CN111528907A - 一种超声影像肺炎辅助诊断方法及*** - Google Patents
一种超声影像肺炎辅助诊断方法及*** Download PDFInfo
- Publication number
- CN111528907A CN111528907A CN202010375817.2A CN202010375817A CN111528907A CN 111528907 A CN111528907 A CN 111528907A CN 202010375817 A CN202010375817 A CN 202010375817A CN 111528907 A CN111528907 A CN 111528907A
- Authority
- CN
- China
- Prior art keywords
- patient
- lung
- image
- ultrasonic image
- rib
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/461—Displaying means of special interest
- A61B8/465—Displaying means of special interest adapted to display user selection data, e.g. icons or menus
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/461—Displaying means of special interest
- A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5292—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Human Computer Interaction (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种超声影像肺炎辅助诊断方法,包括:导入病患胸部超声影像;匹配并展示健康样本的超声影像,健康样本的超声影像上已勾画好肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A/B线区域作为对照;在病患的胸部超声影像上依次勾画出上述四个区域;对健康样本和病患的肋骨和肋骨阴影区、高回声胸膜线分别提取边缘特征和纹理特征,并进行特征对比;动态展示健康样本和病患影像上的肺滑动轮廓、A/B线区域,做出病情判断。本发明还公开了超声影像辅助诊断***。本发明以大量专家标注的肺部特征图训练卷积神经网络,欠缺经验的超声医生操作时能够保证对照的准确性;本发明为无经验或者缺乏诊断经验的医生提供肺炎诊断影像学参考。
Description
技术领域
本发明涉及超声医学图像处理技术,具体涉及一种超声影像肺炎辅助诊断方法及***。
背景技术
在2020年第一季爆发的新型冠状病毒所引发的肺炎治疗中,医学影像诊断作为辅助方法为患者的确诊打下坚实的基础。依据Lung ultrasound vs.chest X-ray inchildren with suspected pneumonia confirmed by chest computed tomography:Aretrospective cohort study中的结果,超声影像作为肺炎诊断方法其灵敏度和特异性都高于普通的胸部X光片。而且肺部超声在急诊和危重病人中的应用范围已经得到了广泛的研究。肺部超声在病床边使用方便,无辐射危害,实时性好,这些特点有助于减少床边X线和胸部CT扫描的需要。此外,肺部超声在诊断许多胸膜和肺部病变方面已被证实优于床边胸部X线,与胸部CT相当。
然而肺部超声影像诊断方法往往和影像学医生的经验息息相关。一般情况下,医生根据病灶区域在超声灰阶图中的特征(如回声类型,结构特征等)做出超声诊断。但是同一张超声灰阶图,不同时间点或不同医生的判读结果不一致性很高,具有很大的观察者差异。
因此,面对大量的病患和稀缺的超声影像学专家,如何让没有肺炎超声影像诊断经验的医生也能快速掌握肺炎的超声影像学特征成为当务之急。
发明内容
为了克服现有技术中存在的缺点与不足,本发明的目的在于提供一种超声影像肺炎辅助诊断方法,用于培训无肺炎诊断经验的医生进行超声影像辅助诊断。
本发明的目的还在于提供一种超声影像肺炎辅助诊断***。
本发明的超声影像肺炎辅助诊断***通过医生手动勾画出超声灰阶图中病灶区域后,采用图像处理技术对病灶区域的灰度值进行对比分析和标注,并给出客观的视觉化影像,降低医生判读的差异性,使没有肺炎超声影像诊断经验的医生也能快速掌握肺炎的超声影像学特征;同时***提供病灶区域的标记、查看等功能。
本发明解决其技术问题所采用的技术方案是:
一种超声影像肺炎辅助诊断方法,包括如下:
导入病患胸部超声影像;
匹配并展示健康样本的超声影像,健康样本的超声影像上已勾画好肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A/B线区域作为对照;
