CN113903452B - 一种医生肺结节辅助诊断*** - Google Patents
一种医生肺结节辅助诊断*** Download PDFInfo
- Publication number
- CN113903452B CN113903452B CN202111096725.1A CN202111096725A CN113903452B CN 113903452 B CN113903452 B CN 113903452B CN 202111096725 A CN202111096725 A CN 202111096725A CN 113903452 B CN113903452 B CN 113903452B
- Authority
- CN
- China
- Prior art keywords
- image
- module
- lung nodule
- nodule
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
- G06T2207/30064—Lung nodule
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明属于医学诊断技术领域,公开了一种医生肺结节辅助诊断***,设置有主体装置、肺结节辅助诊断提示装置、用于输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置、显示装置;肺结节辅助诊断提示装置设置在主体装置的内部,包括用于存储通过输入装置输入的患者基本信息和就诊信息、以及患者的肺结节图像的信息图像存储器;主体装置内部设置有图像处理模块、肺结节识别模块和通信模块;图像处理模块包括。本发明通过在主体装置内部设置有有图像处理模块、肺结节识别模块和通信模块,通信模块与云服务器连接,可以实现大数据处理判断分析,提高了诊断的准确度和效率。
Description
技术领域
本发明属于医学诊断技术领域,尤其涉及一种医生肺结节辅助诊断***。
背景技术
目前,现如今肺癌已经成为当今世界发病率较高的癌症之一。每年约有120万人诊断为肺癌,约有110万人死于肺癌。肺癌病人若在早期被确诊,五年生存率可达70%以上,然而肺癌被确诊时大多属中晚期,已丧失手术时机。如果能在早期诊断,五年生存率可以超过70%。如果能对肺癌进行早期诊断,并采取相应措施,对提高患者的生存时间和生活质量都有很重要的意义。目前病理诊断是确诊肺癌的金标准,但诊断是有创伤的,限制了在临床当中的应用。近年来,在肺癌诊断上,由于数字化更加清晰方便等原因,已经成为肺癌诊断的主流影像检查方法。在进行医学图像诊断时,一般是对传统图像特征,如颜色、纹理、形状等进行描述。纹理是图像中很重要的特征,并且能够为识别和解释图像提供重要的信息。由于纹理形式的广泛性与多样性,纹理并没有一种被广泛认可的正式定义。一般认为图像的纹理特征描述物体表面灰度或颜色的变化,这种变化与物体自身属性有关,是某种纹理基元的重复。在含有结节的医学图像处理中,识别图像中结节的性质有重要的意义。但是现有的肺结节诊断主要还是依靠放射科医生的经验,还没有能够有效辅助放射科医生进行肺结节诊断的***,降低了诊断的准确度和效率。
通过上述分析,现有技术存在的问题及缺陷为:现有的肺结节诊断主要还是依靠放射科医生的经验,还没有能够有效辅助放射科医生进行肺结节诊断的***,降低了诊断的准确度和效率。
发明内容
针对现有技术存在的问题,本发明提供了一种医生肺结节辅助诊断***。
本发明是这样实现的,一种医生肺结节辅助诊断***,所述医生肺结节辅助诊断***设置有主体装置、肺结节辅助诊断提示装置、用于输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置、显示装置;
肺结节辅助诊断提示装置设置在主体装置的内部,包括用于存储通过输入装置输入的患者基本信息和就诊信息、以及患者的肺结节图像的信息图像存储器;
主体装置内部设置有图像处理模块、肺结节识别模块和通信模块;图像处理模块包括:图像预处理模块和图像深度处理识别模块;
图像深度处理识别模块设置有图像分割模块、图像特征提取模块、图像特征匹配模块;
图像预处理模块对输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置输入的肺结节图像进行预处理;
图像预处理完成后,肺结节识别模块对肺结节图像进行识别;
在图像识别过程中,通过图像特征提取模块提取肺结节图像特征;并通过通信模块获取云服务器中预存的关于肺结节图像;
通过图像特征匹配模块将获取的图像与肺结节图像作相似度计算匹配,当相似度在一定的范围之内,确定为肺结节;
其中,图像特征匹配模块确定获取的图像与肺结节图像作相似度的具体过程为:
在获取的图像和肺结节图像中,确定提取关键点描述子集合,
肺结节图像关键点描述为:Ri=(ri1,ri2,…,ri128);
获取的图像关键点描述为:Si=(si1,si2,…,si128);
肺结节图像关键点与获取的图像键点相似量度量为:
确定肺结节的相似度的数值范围为:
进一步,所述信息图像存储器连接的存储器驱动器,信息图像存储器连接的纹理运算器;信息图像存储器、存储器驱动器和与纹理运算器相连的提取控制器。
进一步,所述肺结节图像关键点和获取的图像关键点描述的具体过程为:
将相应的图像转变成高斯图像,通过梯度的求出,确定描述关键点的图像区域;
将坐标轴旋转为关键点的方向,确定旋转不变性;并且将领域内部的采样点分配到对应的子区域内;
利用插值确定每个种子八个方向的梯度,把方向直方图每个方向上梯度幅值限制在门限值以下;
特征向量形成后,对描述符向量进行归一化处理。
进一步,所述图像预处理模块包括:
