一种基于辐射量探测的医学荧光影像质控方法及系统
文献发布时间:2024-04-18 19:58:30
技术领域
本发明涉及医学荧光影像质量评估与控制领域,提供一种基于辐射量探测的医学荧光影像质控方法及系统。
背景技术
随着放射技术的发展,医疗诊断X射线机已经广泛应用于各大中小型医院,在医疗领域发挥着重要作用,为医疗人员对疾病的判断和对病患的救治提供高效且精确的科学依据,是一种重要的临床诊断手段。然而X射线的辐射对人体健康有损伤,射线释放的辐射量越多,致癌的危险性越大。同时,X射线会破坏细胞内部结构,对遗传分子产生难以修复的终身性破坏。过量辐射会对病患和其他工作人员造成危害;辐射过低,则医学诊断荧光影像质量会受到影响。因此对X射线设备在工作状态下释放的辐射量的探测,寻找最优辐射量,是控制医学诊断荧光影像质量非常重要的一步。
在现有已公开的发明技术中,如申请公开号为CN116092642A的专利公开了一种医学荧光影像质量控制系统,划分医学荧光影像质量识别单元,划分医学荧光影像评分标准进行医学荧光影像质量评分。
又如申请公开号为CN107887002A公开了医学荧光影像诊断质量管理系统,采用信息采集模块、统计分析模块和结果输出模块三个模块对医学荧光影像数据进行采集分析。
以上专利均未考虑到影响医学荧光影像质量的因素除了人员操作因素、影像传输质量和安全质量,还有X射线设备释放的辐射量大小的因素。且据研究调查可知,X射线设备所释放的辐射量是可控可调的,因此通过探测X射线释放的辐射量,确定并控制X射线设备处在最佳辐射量,实现医学荧光影像的质量控制是可行的。
发明内容
本发明所要解决的技术问题是针对现有技术中,对医学荧光影像的质量控制方法未考虑到影响医学荧光影像质量的因素除了人员操作因素、影像传输质量和安全质量,还有X射线设备泄露辐射量大小的因素,提供了一种基于辐射量探测的医学荧光影像质控方法及系统。
为了达到上述目的,本发明一种基于辐射量探测的医学荧光影像质控系统技术方案如下:
包括辐射量探测模块、辐射量求差模块、数据收集与存储模块、医学荧光影像质量的评估与分析模块、数据映射与调取模块、数据优化范围选取模块、最优值计算模块;
所述辐射量探测模块用于探测没有病患时X射线设备正常工作的X射线释放的辐射量以及有病患时X射线设备正常工作的X射线释放的辐射量;
所述辐射量求差模块用于获取W个病患吸收的辐射量;
所述数据收集与存储模块用于记录与存储数据和医学荧光影像;
所述医学荧光影像质量的评估与分析模块用于根据所述医学荧光影像的评分项,医生对医学荧光影像的质量进行分析评估,获得医学荧光影像总评分;
所述数据映射与调取模块用于:将探测的X射线释放的辐射量与医学荧光影像相对应,并返回调取探测的X射线释放的辐射量;
所述数据优化范围选取模块用于将W个病患的吸收的辐射量以及医学荧光影像的总评分一一对应构成W个病患的评估点集,根据病患吸收的辐射量,获得W个病患的评估点集的优化范围;
所述最优值计算模块用于根据所构的W个病患的评估点集,得出X射线释放的辐射量的最佳值。
具体的,所述辐射量探测模块包括如下两个模块:
设备辐射量探测模块在探测没有病患时,X射线设备正常工作时的X射线释放的辐射量α;
人体辐射量探测模块用于探测有病患时,X射线设备正常工作时的X射线释放的辐射量β。
具体的,所述辐射量求差模块还包括病患吸收的辐射量γ的计算策略,公式如下:
γ=α-β;
具体的,所述记录与存储的数据包括:所述设备辐射量探测模块探测到的辐射量α数据、人体辐射量探测模块探测到的辐射量β数据以及病患吸收的辐射量γ数据。
具体的,所述医学荧光影像质量的评估与分析模块所包含的评估指标,包括如下评分项,将医学荧光影像均分为9个方形区域并由医生做出评分:
a将被检器官或结构可被观察到的程度记作评分为a;
b.将影像中被检区域的放大倍率记作评分为b;
c.将影像的被检区域的图层密度记作评分为c;
