靠地识别评估测定出受评估人的骨龄。
本发明的装置硬件包括高精度图片扫描仪[1],主控机[2],显示器[3],打印机[4],骨龄中心数据库服务器[5]。其中,高精度图片扫描仪[1]的接插口与主控机[2]的接插口相连接,显示器[3]的输入端与主控机[2]的显示输出端相连接,打印机[4]的输入端与主控机[2]的打印输出端相连接,主控机[2]通过计算机通信网络与骨龄中心数据库服务器[5]相连接。高精度图片扫描仪[1]是将X线片扫描后,把骨龄的X线片图像转化为数字图像的标准器具;主控机[3]是具有标准工业计算机功能的设备,内装操作系统、管理应用程序、骨龄识别程序、骨龄图像压缩程序、自动比对程序、骨龄图谱数据库、通信程序、高精度图片扫描仪[1]控制程序、用于控制本发明中的所有装置,运行本发明方法中的所有程序,以及负责与其它相关应用系统的通信和数据交换;显示器[3]是标准计算机显示器,主要用于显示骨龄图像、骨龄人性别、年龄以及实际身高等信息:骨龄中心数据库服务器[5]是标准计算机服务器,用于存储和管理所有骨龄识别评估测定结果信息。
本发明采用计算机通信网络的数字化的骨龄图像自动识别方法,研发出一种技术可靠、使用方便的骨龄图像自动识别装置,应用于医院、青少年体育培训中心,学校等应用骨龄评估测定的场所。将采集到的X线片扫描后,把骨龄的图像转化为数字图像,利用利普视觉公司研发的骨龄图像识别模块、骨龄图谱数据库、骨龄图像压缩模块、存储技术,以及网络传输技术,骨龄专家人工识别与计算机自动识别有效结合,能够即时、高效、准确、可靠地识别评估测定出受评估人的骨龄。
为实现上述的发明目的,本发明采用下述的技术方案:
一种采用计算机通信网络的数字化的方法,在医院、青少年体育培训中心,学校等应用骨龄评估测定的场所安装硬件包括高精度图片扫描仪[1],主控机[2],显示器[3],打印机[4],骨龄中心数据库服务器[5]组成的装置。
该图像自动识别方法的系统软件由以下模块组成:图像采集、识别、图谱比对、偏差参数设置、数值计算、分值评估、测定显示、偏差结果报警、通信、数据库管理,数据库管理具有存储、查询等功能。
该图像自动识别装置各部件之间的数据传递关系是高精度图片扫描仪[1]将X线片扫描后输入到主控机[2],主控机[2]对图像数据进行处理、比对、评估、分值记录、存储到骨龄中心数据库,根据软件程序的需要,由软件调用到主控机[2]内的显卡,由显卡控制显示器[3]显示骨龄图像的评估测定结果,若比对评估测定结果超出设定偏差值,则自动声光提示比对出的偏差结果,专门分类,转由具有资质的骨龄专家人工评估测定,再将人工评估测定的结果存储到骨龄中心数据库。骨龄专家人工评估测定可在当地人工评估测定,也可通过网络通信传输技术在异地人工评估测定,并将人工评估测定结果传输到中心数据库服务器[5],打印机[4]打印出受评人的骨龄图像的骨龄评估测定结果。
所述方法包括如下步骤:
(1)在医院、青少年体育培训中心,学校等应用骨龄评估的场所安装包括高精度图片扫描仪[1];
(2)高精度图片扫描仪[1]将采集到的受评估人X线片扫描后,把骨龄的X线片图像转化为数字化的骨龄图像,并输入受评估人的性别、年龄;
(3)机器自动图像自动识别装置将采集到的受评估人的数字化的骨龄图像通过骨龄图像自动识别模块进行自动识别处理;
(4)将自动识别处理后的骨龄图像结果同机器自动图像识别装置的数据库中专家标准骨龄分期分类图谱模块进行比对;
(5)机器自动图像识别装置将通过比对出的骨龄分期分类数据转化为对应的骨龄;
(6)机器自动图像识别装置将自动识别出的骨龄结果以及比对出的偏差结果进行存储;
(7)机器自动图像识别装置自动声光提示比对出的偏差结果,并专门归类;
(8)机器自动图像识别装置的通信接口将自动识别的骨龄结果以及比对出的偏差结果通过计算机通信网络传送到骨龄中心数据库服务器[5];
(9)具有资质的骨龄专家专门对仅是具有比对出偏差结果的骨龄图像进行特别识别并做出骨龄评估结果;
(10)具有资质的骨龄专家对具有比对出偏差结果的骨龄图像做出骨龄评估的结果进行存储;
(11)具有资质的骨龄专家对重要的受评估人的已通过骨龄图像自动识别的结果再次人工确认做出人工骨龄评估;
(12)骨龄图像自动识别装置的打印机[4]打印出受评人的骨龄图像的骨龄评估测定结果。一种机器自动图像识别装置如图2所示,在医院、青少年体育培训中心,学校等应用骨龄评估的场所安装包括高精度图片扫描仪[1],主控机[2],显示器[3],打印机[4],骨龄中心数据库服务器[5]组成的装置。其特征在于,高精度图片扫描仪[1]的接插口与主控机[2]的接插口相连接,显示器[3]的输入端与主控机[2]的显示输出端相连接,打印机[4]的输入端与主控机[2]的打印输出端相连接,主控机[2]通过计算机通信网络与骨龄中心数据库服务器[5]相连接,异地的机器自动图像识别装置的主控机通过计算机通信网络与骨龄中心数据库服务器[5]相连接。主控机[2]内配置软件模块有图像采集模块、存储器、通信模块、运算模块、骨龄识别模块、骨龄图谱库模块,骨龄图像压缩模块、自动比对程序;主控机[2]配有电源输入接插口、视频输入接插口、通信输出接插口、鼠标和键盘接口,打印机输出接插口;主控机[2]的通信输出接插口与骨龄中心数据库服务器[5]相连接。
本发明的方法及装置的优点是采用的技术是人工智能最前沿的机器视觉技术和网络通信技术的有效结合,应用于青少年的骨龄评估,可准确地提供定量、定性的科学骨龄评估数据,为青少年的健康和今后的职业生涯选择提供最佳的、科学的、符合个人发展的具体建议,骨龄的评估数据还对一些疾病的诊断有很大帮助。由于骨龄的专家评估测定仅在少数城市的少数医院开设门诊,对占有人口总数的1/5的青少年来说不可能都到少数城市的少数医院进行大规模的骨龄评估,本发明的方法及装置提供一种方便有效的本地或异地的骨龄评估测定,骨龄专家人工识别与计算机自动识别有效结合,能够即时、高效、准确、可靠地识别评估测定出受评人的骨龄。
附图说明:
图1左手掌的13块最具代表性的骨骼图。
图面说明:G1桡骨,G2尺骨,G3第一掌骨,G4第三掌骨,G5第五掌骨,G6第一近指骨,G7第三近指骨,G8第五近指骨,G9第三中指骨,G10第五中指骨,G11第一远指骨,G12第三远指骨,G13第五远指骨。
图2为机器自动图像识别装置硬件连接示意图。
图面说明:[1]高精度图片扫描仪,[2]主控机,[3]显示器,[4]打印机,[5]骨龄中心数据库服务器。
图3为本发明的机器自动图像识别方法及装置的原理图。
图4为本发明的机器自动图像识别方法及装置的主要软件工作流程图。
具体实施方式
下面结合附图和具体实施来对发明所述的机器自动图像识别方法作进一步的说明。
(一)在青少年体育培训中心实施应用机器自动图像识别装置,对青少年体育人才进行骨龄评估测定,为青少年今后的职业生涯选择提供最佳的、科学的、符合个人发展的具体建议。
在青少年体育培训中心安装机器自动图像识别装置,将采集到的受评估人X线片扫描后,把骨龄的X线片图像转化为数字化的骨龄图像,并输入受评估人的性别、年龄;机器自动图像识别装置将通过比对出的骨龄分期分类数据转化为对应的骨龄,当出现骨龄评估偏差结果时,自动声光提示比对出的偏差结果,并专门归类;具有资质的骨龄专家专门对仅是具有比对出偏差结果的骨龄图像进行特别识别并做出骨龄评估结果;机器自动图像识别装置的通信接口将自动识别的骨龄结果以及比对出的偏差结果通过计算机通信网络传送到骨龄中心数据库服务器,骨龄专家可在当地现场对具有偏差结果的骨龄图像进行骨龄评估,也可在异地对具有偏差结果的骨龄图像进行骨龄评估,也可将非常重要受评估人或是疑难受评估人骨龄图像传输至省级或国家级的骨龄评估专家处进行异地会诊,即时、高效、准确、可靠地识别评估测定出受评人的骨龄。
(二)在青少年艺术培训中心实施应用机器自动图像识别装置,对青少年艺术人才进行骨龄评估测定,为青少年今后的职业生涯选择提供最佳的、科学的、符合个人发展的具体建议。其原理同上,在此不赘述。
(三)在医院实施应用机器自动图像识别装置,对青少年进行骨龄评估测定,对一些疾病的诊断提出科学的骨龄评估测定,尽早预防治疗。其原理同上,在此不赘述。
上述的机器自动图像识别装置包括高精度图片扫描仪[1],主控机[2],显示器[3],打印机[4],骨龄中心数据库服务器[5]等硬件设备。这些硬件设备都是现有成熟的设备,在市场上很容易获得。而关键的骨龄图像自动识别模块、骨龄图谱数据库和骨龄图像压缩模块则是由利普视觉公司技术研发中心经过多年努力自行研发出。
需要说明的是,本发明的特定例已经对本发明所述的机器自动图像识别方法及装置进行了详细的描述,对于本领域的技术人员来说,在不背离本发明所述方法的精神和范围的情况下对它进行的各种显而易见的改变都在本发明的保护范围之内。
Claims (9)
1.一种机器自动图像识别方法,将采集到受评估人的骨骼X线片扫描后,把骨龄的X线片图像转化为骨龄的数字图像,通过计算机自动识别骨龄图像,评估出骨龄,机器自动图像识别装置包括高精度图片扫描仪[1],主控机[2],显示器[3],打印机[4],骨龄中心数据库服务器[5],其特征在于,所述的机器自动图像识别方法包括如下步骤:
