CN114881924A - 一种基于超声图像弹性信号的量化分析装置 - Google Patents
一种基于超声图像弹性信号的量化分析装置 Download PDFInfo
- Publication number
- CN114881924A CN114881924A CN202210323622.2A CN202210323622A CN114881924A CN 114881924 A CN114881924 A CN 114881924A CN 202210323622 A CN202210323622 A CN 202210323622A CN 114881924 A CN114881924 A CN 114881924A
- Authority
- CN
- China
- Prior art keywords
- elastic
- signal
- texture
- elasticity
- ultrasound image
- 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.)
- Granted
Links
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 15
- 238000002604 ultrasonography Methods 0.000 claims abstract description 36
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000006386 neutralization reaction Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 206010006187 Breast cancer Diseases 0.000 description 3
- 208000026310 Breast neoplasm Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003211 malignant effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 206010020718 hyperplasia Diseases 0.000 description 1
- 230000002390 hyperplastic effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种基于超声图像弹性信号的量化分析装置,包括:图像获取模块:用于获取带有结节的超声图像;弹性信号获取模块:用于根据所述超声图像获取弹性信号;信号纯度分析模块:用于通过彩色饱和度分析法计算弹性信号的色彩饱和度。本发明能够有效对弹性超声图像中的弹性信息进行量化分析。
Description
技术领域
本发明涉及医学图像处理技术领域,特别是涉及一种基于超声图像弹性信号的量化分析装置。
背景技术
如今,随着对快速准确诊断需求的日益增长,以及临床人员的短缺,计算机分析方法已经越来越多的被应用于辅助常规临床诊断,并显示出良好的效果。以乳腺癌为例,作为全球女性第二大致命癌症,乳腺癌的死亡率高达15%。对于乳腺癌的及时诊断对于提高女性预期寿命至关重要。而超声成像作为一种无创、无辐射、低成本的肿瘤诊断技术,可以很好的辅助临床医师对癌症良恶征象进行判断。然而,由于超声图像质量较低,在超声图像中对肿瘤结节进行分析是一项具有挑战性的任务,且极易受到医师主观因素的影响,造成误诊。作为潜在解决方案之一,借由相应的计算机分析方法可以很好的对不同病理部位的结节进行定量、准确的分析,以辅助临床医生做出更为准确的判断并减少误诊。
作为诊断各类癌症的重要依据,对超声图像中质地征象的分析在临床诊察中有着至关重要的作用。质地坚硬的结节较容易对周边的正常组织产生侵害,显示出更强的恶性特征;反之,质地柔软的结节较不容易对周边的正常组织产生侵害,显示出更强的良性特征。但遗憾的是,由于自身成像原理的限制以及周遭增生组织与各类噪声的影响,常规超声手段对于结节质地的分析较为困难,极易导致误诊。弹性超声作为一种新颖的超声成像技术,通过对采集到的原始超声信号进行处理,能够将扫查部位的软硬程度以彩色的形式表现在超声图像上,弥补了传统常规超声对组织质地显示效果不佳的缺陷。然而,受目前技术所限,常规诊察方法对弹性超声图像中的质地信息只能进行主观或半主观的分析,限制了弹性超声技术更广泛的应用。
发明内容
本发明所要解决的技术问题是提供一种基于超声图像弹性信号的量化分析装置,能够有效对弹性超声图像中的弹性信息进行量化分析。
本发明解决其技术问题所采用的技术方案是:提供一种基于超声图像弹性信号的量化分析装置,包括:
图像获取模块:用于获取带有结节的超声图像;
弹性信号获取模块:用于根据所述超声图像获取弹性信号;
信号纯度分析模块:用于通过彩色饱和度分析法计算弹性信号的色彩饱和度。