d.将影像出现了模糊阴影、失真变形记作评分为d;
e.将影像各人体结构之间层次分明且组织界限清晰记作评分为e;
f.将影像的结构满足医生必要的诊断需求记作评分为f。
具体的,所述医学荧光影像质量的评估与分析模块还包括医学荧光影像的总评分m的计算策略,公式如下:
m=a+b+c+d+e+f,(0≤m≤30)。
具体的,所述数据映射与调取模块映射与调取的数据包括:
W个病患吸收的辐射量{γ
第i个病患吸收的辐射量γ
医学荧光影像的总评分{m
另外,本发明一种基于辐射量探测的医学荧光影像质控方法的具体技术方案如下:
S1:探测没有病患时,X射线设备正常工作时的X射线释放的辐射量以及有病患时,X射线设备正常工作时的X射线释放的辐射量;
S2:根据S1,计算出W个病患吸收的辐射量;
S3:根据医学荧光影像的评分项,医生将医学荧光影像划分为9个方形区域并对医学荧光影像的质量进行分析评估,获得医学荧光影像总评分;
S4:根据数据的映射与调取,获得W个病患吸收的辐射量以及医学荧光影像的总评分;
S5:将W个病患吸收的辐射量以及医学荧光影像的总评分一一对应构成W个病患的评估点集,根据病患吸收的辐射量,获得W个病患的评估点集的优化范围;
S6:根据W个病患的评估点集,得出X射线设备正常工作时的X射线释放的辐射量的最佳值。
具体的,数据优化范围的选取包括如下具体步骤:
T1:将W个病患吸收的辐射量γ以从小到大的顺序排列:
{γ
T2:提取与病患吸收的辐射量γ一一对应的医学荧光影像的总评分m,构成W个病患的评估点集:
{(γ
点(γ
T3:设定一个数组arr,其中:
arr=[(γ
T4:将排列好的数组arr输入程序,用来截取数组arr20%到60%的区域,记为[(γ
具体的,所述最优值的计算包括如下具体计算步骤:
A1:将人体病患模型的吸收的辐射量γ以及医学荧光影像的总评分m分别作为一个二维平面坐标系的x轴和y轴,构造一个离散的二维平面点集:
{(γ
点(γ
A2:根据W个病患的评估点集的优化范围[(γ
A3:设θ为病患吸收的辐射量γ以及医学荧光影像的总评分m的差值,其计算策略为:
θ=m-γ;
A4:计算出落在W个病患的评估点集的优化范围[(γ
A5:当X=1时,所求X射线释放的辐射量的最佳工作值即为最大值点对应的病患吸收的辐射量γ;
A6:当X>1时,取医学荧光影像的总评分m最大的点对应的病患吸收的辐射量γ,即为所求X射线释放的辐射量的最佳工作值。
与现有技术相比,本发明的技术效果如下:
1)本发明综合分析没有病患时,X射线设备正常工作时的X射线释放的辐射量以及有病患时,X射线设备正常工作时的X射线释放的辐射量;对不同的两种探测情况加以判断,采用差值法计算病患吸收的辐射量,减少了因不同病患对X射线吸收度不同而产生的探测误差,提高了系统运行的准确率。
2)本发明针对病患吸收的辐射量和医学荧光影像评分构成的评估点的选取,构建了离散的二维平面点集模型,将最优点的选取转化为数学问题,使得本发明的使用范围更广,实用性及操作性大大增强。
3)本发明采用数据优化范围选取模块,先截取一段数据,筛选掉辐射量过大以及总评分过低的极端点,再根据所需进行最优工作点的选取,有效的避免了因为采集数据量过大导致人力物力的消耗,提高了系统运行的效率。
4)本发明经过辐射量的探测、辐射量求差、医学荧光影像质量的评估与分析、数据优化范围选取以及最优值的计算的步骤,从采集到的辐射量数据中寻找最优点,将X射线释放的辐射量与医学荧光影像报告质量相关联,实现了,在保证医学荧光影像质量的情况下,将辐射量降到最低的目的,最大程度上的保证了医学荧光影像的质量和病患的人生健康。
附图说明
通过阅读参照以下附图所作的对非限制性实施例的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明实施例的一种基于辐射量探测的医学荧光影像质控系统的结构示意图;
图2为本发明实施例的一种基于辐射量探测的医学荧光影像质控方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图中示出的具体实施例来描述本发明。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
实施例1
如图1所示,本发明实施例的一种基于辐射量探测的医学荧光影像质控系统,包括如下模块:
辐射量探测模块、辐射量求差模块、数据收集与存储模块、医学荧光影像质量的评估与分析模块、数据优化范围选取模块、数据映射与调取模块、最优值计算模块;以W=1000个病患做一次头部CT为例,如下以5个病人的测量数据为例,其具体步骤如下:
1)辐射量探测模块用于:探测没有病患时X射线设备正常工作的X射线释放的辐射量以及有病患时X射线设备正常工作的X射线释放的辐射量具体方法如下:
步骤一:X射线射入辐射探测器内的量子点层,并与量子点发生作用。
步骤二:量子点吸收带电粒子能量使原子、分子电离和激发;受激原子、分子退激时发射荧光光子。
步骤三:利用反射物和光导将荧光光子收集到光电倍增管的光阴极上,借助光电效应,光子在光阴极上激发出光电子。
步骤四:光电子在光电倍增管中倍增,信号得到增强,收集并分析电信号即可测得X射线的辐射量。
101、当没有病患时,让X射线设备正常工作,测得X射线释放的辐射量:
α
102、当有5个病患时,让X射线设备正常工作,测得X射线释放的辐射量:
β
103、当W=1000时,每个病患对应的X射线释放的辐射量的计算策略如上。
2)辐射量求差模块:根据没有病患时X射线设备正常工作的X射线释放的辐射量α以及有病患时X射线设备正常工作的X射线释放的辐射量γ求差值,获取这5个病患吸收的辐射量具体方法如下:
γ=α-β,
当W=1000时,每个病患吸收的辐射量的计算策略如上。
3)数据收集与存储模块:用于收集与存储W=1000个病患做一次头部CT时,病患吸收的辐射量γ;
4)医学荧光影像质量的评估与分析模块:医学荧光影像质量的评估与分析模块所包含的评估指标包括如下评分项(将医学荧光影像均分为9个方形区域并由医生做出评分):
a.将被检器官或结构可被观察到的程度记作评分为a:
9个方形区域均未观察到被检器官或结构,0分;可观察到被检器官或结构的方形区域≧6个,3分;9个方形区域的被检器官或结构均可被观察到,5分。
b.将影像中被检区域的放大倍率记作评分为b:
被检区域中9个方形区域均放大倍率小于x倍或大于y倍,0分;被检区域中超过放大倍率大于x倍且小于y倍的方形区域≧6个,但放大倍率小于x倍或大于y倍的方形区域≦3个,3分;被检区域中9个方形区域的放大倍率均大于x倍且小于y倍,5分。
c.将影像的被检区域的图层密度记作评分为c;
影像的被检区域中9个方形区域均为白影或黑影,0分;影像的被检区域中具有明显的黑白影对比,层次差异的方形区域≧6个,且均为黑影或者白影的方形区域≦3个,3分;影像中9个方形区域均具有明显的黑白影对比,层次差异,5分。
d.将影像出现了模糊阴影、失真变形记作评分为d:
影像完全失真变形0分;影像中图像清晰无阴影且未失真变形的方形区域≧6个,且出现影像失真变形的方形区域≦3个,3分;影像中9个方形区域均未发现阴影且无失真变形,5分。
e.将影像各人体结构之间层次分明且组织界限清晰记作评分项e:
影像中9个方形区域均不能观察到清晰的各人体结构之间的组织界限0分;影像中能观察到清晰的各人体结构之间组织界限的方形区域≧6个,且各人体结构之间组织界限模糊的方形区域≦3个,3分;整个影像中9个方形区域中各人体结构之间组织界限分明5分。
f.将影像的结构能满足医生必要的诊断需求记作评分项f:
影像为医生提供的诊断依据无效0分;影像为医生提供的诊断依据有效5分。
如第一个病患做一次头部CT所得的医学荧光影像,将其划分为9个方形区域,交由看诊医生对医学荧光影像进行分析评估并给出医学荧光影像的总评分,具体步骤如下:
评分项a:可观察到被检器官或结构的方形区域共7个,得3分;
评分项b:被检区域中超过放大倍率大于40倍且小于100倍的方形区域8个,但放大倍率小于40倍或大于100倍的方形区域1个,得3分;
评分项c:影像中9个方形区域均具有明显的黑白影对比,层次差异,得5分;
评分项d:影像中9个方形区域均未发现阴影且无失真变形,得5分;
评分项e:影像中能观察到清晰的各人体结构之间组织界限的方形区域6个,且各人体结构之间组织界限模糊的方形区域3个,得3分;
评分项f:影像为医生提供的诊断依据有效,得5分;
根据上述评分项,该病患做一次头部CT的医学荧光影像的总评分:
m
根据上述步骤,剩余4个病患做一次头部CT的医学荧光影像总评分分别为:
当W=1000时,每个病患吸收的辐射量的计算策略如上。
5)数据映射与调取模块中映射与调取的数据包括:
提取W个病患吸收的辐射量{γ
γ
医学荧光影像的总评分{m
获得5个病患吸收的辐射量:
{1.6,1.8,2.4,1.7,1.3};
获得5个病患医学荧光影像的总评分:
{24,22,26,26,26};
6)数据优化范围选取模块:具体步骤如下:
T1:将W个病患的吸收的辐射量γ以从小到大的顺序排列:
{γ
其中,γ
获得5个病患吸收的辐射量:
{1.3,1.6,1.7,1.8,2.4};
T2:提取与病患吸收的辐射量γ一一对应的医学荧光影像的总评分m,构成W个病患的评估点集;
{γ
其中,γ
获得5个病患的评估点集:
{(1.3,26),(1.6,24),(1.7,26),(1.8,22),(2.4,26)};
T3:将排列好的数组arr输入如下程序代码,用来截取数组arr20%到60%的区域,记为[(γ
7)最优值计算模块:具体步骤如下:
A1:将人体病患模型的吸收的辐射量γ以及医学荧光影像的总评分m分别作为一个二维平面坐标系的x轴和y轴,构造一个离散的二维平面点集:
{(γ
点(γ
A2:根据W个病患的评估点集的优化范围[(γ
A3:设θ为病患吸收的辐射量γ以及医学荧光影像的总评分m的差值,其计算策略为:
θ=m-γ;
A4:计算出落在W个病患的评估点集的优化范围[(γ
获得5个病患吸收的辐射量γ以及医学荧光影像的总评分m的差值θ{24.7,22.4,24.3,20.2,23.6},其中X=1
所求X射线释放的辐射量的最佳工作值即为θ=24.7时,γ=1.3mSv。
实施例二:
下面通过另外一个实施例,对本发明的另一种情况进行说明:如图2所示,本发明实施例的一种基于辐射量探测的医学荧光影像质控方法,其具体实施步骤如下:
S1:探测没有病患时,X射线设备正常工作时的X射线释放的辐射量以及有病患时,X射线设备正常工作时的X射线释放的辐射量:
其中辐射量探测模块用于:具体步骤如下:
步骤一:X射线射入辐射探测器内的量子点层,并与量子点发生作用。
步骤二:量子点吸收带电粒子能量使原子,分子电离和激发;受激原子、分子退激时发射荧光光子
步骤三:利用反射物和光导将荧光光子收集到光电倍增管的光阴极上,借助光电效应,光子在光阴极上激发出光电子
步骤四:光电子在光电倍增管中倍增,信号得到增强,收集并分析电信号即可测得X射线的辐射量。
101、当没有病患时,让X射线设备正常工作,测得X射线释放的辐射量如下:
α
α
102、当有8个病患时,让X射线设备正常工作,测得X射线释放的辐射量如下:
103、当W=1000时,每个病患对应的X射线释放的辐射量的计算策略同上。
S2:根据S1,计算出W个病患吸收的辐射量;
其中数据收集与存储模块:具体步骤如下:
用于收集与存储W=1000个病患做一次头部CT时,病患吸收的辐射量γ;
S3:根据医学荧光影像的评分项,医生将医学荧光影像均分为9个方形区域并对医学荧光影像的质量进行分析评估,获得医学荧光影像总评分;
其中医学荧光影像质量的评估与分析模块:具体步骤如下:
医学荧光影像质量的评估与分析模块所包含的评估指标包括如下医学荧光影像的评分项:
a.将被检器官或结构可被观察到的程度记作评分为a;
(9个方形区域均未观察到被检器官或结构,0分;可观察到被检器官或结构的方形区域≧6个,3分;9个方形区域的被检器官或结构均可被观察到,5分)
b.将影像中被检区域的放大倍率记作评分为b;
(被检区域中9个方形区域均放大倍率小于x倍或大于y倍,0分;被检区域中超过放大倍率大于x倍且小于y倍的方形区域≧6个,但放大倍率小于x倍或大于y倍的方形区域≦3个,3分;被检区域中9个方形区域的放大倍率均大于x倍且小于y倍,5分)
c.将影像的被检区域的图层密度记作评分为c;
(影像的被检区域中9个方形区域均为白影或黑影,0分;影像的被检区域中具有明显的黑白影对比,层次差异的方形区域≧6个,且均为黑影或者白影的方形区域≦3个,3分;影像中9个方形区域均具有明显的黑白影对比,层次差异,5分)
d.将影像出现了模糊阴影、失真变形记作评分为d;
(影像完全失真变形0分;影像中图像清晰无阴影且未失真变形的方形区域≧6个,且出现影像失真变形的方形区域≦3个,3分;影像中9个方形区域均未发现阴影且无失真变形,5分)
e.将影像各人体结构之间层次分明且组织界限清晰记作评分为e;
(影像中9个方形区域均不能观察到清晰的各人体结构之间的组织界限0分;影像中能观察到清晰的各人体结构之间组织界限的方形区域≧6个,且各人体结构之间组织界限模糊的方形区域≦3个,3分;整个影像中9个方形区域中各人体结构之间组织界限分明5分)
f.将影像的结构能满足医生必要的诊断需求记作评分为f。
(影像为医生提供的诊断依据无效0分;影像为医生提供的诊断依据有效5分)
如第一个病患做一次头部CT所得的医学荧光影像,将其划分为9个方形区域,交由看诊医生对医学荧光影像进行分析评估并给出医学荧光影像的总评分,具体步骤如下:
评分项a:可观察到被检器官或结构的方形区域共7个,得3分;
评分项b:被检区域中超过放大倍率大于40倍且小于100倍的方形区域8个,但放大倍率小于40倍或大于100倍的方形区域1个,得3分;
评分项c:影像中9个方形区域均具有明显的黑白影对比,层次差异,得5分;
评分项d:影像中9个方形区域均未发现阴影且无失真变形,得5分;
评分项e:影像中能观察到清晰的各人体结构之间组织界限的方形区域6个,且各人体结构之间组织界限模糊的方形区域3个,得3分;
评分项f:影像为医生提供的诊断依据有效,得5分
根据上述评分项,该病患做一次头部CT的医学荧光影像的总评分:
m
2根据上述步骤,剩余7个病患做一次头部CT的医学荧光影像总评分分别为:
当W=1000时,每个病患吸收的辐射量的计算策略同上。
S4:根据数据的映射与调取,获得W个病患吸收的辐射量以及医学荧光影像的总评分;
其中数据映射与调取模块中映射与调取的数据包括:
提取W个病患吸收的辐射量{γ
γ
医学荧光影像的总评分{m
获得8个病患吸收的辐射量:
{1.6,1.8,2.4,1.7,1.3,4.3,2.3,3.3};
获得8个病患医学荧光影像的总评分:
{24,22,26,26,26,22,26,28};
获得W=1000个病患吸收的辐射量以及医学荧光影像的总评分的计算策略同上。
S5:将W个病患吸收的辐射量以及医学荧光影像的总评分一一对应构成W个病患的评估点集,根据病患吸收的辐射量,获得W个病患的评估点集的优化范围;
其中数据优化范围选取模块,具体步骤如下:
T1:将W个病患的吸收的辐射量γ以从小到大的顺序排列:
{γ
其中,γ
获得8个病患吸收的辐射量
{1.3,1.6,1.7,1.8,2.3,2.4,3.3,4.3};
T2:提取与病患吸收的辐射量γ一一对应的医学荧光影像的总评分m,构成W个病患的评估点集,
{(γ
