TWI809737B - 髖關節影像篩選方法及電子系統 - Google Patents
髖關節影像篩選方法及電子系統 Download PDFInfo
- Publication number
- TWI809737B TWI809737B TW111107042A TW111107042A TWI809737B TW I809737 B TWI809737 B TW I809737B TW 111107042 A TW111107042 A TW 111107042A TW 111107042 A TW111107042 A TW 111107042A TW I809737 B TWI809737 B TW I809737B
- Authority
- TW
- Taiwan
- Prior art keywords
- area
- analyzed
- key
- processing unit
- key area
- Prior art date
Links
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
一種髖關節影像篩選方法，包含：超音波影像裝置拍攝一目標患者的一髖關節以產生一包含多個連續的待分析靜態影像的待分析動態影像資料；處理單元對於待分析動態影像資料的待分析靜態影像的每一者，使用關鍵區域辨識模型以分別產生多個關鍵區域辨識結果；及處理單元對於待分析動態影像資料的待分析靜態影像的每一者的每一關鍵區域辨識結果，計算關鍵區域的面積以產生一關鍵區域面積，並將每一待分析靜態影像的關鍵區域面積加總以產生一關鍵區域總面積，並選出關鍵區域總面積最大者之待分析靜態影像作為一最佳待分析靜態影像。
Description
本發明是有關於一種篩選方法，特別是指一種髖關節影像篩選方法。本發明還有關於一種電子系統。
先天性髖關節脫臼或發育不良（Developmental Dysplasia of Hip，DDH），是指嬰兒在出生後髖關節以非正常方式與骨盆錯位。此症狀可以利用影像診斷發現，若早期發現並治療，可正常發育至成人，若錯失治療則會發生髖關節脫臼或長短腳的情形，造成行走異常之殘疾。一般主流的診斷方式是以超音波進行檢測。
超音波檢測影像需要清楚呈現髖關節的關鍵區域以利後續分析。如何發展出一種新的髖關節影像篩選方法，能有效篩選出較佳的影像，以於臨床診斷及專業訓練上提供助益，是本發明進一步要探討的主題。
因此，本發明的目的，即在提供一種能有效篩選出較佳的影像的髖關節影像篩選方法。
本發明的另一目的，在於提供一種能有效篩選出較佳的影像的電子系統。
於是，本發明髖關節影像篩選方法，藉由一電子系統實施，該電子系統包含一超音波影像裝置、一輸入單元及一處理單元，該方法包含：該超音波影像裝置拍攝多位參考患者的一髖關節以產生多筆分別相關於該等參考患者且包含該髖關節的影像的參考動態影像資料，每一參考動態影像資料包含多個連續的參考靜態影像；該處理單元針對每一參考動態影像資料的該等參考靜態影像其中作為一訓練影像的一者，根據經由該輸入單元接收到的多個手動圈選指令，產生多個對應於該訓練影像的關鍵區域參考資料，每一關鍵區域參考資料指示出對應之該訓練影像中的一關鍵區域的範圍； 該處理單元針對每一關鍵區域，根據指示出該關鍵區域的範圍的該等關鍵區域參考資料及該等訓練影像，訓練一卷積神經網路模型而產生一關鍵區域辨識模型；該超音波影像裝置拍攝一目標患者的一髖關節以產生一包含該髖關節的影像的待分析動態影像資料，該待分析動態影像資料包含多個連續的待分析靜態影像；該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，使用該等關鍵區域辨識模型以分別產生多個分別指示出該待分析靜態影像中該等關鍵區域的範圍的關鍵區域辨識結果；該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者的每一關鍵區域辨識結果，計算該關鍵區域的面積以產生一關鍵區域面積；該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，將該待分析靜態影像的該等關鍵區域面積加總以產生一關鍵區域總面積；及該處理單元自該待分析動態影像資料的該等待分析靜態影像中，選出該關鍵區域總面積最大者之該待分析靜態影像作為一最佳待分析靜態影像。
在一些實施態樣中，所述的髖關節影像篩選方法還包含：該處理單元對於該最佳待分析靜態影像的該等關鍵區域面積的每一者，判斷該關鍵區域面積是否到達該關鍵區域對應的一面積門檻值，以產生一區域面積檢核結果。