所述信号纯度分析模块通过计算弹性信号的色彩饱和度,其中,se(x,y)表示弹性信号的色彩饱和度且se∈[0,1],max()表示取最大值,min()表示取最小值,Rx,y表示像素(x,y)在红色通道的亮度值,Gx,y表示像素(x,y)在绿色通道的亮度值,Bx,y表示像素(x,y)在蓝色通道的亮度值。
还包括第一判断模块:当所述弹性信号的色彩饱和度se大于预设饱和度阈值时,则表明弹性信号明亮;所述弹性信号的色彩饱和度se小于预设饱和度阈值时,则表明弹性信号模糊。
还包括:
弹性信号质地分类模块:用于对弹性信号的质地进行分类,所述弹性信号的质地包括软、硬和适中三种类型;
弹性信号测度模块:用于根据弹性信号的质地分类以及弹性信号的色彩饱和度se(x,y)计算弹性信息测度值。
所述弹性信号测度模块通过计算弹性信息测度值,其中,Se(x,y)为弹性信息测度值,se(x,y)表示弹性信号的色彩饱和度,为弹性加权常数且 为弹性加权系数且ωe为弹性信号的质地分类,soft表示质地为软,medium表示质地适中,hard表示质地为硬;λ为正负运算系数且λ=+1或-1。
还包括第二判断模块:当所述弹性信息测度值Se(x,y)大于第一质地阈值,则表明超声图像在像素(x,y)处的质地为硬;所述弹性信息测度值Se(x,y)小于第二质地阈值,则表明超声图像在像素(x,y)处的质地为软;所述弹性信息测度值Se(x,y)位于第一质地阈值和第二质地阈值之间,则表明超声图像在像素(x,y)处的质地适中。
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:本发明可以有效对弹性超声图像中的弹性信息进行量化,弥补了肉眼分析精准度不足且缺乏一致性的短板,大大提升了超声医师的阅片效率并增加了诊断准确度,极大的辅助了超声医师的日常工作。
附图说明
图1是本发明实施方式的流程图;
图2是本发明实施方式中弹性信号的色彩饱和度的提取结果示意图;
图3是本发明实施方式中弹性信息测度值的提取结果示意图。
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超声图像弹性信号的量化分析装置,请参阅图1,包括:
图像获取模块:用于获取带有结节的超声图像;
弹性信号获取模块:用于根据所述超声图像获取弹性信号;
信号纯度分析模块:用于通过彩色饱和度分析法计算弹性信号的色彩饱和度;
弹性信号质地分类模块:用于对弹性信号的质地进行分类,所述弹性信号的质地包括软、硬和适中三种类型;
弹性信号测度模块:用于根据弹性信号的质地分类以及弹性信号的色彩饱和度计算弹性信息测度值。
以下对本实施方式进行详细说明:
超声医师通过阅读弹性超声图像可以将扫查部位进行粗浅的分类。但是,当弹性超声图像呈色杂乱且不突出时,基于肉眼的判断往往难以做到对弹性信息的精确判读,故此,需要对常规弹性信息更精确的计量。
进一步地,弹性信号获取模块包括:
检测单元:用于通过基于RGB通道的阈值判断法来提取所述超声图像中的彩色区域Ic,并以八邻域为半径对所述彩色区域Ic中的彩色像素进行检索,得到若干独立的连通域,选取所有连通域中面积最大的连通域,并对所述面积最大的连通域的最小边界框进行拟合,得到弹性信号区域Ie;
提取单元:用于通过RGB颜色通道亮度比较来提取所述弹性信号区域Ie中的弹性信号。
进一步地,检测单元中阈值判断法的公式为:
其中,Coloured(x,y)为超声在像素(x,y)处的识别结果,true表示识别结果为彩色,false表示识别结果为黑白,G(x,y)为像素(x,y)在超声图像绿色通道上的亮度值,R(x,y)为像素(x,y)在超声图像红色通道上的亮度值,B(x,y)为像素(x,y)在超声图像蓝色通道上的亮度值,thr为预设阈值。
进一步地,所述提取单元通过来提取所述弹性信号区域Ie中的弹性信号,其中,CheckInfo(x,y)为弹性超声图像在像素(x,y)处的弹性信号提取结果,且像素(x,y)位于弹性信号区域Ie内,De表示通道判断决策方程,c(x,y)表示弹性信号区域Ie在通道c中(x,y)像素处的亮度值,(C\c)(x,y)表示弹性信号区域Ie除通道c外的另两个通道中(x,y)像素处的亮度值的集合,Lc为弹性转换系数;当使用蓝色标示软性质地,红色标示硬性质地时,{LR=250,LG=150,LB=50};当使用红色标示软性质地,蓝色标示硬性质地时,{LR=50,LG=150,LB=250}。
本实施方式将得到提取出的弹性信息分类图像,该图像可以很好的标示出结节内的弹性信息。并且,本实施方式还计量了各类弹性信号在结节区域中所占的比值,共分三类,分别为hard(硬)、soft(软)、medium(适中)。若以ωe∈{soft,medium,hard}表示所求类别,则计算公式具体可表示为:
其中,Xe表示弹性信号区域Ie内标示出的所有像素点的集合,XROI表示结节区域内所有像素点的集合,中的1*为指示函数,当弹性信号提取方程CheckInfo(x,y)的返回值属于时则返回1,否则返回0;中的1*为指示函数,当像素(x,y)在XROI所标示出的区域内时则返回1,否则返回0,为关于所求弹性类别的查找值,并依据弹性转换系数Lc定义为{tsoft=50,tmedium=150,thard=250}。使用该计量方法测得的硬性质地占比越高,则提示结节区域内越多的硬性成分,反之测得的软性质地占比越高,则提示结节区域内越多的软性成分。
