CN100421128C - 用于对断层图像数据分段的方法和图像处理系统 - Google Patents
用于对断层图像数据分段的方法和图像处理系统 Download PDFInfo
- Publication number
- CN100421128C CN100421128C CNB2004100983678A CN200410098367A CN100421128C CN 100421128 C CN100421128 C CN 100421128C CN B2004100983678 A CNB2004100983678 A CN B2004100983678A CN 200410098367 A CN200410098367 A CN 200410098367A CN 100421128 C CN100421128 C CN 100421128C
- Authority
- CN
- China
- Prior art keywords
- model
- normative
- image data
- parameter
- model parameter
- 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.)
- Expired - Fee Related
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
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Generation (AREA)
Abstract
本发明涉及对检查对象的断层图像数据(D)分段的方法。在断面图像数据(D)中确定目标结构(Z)并选择一个几何形状可根据模型参数(tx,ty,tz,rx,ry,rz,d12,d34)改变的解剖规范模型(M)。将模型参数根据其对整体解剖几何的影响分层。在多个迭代步骤(S)中将规范模型(M)与在断面图像数据(D)中确定的目标结构(Z)匹配以实现个性化,随着迭代步骤(S)数的增加对应于可调整的模型参数数的分层级提高。最后,在断面图像数据(D)内选择所有在个性化的模型(M)或模型部分的轮廓内或最多与其偏差特定差值的图像点。还涉及一种对应的图像处理系统。
Description
技术领域
本发明涉及一种借助于参数化的模型对检查对象的断层图像数据进行分段的方法。此外,本发明还涉及一种产生应用在该分段方法中的参数化模型的方法,以及一种可以用来执行该方法的图像处理系统。
背景技术
借助于产生断层图像的医疗器械(例如,计算机断层造影仪、磁共振设备和超声波设备)的检查的结果通常是多个序列,这些序列具有有关检查对象的多个断面图像。为了对检查进一步规划和/或为了建立诊断,在许多情况下必须将这些断层图像数据在检查期间或者在检查之后立刻进行进一步的处理。在对断层图像数据的进一步处理中,对解剖结构进行所谓的“分段”起着重要的作用。在这种“分段”中将检查对象的图像数据这样分解,使得检查对象的特定部分对象(即,在处在各次检查焦点下的解剖结构)与其余的图像数据中分开。为此的一个形象的例子是将骨盆的骨骼结构从患者下肢的CT或者MR断层图像数据组中分离出来。另一个例子是借助于计算机断层造影仪的造影剂血管造影。在这种检查中,为了能够随后完成诊断上有说服力的MIP显示(MIP=Maximum Intensity Projection,最大强度投影)或类似的结果图像,将干扰的骨骼成分从体积数据组中排除是有意义的,有时甚至是被迫需要的。这首先在颅骨和脊椎领域中的检查中是重要的。在血管造影的其它领域中,在对感兴趣的解剖结构拍摄细节图像时,对医疗器械进行操作规划以及控制时,对已有的断层图像数据进行良好的分段起到了重要的作用。
一种相对较简单的分段算法是所谓的“阈值方法”。该方法起作用的方式是,将各个体素(即各个的3D图像点)的强度值与固定设置的阈值进行比较。如果该体素的值超出该阈值,则将该体素计算为一个特定的结构。不过,在磁共振拍摄中这种方法首先可以用在造影剂检查或者用于将外部的皮肤表面从环境中分离出来。在计算机断层造影拍摄中,该方法还可以用于分离骨骼结构。该方法一般不适合于分离其它组织类型。此外很遗憾的是,在许多情况下不能利用该方法将不同的相邻骨骼结构相互分离开,例如,在拍摄臀部关节时将骨盆结构的关节窝与大腿的关节头分离开并分别观察这些部分对象。另外,这种简单的阈值方法经常由于所谓的部分体积效应和金属伪影而无法可靠地应用,这些效应和伪影造成不能确定待分离的部分对象表面的各部分。
因此,在许多情况下仅仅可能对断层图像数据进行手动分段。不过,不幸的是由于检查对象复杂的解剖结构,进行这种手动分段经常是极其困难的并且造成很高的时间花费。
一种对分段的改善基本上可以通过使用所谓的基于模型的方法,其中将关于检查对象的形态学上的知识引入到分段中。
为了模拟或者再识别处于特定状态下的对象,虚拟模型已经使用到许多技术领域中。例如,在US 2001/0026272 A1提出了一种模拟方法,其中在考虑衣服的机械和光学材料特性的条件下,可以模拟有关衣服在人体上的物理上正确的位置。此外,例如在US 6002782中描述了一种在将所拍摄的人面部2D图像与已知的光学3D面部扫描的模拟2D图像进行相关的基础上识别人的方法,其中,使3D面部扫描的x轴与用于2D图像的摄像机的有关视线方向重合。
在医学领域中也已经使用的各种方法,以在不同的测量的基础上产生待检查对象的虚拟模型,这些虚拟模型然后可以作为对有关对象进一步检查的基础。例如,在US 6028907中描述了一种方法,其中从二维CT断层图像和二维CT探测图像中产生待检查的脊椎的三维模型。
在上述的断层图像数据分段的问题中,可以通过将模型与在包括待分离部分对象的断层图像数据中的目标结构进行匹配,在各个层中对例如由于部分体积效应和金属伪影而缺少的信息进行补偿。由此,可以对待分离的部分对象(例如器官或者特定的骨骼结构)进行完全的再现。不过,在该方法中分段的问题最后成为将模型与断层图像数据中的目标结构尽可能良好匹配的问题。
发明内容
因此,本发明要解决的技术问题是,提供在利用模型的条件下对检查对象的断层图像数据进行简单和可靠分段的相应的方法和图像处理系统,其中,尤其是模型与目标结构的匹配也可以利用尽可能少的时间花费令人满意地实现。
本发明的技术问题通过一种对检查对象的断层图像数据进行分段以便分离出至少一个部分对象的方法解决,其中:相应于待分段的断层图像数据选择一个解剖规范模型,其几何形状可以根据模型参数改变,其中,将所述模型参数根据其对整体解剖几何的影响分层设置;然后,将该规范模型在多个迭代步骤中与一个在所述断面图像数据中确定的目标结构进行匹配,以便实现个性化,其中,随着迭代步骤数量的增加,对应于可调整的模型参数数的分层的级提高;最后,在断面图像数据中选出所有这样的图像点,这些图像点处于个性化的模型或模型部分的轮廓内,或最多与其偏差一个特定的差值。
本发明的技术问题还通过一种图像处理系统解决,其用于对检查对象的断层图像数据进行分段,以分离出至少一个部分对象,其包括:用于从测量装置接收所测量的、待分段的断层图像数据的接口;目标结构确定单元,用于在断面图像数据中确定目标结构;存储器装置,其具有多个对于所述断面图像数据中的不同目标结构的解剖规范模型,该模型的几何形状可以根据模型参数改变,其中,将模型参数根据其对规范模型的整体解剖几何的影响而分层设置;选择单元,用于对应于待分段的断面图像数据选择解剖规范模型;匹配单元,用于将所选出的规范模型在多个迭代步骤中与断面图像数据中的目标结构进行匹配,以便实现个性化,其中,随着迭代步骤数量的增加,对应于可调整的模型参数数的分层的级提高;分离单元,用于最后在所述断面图像数据内选择所有这样的图像点,这些图像点处于个性化的模型或模型部分的轮廓内,或者最多与其偏差一个特定的差值。
