CN107004305B - 与医学图像编辑相关的设备、系统、方法、装置和计算机可读介质 - Google Patents
与医学图像编辑相关的设备、系统、方法、装置和计算机可读介质 Download PDFInfo
- Publication number
- CN107004305B CN107004305B CN201580068800.XA CN201580068800A CN107004305B CN 107004305 B CN107004305 B CN 107004305B CN 201580068800 A CN201580068800 A CN 201580068800A CN 107004305 B CN107004305 B CN 107004305B
- Authority
- CN
- China
- Prior art keywords
- surface model
- medical image
- interest
- vertex
- vertices
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000003993 interaction Effects 0.000 claims abstract description 16
- 210000003484 anatomy Anatomy 0.000 claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 230000004048 modification Effects 0.000 claims description 13
- 238000012986 modification Methods 0.000 claims description 13
- 238000002059 diagnostic imaging Methods 0.000 claims description 9
- 238000005452 bending Methods 0.000 claims description 7
- 230000003936 working memory Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 3
- 210000004556 brain Anatomy 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 210000001905 globus pallidus Anatomy 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000001575 pathological effect Effects 0.000 description 3
- 210000002637 putamen Anatomy 0.000 description 3
- 230000002739 subcortical effect Effects 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000000877 corpus callosum Anatomy 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000036244 malformation Effects 0.000 description 2
- 201000006417 multiple sclerosis Diseases 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000013175 transesophageal echocardiography Methods 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 210000001927 retinal artery Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
Abstract
本发明涉及医学图像编辑。为了便于医学图像编辑过程,提供了一种医学图像编辑设备(50),其包括处理器单元(52)、输出单元(54)和接口单元(56)。处理器单元(52)被配置为提供感兴趣对象的解剖结构的3D表面模型。3D表面模型包括多个表面子部分。表面子部分均包括多个顶点,并且每个顶点被分配有排序值。处理器单元(52)还被配置为将与确定的感兴趣点邻近的顶点中的至少一个顶点识别为预期顶点。该识别基于检测到的与感兴趣点的接近距离和所分配的排序值的函数。输出单元(54)被配置为提供3D表面模型的视觉呈现。接口单元(56)被配置为通过用户的交互来确定3D表面模型的视觉呈现中的感兴趣点。接口单元56还被配置为通过经由手动用户交互对预期顶点进行移位来修改3D表面模型。在范例中,输出单元(54)是被配置为直接向用户(58)显示3D表面模型的显示器。
Description
技术领域
本发明涉及医学图像编辑,并且尤其涉及医学图像编辑设备、医学成像系统、编辑医学3D表面模型的方法、计算机程序单元以及计算机可读介质。
背景技术
医学图像编辑(例如,医学图像分割)是用于处理由医学图像提供的信息的过程。它对手术规划和模拟、放射治疗规划以及跟踪疾病进展起着重要作用。计算机被用于医学图像编辑,以提供例如自动图像分割。WO 2007/034425 A3涉及使用多个局部变换使几何模型适应图像数据的方法。然而,为了确保准确性和精度,尤其是对于具有低对比度、噪声和其他成像模糊度的医学图像,由经训练的医学人员(例如放射科医师)执行的医学图像编辑可能变得乏味。
发明内容
能够需要具有便于医学图像编辑过程的改进的技术。
本发明的目的通过独立权利要求的主题来解决,其中,另外的实施例被并入从属权利要求中。应当注意,本发明的以下描述的方面也适用于医学图像编辑设备、医学成像系统、编辑医学3D表面模型的方法、计算机程序单元和计算机可读介质。
根据本发明,提供一种医学图像编辑设备,其包括处理器单元、输出单元和接口单元。该处理器单元被配置为提供感兴趣对象的解剖结构的3D表面模型。该3D表面模型包括多个表面子部分。表面子部分均包括多个顶点。每个顶点被分配排序值。该处理器单元被配置为将与所确定的感兴趣点邻近的顶点中的至少一个顶点识别为预期顶点。该识别基于检测到的与感兴趣点的接近距离和所分配的排序值的函数。
作为一个优点,本发明便于找到并拾取3D表面模型的预期顶点,例如,要由诸如医务人员的用户变换的顶点集合中的参考顶点。预期顶点的识别基于检测到的接近距离和所分配的排序值。这使得用户能够在3D查看器中进行编辑期间无需巨大的努力即可抓取预期的顶点,甚至当遮挡物抑制3D网格查看器中的可见性时也是如此。同样,在具有轮廓的2D视图中,甚至当预期顶点在当前查看平面中不可见-但位于其前面或后面时,用户仍然可以轻松抓取它。这减少了交互式编辑步骤中的手动工作量,从而改进了工作流程。