在病患的胸部超声影像上依次勾画肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A/B线区域;
对健康样本和病患的肋骨和肋骨阴影区、高回声胸膜线分别提取边缘特征和纹理特征,并进行特征对比;
观察健康样本和病患的肺滑动轮廓、A/B线区域的动态影像,做出病情判断。
进一步地,通过训练好了的有监督的卷积神经网络,能够自动正确标注健康样本肺部超声图像的肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A/B线区域。更进一步地,所述监督的过程包括:肺部超声专家标注健康样本的相关区域,训练卷积神经网络,训练好的卷积神经网络来重新标注健康样本的相关区域,肺部超声专家评价确认直至全部标注正确则训练完毕。
进一步地,对健康样本和医生所划分的肋骨和肋骨阴影区提取边缘特征和纹理特征,并进行特征对比,若两者皆为显著,进行步骤a;否则诊断意见:患者为组织水肿或皮下脂肪厚;
a、对健康样本和医生所划分的高回声胸膜线区域提取边缘特征和纹理特征,并进行特征对比,若两者皆为显著,则执行步骤b;否则需要再后续观察病患的肺滑动轮廓区域的动态影像;
b、观察病患动态肺部超声影像有无正弦波特征:
若有正弦波特征,则诊断意见为:患者有胸腔积液,考虑肺炎或肺不张;
若无正弦波特征,则诊断意见:患者无明显胸腔积液。
进一步地,先观察病患的肺滑动轮廓区域的动态影像,若有肺滑动,则再观察患者和健康样本的A/B线区域的动态超声影像,若两线明显,则诊断意见:考虑患者肺水肿或肺炎;若两线不明显,考虑患者肺栓塞或慢阻肺;若无肺滑动,则诊断意见:考虑患者气胸。
一种超声影像肺炎辅助诊断***,包括登录***、患者列表、区域勾画、特征模块、监督学习、常用工具、数据库和软件配置,其中,区域勾画模块,用于肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A/B线区域的勾画标注,为此所述***调用常用工具模块来方便用户进行勾画标注;特征模块,用于对影像纹理提取、边缘提取、特征对比;监督学习模块,用于训练卷积神经网络能够自动正确标注健康样本肺部超声图像的相关区域;常用工具,用于导入或导出影像、对影像进行勾画标注;数据库,用于存储导入的患者影像、标注完毕的健康影像、标注完毕的患者影像、待标注的影像,其还包括健康/患者匹配子模块。
针对当下肺炎病情形势,本发明提供了一种肺炎辅助诊断的方法流程和实现结构。本发明以大量专家标注的肺部特征图训练卷积神经网络,在欠缺经验的超声医生使用时能够保证对照的准确性。本发明为无经验或者缺乏诊断经验的医生提供肺炎诊断影像学参考。此外,超声诊断肺炎作为辅助诊断手段优于胸部X影像,且其成本低于CT,适合床旁迅速诊断。
附图说明
图1是超声影像肺炎辅助诊断方法的实施例流程图;
其中特征区域包括:1-肋骨和肋骨阴影,2-高回声胸膜线,3-肺滑动轮廓,4-A&B线;
图2为***结构图;
图3为图1的实施例各步骤涉及软件模块图;
图4为监督学习模块原理图。
具体实施方式
下面结合附图和实施例对本发明做进一步的说明。
本实施例的***包括:登录***、患者列表、区域勾画、特征模块、监督学习、常用工具、数据库和软件配置。
如图2所示,其中登陆***由***说明和***登陆页面组成。
患者列表由患者信息,患者影像,患者视频,分析标识组成。
区域勾画由操作引导,影像面板,肋骨勾画,胸膜线勾画,肺滑动轮廓勾画,A/B线勾画组成。
特征模块由纹理提取,边缘提取,高回声点提取,均匀特征提取,回声类型分类、特征对比组成。
监督学习由卷积神经网络,自动标注组成。
常用工具由导入/导出,展示面板,放大/缩小,抓手工具,鼠标工具,画笔工具,文本工具,勾画展示面板组成。
数据库由导入的患者影像,标注完毕健康影像,标注完毕患者影像,待标注影像,健康/患者匹配模块组成。
软件配置由顶部导航栏,版本信息,***配置,用户管理组成。
登录***:首先显示***说明,并显示***登陆页面,当用户输入登录信息后,登录***会将信息传给软件配置中的用户管理模块,用户管理模块将输入的登录信息和用户信息表进行比对,当用户信息表和输入的登录信息匹配时,***登录成功。
常用工具导入患者图像到数据库的‘导入的患者影像’子库。并使用健康/患者匹配模块为导入的患者影像从‘标注完毕健康影像’子库中搜索匹配健康影像。
然后用户使用区域勾画模块参照匹配的健康图像对导入的患者影像进行勾画。待勾画所有(肋骨,胸膜线,肺滑动轮廓,A/B线)区域后,***将勾画好的图像导入‘标注完毕患者影像’子库。***将病患和对应健康人的肋骨和胸膜线区域导入特征模块进行特征提取和对比。将病患和对应健康人的肺滑动轮廓,A/B线区域导入常用工具的展示面板让用户做出判断。(参考下文的‘一种超声影像肺炎辅助诊断方法的实施例’中的提出诊断意见)。
最后调用常用工具的导出工具,导出带有诊断意见和配图的诊断报告。
此外,用户可以使用常用工具中的抓手工具,鼠标工具,画笔工具,文本工具在勾画展示面板中对图像进行勾画标注,方便制作客制化的诊断报告和进行演示教学。用户也可以使用特征模块中的高回声点提取、均匀特征提取、回声类型分类子模块对勾画展示面板中的图像进行特征勾画和分析。
