TWI806047B - 影像分析方法與影像分析裝置 - Google Patents
影像分析方法與影像分析裝置 Download PDFInfo
- Publication number
- TWI806047B TWI806047B TW110116847A TW110116847A TWI806047B TW I806047 B TWI806047 B TW I806047B TW 110116847 A TW110116847 A TW 110116847A TW 110116847 A TW110116847 A TW 110116847A TW I806047 B TWI806047 B TW I806047B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- target area
- processor
- gap
- end point
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
Abstract
一種影像分析方法與影像分析裝置。所述方法包括:獲得第一影像,其中所述第一影像中至少呈現第一物體與第二物體;分析所述第一影像以偵測所述第一物體的第一端點與所述第二物體的第二端點之間的第一中心點;以所述第一中心點為中心在所述第一影像中決定目標區域;從所述第一影像中擷取位於所述目標區域內的第二影像;以及分析所述第二影像以產生狀態資訊,其中所述狀態資訊反映所述第一物體與所述第二物體之間的間隙狀態。
Description
本發明是有關於一種影像分析技術,且特別是有關於一種影像分析方法與影像分析裝置。
隨著科技的進步,使用自動化的影像分析技術來輔助醫生或檢驗師等專業人士分析醫療影像的情形也越來越普遍。但是,目前自動化的影像分析技術對於人體的脊椎X光影像之分析並不更精確。可能的原因在於,一般的脊椎X光影像中會呈現多個相鄰排列的脊椎骨(亦稱為骨節)。在判讀脊椎X光影像時,自動化的影像分析技術可能會因為太多骨節同時存在於同一個脊椎X光影像中,而導致系統無法鎖定正確的骨節進行分析。
本發明提供一種影像分析方法與影像分析裝置,可提高自動化的影像分析的準確度。
本發明的實施例提供一種影像分析方法,其包括:獲得第一影像,其中所述第一影像中至少呈現第一物體與第二物體;分析所述第一影像以偵測所述第一物體的第一端點與所述第二物體的第二端點之間的第一中心點;以所述第一中心點為中心在所述第一影像中決定目標區域;從所述第一影像中擷取位於所述目標區域內的第二影像;以及分析所述第二影像以產生狀態資訊,其中所述狀態資訊反映所述第一物體與所述第二物體之間的間隙狀態。
本發明的實施例另提供一種影像分析裝置,其包括儲存電路與儲存電路。所述處理器耦接至所述儲存電路。所述處理器用以:獲得第一影像,其中所述第一影像中至少呈現第一物體與第二物體;分析所述第一影像以偵測所述第一物體的第一端點與所述第二物體的第二端點之間的第一中心點;以所述第一中心點為中心在所述第一影像中決定目標區域;從所述第一影像中擷取位於所述目標區域內的第二影像;以及分析所述第二影像以產生狀態資訊,其中所述狀態資訊反映所述第一物體與所述第二物體之間的間隙狀態。
基於上述,在獲得第一影像後,第一影像中的第一物體的第一端點與第一影像中的第二物體的第二端點之間的第一中心點可被偵測,且目標區域可以第一中心點為中心在所述第一影像中被自動決定。接著,可從所述第一影像中擷取位於所述目標區域內的第二影像並對其分析以產生狀態資訊。特別是,所述狀態
資訊反映所述第一物體與所述第二物體之間的間隙狀態。藉此,可有效提高自動化的影像分析的準確度。
10:影像分析裝置
11:處理器
12:儲存電路
101,102:影像
121:影像分析模組
13:輸入/輸出(I/O)裝置
21~26:物件
201~210:端點
211,221,231,241,251:中心點
D(1)~D(4),D(T):距離
41:目標區域
GP:間隙
S601~S605:步驟
A,B,C,D,E,F:骨節
圖1是根據本發明的一實施例所繪示的影像分析裝置的示意圖。
圖2是根據本發明的一實施例所繪示的第一影像的示意圖。
圖3是根據本發明的一實施例所繪示的偵測多個相鄰的中心點之間的距離的示意圖。
圖4是根據本發明的一實施例所繪示的在第一影像中決定目標區域的示意圖。
圖5是根據本發明的一實施例所繪示的第二影像的示意圖。
圖6是根據本發明的一實施例所繪示的影像分析方法的流程圖。
圖1是根據本發明的一實施例所繪示的影像分析裝置的示意圖。請參照圖1,裝置(亦稱為影像分析裝置)10可為任意具影像分析與運算功能的電子裝置或電腦裝置。在一實施例中,裝置10亦可為X光(X-ray)檢驗設備或X光掃描機(簡稱為X光機)。
裝置10包括處理器11、儲存電路12及輸入/輸出(I/O)
