CN101310305A - 用于在3d图像中描绘预定结构的方法 - Google Patents
用于在3d图像中描绘预定结构的方法 Download PDFInfo
- Publication number
- CN101310305A CN101310305A CNA200680042614XA CN200680042614A CN101310305A CN 101310305 A CN101310305 A CN 101310305A CN A200680042614X A CNA200680042614X A CN A200680042614XA CN 200680042614 A CN200680042614 A CN 200680042614A CN 101310305 A CN101310305 A CN 101310305A
- Authority
- CN
- China
- Prior art keywords
- image
- predetermined structure
- interest
- area
- deformable model
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/10072—Tomographic images
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
Abstract
一种用于在人体体积的3D图像中描绘人体结构的方法。通过阈值比较或其它图像分割技术来识别非对比增强的组织(参考)结构以及包括骨性结构和对比增强的结构的区域(S2,S3)。可变形模型大致表示相对于参考结构对准并居中设置的骨性结构(S4),然后相对于包括骨性结构的图像中区域使该模型变形(S5),以便将模型拟合到该区域并由此在图像中描绘出骨性结构。
Description
本发明涉及一种用于在3D图像中描绘预定结构,例如胸骨的系统和方法,目的在于实现可视化和/或分割任务性能的改善。例如可以在医学检查期间借助于x射线计算机断层摄影(CT)、磁共振(MR)或超声(US)模态生成3D图像。
在医学成像领域中,已经开发出各种系统用于生成个体的各种解剖结构的医学图像,以便筛查和评估医学状态。例如,可以用CT成像系统获得患者感兴趣区域(ROI)的一组横断面图像或二维(2D)“分割”,以便对器官和其它解剖结构进行成像。CT模态通用于诊断疾病,因为这种模态提供的精确图像示出了诸如器官、软组织和骨骼的各种解剖结构的尺寸、形状和位置,并使人能够更精确地对诸如癌症、息肉等的病变和异常解剖结构做出评估。
另一种非常常见的做法是执业医师向靶器官注入造影剂,这是因为这种增强使得器官更容易可视化或分割进行定量测量。
存在于例如胸部中的大的骨性结构,像肋骨和脊柱常常会分散观察者的注意力并干扰分割和可视化应用,使得分割和可视化算法可能不正确地工作。一种克服这种问题的自然方法是在继续检查之前从图像中去除这种骨性结构。例如,国际专利申请号WO 2004/111937描述了用于此目的的一种描绘感兴趣结构的方法,包括将3D可变形模型拟合到感兴趣结构的边界。
不过,上述注入的造影剂常常使得靶器官具有非常相似的图像特征,这可能会有碍于从图像精确地“去除骨骼”。
因此,本发明的目的是提供一种在3D图像中自动描绘预定结构的改进方法,凭借该方法可将所述预定结构与图像中具有相同或相似图像特征的其它结构区分开。
根据本发明,本文提供了一种在人体体积的三维图像中描绘预定结构的方法,该方法包括如下步骤:
-在图像中识别参考部分;
-在包括所有部分的图像中,识别具有与预定结构基本相同的图像特征的感兴趣区域,所有部分包括预定结构;
-在图像中相对于参考部分定位表示预定结构的可变形模型;以及
-执行变形过程,以便将可变形模型拟合到感兴趣区域,从而描绘出其中的预定结构。
因而,利用公知的可变形模型技术,可以将已知的解剖学知识有效地表达为初始几何模型,以大致模拟待提取的预定结构,其中,将模型拟合到包括预定结构的图像中区域的变形过程然后使人能够精确描绘出预定结构。如果有两个具有类似图像特征的结构,一个至少部分地包围或覆盖另一个,那么根据本发明,利用可变形模型可以将结构之一(内部结构或外部结构)分割出来,从而无须处理另一个将其提取出来。
在一个示范性实施例中,例如,如果参考图像为CT图像,则可以借助于阈值比较识别参考部分和/或感兴趣区域,其中,采用不同的灰度阈值来分别识别参考部分和/或感兴趣区域。不过,本领域的技术人员将会知道其它分割技术,并且本发明未必有意限制于这一方面。在一个示范性实施例中,预定结构可以包括骨骼,而感兴趣区域可以包括骨骼和一个或多个对比增强的组织结构。
在一个示范性实施例中,可变形模型包括网格。
本发明拓展到一种用于在人体体积的三维图像中描绘预定结构的图像处理设备,该装置包括用于接收关于三维图像的图像数据的装置和处理装置,该处理装置配置成:
-在图像中识别参考部分;
-在包括所有部分的图像中,识别具有与预定结构基本相同的图像特征的感兴趣区域,所有部分包括预定结构;