在使用弹性超声的诊察中,超声医师常常使用颜色变化作为观察依据判断扫查部位的质地。但是由于人眼对各类色彩敏感性的不足与差异,很难对于各类颜色及其变化做到准确且一致的判读,进而造成误诊率的提高。故此,本实施方式基于色彩饱和度分析的原理对弹性超声图像进行分析,以准确评估弹性超声内各类信号的纯度,进而做到对弹性信息的量化分析。在信号纯度分析模块中,具体利用了每个像素在RGB色彩空间的特性进行对比,若以Rx,y、Gx,y和Bx,y分别指代目标像素(x,y)位置上红、绿和蓝色通道内的亮度值,则弹性信号的色彩饱和度se的计算过程可用公式具体表达为:
其中,max()表示取最大值,min()表示取最小值,se∈[0,1]。本实施方式还包括第一判断模块:当所述弹性信号的色彩饱和度se大于预设饱和度阈值时,则表明弹性信号明亮(纯粹);所述弹性信号的色彩饱和度se小于预设饱和度阈值时,则表明弹性信号模糊(不纯粹)。
请参阅图2,(a)表示带有弹性信号的乳腺超声图像,白色方框为弹性信号区域;(b)为弹性信号区域内弹性彩色饱和度的计算结果可视图,不难发现,色彩饱和度越高对应像素的色彩便越纯净。
进一步地,在弹性信号测度模块中,弹性信息测度值的具体计算公式为:
其中,soft表示质地为软,medium表示质地适中,hard表示质地为硬,λ为正负运算系数,当弹性信号的质地分类ωe为适中(medium)时,若(x,y)处硬性质地的弹性信号读数大于软性质地的弹性信号读数时,则λ=+1;若(x,y)处硬性质地的弹性信号读数小于软性质地的弹性信号读数时,则λ=-1。此处需要理解的是每个像素(x,y)都有三个通道的读数,当质地ωe为适中(medium)时,还需要重新比较soft和hard对应通道的读数,进而确定λ的赋值。
本实施方式还包括第二判断模块:弹性信息测度值Se(x,y)介于0与1之间,当所述弹性信息测度值Se(x,y)大于第一质地阈值,则表明超声图像在像素(x,y)处的质地为硬;所述弹性信息测度值Se(x,y)小于第二质地阈值,则表明超声图像在像素(x,y)处的质地为软;所述弹性信息测度值Se(x,y)位于第一质地阈值和第二质地阈值之间,则表明超声图像在像素(x,y)处的质地适中。
请参阅图3,(a)带有弹性信号的乳腺超声图像,白色方框为弹性信号区域;(b)为提取出的弹性信息测度值,不难发现,弹性信息测度值越高对应像素便越亮。
至此,本发明可以有效对弹性超声图像中的弹性信息进行量化,弥补了肉眼分析精准度不足且缺乏一致性的短板,大大提升了超声医师的阅片效率并增加了诊断准确度,极大的辅助了超声医师的日常工作。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (6)
1.一种基于超声图像弹性信号的量化分析装置,其特征在于,包括:
图像获取模块:用于获取带有结节的超声图像;
弹性信号获取模块:用于根据所述超声图像获取弹性信号;
信号纯度分析模块:用于通过彩色饱和度分析法计算弹性信号的色彩饱和度。
3.根据权利要求1所述的基于超声图像弹性信号的量化分析装置,其特征在于,还包括第一判断模块:当所述弹性信号的色彩饱和度se大于预设饱和度阈值时,则表明弹性信号明亮;所述弹性信号的色彩饱和度se小于预设饱和度阈值时,则表明弹性信号模糊。
4.根据权利要求1所述的基于超声图像弹性信号的量化分析装置,其特征在于,还包括:
弹性信号质地分类模块:用于对弹性信号的质地进行分类,所述弹性信号的质地包括软、硬和适中三种类型;
弹性信号测度模块:用于根据弹性信号的质地分类以及弹性信号的色彩饱和度se(x,y)计算弹性信息测度值。
6.根据权利要求5所述的基于超声图像弹性信号的量化分析装置,其特征在于,还包括第二判断模块:当所述弹性信息测度值Se(x,y)大于第一质地阈值,则表明超声图像在像素(x,y)处的质地为硬;所述弹性信息测度值Se(x,y)小于第二质地阈值,则表明超声图像在像素(x,y)处的质地为软;所述弹性信息测度值Se(x,y)位于第一质地阈值和第二质地阈值之间,则表明超声图像在像素(x,y)处的质地适中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210323622.2A CN114881924B (zh) | 2022-03-30 | 2022-03-30 | 一种基于超声图像弹性信号的量化分析装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210323622.2A CN114881924B (zh) | 2022-03-30 | 2022-03-30 | 一种基于超声图像弹性信号的量化分析装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114881924A true CN114881924A (zh) | 2022-08-09 |
CN114881924B CN114881924B (zh) | 2024-07-23 |
Family
ID=82669390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210323622.2A Active CN114881924B (zh) | 2022-03-30 | 2022-03-30 | 一种基于超声图像弹性信号的量化分析装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114881924B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090299182A1 (en) * | 2005-05-27 | 2009-12-03 | Katsunori Asafusa | Ultrasonic diagnostic apparatus and ultrasonic image display method |
CN103845081A (zh) * | 2012-11-28 | 2014-06-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像***和方法、实时动态帧间处理方法 |
US20150148674A1 (en) * | 2013-11-28 | 2015-05-28 | Samsung Electronics Co., Ltd. | Method and ultrasound apparatus for providing ultrasound elastography image |
CN105654490A (zh) * | 2015-12-31 | 2016-06-08 | 中国科学院深圳先进技术研究院 | 一种基于超声弹性图像的病变区域提取方法及装置 |
US20180027148A1 (en) * | 2014-07-16 | 2018-01-25 | Barco Nv | Image colour calibration with multiple colour scales |
JP2018152733A (ja) * | 2017-03-13 | 2018-09-27 | 富士通株式会社 | 解析プログラム、解析方法および解析装置 |
US20190282210A1 (en) * | 2016-12-19 | 2019-09-19 | Olympus Corporation | Ultrasound observation device, and method for operating ultrasound observation device |
CN112998748A (zh) * | 2019-12-19 | 2021-06-22 | 通用电气精准医疗有限责任公司 | 用于超声弹性成像的应变自动测量和应变比计算的方法和*** |
-
2022
- 2022-03-30 CN CN202210323622.2A patent/CN114881924B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090299182A1 (en) * | 2005-05-27 | 2009-12-03 | Katsunori Asafusa | Ultrasonic diagnostic apparatus and ultrasonic image display method |
CN103845081A (zh) * | 2012-11-28 | 2014-06-11 | 深圳迈瑞生物医疗电子股份有限公司 | 超声弹性成像***和方法、实时动态帧间处理方法 |
US20150148674A1 (en) * | 2013-11-28 | 2015-05-28 | Samsung Electronics Co., Ltd. | Method and ultrasound apparatus for providing ultrasound elastography image |
US20180027148A1 (en) * | 2014-07-16 | 2018-01-25 | Barco Nv | Image colour calibration with multiple colour scales |
CN105654490A (zh) * | 2015-12-31 | 2016-06-08 | 中国科学院深圳先进技术研究院 | 一种基于超声弹性图像的病变区域提取方法及装置 |
US20190282210A1 (en) * | 2016-12-19 | 2019-09-19 | Olympus Corporation | Ultrasound observation device, and method for operating ultrasound observation device |
JP2018152733A (ja) * | 2017-03-13 | 2018-09-27 | 富士通株式会社 | 解析プログラム、解析方法および解析装置 |
CN112998748A (zh) * | 2019-12-19 | 2021-06-22 | 通用电气精准医疗有限责任公司 | 用于超声弹性成像的应变自动测量和应变比计算的方法和*** |
US20210192718A1 (en) * | 2019-12-19 | 2021-06-24 | GE Precision Healthcare LLC | Methods and systems for automatic measurement of strains and strain-ratio calculation for sonoelastography |
Non-Patent Citations (2)
Title |
---|
RUSSELL S. WITTE等: "Frontiers of cancer imaging and guided therapy using ultrasound, light, and microwaves", CLIN EXP METASTASIS, 4 August 2018 (2018-08-04), pages 413, XP036621445, DOI: 10.1007/s10585-018-9923-9 * |
金亚;彭玉兰;赵海娜;史岩;何玉霜;: "正常成人腮腺和颌下腺实时剪切波弹性成像的初步研究", 华西医学, no. 04, 30 April 2015 (2015-04-30), pages 99 - 102 * |
Also Published As
Publication number | Publication date |
---|---|
CN114881924B (zh) | 2024-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8131054B2 (en) | Computerized image analysis for acetic acid induced cervical intraepithelial neoplasia | |
CN110097034B (zh) | 一种智能人脸健康程度的识别与评估方法 | |
US8503747B2 (en) | Image analysis for cervical neoplasia detection and diagnosis | |
US8472682B2 (en) | Medical image processing | |
CN113450327B (zh) | 一种甲状腺结节的血管分布信息识别装置 | |
Yuan et al. | Automatic bleeding frame detection in the wireless capsule endoscopy images | |
CN112071418B (zh) | 基于增强ct影像组学的胃癌腹膜转移的预测***及方法 | |
CN111428066B (zh) | 一种基于卷积神经网络的病变图像的分类和分割方法 | |
CN113080862A (zh) | 一种基于舌象偏振光成像技术的中医诊断***及方法 | |
Li et al. | Automated image analysis of uterine cervical images | |
CN114881924B (zh) | 一种基于超声图像弹性信号的量化分析装置 | |
US20240065540A1 (en) | Apparatus and method for detecting cervical cancer | |
CN114926389B (zh) | 一种超声图像的弹性信号提取装置 | |
CN114881925B (zh) | 一种基于弹性超声图像的结节良恶性判定装置 | |
CN114881922A (zh) | 一种基于超声图像的弹性信号钙化分析装置 | |
TW202335621A (zh) | 基於語義分割於影像辨識之方法 | |
CN114881923A (zh) | 一种基于超声图像弹性信号的结节回声分析装置 | |
Wang et al. | Three feature streams based on a convolutional neural network for early esophageal cancer identification | |
Lo et al. | Automatic tongue diagnosis system | |
CN114022431A (zh) | 一种乳腺结节凹凸度测量装置 | |
CN118212235B (zh) | 一种胶囊内窥镜图像筛选方法及*** | |
CN114022429A (zh) | 一种乳腺结节分叶征检测装置 | |
CN114155204A (zh) | 一种乳腺结节边界锐利度判定装置 | |
CN114494309A (zh) | 一种甲状腺结节钙化信息分析装置 | |
CN114494308A (zh) | 一种甲状腺结节恶性程度判断装置 |
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 | ||
GR01 | Patent grant |