CN101151638B - 用于分割数据集中的结构的方法和系统 - Google Patents

用于分割数据集中的结构的方法和系统 Download PDF

Info

Publication number
CN101151638B
CN101151638B CN2006800103590A CN200680010359A CN101151638B CN 101151638 B CN101151638 B CN 101151638B CN 2006800103590 A CN2006800103590 A CN 2006800103590A CN 200680010359 A CN200680010359 A CN 200680010359A CN 101151638 B CN101151638 B CN 101151638B
Authority
CN
China
Prior art keywords
image
data
time
binary
binary coded
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
Application number
CN2006800103590A
Other languages
English (en)
Other versions
CN101151638A (zh
Inventor
C·A·科科斯科
T·尼特施
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101151638A publication Critical patent/CN101151638A/zh
Application granted granted Critical
Publication of CN101151638B publication Critical patent/CN101151638B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • 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
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Generation (AREA)
  • Debugging And Monitoring (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

根据本发明的方法(1)可以示意性划分成三个主要阶段。阶段(2)包括准备步骤，即获取适当数据集的步骤(3)，该数据集然后在步骤(4)中受到适当的二元分割，其结果在步骤(5)中被访问。该结果包括时间上有序的二元编码图像，由此对应血液的图像部分被标注为1，其余被设置为0。根据本发明的方法的随后阶段(12)致力于执行图像处理以便分割结构。在步骤(8)中执行计算，由此对应于来自时间序列的相位的在前二元编码图像(8a)从对应于一个时间相位的随后二元编码图像(8b)中减去，产生多维时间特征图(8c)。在步骤(9)中，对应于特定体素值的空间位置被得到并且被用于分割该结构。在步骤(11)中访问预定义的可变形形状模型，该模型然后在步骤(14)中根据在步骤(9)中得到的空间坐标被变形。优选地，在步骤(16)中存储分割结果。最后，在根据本发明的方法的另外阶段(22)中，该分割结果在步骤(18)中使用适当的显示装置来显示。优选地，所分割的表面使用二、三或四维可视化技术被覆盖在原始数据上。还优选地，为了易于理解本结果，所分割的表面被以适当的透明模式呈现为颜色码。本发明还涉及用于分割数据集中的结构的设备和计算机程序。

Description

用于分割数据集中的结构的方法和系统
技术领域
本发明涉及用于分割数据集中的结构的方法，所述数据集包括为时间序列中的各个时间相位(time phase)获取的多个多维图像，每个多维图像包括有关目标组织和有关另外组织的数据。
本发明还涉及用于分割数据集中的结构的系统，所述数据集包括为时间序列中的各个时间相位获取的多个多维图像，每个多维图像包括有关目标组织和有关另外组织的数据。
本发明此外还涉及用于分割数据集中的结构的计算机程序，所述数据集包括为时间序列中的各个时间相位获取的多个多维图像，每个多维图像包括有关目标组织和有关另外组织的数据。
背景技术
在开头段落中阐述的方法的实施例从EP0 542 414 A1已知。该已知方法被安排来特别地确定心脏中的心室容积。为此，病人的心脏区域的第一图像和第二图像以小的时间移位的间隔被拍摄。第一和第二图像相互从对方减去以产生差值图像，该差值图像指示组织，特别是目标组织比如心室组织的位置，该组织在所述间隔期间已经移动。差值图像因此指示心室边界。这个差值图像加上用户控制的门限被用于感兴趣区(region ofinterest)计算，接着是将图像体素(voxel)自动分类成心室或者非心室。对于体素大小来计数和调整连续分割的体素，以创建各个心室容积的指示。
已知方法的缺点在于它提供了一种本质上基于低级别像素的分割技术，其质量大大依赖于原始图像质量。而且，已知方法中的门限需要根据图像对比度进行调整。
发明内容
本发明的一个目的是提供一种图像分割方法，该方法甚至对于低质量的图像也是鲁棒的。
为此，根据本发明的方法包括下列步骤：
-访问时间上有序的图像的二元分割结果，产生时间上有序的二元编码图像，由此对应于该目标组织和另外组织的图像部分被二元编码；
-对于来自时间序列的所有时间相位计算成对的连续二元编码图像之间的连续差，产生包括多个离散值的多维时间特征图；
-得到与能选自所述多个离散值的预定离散值相对应的数据集中的空间位置；
-访问所述结构的预定义的可变形形状模型；
-通过根据所述空间位置变形所述形状模型来分割该结构。
本发明的技术措施是基于以下认识：
-在目标组织和另外组织之间，特别是在血库和心脏成像的图像的其余部分之间具有灰度级图像对比。
-对于时间序列的不同时间相位，存在目标组织的移动；
-当采用所想结构的先验构造的形状模型时，图像分割的质量显著提高。
应当看到，这些假设被证明不仅对于心脏成像是有效的，而且对于一般的胸部成像也是有效的，由此运动是由于呼吸循环引起的。还应当看到，虽然EP0 542 414 A1的已知方法公开了在时间上延时的两个图像之间相减，但是该相减是在原始的灰度级编码图像之间执行并且是为了粗略分割一组(band)心脏运动的目的。代替这样，根据本发明的方法，借助于执行二元分割，原始图像首先受到粗略分割。二元分割可以手动进行或者自动实现。
此外，执行根据本发明的方法中的相减步骤是用于产生边缘特征的目的，以便变形适当的可变形形状模型。可变形形状模型的例子在M.Kaus等人(在2004年8月)在医学图像分析(Medical Image Analysis)上发表的“在心脏MRI中自动分割左心室(Automated segmentation of theleft ventricle in cardiac MRI)”的245-254页中绐出。根据本发明的方法的一个特别好处在于，对于基于形状模型和外观模型的分割算法，根据本发明的方法消除了对构建外观模型的需要，这样简化了计算方法。按定义的可变形形状模型不包括任何灰度级信息并且因此可跨成像模态(modality)转移。由于对于给定的所寻求结构而言可变形模型必须被只构造一次的事实，本发明的方法是高度通用的和在计算上是鲁棒的。
根据本发明的方法，依据多维时间特征图被计算的事件，先验构造的 可变形形状模型根据特征图的非零值的空间分布被变形。这个技术措施是基于这样的认识，即特征图的非零体素对应心室边界，而零体素对应另外的组织(或者心室的非边界区域)，该另外的组织对于不同的时间相位基本上是静态的。而且，特征图的非零体素的符号也提供信息，如果对应于时间相位t的图像从时间相位t+1的图像中减去，则心内膜边界在心脏收缩期间将对应于-1体素而在心脏舒张期间将对应于+1体素。使用这个信息，使得能够实现鲁棒且准确的图像分割方法。
在根据本发明的方法的实施例中，该方法还包括确定数据集中的感兴趣区的准备步骤，由此所述感兴趣区被设想为限制该数据集的一个数据域。
已发现在对应数据集中的感兴趣区的数据域内实现本发明的方法是优选的，这样丢弃了超出感兴趣区之外的信息。自动确定感兴趣区可以根据任何适合的本身已知的技术来执行，例如从C.Cocosco等人2004年发表在Proceedings CARS上的“Automatic Cardiac Region-of InterestComputation in Cine 3D Structural MRI(在摄影3D结构MRI中自动计算心脏的感兴趣区)”已知的。
在根据本发明的又一个实施例中，分割结构被显示在显示装置上。
已发现通过在适当的显示装置上显示所得到的分割来提供反馈给操作者是特别有利的。优选地，分割的结构覆盖在原始图像数据上，该分割结构可以以包括时间信息的二、三或四维来呈现。还优选地，所呈现的分割结构特别地使用适当的颜色码来加以突出。