在此,按照本发明的方法,作为一个其几何形状可以根据模型参数改变的解剖规范模型,采用分层参数化的规范模型,其中,将模型参数根据其对整体解剖几何形状的影响而分层设置。这里,在多个迭代步骤中进行该规范模型的个性化(即与目标结构进行匹配),其中,随着迭代步骤数量的增加,同时可以在每个迭代步骤中调整的模型参数的数目(由此在模型变动时自由度的数目)对应于参数分层的级提高。通过该方法保证了,在个性化中首先调整对模型的解剖整体几何影响最大的模型参数。然后,仅对整体几何形状的一部分产生影响的、在下的模型参数才可以逐步地得到调整。由此保证了在模型匹配中有效并因此而节省时间的方式。
如果最后模型按希望的方式与目标结构匹配,例如,在模型和目标结构之间不再存在偏差或者偏差最小或低于一个特定的阈值,则在断面图像数据内选择所有这样的图像点,这些图像点处于个性化的模型或模型部分的轮廓内,或者最多与其偏差一个特定的差值。在此,选择可以下列方式进行,即将有关的图像点排除或者将其余的图像点排除(即将有关的图像裁剪出来)。这里,将“部分模型”理解为个性化后的规范模型的一部分,例如颅骨模型的颅底内骨。
为此,本发明的图像处理系统需要:接口单元,用于从医疗器械接收所测量的、待分段的断层图像数据;目标结构确定单元,用于在所述断面图像数据中确定目标结构;存储器装置,其具有对于在所述断面图像数据中的不同目标结构的多个解剖规范模型,其中,将所述模型参数根据其对整体解剖几何形状的影响分层设置;选择单元,用于对应于待分段的断面图像数据选择解剖规范模型。此外,该图像处理系统还需要匹配单元,用于将所选择出的规范模型在多个迭代步骤中与断面图像数据的目标结构进行匹配以便实现个性化,其中,随着迭代步骤数量的增加可以调整的模型参数的数目对应于分层的级提高。最后,该图像处理系统还需要分离单元,用于在所述断面图像数据内部选择所有这样的图像点,这些图像点处于个性化后的模型或模型部分的轮廓内,或者最多与其偏差一个特定的差值。
优选地,模型参数分别属于一个分层的类。这意味着,不同模型参数必要时也可以属于同一个分层的类,因为它们对解剖几何形状具有大致相同的影响。这样,在一定的迭代步骤中可以通过重新建立而获得特定分层的类的所有模型参数。然后,在下一个迭代步骤中引入在下分层的类等的模型参数。
可以在模型几何形状中偏差的基础上将模型参数分配给一个分层的类,其中,如果将有关的模型参数变动一定的值则出现该偏差。在此,在一个特别优选的方法中,将不同的分层的类与偏差的特定区域、即偏差的值域相对应。也就是,例如为了将一个参数分配到一个分层的类,改变该参数并计算输出状态下的该几何形状改变了的模型所产生的偏差。在此,偏差的度量取决于所使用的规范模型的类型。起决定作用的仅仅是,确定一个精确定义的偏差度量,该偏差度量尽可能精确地对模型在有关模型参数变化之前和之后的几何变化进行量化,以便保证将不同模型参数对模型几何形状的影响进行实际的比较。因此,为了能够对几何形状影响进行直接的比较,优选地对于每个参数类型(例如,对于其中模型的两点之间的距离变化的距离参数,或者对于其中模型的三点之间的角度变化的角度参数)使用统一的步长。然后,简单地通过对该偏差度量预先给出的数值间隔来将这些参数划分到分层的类。
优选地,在最上面的分层的类中(其模型参数在第一迭代步骤中就可以立刻设置)至少配置这样的模型参数,即当这些参数改变时规范模型会发生全局变化。此外,例如整个模型转动的所谓新参数是围绕三个模型轴的,平移是沿三个模型轴的,而整个模型的比例变换是沿三个模型轴的。
在原理上可以按不同的方式构成可以使用的数字解剖规范模型。例如,一种可能是在体素的基础上进行解剖结构的模型化,其中,为了编辑这种体积数据通常需要昂贵并流传不广的、专门的软件。另一种可能是利用所谓的“有限元”,其中模型通常由四面体构成。不过,对于这种模型也需要专门和昂贵的软件。流传相对较广的是通过三角形对解剖上的边界面积进行简单的模型化。对应的数据结构通过来自计算机绘图领域中的许多标准程序得到支持。按照该原理构成的模型被称为所谓的表面定向的解剖模型。在此,涉及的是解剖结构模型化的最小公倍数(kleinsten gemensamenNenner),因为既可以从通过体素的三角形的首先提到的体积模型,又可以从通过将有限元方法的四面体变换到三角形导出对应的表面模型。
因此,作为规范模型可以使用在三角形基础上构成的、表面定向模型。一方面利用该方法可以最简单和低造价地产生模型。另一方面已经按照其它形式产生的模型(特别是提到的体积模型)可以通过对应的变换得到采用,使得再重新建立对应的模型变得多余。
为了新建立这种表面模型,例如可以利用对应于典型的手动方法的花费对断层图像照片进行分段。然后,从由此获得的关于各个结构(例如单个的器官)的信息最后产生模型。为了得到人的骨骼模型,例如也可以借助于激光扫描器对人的骨架进行测量,或者利用计算机断层造影仪进行扫描和分段以及三角形化。
在使用在三角形基础上产生的表面模型的情况下,对于在未改变的规范模型和一个参数变动后改变了的规范模型之间的偏差,优选地在对在不同状态下的模型的对应三角形的几何距离的和的基础上进行计算。
各个模型参数的分层安排基本上可以在对模型进行个性化期间进行。如果,例如在每个迭代步骤中首先验证,哪些其它的模型参数对该几何形状具有最大的影响,则将这些参数引入。不过,因为由此带来了巨大的计算花费,因此特别优选的是将模型参数的分类和安排事先进行,例如在产生规范模型时就进行,起码在为了随后的选择将规范模型存储到模块数据库等之前就进行。
也就是说,优选地事先在用于产生规范模型的独立方法中将模型参数根据其对整体解剖几何形状的影响分层设置,其中,所产生的规范模型然后供在所提到的分段方法中使用。在此,同样可以将模型参数分配到对应的分层的类中,其中,再次在模型几何形状中偏差的基础上进行模型参数的分配,如果将有关的模型参数变动一定的值则出现该偏差。这种对在以单独方法产生的规范模型的模型参数分层的安排具有这样的优点,对于每个模型仅仅需要对模型参数的分层安排进行一次计算,并因此可以节省在分段期间有意义的计算时间。可以将分层的安排按相对简单的方式与规范模型一同存储,例如,可以将参数分配到分层的类或者与对应的标记等结合到文件头中或者存放到文件中的其它一个命名的位置上,该文件还包含了有关规范模型的其它数据。
为了在断层图像数据中自动确定待分离的部分对象的目标几何形状,存在不同的可能性。在一种优选的方法中至少部分自动地借助于轮廓分析方法确定目标结构。这种轮廓分析方法在相邻图像点之间的梯度的基础上进行工作。对于专业人员来说有不同的轮廓分析方法公知。这种轮廓分析方法的优点在于,该方法既可以在计算机断层造影断层图像数据中又可以在磁共振断层图像数据和超声波断层图像数据中使用。一种相对好的替换是采用本文开头提到的阈值方法。在该方法中对单个图像点的强度值进行分析,看其是否超过一个确定的阈值。不过,如已经提到的那样,后者仅仅适合于在CT和MR拍摄中的皮肤表面或者造影剂检查的目标几何,以及在CT拍摄中确定骨骼目标结构。
在一个优选的变形中,在使规范模型与目标结构匹配期间,分别在特定的偏差函数的基础上确定在改变后的规范模型和该目标结构之间的当前偏差值。一种可能的计算是模型三角形至目标结构的最小空间距离的平方和。根据该方法是否为手动、半自动或者全自动地执行,可以按照不同的方式使用该偏差值。
例如,在手动方法中可以在每个迭代步骤中将各个模型参数按照其分层的级提供给使用者来例如借助于图形化的用户界面进行改变。
