CN113940704A - 一种基于甲状腺的肌肉和筋膜检测装置 - Google Patents

一种基于甲状腺的肌肉和筋膜检测装置 Download PDF

Info

Publication number
CN113940704A
CN113940704A CN202111181874.8A CN202111181874A CN113940704A CN 113940704 A CN113940704 A CN 113940704A CN 202111181874 A CN202111181874 A CN 202111181874A CN 113940704 A CN113940704 A CN 113940704A
Authority
CN
China
Prior art keywords
image
thyroid
fascia
muscle
detection
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
Application number
CN202111181874.8A
Other languages
English (en)
Inventor
韩东旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shiwei Xinzhi Medical Technology Shanghai Co ltd
Original Assignee
Shiwei Xinzhi Medical Technology Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shiwei Xinzhi Medical Technology Shanghai Co ltd filed Critical Shiwei Xinzhi Medical Technology Shanghai Co ltd
Priority to CN202111181874.8A priority Critical patent/CN113940704A/zh
Publication of CN113940704A publication Critical patent/CN113940704A/zh
Pending legal-status Critical Current

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
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • 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
    • 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
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Quality & Reliability (AREA)
  • Vascular Medicine (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明涉及一种基于甲状腺的肌肉和筋膜检测装置，包括图像获取模块：用于获取带有甲状腺结节的超声图像；检测区域生成模块：用于基于所述超声图像生成检测区域；甲状腺肌肉和筋膜检测模块：用于根据所述检测区域对甲状腺周围的肌肉和筋膜进行检测。本发明能够有效检测甲状腺周围的肌肉和筋膜。

