TW200529794A - Method of automatically evaluating age of bone and skeleton via hand X-ray photograph - Google Patents
Method of automatically evaluating age of bone and skeleton via hand X-ray photograph Download PDFInfo
- Publication number
- TW200529794A TW200529794A TW093105566A TW93105566A TW200529794A TW 200529794 A TW200529794 A TW 200529794A TW 093105566 A TW093105566 A TW 093105566A TW 93105566 A TW93105566 A TW 93105566A TW 200529794 A TW200529794 A TW 200529794A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- line
- degrees
- scan
- angle
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
200529794 玖、發明說明: 【發明所屬之技術領域】 /本發明係關於-種由雙手X光片中自動化擷取右手 t影像之方法。此外,本發明係有關—種由左手或右手影 4自動化採取中指影像之方法。更特別的是,本發明係關於 稭由手部X光片之資以自動化評估錄年齡之方法。 【先前技術】 骨絡年断估在小兒射學上具魏佳贿,其可用來 長方_赫、量定兒童之絲潛能,以及 果。骨料齡與實際年齡間若呈現相tA的差距時二 激Ϊ失ίΐ生長發育上可能有異常狀況發生,如生長遲緩或生長 ^知_床制上’ #_枝普频絲料 進仃骨骼成長與發展之評定。農中一 尤月 法,為最常被使用之方法,係將帅Ρ) 計掌骨圖鑑作比對,而得-評方法的統 評估之結果易因每個醫生經驗之;^=斤具f之最大缺點為, 在著醫生個人的主觀因素。所差異,亦即此法存 不完全符合時,醫生會執行較主觀$„標#圖解影像 受測X光片影像最接近之料J;之==卩或,醫生會選出與 生評斷之结果。妥以,量、、脾ιΓ進作出可能歧異於其他醫 有所差異。另外一種普遍被3=:評估之醫生的不同’而 為Tanner與Whitehouse (TW2)、、表月路成長與發展之方法稱 之分析,並賴㈣之分析贿1*^法鱗每—錄作更詳細 物仃刀數給賴計算,最後利用得出 200529794 ^總=估骨料齡。她於Gp法,由於彻法來的複雜度較 南,判讀之時間耗費亦矩,是以此法之應用率不超過2〇%。 车邱骨齡士之評估係為評估人體生理成熟與成長之量化程度。在 :、以中,腕部與指骨之資訊係用以評估骨路年齡 。以腕部 尺寸與特徵雜皆為評倾骨成長之依據,因此於藉由 尺ΐ ==路年齡所做出之評斷中,主要係針對腕骨數目、 ,進行評估。不幸的是,隨著骨路成長,腕骨間 光影像為二維影像’骨㈣疊會造成影像 在^個典二9至12歲以上案例進行骨路年齡評估之困難度。 長二二笼-長产白段’指骨分析可具有較可靠之結果,從指骨成 之分析’為藉由手部χ光片取得骨路年 #典卢且式‘月之成長,係發生於該指骨之邊緣,是以當 rit ’其會歷經走向成熟之各個階段。在第一階段 上顯或:)第形=端緣,而在X先片 間合有新^敬ίί 第一階段中,骨路端緣與成長板之 的資訊即隱匿錄中。成奸止。如此一來,指骨中最重要 正確路年齡之評估工作係由醫師執行,而評估結果之 員於鑑定執行者之經驗,因此由人為因素所衍生之 進行Γ麟人為因素包括由同一位醫生對同一個案例 時間致之結果(此係可能導因於醫生進行評估之 之同-案舰行評倾糾不一致 ί果電=助骨料齡評估系統可產生具有再現性、可靠之3 ° /、可更有效率地幫助醫師評斷骨路年齡,是以發展出一 200529794 ::::助骨料齡獅統,將挪 【發明内容】 擷取象:於提供-種由雙刪 自動提供—獅細右规片影像中 評估iiH目的在於提供—鶴由伽_像自動化 方法本ΐΓ揭影像自動化評估倾年齡之 之影像以作為第—影像。接著,再if中擷取左手或右手 之中指垂直指向上。由第!象’以使右手或左手 像^遺後從第二影像中抽取;指C為第二影 之步驟包含··利用第一濾 ^如像,其中抽取中指指骨 以產生第三影像;利用;二;波㈡兰,象平滑化程序, 影像邊緣_,而取得第 ^二心對弟二影像進行 疊,以得到標的指骨區段。四影像與第二影像重 中萃取出複數個生理學特徵疋曰曰:之切割後’由第四影像 外由第四影像中萃取個據,作為第-資訊。此 =這些參數按其重· 取^ = 得到-系列參數, 將第-資訊與第H偟」I:,重要者’以得到第二資訊。 骨路年齡之評估結果。至一類神經網路進行訓練,最後輸出 【實施方式】 在本發明中,「+主 是以其並未對本發明:中=====下 200529794 所出現之「左手」字眼可被「右手」所取代。 第一圖揭露本發明之流程。 I·拍I取左手影像 仃影像處理時,會綠含有雙手影像之x光片輸入電腦 右^^之操作1)。在—些情況τ,由於左手與右手之部分影像 =彼此黏結’因此若只使用一個閾值(thresh〇id)即欲從中取 :位^像,將財可能遭遇失敗。為了能正確地估計左手座落 徂罝,± 一較複雜之程序被詳細地揭露於下: L讀進一手部X光片。 僅且有1或〇之旦1 —ί衫像。一值化影像係為一種每單一像素 得其中1代表開啟,而吼表_。閾值化後所 像ϊ==!像區域相比’由於該令人不感興趣之影 〇度,順時鐘為°簡之她設為 目苗線,隨後每增加1度即新增掃 如第之像素數目;將二ί成 ,標的掃·;著 標的掃猫線以左之方向,應之角度錢辦。在該 更確保整個左手區域皆能i部ii括,驟為了 5.請參照第三圖。從負爾到e,,找出計算數值下最一:之知掃猫 200529794 線,以及其相對應之角度θ2之後,利用下列公式計算出% : θ3 = ( 2*θ] + θ2) / 3 6.在角度為Θ3之掃瞄線上,紀錄其中心點之座標。通1 心點之垂直線即用以當作後續欲得左手影像之裁切邊界(第 之操作2)。換言之,挑選出$之目的為確保整個左手影像皆能= 囊括。 π.標的指骨區域(PhalangealBoneRegi〇n〇fImerest)之取得 擷取出左手影像後,預期中應對影像作旋轉校正(第: =操作2),以使後續之中指影像操取過程來的容易一些。值d ,的是’左手之㈣、尺骨與橈骨之涵蓋範圍、每之= 織的融合部分等因素皆會增加找尋標的指f區域之瞻产、了 克服此處提及之缺點,-詳盡且有效之方絲提供如下^,、'、 1·讀進前上取得之左手影像。 2·計鼻影像之平均值,並將此平均值當作闕值,用 不像素。餘留下來之影像,幾乎皆為乂丰 Ί 掌股、腕骨、部分之尺摊=从怕_像,包括指骨、 3·利用如下之公式估計上述步驟中餘留影像之中心點座標·· regions ^之^餘留區^中之一個點,⑹代知點之座標,N為餘留 ^域之總數’ i則為餘留區域之計算中心 中心應落於手掌區域中。 ”貝屬疋该计异 4·執行比對知序,以校正計算中心 有過多之尺骨與橈㈣域,在找尋計算^置因象中含 況。在這樣的情況下,以㈣ψ時會發生干擾的狀 以拉令心為中心點,綠出水平線與垂直 200529794 有影像之線寬。接著,在垂直線上, ,直f向作更進—步之擷取,繼而取得-新的計算ttrt 長度,與上述比值相比,'若、比擷取後新得之 含有過多之尺㈣橈骨;表示原有影像中 5. r料W ^ 町之影像部分應去除。 之掃I ,W ’仃—類似前述用喊尋左手區域影像 。將該計算中心設為參考點,且將通過此計算中心之 ^,ίΓΐ,順時鐘方向為正,逆時鐘方向為負。從0度至180 筆增—掃瞎線,其中每—條掃瞎線皆自計算中 二 之邊界。隨後,推斷每—條掃瞄線從計算中心 到心像邊界之距離。在計算出之181個 之該條掃崎,料補心Β α 那觀為取大 為係粗估所得之中指:應之角度。具蝴 作直角ΐ與上述提及之角度間,利用最近鄰近點的資訊 i 卜標的角度’接著將影像旋轉以該標的角 度’而使中指垂直指向上。 i掃贿序,其中此弧狀掃_序係相異於上述所 私規°耳先,將計算中心當作參考點,然後把步驟5中 ,現之取大數值當成錄(水平方向)與短轴(垂直方向)之半 弧線。隨後’由60度至120度’每隔〇.5度即搜 象素,其複數個灰階值紀錄至行向量(r〇wvect〇r)中, 灰二二ί里之平均值。之後’將行向量中數值大於該平均值之 又為1,而將數值小於該平均值之灰階值設為0。重複上述 W直至長軸半徑和短軸半徑相差一特定長度,停止此掃瞄 10 200529794 在本★明之—較佳實施财,此特定長度為職像素。士 匕-來,=可得到複數個具有相同寬度之行向量。 ” σ 8.計算±述行向量之總和,並將方摘得出之 平編雜的,獅出如第四圖戶= 角“受 二 IT—主要波峰。二偷置:= ‘點取一特定大小的長指妙尖後^白為r ’二算』灰階平均值]連續 :乍為第二窗計均=後取具有最大灰階值的區 窗就會含有所有財指指;:ΐ域重㈣灯取出新«。這些視 10.利用位於上步驟所取出的最上方與最下方 i取中影像,以使中指指尖指向垂直位置。最 作3) 中㈣長方形區塊作為有興趣的區域(第-圖之操 III.標的財區域之抽取(segme_⑻ 出來,1景^訊與軟組織像素中抽取 步驟,以嫌影射之切分執t影料滑化(―哗) 測器與局部變異(1〇 ’、σ 、接者,利用肯尼(Canny)偵 與生長板區域。 偵測器,來找出中指的骨區輪廓 200529794 此階段之目標在於對指骨進行抽取程序,以利指骨分析之進 行。是以,平滑化程序會先被執行,以降低影像中之雜訊。 許多種類之濾波器,如平均值濾波器(mean filter)、中位數 濾波器(median filter)、高斯濾波器(Gaussianfllter)以及嘉伯濾 波器(Gabor filter),皆可用以取得具有接受度之平滑化結果。= 本發明之-較佳實施例巾’選擇姻嘉伯濾波器來執行平滑化程 序,其中嘉伯濾波器具有以下型態: xl >cosl (2Φφ) 其中4嘉伯濾波器之方向,f為正弦波之頻率,δ 為高式濾、波器中X軸與γ軸上之間隔常數。由於嘉χ歸/、lJ ,括,高式纽器中’是以嘉簡波器之效用近似ς高式驗 χφ =^cos^ +^sin^ 八=-xsing + ycos# 濾波器係被 =而’此兩種缝器間仍存在著差異。嘉伯器1有:: 声=方向參數與解參數可用以降二= 本發明中其被用以執:平滑η慮“具有此項優點’是以在 植入數位影像中之邊緣偵卿亦 眚竑办•丨士 · 7幻士 m I” a 八Τ在本發明之一較佳 (edgedetectins) ° , 實施例中’係使时尼邊緣彳貞·。通f,若X :僅設定-閾值,报有可能圈取出錯誤的 二匕: =,會在肯尼邊緣偵測器中設定兩綱值以決此 像邊界。 用Μ件取正確之影 明之一較佳 中僅設定一閾值,报有可能圈取出錯誤的影μ月化邊緣偵測器 12 200529794 除了肯尼邊緣偵測為’局部變異法(l〇cal variancem她〇cj) 亦用以搜尋影像之邊緣區域。局部變異指的是一像素灰階值與盆 周圍環境灰階值之變異。首先,選擇出可定義一像素周圍環境^ 區塊’接著利用統计公式计异其變異度。隨後,以該像素原先之 焭度取代計算出之新值,以取得一新影像。局部變異法之優點在 於可將訊號微弱之邊緣轉化成訊號強大之邊緣,以利完整搜尋一 影像之邊緣。 根據以上描述,一流程被揭露於下: 1·分別利用四種不同方向(0。、45。、9〇。、135。)之 波器對影像進行平滑化程序(第一圖之操作4)。 ^ 、,利用肯尼邊_測器個別對步驟w得之四個平化後影 進仃邊緣搜尋過程’並將四鋪果結合成一個。 形成3一:二變(Π=)補關節謝分’並新 上。4之為t罩,而作用於原始影像 分影像(第-圖之操作6)。在本^^而去除未被遮罩之部 長板爾程序之正確率高達;第抽7指(含骨區與生 咬/0以上(弟一圖之操作7)。 VI·特徵抽取 為了降低運算負擔鱼拷推a 愁年齡_,會^=^==之正確率,在做出骨 -較佳實施例中,兩種 ~象進仃特雜取。在本發明之 學特徵,被自動化地抽取 ^之特徵,亦即生理學特徵與型態 出來(弟-圖之操作8)。 1·生理學特徵 200529794 包括遠端(distal) S像/抽取出來,這些特徵 指骨之長度、寬度與面積。而^2),及近端(_dmal) 位置定位。根據習知之知識,;將遠端=特徵,需先將關節之 成3/10,3/10與三區段,關節即被囊二距離切 區塊中的影像投影在γ轴上,亦^^則兩個區段中。將每 ::=::r生並訂為心= 度、寬度區段指節之長短轴的長 徵。若再加上中指細長,則她妓可由三個區塊中抽取出9個特 2.型態學特徵 除了生理學特徵外’醫生常會投注更多的注意 二二們會用複雜的影像處理方法量測_長度* =距離 端(metaphyses)、雜骨幹(dia卿ses) 上述方法的確有助於骨路年齡之評估,然而其缺點為運算規 权(dmiensKHO過大。過奴運算賴暗示著需要好的運 間以訓練評估系統。在本實施例中,離散餘弦轉換(^咖 麵;、町)娜散小波觀(cli伽e Wavelet transf_ ; DUT)即被用來抽取指骨特徵,並取其轉換後的重要特徵以縮小 ,算規模。在上述說明中,由於1G個生理特徵之抽取,係為盘 績月路年齡分類|§之特徵具有一致性。有鑑於此,在本發明中, 利用離散小波轉換與離散餘弦轉換各別抽取出最具重要性之難 14 200529794 頻率參數,以作為型態學上之特徵。 v.結果與結論 為測試本發明對骨骼年齡的判斷有效度,利用了取自台北榮 民總f院自1998年12月至細年1月的小兒掌骨資料槽案,計有^ 千多筆,資料分布由新生兒至18歲成人(第一圖之操作9)。如前 所述’本發明中抽取中指影像程序之正確率高達99%以上。接著, 將這些影像經由特徵抽取後,倒傳遞類神經網路㈤k propagation of neural network ; BPNN) ^