在此,然后优选地为使用者显示偏差函数的当前值,使得其在变动有关模型参数时立刻看出,几何偏差是否和以何种规模通过其行为被减小。特别是,在此还可以,对于每个模型参数确定单个的偏差值,并将该值而不是所谓的偏差或者连同所有的偏差值进行显示。
为此的一个典型的例子是在终端的图形用户界面上显示目标结构和/或待匹配的规范模型或者该对象的至少部分。在此,使用者例如可以借助于键盘或者诸如鼠标等的指示设备使特定的模型参数(例如,模型中两个点之间的距离)匹配。然后,借助于一个变化的线条或者类似的视觉上可以良好识别的方式向使用者显示,通过其行为偏差变小到何种程度,其中,特别是显示了一方面模型的整个偏差和另一方面针对具体的当前模型参数的匹配的偏差,例如,在模型上两个点的距离与在目标结构中有关点之间距离的差值。
因此,利用该方法也可以在手动匹配中按舒适的方式在相对少的时间花费的条件下到达令人满意的偏差值。
为了全自动或者至少部分自动地进行匹配,还可以使用偏差函数。在该自动的匹配方法中将模型参数同样按照分层的级迭代地变换,使得偏差函数总的最小。
在此,自动化匹配可以完全地在后台进行,使得使用者可以进行其它工作,特别是可以在进行分段的图像处理系统的操作台上并行地处理其它图像数据或者控制其它测量。不过,也可以在自动化方法期间将过程始终例如在显示屏(部件)上显示出来,使得使用者可以控制匹配过程的进展。在此,优选地再次为操作者显示偏差函数的当前值,必要时还显示刚刚变动过的模型参数。特别是也可以将偏差值例如接任务清单等形式始终显示在显示屏上,而同时用户界面的其余部分空出来用于操作者的其它任务。
在一个优选的实施方式中,将模型参数分别与规范模型的至少一个解剖学标志的位置这样关联,使得该模型对于每个参数组具有解剖上有意义的几何形状。为此典型的例子是诸如整体模型的转动或平移的全局参数,其中所有模型参数在位置中相互对应匹配地改变。另外的模型参数例如是两个解剖标志之间的距离或者三个解剖标志之间的角度,例如用于确定膝盖状态。
这种模型参数与医学上有意义地选择的解剖标志的耦合具有这样的优点,即,在个性化之后总是可以给出诊断结论。此外,在解剖专业文献中对这种解剖标志的位置进行了精确地描述。因此,通过这种方式减轻了实施分段的困难,因为医学上受过教育的使用者(例如医生或者MTA)熟悉解剖标志并且基本上可以用其确定解剖结构。
例如,人的骨盆按照公知的方式可以通过下列量进行描述:
-嵴距(Distantia cristarum)
-棘间距(Distantia spinarum)
-髂后上棘距离(Distantia spinarum posterior)
-大骨盆横向直径(Diameter transversa der Beckenweite)
-下骨盆横向直径(Diameter transversa der Beckenenge)
-骨盆出口横向直径(Diameter transversa des Beckenausgangs)
-大骨盆径向直径(Diameter sagittalis der Beckenweite)
-小骨盆径向直径(Diameter sagittalis der Beckenenge)
-骨盆出口径向直径(Diameter sagittalis des Beckenausgangs)
-解剖联合(Conjugata anatomica)
-对角联合(Conjugata diagonalis)
-vera联合(Conjugata vera)
其中,这些量又可以从解剖标志的一般公知的位置中导出。
图像处理系统的选择单元、匹配单元、用于选择控制参数的第二选择单元和分离单元,可以特别优选地以图像计算机的对应处理器上的软件形式来实现。该图像计算机应该具有用于接收图像数据的相应接口以及用于存储解剖规范模型的合适的存储器装置。在此,该存储器装置不必一定是图像计算机的一体化部件,而是只要图像计算机可以对一个适当的外部存储器装置或者多个分布的存储器装置进行访问就足够了。按软件形式实现本发明的方法具有这样的优点,即,现有的图像处理系统也可以相对简单地通过适当的更新而随后实现。本发明的图像处理系统尤其也可以是用于本身记录断面图像数据的医疗器械的控制单元,其中,该医疗器械具有对断层图像数据按照本发明进行处理的必需的部件。
同样,也可以按计算机上适当的软件形式实现一种单独的、预接分段的按照本发明、用于产生规范模型的方法,其中,将模型参数根据其对整体解剖几何形状的影响分层设置。在此,尤其又可以将用来对图像数据进行分段的图像处理系统用于产生规范模型。例如,可以在图像处理系统由于当前的工作负担很少的特定的时间,利用空闲的计算能力来产生具有分层设置的模型参数的规范模型,并将其存放在数据库中供随后的使用。
附图说明
下面对照附图所示的实施方式对本发明作进一步的说明。图中,
图1示出按照本发明的图像处理系统的一种实施方式的示意图,该图像处理系统通过数据总线与医疗器械和图像数据存储器连接。
图2示出按照本发明的分段方法的可能流程的流程图,
图3A示出人骨盆的三维表面模型,
图3B示出具有更宽嵴距的图3A中示出的表面模型,
图4A示出按照图3A的、作为在三角形基础上的表面模型的人骨盆的表示,
图4B示出按照图4A右侧骨盆骨的表示,
图5A示出在计算机断层造影断面图像数据中人颅骨的目标结构,
图5B示出按照图5A的、但具有尚未匹配的表面规范模型的目标结构,
图5C示出按照图5B的、但具有与目标结构部分匹配的规范模型的目标结构和规范模型,
图5D示出按照图5C的、但具有与目标结构进一步匹配的规范模型的目标结构和规范模型,
图6示出在人颅骨上的可能的解剖学标志。
具体实施方式
图1示出的按照本发明的图像处理系统1的实施方式,其主要由图像计算机10和与该计算机连接的操作台5等组成,其中,操作台5具有显示屏6、键盘7和指示设备(这里为鼠标8)。图像计算机10可以是按通常方式构成的计算机,例如工作站等,其也可以用于其它的图像处理和/或用于控制图像拍摄设备(医疗器械),如计算机断层造影仪、磁共振断层造影仪、超声波设备等。图像计算机10内的主要部件是中央处理器11和接口13等,以便接收由医疗器械2(这里是磁共振断层造影仪)所测量的患者P的断面图像数据D。
在图1示出的实施方式中医疗器械2与控制装置3连接,该控制装置又与总线4相连,在该总线上还连接着图像处理系统1。此外,在总线4上还连接着海量存储器9,用于临时或长期存储由医疗器械2拍摄的图像和/或由图像处理系统1进一步处理的图像数据。自然,在构成更大的网络的情况下,还可以在总线4上连接其它一般放射学信息系统(RIS)中现有的部件,例如其它医疗器械、海量存储器、工作站、输出设备(如打印机)、电影制作站等等。同样,可以与外部网络或者其它PIS连接。其中,优选地将所有数据按所谓的DICOM标准(Digital Imaging and Communication inMedicine,医学中的数字成像和通信)格式化,以便在各个部件之间进行通信。
对医疗器械2的控制通常通过控制装置3进行,该控制装置3也从医疗器械2获得数据。为了在现场操作控制装置3可以具有自身的操作台或类似物,不过在此没有示出。不过,也可以例如通过总线借助于在医疗器械2附近的、单独的工作站进行操作。
图2示出本发明分段方法的典型流程。
首先,在第一方法步骤I中确定要分析的断层图像数据。这些断层图像数据D例如可以直接通过总线4从医疗器械2或者其控制装置3输入。但断层图像数据D也可以是在一定时间之前拍摄的并在海量存储器9中存放的。