在一些實施態樣中，所述的髖關節影像篩選方法還包含：該處理單元判斷該最佳待分析靜態影像的該等區域面積檢核結果是否皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值；及當該處理單元判斷該最佳待分析靜態影像的該等區域面積檢核結果皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元根據該等關鍵區域辨識結果產生一相關於該髖關節的一骨頂角的骨頂角估測值及一相關於該髖關節的一軟骨頂角的軟骨頂角估測值。
在一些實施態樣中，於該超音波影像裝置拍攝該等參考患者並該處理單元根據該等手動圈選指令產生該等關鍵區域參考資料之後，且於該處理單元產生該等區域面積檢核結果之前，還包含：該處理單元針對每一參考動態影像資料的該等參考靜態影像，根據經由該輸入單元接收到的多個可用性註記指令，產生多個對應於該等參考靜態影像的可用性參考資料，每一可用性參考資料指示出對應之該訓練影像為可用或不可用；該處理單元對於對應之該可用性參考資料指示出可用的該等參考靜態影像，根據該等關鍵區域參考資料，計算該等關鍵區域的面積以產生多筆可用關鍵區域參考面積；及該處理單元對於每一關鍵區域，根據對應的該等可用關鍵區域參考面積，產生對應於該關鍵區域的該面積門檻值。
在一些實施態樣中，於產生對應於該關鍵區域的該面積門檻值的步驟中，該面積門檻值為對應的該等可用關鍵區域參考面積的平均值減去兩倍對應的該等可用關鍵區域參考面積的標準差。
在一些實施態樣中，該電子系統還包含一輸出單元，該方法還包含：當該處理單元判斷該最佳待分析靜態影像的該等區域面積檢核結果並非皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元經由該輸出單元輸出一影像品質未達標準訊息。
本發明電子系統，包含：一超音波影像裝置、一輸入單元及一處理單元。該處理單元電連接於該超音波影像裝置及該輸入單元。
該超音波影像裝置拍攝多位參考患者的一髖關節以產生多筆分別相關於該等參考患者且包含該髖關節的影像的參考動態影像資料，每一參考動態影像資料包含多個連續的參考靜態影像。
該處理單元針對每一參考動態影像資料的該等參考靜態影像其中作為一訓練影像的一者，根據經由該輸入單元接收到的多個手動圈選指令，產生多個對應於該訓練影像的關鍵區域參考資料，每一關鍵區域參考資料指示出對應之該訓練影像中的一關鍵區域的範圍。
該處理單元針對每一關鍵區域，根據指示出該關鍵區域的範圍的該等關鍵區域參考資料及該等訓練影像，訓練一卷積神經網路模型而產生一關鍵區域辨識模型。
該超音波影像裝置拍攝一目標患者的一髖關節以產生一包含該髖關節的影像的待分析動態影像資料，該待分析動態影像資料包含多個連續的待分析靜態影像。
該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，使用該等關鍵區域辨識模型以分別產生多個分別指示出該待分析靜態影像中該等關鍵區域的範圍的關鍵區域辨識結果。
該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者的每一關鍵區域辨識結果，計算該關鍵區域的面積以產生一關鍵區域面積。
該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，將該待分析靜態影像的該等關鍵區域面積加總以產生一關鍵區域總面積。
該處理單元自該待分析動態影像資料的該等待分析靜態影像中，選出該關鍵區域總面積最大者之該待分析靜態影像作為一最佳待分析靜態影像。
本發明的功效在於：藉由該處理單元針對每一關鍵區域，根據指示出該關鍵區域的範圍的該等關鍵區域參考資料及該等訓練影像，訓練該卷積神經網路模型而產生該關鍵區域辨識模型，並藉由該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，使用該等關鍵區域辨識模型以分別產生分別指示出該待分析靜態影像中該等關鍵區域的範圍的該等關鍵區域辨識結果，並藉由該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，計算該等關鍵區域的面積並加總以產生該關鍵區域總面積，並藉由該處理單元自該待分析動態影像資料的該等待分析靜態影像中，選出該關鍵區域總面積最大者之該待分析靜態影像作為該最佳待分析靜態影像，從而提供良好的篩選效果，再者，藉由該處理單元對於該最佳待分析靜態影像的該等關鍵區域面積的每一者產生該區域面積檢核結果，從而能判別該最佳待分析靜態影像是否達到可做後續分析的可用標準，再者，藉由當判斷該最佳待分析靜態影像的該等區域面積檢核結果皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元根據該等關鍵區域辨識結果產生相關於該髖關節的該骨頂角的骨頂角估測值及相關於該髖關節的該軟骨頂角的軟骨頂角估測值，從而便於提供參考估測角度資料給醫護人員。
在本發明被詳細描述之前，應當注意在以下的說明內容中，類似的元件是以相同的編號來表示。
參閱圖1與圖2（包含圖2A、圖2B及圖2C），本發明髖關節影像篩選方法的一實施例，該方法藉由一電子系統100實施，該電子系統100包含一可供一使用者（例如專業醫療人員）操作的超音波影像裝置1、一輸入單元2、一輸出單元3，及一電連接於該超音波影像裝置1、該輸入單元2與該輸出單元3的處理單元4。
該超音波影像裝置1例如為一直線型（Linear-array）手持式超音波影像機，操作頻率介於4~12MHz，但不以此為限。
該輸入單元2例如（但不限於）包含一鍵盤及一滑鼠。該輸出單元3例如（但不限於）包含一液晶螢幕。該處理單元4例如可包含（但不限於）一單核處理器、一個多核處理器、一個單核或多核手機處理器、一微處理器、一微控制器、一數位訊號處理器（DSP）、一現場可程式邏輯閘陣列（FPGA）、一特殊應用積體電路（ASIC）、一射頻積體電路（RFIC）、一圖形處理器（GPU）其中至少一者。
參閱圖1、圖2（包含圖2A、圖2B及圖2C）及圖3，以下說明本發明的該實施例的步驟。首先，如步驟S01所示，該超音波影像裝置1拍攝多位參考患者的一髖關節以產生多筆分別相關於該等參考患者且包含該髖關節的影像的參考動態影像資料，每一參考動態影像資料包含多個連續的參考靜態影像。
接著，如步驟S02所示，該處理單元4針對每一參考動態影像資料的該等參考靜態影像其中作為一訓練影像的一者，根據經由該輸入單元2接收到的多個手動圈選指令，產生多個對應於該訓練影像的關鍵區域參考資料，每一關鍵區域參考資料指示出對應之該訓練影像中的一關鍵區域的範圍。該等手動圈選指令在本實施例中是由專業醫療人員操作該輸入單元2產生。在本實施例中，該等關鍵區域參考資料的數量為3，該等關鍵區域參考資料指示出於該訓練影像中該等關鍵區域R1~R3的範圍（參閱圖3）。該等關鍵區域R1~R3的範圍說明如下，該關鍵區域R2的範圍涵蓋髂骨上緣及髂骨下緣，該關鍵區域R1的範圍涵蓋盂唇，該關鍵區域R3的範圍涵蓋髂骨骨緣轉折處及髂骨下支。
接著，如步驟S03所示，該處理單元4針對每一關鍵區域，根據指示出該關鍵區域的範圍的該等關鍵區域參考資料及該等訓練影像，訓練一卷積神經網路模型而產生一關鍵區域辨識模型。在本實施例中，該卷積神經網路模型為一UNet模型，但不以此為限。
接著，如步驟S04所示，該處理單元4針對每一參考動態影像資料的該等參考靜態影像，根據經由該輸入單元2接收到的多個可用性註記指令，產生多個對應於該等參考靜態影像的可用性參考資料，每一可用性參考資料指示出對應之該訓練影像為可用或不可用。該等可用性註記指令在本實施例中是由專業醫療人員操作該輸入單元2產生，醫療人員根據每一參考靜態影像的結構清晰度、結構完整度、背景雜訊程度及髖關節是否位於該參考靜態影像的中間決定該可用性註記指令要使對應於該參考靜態影像的該可用性參考資料指示可用或不可用。
接著，如步驟S05所示，該處理單元4對於對應之該可用性參考資料指示出可用的該等參考靜態影像，根據該等關鍵區域參考資料，計算該等關鍵區域的面積以產生多筆可用關鍵區域參考面積。
接著，如步驟S06所示，該處理單元4對於每一關鍵區域，根據對應的該等可用關鍵區域參考面積，產生對應於該關鍵區域的該面積門檻值。在本實施例中，該面積門檻值為對應的該等可用關鍵區域參考面積的平均值減去兩倍對應的該等可用關鍵區域參考面積的標準差。
接著，如步驟S07所示，該超音波影像裝置1拍攝一目標患者的一髖關節以產生一包含該髖關節的影像的待分析動態影像資料，該待分析動態影像資料包含多個連續的待分析靜態影像。
接著，如步驟S08所示，該處理單元4對於該待分析動態影像資料的該等待分析靜態影像的每一者，使用該等關鍵區域辨識模型以分別產生多個分別指示出該待分析靜態影像中該等關鍵區域的範圍的關鍵區域辨識結果。
接著，如步驟S09所示，該處理單元4對於該待分析動態影像資料的該等待分析靜態影像的每一者的每一關鍵區域辨識結果，計算該關鍵區域的面積以產生一關鍵區域面積。
接著，如步驟S10所示，該處理單元4對於該待分析動態影像資料的該等待分析靜態影像的每一者，將該待分析靜態影像的該等關鍵區域面積加總以產生一關鍵區域總面積。
接著，如步驟S11所示，該處理單元4自該待分析動態影像資料的該等待分析靜態影像中，選出該關鍵區域總面積最大者之該待分析靜態影像作為一最佳待分析靜態影像。
接著，如步驟S12所示，該處理單元4對於該最佳待分析靜態影像的該等關鍵區域面積的每一者，判斷該關鍵區域面積是否到達該關鍵區域對應的該面積門檻值，以產生一區域面積檢核結果。
接著，如步驟S13所示，該處理單元4判斷該最佳待分析靜態影像的該等區域面積檢核結果是否皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，若否，則執行步驟S14，若是，則執行步驟S15。
步驟S14是當該處理單元4判斷該最佳待分析靜態影像的該等區域面積檢核結果並非皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元4經由該輸出單元3輸出一影像品質未達標準訊息。
步驟S15是當該處理單元4判斷該最佳待分析靜態影像的該等區域面積檢核結果皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元4根據該等關鍵區域辨識結果產生一相關於該髖關節的一骨頂角的骨頂角估測值α及一相關於該髖關節的一軟骨頂角的軟骨頂角估測值β，並經由該輸出單元3輸出該骨頂角估測值α及該軟骨頂角估測值β。
步驟S15更具體的子步驟說明如下。如圖3所示，首先，該處理單元4根據該等關鍵區域辨識結果，使用一骨架抽取（skeletonization）演算法，分別產生多個區域骨架，並重組該等區域骨架（recombination of skeletons）以使該等區域骨架相連接。
接著，該處理單元4根據重組後的該等區域骨架，使用一線性比對（linear alignment）演算法，分別產生多個相連接的線性比對化線段。
接著，該處理單元4根據該等線性比對化線段產生該骨頂角估測值α及該軟骨頂角估測值β。該骨頂角估測值α在本實施例中，為由R1產生的線性比對化線段與由R3產生的線性比對化線段之間的夾角。該軟骨頂角估測值β在本實施例中，為由R1產生的線性比對化線段與由R2產生的線性比對化線段之間的夾角。
在本實施例中，該處理單元4依據Graf法，根據該骨頂角估測值α、該軟骨頂角估測值β及該目標患者的一年齡，產生一分類資料及一建議資料，例如給予高於 Type IIc（臨床危急之髖關節狀態）警示訊息，並經由該輸出單元3輸出該分類資料及該建議資料。在本實施例中，該處理單元4將該最佳待分析靜態影像、於該最佳待分析靜態影像標註有該等線性比對化線段、該骨頂角與該軟骨頂角的一自動標註圖、該骨頂角估測值α、該軟骨頂角估測值β、該分類資料及該建議資料彙整成一超音波檢查報告，並經由該輸出單元3輸出該超音波檢查報告。
值得一提的是，參閱圖4及圖5，在一種實施態樣中，該處理單元4能即時地針對該等待分析靜態影像的每一者或針對該最佳待分析靜態影像，根據該等關鍵區域辨識結果及該關鍵區域總面積，產生一關鍵區域評分熱圖，並經由該輸出單元3輸出。該關鍵區域評分熱圖於該待分析靜態影像上標註有指示出該等關鍵區域辨識結果的區域，且包含一評分條（該待分析靜態影像右側由底部向上延伸）及一合格閾值（圖中之紅色箭頭）。該評分條的長度與該關鍵區域總面積正相關。該合格閾值與該等面積門檻值的總和正相關。
補充說明的是，該輸入單元2、該輸出單元3及該處理單元4可以是透過原本與該超音波影像裝置1連接並安裝有該超音波影像裝置1之廠商提供的超音波檢測程式的電腦來實施，也就是說，於同一電腦外掛本發明運算步驟對應的程式，便可實施。
綜上所述，本發明髖關節影像篩選方法藉由該處理單元4針對每一關鍵區域，根據指示出該關鍵區域的範圍的該等關鍵區域參考資料及該等訓練影像，訓練該卷積神經網路模型而產生該關鍵區域辨識模型，並藉由該處理單元4對於該待分析動態影像資料的該等待分析靜態影像的每一者，使用該等關鍵區域辨識模型以分別產生分別指示出該待分析靜態影像中該等關鍵區域的範圍的該等關鍵區域辨識結果，並藉由該處理單元4對於該待分析動態影像資料的該等待分析靜態影像的每一者，計算該等關鍵區域的面積並加總以產生該關鍵區域總面積，並藉由該處理單元4自該待分析動態影像資料的該等待分析靜態影像中，選出該關鍵區域總面積最大者之該待分析靜態影像作為該最佳待分析靜態影像，從而提供良好的篩選效果，再者，藉由該處理單元4對於該最佳待分析靜態影像的該等關鍵區域面積的每一者產生該區域面積檢核結果，從而能判別該最佳待分析靜態影像是否達到可做後續分析的可用標準，再者，藉由當判斷該最佳待分析靜態影像的該等區域面積檢核結果皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元4根據該等關鍵區域辨識結果產生相關於該髖關節的該骨頂角的骨頂角估測值α及相關於該髖關節的該軟骨頂角的軟骨頂角估測值β，從而便於提供參考估測角度資料給醫護人員，故確實能達成本發明的目的。
惟以上所述者，僅為本發明的實施例而已，當不能以此限定本發明實施的範圍，凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本發明專利涵蓋的範圍內。
100:電子系統
1:超音波影像裝置
2:輸入單元
3:輸出單元
4:處理單元
R1~R3:關鍵區域
α:骨頂角估測值
β:軟骨頂角估測值
S01~S15:步驟
本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中：
圖1是本發明髖關節影像篩選方法的一實施例的一硬體連接關係示意圖；
圖2（包含圖2A、圖2B及圖2C）是該實施例的一流程圖；
圖3是該實施例的一示意圖，說明多個關鍵區域的範圍及產生一骨頂角估測值及一軟骨頂角估測值的步驟；
圖4是該實施例的另一示意圖，說明合格的一待分析靜態影像（左側）及一關鍵區域評分熱圖（右側）；及
圖5圖4是該實施例的另一示意圖，說明不合格的該待分析靜態影像（左側）及該關鍵區域評分熱圖（右側）。
S01~S15:步驟
Claims (12)
- 一種髖關節影像篩選方法，藉由一電子系統實施，該電子系統包含一超音波影像裝置、一輸入單元及一處理單元，該方法包含： 該超音波影像裝置拍攝多位參考患者的一髖關節以產生多筆分別相關於該等參考患者且包含該髖關節的影像的參考動態影像資料，每一參考動態影像資料包含多個連續的參考靜態影像； 該處理單元針對每一參考動態影像資料的該等參考靜態影像其中作為一訓練影像的一者，根據經由該輸入單元接收到的多個手動圈選指令，產生多個對應於該訓練影像的關鍵區域參考資料，每一關鍵區域參考資料指示出對應之該訓練影像中的一關鍵區域的範圍； 該處理單元針對每一關鍵區域，根據指示出該關鍵區域的範圍的該等關鍵區域參考資料及該等訓練影像，訓練一卷積神經網路模型而產生一關鍵區域辨識模型； 該超音波影像裝置拍攝一目標患者的一髖關節以產生一包含該髖關節的影像的待分析動態影像資料，該待分析動態影像資料包含多個連續的待分析靜態影像； 該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，使用該等關鍵區域辨識模型以分別產生多個分別指示出該待分析靜態影像中該等關鍵區域的範圍的關鍵區域辨識結果； 該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者的每一關鍵區域辨識結果，計算該關鍵區域的面積以產生一關鍵區域面積； 該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，將該待分析靜態影像的該等關鍵區域面積加總以產生一關鍵區域總面積；及 該處理單元自該待分析動態影像資料的該等待分析靜態影像中，選出該關鍵區域總面積最大者之該待分析靜態影像作為一最佳待分析靜態影像。
- 如請求項1所述的髖關節影像篩選方法，還包含： 該處理單元對於該最佳待分析靜態影像的該等關鍵區域面積的每一者，判斷該關鍵區域面積是否到達該關鍵區域對應的一面積門檻值，以產生一區域面積檢核結果。
- 如請求項2所述的髖關節影像篩選方法，還包含： 該處理單元判斷該最佳待分析靜態影像的該等區域面積檢核結果是否皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值；及 當該處理單元判斷該最佳待分析靜態影像的該等區域面積檢核結果皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元根據該等關鍵區域辨識結果產生一相關於該髖關節的一骨頂角的骨頂角估測值及一相關於該髖關節的一軟骨頂角的軟骨頂角估測值。
- 如請求項3所述的髖關節影像篩選方法，於該超音波影像裝置拍攝該等參考患者並該處理單元根據該等手動圈選指令產生該等關鍵區域參考資料之後，且於該處理單元產生該等區域面積檢核結果之前，還包含： 該處理單元針對每一參考動態影像資料的該等參考靜態影像，根據經由該輸入單元接收到的多個可用性註記指令，產生多個對應於該等參考靜態影像的可用性參考資料，每一可用性參考資料指示出對應之該訓練影像為可用或不可用； 該處理單元對於對應之該可用性參考資料指示出可用的該等參考靜態影像，根據該等關鍵區域參考資料，計算該等關鍵區域的面積以產生多筆可用關鍵區域參考面積；及 該處理單元對於每一關鍵區域，根據對應的該等可用關鍵區域參考面積，產生對應於該關鍵區域的該面積門檻值。
- 如請求項4所述的髖關節影像篩選方法，其中，於產生對應於該關鍵區域的該面積門檻值的步驟中，該面積門檻值為對應的該等可用關鍵區域參考面積的平均值減去兩倍對應的該等可用關鍵區域參考面積的標準差。
- 如請求項3所述的髖關節影像篩選方法，其中，該電子系統還包含一輸出單元，該方法還包含： 當該處理單元判斷該最佳待分析靜態影像的該等區域面積檢核結果並非皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元經由該輸出單元輸出一影像品質未達標準訊息。
- 一種電子系統，包含： 一超音波影像裝置； 一輸入單元；及 一處理單元，電連接於該超音波影像裝置及該輸入單元； 該超音波影像裝置拍攝多位參考患者的一髖關節以產生多筆分別相關於該等參考患者且包含該髖關節的影像的參考動態影像資料，每一參考動態影像資料包含多個連續的參考靜態影像； 該處理單元針對每一參考動態影像資料的該等參考靜態影像其中作為一訓練影像的一者，根據經由該輸入單元接收到的多個手動圈選指令，產生多個對應於該訓練影像的關鍵區域參考資料，每一關鍵區域參考資料指示出對應之該訓練影像中的一關鍵區域的範圍； 該處理單元針對每一關鍵區域，根據指示出該關鍵區域的範圍的該等關鍵區域參考資料及該等訓練影像，訓練一卷積神經網路模型而產生一關鍵區域辨識模型； 該超音波影像裝置拍攝一目標患者的一髖關節以產生一包含該髖關節的影像的待分析動態影像資料，該待分析動態影像資料包含多個連續的待分析靜態影像； 該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，使用該等關鍵區域辨識模型以分別產生多個分別指示出該待分析靜態影像中該等關鍵區域的範圍的關鍵區域辨識結果； 該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者的每一關鍵區域辨識結果，計算該關鍵區域的面積以產生一關鍵區域面積； 該處理單元對於該待分析動態影像資料的該等待分析靜態影像的每一者，將該待分析靜態影像的該等關鍵區域面積加總以產生一關鍵區域總面積； 該處理單元自該待分析動態影像資料的該等待分析靜態影像中，選出該關鍵區域總面積最大者之該待分析靜態影像作為一最佳待分析靜態影像。
- 如請求項7所述的電子系統，其中，該處理單元對於該最佳待分析靜態影像的該等關鍵區域面積的每一者，判斷該關鍵區域面積是否到達該關鍵區域對應的一面積門檻值，以產生一區域面積檢核結果。
- 如請求項8所述的電子系統，其中，該處理單元判斷該最佳待分析靜態影像的該等區域面積檢核結果是否皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值； 當該處理單元判斷該最佳待分析靜態影像的該等區域面積檢核結果皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元根據該等關鍵區域辨識結果產生一相關於該髖關節的一骨頂角的骨頂角估測值及一相關於該髖關節的一軟骨頂角的軟骨頂角估測值。
- 如請求項9所述的電子系統，其中，該處理單元針對每一參考動態影像資料的該等參考靜態影像，根據經由該輸入單元接收到的多個可用性註記指令，產生多個對應於該等參考靜態影像的可用性參考資料，每一可用性參考資料指示出對應之該訓練影像為可用或不可用； 該處理單元對於對應之該可用性參考資料指示出可用的該等參考靜態影像，根據該等關鍵區域參考資料，計算該等關鍵區域的面積以產生多筆可用關鍵區域參考面積； 該處理單元對於每一關鍵區域，根據對應的該等可用關鍵區域參考面積，產生對應於該關鍵區域的該面積門檻值。
- 如請求項10所述的電子系統，其中，於產生對應於該關鍵區域的該面積門檻值的步驟中，該面積門檻值為對應的該等可用關鍵區域參考面積的平均值減去兩倍對應的該等可用關鍵區域參考面積的標準差。
- 如請求項9所述的電子系統，還包含一電連接於該處理單元的輸出單元； 當該處理單元判斷該最佳待分析靜態影像的該等區域面積檢核結果並非皆指示該關鍵區域面積到達該關鍵區域對應的該面積門檻值，該處理單元經由該輸出單元輸出一影像品質未達標準訊息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111107042A TWI809737B (zh) | 2022-02-25 | 2022-02-25 | 髖關節影像篩選方法及電子系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111107042A TWI809737B (zh) | 2022-02-25 | 2022-02-25 | 髖關節影像篩選方法及電子系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI809737B true TWI809737B (zh) | 2023-07-21 |
| TW202334983A TW202334983A (zh) | 2023-09-01 |
Family
ID=88149581
