TH96773A - วิธีการสำหรับลดสัญญาณรบกวนที่เกิดจากโลหะ (Metal Artifacts) แบบอัตโนมัติ บนชุดข้อมูลภาพถ่ายรังสีส่วนตัดโดยอาศัยคอมพิวเตอร์ - Google Patents
วิธีการสำหรับลดสัญญาณรบกวนที่เกิดจากโลหะ (Metal Artifacts) แบบอัตโนมัติ บนชุดข้อมูลภาพถ่ายรังสีส่วนตัดโดยอาศัยคอมพิวเตอร์Info
- Publication number
- TH96773A TH96773A TH801002451A TH0801002451A TH96773A TH 96773 A TH96773 A TH 96773A TH 801002451 A TH801002451 A TH 801002451A TH 0801002451 A TH0801002451 A TH 0801002451A TH 96773 A TH96773 A TH 96773A
- Authority
- TH
- Thailand
- Prior art keywords
- metal
- matrix
- display
- connected component
- noise
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract 24
- 239000002184 metal Substances 0.000 title claims abstract 18
- 239000011159 matrix material Substances 0.000 claims abstract 21
- 238000002372 labelling Methods 0.000 claims abstract 9
- 238000006243 chemical reaction Methods 0.000 claims abstract 6
- 230000009466 transformation Effects 0.000 claims abstract 3
- 230000008030 elimination Effects 0.000 claims 4
- 238000003379 elimination reaction Methods 0.000 claims 4
- 230000002238 attenuated effect Effects 0.000 claims 1
- 230000006835 compression Effects 0.000 claims 1
- 238000007906 compression Methods 0.000 claims 1
- 238000009877 rendering Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract 3
- 238000002601 radiography Methods 0.000 abstract 3
- 201000010099 disease Diseases 0.000 abstract 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract 2
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 abstract 1
- 238000003745 diagnosis Methods 0.000 abstract 1
- 238000003384 imaging method Methods 0.000 abstract 1
Abstract
DC60 (19/08/58) การประดิษฐ์นี้นำเสนอระเบียบวิธีการลดสัญญาณรบกวนแบบโลหะบนชุดข้อมูล ภาพถ่ายรังสีส่วนตัดอาศัยคอมพิวเตอร์แบบอัตโนมัติ โดยอาศัยเทคนิคการแปลงรูปเป็นรูปขาวดำอย่าง อัตโนมัติ (Thresholding Technique) โดยการสร้างแมทริกซ์แบบโคอ็อกเคอร์เรนซ์ (Co-Occurrence Matrix) และใช้โลคอลเอ็นโทรปี (Local Entropy) ในการหาจุดแบ่งที่เหมาะสมของแมทริกซ์แบบโคอ็ อกเคอร์เรนซ์, และการใช้เทคนิคการระบุชื่อองค์ประกอบเชื่อมต่อ (Connected Component Labeling) ข้อมูลภาพถ่ายรังสีส่วนตัดที่ไม่มีสัญญาณรบกวนแบบโลหะนั้นก็ช่วยให้แพทย์สามารถวิเคราะห์โรคได้ แม่นยำยิ่งขึ้น เพิ่มความมั่นใจให้กับแพทย์ผู้วินิจฉัย อนึ่งยังส่งผลที่เป็นประโยชน์ต่อตัวคนไข้เอง รวมถึง ยังสามารถนำข้อมูลภาพไปสร้างภาพสามมิติได้อย่างถูกต้อง การประดิษฐ์ระเบียบวิธีที่นำเสนอนี้ สามารถลดสัญญาณรบกวนแบบโลหะได้ในระดับหนึ่งและสามารถกระทำได้โดยอัตโนมัติ อีกทั้งยัง สามารถคำนวณได้รวดเร็ว แก้ไข 19/08/58 การประดิษฐ์นี้นำเสนอระเบียบวิธีการลดสัญญาณรบกวนแบบโลหะแบบโลหะบนชุดข้อมูล ภาพถ่ายรังสีส่วนตัดอาศัยคอมพิวเตอร์แบบอัตโนมัติ โดยอาศัยเทคนิคการแปลงรูปเป็นรูปขาวดำอย่าง อัตโนมัติ (Thresholding Technique) โดยการสร้างแมทริกซ์แบบโคอ็อกเคอร์เรนซ์ (Co-Occurrence Matrix) และใช้โลคอลเอ็นโทรปี (Local Entropy) ในการหาจุดแบ่งที่เหมาะสมของแมทริกซ์แบบโคอ็ อกเคอร์เรนซ์, และการใช้เทคนิคการระบุชื่อองค์ประกอบเชื่อมต่อ (Connected Component Labeling) ข้อมูลภาพถ่ายรังสีส่วนตัดที่ไม่มีสัญญาณรบกวนแบบโลหะนั้นก็ช่วยให้แพทย์สามารถวิเคราะห์โรคได้ แม่นยำขึ้น เพิ่มความมั่นใจให้กับแพทย์ผู้วินิจฉัย อนึ่งยังส่งผลที่เป็นประโยชน์ต่อตัวคนไข้เอง รวมถึง ยังสามารถนำข้อมูลภาพไปสร้างภาพสามมิติได้อย่างถูกต้อง การประดิษฐ์ระเบียบวิธีที่นำเสอนนี้ สามารถลดสัญญาณรบกวนแบบโลหะได้ในระดับหนึ่งและสามารถกระทำได้โดยอัตโนมัติ อีกทั้งยัง สามารถคำนวณได้รวดเร็ว ----------------------------------------- การประดิษฐ์นี้นำเสนอระเบียบวิธีการลดสัญญาณรบกวนแบบโลหะแบบโลหะบนชุดข้อมูล ภาพถ่ายรังสีส่วนตัดอาศัยคอมพิวเตอร์แบบอัตโนมัติ โดยอาศัยเทคนิคการแปลงรูปเป็นรูปเป็นร่างสีขาวดำอย่าง อัตโนมัติ (Theraholding Technique) โดยการสร้างแมทริกซ์แบบโคอ็อกเคอร์เรนซ์ (Co-Occurrence Matrix) และใช้โลคอลเอ็นโทรปี (Local Entropy) ในการหาจุดแบ่งที่เหมาะสมของแมทริกซ์แบบโคอ็ อกเคอร์เรนซ์, และการใช้เทคนิคการระบุชื่อองค์ประกอบเชื่อมต่อ (Connected Component Labeling) ข้อมูลภาพถ่ายรังสีส่วนตัดที่ไม่มีสัญญาณรบกวนแบบโลหะนั้นก็ช่วยให้แพทย์สามารถวิเคราะห์โรคได้ แม่นยำขึ้น เพิ่มความหมั่นใจให้กับแพทย์ผู้วินิจฉัย อนึ่งยังส่งผลที่เป็นประโยชน์ต่อตัวคนไข้เอง รวมถึง ยังสามารถนำข้อมูลภาพไปสร้างภาพสามมิติได้อย่างถูกต้อง การประดิษฐ์ระเบียบวิธีที่นำเสอนนี้ สามารถลดสัญญาณรบกวนแบบโลหะได้ในระดับหนึ่งและสามารถกระทำได้โดยอัตโนมัติ อีกทั้งยัง สามารถคำนวณได้รวดเร็ว
Claims (1)
1. วิธีการสำหรับการลดสัญญาณรบกวนแบบโลหะบนชุดข้อมูลภาพถ่ายรังสีส่วนตัดอาศัยคอมพิวเตอร์แบบ อัตโนมัติ เพื่อควบคุมหน่วยประมวลผล หน่วยรับข้อมูลภาพ หน่วยความจำและหน่วยแสดงผลให้แสดงภาพที่ ได้รับการลดทอนสัญญาณรบกวนที่เกิดจากโลหะ โดยวิธีการดังกล่าวประกอบไปด้วยขั้นตอน -การนำเข้าข้อมูลภาพดิจิตอลส่วนตัด (Axial Image) -การแปลงภาพดิจิตอลดังกล่าวมาแปลงระดับความเข้มสีเทาเป็นภาพขาวดำโดยการสร้างแมทริกซ์แบบ โคอ็อกเคอร์เรนซ์ (Co-Occurrence Matrix)และใช้โลคอลเอ็นโทรปี (Local Entropy) ในการหาจุดแบ่งที่ เหมาะสมของแมทริกซ์แบบโคอ็อกเคอร์เรนซ์ -การกำจัดสัญญาณรบกวนแบบโลหะโดยนำภาพที่ผ่านขั้นตอนการแปลงระดับระดับความเข้มสีเทา เป็นภาพขาวดำมากำจัดสัญญาณรบกวนแบบโลหะโดยใช้วิถีทางในการระบุชื่อองค์ประกอบเชื่อมต่อ (Connected Component Labeling) -การจัดเก็บข้อมูลภาพดิจิตอลส่วนตัดที่ได้รับการลดทอนสัญญาณรบกวนแล้วลงในหน่วยความจำ มีลักษณะเฉพาะ คือ - การแปลงระดับระดับความเข้มสีเทาเป็นภาพขาวดำโดยการสร้างแมทริกซ์แบบโคอ็อกเคอร์เรนซ์ (Co- Occurrence Matrix) โดยการกำหนดความสัมพันธ์ระหว่างค่าความเข้มสีเทาระหว่างพิกเซล (Pixel) ในแบบไม่ สมมาตร -วิถีทางในการระบุชื่อองค์ประกอบเชื่อมต่อ (Connected Component Labeling) ที่ประกอบด้วยขั้นตอน -การจัดกลุ่มพิกเซลที่ติดกันให้อยู่ในกลุ่มเดียวกัน -การใส่หมายเลขกำกับกลุ่มของพิกเซลที่อยู่ในกลุ่มเดียวกัน -การจัดกลุ่มพิกเซลที่ติดกันด้วยวิถีทางการเชื่อมต่อกันตามแนวตั้งและแนวนอน (Four- Connected Neighborhood)โดยการใช้ความสัมพันธ์ ระหว่างพิกเซลข้างเคียงที่เชื่อมต่อกัน -การกำจัดสัญญาณรบกวนแบบโลหะ โดยใช้วิถีทางในการระบุชื่อองค์ประกอบเชื่อมต่อ (Connected Component Labeling) จะมีการแสดงผลภาพดิจิตอล โดยที่การแสดงผลดังกล่าวประกอบด้วย -การกำหนดจำนวนพิกเซลขั้นต่ำที่สุดในการแสดงผล -การแสดงผลกลุ่มพิกเซลที่มากกว่าหรือเท่ากับจำนวนพิกเซลขั้นต่ำที่สุดในการแสดงผลที่ได้ กำหนดไว้ในขั้นตอนก่อนหน้าบนหน่วยแสดงผล -------------------------