根据范例,排序值与包括具有以下项的组中的至少一项的不同排序类别相关联:形成拐角;作为交界的部分;相对弯曲程度;以及解剖学意义。
根据另一范例,该处理器单元还被配置为提供感兴趣对象的2D医学图像,并且将通过3D表面模型的节段的2D表示叠加在2D医学图像上作为组合2D图像。该2D表示和该2D医学图像被彼此配准。该处理器单元还被配置为指示该组合2D图像中的感兴趣匹配点。该处理器单元还被配置为也通过对该组合2D图像中的所指示的匹配点进行移位来提供所述修改。
根据本发明,还提供一种医学成像系统,其包括医学图像采集设备和根据上述范例之一的医学图像编辑设备。医学图像采集设备被配置为提供用于修改3D表面模型的图像数据。
根据本发明,还提供一种编辑医学3D表面模型的方法,该方法包括以下步骤:
a)提供感兴趣对象的解剖结构的3D表面模型。3D表面模型包括多个表面子部分。表面子部分均包括多个顶点,并且每个顶点被分配排序值。
b)通过用户的交互来确定3D表面模型的视觉呈现中的感兴趣点。
c)将与所确定的感兴趣点邻近的顶点中的至少一个顶点识别为预期顶点。该识别基于检测到的与感兴趣点的接近距离和所分配的排序值的函数。
d)通过经由手动用户交互对预期顶点进行移位来修改3D表面模型。
根据范例,步骤c)包括通过用户交互来选择预期的至少一个顶点作为3D表面模型的修改的点。
根据范例,在步骤c)中提供接近阈值。该识别包括识别在所确定位置的接近阈值内的顶点。
根据另一范例,在步骤c)中,该识别被自动提供为3D表面模型的自动捕捉功能。
根据另一范例,在步骤c)之前,用户能够选择要应用于步骤c)中的识别的排序类别中的一个或多个。
根据另一范例,在步骤a)中,所分配的排序值包括依赖于相关联的类别的与表面子部分有关的所分配的数字标签。在步骤b)之后,提供:b1)选择数字标签以用于识别;并且在步骤c)中,提供子步骤cl):利用匹配的数字标签识别预期顶点。
根据另一范例,在步骤a)中,所分配的排序值包括依赖于相关联的类别的与表面子部分有关的所分配的解剖标签。在步骤b)之后,提供:b1)确定解剖标签以用于识别;并且在步骤c)中,提供子步骤c1):利用匹配的解剖标签识别预期顶点。
根据另一范例,步骤c)还包括:c3)显示所识别的预期顶点。所识别的预期顶点在视觉上被突出显示。步骤d)还包括:
d1)显示经修改的3D表面模型。
根据另一范例,在步骤a)中还提供:a1)提供感兴趣对象的2D医学图像;以及a2)将通过3D表面模型的节段的2D表示叠加在2D医学图像上作为组合2D图像。该2D表示和该2D医学图像被彼此配准。在步骤b)中,在该组合2D图像中指示感兴趣匹配点;并且在步骤d)中,还通过对该组合2D图像中的指示的匹配点进行移位来提供所述修改。
在本发明中,术语“医学3D表面模型”涉及与特定器官有关的解剖结构的模型,或能够与感兴趣的放射治疗处置相对应的感兴趣区的大致形状(例如要利用辐射来处置的肿瘤形状)。
术语“3D表面模型”涉及通过采用其表面或外部轮廓的三维(3D)结构或体积的几何表示。例如,3D表面模型被定义为描述表面的多边形的集合。这些多边形可以是三角形并由柔性三角形网格表示。
该3D表面模型可以被提供作为基本结构模型,然后其通过用户交互来适应到患者的情况。该3D表面模型也可以被提供作为先前适应的患者模型,其现在被进一步适应以匹配当前情况。作为范例,该3D表面模型可以用作模板,例如,用于人脑的MR分割。
术语“感兴趣对象”或“感兴趣区域”涉及患者的解剖结构,其可以对应于不同的组织类、器官、病理或其他生物相关结构。因此,该对象可以是例如脑、心脏、肺、肝、视网膜动脉以及甚至细胞结构,诸如神经元和染色体。术语感兴趣对象还可以涉及患者的病理区域,例如癌、肿瘤、组织畸形和多发性硬化损害。
术语“(一个或多个)顶点”涉及通过链接线或表面连接的点的集合。在3D表面模型由多边形的集合表示的情况下,顶点是三维空间中的点的列表,这些点连接多边形及其边缘。
术语“子部分”涉及结构或体积的部分或片段,即3D表面模型的部分或区域。
术语“排序值”涉及用于通过应用排序而进一步选择的分配值或关联值以便提供选择。
感兴趣点的确定和顶点的随后识别也可以被称为选择得到选定位置的(模型的)空间位置。
因此,术语“选定位置/选择的位置”可以涉及直接在3D表面模型上的位置,例如在对象的3D三角形表面网格上的。术语“选定位置/选择的位置”也可以涉及具有几何模型的叠加的平面内轮廓的给定图像切片上的位置(见下文)。
术语“接近”涉及确定的点与顶点之间的相对距离,即点对点距离。
注意,由于将其应用于3D表面模型,因此本发明不需要呈现患者或医学图像。
根据方面,提供网格编辑应用的自动捕捉特征,例如,使用形状约束表面模型的基于模型的分割。基于用户例如通过用户的鼠标点击在3D表面模型上选择的位置,期望的一个或多个顶点(即要变换的一个或多个顶点)不仅经由其到所选位置的距离而且还经由其个体属性来识别。个体属性可以包括局部网格特征,例如连接性(即接界)或曲率(即拐角)。个体属性还可以包括顶点位置的解剖学意义(包括例如标准标志,例如脑扫描中的前连合)或医学或生理学意义(例如,损害的部分的顶点)。这种方法也可以被认为是“对参考顶点的捕捉”功能。可以将识别的预期顶点或参考顶点用作网格变形的基本顶点,所述网格变形可以是“抓取”、“拉动”、“局部弯曲”或“移动”。
参考下文所述的实施例,本发明的这些和其它方面将变得显而易见并得到阐明。
附图说明
下面将参考以下附图描述本发明的示范性实施例:
图1示出了用于编辑医学3D表面模型的方法的基本方法步骤的范例;
图2示出了3D表面模型的范例;
图3示出了方法的另一范例;
图4示出了方法的又一范例;
图5示出了方法的另一范例;
图6示出了方法的又一范例;
图7示出了图6中的模型编辑操作的范例;
图8示出了根据范例的医学图像编辑设备;并且
图9示出了根据范例的医学成像系统。
具体实施方式
图1示出了用于编辑医学3D表面模型的方法100的基本步骤。方法100包括以下步骤:
-在也称为步骤a)的第一步骤102中,提供感兴趣对象的解剖结构的3D表面模型12。3D表面模型12包括多个表面子部分14。表面子部分14均包括多个顶点16。每个顶点16被分配排序值18。
-在也称为步骤b)的第二步骤104中,通过用户的交互来确定3D表面模型12的视觉呈现中的感兴趣点20。
-在也称为步骤c)的第三步骤106中,将与确定的感兴趣点20邻近的顶点中的至少一个顶点识别为预期顶点22。该识别基于检测到的与感兴趣点20的接近距离23和分配的排序值18的函数。
-在也称为步骤d)的第四步骤108中,通过经由手动用户交互对预期顶点22进行移位来修改3D表面模型12。
图2示出了皮层下脑结构的3D表面模型12的范例。3D表面模型12包括多个子结构24,例如胼胝体、脑室、壳核或苍白球。这些子结构24在利用线26指示的接界处被连接。例如,连接胼胝体和脑室的接界用虚线28指示。壳核和苍白球在用虚线30指示的接界处被连接。此外,存在具有局部高弯曲的“拐角”32(被示出为点)。这些子结构24、接界26和拐角32也称为3D表面模型12的表面子部分14。在手动编辑步骤中,表面部分14的一些部分对于手动或交互式编辑更具吸引力或相关,包括例如接界26和拐角32。因此,在步骤102中,即在步骤a)中,这些子部分14的顶点16(未示出),即接界26和拐角32可被分配不同的排序值18。