裝置13。處理器11耦接至儲存電路12與輸入/輸出(I/O)裝置13。處理器11用以負責裝置10的整體或部分運作。例如,處理器11可包括中央處理單元(Central Processing Unit,CPU)、圖形處理器(graphics processing unit,GPU)、或是其他可程式化之一般用途或特殊用途的微處理器、數位訊號處理器(Digital Signal Processor,DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits,ASIC)、可程式化邏輯裝置(Programmable Logic Device,PLD)或其他類似裝置或這些裝置的組合。
儲存電路12用以資料。例如,儲存電路12可包括揮發性儲存電路與非揮發性儲存電路。揮發性儲存電路用以揮發性地儲存資料。例如,揮發性儲存電路可包括隨機存取記憶體(Random Access Memory,RAM)或類似的揮發性儲存媒體。非揮發性儲存電路用以非揮發性地儲存資料。例如,非揮發性儲存電路可包括唯讀記憶體(Read Only Memory,ROM)、固態硬碟(solid state disk,SSD)、傳統硬碟(Hard disk drive,HDD)或類似的非揮發性儲存媒體。
在一實施例中,儲存電路12儲存有影像分析模組121(亦稱為影像辨識模組)。影像分析模組121可執行機器視覺等影像辨識操作。例如,處理器11可運行影像分析模組121以對特定的影像檔案中呈現的特定物件進行自動辨識。此外,影像分析模組121亦可經訓練以提高辨識精準度。在一實施例中,影像分析模組121亦可實作為硬體電路。例如,影像分析模組121可實作為獨立的
影像處理晶片(例如GPU)。或者,影像分析模組121亦可設置於處理器11內部。
輸入/輸出(I/O)裝置13可包括通訊介面、滑鼠、鍵盤、螢幕、觸控螢幕、揚聲器及/或麥克風等各式訊號的輸出/輸出裝置。本發明不限制輸入/輸出(I/O)裝置13的裝置類型。
在一實施例中,處理器11可獲得影像(亦稱為第一影像)101。例如,影像101可儲存於儲存電路12中。影像101可為X光影像。例如,影像101可為使用X光機對人體的特定部位進行X光照射或掃描後,所獲得的X光影像。影像101中可呈現多個物體。例如,所述多個物體至少包括第一物體與第二物體。
在一實施例中,所述第一物體與第二物體皆為人體的骨骼。例如,所述第一物體與第二物體可包含人體的脖子或背部的脊椎骨(亦稱為骨節)。例如,在一實施例中,影像101可為使用X光機對人體的脖子或背部進行X光照射或掃描後,所獲得的可呈現人體的脖子或背部的多個骨節之形狀與排列狀態的X光影像。
在一實施例中,處理器11可經由影像分析模組121分析影像101,以偵測影像101中的第一物體的一個端點(亦稱為第一端點)與第二物體的一個端點(亦稱為第二端點)。接著,處理器11可偵測第一端點與第二端點之間的一個中心點(亦稱為第一中心點)。此第一中心點可位於第一端點與第二端點之間的中心位置。
在一實施例中,處理器11可以第一中心點為中心在第一影像中決定一個區域(亦稱為目標區域)並從第一影像中擷取位於
所述目標區域內的影像(亦稱為第二影像)102。例如,此目標區域的中心位置可位於所述第一中心點處及/或與所述第一中心點重疊。例如,此目標區域的形狀可為矩形、圓形或者其他形狀。此外,所擷取的影像102也可儲存於儲存電路12中。
在一實施例中,處理器11可經由影像分析模組121分析影像102以產生狀態資訊。特別是,所述狀態資訊可反映所述第一物體與所述第二物體之間的間隙之狀態(亦稱為間隙狀態)。例如,假設第一物體與第二物體為人體的脖子或背部相鄰排列的兩個骨節,則所述狀態資訊可反映這兩個骨節之間的間隙之狀態(例如這兩個骨節之間的間隙之寬度或這兩個骨節的密合度)、這兩個骨節的健康狀態、這兩個骨節的排列是否符合特定疾病之特徵及/或這兩個骨節之間的間隙是否符合特定疾病之特徵。例如,所述特定疾病可包括僵直性脊椎炎(Ankylosing Spondylitis)或其他疾病。
在一實施例中,所述狀態資訊可包括一個評分資訊。此評分資訊可反映人體的健康狀態或罹患特定疾病的風險。例如,在一實施例中,所述評分資訊可包括mSASSS評分。mSASSS評分可反映影像102(或101)所對應的人體罹患僵直性脊椎炎的風險等級。在一實施例中,所述評分資訊還可反映人體罹患其他類型的疾病的風險,本發明不加以限制。
在一實施例中,所述狀態資訊可以報表的形式呈現。例如,所述狀態資訊可呈現於裝置10的顯示器。在一實施例中,所
述狀態資訊可以被傳送至其他的裝置,例如智慧型手機、平板電腦、筆記型電腦或桌上型電腦等,以供其他裝置的使用者查看。
圖2是根據本發明的一實施例所繪示的第一影像的示意圖。請參照圖2,在一實施例中,影像101中可呈現彼此相鄰排列的物件21~26。例如,物件21~26實際上可為人體的特定部位(例如脖子或背部)的多個骨節(標記為A~F)。此外,在所呈現的物件21~26中,每兩個相鄰排列的物件之間皆具有間隙(亦稱為實體間隙)。須注意的是,本發明不限制影像101中呈現的物件21~26的總數及排列狀態。