具体的,本***的数据库中,健康/患者匹配模块通过患者性别年龄进行匹配。要求性别相同,年龄+1岁(在正式临床诊断前收集的健康样本越多越好)。此外,本***提供同性别正常肺超声影像(包含M模式)作为对照。
当用户使用本***时,先导入疑似肺炎患者的超声影像和信息,患者信息展示患者的基本信息:患者姓名、性别、年龄、人种、PID号。
关于本***的常用工具模块包括如下:
导入/导出:导入导出患者影像。
展示面板:展示患者影像。
放大影像:点击功能图标或者拖动,可以放大影像。
缩小影像:点击功能图标或者拖动,可以缩小影像。
抓手工具:按住鼠标右键,可以在影像面板中任意拖动影像。
鼠标工具:鼠标由非鼠标状态切换为鼠标状态。
画笔工具:按住鼠标右键,可在影像面板上自由绘制线条。
文本工具:可在影像面板上添加一个文本编辑框。
勾画展示面板:比上述展示面板多了下述功能:
(1)相交扩增:当用户的鼠标在画笔状态,点击相交扩增,当画笔勾画的线条相交形成闭环时,相交部分会自动算入勾画区域范围内。
(2)相交递减:当用户的鼠标在画笔状态,点击相交缩减,当画笔勾画的线条相交形成闭环时,相交部分会自动移除勾画区域范围内。
(3)恢复原图:当用户点击恢复原图时,之前在此影像上的所有操作,都将被清除。
(4)病灶勾画:用户可在影像展示范围内勾画出任意病灶区域。
(5)正常组织勾画:用户可在影像展示范围内勾画任意正常组织区域。
关于本***支持的特征类型模块如下:
边缘特征提取:提供量化分析病灶的边缘特征的工具。用户可以拖动标尺调整特征展示。
纹理特征提取:提供量化分析病灶的结构特征的工具。用户可以拖动标尺调整特征展示。
高回声点提取:提供量化分析病灶的高回声点特征的工具。用户可以拖动标尺调整特征展示。
均匀特征提取:提供量化分析病灶的均匀性特征的工具。用户可以拖动标尺调整特征展示。
回声类型分类:提供量化分析病灶的回声类型特征的工具。用户可以修改回声类型特征展示。
其中,提取高回声点的实施例:(1)将勾画特征区域转化成灰度图。(2)计算区域的灰度直方图。(3)根据医生设置的阈值将像素划分为高中低回声区域。(4)用红色像素包围高回声区域,以标明高回声区域。
提取均匀特征的实施例:(1)将勾画特征区域转化成灰度图。(2)将灰度图像素灰度值归一化到0-1之间。(3)图像划分若干为N×N的图像子块(如16×16),计算每个子块中像素值的方差。(4)将所有子块方差排序。(5)以排序后的中位数为阈值,划分图像均匀区,和非均匀区。
回声类型分类的实施例:(1)将勾画特征区域转化成灰度图。(2)计算区域的灰度直方图。(3)根据图像灰度值上下四分位数将像素划分为高中低回声区域。(4)用红黄蓝三种颜色分别勾勒高中低回声区域范围。
上述三个特征子模块属于显示超声图像基本特征的工具,可在上述勾画展示面板或展示面板子模块上调用显示。
关于区域勾画这个模块:主要是用于肋骨、胸膜线、肺滑动、A/B线区域勾画,为此***调用常用工具模块方便用户进行勾画。
关于监督学习模块:本***在医生使用之前已经训练好了有监督的卷积神经网络(Convolutional Neural Networks,CNN),能够自动正确标注正常肺部超声图像肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A线、B线等特征区域,以作为肺炎患者超声影像的对照。其训练用图像数据量大,且经过肺部超声专家标注以保证准确率。如图4所示,为监督学习模块的实施例:(1)调入肺部超声专家标注过的肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A线和B线的健康样本肺部超声图像;(2)训练CNN(卷积神经网络;(3)导入未标注过的肺部超声图像,用训练好的CNN网络来标注相关区域的特征;(4)肺部超声专家对CNN网络标注的情况进行评价,将标注错误的图像放入未标注过的肺部超声图像数据集,将已经标注正确的图像放入已正确标注的数据集;(5)当未标注数据集为空时,则训练完毕。
如图1和图3所示,一种超声影像肺炎辅助诊断方法,其具体过程的实施例如下:
(1)医生导入病患的胸部超声影像(B模式和M模式)以及信息。
(2)***显示患者和对应部位的健康样本的超声影像(导入患者影像后,匹配健康样本,健康样本应是已经勾画好的,存储着的已经标识好特征的样本)。
(3)在健康样本的超声影像上,***会自动勾画肋骨和肋骨阴影,高回声胸膜线,肺滑动轮廓,A线和B线上述区域作为对照。
(4)医生在导入的病患的胸部超声影像上依次勾画肋骨和肋骨阴影,高回声胸膜线,肺滑动轮廓,A线和B线上述区域。
(5)***对健康样本和医生所划分的肋骨和肋骨阴影区提取边缘特征和纹理特征,并进行特征对比,若两者皆为显著,进行步骤(6),否则进行步骤(7)。
(6)***对健康样本和医生所划分的高回声胸膜线区域提取边缘特征和纹理特征,并进行特征对比,若医生所划分的高回声胸膜线缺失(若两者皆为显著),则执行步骤(8),否则执行步骤(9)。
(7)显示对话框:患者可能为组织水肿或皮下脂肪厚。
(8)***显示导入的病患胸部超声影像(M模式),并显示选项:A.有正弦波特征,B.无正弦波特征。若医生选择A则执行步骤(10),若医生选择B则执行步骤(11)。
(9)***显示导入的病患影像上的肺滑动轮廓区域,同时显示选项A.有肺滑动,B.无肺滑动。若医生选择A则执行步骤(12),若医生选择B则执行步骤(13)。该步骤需要医生自行观察判断,因为肺滑动是动态影像,该自动比较方式并不需要提取边缘特征和纹理特征,医生需要留意动态影像里肺部呼吸时滑动轨迹。
(10)***显示诊断意见:患者有胸腔积液,考虑肺炎或肺不张。
(11)***显示诊断意见:患者无明显胸腔积液。
(12)***显示患者和对应部位的健康样本的超声影像的A线和B线区域,并显示选项:A.两线明显,B.两线不明显。若医生选择A则执行步骤(14),若医生选择B则执行步骤(15)。A线需要和肺滑动结合来判断肺泡充气情况。B线是从胸膜线出现延伸至屏幕底部的离散垂直混响伪影像,与肺滑动同步运动。这两者的判断都需医生留意动态影像,不需要边缘特征和纹理特征。
(13)***显示诊断意见:考虑患者气胸。
(14)***显示诊断意见:考虑患者肺水肿或肺炎。
(15)***显示诊断意见:考虑患者肺栓塞或慢阻肺。
其中,步骤(8)、(9)、(12)中的医生选择,即人工选择是因为对于连续运动的图像(M模式),其特征提取方法不同于静止图像,让医生来判断降低***实施技术难度,同时提高判读准确性。
其中,边缘特征提取的实施例:(1)将勾画特征区域转化成灰度图;(2)将灰度图像素灰度值归一化到0-1之间;(3)使用垂直Sobel算子自动选择阈值边缘探测;(4)使用水平Sobel算子自动选择阈值边缘探测;(5)使用45°角Sobel算子自动选择阈值边缘探测;(6)叠加各个角度探测到的边缘图;(7)直方图均一化得到边缘图。
纹理特征提取的实施例:(1)将勾画特征区域转化成灰度图;(2)图像划分若干为N×N的图像子块(如16×16),计算每个子块中每个像素的LBP值;(3)对每个子块进行直方图统计,得到N×N图像子块的直方图;(4)对所有图像子块的直方图进行归一化处理;(5)连接所有子块的归一化直方图,便得到了勾画特征区域的纹理特征。
特征对比实施例(感知Hash算法):(1)将得到的纹理特征图或者边缘特征图缩小到8*8的尺寸,总共64个像素;(2)将缩小后的图像,转为64级灰度;(3)计算所有64个像素的灰度平均值;(4)将每个像素的灰度,与平均值进行比较,大于或等于平均值记为1,小于平均值记为0;(5)将上一步的比较结果,组合在一起,构成一个64位的整数,这就是这张图像的指纹;(6)将两张准备对比的特征图计算得到的两个64位整数进行比较,如果不相同的数据位数不超过5,就说明两张图像差异不显著;如果大于10,就说明这是两张图像差异显著。
以上所述仅为本发明的优选例实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (6)
1.一种超声影像肺炎辅助诊断方法,其特征在于,所述方法包括如下:
导入病患胸部超声影像;
匹配并展示健康样本的超声影像,健康样本的超声影像上已勾画好肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A/B线区域作为对照;
在病患的胸部超声影像上依次勾画肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A/B线区域;
对健康样本和病患的肋骨和肋骨阴影区、高回声胸膜线分别提取边缘特征和纹理特征,并进行特征对比;
观察健康样本和病患的肺滑动轮廓、A/B线区域的动态影像,得出结论。
2.如权利要求1所述的一种超声影像肺炎辅助诊断方法,其特征在于,通过训练好了的有监督的卷积神经网络,能够自动正确标注健康样本肺部超声图像的肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A/B线区域。
3.如权利要求2所述的一种超声影像肺炎辅助诊断方法,其特征在于,所述监督的过程包括:
肺部超声专家标注健康样本的相关区域,
训练卷积神经网络,
训练好的卷积神经网络来重新标注健康样本的相关区域,
肺部超声专家评价确认直至全部标注正确则训练完毕。
4.如权利要求1-3任意之一所述的一种超声影像肺炎辅助诊断方法,其特征在于,
对健康样本和医生所划分的肋骨和肋骨阴影区提取边缘特征和纹理特征,并进行特征对比,若两者皆为显著,进行步骤a;否则诊断意见:患者为组织水肿或皮下脂肪厚;
a、对健康样本和医生所划分的高回声胸膜线区域提取边缘特征和纹理特征,并进行特征对比,若两者皆为显著,则执行步骤b;否则需要再后续观察病患的肺滑动轮廓区域的动态影像;
b、观察病患动态肺部超声影像有无正弦波特征:
若有正弦波特征,则诊断意见为:患者有胸腔积液,考虑肺炎或肺不张;
若无正弦波特征,则诊断意见:患者无明显胸腔积液。
5.如权利要求1-3任意之一所述的一种超声影像肺炎辅助诊断方法,其特征在于,
先观察病患的肺滑动轮廓区域的动态影像,
若有肺滑动,则再观察患者和健康样本的A/B线区域的动态超声影像,若两线明显,则诊断意见:考虑患者肺水肿或肺炎;若两线不明显,考虑患者肺栓塞或慢阻肺;
若无肺滑动,则诊断意见:考虑患者气胸。
6.一种超声影像肺炎辅助诊断***,其特征在于,所述***包括登录***、患者列表、区域勾画、特征模块、监督学习、常用工具、数据库和软件配置,
其中,区域勾画模块,用于肋骨和肋骨阴影、高回声胸膜线、肺滑动轮廓、A/B线区域的勾画标注,为此所述***调用常用工具模块来方便用户进行勾画标注;
特征模块,用于对影像纹理提取、边缘提取、特征对比;
监督学习模块,用于训练卷积神经网络能够自动正确标注健康样本肺部超声图像的相关区域;
常用工具,用于导入或导出影像、对影像进行勾画标注;
数据库,用于存储导入的患者影像、标注完毕的健康影像、标注完毕的患者影像、待标注的影像,其还包括健康/患者匹配子模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010375817.2A CN111528907A (zh) | 2020-05-07 | 2020-05-07 | 一种超声影像肺炎辅助诊断方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010375817.2A CN111528907A (zh) | 2020-05-07 | 2020-05-07 | 一种超声影像肺炎辅助诊断方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111528907A true CN111528907A (zh) | 2020-08-14 |
Family
ID=71967774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010375817.2A Pending CN111528907A (zh) | 2020-05-07 | 2020-05-07 | 一种超声影像肺炎辅助诊断方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111528907A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085729A (zh) * | 2020-09-18 | 2020-12-15 | 无锡祥生医疗科技股份有限公司 | 胸膜线区域提取方法、存储介质及超声诊断设备 |
CN112801957A (zh) * | 2021-01-18 | 2021-05-14 | 华东师范大学 | 一种基于超声应变成像的气胸自动检测*** |
CN113487537A (zh) * | 2021-06-01 | 2021-10-08 | 北京大学人民医院 | 乳腺癌超声高回声晕的信息处理方法、装置及存储介质 |
WO2023215190A1 (en) * | 2022-05-02 | 2023-11-09 | Fujifilm Sonosite, Inc. | Automated detection of lung slide to aid in diagnosis of pneumothorax |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130184584A1 (en) * | 2012-01-17 | 2013-07-18 | Richard E. Berkey | Systems and methods for computerized ultrasound image interpretation and labeling |
US20160203263A1 (en) * | 2015-01-08 | 2016-07-14 | Imbio | Systems and methods for analyzing medical images and creating a report |
CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及*** |
CN109993733A (zh) * | 2019-03-27 | 2019-07-09 | 上海宽带技术及应用工程研究中心 | 肺部病灶的检测方法、***、存储介质、终端及显示*** |
-
2020
- 2020-05-07 CN CN202010375817.2A patent/CN111528907A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130184584A1 (en) * | 2012-01-17 | 2013-07-18 | Richard E. Berkey | Systems and methods for computerized ultrasound image interpretation and labeling |
US20160203263A1 (en) * | 2015-01-08 | 2016-07-14 | Imbio | Systems and methods for analyzing medical images and creating a report |
CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及*** |
CN109993733A (zh) * | 2019-03-27 | 2019-07-09 | 上海宽带技术及应用工程研究中心 | 肺部病灶的检测方法、***、存储介质、终端及显示*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085729A (zh) * | 2020-09-18 | 2020-12-15 | 无锡祥生医疗科技股份有限公司 | 胸膜线区域提取方法、存储介质及超声诊断设备 |
CN112801957A (zh) * | 2021-01-18 | 2021-05-14 | 华东师范大学 | 一种基于超声应变成像的气胸自动检测*** |
CN113487537A (zh) * | 2021-06-01 | 2021-10-08 | 北京大学人民医院 | 乳腺癌超声高回声晕的信息处理方法、装置及存储介质 |
WO2023215190A1 (en) * | 2022-05-02 | 2023-11-09 | Fujifilm Sonosite, Inc. | Automated detection of lung slide to aid in diagnosis of pneumothorax |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111528907A (zh) | 一种超声影像肺炎辅助诊断方法及*** | |
CN109583440B (zh) | 结合影像识别与报告编辑的医学影像辅助诊断方法及*** | |
CN107767376B (zh) | 基于深度学习的x线片骨龄预测方法及*** | |
CN106102585B (zh) | 三维成像数据的显示处理方法和三维超声成像方法及*** | |
US6901277B2 (en) | Methods for generating a lung report | |
US8355553B2 (en) | Systems, apparatus and processes for automated medical image segmentation using a statistical model | |
US7130457B2 (en) | Systems and graphical user interface for analyzing body images | |
CN109671068B (zh) | 一种基于深度学习的腹部肌肉标注方法及装置 | |
CN109003269B (zh) | 一种能提高医生效率的医学影像病灶的标注提取方法 | |
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 | |
CN106408566B (zh) | 一种胎儿超声图像质量控制方法及*** | |
CN101203747A (zh) | 用于数字x光影像软拷贝解读的智能化定性与定量分析的方法和*** | |
US8285013B2 (en) | Method and apparatus for detecting abnormal patterns within diagnosis target image utilizing the past positions of abnormal patterns | |
CN104586418B (zh) | 医用图像数据处理装置和医用图像数据处理方法 | |
CN104394771A (zh) | 超声图像处理 | |
CN102429679A (zh) | 基于胸部ct图像的肺气肿计算机辅助诊断*** | |
CN101103924A (zh) | 基于乳腺x线摄片的乳腺癌计算机辅助诊断方法及其*** | |
CN111214255A (zh) | 一种医学超声图像计算机辅助诊断方法 | |
CN111374712B (zh) | 一种超声成像方法及超声成像设备 | |
CN104616289A (zh) | 一种3d ct图像中骨组织的移除方法及*** | |
CN112365438A (zh) | 一种基于目标检测神经网络的骨盆参数自动测量方法 | |
CN109920002B (zh) | 基于三维随机森林模型的头影测量图像中特征点定位方法 | |
Piętka et al. | Role of radiologists in CAD life-cycle | |
CN111275754B (zh) | 一种基于深度学习的脸部痘印比例计算方法 | |
CN115690556B (zh) | 一种基于多模态影像学特征的图像识别方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200814 |
|
RJ01 | Rejection of invention patent application after publication |