Description

一种基于甲状腺的肌肉和筋膜检测装置
技术领域
本发明涉及辅助医学诊断技术领域，特别是涉及一种基于甲状腺的肌肉和筋膜检测装置。
背景技术
甲状腺癌是全球女性最常见的癌症之一，女性的发病率是男性的三倍。2018年，每20例女性癌症确诊病例中就有一例是甲状腺癌。超声成像是一种无创、无辐射、低成本的肿瘤诊断技术。然而由于超声图像质量较低，从超声图像中识别甲状腺结节和检测肿瘤征象是一项具有挑战性的任务。
通常，恶性肿瘤的生长和发展可以通过其形状、外观、质地、成分和许多其他因素来反映。作为一种有效的工具，灰度超声(US)图像可以将这些因素可视化，帮助医生更好地观察和理解病理部位的表现。然而，在目前的临床实践中，超声图像特征的读取极大依赖于超声医师对图像进行的主观或半主观的分析，这限制了超声的广泛应用。因此，自动准确的结节定量分析对于癌症的准确诊断至关重要。
甲状腺成像报告和数据***(TI-RADS)是科学测量和报告甲状腺结节与乳腺结节的指南。但目前还没有对于TI-RADS进行定量特征分析来提高甲状腺癌分类的诊断性能的研究。
发明内容
本发明所要解决的技术问题是提供一种基于甲状腺的肌肉和筋膜检测装置，能够有效检测甲状腺周围的肌肉和筋膜。
本发明解决其技术问题所采用的技术方案是：提供一种基于甲状腺的肌肉和筋膜检测装置，包括：
图像获取模块：用于获取带有甲状腺结节的超声图像；
检测区域生成模块：用于基于所述超声图像生成检测区域；
甲状腺肌肉和筋膜检测模块：用于根据所述检测区域对甲状腺周围的肌肉和筋膜进行检测。
还包括超声图像预处理模块：用于通过不同窗口尺寸的自适应中值滤波器对所述超声图像进行滤波，用于去除超声图像中的斑点噪声；再通过拉普拉斯滤波器对去除斑点噪声后的超声图像进行滤波，用于对超声图像的对比度和边缘进行增强。
所述超声图像预处理模块中的自适应中值滤波器的窗口尺寸表达式为：
Figure BDA0003297589980000021
其中，
Figure BDA0003297589980000022
表示自适应中值滤波器的最大窗口尺寸，Dmin表示超声图像的最小尺寸；
当超声图像的最小尺寸Dmin≥250，则自适应中值滤波器的最大窗口尺寸
Figure BDA0003297589980000023
当超声图像的最小尺寸120≤Dmin＜250，则自适应中值滤波器的最大窗口尺寸
Figure BDA0003297589980000024
当超声图像的最小尺寸0＜Dmin＜120，则自适应中值滤波器的最大窗口尺寸
Figure BDA0003297589980000025
所述超声图像预处理模块中的拉普拉斯滤波器的表达式为：
Figure BDA0003297589980000026
其中，
Figure BDA0003297589980000027
表示信号i的重映函数，g表示信号i所在的高斯金字塔的系数，信号i表示图像的亮度信息，α用于控制细节平滑度，σ用于控制边缘的增强或衰减。
所述检测区域生成模块中的基于所述超声图像生成检测区域，包括：
对所述超声图像I进行二值化处理生成图像IB，再对所述图像IB进行形态学开放操作生成掩码图像IBM；
通过第一边界框标记出所述掩码图像IBM中最大的连通域，得到掩码图像IBU；
通过第二边界框标记出所述掩码图像IBU中结节的位置；
在掩码图像IBU中、且在结节位置的上方生成一图像IBF，并将所述图像IBF作为检测区域。
所述甲状腺肌肉和筋膜检测模块中的根据所述检测区域对甲状腺周围的肌肉和筋膜进行检测，公式为：
Figure BDA0003297589980000031
其中，Ix,y表示超声图像I中像素点(x,y)的亮度值，XMF表示检测区域内的所有像素点坐标的集合，(j,k)表示XMF中的像素点；
当像素点(x,y)检测结果为True时，则表明像素点(x,y)为肌肉或筋膜；当像素点(x,y)检测结果为False时，则表明像素点(x,y)不是肌肉或筋膜。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明通过自适应中值滤波器去除超声图像的斑点噪声，再通过拉普拉斯滤波器增强超声图像，便于后续分析；本发明能够对甲状腺周围的肌肉和筋膜进行有效检测，方便医生更好更快更精确地对甲状腺结节的相关病理特征做出判断。
附图说明
图1是本发明实施方式的流程图；
图2是本发明实施方式的超声图像示意图；
图3是本发明实施方式的掩码图像IBU示意图；
图4是本发明实施方式的图像IBF示意图；
图5是本发明实施方式的肌肉或筋膜检测结果示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于甲状腺的肌肉和筋膜检测装置，请参阅图1，包括：
图像获取模块：用于获取带有甲状腺结节的超声图像；
检测区域生成模块：用于基于所述超声图像生成检测区域；
甲状腺肌肉和筋膜检测模块：用于根据所述检测区域对甲状腺周围的肌肉和筋膜进行检测。
以下通过一个具体实施方式对本发明进行详细说明：
斑点噪声是一种固有存在于医学超声图像中的颗粒样干扰，会导致所测得预期信号的偏差。斑点噪声的存在会极大地降低超声图像质量，并容易在进一步分析时产生误导。因此，为了使图像分析更为准确，有必要减少斑点噪声的影响。
在超声图像预处理模块中，本实施方式使用自适应中值滤波器对超声图像进行预处理，以消除斑点噪声的干扰。自适应中值滤波器可有效地减少图像中孤立的亮或暗像素(即噪声)，其工作原理是将图像中的每个像素与其邻域像素(在预定义窗口内)进行比较，如果中心像素值与相邻像素差异较大，则将该中心像素值视为噪声，然后用邻域中像素的中值替换该中心像素值，否则自适应中值滤波器将在更大的窗口内搜索，直到达到最大窗口尺寸
Figure BDA0003297589980000041
的大小。重复此过程，直到从图像中删除所有噪声像素。与传统方法不同，传统方法通常将窗口预定义为固定值，进而导致去噪效果不理想。考虑到甲状腺结节的大小各不相同，因此需要对窗口进行调整以最大限度地提高滤波性能，
Figure BDA0003297589980000042
具体定义如下：
Figure BDA0003297589980000043
其中，Dmin表示超声图像的最小尺寸；当感兴趣结节图像的最小尺寸Dmin≥250，则自适应中值滤波器的最大窗口尺寸
Figure BDA0003297589980000044
当超声图像的最小尺寸120≤Dmin＜250，则自适应中值滤波器的最大窗口尺寸
Figure BDA0003297589980000045
当超声图像的最小尺寸0＜Dmin＜120，则自适应中值滤波器的最大窗口尺寸
Figure BDA0003297589980000046
尽管自适应中值滤波器可以显著降低图像中包含的斑点噪声，但是，应用自适应中值滤波器会使图像中的局部信息失真。因此，本实施方式进一步在中值滤波后的图像上应用拉普拉斯滤波器，以恢复图像中的潜在损失。拉普拉斯滤波器是一种基于对拉普拉斯金字塔进行直接校正的边缘感知型图像滤波器，可在不劣化边缘或产生光晕的情况下大大细化图像内容。拉普拉斯滤波器包含两个基本参数，一个用于控制边缘的增强与衰减，表示为σ，另一个用于控制细节的平滑，表示为α，公式如下：
Figure BDA0003297589980000047
其中，
Figure BDA0003297589980000048
表示信号i的重映函数，g表示信号i所在的高斯金字塔的系数，信号i表示图像的亮度信息，α用于控制细节平滑度，σ用于控制边缘的增强或衰减。通过实验发现拉普拉斯滤波器在σ＝1.2和α＝0.8时产生最好的效果。
本实施方式将自适应中值滤波器和拉普拉斯滤波器进行组合对超声图像进行预处理，通过预处理，在保留图像局部纹理信息的同时，显著降低了图像中的斑点噪声，这对超声图像的进一步分析有很大的好处。
进一步地，甲状腺周边的肌肉(通常为颈浅层肌肉或胸锁乳突肌)和筋膜有时可以在超声图像中被发现，肌肉和筋膜通常在回声分析中作为低回声的参照。然而，肌肉和筋膜的位置在很大程度上取决于图像捕捉的角度，其中筋膜作为皮肤和肌肉的混合物，通常出现在超声图像的顶部，同时肌肉在理想情况下也会出现在甲状腺腺体上方的两侧。
检测区域生成模块具体包括：在寻找此类参考时，本实施方式首先对超声图像I(详见图2，白色圈为医生标注的结节区域)进行二值化，并将扫描出的超声图像从黑色背景中分离出来，从而生成图像IB。然后使用一个100×100像素大小的矩形结构元素对图像IB进行形态学开放操作，以去除背景纹理和人为标注，从而生成一个新的二值化掩码图像，表示为IBM。接下来，通过第一边界框标记出图像IBM中多个的矩形连通域(即像素点的集合)，并取最大的矩形连通域作为最终的候选掩码图像IBU(详见图3)。与此同时，本实施方式通过第二边界框(即图4下方的用于框出结节的矩形框)标记出结节，根据标记出的结节的位置，在掩码图像IBU中、且在结节位置的上方生成检测区域(即图4上方的矩形框)，表示为IBF(详见图4)，用于最终对肌肉和筋膜进行分析。在甲状腺肌肉和筋膜检测模块中，假设XMF表示图像IBF中标记区域内的所有像素点坐标的集合，那么每个像素点(x,y)的肌肉和筋膜检测规则可用如下公式表示：
Figure BDA0003297589980000051
其中，Ix,y表示超声图像I中像素点(x,y)的亮度值，(j,k)表示XMF中的像素点。最终，所有标记为真(True)的像素点将被识别为肌肉或筋膜区域的一部分(详见图5)。
进一步地，当肌肉和筋膜区域被检测出来后，本实施方式计算该区域的亮度中值，并将亮度中值作为肌肉和筋膜的参考，即低回声的参照，表示为MFRef。
由此可见，本发明能够对甲状腺周围的肌肉和筋膜进行有效检测，方便医生更好更快更精确地对甲状腺结节的相关病理特征做出判断。