在一實施例中,處理器11可分析影像101以偵測物件21~26上的端點201~210。例如,端點201為物件21的左下角之端點、端點202為物件21的左上角之端點、端點203為物件22的左下角之端點、端點204為物件23的左上角之端點、端點205為物件23的左下角之端點、端點206為物件24的左上角之端點、端點207為物件24的左下角之端點、端點208為物件25的左上角之端點、端點209為物件25的左下角之端點、且端點210為物件26的左上角之端點。須注意的是,端點201~210皆位於物件21~26的同一側(例如左側)。
在找到端點201~210後,處理器11可根據端點201~210的位置偵測任兩個相鄰的端點之間的中心點211~251。例如,中心點211位於端點201與202之間的中心位置、中心點221位於端點203與204之間的中心位置、中心點231位於端點205與206
之間的中心位置、中心點241位於端點207與208之間的中心位置、且中心點251位於端點209與210之間的中心位置。在找到中心點211~251後,處理器11可偵測中心點211~251中任兩個相鄰的中心點之間的距離。
圖3是根據本發明的一實施例所繪示的偵測多個相鄰的中心點之間的距離的示意圖。請參照圖3,接續於圖2的實施例,處理器11可獲得中心點211~251中任兩個相鄰的中心點之間的距離D(1)~D(4)。例如,距離D(1)反映中心點211與221之間的直線距離、距離D(2)反映中心點221與231之間的直線距離、距離D(3)反映中心點231與241之間的直線距離、且距離D(4)反映中心點241與251之間的直線距離。
在一實施例中,處理器11可以中心點211~251中的某一者為中心在影像101中決定所述目標區域。此外,處理器11可根據距離D(1)~D(4)的至少其中之一來決定所述目標區域的涵蓋範圍。例如,距離D(1)~D(4)的至少其中之一可正相關於所述目標區域的涵蓋範圍之面積。例如,若距離D(1)~D(4)的至少其中之一的數值越大,則所述目標區域的涵蓋範圍之面積也可越大。
在一實施例中,若目標區域為矩形,則所述目標區域的涵蓋範圍可由目標區域的長度與寬度來界定。因此,在一實施例中,處理器11可根據所述距離決定所述目標區域的長度及/或寬度。或者,若目標區域為圓形,則所述目標區域的涵蓋範圍可由目標區域的半徑來界定。因此,在一實施例中,處理器11可根據
所述距離決定所述目標區域的半徑。
圖4是根據本發明的一實施例所繪示的在第一影像中決定目標區域的示意圖。請參照圖4,接續於圖3的實施例,以中心點211為例,處理器11可以中心點211為中心決定一個目標區域41。目標區域41的中心可位於中心點211所在處及/或與中心點211重疊。在一實施例中,處理器11也可以中心點221~251中的任一者為中心決定目標區域41。此外,處理器11可根據距離D(1)~D(4)的至少其中之一來決定目標區域41的涵蓋範圍。
在一實施例中,處理器11可根據距離D(1)~D(4)中至少兩者的平均值(亦稱為平均距離)來決定一個距離D(T)。距離D(T)可為目標區域41的長度及/或寬度的一半。或者,在一實施例中,若目標區域41為圓形,則距離D(T)也可以為目標區域41的半徑。在一實施例中,所述平均距離也可以距離D(1)~D(4)中的任一者取代。
在一實施例中,距離D(T)也可經由一個函數進行微調,以將距離D(T)稍微放大或縮小。藉此,即便物件21~26中的至少一者的形狀較為不規則及/或尺寸與其餘物件有較大差異,則微調後的距離D(T)也可針對此些物件21~26提供較高的操作容忍度。
在決定距離D(T)後,目標區域41可根據距離D(T)而被決定於影像101中。此外,在決定目標區域41後,處理器11可從影像101中擷取位於目標區域41內的影像作為影像102。
圖5是根據本發明的一實施例所繪示的第二影像的示意
圖。請參照圖5,接續於圖4的實施例,從目標區域41內擷取的影像102可呈現至少一部份的物件21(即骨節A)與至少一部份的物件22(即骨節B)。特別是,影像102可呈現物件21與22之間的間隙GP。爾後,處理器11可分析影像102而產生可反映間隙GP之狀態的狀態資訊。例如,此狀態資訊可包括與mSASSS評分有關的評分資訊或其他有用的資訊。
在一實施例中,在從目標區域41內擷取影像102之操作中,處理器11可濾除影像101中非位於目標區域41內的物體21(及/或22)的至少一部分的端點或物體邊緣之影像。在濾除所述非位於目標區域41內的物體21(及/或22)的至少一部分的端點或物體邊緣之影像後,所保留的影像即為影像102,如圖5所示。藉此,後續經由影像分析模組121分析影像102時,影像分析模組121可專注於分析影像102中與間隙GP有關的影像內容(例如間隙GP的寬度及/或形狀等)並產生對應的狀態資訊。
相較於直接分析大範圍影像101,由於影像102中大部分可能造成影像分析模組121誤判的與待分析的骨節之間的間隙(例如間隙GP)無關的資訊都已被濾除(例如影像102的主要顯示內容鎖定於兩個物件21與22(例如骨節A與B)之間的間隙GP),故影像分析模組121可更為精準地產生可反映此間隙之狀態的狀態資訊。藉此,可有效提高對於X光影像的自動化影像分析的準確度。
圖6是根據本發明的一實施例所繪示的影像分析方法的流程圖。請參照圖6,在步驟S601中,獲得第一影像,其中所述
第一影像中至少呈現第一物體與第二物體。在步驟S602中,分析所述第一影像以偵測所述第一物體的第一端點與所述第二物體的第二端點之間的第一中心點。在步驟S603中,以所述第一中心點為中心在所述第一影像中決定目標區域。在步驟S604中,從所述第一影像中擷取位於所述目標區域內的第二影像。在步驟S605中,分析所述第二影像以產生狀態資訊,其中所述狀態資訊反映所述第一物體與所述第二物體之間的間隙狀態。
然而,圖6中各步驟已詳細說明如上,在此便不再贅述。值得注意的是,圖6中各步驟可以實作為多個程式碼或是電路,本發明不加以限制。此外,圖6的方法可以搭配以上範例實施例使用,也可以單獨使用,本發明不加以限制。
綜上所述,本發明所提出的實施例可濾除原始的影像(例如X光影像)中與特定物件(例如骨節)之間的間隙無關的資訊並僅針對保留下來的影像內容進行分析。藉此,可有效提高對於包含多物件之影像的自動化影像分析的準確度。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
S601~S605:步驟
Claims (8)
- 一種影像分析方法,包括:由處理器獲得一第一影像,其中該第一影像中至少呈現一第一物體與一第二物體;由該處理器分析該第一影像以偵測該第一物體的一第一端點與該第二物體的一第二端點之間的一第一中心點,其中該第一物體與該第二物體之間具有一第一實體間隙,且該第一物體的該第一端點與該第二物體的該第二端點透過該第一實體間隙彼此相鄰;由該處理器以該第一中心點為中心在該第一影像中決定一目標區域,其中該目標區域涵蓋該第一中心點;由該處理器從該第一影像中擷取位於該目標區域內的一第二影像;以及由該處理器分析該第二影像以產生一狀態資訊,其中該狀態資訊反映該第一物體與該第二物體之間的一間隙狀態,且該間隙狀態反映該第一物體與該第二物體之間的間隙之寬度。
- 如請求項1所述的影像分析方法,其中該第一影像中更呈現一第三物體,且該影像分析方法更包括:由該處理器分析該第一影像以偵測該第二物體的第四端點與該第三物體的一第三端點之間的一第二中心點,其中該第二物體與該第三物體之間具有一第二實體間隙,且該第二物體的該第四端點與該第三物體的該第三端點透過該第二實體間隙彼此相鄰; 以及由該處理器根據該第一中心點與該第二中心點之間的距離決定該目標區域的長度、寬度或半徑。
- 如請求項2所述的影像分析方法,其中該第一中心點與該第二中心點之間的該距離正相關於該目標區域的該涵蓋範圍之面積。
- 如請求項1所述的影像分析方法,其中從該第一影像中擷取位於該目標區域內的該第二影像的步驟包括:由該處理器濾除該第一影像中非位於該目標區域內的該第一物體的至少一部分的端點或物體邊緣之影像。
- 一種影像分析裝置,包括:一儲存電路;以及一處理器,耦接至該儲存電路,其中該處理器用以:獲得一第一影像,其中該第一影像中至少呈現一第一物體與一第二物體;分析該第一影像以偵測該第一物體的一第一端點與該第二物體的一第二端點之間的一第一中心點,其中該第一物體與該第二物體之間具有一第一實體間隙,且該第一物體的該第一端點與該第二物體的該第二端點透過該第一實體間隙彼此相鄰;以該第一中心點為中心在該第一影像中決定一目標區域,其中該目標區域涵蓋該第一中心點; 從該第一影像中擷取位於該目標區域內的一第二影像;以及分析該第二影像以產生一狀態資訊,其中該狀態資訊反映該第一物體與該第二物體之間的一間隙狀態,且該間隙狀態反映該第一物體與該第二物體之間的間隙之寬度。
- 如請求項5所述的影像分析裝置,其中該第一影像中更呈現一第三物體,且該處理器更用以:分析該第一影像以偵測該第二物體的第四端點與該第三物體的一第三端點之間的一第二中心點,其中該第二物體與該第三物體之間具有一第二實體間隙,且該第二物體的該第四端點與該第三物體的該第三端點透過該第二實體間隙彼此相鄰;以及根據該第一中心點與該第二中心點之間的距離決定該目標區域的長度、寬度或半徑。
- 如請求項6所述的影像分析裝置,其中該第一中心點與該第二中心點之間的該距離正相關於該目標區域的該涵蓋範圍之面積。
- 如請求項5所述的影像分析裝置,其中從該第一影像中擷取位於該目標區域內的該第二影像的操作包括:濾除該第一影像中非位於該目標區域內的該第一物體的至少一部分的端點或物體邊緣之影像。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110116847A TWI806047B (zh) | 2021-05-11 | 2021-05-11 | 影像分析方法與影像分析裝置 |
US17/491,521 US20220366592A1 (en) | 2021-05-11 | 2021-09-30 | Image analyzation method and image analyzation device |
EP21203697.4A EP4089635A1 (en) | 2021-05-11 | 2021-10-20 | Image analyzation method and image analyzation device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110116847A TWI806047B (zh) | 2021-05-11 | 2021-05-11 | 影像分析方法與影像分析裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202244845A TW202244845A (zh) | 2022-11-16 |
TWI806047B true TWI806047B (zh) | 2023-06-21 |
Family
ID=78332635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110116847A TWI806047B (zh) | 2021-05-11 | 2021-05-11 | 影像分析方法與影像分析裝置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220366592A1 (zh) |
EP (1) | EP4089635A1 (zh) |
TW (1) | TWI806047B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340800A (zh) * | 2020-03-18 | 2020-06-26 | 联影智能医疗科技(北京)有限公司 | 图像检测方法、计算机设备和存储介质 |
CN112184623A (zh) * | 2020-09-01 | 2021-01-05 | 联影智能医疗科技(北京)有限公司 | 脊柱椎体的椎间隙分析方法、设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001055965A2 (en) * | 2000-01-27 | 2001-08-02 | Koninklijke Philips Electronics N.V. | Method and system for extracting spine geometrical data |
US7491180B2 (en) * | 2006-06-28 | 2009-02-17 | Pacheco Hector O | Apparatus and methods for templating and placement of artificial discs |
DE102007007803B4 (de) * | 2007-02-16 | 2015-03-26 | Siemens Aktiengesellschaft | Verfahren zur automatischen Auswertung tomographischer Bilddatensätze, Tomographiesystem und Bildschirmarbeitsplatz |
US8676298B2 (en) * | 2010-08-30 | 2014-03-18 | Fujifilm Corporation | Medical image alignment apparatus, method, and program |
CN108053400B (zh) * | 2017-12-21 | 2021-06-15 | 上海联影医疗科技股份有限公司 | 图像处理方法及装置 |
CN110569854B (zh) * | 2019-09-12 | 2022-03-29 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
-
2021
- 2021-05-11 TW TW110116847A patent/TWI806047B/zh active
- 2021-09-30 US US17/491,521 patent/US20220366592A1/en active Pending
- 2021-10-20 EP EP21203697.4A patent/EP4089635A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340800A (zh) * | 2020-03-18 | 2020-06-26 | 联影智能医疗科技(北京)有限公司 | 图像检测方法、计算机设备和存储介质 |