点(γ
获得8个病患的评估点集:
{(1.3,26),(1.6,24),(1.7,26),(1.8,22),(2.3,26)(2.4,26),(3.3,28),(4.3,22)}
T3:将排列好的数组arr输入如下程序代码,用来截取数组arr20%到60%的区域,记为[(γ
S6:根据W个病患的评估点集,得出X射线设备正常工作时的X射线释放的辐射量的最佳值。
其中最优值计算模块:具体步骤如下:
A1:将人体病患模型的吸收的辐射量γ以及医学荧光影像的总评分m分别作为一个二维平面坐标系的x轴和y轴,构造一个离散的二维平面点集:
{(γ
点(γ
A2:根据W个病患的评估点集的优化范围[(γ
在二维平面点集中找出落在该范围的所有的点,设共有s个;
A3:设θ为病患吸收的辐射量γ以及医学荧光影像的总评分m的差值,其计算策略为:
θ=m-γ;
A4:计算出落在W个病患的评估点集的优化范围[(γ
获得8个病患吸收的辐射量γ以及医学荧光影像的总评分m的差值θ:
{24.7,22.4,24.3,20.2,23.7,23.6,24.7,17.7};
其中X=2,即{(1.3,26),(3.3,28)}两个评估点的θ均取得最大值。去医学荧光影像的总评分m更高的点对应的病患吸收的辐射量,所求X射线释放的辐射量的最佳工作值即为θ=24.7时,γ=3.3mSv
与现有技术相比,本发明的技术效果如下:
1)本发明综合分析没有病患时,X射线设备正常工作时的X射线释放的辐射量以及有病患时,X射线设备正常工作时的X射线释放的辐射量;对不同的两种探测情况加以判断,采用差值法计算病患吸收的辐射量,减少了因不同病患对X射线吸收度不同而产生的探测误差,提高了系统运行的准确率。
2)本发明针对病患吸收的辐射量和医学荧光影像评分构成的评估点的选取,构建了离散的二维平面点集模型,将最优点的选取转化为数学问题,使得本发明的使用范围更广,实用性及操作性大大增强。
3)本发明采用数据优化范围选取模块,先截取一段数据,筛选掉辐射量过大以及总评分过低的极端点,再根据所需进行最优工作点的选取,有效的避免了因为采集数据量过大导致人力物力的消耗,提高了系统运行的效率。
4)本发明经过辐射量的探测、辐射量求差、医学荧光影像质量的评估与分析、数据优化范围选取以及最优值的计算的步骤,从采集到的辐射量数据中寻找最优点,将X射线释放的辐射量与医学荧光影像报告质量相关联,实现了,在保证医学荧光影像质量的情况下,将辐射量降到最低的目的,最大程度上的保证了医学荧光影像的质量和病患的人生健康。
上述关于本发明的一种基于辐射量探测的医学荧光影像质控方法及系统中的各参数和各个单元模块实现相应功能的步骤,可参考上文中关于一种基于辐射量探测的医学荧光影像质控方法及系统的实施例中的各参数和步骤,在此不做赘述。
本发明实施例的一种存储介质,存储介质中存储有指令,当计算机读取指令时,使计算机执行上述任一项的一种基于辐射量探测的医学荧光影像质控方法及系统
本发明实施例的一种电子设备,包括处理器和上述的存储介质,处理器执行存储介质中的指令。其中,电子设备可以选用电脑、手机等。
所属技术领域的技术人员知道,本发明可以实现为系统、方法或计算机程序产品。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中,上述各实施例中描述的系统结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现。
- 一种基于聚集诱导发光荧光分子探测技术对高分子吸附和解吸附过程进行快速检测的方法
- 一种基于神经网络对医学影像中人体器官进行分割的方法
- 一种基于SLT-SVD的医学影像的可逆还原方法
- 一种基于医学影像的虚拟现实辅助手术的建立方法
- 一种基于人工智能的医学影像报告质控系统、方法及介质
- 一种应用于临床影像的人工智能医学影像质控方法