Claims (6)

1.一种基于甲状腺的肌肉和筋膜检测装置，其特征在于，包括：
图像获取模块：用于获取带有甲状腺结节的超声图像；
检测区域生成模块：用于基于所述超声图像生成检测区域；
甲状腺肌肉和筋膜检测模块：用于根据所述检测区域对甲状腺周围的肌肉和筋膜进行检测。
2.根据权利要求1所述的基于甲状腺的肌肉和筋膜检测装置，其特征在于，还包括超声图像预处理模块：用于通过不同窗口尺寸的自适应中值滤波器对所述超声图像进行滤波，用于去除超声图像中的斑点噪声；再通过拉普拉斯滤波器对去除斑点噪声后的超声图像进行滤波，用于对超声图像的对比度和边缘进行增强。
3.根据权利要求2所述的基于甲状腺的肌肉和筋膜检测装置，其特征在于，所述超声图像预处理模块中的自适应中值滤波器的窗口尺寸表达式为：
Figure FDA0003297589970000011
其中，
Figure FDA0003297589970000012
表示自适应中值滤波器的最大窗口尺寸，Dmin表示超声图像的最小尺寸；
当超声图像的最小尺寸Dmin≥250，则自适应中值滤波器的最大窗口尺寸
Figure FDA0003297589970000013
当超声图像的最小尺寸120≤Dmin＜250，则自适应中值滤波器的最大窗口尺寸
Figure FDA0003297589970000014
当超声图像的最小尺寸0＜Dmin＜120，则自适应中值滤波器的最大窗口尺寸
Figure FDA0003297589970000015
4.根据权利要求2所述的基于甲状腺的肌肉和筋膜检测装置，其特征在于，所述超声图像预处理模块中的拉普拉斯滤波器的表达式为：
Figure FDA0003297589970000016
其中，
Figure FDA0003297589970000017
表示信号i的重映函数，g表示信号i所在的高斯金字塔的系数，信号i表示图像的亮度信息，α用于控制细节平滑度，σ用于控制边缘的增强或衰减。
5.根据权利要求1所述的基于甲状腺的肌肉和筋膜检测装置，其特征在于，所述检测区域生成模块中的基于所述超声图像生成检测区域，包括：
对所述超声图像I进行二值化处理生成图像IB，再对所述图像IB进行形态学开放操作生成掩码图像IBM；
通过第一边界框标记出所述掩码图像IBM中最大的连通域，得到掩码图像IBU；
通过第二边界框标记出所述掩码图像IBU中结节的位置；
在掩码图像IBU中、且在结节位置的上方生成一图像IBF，并将所述图像IBF作为检测区域。
6.根据权利要求1所述的基于甲状腺的肌肉和筋膜检测装置，其特征在于，所述甲状腺肌肉和筋膜检测模块中的根据所述检测区域对甲状腺周围的肌肉和筋膜进行检测，公式为：
Figure FDA0003297589970000021
其中，Ix,y表示超声图像I中像素点(x,y)的亮度值，XMF表示检测区域内的所有像素点坐标的集合，(j,k)表示XMF中的像素点；
当像素点(x,y)检测结果为True时，则表明像素点(x,y)为肌肉或筋膜；当像素点(x,y)检测结果为False时，则表明像素点(x,y)不是肌肉或筋膜。
CN202111181874.8A 2021-10-11 2021-10-11 一种基于甲状腺的肌肉和筋膜检测装置 Pending CN113940704A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111181874.8A CN113940704A (zh) 2021-10-11 2021-10-11 一种基于甲状腺的肌肉和筋膜检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111181874.8A CN113940704A (zh) 2021-10-11 2021-10-11 一种基于甲状腺的肌肉和筋膜检测装置

Publications (1)

Publication Number Publication Date
CN113940704A true CN113940704A (zh) 2022-01-18

Family

ID=79329610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111181874.8A Pending CN113940704A (zh) 2021-10-11 2021-10-11 一种基于甲状腺的肌肉和筋膜检测装置

Country Status (1)

Country Link
CN (1) CN113940704A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023148715A1 (en) * 2022-02-02 2023-08-10 Mazor Robotics Ltd. Tissue pathway creation using ultrasonic sensors

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023148715A1 (en) * 2022-02-02 2023-08-10 Mazor Robotics Ltd. Tissue pathway creation using ultrasonic sensors

Similar Documents

Publication Publication Date Title
CN108665456B (zh) 基于人工智能的乳腺超声病灶区域实时标注的方法及***
CN107798679B (zh) 乳腺钼靶图像***区域分割与钙化点检测方法
Yang-Mao et al. Edge enhancement nucleus and cytoplast contour detector of cervical smear images
Tsai et al. Nucleus and cytoplast contour detector of cervical smear image
CN110772286B (zh) 一种基于超声造影识别肝脏局灶性病变的***
CN108186051B (zh) 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理***
Shareef Breast cancer detection based on watershed transformation
Beheshti et al. Classification of abnormalities in mammograms by new asymmetric fractal features
Sultana et al. Preliminary work on dermatoscopic lesion segmentation
Andrade-Miranda et al. An automatic method to detect and track the glottal gap from high speed videoendoscopic images
CN115546232A (zh) 一种肝脏超声图像工作区域提取方法、***及电子设备
CN114155202A (zh) 基于特征融合和迁移学习的甲状腺结节超声图像分类方法
CN112801031A (zh) 静脉图像识别方法、装置、电子设备及可读存储介质
Zebari et al. Suspicious region segmentation using deep features in breast cancer mammogram images
CN113940704A (zh) 一种基于甲状腺的肌肉和筋膜检测装置
Choudhary et al. Curvelet and fast marching method‐based technique for efficient artifact detection and removal in dermoscopic images
CN116523802B (zh) 一种用于肝脏超声图像的增强优化方法
CN113940702A (zh) 一种甲状腺结节回声分析装置
Oprisescu et al. Automatic pap smear nuclei detection using mean-shift and region growing
CN113689424B (zh) 可自动识别图像特征的超声检查***及识别方法
CN113940701A (zh) 一种基于甲状腺的气管和血管检测装置
Guo Computer-aided detection of breast cancer using ultrasound images
CN114155205A (zh) 一种乳腺结节边界清晰度判定装置
Tamiselvi Effective segmentation approaches for renal calculi segmentation
CN113940703A (zh) 一种甲状腺腺体检测装置

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
CB02 Change of applicant information

Address after: 201114 room 101-8, building 3, No. 2388, Chenhang Road, Minhang District, Shanghai

Applicant after: Shiwei Xinzhi medical technology (Shanghai) Co.,Ltd.

Address before: 1628 suzhao Road, Minhang District, Shanghai 201112

Applicant before: Shiwei Xinzhi medical technology (Shanghai) Co.,Ltd.

CB02 Change of applicant information