CN112184623A (zh) * | 2020-09-01 | 2021-01-05 | 联影智能医疗科技(北京)有限公司 | 脊柱椎体的椎间隙分析方法、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20220366592A1 (en) | 2022-11-17 |
EP4089635A1 (en) | 2022-11-16 |
TW202244845A (zh) | 2022-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chauhan et al. | Role of gist and PHOG features in computer-aided diagnosis of tuberculosis without segmentation | |
Zhou et al. | Automated lung segmentation and smoothing techniques for inclusion of juxtapleural nodules and pulmonary vessels on chest CT images | |
JP2020507836A (ja) | 重複撮像を予測した手術アイテムの追跡 | |
JP5878924B2 (ja) | 画像処理装置、撮像装置および画像処理方法 | |
US11645753B2 (en) | Deep learning-based multi-site, multi-primitive segmentation for nephropathology using renal biopsy whole slide images | |
US9965588B2 (en) | Film to DICOM conversion | |
US20210295510A1 (en) | Heat map based medical image diagnostic mechanism | |
JP2024012659A (ja) | 自然言語処理を使用する病理報告内の自動化された情報の抽出及び改良 | |
JP2018097852A (ja) | 画像類似度を確定する方法及び装置 | |
WO2021189849A1 (zh) | 基于神经网络的杯盘比确定方法、装置、设备及存储介质 | |
TW202022713A (zh) | 心臟狀態評估方法與系統、電子裝置及超音波掃描裝置 | |
EP2639743A2 (en) | Image processing device, image processing program, and image processing method | |
CN112508918A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US20220285011A1 (en) | Document creation support apparatus, document creation support method, and program | |
WO2019196211A1 (zh) | 一种筛选病历的方法、终端设备及计算机可读存储介质 | |
TWI806047B (zh) | 影像分析方法與影像分析裝置 | |
WO2007125981A1 (ja) | 境界の位置決定装置、境界の位置を決定する方法、当該装置としてコンピュータを機能させるためのプログラム、および記録媒体 | |
CN111477289A (zh) | 检测报告的存储和读取方法及装置 | |
JP2012011109A (ja) | 医用画像処理装置及びプログラム | |
Airsang et al. | Contour feature-point tagging as a mechanism for automated splitting of highly-occluded and dissimilar-sized cells in blood smear images | |
CN114663443A (zh) | 12导联纸质心电图数字化方法与装置 | |
JP4483250B2 (ja) | 画像診断支援装置、画像診断支援方法及びプログラム | |
Ju et al. | Clean mucosal area detection of gastroenterologists versus artificial intelligence in small bowel capsule endoscopy | |
US11321372B2 (en) | Method and system for a natural language processing using data streaming | |
TWI809343B (zh) | 影像內容萃取方法與影像內容萃取裝置 |