Radial basis flmction of neural network ; RBFNN)以及支持向量 (support vect〇r machine 〇f neuraj SVMW〇作為分類器’對手掌x光片進行骨路年齡之評估(第一 在本發明之— 交佳實施例中,倒傳遞類神經網路被 ’二出1訓練上述萃取特徵之資訊。其中,此網路架構為-層輸入層,有10個神經元。有一層隱藏 輸 層為18個神經元。έ士要仫士丨田, 叮、工凡翰出 摔作η)。社夂日1 j _⑽演算法判讀(第一圖之
刼乍)❺以弟五圖’判讀結果和標準結果比較,相差I 以上。結果也顯示利用離散小波轉換係數的確有 果。;月° "之5平估’其正確率稍高於利用生理學特徵而得之結 其專同領域而定 15 200529794 【圖式簡單說明】 藉由以下詳細之描述結合所附圖示,將可輕易的了解上述内 容及此項發明之諸多優點,其中·· 第一圖顯示本發明之流程。 第二圖顯示本發明中對x光片影像進行閾值化後所得之二值 化影像。 示本發明中由第二圖所得之掃目錄據圖表。 第五二:具不本發明中進行掃目苗程序後所得之投影。 圖_示根據本發明所得骨絡年齡評估之正確率。
Claims (1)
- 200529794 拾、申請專利範圍: 讀自取或右手X光片影像之方法,包含: 二值化影像中之每=-個二值化影像’其中該 於該二值化影像之底^ ^時之1或麵狀態時之〇 ; 冊-… 底口卜找其中心位置; 〜值化影像執行—掃猫程序,包含 將通過該中心位置之水平線設為0度,·-角度產生第,線; 線“線母赠鐘旋轉-特定角度,即新增—掃目苗 直至該第-掃晦線逆時鐘旋轉至第二角度,並於該第二角 —ί之處形成最後—條掃_後,停止該掃瞒程序; 叶异每條掃瞄線上數值為丨之像素數目; 利异結果製作出該二值化影像之掃目g數據圖表; 經由該掃瞄數據圖表,找尋所有掃瞄線中具有最小 的掃瞄線; %哥找該標的掃目苗線之中心點;以及 將通過該中心點之垂直線設成該X光片之擷取邊界。 2·如申請專利範圍第1項之方法,其中該第一角度為6〇度。 3·如申請專利範圍第1項之方法,其中該特定角度為1度。 4·如申請專利範圍第1項之方法,其中該第二角度為120度。 5· —種於左手或右手X光片影像中自動化找尋中指位置之方 法,包含: 讀取該X光片影像; 17 200529794 錫定該x光片影像之中心位置; 對該X光片影像進行一掃瞄流程,包含 將通過該中心位置之水平線設為0度; 每增加一特定角度,即新增一 係由該中心位置筆直延伸至左 從0度到逆時鐘方向180度, 掃瞄線,其中每條掃瞄線 手或右手影像之邊界止; 在所有掃猫線中,計算每一條掃瞒線之長度; 找出具有最大長度之標的掃瞄線;調整該X光片影像,以使該標的掃崎垂直指向上; 對該X光片影像施行一弧狀掃瞄程序,包含 a) =中心位置為—參相,並⑽最大長度為水平軸 /、垂直軸之半徑,繪製出一橢圓形弧線; b) 在該,線上,每隔一特定度數即搜尋-次相對像素; C)記錄每一相對像素之灰階值至一行向量中,· d) ϋ十'^出该行向量之一特定數值; e) 將該行向量巾,大於該特定触之錢為卜而將小於 该特定數值之值設為〇 ;f) 縮短步驟a)中垂直軸之半徑長度,繼而重複步驟 a),b),=d)及e),直到該垂直軸與該水平軸之長度具有 特疋差異,即停止該弧狀掃描程序。 取得複數個具有相同寬度之行向量; 運算該行向量; 將運算所得之結果轉化,⑽成具有3個波峰之投影圖;以 將中間波峰定為中指位置。 6.如申請專利範圍第5項之方法,其中該特定角度為i度。 18 200529794 項之方法,其中該特定度數為0.5度。 