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111107042A TWI809737B (zh) | 2022-02-25 | 2022-02-25 | 髖關節影像篩選方法及電子系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI809737B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10460839B1 (en) * | 2018-11-29 | 2019-10-29 | Richard Ricci | Data mining of dental images |
| TW202139209A (zh) * | 2020-04-01 | 2021-10-16 | 緯創資通股份有限公司 | 醫學影像辨識方法及醫學影像辨識裝置 |
| TW202206031A (zh) * | 2020-08-12 | 2022-02-16 | 長庚醫療財團法人林口長庚紀念醫院 | 利用深度學習分析髖關節狀態的方法及電子系統 |
-
2022
- 2022-02-25 TW TW111107042A patent/TWI809737B/zh active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10460839B1 (en) * | 2018-11-29 | 2019-10-29 | Richard Ricci | Data mining of dental images |
| TW202139209A (zh) * | 2020-04-01 | 2021-10-16 | 緯創資通股份有限公司 | 醫學影像辨識方法及醫學影像辨識裝置 |
| TW202206031A (zh) * | 2020-08-12 | 2022-02-16 | 長庚醫療財團法人林口長庚紀念醫院 | 利用深度學習分析髖關節狀態的方法及電子系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202334983A (zh) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | The rate of missed diagnosis of lower-limb DVT by ultrasound amounts to 50% or so in patients without symptoms of DVT: A meta-analysis | |
| Nelson et al. | Factors associated with rates of false-positive and false-negative results from digital mammography screening: an analysis of registry data | |
| Acharya et al. | Atherosclerotic risk stratification strategy for carotid arteries using texture-based features | |
| Demi | Lung ultrasound: The future ahead and the lessons learned from COVID-19 | |
| Collinger et al. | Validation of grayscale-based quantitative ultrasound in manual wheelchair users: relationship to established clinical measures of shoulder pathology | |
| Arslan et al. | Diagnostic performance of superb microvascular imaging and other sonographic modalities in the assessment of lateral epicondylosis | |
| US9211103B2 (en) | Systems and methods for generating an osteoarthritis progression predictor and systems and methods for using the predictor | |
| Neri et al. | Diagnostic accuracy of ultrasonography for hand bony fractures in paediatric patients | |
| Quader et al. | Automatic evaluation of scan adequacy and dysplasia metrics in 2-D ultrasound images of the neonatal hip | |
| Secco et al. | Lung ultrasound presentation of COVID-19 patients: phenotypes and correlations | |
| Hareendranathan et al. | Toward automated classification of acetabular shape in ultrasound for diagnosis of DDH: Contour alpha angle and the rounding index | |
| Loizou et al. | Texture feature variability in ultrasound video of the atherosclerotic carotid plaque | |
| WO2024067527A1 (zh) | 一种髋关节角度检测系统和方法 | |
| US7539332B1 (en) | Method and system for automatically identifying regions of trabecular bone tissue and cortical bone tissue of a target bone from a digital radiograph image | |
| Brage et al. | Ultrasonic strain elastography for detecting abnormalities in the supraspinatus tendon: an intra-and inter-rater reliability study | |
| Koprowski et al. | Assessment of significance of features acquired from thyroid ultrasonograms in Hashimoto's disease | |
| Needleman | Update on the lower extremity venous ultrasonography examination | |
| Bureau et al. | Diagnostic Accuracy of Echo Envelope Statistical Modeling Compared to B‐Mode and Power Doppler Ultrasound Imaging in Patients With Clinically Diagnosed Lateral Epicondylosis of the Elbow | |
| Donohue et al. | Opportunistic CT screening for osteoporosis in patients with pelvic and acetabular trauma: technique and potential clinical impact | |
| TWI809737B (zh) | 髖關節影像篩選方法及電子系統 | |
| Syha et al. | Computer-based quantification of the mean Achilles tendon thickness in ultrasound images: effect of tendinosis | |
| Rosa et al. | Does a simplified 6-joint ultrasound index correlate well enough with the 28-joint disease activity score to be used in clinical practice? | |
| CN110604594B (zh) | 一种髋关节的成像方法以及髋关节成像系统 | |
| Huang et al. | Quantitative diagnostic method for biceps long head tendinitis by using ultrasound | |
| Pisani et al. | Estimation of femoral neck bone mineral density by ultrasound scanning: Preliminary results and feasibility |