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TH96773A true TH96773A (th) | 2009-07-09 |
| TH52674B TH52674B (th) | 2016-12-02 |
Family
ID=
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111768343B (zh) | 用于促进检查肝脏肿瘤病例的系统和方法 | |
| Panetta et al. | Tufts dental database: a multimodal panoramic x-ray dataset for benchmarking diagnostic systems | |
| Huo et al. | Fully automatic liver attenuation estimation combing CNN segmentation and morphological operations | |
| JP5123954B2 (ja) | 医療画像における病変部の特定及び分析 | |
| US9092878B2 (en) | Method and system for processing an image | |
| CN104011770B (zh) | 处理并显示乳房图像 | |
| US20210217166A1 (en) | Automated screening of medical data | |
| Habibollahi et al. | Hyperechoic renal masses: differentiation of angiomyolipomas from renal cell carcinomas using tumor size and ultrasound radiomics | |
| US12530765B2 (en) | Systems and methods for calcium-free computed tomography angiography | |
| Siracusano et al. | Effective processing pipeline PACE 2.0 for enhancing chest x-ray contrast and diagnostic interpretability | |
| Isikbay et al. | Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection | |
| Li et al. | Quantification of Breast Arterial Calcification in Mammograms Using a UNet-Based Deep Learning for Detecting Cardiovascular Disease | |
| Langarizadeh et al. | Improvement of digital mammogram images using histogram equalization, histogram stretching and median filter | |
| US11288800B1 (en) | Attribution methodologies for neural networks designed for computer-aided diagnostic processes | |
| TH96773A (th) | วิธีการสำหรับลดสัญญาณรบกวนที่เกิดจากโลหะ (Metal Artifacts) แบบอัตโนมัติ บนชุดข้อมูลภาพถ่ายรังสีส่วนตัดโดยอาศัยคอมพิวเตอร์ | |
| Ee et al. | Estimation of window width setting for CT scan brain images using mean of greyscale level to standard deviation ratio | |
| CN111325758A (zh) | 肺部图像分割方法及装置、图像分割模型的训练方法 | |
| TH52674B (th) | วิธีการสำหรับลดสัญญาณรบกวนที่เกิดจากโลหะ (Metal Artifacts) แบบอัตโนมัติ บนชุดข้อมูลภาพถ่ายรังสีส่วนตัดโดยอาศัยคอมพิวเตอร์ | |
| Shakya et al. | A novel SM-Net model to assess the morphological types of Sella Turcica using Lateral Cephalogram | |
| Wu et al. | A fully automated multi-modal computer aided diagnosis approach to coronary calcium scoring of MSCT images | |
| Singh et al. | Detection and Staging of Liver Fibrosis using Deep Learning | |
| KR102755371B1 (ko) | 인공지능을 활용하여 흉부 ct 데이터에서 대상 영역을 추출하고 병변을 검출하는 방법 및 디바이스 | |
| Öztürk et al. | Automatic bone age assessment: a Turkish population study | |
| Mohammadi et al. | Deep learning-based detection of coronary artery calcification in non-contrast and contrast-enhanced CT scans | |
| Pietrzyk et al. | Implementation of combined SVM-algorithm and computer-aided perception feedback for pulmonary nodule detection |