TWM547954U - 病變程度判斷系統 - Google Patents
病變程度判斷系統 Download PDFInfo
- Publication number
- TWM547954U TWM547954U TW106206500U TW106206500U TWM547954U TW M547954 U TWM547954 U TW M547954U TW 106206500 U TW106206500 U TW 106206500U TW 106206500 U TW106206500 U TW 106206500U TW M547954 U TWM547954 U TW M547954U
- Authority
- TW
- Taiwan
- Prior art keywords
- medical image
- grayscale
- lesion
- individual
- image
- Prior art date
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本創作係關於一種病變程度判斷系統,尤指利用電腦裝置分析健康與患病個體情況或待測個體以前檢查的數據,以精準快速地判斷該待測個體是否患病或得知病變程度者。
醫學影像是指為了醫療或醫學研究目的,對人體或人體某部份,以非侵入方式取得內部組織影像的技術與處理過程,屬於一種逆問題的推論演算,換句話說,成因是經由結果所獲得,即活體組織的特性是根據觀測影像信號反推而來。在醫學、醫學工程、醫學物理與生醫資訊學方面,醫學影像主要是指研究影像構成、擷取與儲存的技術、以及儀器設備的研究開發的科學。
醫學影像在診斷領域是一門新興的學科,不過目前在臨床應用上卻是非常廣泛,並對疾病的診斷提供了很大的科學且直觀的依據,可以更適切地配合臨床症狀、化驗結果等方面,提升最終診斷病情的準確度。
醫學影像的優點在於以非侵入性的方式觀察體內靜態結構及動態功能,藉由醫學影像的分析及視覺化,我們可以獲得器官、組織、及神經的外型、結構及特性,提供體內病灶臨床診斷或研究之用。醫學影
像種類繁多,例如:超音波(ultrasound)、斷層掃描(Computed Tomography,簡稱CT)、各種核磁共振(MRI,fMRI,diffusion MRI)、正電子斷層掃描(PET)、及單光子斷層掃描(SPECT)等影像。各類型影像各有其獨特性、適用性、及缺點,因此我們常要對這些影像進行強化處理,例如:雜訊去除、強化對比等,因此醫學影像的研究重點在於醫學影像的處理、分析、與視覺化。然而以往的醫學影像並沒有辦法精準地由醫學影像判斷個體是否患病或得知病變程度。
本創作之主要目的是提供一種病變程度判斷系統,其包括:(a)一醫學影像資料庫,用於儲存複數個個體全身或局部之複數個第一醫學影像檔、與該等複數個第一醫學影像檔相對應之複數個第一灰階影像檔、與該等複數個第一灰階影像檔相對應之複數個第一灰階值、依據該等複數個第一灰階值重組之複數個第一三維影像以及該等複數個個體之病變程度資料檔;及(b)一電腦裝置,連線至該醫學影像資料庫,用以執行一病變判讀軟體,其中該電腦裝置包括:一轉換器,用以將由該電腦裝置外部輸入的一待測個體全身或局部之一第二醫學影像檔灰階化為一第二灰階影像檔,並依據該第二灰階影像檔之第二灰階值重組成一第二三維影像;及一處理器,包括:一醫學影像比較模組,分別電連接至該轉換器及該醫學影像資料庫,用於將該轉換器所得的該第二灰階值或該第二三維影像與該醫學影像資料庫中的該等複數個第一灰階值或該等複數個第一三維影像進行逐一比較,以逐一獲得一比較檔;及一判斷模組,連接至該醫學影像比較模組,用以接收該比較檔,並於判斷該比較檔為相對應時,判斷該第二灰
階值或該第二三維影像係對應於該第一灰階值或該第一三維影像而決定該待測個體是否患病或判斷該待測個體之病變程度,並進而通知該醫學影像比較模組停止進行比較。
本創作的電腦裝置能將外部輸入的該第二醫學影像檔,由其中亮度高低之不同灰階分離出各個不同結構,而達成區分不同組織部位,使實現分別標示出例如大腦皮質(灰質)、髓質(白質)、腦室、腦血管、出血、血管瘤、腦瘤、發炎、梗塞、壞死、空洞或小腦結構異常等之獨立三維影像,對於其他器官,亦具有同樣功能。