-在图像中相对于参考部分定位表示预定结构的可变形模型;以及
-执行变形过程,以便将可变形模型拟合到感兴趣区域,从而描绘出其中的预定结构。
优选地,该装置还包括用于提取所述预定结构的装置,从而从所述三维图像中描绘出所述预定结构进行显示。该图像处理设备可以包括放射治疗计划设备、放射治疗设备、工作站、计算机或个人计算机。换言之,可以用相应调整的工作站、计算机或个人计算机实现该图像处理设备。而且,该图像处理设备可以是放射治疗计划设备中不可或缺的部分,该放射治疗计划设备例如特别适于MD执行放射治疗计划。为此,例如,该放射治疗计划设备可以适于采集诊断数据,例如来自扫描器的CT图像。而且,该图像处理设备可以是放射治疗设备中不可或缺的部分。这种放射治疗设备可以包括辐射源,可以用辐射源采集诊断数据并向感兴趣结构施加辐射。
因此,根据本发明的示范性实施例,适于执行本发明的处理器或图像处理设备可以集成到放射治疗(计划)设备或是其一部分,该放射治疗(计划)设备例如是WO 01/45562-A2和US 6466813中所公开的设备。
本发明还拓展到一种用于在人体体积的三维图像中描绘预定结构的软件程序,其中,该软件程序令处理器执行一种方法,该方法包括如下步骤:
-在所述图像中识别参考部分;
-在包括所有部分的所述图像中识别感兴趣区域,包括
-在所述图像中相对于所述参考部分定位表示所述预定结构的可变形模型;以及
-执行变形过程,以便将所述可变形模型拟合到所述感兴趣区域,从而描绘出其中的所述预定结构。
因而,上述目的是通过提供如下方法实现的,该方法利用有关预定结构形状的已知解剖学知识与可变形模型技术一起在3D(例如CT)图像中描绘出诸如胸部中的骨性结构(胸骨、肋骨等)的预定结构,从而能够完全自动地从图像中识别并提取这种结构。这种创想法基于如下假设,即,对于(例如)胸部CT图像而言,在胸廓内定位对比增强的感兴趣器官。因此,从人体外部开始(初始化)并朝骨骼吸引的可变形模型将仅描绘出胸廓和脊柱,而不是内部对比增强的结构。
本发明的这些及其它方面将参考本文所描述的实施例而变得明显且得到阐述。
现在将仅通过举例的方式并参照附图描述本发明的实施例,在附图中:
图1示出了根据本发明一个示范性实施例的图像处理设备的示意图,其用于执行根据本发明一个示范性实施例的方法;
图2是示出了根据本发明一个示范性实施例的方法的主要步骤的示意流程图;以及
图3a和3b示出了在利用根据本发明一个示范性实施例的方法去除胸骨和脊柱之前(a)和之后(b)胸部的示范性阈值图像。
图1示出了根据本发明的图像处理设备的示范性实施例,其用于执行根据本发明的方法的示范性实施例。图1所示的图像处理设备包括连接到存储器2的中央处理单元(CPU)或图像处理器1,存储器2用于存储至少一幅人体体积的三维图像、一个或多个描绘所需的预定结构的可变形模型以及变形参数。图像处理器1可以连接到多个输入/输出网络和诸如MR设备或CT设备或超声扫描器的诊断设备。图像处理器1还连接到显示设备4(例如,计算机监视器),显示装置4用于显示图像处理器1中计算或修改的信息或图像。操作者可以经由键盘5和/或其它图1中未示出的输入/输出设备与图像处理器1进行交互。
参照附图的图2,示出了根据本发明一个示范性实施例在3D图像中描绘预定结构的方法主要步骤的流程图。在第一步S1中,获得受检者胸部的三维CT图像。接着,在步骤S2中,采用公知的图象处理技术在该3D图像中提取肺。CT图像实质上是定量的(即可以将每个体素的灰度值与诸如骨骼、空气、软组织的组织类型关联起来),从而可以利用相对简单的灰度阈值[HU<阈值1(典型为-400)→对象1]来识别组织部分(其表示未对比增强的肺)。类似地,在第三步S3中,可以利用不同的灰度阈值[HU<阈值2(典型为+200)→对象2]提取骨骼和对比增强的部分(其与骨骼具有非常类似的图像特征,因此具有与骨骼相当的灰度值)。
在步骤S4中,相对于肺(对象1)将初始(预定)可变形解剖模型自动居中放置并对准→网格1,并且在步骤S5中,利用从粗到细的变形方法自动将网格1拟合到对象2。通常,可变形模型是一类通过能量函数控制的能量最小化表面。该能量函数具有两个部分:内部能量和外部能量。内部能量表征由于弹性和弯曲形变而造成的表面能量。外部能量表征为将模型向着诸如边缘的图像特征吸引的图像力。
通常用由坐标为xi的V个顶点和N个面构成的网格表示可变形模型。为了将网格调整成与二维图像中的感兴趣结构相匹配,使用迭代程序,其中每次迭代由表面探测步骤和网格变形步骤构成。网格变形受二阶(牛顿)发展方程支配,可以针对离散网格将该方程重新写为如下形式:
外部能量E外向着在表面探测步骤中获得的表面片驱动网格。内部能量E内限制网格的灵活性。参数α和β为每一项的相对影响加权,γ表示惯性系数。该方程对应于惯性正则化力和数据吸引力之间的平衡。可以利用如下的显式离散化方案将该方程在时间t上进行离散化:
现在该算法的不同要素在下文中进行描述:
表面探测
j=-l,......,l
参数l定义了搜索轮廓长度,参数δ为两个相继点之间的距离,参数D控制着距离信息和特征值的加权。例如,可以将量