现在参考图1,在步骤106中,即在步骤c)中,存在将检测到的与感兴趣点20的接近距离23和用于识别预期顶点22的所分配的排序值18组合的各种函数。例如,该函数可以定义为:
d*L
其中,d是检测到的接近距离,并且L是排序值。
在范例中,对于手动编辑更相关的顶点16(诸如图2中的接界26和拐角32的顶点)被分配0.1的排序值(L=0.1),而其他被分配1的排序值(L=1)。以这种方式,即使与最近的非拐角和非接界顶点的距离低至其1/9,例如接界26和拐角32的顶点16也将被选为预期顶点22。
步骤d)中的修改可以包括用于编辑目的的3D表面模型的适应或变形。例如,提供该修改以便更好地将(更抽象或更广义或简化的)3D表面模型适应到当前情况(例如患者的)。
术语“变形”涉及全局(即整个3D表面模型)或局部(即一个或多个表面子部分)3D表面模型的几何变换。该几何变换可以是平移、旋转、弹性翘曲、拉伸或另一形式的变换。
在范例中,提供修改以便将3D表面模型与感兴趣区域相匹配。术语“匹配”意味着3D表面模型被几何变形,直到3D表面模型符合例如在图像表示中的对象表面的区域(也参见下文)。
因此,修改是通过编辑例如表示3D表面模型的3D网格对3D体积的编辑。
作为一个范例,3D表面模型的修改(或)变形被提供为高斯变换。
根据上述方法,基于其与3D表面模型上的选定点的接近和排序值来识别预期顶点,然后该预期顶点被用作修改3D表面模型的基础顶点,例如用于精确地匹配图像数据。在手动编辑步骤中,3D表面模型的某些部分通常对于交互编辑例如连接两个或更多区域的3D接界或具有局部高弯曲的3D“拐角”更有吸引力。诸如医学人员的用户通常从有吸引力的部分挑选预期顶点,并且例如通过用鼠标“抓住”、“拉动”、“局部弯曲”或“移动”来使3D表面模型变形。然而,在3D网格查看器中,抓取预期顶点或点可能是乏味的,因为预期顶点的视图可能被遮挡。这也发生在2D视图中,因为预期顶点可能在当前查看平面中不可见。通过为这些有吸引力部分的顶点分配不同的排序值,即使在用户不可见时也可以找到预期顶点。当用户例如通过鼠标点击选择3D表面模型上的点时,更靠近选定位置的有吸引力部分的预期顶点被识别。因此,该方法减少了用于搜索用于医学图像编辑的预期顶点的手动工作,并且改进了工作流程。
在范例中,排序值18属于包括具有以下各项的组中的至少一项的不同排序类别:形成拐角、作为接界的一分、相对弯曲程度以及解剖学意义。
术语“形成拐角”涉及定义体积的拐角的点。
术语“作为接界的部分”涉及属于两个不同子部分或子结构的点,这些子部分或子结构均以接界的形式相遇。
“相对弯曲程度”涉及以其曲线相关特性定义弯曲结构(线或边)的顶点。例如,较强的弯曲线相比于较软的弯曲线具有更大的弯曲程度,或者换句话说,小半径比大半径导致具有更大弯曲程度的圆弧。然而,弯曲程度也涉及多个曲线,即多个分开的弯曲分段。
术语“解剖学意义”涉及标准解剖标志,即用于指示特定结构或位置的解剖特征,例如骨骼、肌肉和血管。术语“解剖学意义”也可以涉及器官的子区域,例如脑的白质、灰质和脑脊液间隙。
在范例中,“解剖学意义”也涉及医学/生理学意义,这也提供分配患者相关的各方面的可能性。术语“医学/生理意义”涉及病理区域,例如癌症、组织畸形或多发性硬化损害。
在另一范例中,步骤c)还包括通过用户交互来选择所期望的至少一个顶点作为3D表面模型的修改点。
在另一范例中,提供接近阈值34。该识别包括识别在所确定的感兴趣点20的接近阈值34内的顶点16。
换句话说,在接近阈值34的最大距离内搜索预期顶点20。接近阈值34可以是固定值。接近阈值34也可以取决于当前视场,即体积图像的当前查看的图像平面。
在另一范例中,在步骤c)中,该识别被自动提供为3D表面模型的自动捕捉功能。
该自动捕捉功能也被称为“对参考顶点捕捉的功能”或“根据排序值捕捉的功能”。例如,一旦识别或选择了预期顶点20,则预期顶点20由光标自动地拾取。
在另一范例中,在步骤c)之前,用户可以选择要被应用于步骤c)中的识别的排序类别中的一个或多个。
例如,可以提供上下文菜单,其允许用户选择包括例如“边缘点”、“接界”、“解剖标志”和/或“病理区域”的相应排序类别。以此方式,用户可以进一步约束预期顶点的候选顶点的列表,从而防止拾取错误的预期顶点。
根据另一示范性实施例,如图3所示,在步骤a)中,所分配的排序值包括依赖于相关联的类别的与表面子部分14有关的所分配的数字标签36。在步骤b)之后,提供也被称为步骤b1)的子步骤110,其中,数字标签36被选择用于识别。在步骤c)中,提供也被称为步骤cl)的子步骤112,其中,利用匹配的数字标签36识别预期顶点22。
以此方式,仅相关的表面部分14的顶点16(例如接界26和图2A及图2B中的拐角32)被选择。此外,还可以识别特定子结构24(例如肿瘤)的顶点16。
根据另一示范性实施例,如图4所示,所分配的排序值包括依赖于相关联的类别的与表面子部分14有关的所分配的解剖标签38。在步骤b)之后,提供也被称为步骤b2)的步骤114,其中,解剖标签38被确定用于识别。在步骤c)中,提供也被称为步骤c2)的子步骤116,其中,利用匹配的解剖标签38识别预期顶点22。
这确保了预期顶点的选择或识别被约束到用户选定的解剖区域,例如以防止拾取在图2中的壳核而不是苍白球点。
根据另一示范性实施例,如图5所示,步骤c)还包括:c3)显示118所识别的预期顶点22,其在视觉上被突出显示;并且步骤d)还包括:d1)显示120经修改的3D表面模型。
在步骤c3)中,视觉突出显示可以被提供为颜色编码、对比度增强、亮度增强、或提供用于识别的图案、或闪所识别的预期顶点的烁或闪亮。
将认识到,步骤c3)中的所识别的预期顶点的显示和步骤d1)中的3D表面模型的显示可以经由计算机屏幕、电视监视器、头部安装屏幕,或者备选地,该显示可以通过计算机网络或视听分布系统发送到另一显示器或设备。
根据另一示范性实施例,如图6所示,在步骤a)中还提供:a1)提供122感兴趣对象的2D医学图像40;以及a2)将通过3D表面模型的节段42的2D表示叠加124在2D医学图像上作为组合2D图像。该2D表示42和2D医学图像40被彼此配准。在步骤b)中,在组合2D图像中指示感兴趣匹配点20;并且在步骤d)中,还通过对组合2D图像中的指示的匹配点进行移位来提供修改。
术语“医学图像”涉及由医学成像模态生成的图像,例如X射线成像模态(例如C型臂或CT(计算机断层摄影)),或者如磁共振(MR)成像模态或超声成像模态。除了一种类型的图像之外,医学图像也可以涉及来自若干源的图像的组合。一个范例是组合结构和代谢信息的CT和PET图像的组合。医学图像还可以涉及随时间的集成图像,其也被称为4D图像数据集,例如MRI、吸入和呼出CT或4D CT,例如用于跟踪解剖结构的非刚性运动。
术语“节段的2D表示”涉及3D表面模型的平面内轮廓,其表示叠加在给定图像切片上的对象边界,该图像切片例如被提供用于评价在逐个切片基础上设置的体积图像,例如轴向、冠状或矢状切片视图。例如,该平面内轮廓可以通过求解所查看的图像平面和与该图像平面相交的3D表面网格的边缘之间的线平面方程来获得。