光片自動化评娜年齡之方t= 頃進雙手X光片影像; 娜左手或右手影像赠為第一影像; 疋轉料—影像,以使_指指尖垂直指向上; 自该第-影像t擷财指影像以作為第二影像; 切割出中指之指骨部分,包含 以形成第 利^第-遽波器對該第二影像進行平滑化程序, 三影像; 並形成第 利用第二遽波器與第三遽波器_該第三影像, 四影像; 將該第四影像與該第二影像重疊,以得到一 该第四影像萃取出複數個生理學特徵以作為第—資訊?, 轉取出複數個型態學特徵以得到—數據圖表,· ‘網路,以進行訓 j轉-資訊與該第二資訊傳送至—類神經中4 一貝I 練程序;以及 輪出一評估結果 η·序m專鄕㈣ig項u法,射麵岭第—影像之程 藉由—得自該x光片之間值,取得一個二值化 二f中之每一像素代表開啟狀態時之1或關閉狀態叙0 Γ h亥一值化影像之底部尋找其中心位置; 對該二值化影像執行一掃瞄程序,包含 200529794 過°亥中心位置之水平線設為〇度; 逆時鐘方向之第—肢產生第目^ 田:第-一每逆時鐘旋轉一特定角度,即新增一掃猫 直ΪΪΪ:,逆時鐘旋轉至第二角度,並於該第二角 計算“;二::目停止該掃-序; 的翻線,· 細表,找讀有掃目魏中具有最小數值之標 尋找該標的掃瞄線之中心點;以及 將通過該中心點之垂直線定為該χ光片之榻取邊界。 12·如申請專利範圍第丨丨項之方法 13·如申請專利範圍第11項之方法 14·如申請專利範圍第11項之方法 15·如申請專利範圍第1〇項之方法 序更包含: 讀進該第一影像; 錨定該第一影像之中心位置; ’其中該第一角度為60度。 ,其中該特定角度為1度。 ’其中該第二角度為120度。 ,其中擷取出該第二影像之程特定角度,即新增一 心位置筆直延伸至左 對該第一影像進行一掃瞄流程,包含 將通過該中心位置之水平線設為〇度 從0度到逆時鐘方向180度,每增加一 掃瞒線,其中每條掃瞄線係由該中 手或右手影像之邊界止; 在所有掃瞄線中,計算每一條掃瞄線之長度; 20 200529794 找出具有最大長度之標的掃瞄線; 調整該XiW影像,以使該標的掃i雜直指向上; 對該X光片影像施行一弧狀掃瞄程序,包含 a) 以該中心位置為-參考點,並以該最大長度為水平軸 與垂直軸之半徑,繪製出一橢圓形弧線; b) 在該弧線上,每隔一特定度數即搜尋一次相對像素; c) 記錄每一相對像素之灰階值至一行向量中; d) 計算出該行向量之一特定數值; e) 將該行向f巾,大於·定數值之值設,而將小於 該特定數值之值設為0 ; f) 縮短步驟a)中垂直軸之半徑長度,繼而重複步驟 &)力),(〇,(1)及6),直到該垂直軸與該水平軸之長度具有 一特定差異,即停止該弧狀掃描程序。 、 取得複數個具有相同寬度之行向量; · 運算該行向量; . 將運算所得之結果轉化,以形成具有3個波峰之投影圖;以 及 , 將中間波峰定為中指位置。 鲁 丨6.如申請專利範圍第I5項之方法,更包含對該妹片影像進行閾 值化步驟,以利用該特定數值移除背景像素。 17. 如申請專利範圍第15項之方法,其中該特定角度為丨度。 18. 如申請專利範圍第15項之方法,其中該特定度數為〇^度。 19. 如申請專利範圍第15項之方法,其中該特定數值為平均值。 20. 如申請專利範圍第15項之方法,其中該特定差異為_像素。 21
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW093105566A TW200529794A (en) | 2004-03-03 | 2004-03-03 | Method of automatically evaluating age of bone and skeleton via hand X-ray photograph |
| US10/920,264 US7421104B2 (en) | 2004-03-03 | 2004-08-18 | Method of automatically assessing skeletal age of hand radiographs |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW093105566A TW200529794A (en) | 2004-03-03 | 2004-03-03 | Method of automatically evaluating age of bone and skeleton via hand X-ray photograph |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TW200529794A true TW200529794A (en) | 2005-09-16 |
Family
ID=34910215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW093105566A TW200529794A (en) | 2004-03-03 | 2004-03-03 | Method of automatically evaluating age of bone and skeleton via hand X-ray photograph |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7421104B2 (zh) |
| TW (1) | TW200529794A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI394554B (zh) * | 2008-05-16 | 2013-05-01 | Univ Ishou | Multi - media Full - size Stereoscopic Bone Surgery Preoperative Planning System |
| TWI606752B (zh) * | 2016-10-28 | 2017-11-21 | Iner Aec | 用於數位x光機的自動曝露控制系統與其方法 |
| TWI691930B (zh) * | 2018-09-19 | 2020-04-21 | 財團法人工業技術研究院 | 基於神經網路的分類方法及其分類裝置 |
| TWI722297B (zh) * | 2018-06-28 | 2021-03-21 | 國立高雄科技大學 | 醫學影像之體內邊緣偵測處理系統及其方法 |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7822223B2 (en) * | 2006-01-13 | 2010-10-26 | New Jersey Institute Of Technology | Method for identifying marked images using statistical moments based at least in part on a JPEG array |
| EP1971963A4 (en) * | 2006-01-13 | 2013-05-08 | New Jersey Tech Inst | METHOD FOR IDENTIFYING MARKED PICTURES USING AT LEAST PARTIAL STATISTICAL MOMENTS BASED ON A JPEG ARRAY |
| JP4690204B2 (ja) * | 2006-01-16 | 2011-06-01 | 富士フイルム株式会社 | 画像再生装置およびそのプログラム |
| KR100853187B1 (ko) * | 2006-12-07 | 2008-08-20 | 한국전자통신연구원 | 수지골 경계 추출 영상 획득 방법 및 그 시스템 |
| JP4551439B2 (ja) * | 2007-12-17 | 2010-09-29 | 株式会社沖データ | 画像処理装置 |
| US20110060247A1 (en) * | 2009-09-10 | 2011-03-10 | General Electric Company | Methods and apparatus for measuring bone lengths |
| US8295570B2 (en) * | 2009-09-10 | 2012-10-23 | General Electric Company | Methods and apparatus for measuring body circumference |
| US8280138B2 (en) * | 2009-09-10 | 2012-10-02 | General Electric Company | System and method for performing bone densitometer measurements |
| US8300911B1 (en) | 2009-09-10 | 2012-10-30 | General Electric Company | Methods and apparatus for measuring visceral fat mass |
| US10061979B2 (en) | 2014-09-28 | 2018-08-28 | Koninklijke Philips N.V. | Image processing apparatus and method |
| WO2018057714A1 (en) * | 2016-09-21 | 2018-03-29 | The General Hospital Corporation | Systems, methods and media for automatically generating a bone age assessment from a radiograph |
| 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 |
| CN108629762B (zh) * | 2018-03-28 | 2021-08-03 | 浙江工业大学 | 一种骨龄评测模型减少干扰特征的图像预处理方法及系统 |
| TWI772663B (zh) * | 2019-08-05 | 2022-08-01 | 長佳智能股份有限公司 | 以個人裝置進行手骨骨齡即時判讀之系統及方法 |
| CN110516715B (zh) * | 2019-08-05 | 2022-02-11 | 杭州依图医疗技术有限公司 | 一种手骨分类方法及装置 |
| JP7113798B2 (ja) * | 2019-09-11 | 2022-08-05 | 富士フイルム株式会社 | 診療支援装置、診療支援方法、及び診療支援プログラム |
| CN110648320A (zh) * | 2019-09-19 | 2020-01-03 | 京东方科技集团股份有限公司 | 骨龄获取方法及系统、服务器、计算机设备及介质 |
| CN111027571B (zh) * | 2019-11-29 | 2022-03-01 | 浙江工业大学 | 一种手腕部参照骨特征区域自适应提取方法 |
| CN111325734B (zh) * | 2020-02-25 | 2023-06-27 | 杭州电子科技大学 | 一种基于视觉模型的骨龄预测方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1293925A1 (en) * | 2001-09-18 | 2003-03-19 | Agfa-Gevaert | Radiographic scoring method |
-
2004
- 2004-03-03 TW TW093105566A patent/TW200529794A/zh unknown
- 2004-08-18 US US10/920,264 patent/US7421104B2/en not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI394554B (zh) * | 2008-05-16 | 2013-05-01 | Univ Ishou | Multi - media Full - size Stereoscopic Bone Surgery Preoperative Planning System |
| TWI606752B (zh) * | 2016-10-28 | 2017-11-21 | Iner Aec | 用於數位x光機的自動曝露控制系統與其方法 |
| TWI722297B (zh) * | 2018-06-28 | 2021-03-21 | 國立高雄科技大學 | 醫學影像之體內邊緣偵測處理系統及其方法 |
| TWI691930B (zh) * | 2018-09-19 | 2020-04-21 | 財團法人工業技術研究院 | 基於神經網路的分類方法及其分類裝置 |
| US10902314B2 (en) | 2018-09-19 | 2021-01-26 | Industrial Technology Research Institute | Neural network-based classification method and classification device thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| US7421104B2 (en) | 2008-09-02 |