然后,为了进行分段在步骤II中为待分段的断层图像数据D选择出一个规范模型M。即,根据作为分段基础的问题设定选择一个解剖规范模型。例如,为了对颅骨的断层图像照片进行分段选择颅骨模型,为了对骨盆结构的断层图像照片进行分段选择骨盆模型,而为了对膝盖的断层图像照片进行分段选择膝盖模型。为此,图像计算机10具有一个存有用于不同可能的解剖结构的尽可能多的规范模型的存储器12。在此,也可以是由多个部分对象组成的模型。由多个部分对象组成的规范模型M的例子在图3a和3b中示出,即已经针对嵴距改变了的骨盆规范模型。该骨盆规范模型包括作为可以分离的部分对象的左髂骨T1(Os coxae sinister)、右髂骨T2(Oscoxae dexter)、骶骨T3(Os sacrum)、耻骨联合T4(Symphysis pubica)和尾骨T5(Os coccygis)。为了使操作者看得更清楚在用户界面上用光滑表面显示模型M,如图3a和3b所示。作为该显示基础的、对于分段所采用的模型是基于三角形的表面模型。按照图3b的骨盆模型的相应显示在图4a中示出。图4b示出了按关节窝的视线的右髂骨T2的一侧。
在另一个可以与选择模型的方法步骤II平行进行或者在其之前进行的步骤III中,在断层图像数据D中定义目标结构Z。这可以全自动、半自动或者完全手动地进行,例如借助于已经提到的轮廓分析。在特定的结构和特定的拍摄方法下,也可以使用阈值方法,如已经在更前面所述的那样。
在此,模型M的选择自动地借助于选择单元14在分段任务的基础上进行,该分段任务例如可以在分段方法的开始手动地通过操作台5预先给定,而借助于目标结构确定单元17确定目标结构Z,在此,该确定单元以软件的形式在图像计算机10的处理器11上实现。
在图5a中作为例子示出了从头部的计算机断层造影照片中确定的颅骨目标结构Z,以便将颅骨规范模型M与其进行匹配。在同样以软件模块形式在图像计算机10的处理器11上实现的匹配单元15内,进行模型M与该目标结构Z的匹配。
为此,在匹配过程中,在多个迭代步骤S中这样改变各个模型参数,直到所有参数都被个性化,即设置成匹配的,或者足够个性化的,即规范模型M和目标结构Z之间的偏差最小或低于预定的阈值。在此,每个迭代步骤S包括循环形式的多个过程步骤IV,V,VI,VII。
该循环或第一过程步骤S以方法步骤IV开始,其中,首先为平移、旋转和比例变换确定最佳参数。因为这些参数对整个几何形状产生影响,因此它们是最高(以下称为第0)分层的类。在图3a中示意地标出了三个平移参数tx,ty,tz和三个围绕三个空间轴旋转的参数rx,ry,rz。
如果该匹配尽可能完善地实现了的话,则在下一个步骤V中通过已经确定的参数对还未设置的模型参数进行估计。也就是说,从上层参数的设置中对下层参数的起始值进行估计。例如,由对身体尺寸的比例变换参数的设置估计膝盖宽度。这些值对于随后设置有关参数作为起始值预先给定。按照这种方式可以极大地加速该方法。
然后,在方法步骤VI中优化地设置有关参数。
按照本发明,将参数按照其对于模型的解剖整体几何形状的影响而分配到不同的层次。参数的几何影响越大,则其在层次结构中的位置就越高。其中,随着迭代步骤S数量的增加对应于可调整的模型参数数的层级也提高。
也就是说,在第一迭代步骤S或循环的第一过程中在步骤VI中仅利用在第0层级下的第1层级的参数来设置模型。只有在第二过程中才可以,首先在方法步骤IV中将模型重新进行平移、旋转和比例变换。然后,在步骤V中通过已经确定的参数对还未确定的、第2层级的模型参数进行估计,然后在随后的步骤VI用这些参数进行设置。这样,该方法被重复n次,其中在第n个迭代步骤中对第n级的所有参数都进行了优化,并在迭代步骤S的最后的步骤VII中再次求证,是否还存在到此为止没有被优化的其它参数。然后,再次开始新的第n+1次迭代步骤,其中,将模型M重新对应地进行平移、旋转和比例变换,并且最后可以按照顺序再次设置所有参数(此时第n+1类参数可供使用)。然后,在方法步骤VII中重新进行检验,是否所有参数都被个性化(即,是否存在还没有被优化的参数)或者是否已经实现所希望的匹配。
图5b至5d示出了对于这种匹配过程来说极其简单的情况。在这些图中由于较好的概略性再次以连续的表面示出模型M。图5b示出了目标结构Z和与其相对偏移的模型M。通过简单的平移、旋转和比例变换得到图5c所示的图像,其中模型M已经相当好地与目标结构Z匹配。通过设置其它下层参数最后得到在图5d中实现的匹配。
通过上面描述的迭代方法保证了进行尽可能节省时间和优选的匹配。在此,在匹配期间可以随时将目标结构Z、模型M以及当前计算的偏差值或者偏差函数当前的计算值在操作台5的显示屏6上示出。此外,也可以如图5c至5d那样将偏差可视化。另外,还可以通过相应的着色使偏差可视化。
在下的分层的类从对几何形状影响的定量分析中得出。为此,改变每个参数并计算几何变化的模型相对于原始状态所产生的偏差。例如,如果采用在以如图4a和4b所示的基于三角形的表面模型,则例如可以将该偏差通过相应模型三角形的几何距离的和来进行量化。然后,通过为偏差预先给定数值间隔,可以将参数分布到分层的类上。在此,不同的参数落入到同一分层类(Hierarchieklasse)中是完全可能的。除了别的以外,这取决于偏差的数值间隔的宽度。如上所述,在同一分层的类中的这些参数在一个特定的迭代步骤S中同时首次提供用于改变,或者在自动匹配方法中对应地自动改变。
如已经提及的那样,在该方法中优选地采用直接与模型的特定解剖标志的一个或者多个位置相关的模型参数。这一方面具有这样的优点,即仅仅进行医学上有意义的模型变换。另一方面还具有这样的优点,即在医学上受过培训的使用者通常了解这些解剖标记,因此可以很好地处理这些参数。这种参数的例子是在图3a示出的两个解剖学标志L1,L2之间的距离d12,其中,这两个解剖学标志设置在图3a中骨盆规范模型的髂骨前上棘(Spinaeiliacae anteriores superiores)。
在本发明方法的实现中操作者例如可以借助于鼠标在髂骨前上棘上选择解剖标志L1,L2中的一个,并交互地改变其位置。按照这种方式其可以改变棘间距(即距离d12的长度),并由此改变整个骨盆几何形状。在图3a中示出了其中距离d12较小的模型状态,而在图3b中示出了其中放大了距离d12的模型状态。
按照同样的方式,使用者例如也可以改变在骶骨T3上部的解剖标记L3和在耻骨联合T4上的解剖标记L4之间的距离d34。因为这两个参数d12,d34对骨盆规范模型M的整体几何形状的影响具有大致相同,在此这两个参数被设置在相同的分层类中,并可以在相同的迭代步骤S中由使用者改变或者在该迭代步骤S中自动地改变。
结合颅骨模型的解剖标记可以解释另一个典型的例子,其中将两个标记之间的距离设置在不同的类中。图6示出了具有不同解剖学标志的颅骨模型的正面视图。除了别的之外,这种颅骨模型的通过两个眼窝之间的距离(即在其上定位的标记L5,L6)以及两个茎突的距离进行参数化,其中,两个茎突的距离涉及的是在颅底内骨上的小的骨凸肩(在图6的视图中不可见)。这里,给出眼窝间距离的第一参数的几何影响大于给出茎突之间距离的第二参数的几何影响。这点也可以例如通过在参数变动一毫米的情况下的模型的几何变换来进行考察。因为茎突涉及的是相对小的结构,将几何上模型的变化限制在围绕该骨凸肩的小范围内。而眼窝则相对大得多。在眼窝距离变化时,模型的多个部分发生几何改变并引起更高的偏差。因此,将眼窝距离的参数设置到比茎突距离的变化高得多的分层的类中,因为具有对参数分层结构更大的几何作用距离的基本参数比具有更多是局部影响的参数处在更高的位置。
在变动包括在规范模型M的两个解剖学标志L1,L2,L3,L4之间的距离的模型参数时d12和d34时,优选地将规范模型M的几何形状在一个沿这些解剖学标志L1,L2,L3,L4之间的直线的区域中与距离的改变成比正地进行变形。这在图3a和3b对距离d12示出。