用作特征,其中g(x)表示在点x处的图像梯度。相对于周围结构,根据感兴趣结构的亮度选择正负号。
外部能量
类似于迭代最近点算法,可以使用顶点Vi的外部能量
如从以上方程所知的,外部能量基于可变形模型和特征部分(即感兴趣结构的边界)之间的距离。
内部能量
表面的正则性仅受每个顶点的单纯形角度φ控制。单纯形角度相对于由其三个相邻元素定义的平面对顶点的仰角编码。内力具有以下表达式:
其中,xi *是在内力影响下将当前顶点位置向其牵引的点。因此可以根据对这种点的单纯形角度设置的条件设计不同类型的内力。此外,我们通常这样设置这种点的度量参数,使得其在相邻元素平面上的投影是相邻元素的等角点。
然后利用方程(2)通过其顶点的迭代变形执行网格发展。
H.Delingette在Proc.of the International Conference on Computer Visionand Pattern Recognition(CPVR’94),美国西雅图1994年6月20-24日的文章“Simplex Meshes:A General Representation for 3D Shape Reconstruction”,其以引用方式并入本文中。
最后,在步骤S5中,从图像→对象3提取出位于网格2之内给定范围的骨性结构(来自对象2)。
因而,在上述示范性方法中,步骤S1、S2和S5包括基本的图像处理技术。步骤S3和S4需要使用通用的离散可变形模型,例如上述的可变形模型。利用可变形模型技术,可以将已知的解剖学知识有效地表达为初始几何模型,以大致模拟待提取的结构(例如在这种情况下的胸廓和脊柱)以及适当的变形参数(即非常刚性的模型、保持整体变形的形状)。
图3中示出了去除骨骼之前(a)和之后(b)的示范性阈值图像。在图3b中,可以清楚地看出对比增强的结构,而在图3a的图像中它们基本被隐藏而看不到。
应当指出的是,上述实施例是为了说明而不是限制本发明,本领域的技术人员在不脱离权利要求书限定的发明范围的情况下将能够设计很多替代实施例。在权利要求书中,不应将任何置于括号中的附图标记视为限制权利要求。“包括”等词不排除在任何权利要求或作为整体的说明书中所列的元件或步骤之外还存在其他元件或步骤。元件的单数引用不排除这种元件的复数引用,反之亦然。可以利用包括若干不同元件的硬件以及利用适当编程的计算机实现本发明。在枚举了若干装置的设备权利要求中,可以将这些装置中的一些实现为同一件硬件。在互不相同的从属权利要求中提到某些度量这一简单事实不表示不能出于有利的目的使用这些度量的组合。
Claims (5)
1、一种在人体体积的三维图像中描绘预定结构的方法,所述方法包括如下步骤:
-在所述图像中识别参考部分;
-在包括所有部分的所述图像中,识别具有与所述预定结构基本相同的图像特征的感兴趣区域,所述所有部分包括所述预定结构;
-在所述图像中相对于所述参考部分定位表示所述预定结构的可变形模型;以及
-执行变形过程,以便将所述可变形模型拟合到所述感兴趣区域,从而描绘出其中的所述预定结构。
2、根据权利要求1所述的方法,其中,所述可变形模型包括网格。
3、一种用于在人体体积的三维图像中描绘预定结构的图像处理设备,所述设备包括用于接收关于所述三维图像的图像数据的装置和处理装置,所述处理装置配置成:
-在所述图像中识别参考部分;
-在包括所有部分的所述图像中识别感兴趣区域(53),所述感兴趣区域包括所述预定结构,且具有与所述预定结构基本相同的图像特征;
-在所述图像中相对于所述参考部分定位表示所述预定结构的可变形模型;以及
-执行变形过程,以便将所述可变形模型拟合到所述感兴趣区域,从而描绘出其中的所述预定结构。
4、根据权利要求3所述的设备,还包括用于提取所述预定结构的装置,从而从所述三维图像描绘出所述预定结构进行显示。
5、一种用于在人体体积的三维图像中描绘预定结构的软件程序,其中,所述软件程序令处理器执行一种方法,该方法包括如下步骤:
-在所述图像中识别参考部分;
-在包括所有部分的所述图像中识别感兴趣区域,所述感兴趣区域包括所述预定结构,且具有与所述预定结构基本相同的图像特征;
-在所述图像中相对于所述参考部分定位表示所述预定结构的可变形模型;以及
-执行变形过程,以便将所述可变形模型拟合到所述感兴趣区域,从而描绘出其中的所述预定结构。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP05300941 | 2005-11-18 | ||
EP05300941.1 | 2005-11-18 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101310305A true CN101310305A (zh) | 2008-11-19 |
Family
ID=37866291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200680042614XA Pending CN101310305A (zh) | 2005-11-18 | 2006-11-15 | 用于在3d图像中描绘预定结构的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20080279429A1 (zh) |
EP (1) | EP1952346A1 (zh) |
JP (1) | JP2009515635A (zh) |
CN (1) | CN101310305A (zh) |
WO (1) | WO2007057845A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103814398A (zh) * | 2011-09-19 | 2014-05-21 | 皇家飞利浦有限公司 | 图像处理中使用的gui中的用于多维图像的子体的状态指示器 |
CN106133789A (zh) * | 2014-03-21 | 2016-11-16 | 皇家飞利浦有限公司 | 用于分割感兴趣区域的图像处理装置和方法 |
CN106462971A (zh) * | 2014-06-25 | 2017-02-22 | 皇家飞利浦有限公司 | 用于配准不同成像模态的成像设备 |
CN109901213A (zh) * | 2019-03-05 | 2019-06-18 | 中国辐射防护研究院 | 一种基于Reuter网格的γ扫描方案生成方法及系统 |
CN110678903A (zh) * | 2017-05-24 | 2020-01-10 | 珀金埃尔默健康科学有限公司 | 用于3d图像中异位骨化的分析的系统和方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2009102657A (ru) * | 2006-06-28 | 2010-08-10 | Конинклейке Филипс Электроникс Н.В. (Nl) | Сегментация изображения на основе модели с переменным разрешением |
CN102460509B (zh) * | 2009-06-24 | 2015-01-07 | 皇家飞利浦电子股份有限公司 | 基于图像信息建立结构的轮廓 |
US8437521B2 (en) * | 2009-09-10 | 2013-05-07 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automatic vertebra edge detection, segmentation and identification in 3D imaging |
US20110125016A1 (en) * | 2009-11-25 | 2011-05-26 | Siemens Medical Solutions Usa, Inc. | Fetal rendering in medical diagnostic ultrasound |
CN102754125B (zh) * | 2009-12-10 | 2016-05-25 | 皇家飞利浦电子股份有限公司 | 用于创伤性脑损伤的快速精确定量评估的系统 |
KR20150068162A (ko) | 2013-12-11 | 2015-06-19 | 삼성전자주식회사 | 3차원 초음파 영상 통합 장치 및 방법 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPQ449899A0 (en) | 1999-12-07 | 2000-01-06 | Commonwealth Scientific And Industrial Research Organisation | Knowledge based computer aided diagnosis |
DE60031277T2 (de) | 1999-12-22 | 2007-05-10 | Koninklijke Philips Electronics N.V. | Medizinisches gerät mit einem zusammenstosssensor |
US6466813B1 (en) | 2000-07-22 | 2002-10-15 | Koninklijke Philips Electronics N.V. | Method and apparatus for MR-based volumetric frameless 3-D interactive localization, virtual simulation, and dosimetric radiation therapy planning |
US20060008143A1 (en) * | 2002-10-16 | 2006-01-12 | Roel Truyen | Hierachical image segmentation |
US7551758B2 (en) * | 2002-12-04 | 2009-06-23 | Koninklijke Philips Electronics N.V. | Medical viewing system and method for detecting borders of an object of interest in noisy images |
WO2004111937A1 (en) | 2003-06-13 | 2004-12-23 | Philips Intellectual Property & Standards Gmbh | 3d image segmentation |
US7391893B2 (en) * | 2003-06-27 | 2008-06-24 | Siemens Medical Solutions Usa, Inc. | System and method for the detection of shapes in images |
-
2006
- 2006-11-15 US US12/093,765 patent/US20080279429A1/en not_active Abandoned
- 2006-11-15 WO PCT/IB2006/054270 patent/WO2007057845A1/en active Application Filing
- 2006-11-15 EP EP06821454A patent/EP1952346A1/en not_active Withdrawn
- 2006-11-15 CN CNA200680042614XA patent/CN101310305A/zh active Pending
- 2006-11-15 JP JP2008540765A patent/JP2009515635A/ja not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103814398A (zh) * | 2011-09-19 | 2014-05-21 | 皇家飞利浦有限公司 | 图像处理中使用的gui中的用于多维图像的子体的状态指示器 |
CN103814398B (zh) * | 2011-09-19 | 2016-12-07 | 皇家飞利浦有限公司 | 图像处理中使用的gui中的用于多维图像的子体的状态指示器 |
CN106133789A (zh) * | 2014-03-21 | 2016-11-16 | 皇家飞利浦有限公司 | 用于分割感兴趣区域的图像处理装置和方法 |
CN106462971A (zh) * | 2014-06-25 | 2017-02-22 | 皇家飞利浦有限公司 | 用于配准不同成像模态的成像设备 |
CN106462971B (zh) * | 2014-06-25 | 2021-01-26 | 皇家飞利浦有限公司 | 用于配准不同成像模态的成像设备 |
CN110678903A (zh) * | 2017-05-24 | 2020-01-10 | 珀金埃尔默健康科学有限公司 | 用于3d图像中异位骨化的分析的系统和方法 |
CN110678903B (zh) * | 2017-05-24 | 2023-09-15 | 珀金埃尔默健康科学有限公司 | 用于3d图像中异位骨化的分析的系统和方法 |
CN109901213A (zh) * | 2019-03-05 | 2019-06-18 | 中国辐射防护研究院 | 一种基于Reuter网格的γ扫描方案生成方法及系统 |
CN109901213B (zh) * | 2019-03-05 | 2022-06-07 | 中国辐射防护研究院 | 一种基于Reuter网格的γ扫描方案生成方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2007057845A1 (en) | 2007-05-24 |
US20080279429A1 (en) | 2008-11-13 |
EP1952346A1 (en) | 2008-08-06 |
JP2009515635A (ja) | 2009-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101310305A (zh) | 用于在3d图像中描绘预定结构的方法 | |
EP0965104B1 (en) | Autosegmentation/autocontouring methods for use with three-dimensional radiation therapy treatment planning | |
US7536041B2 (en) | 3D image segmentation | |
US8218848B2 (en) | System and method for the generation of attenuation correction maps from MR images | |
EP1751714B1 (en) | Computerised cortex boundary extraction from mr images | |
CN100550004C (zh) | 一种对包含感兴趣区的三维医疗图像进行分割的方法 | |
Kroon | Segmentation of the mandibular canal in cone-beam CT data. | |
US20090268956A1 (en) | Analysis of anatomic regions delineated from image data | |
CN106997594B (zh) | 一种眼部组织的定位方法及装置 | |
Hacihaliloglu et al. | Automatic adaptive parameterization in local phase feature-based bone segmentation in ultrasound | |
EP3371617A1 (en) | Method for tissue classification, computer program product and magnetic resonance imaging system | |
Rangayyan et al. | Method for the automatic detection and segmentation of the spinal canal in computed tomographic images | |
Whitmarsh et al. | 3D bone mineral density distribution and shape reconstruction of the proximal femur from a single simulated DXA image: an in vitro study | |
Kalvin | Segmentation and surface-based modeling of objects in three-dimensional biomedical images | |
Fleute | Shape reconstruction for computer assisted surgery based on non-rigid registration of statistical models with intra-operative point data and X-ray images | |
Vasilache et al. | Automated bone segmentation from pelvic CT images | |
Eskildsen et al. | Extraction of the cerebral cortical boundaries from MRI for measurement of cortical thickness | |
EP3227859B1 (en) | Atlas-based position determination of a brain sulcus | |
KAWATA et al. | A deformable surface model based on boundary and region information for pulmonary nodule segmentation from 3-D thoracic CT images | |
Chowdhury et al. | Virtual craniofacial reconstruction using computer vision, graph theory and geometric constraints | |
Chowdhury et al. | Hairline fracture detection using MRF and Gibbs sampling | |
Španel et al. | Vector-based medical image segmentation using adaptive Delaunay triangulation | |
Baka et al. | Correspondence free 3D statistical shape model fitting to sparse X-ray projections | |
Kryvanos | Computer assisted surgery for fracture reduction and deformity correction of the pelvis and long bones | |
Skordilis et al. | Experimental assessment of the tongue incompressibility hypothesis during speech production |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20081119 |