(1)在医院、青少年体育培训中心,学校等应用骨龄评估的场所安装包括高精度图片扫描仪[1];
(2)高精度图片扫描仪[1]将采集到的受评估人X线片扫描后,把骨龄的图像转化为数字化的骨龄图像,并输入受评人的性别、年龄;
(3)机器自动图像自动识别装置将采集到的受评估人的数字化的骨龄图像通过骨龄图像自动识别模块进行自动识别处理;
(4)将自动识别处理后的骨龄图像结果同图像自动识别装置的数据库中专家标准骨龄分期分类图谱模块进行比对;
(5)机器自动图像识别装置将通过比对出的骨龄分期分类数据转化为对应的骨龄;
(6)机器自动图像识别装置将自动识别出的骨龄结果以及比对出的偏差结果进行存储;
(7)机器自动图像自动识别装置自动声光提示比对出的偏差结果,并专门归类;
(8)机器自动图像识别装置的通信接口将自动识别的骨龄结果以及比对出的偏差结果通过计算机通信网络传送到骨龄中心数据库服务器[5];
(9)骨龄图像自动识别装置的打印机[5]打印出受评人的骨龄图像的骨龄评估结果。
2.根据权利要求1所述的机器自动图像识别方法,其特征在于,所述的骨骼的X线片是受测人的左手的骨骼的X线片。
3.根据权利要求1所述的机器自动图像识别方法,其特征在于,骨骼图谱的比对是针对受测人的左手骨骼的13块骨骼。
4.根据权利要求1所述的,其特征在于,所述的受测人的13块骨骼是G1桡骨,G2尺骨,G3第一掌骨,G4第三掌骨,G5第五掌骨,G6第一近指骨,G7第三近指骨,G8第五近指骨,G9第三中指骨,G10第五中指骨,G11第一远指骨,G12第三远指骨,G13第五远指骨。
5.一种机器自动图像识别装置,软件包括有图像采集、识别、图谱比对、偏差参数设置、数值计算、分值评估、测定显示、偏差结果报警、通信、数据库管理模块,硬件包括高精度图片扫描仪[1],主控机[2],显示器[3],打印机[4],骨龄中心数据库服务器[5];其特征在于,高精度图片扫描仪[1]的接插口与主控机[2]的接插口相连接。
6.根据权利要求5所述的机器自动图像识别装置,其特征在于,显示器[3]的输入端与主控机[2]的显示输出端相连接。
7.根据权利要求5所述的机器自动图像识别装置,其特征在于,打印机[4]的输入端与主控机[2]的打印输出端相连接。
8.根据权利要求5所述的机器自动图像识别装置,其特征在于,主控机[2]通过计算机通信网络与骨龄中心数据库服务器[5]相连接。
9.根据权利要求5所述的机器自动图像识别装置,其特征在于,异地的机器自动图像识别装置的主控机通过计算机通信网络与骨龄中心数据库服务器[5]相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610010638 CN1804868A (zh) | 2006-01-19 | 2006-01-19 | 机器自动图像识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610010638 CN1804868A (zh) | 2006-01-19 | 2006-01-19 | 机器自动图像识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1804868A true CN1804868A (zh) | 2006-07-19 |
Family
ID=36866879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200610010638 Pending CN1804868A (zh) | 2006-01-19 | 2006-01-19 | 机器自动图像识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1804868A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103300872A (zh) * | 2013-05-29 | 2013-09-18 | 罗伟 | 一种分析骨龄的方法及检测装置 |
CN106202901A (zh) * | 2016-07-04 | 2016-12-07 | 奥美之路(北京)健康科技股份有限公司 | 骨龄远程在线判读系统 |
CN107591200A (zh) * | 2017-08-25 | 2018-01-16 | 卫宁健康科技集团股份有限公司 | 基于深度学习及影像组学的骨龄标记识别评估方法及系统 |
CN107767376A (zh) * | 2017-11-02 | 2018-03-06 | 西安邮电大学 | 基于深度学习的x线片骨龄预测方法及系统 |
CN107895367A (zh) * | 2017-11-14 | 2018-04-10 | 中国科学院深圳先进技术研究院 | 一种骨龄识别方法、系统及电子设备 |
CN108056786A (zh) * | 2017-12-08 | 2018-05-22 | 浙江大学医学院附属儿童医院 | 一种基于深度学习的骨龄检测方法和装置 |
CN108334831A (zh) * | 2018-01-26 | 2018-07-27 | 中南大学 | 一种监测图像处理方法、监测终端及系统 |
CN108470321A (zh) * | 2018-02-27 | 2018-08-31 | 北京小米移动软件有限公司 | 照片的美颜处理方法、装置和存储介质 |
CN109036560A (zh) * | 2018-07-09 | 2018-12-18 | 黄卫保 | 骨发育分析系统 |
CN109994172A (zh) * | 2019-03-06 | 2019-07-09 | 杭州津禾生物科技有限公司 | 骨龄在线数字化测算及身高数据库管理系统 |
WO2020024127A1 (zh) * | 2018-08-01 | 2020-02-06 | 中国医药大学附设医院 | 骨龄评估与身高预测模型、其系统及其预测方法 |
CN111402213A (zh) * | 2020-03-05 | 2020-07-10 | 北京深睿博联科技有限责任公司 | 骨龄评测方法和装置、电子设备及计算机可读存储介质 |
-
2006
- 2006-01-19 CN CN 200610010638 patent/CN1804868A/zh active Pending
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103300872B (zh) * | 2013-05-29 | 2015-09-09 | 罗伟 | 一种分析骨龄的方法及检测装置 |
CN103300872A (zh) * | 2013-05-29 | 2013-09-18 | 罗伟 | 一种分析骨龄的方法及检测装置 |
CN106202901A (zh) * | 2016-07-04 | 2016-12-07 | 奥美之路(北京)健康科技股份有限公司 | 骨龄远程在线判读系统 |
CN107591200B (zh) * | 2017-08-25 | 2020-08-14 | 卫宁健康科技集团股份有限公司 | 基于深度学习及影像组学的骨龄标记识别评估方法及系统 |
CN107591200A (zh) * | 2017-08-25 | 2018-01-16 | 卫宁健康科技集团股份有限公司 | 基于深度学习及影像组学的骨龄标记识别评估方法及系统 |
CN107767376A (zh) * | 2017-11-02 | 2018-03-06 | 西安邮电大学 | 基于深度学习的x线片骨龄预测方法及系统 |
CN107767376B (zh) * | 2017-11-02 | 2021-03-26 | 西安邮电大学 | 基于深度学习的x线片骨龄预测方法及系统 |
CN107895367A (zh) * | 2017-11-14 | 2018-04-10 | 中国科学院深圳先进技术研究院 | 一种骨龄识别方法、系统及电子设备 |
CN107895367B (zh) * | 2017-11-14 | 2021-11-30 | 中国科学院深圳先进技术研究院 | 一种骨龄识别方法、系统及电子设备 |
CN111671448A (zh) * | 2017-12-08 | 2020-09-18 | 浙江大学 | 一种基于深度学习的骨龄检测方法和装置 |
CN108056786A (zh) * | 2017-12-08 | 2018-05-22 | 浙江大学医学院附属儿童医院 | 一种基于深度学习的骨龄检测方法和装置 |
CN108334831A (zh) * | 2018-01-26 | 2018-07-27 | 中南大学 | 一种监测图像处理方法、监测终端及系统 |
CN108470321A (zh) * | 2018-02-27 | 2018-08-31 | 北京小米移动软件有限公司 | 照片的美颜处理方法、装置和存储介质 |