在变动包括规范模型M的第一解剖标志(例如这里的L1)相对于相邻的标志(例如这里的L3,L4)的位置改变的模型参数d12时,优选地将规范模型M的几何形状在围绕该第一解剖标志L1的范围U中沿有关相邻标志L3,L4的方向相应地一起进行变形。在此,优选地该变形随着与有关的第一解剖标志L1的距离的增加而减小。也就是说,该变形在距离该标志L1较近的区域中比离其更远的区域中更强烈,以便实现在图3a和3b中示出的效果。不过,也可以考虑其它变换规则,只有该规则导致解剖上有意义的变换。必要时这取决于各选出的模型。
如果最后实现了足够的匹配,则在方法步骤VIII中进行实际的分段。这在同样以处理器11内软件模块的形式实现的分离单元16中进行。在此,在断面图像数据内选择所有这样的图像点,即在模型或感兴趣的部分的轮廓内的图像点。为此,例如将有关的图像点从图像数据中删除,或者将所有其它数据删除,仅保留所希望的图像点。然后可以对分离的部分对象进行任意的进一步处理。
在这里还要再次明确地指出,附图中所示的系统结构和处理器仅仅是实施例,专业人员可以很容易地改变细节。特别是控制装置3,只要例如设置了对应的操作台,也具有图像处理系统10的所有相应的部件,就可以在其中直接按照本发明的方法进行图像处理。因此在这种情况下控制装置3本身就构成了按照本发明的图像处理系统,而不需要其它的工作站或者单独的图像计算机。此外,也不必将本发明的图像处理系统的不同部件都实现在处理器或者图像计算机等之上,而是可以将这些不同的部件分散在多个处理器或者相互联网的计算机上。
此外,还可以将现有的图像处理系统(在其中已经实现了公知的后处理过程)再加装按照本发明的处理控制单元,以便这些装置能够利用上面描述的本发明的方法。在很多情况下,利用适当的控制软件模块对控制软件进行更新就足够了。
Claims (21)
1. 一种对检查对象的断层图像数据(D)进行分段以便分离出至少一个部分对象的方法,其中:
-相应于待分段的断层图像数据(D)选择一个解剖规范模型(M),其几何形状可以根据模型参数改变,其中,将所述模型参数根据其对整体解剖几何的影响分层设置,
-然后,将该规范模型(M)在多个迭代步骤(S)中与一个在所述断面图像数据(D)中确定的目标结构(Z)进行匹配,以便实现个性化,其中,随着迭代步骤(S)数量的增加,对应于可调整的模型参数的数目的分层的级提高,
-最后,在所述断面图像数据(D)中选出所有这样的图像点,这些图像点处于个性化的模型(M)或部分模型的轮廓内,或最多与该轮廓偏差一个特定的差值。
2. 根据权利要求1所述的方法,其特征在于,所述模型参数分别属于一个分层的类。
3. 根据权利要求2所述的方法,其特征在于,基于模型几何中的偏差将所述模型参数分配到一个分层的类中,其中,当有关的模型参数改变一个特定的值时,出现所述偏差。
4. 根据权利要求3所述的方法,其特征在于,不同的分层类对应于偏差的一定值域。
5. 根据利要求2所述的方法,其特征在于,在最高分层的类中,最高分层的类的模型参数在第一迭代步骤中就可设置,配置这样的最高分层的类的模型参数,在这些参数改变时规范模型(M)将发生全局改变。
6. 根据权利要求1至5中任一项所述的方法,其特征在于,使用在三角基础上产生的表面模型作为规范模型(M)。
7. 根据权利要求6所述的方法,其特征在于,在未改变的规范模型和改变后的规范模型所对应的三角形(D)的几何距离的和的基础上确定所述偏差。
8. 根据权利要求1至5中任一项所述的方法,其特征在于,至少部分自动地借助于轮廓分析方法在所述断面图像数据(D)中确定待分离的部分对象的目标结构(Z)。
9. 根据权利要求1至5中任一项所述的方法,其特征在于,在将所述规范模型(M)与所述目标结构(Z)进行匹配时,分别基于特定的偏差函数确定在修改后的规范模型(M)几何和该目标结构(Z)之间的当前偏差值。
10. 根据权利要求1至5中任一项所述的方法,其特征在于,为了进行迭代步骤,根据所述模型参数的分层的级来允许使用者改变该模型参数。
11. 根据权利要求1至5中任一项所述的方法,其特征在于,将所述模型参数根据其分层的级在自动匹配方法中这样改变,使得偏差函数最小。
12. 根据权利要求1至5中任一项所述的方法,其特征在于,在每个迭代步骤中为使用者显示偏差函数的当前值。
13. 根据权利要求1至5中任一项所述的方法,其特征在于,将所述模型参数分别这样与至少一个有关规范模型(M)的解剖学标志(L1,L2,L3,L4)的位置相关联,使得该模型(M)对于每个参数组具有有解剖意义的几何形状。
14. 根据权利要求13所述的方法,其特征在于,在改变包括规范模型(M)的两个解剖学标志(L1,L2,L3,L4)之间距离的模型参数时,将规范模型(M)的几何形状在一个沿这些解剖学标志(L1,L2,L3,L4)之间的直线的区域中与距离的改变成正比地进行变形。
15. 根据权利要求13所述的方法,其特征在于,在改变包括规范模型(M)的第一解剖学标志(L1)相对于相邻的标志(L3,L4)的位置改变的模型参数时,将规范模型(M)的几何形状在围绕该第一解剖标志(L1)的范围(U)内相应匹配地进行变形。
16. 根据权利要求15所述的方法,其特征在于,所述变形的强度随着距有关的第一解剖学标志(L1)的距离(a)的增加而减小。
17. 一种产生规范模型(M)的方法,该模型的几何形状可以根据模型参数(tx,ty,tz,rx,ry,rz,d12,d34)改变,该规范模型(M)用于根据权利要求1至16中任一项所述的方法中,其中,将所述模型参数(tx,ty,tz,rx,ry,rz,d12,d34)根据其对模型(M)整体解剖几何的影响而分层设置。
18. 根据权利要求17所述的产生规范模型(M)的方法,其特征在于,所述模型参数(tx,ty,tz,rx,ry,rz,d12,d34)属于不同的分层的类。
19. 根据权利要求18所述的产生规范模型(M)的方法,其特征在于,基于模型几何中的偏差将所述模型参数(tx,ty,tz,rx,ry,rz,d12,d34)分配到一个分层的类中,其中,当有关的模型参数(tx,ty,tz,rx,ry,rz,d12,d34)改变一个特定的值时,出现所述偏差。
20. 一种图像处理系统(1),用于对检查对象的断层图像数据(D)进行分段,以分离出至少一个部分对象,其包括:
-接口(13),用于从测量装置接收所测量的、待分段的断层图像数据,
-目标结构确定单元(17),用于在所述断面图像数据(D)中确定目标结构(Z),
-存储器装置(12),其具有多个对于所述断面图像数据(D)中的不同目标结构(Z)的解剖规范模型(M),该模型的几何形状可以根据模型参数(tx,ty,tz,rx,ry,rz,d12,d34)改变,其中,将所述模型参数(tx,ty,tz,rx,ry,rz,d12,d34)根据其对规范模型(M)的整体解剖几何的影响而分层设置,
-选择单元(14),用于对应于待分段的断面图像数据(D)选择解剖规范模型(M),
-匹配单元(15),用于将所选择出的规范模型(M)在多个迭代步骤(S)中与断面图像数据(D)中的目标结构(Z)进行匹配,以便实现个性化,其中,随着迭代步骤(S)数量的增加,对应于可调整的模型参数(tx,ty,tz,rx,ry,rz,d12,d34)的数目的分层的级提高,
-分离单元(16),用于最后在所述断面图像数据(D)内选择所有这样的图像点,这些图像点处于个性化的模型(M)或模型部分的轮廓内,或者最多与该轮廓偏差一个特定的差值。