图7示出了图6中的模型编辑操作的范例。2D医学图像40(图7中的左侧)被提供为皮层下脑结构的截面视图,其中,节段42的2D表示,即轮廓被叠加在2D医学图像40上。右侧是皮层下脑结构的3D表面模型12。根据上述范例之一例如通过靠近右壳体上的3D拐角32的鼠标点击来识别预期顶点22。然后,所识别的预期顶点22被突出显示,例如利用颜色编码或者3D表面模型12和2D表示42中的对比度增强。在预期顶点22不在当前查看平面中的情况下,可以调节2D查看平面,使得参考顶点22在识别之后被标记且清晰可见,例如通过改变用户正在操作的当前视图,通过在主视图旁边提供“缩略”视图,或通过任何其他合适的方法。用户可以例如通过拉动预期顶点22(如图7中的箭头44指示的)直接在3D表面模型12上实现修改。备选地,用户可以在经修改的查看平面中在组合的2D医学图像40中,或在缩略视图中对预期顶点12进行移位。
图8示出了根据本发明的示范性实施例的医学图像编辑设备50。医学图像编辑设备50包括处理器单元52、输出单元54和接口单元56。处理器单元52被配置为提供感兴趣对象的解剖结构的3D表面模型。该3D表面模型包括多个表面子部分。表面子部分均包括多个顶点,并且每个顶点被分配排序值。处理器单元52还被配置为将与所确定的感兴趣点邻近的顶点中的至少一个顶点识别为预期顶点。该识别基于检测到的与感兴趣点的接近距离和所分配的排序值的函数。输出单元54被配置为提供3D表面模型的视觉呈现。接口单元56被配置为通过用户的交互来确定3D表面模型的视觉呈现中的感兴趣点。接口单元56还被配置为通过经由手动用户交互对预期顶点进行移位来修改3D表面模型。在范例中,输出单元54是被配置为直接向用户58显示3D表面模型的显示器。
在范例中,医学图像或图像数据不需要被呈现给医学图像编辑设备50,因为其被应用于3D表面模型。
根据另一示范性实施例,医学图像编辑设备50的处理器单元52被配置为提供感兴趣对象的2D医学图像。处理器单元50还被配置为将通过3D表面模型的节段的2D表示叠加在2D医学图像上作为组合2D图像。
该2D表示和2D医学图像被彼此配准。处理器单元50还被配置为指示组合2D图像中的感兴趣匹配点。处理器单元50还被配置为也通过对组合2D图像中指示的匹配点进行移位来提供修改。
图9示出了根据本发明的示范性实施例的医学成像系统200,其包括医学图像采集设备60和根据之前描述的范例之一的医学图像编辑设备62。医学图像采集设备60被配置为提供用于修改3D表面模型12的图像数据。
在范例中,医学图像采集设备60被提供为具有以下各项的组中的至少一项:
-X射线图像采集设备,诸如计算机断层摄影(CT)设备或C型臂设备64;
-磁共振(MR)设备66;
-经食道超声心动图(TEE)设备68;
-超声波设备(未进一步示出);
-正电子发射断层摄影(PET)设备(未进一步示出);以及
-单光子发射计算机断层摄影(SPECT)设备(未进一步示出)。
术语“图像数据”涉及由医学图像采集设备60提供的数据或信号。这些数据通常没有经过预处理或仅经过有限的预处理,并且通常不直接对应于身体部分的医学图像,例如,截面视图。
在本发明的另一示范性实施例中,提供一种计算机程序或一种计算机程序单元,其特征在于适于在适当的系统上运行根据前面的实施例之一所述的方法的方法步骤。
因此,所述计算机程序单元可以被存储在计算机单元上,所述计算机单元也可以是本发明的实施例的部分。该计算单元可以适于执行以上描述的方法的步骤或诱发以上描述的方法的步骤的执行。此外,其可以适于操作以上描述的装置的部件。所述计算单元能够适于自动地操作和/或运行用户的命令。计算机程序可以被加载到数据处理器的工作存储器中。所述数据处理器由此可以被装备为执行本发明的方法。
本发明的该示范性实施例涵盖从一开始就使用本发明的计算机程序或借助于更新将现有程序转变为使用本发明的程序的计算机程序两者。
更进一步地,所述计算机程序单元能够提供实现如以上所描述的方法的示范性实施例的流程的所有必需步骤。
根据本发明的另一示范性实施例,提出了一种计算机可读介质,例如CD-ROM,其中,所述计算机可读介质具有存储在所述计算机可读介质上的计算机程序单元,其中,所述计算机程序单元由前面部分描述。
计算机程序可以存储和/或分布在与其他硬件一起提供或作为其他硬件的部分提供的诸如光学存储介质或固态介质的适当的介质上,但是计算机程序也可以以其他的形式分布,例如经由因特网或其他有线或无线的远程电信系统分布。
然而,所述计算机程序也可以存在于诸如万维网的网络上并能够从这样的网络中下载到数据处理器的工作存储器中。根据本发明的另一示范性实施例,提供一种用于使得计算机程序单元能够被下载的介质,其中,所述计算机程序单元被布置为执行根据本发明的之前描述的实施例之一所述的方法。
必须指出,本发明的实施例参考不同主题加以描述。具体而言,一些实施例参考方法类型的权利要求加以描述,而其他实施例参考设备类型的权利要求加以描述。然而,本领域技术人员将从以上和下面的描述中了解到,除非另行指出,除了属于一种类型的主题的特征的任何组合之外,涉及不同主题的特征之间的任何组合也被认为由本申请公开。然而,所有特征能够被组合以提供超过特征的简单加和的协同效应。
尽管已经在附图和前面的描述中详细说明和描述了本发明,但这样的说明和描述被认为是说明性或示范性的而非限制性的。本发明不限于所公开的实施例。通过研究附图、说明书和从属权利要求,本领域的技术人员在实践请求保护的本发明时能够理解和实现所公开的实施例的其他变型。
在权利要求中,词语“包括”不排除其他单元或步骤,并且,词语“一”或“一个”并不排除多个。单个处理器或其他单元可以履行权利要求书中记载的若干项目的功能。尽管在互不相同的从属权利要求中记载了特定措施,但是这并不指示不能有利地使用这些措施的组合。权利要求中的任何附图标记不应被解释为对范围的限制。
Claims (15)
1.一种医学图像编辑设备(50),包括:
-处理器单元(52);
-输出单元(54);以及
-接口单元(56);
其中,所述处理器单元被配置为:提供感兴趣对象的解剖结构的3D表面模型;其中,所述3D表面模型包括多个表面子部分;其中,所述表面子部分中的每个包括多个顶点;并且其中,每个顶点被分配排序值;并且将与所确定的感兴趣点邻近的顶点中的至少一个顶点识别为预期顶点;其中,所述识别基于检测到的与所述感兴趣点的接近距离和所分配的排序值的函数;
其中,所述输出单元被配置为提供所述3D表面模型的视觉呈现;并且
其中,所述接口单元被配置为:通过用户的交互来确定所述3D表面模型的所述视觉呈现中的感兴趣点;并且通过经由手动用户交互对所述预期顶点进行移位来修改所述3D表面模型。
2.根据权利要求1所述的医学图像编辑设备,其中,所述排序值与包括具有以下项的组中的至少一项的不同排序类别相关联:
-形成拐角;
-作为接界的部分;
-相对弯曲程度;以及
-解剖学意义。
3.根据权利要求1或2所述的医学图像编辑设备,其中,所述处理器单元还被配置为提供所述感兴趣对象的2D医学图像;并且将通过所述3D表面模型的节段的2D表示叠加在所述2D医学图像上作为组合2D图像,其中,所述2D表示和所述2D医学图像被彼此配准;
其中,所述处理器单元还被配置为指示所述组合2D图像中的感兴趣匹配点;并且
其中,所述处理器单元还被配置为也通过对所述组合2D图像中的所指示的匹配点进行移位来提供所述修改。
4.一种医学成像系统(200),包括:
-医学图像采集设备(60);以及
-根据前述权利要求中的一项所述的医学图像编辑设备(62);
其中,所述医学图像采集设备被配置为提供用于对所述3D表面模型的所述修改的图像数据。
5.一种编辑医学3D表面模型的方法(100),包括以下步骤:
a)提供(102)感兴趣对象的解剖结构的3D表面模型(12);其中,所述3D表面模型包括多个表面子部分(14);其中,所述表面子部分中的每个包括多个顶点(16);并且其中,每个顶点被分配排序值(18);
b)通过用户的交互来确定(104)所述3D表面模型的视觉呈现中的感兴趣点(20);
c)将与所确定的感兴趣点邻近的顶点中的至少一个顶点识别(106)为预期顶点(22);其中,所述识别基于检测到的与所述感兴趣点的接近距离(23)和所分配的排序值的函数;并且
d)通过经由手动用户交互对所述预期顶点进行移位来修改(108)所述3D表面模型。
6.根据权利要求5所述的方法,
其中,步骤c)包括通过用户交互来选择预期的至少一个顶点作为所述3D表面模型的修改的点。
7.根据权利要求5所述的方法,
其中,在步骤c)中,提供接近阈值(34);并且所述识别包括识别所确定位置的所述接近阈值内的顶点。
8.根据权利要求5所述的方法,
其中,在步骤c)中,所述识别被自动提供为所述3D表面模型的自动捕捉功能。
9.根据权利要求5所述的方法,
其中,在步骤c)之前,所述用户能够选择要被应用于步骤c)中的所述识别的排序类别中的一个或多个。
10.根据权利要求5所述的方法,
其中,在步骤a)中,所分配的排序值包括依赖于相关联的类别的与所述表面子部分有关的所分配的数字标签(36);并且
其中,在步骤b)之后,提供:
b1)选择(110)数字标签以用于所述识别;并且
其中,在步骤c)中,提供以下子步骤:
cl)利用匹配的数字标签来识别(112)所述预期顶点。
11.根据权利要求5所述的方法,
其中,在步骤a)中,所分配的排序值包括依赖于相关联的类别的与所述表面子部分有关的所分配的解剖标签(38);并且
其中,在步骤b)之后,提供:
b2)确定(114)解剖标签以用于所述识别;并且
其中,在步骤c)中,提供以下子步骤:
c2)利用匹配的解剖标签来识别(116)所述预期顶点。
12.根据权利要求5所述的方法,
其中,步骤c)还包括:
c3)显示(118)所识别的预期顶点;其中,所识别的预期顶点在视觉上被突出显示;并且
其中,步骤d)还包括:
d1)显示(120)经修改的3D表面模型。
13.根据权利要求5至12中的一项所述的方法,
其中,在步骤a)中,还提供:
a1)提供(122)所述感兴趣对象的2D医学图像(40);并且
a2)将通过所述3D表面模型的节段的2D表示(42)叠加(124)在所述2D医学图像上作为组合2D图像,其中,所述2D表示和所述2D医学图像被彼此配准;
其中,在步骤b)中,在所述组合2D图像中指示感兴趣匹配点;并且
其中,在步骤d)中,还通过对所述组合2D图像中的所指示的匹配点进行移位来提供所述修改。
14.一种用于控制根据权利要求1至3中的一项所述的医学图像编辑设备或根据权利要求4所述的医学成像系统的装置,所述装置包括数据处理器和存储计算机程序单元的计算单元,所述计算机程序单元在被加载到所述数据处理器的工作存储器时适于执行权利要求5至13中的一项所述的方法的步骤。
15.一种存储有用于控制根据权利要求1至3中的一项所述的医学图像编辑设备或根据权利要求4所述的医学成像系统的计算机程序单元的计算机可读介质,所述计算机程序单元在由处理单元运行时适于执行权利要求5至13中的一项所述的方法的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462093444P | 2014-12-18 | 2014-12-18 | |
US62/093,444 | 2014-12-18 | ||
PCT/IB2015/059393 WO2016097920A1 (en) | 2014-12-18 | 2015-12-07 | Medical image editing |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107004305A CN107004305A (zh) | 2017-08-01 |
CN107004305B true CN107004305B (zh) | 2021-02-02 |
Family
ID=55229756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580068800.XA Active CN107004305B (zh) | 2014-12-18 | 2015-12-07 | 与医学图像编辑相关的设备、系统、方法、装置和计算机可读介质 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10586398B2 (zh) |
EP (1) | EP3234926B1 (zh) |
JP (2) | JP7080054B2 (zh) |
CN (1) | CN107004305B (zh) |
RU (1) | RU2711140C2 (zh) |
WO (1) | WO2016097920A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10262414B2 (en) * | 2015-07-29 | 2019-04-16 | University Of Louisville Research Foundation, Inc. | Computer aided diagnostic system for mapping of brain images |
EP3291175B1 (en) * | 2016-09-05 | 2018-12-12 | RaySearch Laboratories AB | Image processing system and method for interactive contouring of three-dimensional medical data |
CN108302855A (zh) * | 2017-01-13 | 2018-07-20 | 富泰华工业(深圳)有限公司 | 冰箱及其摄像系统 |
US10586361B2 (en) * | 2017-12-22 | 2020-03-10 | Adobe Inc. | Mesh art positioning techniques as part of digital content creation |
US10755488B2 (en) | 2018-02-19 | 2020-08-25 | Koninklijke Philips N.V. | Systems, methods, and apparatuses for modifying model data for printing three-dimensional anatomical objects |
CN109345629A (zh) * | 2018-08-08 | 2019-02-15 | 安徽慧软科技有限公司 | 一种三维医学图像模糊凸显显示方法 |
CN109003471A (zh) * | 2018-09-16 | 2018-12-14 | 山东数字人科技股份有限公司 | 一种三维人体超声解剖教学系统及方法 |
US10643365B1 (en) * | 2018-11-20 | 2020-05-05 | Adobe Inc. | Deformation mesh control for a computer animated artwork |
CN109754472B (zh) * | 2018-12-29 | 2023-07-18 | 上海联影医疗科技股份有限公司 | 一种组织轮廓编辑方法、装置、计算机设备及存储介质 |
US10790056B1 (en) * | 2019-04-16 | 2020-09-29 | International Medical Solutions, Inc. | Methods and systems for syncing medical images across one or more networks and devices |
JP7411182B2 (ja) * | 2020-09-28 | 2024-01-11 | 株式会社Kompath | 医用画像処理装置、医用画像処理方法、医用画像処理プログラム、及び手術支援システム |
US11538578B1 (en) | 2021-09-23 | 2022-12-27 | International Medical Solutions, Inc. | Methods and systems for the efficient acquisition, conversion, and display of pathology images |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012017375A3 (en) * | 2010-08-05 | 2012-11-01 | Koninklijke Philips Electronics N.V. | In-plane and interactive surface mesh adaptation |
US8411080B1 (en) * | 2008-06-26 | 2013-04-02 | Disney Enterprises, Inc. | Apparatus and method for editing three dimensional objects |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0757113A (ja) * | 1993-08-18 | 1995-03-03 | Ge Yokogawa Medical Syst Ltd | 3次元画像表示方法および装置 |
JP2003281568A (ja) | 2002-03-25 | 2003-10-03 | Sony Corp | 画像処理装置および方法、記録媒体、並びにプログラム |
US7796790B2 (en) * | 2003-10-17 | 2010-09-14 | Koninklijke Philips Electronics N.V. | Manual tools for model based image segmentation |
JP2007518484A (ja) * | 2004-01-19 | 2007-07-12 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 変形可能な表面のセグメント化のリアルタイムなユーザ対話処理 |
US20060177133A1 (en) | 2004-11-27 | 2006-08-10 | Bracco Imaging, S.P.A. | Systems and methods for segmentation of volumetric objects by contour definition using a 2D interface integrated within a 3D virtual environment ("integrated contour editor") |
WO2006088429A1 (en) * | 2005-02-17 | 2006-08-24 | Agency For Science, Technology And Research | Method and apparatus for editing three-dimensional images |
ATE534098T1 (de) | 2005-09-23 | 2011-12-15 | Koninkl Philips Electronics Nv | Verfahren und system zur anpassung eines geometrischen modells mit mehreren teil- transformationen |
EP1975877B1 (en) | 2005-11-23 | 2018-09-19 | Agfa HealthCare N.V. | Method for point-of-interest attraction in digital images |
US7443393B2 (en) | 2006-01-19 | 2008-10-28 | International Business Machines Corporation | Method, system, and program product for re-meshing of a three-dimensional input model using progressive implicit approximating levels |
US7843427B2 (en) | 2006-09-06 | 2010-11-30 | Apple Inc. | Methods for determining a cursor position from a finger contact with a touch screen display |
CN101356493A (zh) * | 2006-09-06 | 2009-01-28 | 苹果公司 | 用于照片管理的便携式电子装置 |
US8332333B2 (en) * | 2006-10-19 | 2012-12-11 | Massachusetts Institute Of Technology | Learning algorithm for ranking on graph data |
WO2009003225A1 (en) | 2007-06-29 | 2009-01-08 | Adelaide Research & Innovation Pty Ltd | Method and system for generating a 3d model from images |
EP2171686B1 (en) | 2007-07-27 | 2014-01-01 | Koninklijke Philips N.V. | Interactive atlas to image registration |
JP2011507584A (ja) * | 2007-12-20 | 2011-03-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 身体及び体輪郭の3次元再構成 |
US8150120B2 (en) * | 2008-05-06 | 2012-04-03 | Carestream Health, Inc. | Method for determining a bounding surface for segmentation of an anatomical object of interest |
US8077948B2 (en) * | 2008-05-06 | 2011-12-13 | Carestream Health, Inc. | Method for editing 3D image segmentation maps |
US8340385B2 (en) * | 2008-12-05 | 2012-12-25 | Siemens Aktiengesellschaft | Method and system for left ventricle detection in 2D magnetic resonance images using ranking based multi-detector aggregation |
JP5451871B2 (ja) | 2009-04-03 | 2014-03-26 | コーニンクレッカ フィリップス エヌ ヴェ | 相互作用的なライブメッシュの区分けのためのシステム及び方法 |
US20130124148A1 (en) * | 2009-08-21 | 2013-05-16 | Hailin Jin | System and Method for Generating Editable Constraints for Image-based Models |
CN102117143B (zh) | 2009-12-31 | 2015-05-13 | 深圳迈瑞生物医疗电子股份有限公司 | 一种触摸屏响应方法及装置 |
JP5624350B2 (ja) * | 2010-04-02 | 2014-11-12 | 株式会社東芝 | 医用画像処理装置 |
US8885898B2 (en) * | 2010-10-07 | 2014-11-11 | Siemens Medical Solutions Usa, Inc. | Matching of regions of interest across multiple views |
JP5808146B2 (ja) * | 2011-05-16 | 2015-11-10 | 株式会社東芝 | 画像処理システム、装置及び方法 |
US8907944B2 (en) * | 2011-06-28 | 2014-12-09 | General Electric Company | Method and system for navigating, segmenting, and extracting a three-dimensional image |
US8867806B2 (en) * | 2011-08-01 | 2014-10-21 | Impac Medical Systems, Inc. | Method and apparatus for correction of errors in surfaces |
US10140011B2 (en) | 2011-08-12 | 2018-11-27 | Microsoft Technology Licensing, Llc | Touch intelligent targeting |
US8477153B2 (en) * | 2011-08-24 | 2013-07-02 | General Electric Company | Method and system for navigating, segmenting, and extracting a three-dimensional image |
WO2013040673A1 (en) * | 2011-09-19 | 2013-03-28 | The University Of British Columbia | Method and systems for interactive 3d image segmentation |
US9317194B2 (en) * | 2011-09-19 | 2016-04-19 | Koninklijke Philips N.V. | Status-indicator for sub-volumes of multi-dimensional images in guis used in image processing |
JP5901930B2 (ja) * | 2011-10-11 | 2016-04-13 | 株式会社東芝 | 画像処理装置 |
US9745197B2 (en) | 2012-03-16 | 2017-08-29 | Carbodeon Ltd Oy | Detonation nanodiamond material purification method and product thereof |
KR200476093Y1 (ko) * | 2014-06-27 | 2015-02-04 | 송학수 | 조립식 애완동물용 놀이기구 |
-
2015
- 2015-12-07 US US15/537,360 patent/US10586398B2/en active Active
- 2015-12-07 EP EP15828520.5A patent/EP3234926B1/en active Active
- 2015-12-07 WO PCT/IB2015/059393 patent/WO2016097920A1/en active Application Filing
- 2015-12-07 RU RU2017125784A patent/RU2711140C2/ru active
- 2015-12-07 CN CN201580068800.XA patent/CN107004305B/zh active Active
- 2015-12-07 JP JP2017532002A patent/JP7080054B2/ja active Active
-
2021
- 2021-03-01 JP JP2021031401A patent/JP2021098053A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8411080B1 (en) * | 2008-06-26 | 2013-04-02 | Disney Enterprises, Inc. | Apparatus and method for editing three dimensional objects |
WO2012017375A3 (en) * | 2010-08-05 | 2012-11-01 | Koninklijke Philips Electronics N.V. | In-plane and interactive surface mesh adaptation |
Also Published As
Publication number | Publication date |
---|---|
CN107004305A (zh) | 2017-08-01 |
EP3234926B1 (en) | 2020-11-04 |
EP3234926A1 (en) | 2017-10-25 |
US20180005455A1 (en) | 2018-01-04 |
JP2018500091A (ja) | 2018-01-11 |
JP7080054B2 (ja) | 2022-06-03 |
RU2017125784A (ru) | 2019-01-18 |
RU2711140C2 (ru) | 2020-01-15 |
US10586398B2 (en) | 2020-03-10 |
JP2021098053A (ja) | 2021-07-01 |
WO2016097920A1 (en) | 2016-06-23 |
RU2017125784A3 (zh) | 2019-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107004305B (zh) | 与医学图像编辑相关的设备、系统、方法、装置和计算机可读介质 | |
CN106108925B (zh) | 用于医学图像中全身骨移除和血管可视化的方法和系统 | |
CN106663309B (zh) | 用于医学成像中的用户引导的骨骼分段的方法和存储介质 | |
EP1851722B1 (en) | Image processing device and method | |
US9858667B2 (en) | Scan region determining apparatus | |
US9659364B2 (en) | Probabilistic refinement of model-based segmentation | |
US8019142B2 (en) | Superimposing brain atlas images and brain images with delineation of infarct and penumbra for stroke diagnosis | |
US8543338B2 (en) | System and method for performing computerized simulations for image-guided procedures using a patient specific model | |
US9563979B2 (en) | Apparatus and method for registering virtual anatomy data | |
US11132801B2 (en) | Segmentation of three-dimensional images containing anatomic structures | |
US20070276214A1 (en) | Systems and Methods for Automated Segmentation, Visualization and Analysis of Medical Images | |
EP2189942A2 (en) | Method and system for registering a medical image | |
CN101151638B (zh) | 用于分割数据集中的结构的方法和系统 | |
Khlebnikov et al. | Crepuscular rays for tumor accessibility planning | |
US20070116338A1 (en) | Methods and systems for automatic segmentation of biological structure | |
WO2012072129A1 (en) | Longitudinal monitoring of pathology | |
CN113573640A (zh) | 对解剖结构的感兴趣区域进行建模 | |
JP6517953B2 (ja) | インタラクティブ・メッシュ編集システム及び方法 | |
Cheirsilp | 3D multimodal image analysis for lung-cancer assessment | |
Kühnel et al. | Enhanced cardiovascular image analysis by combined representation of results from dynamic MRI and anatomic CTA | |
Monclús Lahoya | Advanced interaction techniques for medical models | |
Schlachter et al. | Visualization of 4DPET/CT target volumes and dose distribution: applications in radiotherapy planning | |
zu Berge et al. | Schematic Electrode Map for Navigation in Neuro Data Sets. | |
Jung | Feature-Driven Volume Visualization of Medical Imaging Data | |
Lahoya | Advanced interaction techniques for medical models |
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 |