CN108470321B (zh) * | 2018-02-27 | 2022-03-01 | 北京小米移动软件有限公司 | 照片的美颜处理方法、装置和存储介质 |
CN109036560A (zh) * | 2018-07-09 | 2018-12-18 | 黄卫保 | 骨发育分析系统 |
CN109036560B (zh) * | 2018-07-09 | 2021-10-01 | 广西壮族自治区妇幼保健院 | 骨发育分析系统 |
WO2020024127A1 (zh) * | 2018-08-01 | 2020-02-06 | 中国医药大学附设医院 | 骨龄评估与身高预测模型、其系统及其预测方法 |
CN109994172A (zh) * | 2019-03-06 | 2019-07-09 | 杭州津禾生物科技有限公司 | 骨龄在线数字化测算及身高数据库管理系统 |
CN111402213A (zh) * | 2020-03-05 | 2020-07-10 | 北京深睿博联科技有限责任公司 | 骨龄评测方法和装置、电子设备及计算机可读存储介质 |
CN111402213B (zh) * | 2020-03-05 | 2023-10-27 | 北京深睿博联科技有限责任公司 | 骨龄评测方法和装置、电子设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1804868A (zh) | 机器自动图像识别方法及装置 | |
Bell et al. | Assessment of ZooImage as a tool for the classification of zooplankton | |
CN106340000A (zh) | 骨龄评估方法 | |
CN110598604A (zh) | 一种垃圾分类投放智能监管方法、装置及计算机存储介质 | |
CN112132166A (zh) | 一种数字细胞病理图像智能分析方法、系统及装置 | |
CN103279760A (zh) | 一种植物检疫幼虫实时分类方法 | |
CN111950812A (zh) | 一种自动识别与预测雨量的方法及其装置 | |
CN104715157A (zh) | 一种基于画钟实验的认知功能障碍评估系统和方法 | |
CN117809124B (zh) | 基于多特征融合的医学图像关联调用方法及系统 | |
CN114240874A (zh) | 基于深度卷积神经网络和特征融合的骨龄评定方法、设备及计算机可读存储介质 | |
CN110456050B (zh) | 便携式智能数字化寄生虫体外诊断仪 | |
CN117274278B (zh) | 基于模拟感受野的视网膜图像病灶部位分割方法及系统 | |
CN111462869A (zh) | 一种多功能的新生儿临床用头部影像诊疗系统及方法 | |
CN111402242B (zh) | 一种用于医疗图像精细化处理系统及方法 | |
CN113488144B (zh) | 一种切片图像处理方法 | |
CN112750123A (zh) | 一种水稻病虫害监测方法及系统 | |
CN112086170A (zh) | 一种中医药大数据云服务平台的评价系统 | |
CN111784631A (zh) | 一种图像处理装置、方法及存储介质 | |
CN110349662A (zh) | 用于过滤肺部肿块误测结果的跨图像集合的离群样本发现方法和系统 | |
KR102486499B1 (ko) | 이미지 기반 인공지능 객체인식을 이용한 갯벌 서식굴 탐사시스템 및 이를 이용한 갯벌 생태환경 공간정보 구축방법 | |
KR102486498B1 (ko) | 이미지 기반 인공지능 객체인식을 이용한 갯벌 서식굴 탐지 및 생태환경 공간정보 구축시스템 및 방법 | |
CN109949903B (zh) | 医学影像静止画面捕捉方法及系统 | |
CN117373689B (zh) | 一种产程心率实时分析方法及系统 | |
Singh | Role of Statistical Parameter in Digital Image Enhancement | |
CN117522387B (zh) | 一种电子元器件回收管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |