CN106326856A - 一种手术图像处理方法及装置 - Google Patents
一种手术图像处理方法及装置 Download PDFInfo
- Publication number
- CN106326856A CN106326856A CN201610696040.3A CN201610696040A CN106326856A CN 106326856 A CN106326856 A CN 106326856A CN 201610696040 A CN201610696040 A CN 201610696040A CN 106326856 A CN106326856 A CN 106326856A
- Authority
- CN
- China
- Prior art keywords
- image
- pathological
- operative image
- operative
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种手术图像处理方法及装置。该方法可以包括:获取图像采集设备采集的手术区域的手术图像;识别所述手术图像的图像特征,并依据识别到的图像特征确定所述手术图像中包含的病变组织信息;依据所述手术图像中包含的病变组织信息生成病变标记信息;依据所述病变标记信息展示包含病变标记的手术图像。本发明实施例中,相比于现有的手术图像处理方法,避免了医生人工进行病变组织识别,提高了图像识别效率,并且无需要求医生具有较强的病变识别能力,降低了人工成本。
Description
技术领域
本发明实施例涉及医疗器械技术领域,具体涉及一种手术图像处理方法及装置。
背景技术
在超声外科手术中,超声刀头用于粉碎、切割灼烧、凝固病变组织,同时对周围正常组织的保护也非常重要,因此在超声外科手术过程中,医生必须准确区分病变组织与正常组织。
现有的手术图像处理方法中,医生人工识别手术图像中包含的病变组织信息,识别效率低,且对医生的病变识别能力要求较高,富有经验的医生才能进行病变组织识别。因此现有的手术图像处理方法的识别效率低且人工成本较高。
发明内容
本发明实施例的目的在于提供一种手术图像处理方法及装置,以提高手术图像识别效率,并降低人工成本。
第一方面,本发明实施例提供了一种手术图像处理方法,包括:
获取图像采集设备采集的手术区域的手术图像;
识别所述手术图像的图像特征,并依据识别到的图像特征确定所述手术图像中包含的病变组织信息;
依据所述手术图像中包含的病变组织信息生成病变标记信息;
依据所述病变标记信息展示包含病变标记的手术图像。
第二方面,本发明实施例提供了一种手术图像处理装置,包括:
图像获取单元,用于获取图像采集设备采集的手术区域的手术图像;
病变识别单元,用于识别所述手术图像的图像特征,并依据识别到的图像特征确定所述手术图像中包含的病变组织信息;
标记信息生成单元,用于依据所述手术图像中包含的病变组织信息生成病变标记信息;
标记展示单元,用于依据所述病变标记信息展示包含病变标记的手术图像。
本发明实施例提供的技术方案,通过识别手术图像的图像特征,并依据识别到的图像特征确定手术图像中包含的病变组织信息,对病变组织信息添加病变标记,且展示包含病变标记的手术图像,使医生通过手势图像中包含的病变标记能够直观地得到病变组织信息。相比于现有的手术图像处理方法,避免了医生人工进行病变组织识别,提高了图像识别效率,并且无需要求医生具有较强的病变识别能力,降低了人工成本。
附图说明
图1为本发明实施例一提供的手术图像处理方法的流程示意图;
图2为本发明实施例一中展示的包含病变标记的手术图像;
图3为本发明实施例二提供的手术图像处理方法的流程示意图;
图4为本发明实施例三提供的手术图像处理装置的结构示意图;
图5为本发明实施例三提供的手术图像处理实施方式的示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的手术图像处理方法的流程示意图,该方法可以由手术图像处理装置执行,其中该装置可以由软件和/或硬件实现。如图1所示,该实现流程包括:
步骤11、获取图像采集设备采集的手术区域的手术图像。
在本实施例中,图像采集设备用于在超声外科手术中采集患者图像,例如,图像采集设备可以包括内窥镜和/或显微镜等设备。具体的,在超声外科手术中,将内窥镜和/或显微镜等图像采集设备对准患者手术区域进行拍摄,得到手术区域的手术图像。
步骤12、识别所述手术图像的图像特征,并依据识别到的图像特征确定所述手术图像中包含的病变组织信息。
在本实施例中,图像特征可以包含颜色特征、纹理特征、形状特征或亮度特征等,病变组织信息可以包含病变组织的位置信息、病变类型信息、病变组织的形状信息或病变组织的面积信息等。
具体的,依据手术图像的图像特征以及病变组织识别规则,可以确定手术图像中包含的病变组织信息,其中病变组织识别规则可以是预先人为设定的如由富有经验的医生预先设定,也可以是预先依据病变图像得到的。
步骤13、依据所述手术图像中包含的病变组织信息生成病变标记信息。
在本实施例中,病变标记信息用于后续步骤14中生成病变标记,可以包含病变标记的位置信息、形状信息或面积信息等。具体的,依据病变组织的位置信息、病变类型信息、病变组织的形状信息或病变组织的面积信息,可以确定病变标记的位置信息、形状信息或面积信息。
步骤14、依据所述病变标记信息展示包含病变标记的手术图像。
具体的,依据病变标记信息在手术图像中绘制病变标记,并展示病变标记,参考图2,手术图像中包含病变标记01,以便于通过病变标记直观且便捷地区分手术图像中包含的病变组织与正常组织。
本实施例提供的技术方案,通过识别手术图像的图像特征,并依据识别到的图像特征确定手术图像中包含的病变组织信息,对病变组织信息添加病变标记,且展示包含病变标记的手术图像,使医生通过手势图像中包含的病变标记能够直观地得到病变组织信息。相比于现有的手术图像处理方法,避免了医生人工进行病变组织识别,提高了图像识别效率,并且无需要求医生具有较强的病变识别能力,降低了人工成本。
示例性的,依据识别到的图像特征确定所述手术图像中包含的病变组织信息之后,包括:
控制所述图像采集设备依据所述手术图像中包含的病变组织信息进行对焦并继续采集手术图像。
具体的,依据病变组织信息对图像采集设备进行对焦,提高了后续采集的手术图像的质量,如提高了手术图像的清晰度或者将病变组织区域位于手术图像中的中间位置等。
实施例二
本实施例在上述实施例一的基础上,提供了一种新的手术图像处理方法。图3为本发明实施例二提供的手术图像处理方法的流程示意图,如图3所示,该实现流程包括:
步骤21、获取图像采集设备采集的手术区域的手术图像。
在本实施例中,图像采集设备可以是内窥镜或显微镜等外科手术中使用的图像采集设备。
步骤22、识别所述手术图像的形状、颜色和血管密集度中的至少一种图像特征。
具体的,可以采用图像识别技术对手术图像作基础处理,以得到手术图像中包含的不同区域,随后获取不同区域的形状、颜色或血管密集度等图像特征。
步骤23、依据识别到的图像特征以及病变组织识别模型,确定所述手术图像中包含的病变组织信息。
其中,所述病变组织识别模型是依据病变样本图像训练得到的,病变样本图像指的是病变组织信息、正常组织信息和病变组织对应的图像特征等确定的手术图像。依据病变样本图像中病变组织信息的形状、颜色或血管密集度等图像特征,训练得到病变组织识别模型。具体的,将识别到的图像特征作为病变组织识别模型的输入,病变组织识别模型输出手术图像中包含的病变组织信息,并且还可以输出正常组织信息。
示例性的,依据识别到的图像特征以及病变组织识别模型,确定所述手术图像中包含的病变组织信息,具体可以包括:依据识别到的图像特征以及病变组织分类器,确定所述手术图像中包含的病变组织区域,以及所述病变组织区域的病变类型。
步骤24、依据所述手术图像中包含的病变组织信息生成病变标记信息。
步骤25、依据所述病变标记信息展示包含病变标记的手术图像。
具体的,可以为手术图像中的病变组织区域添加病变标记,且针对不同病变类型可以添加不同的病变标记,以便于直观地区分病变类型。
本实施例提供的技术方案,通过识别手术图像的图像特征,并依据识别到的图像特征以及病变组织识别模型,确定手术图像中包含的病变组织信息,对病变组织信息添加病变标记,且展示包含病变标记的手术图像,使医生通过手势图像中包含的病变标记能够直观地得到病变组织信息。并且,可以针对不同病变类型可以添加不同的病变标记,以便于直观地区分病变类型。
实施例三
图4为本发明实施例三提供的手术图像处理装置的结构示意图。如图4所示,该手术图像处理装置的具体结构可以包括:
图像获取单元31,用于获取图像采集设备采集的手术区域的手术图像;
病变识别单元32,用于识别所述手术图像的图像特征,并依据识别到的图像特征确定所述手术图像中包含的病变组织信息;
标记信息生成单元33,用于依据所述手术图像中包含的病变组织信息生成病变标记信息;
标记展示单元34,用于依据所述病变标记信息展示包含病变标记的手术图像。
示例性的,所述病变识别单元32具体可以用于:
识别所述手术图像的形状、颜色和血管密集度中的至少一种图像特征。
示例性的,所述病变识别单元32具体可以用于:
依据识别到的图像特征以及病变组织识别模型,确定所述手术图像中包含的病变组织信息,其中所述病变组织识别模型是依据病变样本图像训练得到的。
示例性的,所述病变识别单元32具体可以用于:
依据识别到的图像特征以及病变组织分类器,确定所述手术图像中包含的病变组织区域,以及所述病变组织区域的病变类型。
示例性的,该手术图像处理装置可以包括:
对焦单元,用于依据识别到的图像特征确定所述手术图像中包含的病变组织信息之后,控制所述图像采集设备依据所述手术图像中包含的病变组织信息进行对焦并继续采集手术图像。
需要说明的是,上述病变识别单元可以称为专家识别***,标记信息生成单元可以称为视频叠加单元,标记展示单元可以称为图像显示单元。
综上,参考图5,该手术图像处理实施方式可以包括:图像采集设备41采集手术区域的手术图像,并将采集的手术图像发送到信息处理单元42;信息处理单元42将采集的手术图像转化为数字图像,并将数字图像发送到专家识别***43;专家识别***43识别手术图像中包含的正常组织和病变组织,并依据识别结果生成标识指令;视频叠加单元44依据标识指令生成叠加图像信息,并将叠加图像信息传递至图像显示单元45;图像显示单元45在显示的图像中生成至少一个标识区域,以标识病变组织451和/或正常组织452所在的区域。
本实施例提供的手术图像处理装置,与本发明任意实施例所提供的手术图像处理方法属于同一发明构思,可执行本发明任意实施例所提供的手术图像处理方法,具备执行手术图像处理方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的手术图像处理方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种手术图像处理方法,其特征在于,包括:
获取图像采集设备采集的手术区域的手术图像;
识别所述手术图像的图像特征,并依据识别到的图像特征确定所述手术图像中包含的病变组织信息;
依据所述手术图像中包含的病变组织信息生成病变标记信息;
依据所述病变标记信息展示包含病变标记的手术图像。
2.根据权利要求1所述的方法,其特征在于,识别所述手术图像的图像特征,包括:
识别所述手术图像的形状、颜色和血管密集度中的至少一种图像特征。
3.根据权利要求1所述的方法,其特征在于,依据识别到的图像特征确定所述手术图像中包含的病变组织信息,包括:
依据识别到的图像特征以及病变组织识别模型,确定所述手术图像中包含的病变组织信息,其中所述病变组织识别模型是依据病变样本图像训练得到的。
4.根据权利要求3所述的方法,其特征在于,依据识别到的图像特征以及病变组织识别模型,确定所述手术图像中包含的病变组织信息,包括:
依据识别到的图像特征以及病变组织分类器,确定所述手术图像中包含的病变组织区域,以及所述病变组织区域的病变类型。
5.根据权利要求1所述的方法,其特征在于,依据识别到的图像特征确定所述手术图像中包含的病变组织信息之后,包括:
控制所述图像采集设备依据所述手术图像中包含的病变组织信息进行对焦并继续采集手术图像。
6.一种手术图像处理装置,其特征在于,包括:
图像获取单元,用于获取图像采集设备采集的手术区域的手术图像;
病变识别单元,用于识别所述手术图像的图像特征,并依据识别到的图像特征确定所述手术图像中包含的病变组织信息;
标记信息生成单元,用于依据所述手术图像中包含的病变组织信息生成病变标记信息;
标记展示单元,用于依据所述病变标记信息展示包含病变标记的手术图像。
7.根据权利要求6所述的装置,其特征在于,所述病变识别单元具体用于:
识别所述手术图像的形状、颜色和血管密集度中的至少一种图像特征。
8.根据权利要求6所述的装置,其特征在于,所述病变识别单元具体用于:
依据识别到的图像特征以及病变组织识别模型,确定所述手术图像中包含的病变组织信息,其中所述病变组织识别模型是依据病变样本图像训练得到的。
9.根据权利要求8所述的装置,其特征在于,所述病变识别单元具体用于:
依据识别到的图像特征以及病变组织分类器,确定所述手术图像中包含的病变组织区域,以及所述病变组织区域的病变类型。
10.根据权利要求6所述的装置,其特征在于,包括:
对焦单元,用于依据识别到的图像特征确定所述手术图像中包含的病变组织信息之后,控制所述图像采集设备依据所述手术图像中包含的病变组织信息进行对焦并继续采集手术图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610696040.3A CN106326856A (zh) | 2016-08-18 | 2016-08-18 | 一种手术图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610696040.3A CN106326856A (zh) | 2016-08-18 | 2016-08-18 | 一种手术图像处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106326856A true CN106326856A (zh) | 2017-01-11 |
Family
ID=57743702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610696040.3A Pending CN106326856A (zh) | 2016-08-18 | 2016-08-18 | 一种手术图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106326856A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190679A (zh) * | 2018-08-08 | 2019-01-11 | 北京大学深圳医院 | 甲状腺手术中甲状旁腺自动学习和智能识别*** |
CN109215079A (zh) * | 2018-07-17 | 2019-01-15 | 艾瑞迈迪医疗科技(北京)有限公司 | 图像处理方法、手术导航设备、电子设备、存储介质 |
CN109801275A (zh) * | 2019-01-11 | 2019-05-24 | 北京邮电大学 | 基于图像识别的马铃薯病害检测方法和*** |
CN110414607A (zh) * | 2019-07-31 | 2019-11-05 | 中山大学 | 胶囊内窥镜图像的分类方法、装置、设备及介质 |
CN114496174A (zh) * | 2021-12-31 | 2022-05-13 | 北京航天长峰股份有限公司 | 基于手术视频的电子报告生成方法、装置、设备及介质 |
CN116977320A (zh) * | 2023-08-14 | 2023-10-31 | 中山火炬开发区人民医院 | Ct+mri病变区域突出预估*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101061513A (zh) * | 2004-11-22 | 2007-10-24 | 伊斯曼柯达公司 | 超声图像中病变的检测和分类 |
CN101275943A (zh) * | 1997-02-24 | 2008-10-01 | 卢西德有限公司 | 用于对组织病变进行病理检查的方法、装置和*** |
CN101615224A (zh) * | 2008-06-27 | 2009-12-30 | 西门子公司 | 一种计算机辅助识别装置和*** |
CN102456133A (zh) * | 2010-10-18 | 2012-05-16 | 索尼公司 | 信息处理设备和信息处理方法及用于它们的程序 |
CN102525660A (zh) * | 2012-02-17 | 2012-07-04 | 南通爱普医疗器械有限公司 | 具有颅脑部病灶自动识别功能的手术导航仪 |
CN103854028A (zh) * | 2008-12-22 | 2014-06-11 | 赛利恩影像股份有限公司 | 自动检测医学图像中的病变的方法和*** |
CN104605824A (zh) * | 2015-02-10 | 2015-05-13 | 安徽信美医学工程科技有限公司 | 一种病变部位显像投影导航装置 |
CN104739519A (zh) * | 2015-04-17 | 2015-07-01 | 中国科学院重庆绿色智能技术研究院 | 一种基于增强现实的力反馈手术机器人控制*** |
CN105213032A (zh) * | 2015-09-06 | 2016-01-06 | 北京医千创科技有限公司 | 手术定位*** |
CN105592252A (zh) * | 2016-02-24 | 2016-05-18 | 河南工程学院 | 具有病变种类分析及三维图像显示功能的肠道镜*** |
-
2016
- 2016-08-18 CN CN201610696040.3A patent/CN106326856A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101275943A (zh) * | 1997-02-24 | 2008-10-01 | 卢西德有限公司 | 用于对组织病变进行病理检查的方法、装置和*** |
CN101061513A (zh) * | 2004-11-22 | 2007-10-24 | 伊斯曼柯达公司 | 超声图像中病变的检测和分类 |
CN101615224A (zh) * | 2008-06-27 | 2009-12-30 | 西门子公司 | 一种计算机辅助识别装置和*** |
CN103854028A (zh) * | 2008-12-22 | 2014-06-11 | 赛利恩影像股份有限公司 | 自动检测医学图像中的病变的方法和*** |
CN102456133A (zh) * | 2010-10-18 | 2012-05-16 | 索尼公司 | 信息处理设备和信息处理方法及用于它们的程序 |
CN102525660A (zh) * | 2012-02-17 | 2012-07-04 | 南通爱普医疗器械有限公司 | 具有颅脑部病灶自动识别功能的手术导航仪 |
CN104605824A (zh) * | 2015-02-10 | 2015-05-13 | 安徽信美医学工程科技有限公司 | 一种病变部位显像投影导航装置 |
CN104739519A (zh) * | 2015-04-17 | 2015-07-01 | 中国科学院重庆绿色智能技术研究院 | 一种基于增强现实的力反馈手术机器人控制*** |
CN105213032A (zh) * | 2015-09-06 | 2016-01-06 | 北京医千创科技有限公司 | 手术定位*** |
CN105592252A (zh) * | 2016-02-24 | 2016-05-18 | 河南工程学院 | 具有病变种类分析及三维图像显示功能的肠道镜*** |
Non-Patent Citations (4)
Title |
---|
刘晓英: "《医疗内窥镜图像病变区域自动识别算法的设计与实现》", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
李超峰: "《基于支持向量机的骨肉瘤X线图像中病变区域的自动识别研究》", 《医学信息杂志》 * |
沈博渊 等;: "《医学图像病变区域的识别与仿真分析》", 《激光杂志》 * |
胡天策: "《机器人辅助微创心脏外科手术导航及视觉定位的研究》", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109215079A (zh) * | 2018-07-17 | 2019-01-15 | 艾瑞迈迪医疗科技(北京)有限公司 | 图像处理方法、手术导航设备、电子设备、存储介质 |
CN109190679A (zh) * | 2018-08-08 | 2019-01-11 | 北京大学深圳医院 | 甲状腺手术中甲状旁腺自动学习和智能识别*** |
CN109801275A (zh) * | 2019-01-11 | 2019-05-24 | 北京邮电大学 | 基于图像识别的马铃薯病害检测方法和*** |
CN109801275B (zh) * | 2019-01-11 | 2021-09-10 | 北京邮电大学 | 基于图像识别的马铃薯病害检测方法和*** |
CN110414607A (zh) * | 2019-07-31 | 2019-11-05 | 中山大学 | 胶囊内窥镜图像的分类方法、装置、设备及介质 |
CN114496174A (zh) * | 2021-12-31 | 2022-05-13 | 北京航天长峰股份有限公司 | 基于手术视频的电子报告生成方法、装置、设备及介质 |
CN116977320A (zh) * | 2023-08-14 | 2023-10-31 | 中山火炬开发区人民医院 | Ct+mri病变区域突出预估*** |
CN116977320B (zh) * | 2023-08-14 | 2024-04-26 | 中山火炬开发区人民医院 | Ct+mri病变区域突出预估*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106326856A (zh) | 一种手术图像处理方法及装置 | |
US20220331052A1 (en) | Cooperation among multiple display systems to provide a healthcare user customized information | |
US20210282647A1 (en) | System and method for intraoperative video processing | |
CN104582622B (zh) | 用于外科和介入医疗程序中的跟踪和控制的双模立体成像*** | |
JP6231885B2 (ja) | 頸部を検査する医療機器 | |
KR101926123B1 (ko) | 수술영상 분할방법 및 장치 | |
WO2023103467A1 (zh) | 图像处理方法、装置及设备 | |
JP2005348797A (ja) | 医療行為記録システム及び医療行為記録装置 | |
CN107405079A (zh) | 用于解剖区域的视频图像的内容管理的方法和*** | |
CN111227864A (zh) | 使用超声图像利用计算机视觉进行病灶检测的方法与装置 | |
JP2010274044A (ja) | 手術支援装置、手術支援方法及び手術支援プログラム | |
CN108629845B (zh) | 手术导航装置、设备、***和可读存储介质 | |
JP2016116774A (ja) | 画像処理装置、画像処理方法、画像処理システム、及びプログラム | |
CN103815972A (zh) | 腹胸腔镜的手术区域自动跟踪***及方法 | |
JP2015144623A (ja) | 超音波診断装置および画像評価表示方法 | |
JP2016137007A (ja) | 画像表示装置及び画像表示方法 | |
JP6258084B2 (ja) | 医用画像表示装置、医用画像表示システムおよび医用画像表示プログラム | |
JP2010069208A (ja) | 画像処理装置、画像処理方法および画像処理用プログラム | |
JP6476125B2 (ja) | 画像処理装置、及び手術顕微鏡システム | |
WO2022219501A1 (en) | System comprising a camera array deployable out of a channel of a tissue penetrating surgical device | |
KR102084598B1 (ko) | 뼈 병변 수술을 위한 ai 기반의 수술 보조 시스템 | |
CN203815583U (zh) | 腹胸腔镜的手术区域自动跟踪*** | |
CN113317874A (zh) | 一种医学图像处理装置及介质 | |
CN107958445B (zh) | 视网膜图像的拼接方法及拼接装置 | |
JP2019037692A (ja) | 映像処理装置、映像処理方法、および映像処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |
|
RJ01 | Rejection of invention patent application after publication |