图像灰度化处理模块,根据重要性及指标,按下式对RGB三分量进行加权平均能得到较合理的灰度图像;
图像几何变换处理模块,通过平移、转置、镜像、旋转、缩放几何变换对采集的图像进行处理,用于改正图像采集***的***误差和仪器位置;
图像增强处理模块,通过频率域法,把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。
进一步,所述显示装置是LCD面板,显示装置设置在所述主体装置上。
进一步,所述输入装置包括键盘、鼠标。
进一步,所述主体装置还具有用于连接打印机的接口。
进一步,所述主体装置是长方体或正方体形状。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的医生肺结节辅助诊断***。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的医生肺结节辅助诊断***。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过在主体装置内部设置有有图像处理模块、肺结节识别模块和通信模块,通信模块与云服务器连接,可以实现大数据处理判断分析,提高了诊断的准确度和效率。本发明通过设置有肺结节辅助诊断提示装置,可以及时进行诊断提示,提高了智能化,避免出现诊断的错误。同时本发明通过输入装置输入患者基本信息和就诊信息以及患者的肺结节图像,可以获取全面的数据,便于后期的诊断分析,准确的得出诊断结果。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的医生肺结节辅助诊断***结构示意图。
图2是本发明实施例提供的信息图像存储器连接关系结构示意图。
图3是本发明实施例提供的主体装置结构示意图。
图4是本发明实施例提供的主体装置对图像进行处理方法流程图。
图5是本发明实施例提供的肺结节图像关键点和获取的图像关键点描述方法流程图。
图中:1、主体装置;2、肺结节辅助诊断提示装置;3、输入装置;4、显示装置。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种医生肺结节辅助诊断***,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的医生肺结节辅助诊断***包括:主体装置1、肺结节辅助诊断提示装置2、用于输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置3、显示装置4;
肺结节辅助诊断提示装置2设置在主体装置的内部,包括用于存储通过输入装置输入的患者基本信息和就诊信息、以及患者的肺结节图像的信息图像存储器。
其中,显示装置1是LCD面板,显示装置设置在所述主体装置上;输入装置3包括键盘、鼠标;主体装置1还具有用于连接打印机的接口,主体装置1是长方体或正方体形状。
如图2所示,本发明实施例提供的信息图像存储器连接关系为:
信息图像存储器连接的存储器驱动器,信息图像存储器连接的纹理运算器;信息图像存储器、存储器驱动器和与纹理运算器相连的提取控制器。
如图3所示,本发明实施例提供的主体装置1还内部设置有图像处理模块、肺结节识别模块和通信模块;图像处理模块包括:图像预处理模块和图像深度处理识别模块;图像深度处理识别模块设置有图像分割模块、图像特征提取模块、图像特征匹配模块。
如图4所示,本发明实施例提供的主体装置1对图像进行处理的具体过程为:
S101:图像预处理模块对输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置输入的肺结节图像进行预处理;
S102:图像预处理完成后,肺结节识别模块对肺结节图像进行识别;
S103:在图像识别过程中,通过图像特征提取模块提取肺结节图像特征;并通过通信模块获取云服务器中预存的关于肺结节图像;
S104:通过图像特征匹配模块将获取的图像与肺结节图像作相似度计算匹配,当相似度在一定的范围之内,确定为肺结节。
本发明实施例提供的图像特征匹配模块确定获取的图像与肺结节图像作相似度的具体过程为:
在获取的图像和肺结节图像中,确定提取关键点描述子集合,
肺结节图像关键点描述为:Ri=(ri1,ri2,…,ri128);
获取的图像关键点描述为:Si=(si1,si2,…,si128);
肺结节图像关键点与获取的图像键点相似量度量为:
确定肺结节的相似度的数值范围为:
如图5所示,本发明实施例提供的肺结节图像关键点和获取的图像关键点描述的具体过程为:
S201:将相应的图像转变成高斯图像,通过梯度的求出,确定描述关键点的图像区域;
S202:将坐标轴旋转为关键点的方向,确定旋转不变性;并且将领域内部的采样点分配到对应的子区域内;
S203:利用插值确定每个种子八个方向的梯度,把方向直方图每个方向上梯度幅值限制在门限值以下;
S204:特征向量形成后,对描述符向量进行归一化处理。
本发明实施例提供的图像预处理模块包括:
图像灰度化处理模块,根据重要性及指标,按下式对RGB三分量进行加权平均能得到较合理的灰度图像;
图像几何变换处理模块,通过平移、转置、镜像、旋转、缩放几何变换对采集的图像进行处理,用于改正图像采集***的***误差和仪器位置;
图像增强处理模块,通过频率域法,把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡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,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种医生肺结节辅助诊断***,其特征在于,所述医生肺结节辅助诊断***设置有主体装置、肺结节辅助诊断提示装置、用于输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置、显示装置;
肺结节辅助诊断提示装置设置在主体装置的内部,包括用于存储通过输入装置输入的患者基本信息和就诊信息、以及患者的肺结节图像的信息图像存储器;
主体装置内部设置有图像处理模块、肺结节识别模块和通信模块;图像处理模块包括:
图像预处理模块和图像深度处理识别模块;
图像深度处理识别模块设置有图像分割模块、图像特征提取模块、图像特征匹配模块;
图像预处理模块对输入患者基本信息和就诊信息以及患者的肺结节图像的输入装置输入的肺结节图像进行预处理;
图像预处理完成后,肺结节识别模块对肺结节图像进行识别;
在图像识别过程中,通过图像特征提取模块提取肺结节图像特征;并通过通信模块获取云服务器中预存的关于肺结节图像;
通过图像特征匹配模块将获取的图像与肺结节图像作相似度计算匹配,当相似度在一定的范围之内,确定为肺结节;
其中,图像特征匹配模块确定获取的图像与肺结节图像作相似度的具体过程为:
在获取的图像和肺结节图像中,确定提取关键点描述子集合,
肺结节图像关键点描述为:Ri=(ri1,ri2,…,ri128);
获取的图像关键点描述为:Si=(si1,si2,…,si128);
肺结节图像关键点与获取的图像键点相似量度量为:
确定肺结节的相似度的数值范围为:
所述信息图像存储器连接的存储器驱动器,信息图像存储器连接的纹理运算器;信息图像存储器、存储器驱动器和与纹理运算器相连的提取控制器;
所述肺结节图像关键点和获取的图像关键点描述的具体过程为:
将相应的图像转变成高斯图像,通过梯度的求出,确定描述关键点的图像区域;
将坐标轴旋转为关键点的方向,确定旋转不变性;并且将领域内部的采样点分配到对应的子区域内;
利用插值确定每个种子八个方向的梯度,把方向直方图每个方向上梯度幅值限制在门限值以下;
特征向量形成后,对描述符向量进行归一化处理;
所述图像预处理模块包括:
图像灰度化处理模块,根据重要性及指标,按下式对RGB三分量进行加权平均能得到较合理的灰度图像;
图像几何变换处理模块,通过平移、转置、镜像、旋转、缩放几何变换对采集的图像进行处理,用于改正图像采集***的***误差和仪器位置;
图像增强处理模块,通过频率域法,把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。
2.如权利要求1所述医生肺结节辅助诊断***,其特征在于,所述显示装置是LCD面板,显示装置设置在所述主体装置上。
3.如权利要求1所述医生肺结节辅助诊断***,其特征在于,所述输入装置包括键盘、鼠标。
4.如权利要求1所述医生肺结节辅助诊断***,其特征在于,所述主体装置还具有用于连接打印机的接口。
5.如权利要求1所述医生肺结节辅助诊断***,其特征在于,所述主体装置是长方体或正方体形状。
6.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1~5任一项所述的医生肺结节辅助诊断***。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111096725.1A CN113903452B (zh) | 2021-09-18 | 2021-09-18 | 一种医生肺结节辅助诊断*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111096725.1A CN113903452B (zh) | 2021-09-18 | 2021-09-18 | 一种医生肺结节辅助诊断*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113903452A CN113903452A (zh) | 2022-01-07 |
CN113903452B true CN113903452B (zh) | 2022-12-16 |
Family
ID=79028705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111096725.1A Active CN113903452B (zh) | 2021-09-18 | 2021-09-18 | 一种医生肺结节辅助诊断*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113903452B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913442A (zh) * | 2016-04-29 | 2016-08-31 | 上海联影医疗科技有限公司 | 自动匹配肺结节的方法 |
CN112365973A (zh) * | 2020-11-02 | 2021-02-12 | 太原理工大学 | 基于对抗网络和Faster R-CNN的肺结节辅助诊断*** |
CN112598613A (zh) * | 2019-09-16 | 2021-04-02 | 苏州速游数据技术有限公司 | 一种用于肺癌智能诊断的基于深度图像分割和识别的测定方法 |
CN113160153A (zh) * | 2021-04-06 | 2021-07-23 | 宁波大学医学院附属医院 | 一种基于深度学习技术的肺结节筛查方法及筛查*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473551A (zh) * | 2013-09-16 | 2013-12-25 | 中国传媒大学 | 基于sift算子的台标识别方法及*** |
CN103839265B (zh) * | 2014-02-26 | 2017-05-24 | 西安电子科技大学 | 基于sift和归一化互信息的sar图像配准方法 |
CN106599549A (zh) * | 2016-11-25 | 2017-04-26 | 上海联影医疗科技有限公司 | 一种计算机辅助诊断***、方法及其医疗*** |
CN108510495A (zh) * | 2018-04-09 | 2018-09-07 | 沈阳东软医疗***有限公司 | 一种基于人工智能的肺部影像数据处理方法、装置及*** |
CN109036547A (zh) * | 2018-06-11 | 2018-12-18 | 燕山大学 | 一种基于聚类分析的肺部ct图像计算机辅助***及方法 |
CN110766659A (zh) * | 2019-09-24 | 2020-02-07 | 西人马帝言(北京)科技有限公司 | 医学图像识别方法、装置、设备和介质 |
CN113139928B (zh) * | 2020-01-16 | 2024-02-23 | 中移(上海)信息通信科技有限公司 | 肺结节检测模型的训练方法和肺结节检测方法 |
-
2021
- 2021-09-18 CN CN202111096725.1A patent/CN113903452B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913442A (zh) * | 2016-04-29 | 2016-08-31 | 上海联影医疗科技有限公司 | 自动匹配肺结节的方法 |
CN112598613A (zh) * | 2019-09-16 | 2021-04-02 | 苏州速游数据技术有限公司 | 一种用于肺癌智能诊断的基于深度图像分割和识别的测定方法 |
CN112365973A (zh) * | 2020-11-02 | 2021-02-12 | 太原理工大学 | 基于对抗网络和Faster R-CNN的肺结节辅助诊断*** |
CN113160153A (zh) * | 2021-04-06 | 2021-07-23 | 宁波大学医学院附属医院 | 一种基于深度学习技术的肺结节筛查方法及筛查*** |
Also Published As
Publication number | Publication date |
---|---|
CN113903452A (zh) | 2022-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166133B (zh) | 基于关键点检测和深度学习的软组织器官图像分割方法 | |
CN107748900B (zh) | 基于区分性卷积神经网络的乳腺肿瘤分类装置和存储介质 | |
WO2022063198A1 (zh) | 一种肺部图像处理方法、装置及设备 | |
CN109741312B (zh) | 一种肺结节鉴别方法、装置、设备及介质 | |
CN109300113B (zh) | 一种基于改进凸包方法的肺结节辅助检测***及方法 | |
WO2019062843A1 (zh) | 超声图像处理方法及*** | |
CN111583320B (zh) | 融合深度卷积网络和影像组学特征的乳腺癌超声图分型方法、***及存储介质 | |
WO2011137411A1 (en) | Probability density function estimator | |
WO2021051875A1 (zh) | 细胞分类方法、装置、介质及电子设备 | |
Li et al. | Automated measurement network for accurate segmentation and parameter modification in fetal head ultrasound images | |
Kim et al. | The recent progress in quantitative medical image analysis for computer aided diagnosis systems | |
CN115527065A (zh) | 髋关节分型方法、装置和存储介质 | |
CN112949570A (zh) | 一种基于残差注意力机制的指静脉识别方法 | |
CN115564756A (zh) | 医学图像病灶定位显示方法与*** | |
CN117036288A (zh) | 一种面向全切片病理图像的肿瘤亚型诊断方法 | |
CN113764101B (zh) | 基于cnn的乳腺癌新辅助化疗多模态超声诊断*** | |
CN111275722A (zh) | 肺段、肝段分割方法及*** | |
CN110570425A (zh) | 一种基于深度强化学习算法的肺结节分析方法及装置 | |
CN107633506B (zh) | 一种图像对称性检测方法、装置及终端设备 | |
CN113903452B (zh) | 一种医生肺结节辅助诊断*** | |
CN117593420A (zh) | 基于图像处理的平面图纸标注方法、装置、介质及设备 | |
CN110063753B (zh) | 超声图像中测量胎儿头围的方法与装置 | |
CN109829502B (zh) | 一种面向重复纹理及非刚性形变的像对高效稠密匹配方法 | |
WO2022006917A1 (zh) | 基于人工智能的磁共振肺部影像识别装置及方法 | |
CN116703882A (zh) | 一种非接触式心脏三维标测方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |