CN113425319A - 面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法 - Google Patents
面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法 Download PDFInfo
- Publication number
- CN113425319A CN113425319A CN202010154824.XA CN202010154824A CN113425319A CN 113425319 A CN113425319 A CN 113425319A CN 202010154824 A CN202010154824 A CN 202010154824A CN 113425319 A CN113425319 A CN 113425319A
- Authority
- CN
- China
- Prior art keywords
- image
- oxygenation index
- respiratory system
- medical institution
- making method
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 18
- 208000023504 respiratory system disease Diseases 0.000 title claims abstract description 14
- 238000006213 oxygenation reaction Methods 0.000 claims abstract description 35
- 208000019693 Lung disease Diseases 0.000 claims abstract description 18
- 238000009423 ventilation Methods 0.000 claims abstract description 16
- 230000003902 lesion Effects 0.000 claims abstract description 12
- 208000011623 Obstructive Lung disease Diseases 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 208000006673 asthma Diseases 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 201000010099 disease Diseases 0.000 claims abstract description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 13
- 239000001301 oxygen Substances 0.000 claims description 13
- 229910052760 oxygen Inorganic materials 0.000 claims description 13
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 10
- 206010028980 Neoplasm Diseases 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 6
- 208000037841 lung tumor Diseases 0.000 abstract description 2
- 210000004072 lung Anatomy 0.000 description 6
- 206010035664 Pneumonia Diseases 0.000 description 5
- 241000519995 Stachys sylvatica Species 0.000 description 4
- 239000000823 artificial membrane Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M16/00—Devices for influencing the respiratory system of patients by gas treatment, e.g. mouth-to-mouth respiration; Tracheal tubes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Emergency Medicine (AREA)
- Pulmonology (AREA)
- Anesthesiology (AREA)
- Hematology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及疾病诊断的辅助技术领域，尤其是面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法；它包括影像采集；影像转换成数字化图像并导入计算机；采用算法进行图像预处理、图像增强和病变区域分割；采用算法进行病变区域的特征提取；根据特征数据做出判断；根据氧合指数对机械辅助通气量进行动态管控。辅助医生对大量的肺病患者进行影像学进行快速诊断，并且可快速区分阻塞性肺病和肿瘤、哮喘病患者，为阻塞性肺病患者争取了宝贵的时间。
Description
技术领域
本发明涉及疾病诊断的辅助技术领域，尤其是面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法。
背景技术
在传统的呼吸***疾病中，影像技术运用非常广泛，例如肺部肿瘤、哮喘、肺炎等都会运用到诸如CT、X光等影像技术。肺病在处理手段上存在较大区别的分为三种，第一种是肿瘤，确诊后需要进行手术或者化疗；第二种是哮喘，确诊后需要进行药物治疗；第三种是阻塞性肺病，例如2020年发生的新冠肺炎，在较为严重的肺部疾病中，由于肺部的病变导致氧合指数偏低(低于300mmhg)，此时就需要采用吸氧、呼吸机甚至是人工膜肺等机械辅助手段挽救患者。现有技术的不足在于，所有影像材料都需要人工查看，然后再针对该影像的特征可能对应的疾病类型开出进一步的检查项目，分类的时间较长。由于诊断时间很长，如果是阻塞性肺病，有可能此时患者氧合指数已经偏低但病人本身不一定能察觉，等待的过程中就有可能发生恶化。
发明内容
针对现有技术的不足，本发明提供一种辅助加快对肺病影像进行快速分类并提出预设方案的方法。
本发明的技术方案为：
面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法，其特征在于：它包括以下步骤：
1)影像采集；
2)影像转换成数字化图像并导入计算机；
3)采用算法进行图像预处理、图像增强和病变区域分割；
4)采用算法进行病变区域的特征提取；
5)根据步骤4所得特征数据做出判断，如果判断结果是肿瘤、哮喘中的一种则向决策者发布结果；如果判断结果是阻塞性肺病则向决策者发出氧合指数检测请求并同步启动机械辅助通气(吸氧或者呼吸机)；容易理解的，启动机械辅助通气后必然对氧合指数产生影响，但只要决策者在较短的时间内进行氧合指数检测其通气造成的影响是比较小的，不会对最终的正确诊断造成实质性影响，而且提前启动机械辅助通气，可减少病人因氧合指数下降造成实质性损伤；
6)根据氧合指数对机械辅助通气量进行动态管控。
其中，步骤1中，影像采集采用CT平扫方式得到影像，其好处是影像成像快，可即可扫描即可得到影像，并且部分CT设备具备电子数据传输功能，可以直接将影像传导给计算机，免去步骤2。
其中，步骤3中，图像预处理、图像增强包括：a)对输入图像进行去噪处理得到去噪图像；b)对去噪图像进行边缘提取得到边缘图像；c)对边缘图像进行图像增强处理得到去噪且边缘增强的图像；d)利用亮度可控的直方图均衡方法对去噪图像进行处理得到全局增强图像；e)对c和d步骤所得到的图像进行线性叠加，得到最终的输出图像；病变区域分割包括f)从图像中检测感兴趣目标的初始轮廓；g)根据对比度特性对初始轮廓上的点进行分类；h)为不同种类的点构造不同的能量函数模型，基于构造的能量函数模型计算用于图像分割的曲线的演进函数，并根据演进函数在图像中移动水平集曲线；i)确定移动后的水平集曲线是否已经收敛，如果确定水平集曲线已经收敛，则将移动后的水平集曲线输出为图像分割的结果，如果确定移动后的水平集曲线没有收敛，则以移动后的水平集曲线的作为初始轮廓，再次执行步骤g)和步骤h)，直到得到收敛的水平集曲线为止。
其中，步骤4中，特征的提取包括：一，将分割得到的目标图像缩小到16*16尺寸的图片，共计有256个像素；二，将缩小后的图片转化为256级灰度；三，计算256个像素点的灰度值；四，计算平均灰度值；五，将每个像素点的灰度值与平均灰度值比较，大于或者等于平均值的记录1，小于平均值的记录0；六，将步骤五的比较结果组合在一起形成一个256位的整数，该整数为该图片的特征码。
其中，步骤5中，将三种类型肺病的历史影像通过步骤1-4处理后分别收录在三种类型肺病的特征数据库内，然后将需要判断的肺病影像通过步骤1-4处理后与特征数据库内的特征码进行k-近邻算法，判断输入数据属于哪个分类。由于上述三个类型的肺病其影像区别非常大，哮喘的图片中不存在白斑，肿瘤的白斑通常为团状且连续性很强，具有毛刺边缘或者圆滑边缘，而阻塞性肺病(主要是肺炎)通常表现为磨玻璃状，故通过上述算法可高效进行分类，降低了医生看片的工作强度。
其中，步骤5中，氧合指数检测采用血液气体分析仪，它采用电极贴合的方式进行测试，可实现连续侦查且无创。
其中，步骤6中，动态管控包括：设定供氧的氧合指数范围，当实时氧合指数处于该范围时则启动吸氧预警，当启动吸氧20秒后氧合指数依然没有上升则启动呼吸机预警，当启动呼吸机30秒后氧合指数依然没有上升则启动病危预警，医护人员可以根据现场医疗条件采取上人工膜肺或者其他重症治疗手段。
本发明的有益效果为：辅助医生对大量的肺病患者进行影像学进行快速诊断，并且可快速区分阻塞性肺病(主要是肺炎)和肿瘤、哮喘病患者，为阻塞性肺病患者争取了宝贵的时间。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
如图1所示，面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法，其特征在于：它包括以下步骤：
1)影像采集；此处可以是普通胶片的扫描也可以是电子CT的电子档图片；
2)影像转换成数字化图像并导入计算机；
3)采用算法进行图像预处理、图像增强和病变区域分割；
4)采用算法进行病变区域的特征提取；
5)根据步骤4所得特征数据做出判断，如果判断结果是肿瘤、哮喘中的一种则向决策者发布结果；如果判断结果是阻塞性肺病则向决策者发出氧合指数检测请求并同步启动机械辅助通气(吸氧或者呼吸机)；容易理解的，启动机械辅助通气后必然对氧合指数产生影响，但只要决策者在较短的时间内进行氧合指数检测其通气造成的影响是比较小的，不会对最终的正确诊断造成实质性影响，而且提前启动机械辅助通气，可减少病人因氧合指数下降造成实质性损伤；
6)根据氧合指数对机械辅助通气量进行动态管控。
其中，步骤1中，影像采集采用CT平扫方式得到影像，其好处是影像成像快，可即可扫描即可得到影像，并且部分CT设备具备电子数据传输功能，可以直接将影像传导给计算机，免去步骤2。
其中，步骤3中，图像预处理、图像增强包括：a)对输入图像进行去噪处理得到去噪图像；b)对去噪图像进行边缘提取得到边缘图像；c)对边缘图像进行图像增强处理得到去噪且边缘增强的图像；d)利用亮度可控的直方图均衡方法对去噪图像进行处理得到全局增强图像；e)对c和d步骤所得到的图像进行线性叠加，得到最终的输出图像；病变区域分割包括f)从图像中检测感兴趣目标的初始轮廓；g)根据对比度特性对初始轮廓上的点进行分类；h)为不同种类的点构造不同的能量函数模型，基于构造的能量函数模型计算用于图像分割的曲线的演进函数，并根据演进函数在图像中移动水平集曲线；i)确定移动后的水平集曲线是否已经收敛，如果确定水平集曲线已经收敛，则将移动后的水平集曲线输出为图像分割的结果，如果确定移动后的水平集曲线没有收敛，则以移动后的水平集曲线的作为初始轮廓，再次执行步骤g)和步骤h)，直到得到收敛的水平集曲线为止。
其中，步骤4中，特征的提取包括：一，将分割得到的目标图像缩小到16*16尺寸的图片，共计有256个像素；二，将缩小后的图片转化为256级灰度；三，计算256个像素点的灰度值；四，计算平均灰度值；五，将每个像素点的灰度值与平均灰度值比较，大于或者等于平均值的记录1，小于平均值的记录0；六，将步骤五的比较结果组合在一起形成一个256位的整数，该整数为该图片的特征码。
其中，步骤5中，将三种类型肺病的历史影像通过步骤1-4处理后分别收录在三种类型肺病的特征数据库内，然后将需要判断的肺病影像通过步骤1-4处理后与特征数据库内的特征码进行k-近邻算法，判断输入数据属于哪个分类。由于上述三个类型的肺病其影像区别非常大，哮喘的图片中不存在白斑，肿瘤的白斑通常为团状且连续性很强，具有毛刺边缘或者圆滑边缘，而阻塞性肺病(主要是肺炎)通常表现为磨玻璃状，故通过上述算法可高效进行分类，降低了医生看片的工作强度。
其中，步骤5中，氧合指数检测采用血液气体分析仪，它采用电极贴合的方式进行测试，可实现连续侦查且无创。
其中，步骤6中，动态管控包括：设定供氧的氧合指数范围，当实时氧合指数处于该范围时则启动吸氧预警，当启动吸氧20秒后氧合指数依然没有上升则启动呼吸机预警，当启动呼吸机30秒后氧合指数依然没有上升则启动病危预警，医护人员可以根据现场医疗条件采取上人工膜肺或者其他重症治疗手段。
上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
Claims (7)
1.面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法，其特征在于：它包括以下步骤：
1)影像采集；
2)影像转换成数字化图像并导入计算机；
3)采用算法进行图像预处理、图像增强和病变区域分割；
4)采用算法进行病变区域的特征提取；
5)根据步骤4所得特征数据做出判断，如果判断结果是肿瘤、哮喘中的一种则向决策者发布结果；如果判断结果是阻塞性肺病则向决策者发出氧合指数检测请求并同步启动机械辅助通气(吸氧或者呼吸机)；容易理解的，启动机械辅助通气后必然对氧合指数产生影响，但只要决策者在较短的时间内进行氧合指数检测其通气造成的影响是比较小的，不会对最终的正确诊断造成实质性影响，而且提前启动机械辅助通气，可减少病人因氧合指数下降造成实质性损伤；
6)根据氧合指数对机械辅助通气量进行动态管控。
2.根据权利要求1所述的面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法，其特征在于：步骤1中，影像采集采用CT平扫方式得到影像。
3.根据权利要求1所述的面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法，其特征在于：步骤3中，图像预处理、图像增强包括：a)对输入图像进行去噪处理得到去噪图像；b)对去噪图像进行边缘提取得到边缘图像；c)对边缘图像进行图像增强处理得到去噪且边缘增强的图像；d)利用亮度可控的直方图均衡方法对去噪图像进行处理得到全局增强图像；e)对c和d步骤所得到的图像进行线性叠加，得到最终的输出图像；病变区域分割包括f)从图像中检测感兴趣目标的初始轮廓；g)根据对比度特性对初始轮廓上的点进行分类；h)为不同种类的点构造不同的能量函数模型，基于构造的能量函数模型计算用于图像分割的曲线的演进函数，并根据演进函数在图像中移动水平集曲线；i)确定移动后的水平集曲线是否已经收敛，如果确定水平集曲线已经收敛，则将移动后的水平集曲线输出为图像分割的结果，如果确定移动后的水平集曲线没有收敛，则以移动后的水平集曲线的作为初始轮廓，再次执行步骤g)和步骤h)，直到得到收敛的水平集曲线为止。
4.根据权利要求1所述的面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法，其特征在于：步骤4中，特征的提取包括：一，将分割得到的目标图像缩小到16*16尺寸的图片，共计有256个像素；二，将缩小后的图片转化为256级灰度；三，计算256个像素点的灰度值；四，计算平均灰度值；五，将每个像素点的灰度值与平均灰度值比较，大于或者等于平均值的记录1，小于平均值的记录0；六，将步骤五的比较结果组合在一起形成一个256位的整数，该整数为该图片的特征码。
5.根据权利要求1所述的面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法，其特征在于：步骤5中，将三种类型肺病的历史影像通过步骤1-4处理后分别收录在三种类型肺病的特征数据库内，然后将需要判断的肺病影像通过步骤1-4处理后与特征数据库内的特征码进行k-近邻算法，判断输入数据属于哪个分类。
6.根据权利要求1所述的面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法，其特征在于：步骤5中，氧合指数检测采用血液气体分析仪。
7.根据权利要求1所述的面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法，其特征在于：步骤6中，动态管控包括：设定供氧的氧合指数范围，当实时氧合指数处于该范围时则启动吸氧预警，当启动吸氧20秒后氧合指数依然没有上升则启动呼吸机预警，当启动呼吸机30秒后氧合指数依然没有上升则启动病危预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010154824.XA CN113425319A (zh) | 2020-03-08 | 2020-03-08 | 面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010154824.XA CN113425319A (zh) | 2020-03-08 | 2020-03-08 | 面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113425319A true CN113425319A (zh) | 2021-09-24 |
Family
ID=77752340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010154824.XA Pending CN113425319A (zh) | 2020-03-08 | 2020-03-08 | 面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113425319A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110280457A1 (en) * | 2010-05-11 | 2011-11-17 | The University Of Copenhagen | Classification of medical diagnostic images |
| CN102429679A (zh) * | 2011-09-09 | 2012-05-02 | 华南理工大学 | 基于胸部ct图像的肺气肿计算机辅助诊断*** |
| CN103839248A (zh) * | 2012-11-22 | 2014-06-04 | 北京三星通信技术研究有限公司 | 图像分割方法和装置 |
| CN105005714A (zh) * | 2015-06-18 | 2015-10-28 | 中国科学院自动化研究所 | 一种基于肿瘤表型特征的非小细胞肺癌预后方法 |
| CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
| CN109583438A (zh) * | 2018-10-17 | 2019-04-05 | 龙马智芯（珠海横琴）科技有限公司 | 电子图像的文字的识别方法及图像处理装置 |
| CN110083733A (zh) * | 2019-03-16 | 2019-08-02 | 平安城市建设科技(深圳)有限公司 | 图片审核方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-03-08 CN CN202010154824.XA patent/CN113425319A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110280457A1 (en) * | 2010-05-11 | 2011-11-17 | The University Of Copenhagen | Classification of medical diagnostic images |
| CN102429679A (zh) * | 2011-09-09 | 2012-05-02 | 华南理工大学 | 基于胸部ct图像的肺气肿计算机辅助诊断*** |
| CN103839248A (zh) * | 2012-11-22 | 2014-06-04 | 北京三星通信技术研究有限公司 | 图像分割方法和装置 |
| CN105005714A (zh) * | 2015-06-18 | 2015-10-28 | 中国科学院自动化研究所 | 一种基于肿瘤表型特征的非小细胞肺癌预后方法 |
| CN106530237A (zh) * | 2016-09-19 | 2017-03-22 | 中山大学 | 一种图像增强方法 |
| CN109583438A (zh) * | 2018-10-17 | 2019-04-05 | 龙马智芯（珠海横琴）科技有限公司 | 电子图像的文字的识别方法及图像处理装置 |
| CN110083733A (zh) * | 2019-03-16 | 2019-08-02 | 平安城市建设科技(深圳)有限公司 | 图片审核方法、装置、设备及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 周轶鹏等: "氧合指数在机械通气患者的气道管理中应用", 《新疆医学》, vol. 45, no. 2, 25 February 2015 (2015-02-25), pages 239 - 241 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101887194B1 (ko) | 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치 | |
| CN110021025B (zh) | 感兴趣区域的匹配和显示方法、装置、设备及存储介质 | |
| KR101874348B1 (ko) | 피검체의 흉부 pa 영상의 판독을 지원하는 방법 및 이를 이용한 장치 | |
| AU692499B2 (en) | Automated method and system for the segmentation of medical images | |
| JP2004032684A (ja) | 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置 | |
| US20180293465A1 (en) | Medical image classification apparatus, method, and program | |
| US8385614B2 (en) | Slice image display apparatus, method and recording-medium having stored therein program | |
| 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*** | |
| JPH03170130A (ja) | 画像処理方法および装置 | |
| CN112990344B (zh) | 一种肺结节多视图分类方法 | |
| JP2005065728A (ja) | 類似画像検索装置 | |
| CN117012344B (zh) | 一种4cmos相机采集的图像分析方法 | |
| Hong et al. | Automatic lung nodule matching on sequential CT images | |
| CN114529505A (zh) | 一种基于深度学习的乳腺病变风险评估*** | |
| CN109785320A (zh) | 一种采用改进型AlexNet模型对乳腺钼靶X线图像进行分类和识别的方法 | |
| US11935234B2 (en) | Method for detecting abnormality, non-transitory computer-readable recording medium storing program for detecting abnormality, abnormality detection apparatus, server apparatus, and method for processing information | |
| US20120163682A1 (en) | Method of processing image and image processing apparatus using the method | |
| CN112288752B (zh) | 一种基于胸部平扫ct的冠脉钙化灶全自动分割方法 | |
| CN116645382A (zh) | 自适应的血管分割方法及*** | |
| CN113425319A (zh) | 面向基层医疗机构的呼吸***疾病智能辅助诊断决策方法 | |
| Soni et al. | Automatic Pulmonary Cancer Detection using Prewitt & Morphological Dilation | |
| US8014582B2 (en) | Image reproduction apparatus and program therefor | |
| US7848551B2 (en) | Method and system for analysis of bone density | |
| Yan et al. | Automatic detection and localization of pulmonary nodules in ct images based on yolov5 | |
| CN116167949B (zh) | 一种基于医疗影像大数据的临床辅助决策*** |
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 |