本創作的電腦裝置能夠將人體器官之該第二醫學影像檔以灰階值分析出其中各組織並加以分別構建成三維影像,包括(1)取得連續的複數的人體器官二維醫學影像檔,(2)決定影像之灰階值,以分析出三維影像之特定區域;及(3)將該物體依不同灰階值分別作片斷(segmentation)切割,以重組成各自不同組織之三維影像,而達到分別成像之功用。
依據本創作之病變程度判斷系統,其中該第一醫學影像檔與該第二醫學影像檔較佳地係來自電腦斷層(CT)、核磁共振成像(MRI)、正子電腦斷層攝影(PET)、超音波掃描、病理切片或染色片。
依據本創作之病變程度判斷系統,該第一醫學影像檔與該第二醫學影像檔灰階化較佳地包含:影像襭取、強化黑白醫療影像之亮度及將亮度差異以210至211格的灰階(gray scale)表達。
依據本創作之病變程度判斷系統,其中該醫學影像資料庫進一步藉用大數據機制將該等複數個第一灰階值分析出正常器官與病變器官之間的一判斷分界值,及將該判斷分界值傳送至該醫學影像比較模組以與
該第二灰階值做比較,而該判斷模組依據比較結果,決定該待測個體是否患病或判斷該待測個體之病變程度。
依據本創作之病變程度判斷系統,於一較佳實施例中,該醫學影像資料庫為一雲端資料庫。
依據本創作之病變程度判斷系統,其中該待測個體局部是腦、心、肝、肺、腎、乳房、血管、子宮、骨骼或關節。依據本創作之病變程度判斷系統,於一較佳實施例中,該病變程度為乳房腫瘤之良性或惡性、肝硬化、脂肪肝、骨質疏鬆、多發性腎臟囊腫、水囊腫或大腸癌。
依據本創作之病變程度判斷系統,該等複數個第一醫學影像檔、該等複數個第一灰階影像檔、該等複數個第一灰階值、該等複數個第一三維影像及該等複數個個體之病變程度資料檔包括該待測個體之歷史資料檔,該醫學影像比較模組用於將該待測個體之該第二灰階值或該第二三維影像與該待測個體之歷史資料檔比較,而該判斷模組用於判斷該待測個體是否患病或判斷該待測個體之病變程度。
依據本創作之病變程度判斷系統,其中該電腦裝置進一步包括一顯示構件,用以將該第一灰階值與該第二灰階值以灰階分布圖(histogram)或文字顯示。
本創作之另一目的是提供一種病變程度判斷方法,其包括:(a)提供一醫學影像資料庫,用於儲存複數個個體全身或局部之複數個第一醫學影像檔、與該等複數個第一醫學影像檔相對應之複數個第一灰階影像檔、與該等複數個第一灰階影像檔相對應之複數個第一灰階值、依據該等複數個第一灰階值重組之複數個第一三維影像以及該等複數個個體之病變
程度資料檔;(b)提供一電腦裝置,用以將由該電腦裝置外部輸入的一待測個體全身或局部之一第二醫學影像檔灰階化為一第二灰階影像檔,並依據該第二灰階影像檔之第二灰階值重組成一第二三維影像;(c)將該電腦裝置所得的該第二灰階值或該第二三維影像與該醫學影像資料庫中的該等複數個第一灰階值或該等複數個第一三維影像進行逐一比較;以及(d)依據(c)步驟之比較結果,決定該待測個體是否患病或判斷該待測個體之病變程度。
依據本創作之病變程度判斷方法,該電腦裝置能將外部輸入的該第二醫學影像檔,由其中亮度高低之不同灰階分離出各個不同結構,而達成區分不同組織部位,使實現分別標示出例如大腦皮質(灰質)、髓質(白質)、腦室、腦血管、出血、血管瘤、腦瘤、發炎、梗塞、壞死、空洞或小腦結構異常等之獨立三維影像。
依據本創作之病變程度判斷方法,該電腦裝置能夠將人體器官之該第二醫學影像檔以灰階值分析出其中各組織並加以分別構建成三維影像,包括(1)取得連續的複數的人體器官二維醫學影像檔,(2)決定影像之灰階值,以分析出三維影像之特定區域;及(3)將該物體依不同灰階值分別作片斷(segmentation)切割,以重組成各自不同組織之三維影像,而達到分別成像之功用。
依據本創作之病變程度判斷方法,該第一醫學影像檔與該第二醫學影像檔較佳地係來自電腦斷層(CT)、核磁共振成像(MRI)、正子電腦斷層攝影(PET)、超音波掃描、病理切片或染色片。
依據本創作之病變程度判斷方法,該第一醫學影像檔與該第二醫學影像檔灰階化較佳地包含:影像襭取、強化黑白醫療影像之亮度及
將亮度差異以210至211格的灰階(gray scale)表達。
依據本創作之病變程度判斷方法,其中(b)步驟與(c)步驟之間另包括:該醫學影像資料庫藉用大數據機制將該等複數個第一灰階值分析出正常器官與病變器官之間的一判斷分界值,其中(c)步驟係將該第二灰階值與該判斷分界值比較。
依據本創作之病變程度判斷方法,於一較佳實施例中,該醫學影像資料庫為一雲端資料庫。
依據本創作之病變程度判斷方法,其中該待測個體局部是腦、心、肝、肺、腎、乳房、血管、子宮、骨骼或關節。依據本創作之病變程度判斷方法,於一較佳實施例中,該病變程度為乳房腫瘤之良性或惡性、肝硬化、脂肪肝、骨質疏鬆、多發性腎臟囊腫、水囊腫或大腸癌。
依據本創作之病變程度判斷方法,該等複數個第一醫學影像檔、該等複數個第一灰階影像檔、該等複數個第一灰階值、該等複數個第一三維影像及該等複數個個體之病變程度資料檔包括該待測個體之歷史資料檔,該醫學影像比較模組用於將該待測個體之該第二灰階值或該第二三維影像與該待測個體之歷史資料檔比較,而該判斷模組用於判斷該待測個體是否患病或判斷該待測個體之病變程度。
依據本創作之病變程度判斷方法,其中該電腦裝置進一步包括一顯示構件,用以將該第一灰階值與該第二灰階值以灰階分布圖(histogram)或文字顯示。
10‧‧‧醫學影像資料庫
101‧‧‧第一醫學影像檔
102‧‧‧第一灰階影像檔
103‧‧‧第一灰階值
104‧‧‧第一三維影像
105‧‧‧病變程度資料檔
20‧‧‧電腦裝置
201‧‧‧轉換器
2011‧‧‧第二醫學影像檔
2012‧‧‧第二灰階影像檔
2013‧‧‧第二灰階值
2014‧‧‧第二三維影像
202‧‧‧處理器
2021‧‧‧醫學影像比較模組
2022‧‧‧判斷模組
203‧‧‧顯示構件
圖1是本創作的病變程度判斷系統之方塊圖。
圖2是經由本創作之方法所得之正常乳房的三維影像。
圖3是經由本創作之方法所得之正常腦部的灰階分布圖,A為灰質;B為白質;C為腦室;D為血管。
圖4是經由本創作之方法所得之病變腦部三維影像重組之實施例,A為依據本創作之方法重組之三維影像;B為與其對應之灰階分布圖;C為經由本創作之方法計算出的腫瘤大小。
圖5是經由本創作之方法所得之肝臟三維影像重組之實施例,A為依據本創作之方法重組之三維影像;B為與其對應之灰階分布圖;C為經由本創作之方法計算出的灰階值之範圍、平均值、標準差、峰值與肝臟體積。
圖6是經由本創作之方法所得的腎臟三維影像重組之實施例,A為依據本創作之方法重組之三維影像;B為與其對應之灰階亮度;C為經由本創作之方法計算出的灰階值之範圍、平均值、標準差與峰值。
根據本創作之一實施例,醫學影像檔是藉用GE 1.5 T或以上之激發磁振造影儀(Excite MRI machine)進行三維核磁共振成像掃描,且用32通道頭部線圈(thirty-two channel head coil)當做RF訊號接收器(RF signal receiver),海棉狀物被用來固定病患之頭部,以放置於線圈之中,來防止物件移動。本創作的系統與方法不限於腦部,亦可使用至其他器官,如心、肝、肺、腎、乳房、血管、子宮、骨骼或關節等,而該醫學影像檔亦可來自電腦斷層(CT)、正子電腦斷層攝影(PET)、超音波掃描、病理切片或染色片。
請參閱圖1,本創作的病變程度判斷系統,其包括:(a)一醫學影像資料庫10,用於儲存複數個個體全身或局部之複數個第一醫學影像檔101、與該等複數個第一醫學影像檔101相對應之複數個第一灰階影像檔102、與該等複數個第一灰階影像檔102相對應之複數個第一灰階值103、依據該等複數個第一灰階值103重組之複數個第一三維影像104以及該等複數個個體之病變程度資料檔105;及(b)一電腦裝置20,連線至該醫學影像資料庫10,用以執行一病變判讀軟體,其中該電腦裝置20包括:一轉換器201,用以將由該電腦裝置20外部輸入的一待測個體全身或局部之一第二醫學影像檔2011灰階化為一第二灰階影像檔2012,並依據該第二灰階影像檔2012之第二灰階值2013重組成一第二三維影像2014;及一處理器202,包括:一醫學影像比較模組2021,分別電連接至該轉換器201及該醫學影像資料庫10,用於將該轉換器201所得的該第二灰階值2013或該第二三維影像2014與該醫學影像資料庫10中的該等複數個第一灰階值103或該等複數個第一三維影像104比較,以逐一獲得一比較檔;及一判斷模組2022,連接至該醫學影像比較模組2021,用以接收該比較檔,並於判斷該比較檔為相對應時,判斷該第二灰階值2013或該第二三維影像2014係對應於該第一灰階值103或該第一三維影像104而決定該待測個體是否患病或判斷該待測個體之病變程度,並進而通知該醫學影像比較模組2021停止進行比較。
在本實施例中,該醫學影像資料庫進一步藉用大數據機制將該等複數個第一灰階值103分析出正常器官與病變器官之間的一判斷分界值,及將該判斷分界值傳送至該醫學影像比較模組2021以與該第二灰階值2013做比較,而該判斷模組2022依據比較結果,決定該待測個體是否患病
或判斷該待測個體之病變程度。
在本實施例中,該電腦裝置20進一步包括一顯示構件203,用以將該第一灰階值103與該第二灰階值2013以灰階分布圖(histogram)或文字顯示。
在本實施例中,該等複數個第一醫學影像檔101與該第二醫學影像檔2011灰階化包含:影像襭取、強化黑白醫療影像之亮度及將亮度差異以210至211格的灰階(gray scale)表達。
在本實施例中,該等複數個第一醫學影像檔101、該等複數個第一灰階影像檔102、該等複數個第一灰階值103、該等複數個第一三維影像104及該等複數個個體之病變程度資料檔105包括該待測個體之歷史資料檔,該醫學影像比較模組2021用於將該待測個體之該第二灰階值2013或該第二三維影像2014與該待測個體之歷史資料檔比較,而該判斷模組2022用於判斷該待測個體是否患病或判斷該待測個體之病變程度。
根據本創作之一實施例,病變程度判斷方法包括:(a)提供一醫學影像資料庫10,用於儲存複數個個體全身或局部之複數個第一醫學影像檔101、與該等複數個第一醫學影像檔101相對應之複數個第一灰階影像檔102、與該等複數個第一灰階影像檔102相對應之複數個第一灰階值103、依據該等複數個第一灰階值103重組之複數個第一三維影像104以及該等複數個個體之病變程度資料檔104;(b)提供一電腦裝置20,用以將由該電腦裝置20外部輸入的一待測個體全身或局部之一第二醫學影像檔2011灰階化為一第二灰階影像檔2012,並依據該第二灰階影像檔2012之第二灰階值2013重組成一第二三維影像2014;(c)將該電腦裝置20所得的該第二灰階
值2013或該第二三維影像2014與該醫學影像資料庫10中的該等複數個第一灰階值103或該等複數個第一三維影像104比較;以及(d)依據(c)步驟之比較結果,決定該待測個體是否患病或判斷該待測個體之病變程度。
在一實施例中,該等複數個第一醫學影像檔101、該等複數個第一灰階影像檔102、該等複數個第一灰階值103、該等複數個第一三維影像104及該等複數個個體之病變程度資料檔105包括該待測個體之歷史資料檔,其中(c)步驟係將該待測個體之該第二灰階值2013或該第二三維影像2014與該待測個體之歷史資料檔比較。
在另一施例中,(b)步驟與(c)步驟之間另包括:該醫學影像資料庫10藉用大數據機制將該等複數個第一灰階值103分析出正常器官與病變器官之間的一判斷分界值,其中(c)步驟係將該第二灰階值2013與該判斷分界值比較。
影像處理方法(以全腦掃描為例):1.依特定參數掃描所得之核磁共振成像標準影像檔傳送至本創作之電腦裝置;2.使用Amira®(3.1.1版,美國Mercury Computer System公司)進行影像三維轉換運算;3.影像檔預先做片段處理,接著匯入Amira®軟體;4.在軟體中使用「刷狀工具」及「包裹工具」,定義欲分析之器官內各特定部位;5.依照算術係數將頭骨部份之影像排除在目標區域(region of interest)外,以獲得大腦部份;
6.以100至200灰階值範圍初步區分出髓質部分;7.在軟體中使用「閥值工具」及「邊緣測定工具」自動清楚區分出髓質部分;8.剔除其他小於50像素小型分散區域,以避免自動區分功能誤判;9.繼續根據傳統Marching-cube演算法,將髓質部分之三維影像建構並顯示其表面圖;10.體積測量係依據以下公式計算:體積=(點量)×(每點體積);及11.重複以上步驟以獲得皮質及其他欲求區域之三維影像建構。
圖2是經由本創作之方法所得之正常乳房之三維影像,藉由將複數個個體全身或局部之乳房醫學影像檔、灰階影像檔、灰階值或灰階分布圖、三維影像以及病變程度資料檔儲存至醫學影像資料庫中以供乳房腫瘤之良性或惡性程度判斷。
圖3是經由本創作之方法所得之正常腦部的灰階分布圖,A為灰質;B為白質;C為腦室;D為血管。藉由將複數個個體全身或局部之腦部醫學影像檔、灰階影像檔、灰階值或灰階分布圖、三維影像以及病變程度資料檔儲存至醫學影像資料庫中以供腦部病變程度判斷。經由分析醫學影像資料庫中之灰階值或灰階分布圖,發現正常人之灰階分布圖大部分較集中、峰值較高呈山峰狀,而具有腫瘤之個體其灰階分布圖則大部分較分散、峰值較低呈鐘型,因此可用以判斷病變程度。
圖4是經由本創作之方法所得之病變腦部之實施例,A為依據本創作之方法重組之三維影像;B為與其對應之灰階分布圖;C為經由本創作之方法計算出的腫瘤大小。藉由本創作所述之方法,將腦部三維影像
及對應之灰階值與醫學影像資料庫中的正常腦部與病變腦部之數據相比,利用灰階分布圖判斷出此病患患有腦瘤以及腦瘤的病理位置、大小為27.8989cm3及嚴重程度等。
圖5是經由本創作之方法所得之肝臟三維影像重組之實施例,A為依據本創作之方法重組之三維影像;B為與其對應之灰階分布圖;C為經由本創作之方法計算出的灰階值之範圍、平均值、標準差、峰值與肝臟體積。藉由本創作所述之方法,將所得的肝臟三維影像及對應之灰階值與醫學影像資料庫中正常肝臟與病變肝臟之數據相比,從而做為肝炎、肝硬化、脂肪肝或肝癌病情程度判斷的依據。本創作所述之方法亦可將所得的肝臟三維影像及對應之灰階值與該個體以前檢查的肝臟三維影像及對應之灰階值數據相比,以判斷該個體之病情進展或治療狀況。
圖6是經由本創作之方法所得的腎臟三維影像重組之實施例,A為依據本創作之方法重組之三維影像;B為與其對應之灰階亮度;C為經由本創作之方法計算出的灰階值之範圍、平均值、標準差與峰值。藉由本創作所述之方法,將所得的腎臟三維影像及對應之灰階值與醫學影像資料庫中正常腎臟與病變腎臟之數據相比,從而判斷出此病患患有腎臟囊腫。
10‧‧‧醫學影像資料庫
101‧‧‧第一醫學影像檔
102‧‧‧第一灰階影像檔
103‧‧‧第一灰階值
104‧‧‧第一三維影像
105‧‧‧病變程度資料檔
20‧‧‧電腦裝置
201‧‧‧轉換器
2011‧‧‧第二醫學影像檔
2012‧‧‧第二灰階影像檔
2013‧‧‧第二灰階值
2014‧‧‧第二三維影像
202‧‧‧處理器
2021‧‧‧醫學影像比較模組
2022‧‧‧判斷模組
203‧‧‧顯示構件
Claims (7)
- 一種病變程度判斷系統,其包括:(a)一醫學影像資料庫,用於儲存複數個個體全身或局部之複數個第一醫學影像檔、與該等複數個第一醫學影像檔相對應之複數個第一灰階影像檔、與該等複數個第一灰階影像檔相對應之複數個第一灰階值、依據該等複數個第一灰階值重組之複數個第一三維影像以及該等複數個個體之病變程度資料檔;及(b)一電腦裝置,連線至該醫學影像資料庫,用以執行一病變判讀軟體,其中該電腦裝置包括:一轉換器,用以將由該電腦裝置外部輸入的一待測個體全身或局部之一第二醫學影像檔灰階化為一第二灰階影像檔,並依據該第二灰階影像檔之第二灰階值重組成一第二三維影像;及一處理器,包括:一醫學影像比較模組,分別電連接至該轉換器及該醫學影像資料庫,用於將該轉換器所得的該第二灰階值或該第二三維影像與該醫學影像資料庫中的該等複數個第一灰階值或該等複數個第一三維影像進行逐一比較,以逐一獲得一比較檔;及一判斷模組,連接至該醫學影像比較模組,用以接收該比較檔,並於判斷該比較檔為相對應時,判斷該第二灰階值或該第二三維影像係對應於該第一灰階值或該第一三維影像而決定該待測個體是否患病或判斷該待測個體之病變程度,並進而通知該醫學影像比較模組停止進行比較。
- 如申請專利範圍第1項所述之病變程度判斷系統,其中該第一醫學影像檔與該第二醫學影像檔係來自電腦斷層(CT)、核磁共振成像(MRI)、正子電腦斷層攝影(PET)、超音波掃描、病理切片或染色片。
- 如申請專利範圍第1項所述之病變程度判斷系統,其中該醫學影像資料庫進一步藉用大數據機制將該等複數個第一灰階值分析出正常器官與病變器官之間的一判斷分界值,及將該判斷分界值傳送至該醫學影像比較模組以與該第二灰階值做比較,而該判斷模組依據比較結果,決定該待測個體是否患病或判斷該待測個體之病變程度。
- 如申請專利範圍第1項所述之病變程度判斷系統,其中該待測個體局部是腦、心、肝、肺、腎、乳房、血管、子宮、骨骼或關節。
- 如申請專利範圍第1項所述之病變程度判斷系統,其中該電腦裝置進一步包括一顯示構件,用以將該第一灰階值與該第二灰階值以灰階分布圖(histogram)或文字顯示。
- 如申請專利範圍第1項所述之病變程度判斷系統,其中該等複數個第一醫學影像檔、該等複數個第一灰階影像檔、該等複數個第一灰階值、該等複數個第一三維影像及該等複數個個體之病變程度資料檔包括該待測個體之歷史資料檔,該醫學影像比較模組用於將該待測個體之該第二灰階值或該第二三維影像與該待測個體之歷史資料檔比較,而該判斷模組用於判斷該待測個體是否患病或判斷該待測個體之病變程度。
- 如申請專利範圍第1項所述之病變程度判斷系統,其中該病變程度為乳房腫瘤之良性或惡性、肝硬化、脂肪肝、骨質疏鬆、多發性腎臟囊腫、水囊腫或大腸癌。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106206500U TWM547954U (zh) | 2017-05-08 | 2017-05-08 | 病變程度判斷系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106206500U TWM547954U (zh) | 2017-05-08 | 2017-05-08 | 病變程度判斷系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM547954U true TWM547954U (zh) | 2017-09-01 |
Family
ID=60763907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106206500U TWM547954U (zh) | 2017-05-08 | 2017-05-08 | 病變程度判斷系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM547954U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI696145B (zh) * | 2018-06-01 | 2020-06-11 | 國立臺灣大學 | 大腸鏡影像電腦輔助辨識系統及方法 |
-
2017
- 2017-05-08 TW TW106206500U patent/TWM547954U/zh not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI696145B (zh) * | 2018-06-01 | 2020-06-11 | 國立臺灣大學 | 大腸鏡影像電腦輔助辨識系統及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6463742B2 (ja) | 医用画像処理法 | |
US10413253B2 (en) | Method and apparatus for processing medical image | |
US20050065421A1 (en) | System and method of measuring disease severity of a patient before, during and after treatment | |
JP5123954B2 (ja) | 医療画像における病変部の特定及び分析 | |
CN102573647A (zh) | 用于监测肝脏治疗的肝脏血流的对比增强超声评估 | |
KR20130023735A (ko) | 장기 모델 영상 생성 방법 및 장치 | |
CN106709920B (zh) | 血管提取方法及其装置 | |
Chen et al. | Characterization of the image-derived carotid artery input function using independent component analysis for the quantitation of [18F] fluorodeoxyglucose positron emission tomography images | |
EP2642918A2 (en) | Systems and methods for automated voxelation of regions of interest for magnetic resonance spectroscopy | |
CN108269292B (zh) | 用于根据三维图像数据组产生二维投影图像的方法和设备 | |
Butler et al. | Differentiation of vascular characteristics using contrast-enhanced ultrasound imaging | |
JP6564075B2 (ja) | 医用画像を表示するための伝達関数の選択 | |
Song et al. | Morphologic assessment of the left atrial appendage in patients with atrial fibrillation by gray values–inverted volume-rendered imaging of three-dimensional transesophageal echocardiography: A comparative study with computed tomography | |
CN114943688A (zh) | 基于触诊和超声数据对乳腺图像中感兴趣区域的提取方法 | |
CN108877922A (zh) | 病变程度判断系统及其方法 | |
JP2011041804A (ja) | 胎児の肋骨数を測定する超音波システムおよび方法 | |
US10896501B2 (en) | Rib developed image generation apparatus using a core line, method, and program | |
TWM547954U (zh) | 病變程度判斷系統 | |
Varandas et al. | VOLUS––a visualization system for 3D ultrasound data | |
Adeshina et al. | Multimodal 3-D reconstruction of human anatomical structures using surlens visualization system | |
TW201843608A (zh) | 病變程度判斷系統及其方法 | |
CN115736879A (zh) | 磁共振图像处理方法、装置及计算机设备 | |
Ranjbar et al. | Robust automatic whole brain extraction on magnetic resonance imaging of brain tumor patients using dense-Vnet | |
Shaharuddin et al. | Feature analysis of kidney ultrasound image in four different ultrasound using gray level co-occurrence matrix (GLCM) and intensity histogram (IH) | |
Said et al. | Identification of ischemic stroke stages in CT scan brain images using ImageJ software |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4K | Annulment or lapse of a utility model due to non-payment of fees |