21. 一种医疗器械,包括根据权利要求20所述图像处理系统(1),用于对检查对象的断层图像数据进行测量。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10357206.6 | 2003-12-08 | ||
DE10357206A DE10357206B4 (de) | 2003-12-08 | 2003-12-08 | Verfahren und Bildbearbeitungssystem zur Segmentierung von Schnittbilddaten |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1655193A CN1655193A (zh) | 2005-08-17 |
CN100421128C true CN100421128C (zh) | 2008-09-24 |
Family
ID=34625632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2004100983678A Expired - Fee Related CN100421128C (zh) | 2003-12-08 | 2004-12-08 | 用于对断层图像数据分段的方法和图像处理系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7496217B2 (zh) |
JP (1) | JP2005169118A (zh) |
CN (1) | CN100421128C (zh) |
DE (1) | DE10357206B4 (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100431494C (zh) * | 2003-07-22 | 2008-11-12 | 仁爱米拉索莱有限公司 | 用于分析生物组织图像的方法和装置 |
DE10357203B4 (de) * | 2003-12-08 | 2018-09-20 | Siemens Healthcare Gmbh | Verfahren und Steuereinrichtung zum Betrieb eines Magnetresonanztomographie-Geräts sowie Magnetresonanztomographie-Gerät |
US7545979B2 (en) * | 2005-04-12 | 2009-06-09 | General Electric Company | Method and system for automatically segmenting organs from three dimensional computed tomography images |
JP4701861B2 (ja) * | 2005-06-22 | 2011-06-15 | コニカミノルタエムジー株式会社 | 領域抽出装置、領域抽出方法およびプログラム |
JP4720478B2 (ja) * | 2005-12-15 | 2011-07-13 | コニカミノルタエムジー株式会社 | モデリング装置、領域抽出装置およびプログラム |
US7627641B2 (en) * | 2006-03-09 | 2009-12-01 | Watchguard Technologies, Inc. | Method and system for recognizing desired email |
WO2007112070A2 (en) * | 2006-03-24 | 2007-10-04 | Medtronic, Inc | Implantable medical device |
JP2007275312A (ja) * | 2006-04-06 | 2007-10-25 | Terarikon Inc | 解析プロトコルに基づいた前処理装置を備える三次元画像表示装置 |
DE102006028646A1 (de) * | 2006-06-22 | 2007-12-27 | Siemens Ag | Auswertungsverfahren für Bilddatensätze mit selbsttätiger Bestimmung von Auswertungsbereichen |
US8442283B2 (en) * | 2006-08-30 | 2013-05-14 | Anatomage Inc. | Patient-specific three-dimensional dentition model |
DE502006005294D1 (de) * | 2006-09-01 | 2009-12-17 | Brainlab Ag | Verfahren und Vorrichtung zum Bestimmen der Lage von Beckenebenen |
US7965890B2 (en) * | 2007-01-05 | 2011-06-21 | Raytheon Company | Target recognition system and method |
CN102067170A (zh) * | 2007-08-31 | 2011-05-18 | 皇家飞利浦电子股份有限公司 | 在存在金属伪影的情况下用于分割的不确定性图 |
JP2010184040A (ja) * | 2009-02-12 | 2010-08-26 | Tokyo Institute Of Technology | 超音波診断装置を用いた生体内物体の動態解析方法 |
JP4850927B2 (ja) * | 2009-06-02 | 2012-01-11 | キヤノン株式会社 | 画像処理装置、画像処理方法及びコンピュータプログラム |
DE102009037208B3 (de) * | 2009-08-12 | 2011-06-01 | Aesculap Ag | Verfahren und Vorrichtung zur Bestimmung der Lage einer Tangentialebene an drei Extrempunkten eines Körpers |
EP2522279A4 (en) * | 2010-01-07 | 2016-11-30 | Hitachi Ltd | DIAGNOSIS DEVICE WITH MEDICAL PICTURES, METHOD FOR EXTRACTION AND PROCESSING OF THE CONTOUR OF MEDICAL PICTURES |
DE102011010975A1 (de) | 2011-02-10 | 2012-08-16 | Martin Tank | Verfahren und Analysesystem zur geometrischen Analyse von Scandaten oraler Strukturen |
EP2710527A4 (en) * | 2011-05-02 | 2014-10-29 | Agridigit Inc | EVALUATION OF ANIMAL PRODUCTS BASED ON CUSTOM MODELS |
US9224204B2 (en) * | 2013-03-15 | 2015-12-29 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for registration of multimodal imaging data using constraints |
CN103310232B (zh) * | 2013-06-25 | 2016-05-25 | 重庆大学 | 基于图元形状信息的层间轮廓匹配方法 |
US10504252B2 (en) | 2014-12-15 | 2019-12-10 | Canon Medical Systems Corporation | Method of, and apparatus for, registration and segmentation of medical imaging data |
US11042989B2 (en) | 2016-12-09 | 2021-06-22 | Children's National Medical Center | Image segmentation of complex structures |
EP3392804A1 (en) * | 2017-04-18 | 2018-10-24 | Koninklijke Philips N.V. | Device and method for modelling a composition of an object of interest |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568384A (en) * | 1992-10-13 | 1996-10-22 | Mayo Foundation For Medical Education And Research | Biomedical imaging and analysis |
US5933471A (en) * | 1997-02-26 | 1999-08-03 | International Business Machines Corporation | System and method for reducing reconstruction artifacts in computed tomography images |
US5951475A (en) * | 1997-09-25 | 1999-09-14 | International Business Machines Corporation | Methods and apparatus for registering CT-scan data to multiple fluoroscopic images |
CN1395713A (zh) * | 2000-01-18 | 2003-02-05 | 芝加哥大学 | 在计算x光断层摄影扫描中用于肺肿瘤二维和三维检测的方法、系统和计算机可读介质 |
CN1418353A (zh) * | 2000-01-18 | 2003-05-14 | 芝加哥大学 | 计算机体层摄影扫描中对肺部区域进行自动分割的方法和系统 |
CN1127700C (zh) * | 1996-11-27 | 2003-11-12 | 通用电气公司 | 通过消除主结构增强数据显象能力 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6002782A (en) * | 1997-11-12 | 1999-12-14 | Unisys Corporation | System and method for recognizing a 3-D object by generating a 2-D image of the object from a transformed 3-D model |
US6028907A (en) * | 1998-05-15 | 2000-02-22 | International Business Machines Corporation | System and method for three-dimensional geometric modeling by extracting and merging two-dimensional contours from CT slice data and CT scout data |
US6195409B1 (en) * | 1998-05-22 | 2001-02-27 | Harbor-Ucla Research And Education Institute | Automatic scan prescription for tomographic imaging |
US6606091B2 (en) * | 2000-02-07 | 2003-08-12 | Siemens Corporate Research, Inc. | System for interactive 3D object extraction from slice-based medical images |
US7149665B2 (en) * | 2000-04-03 | 2006-12-12 | Browzwear International Ltd | System and method for simulation of virtual wear articles on virtual models |
US7274810B2 (en) * | 2000-04-11 | 2007-09-25 | Cornell Research Foundation, Inc. | System and method for three-dimensional image rendering and analysis |
AU2001253755A1 (en) * | 2000-04-24 | 2001-11-07 | Washington University | A physically-based, probabilistic model for ultrasonic images incorporating shape, microstructure and system characteristics |
DE10111661A1 (de) * | 2001-03-09 | 2002-09-12 | Philips Corp Intellectual Pty | Verfahren zum Segmentieren einer in einem Objekt enthaltenen dreidimensionalen Struktur, insbesondere für die medizinische Bildanalyse |
US20030160786A1 (en) * | 2002-02-28 | 2003-08-28 | Johnson Richard K. | Automatic determination of borders of body structures |
ATE357706T1 (de) * | 2003-02-18 | 2007-04-15 | Koninkl Philips Electronics Nv | Bildsegmentierung durch zuweisen von klassen zu adaptivenmesh-primitiven |
-
2003
- 2003-12-08 DE DE10357206A patent/DE10357206B4/de not_active Expired - Fee Related
-
2004
- 2004-12-08 JP JP2004355742A patent/JP2005169118A/ja not_active Withdrawn
- 2004-12-08 US US11/006,781 patent/US7496217B2/en not_active Expired - Fee Related
- 2004-12-08 CN CNB2004100983678A patent/CN100421128C/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568384A (en) * | 1992-10-13 | 1996-10-22 | Mayo Foundation For Medical Education And Research | Biomedical imaging and analysis |
CN1127700C (zh) * | 1996-11-27 | 2003-11-12 | 通用电气公司 | 通过消除主结构增强数据显象能力 |
US5933471A (en) * | 1997-02-26 | 1999-08-03 | International Business Machines Corporation | System and method for reducing reconstruction artifacts in computed tomography images |
US5951475A (en) * | 1997-09-25 | 1999-09-14 | International Business Machines Corporation | Methods and apparatus for registering CT-scan data to multiple fluoroscopic images |
CN1395713A (zh) * | 2000-01-18 | 2003-02-05 | 芝加哥大学 | 在计算x光断层摄影扫描中用于肺肿瘤二维和三维检测的方法、系统和计算机可读介质 |
CN1418353A (zh) * | 2000-01-18 | 2003-05-14 | 芝加哥大学 | 计算机体层摄影扫描中对肺部区域进行自动分割的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2005169118A (ja) | 2005-06-30 |
DE10357206B4 (de) | 2005-11-03 |
DE10357206A1 (de) | 2005-07-07 |
US20050123197A1 (en) | 2005-06-09 |
US7496217B2 (en) | 2009-02-24 |
CN1655193A (zh) | 2005-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100421128C (zh) | 用于对断层图像数据分段的方法和图像处理系统 | |
CN100508882C (zh) | 用于运行磁共振断层造影设备的方法和控制装置 | |
WO2022183719A1 (zh) | 基于深度学习的全髋关节置换翻修术前规划方法和设备 | |
CN102525534B (zh) | 医用图像处理装置、医用图像处理方法 | |
EP3100236B1 (en) | Method and system for constructing personalized avatars using a parameterized deformable mesh | |
US9990744B2 (en) | Image registration device, image registration method, and image registration program | |
WO2020019612A1 (zh) | 医疗影像处理方法及装置、电子设备及存储介质 | |
US10258412B2 (en) | Method and node for manufacturing a surgical kit for cartilage repair | |
CN101332085B (zh) | 医用图像诊断装置及医用图像处理方法 | |
CN106470635A (zh) | 计算机辅助的假体对齐 | |
US7346199B2 (en) | Anatomic triangulation | |
CN101256224A (zh) | 确定或匹配用于磁场均匀化的填隙片的方法及磁共振设备 | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
WO2018097880A1 (en) | Systems and methods for an integrated system for visualizing, simulating, modifying and 3d printing 3d objects | |
Schumann et al. | An integrated system for 3D hip joint reconstruction from 2D X-rays: a preliminary validation study | |
WO2020110774A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN103608843A (zh) | 图像显示装置 | |
CN110891488A (zh) | 矢状旋转确定 | |
US11737893B2 (en) | System and method for preoperative planning for total hip arthroplasty | |
EP3047455B1 (en) | Method and system for spine position detection | |
CN112001889A (zh) | 医学影像处理方法、装置及医学影像显示方法 | |
WO2018059837A1 (en) | Microscope tracking based on video analysis | |
KR20170116971A (ko) | 대상물의 다감각연계 표현을 위한 방법 및 표현 시스템 | |
US11020189B2 (en) | System and method for component positioning by registering a 3D patient model to an intra-operative image | |
Zheng et al. | HipMatch: an object-oriented cross-platform program for accurate determination of cup orientation using 2D–3D registration of single standard X-ray radiograph and a CT volume |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080924 Termination date: 20181208 |
|
CF01 | Termination of patent right due to non-payment of annual fee |