| US20050196031A1 (en) | 2005-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lo et al. | Point2volume: A vision-based dietary assessment approach using view synthesis | |
| Simon et al. | Hand keypoint detection in single images using multiview bootstrapping | |
| Dyke et al. | SHREC’20: Shape correspondence with non-isometric deformations | |
| Rüegg et al. | Bite: Beyond priors for improved three-d dog pose estimation | |
| Wen et al. | A robust method of detecting hand gestures using depth sensors | |
| Rhee et al. | Human hand modeling from surface anatomy | |
| CN113570618B (zh) | 一种基于深度学习的加权骨龄评估方法及系统 | |
| CN113782159B (zh) | 医学图像标记点匹配方法、装置、电子设备及存储介质 | |
| CN108615237A (zh) | 一种肺部图像处理方法及图像处理设备 | |
| CN110991268B (zh) | 一种基于深度图像的帕金森手部运动量化分析方法和系统 | |
| WO2017133009A1 (zh) | 一种基于卷积神经网络的深度图像人体关节定位方法 | |
| TW201044282A (en) | A method for fingerprint template synthesis and fingerprint mosaicing using a point matching algorithm | |
| JP2008165773A (ja) | 形状モデリング技法に基づいた確率的アトラスのための方法および装置 | |
| US20050196031A1 (en) | Method of automatically assessing skeletal age of hand radiographs | |
| CN110458145A (zh) | 一种基于二维动态特征的离线笔迹个体识别系统及方法 | |
| CN108921070A (zh) | 图像处理方法、模型训练方法及对应装置 | |
| CN107992783A (zh) | 人脸图像处理方法及装置 | |
| CN116434277A (zh) | 一种基于级联深度神经网络的穴位精准定位方法 | |
| CN115909487A (zh) | 一种基于人体姿态检测的儿童步态异常评估辅助系统 | |
| Nakamura et al. | DeePoint: Visual pointing recognition and direction estimation | |
| TW200813860A (en) | Method and apparatus for adaptive hierarchical processing of print images | |
| CN111210424B (zh) | 一种骨龄x光片rus骨块近轮廓点定位方法 | |
| CN114092971B (zh) | 一种基于视觉图像的人体动作评估方法 | |
| Cejnog et al. | A framework for automatic hand range of motion evaluation of rheumatoid arthritis patients | |
| Huang et al. | 3d hand bones and tissue estimation from a single 2d x-ray image via a two-stream deep neural network |