在根据本发明的方法的又一个实施例中，该方法还包括执行时间上有序的图像的自动二元分割的又一个准备步骤。
优选地，自动分割通过以下方式来使能，即：首先借助例如计算包括空间和时间维度的整个多维数据域的强度直方图，来区分目标组织(特别是血液)和另外的组织，然后应用适当的二元取门限方法。还应当看到，为了自动二元分割的目的，可以使用任何本身已知的技术。适当的自动二元分割技术的例子在1979年1月由N.Otsu发表在IEEE Transaction onsSystems，Man，And Cybernetics，Vol.SMC-9，No.1的“A thresholdselection method from gray-level histograms(根据灰度直方图的门限选择方法)”上给出。
根据本发明的系统包括：
-输入，用于：
-访问时间上有序的图像的二元分割结果，产生时间上有序的二元编码图像；
-访问所述结构的预定义的可变形形状模型；
-计算装置，用于：
-对于来自时间序列的所有时间相位计算成对的连续二元编码图像之间的连续差，产生包括多个离散值的多维时间特征图；
-得到与能选自所述多个离散值的预定离散值相对应的数据集中的空间位置；
-通过根据所述空间位置变形所述形状模型来分割该结构。
优选地，根据本发明的系统还包括显示装置，用于显示所分割的结构。此外，根据本发明的系统还包括数据获取单元，用于获取多维数据集。适当的数据获取单元的例子包括磁共振成像单元、层析成像单元、超声单元、X射线单元及其任意组合。
根据本发明的计算机程序包括用于使处理器执行如下步骤的指令：
-访问时间上有序的图像的二元分割结果，产生时间上有序的二元编码图像；
-对于来自时间序列的所有时间相位，计算成对的连续二元编码图像之间的连续差，产生包括多个离散值的多维时间特征图；
-得到与能选自所述多个离散值的预定离散值相对应的数据集中的空间位置；
-访问所述结构的预定义的可变形形状模型；
-通过根据所述空间位置变形所述形状模型来分割该结构。
优选地，根据本发明的计算机程序还包括用以使处理器执行确定数据集中的感兴趣区的步骤的指令，该感兴趣区被构想为限制数据集的一个数据域。又优选地，根据本发明的计算机程序又包括指令，用于使处理器执行时间上有序的图像的自动二元分割的另外准备步骤。
附图说明
本发明的这些和其它方面将参照附图更具体地加以解释。
图1示出了根据本发明的方法的实施例的示意图。
图2示出了参照图像的所选方法步骤的示意方式。
图3示出了根据本发明的系统的实施例的示意图。
图4示出了根据本发明的系统的又一实施例的示意图。
图5示出了根据本发明的计算机程序的实施例的流程图的示意图。
具体实施方式
图1示出了根据本发明的方法的实施例的示意图。根据本发明的方法将使用心脏成像的例子来解释说明。方法1可以示意性划分成三个主要阶段。阶段2包括准备步骤，即获取适当数据集的步骤3，该数据集特别地为包括时间上有序的心脏图像的数据集，所述图像是例如借助平衡式快速梯度回波(bFFE，balanced Fast Field Echo)技术使用磁共振成像单元获取的。所获取的数据集(未示出)然后在步骤4中受到适当的二元分割，其结果在步骤5中被访问。该结果包括时间上有序的二元编码图像，由此对应于血液的图像部分被标注为1，其余部分被设置为0。
根据本发明的方法的随后阶段12被致力于执行图像处理以便根据图像数据来分割结构，该结构特别地为心室。因此，在步骤8中执行计算，由此对应于来自时间序列的时间相位t的在前二元编码图像8a从对应于时间相位t+1的随后二元编码图像8b中减去。应当看到，任何随后的图像都适合于此，而不必是直接紧跟的图像t+1。这个操作对于来自所获取的时间序列的每个时间相位t’重复进行。结果包括一个多维时间特征图8c，由此非零体素对应于心室边界。在步骤9中，得到对应于特定体素值(+1或-1)的空间位置并且将其用于分割心室。为此，在步骤11中访问预定义的可变形形状模型，该模型然后在步骤14中根据在步骤9中得到的空间位置被变形。优选地，在步骤16中存储分割结果。最后，在根据本发明的方法的另外阶段22中，分割结果在步骤18中使用适当的显示装置来显示。优选地，所分割的表面使用二、三或四维可视化技术被覆盖在原始数据上。还优选地，为了易于理解本结果，所分割的表面被以适当的透明模式呈现为颜色码。
图2给出了参照图像的所选方法步骤的示意方式。方法20可以开始于访问原始多维图像21a、21b，其中，优选地，描绘了各个感兴趣区R1、R2。在步骤23a、23b中，执行时间上有序的图像的自动二元分割(这里为了简单起见，仅示出了两个图像)。该结果包括时间上有序的二元编码图像，由此对应于目标组织和另外组织的图像部分被二元编码。接下来， 访问所述二元分割的结果并且计算在前二元编码图像和在后二元编码图像之间的差，产生包括多个离散值的多维时间特征图。应当看到，对于计算所述差来说有可能选择来自所述时间序列的直接紧跟的图像。可选地，可以选择来自所述时间上相间隔的序列的任何随后图像去计算所述差。在计算该差之后所得到的图像由25给出。图像25包括具有离散值即-1、0、+1的图像元素。根据本发明的方法使用了这样的认识，即非零图像元素的符号是含有信息的。即，在心脏收缩阶段期间心内膜边界将是-1，而在心脏舒张期间它将是+1。根据本发明的方法，计算数据集中与能选自所述多个离散值(-1，0，+1)的预定离散值(-1，+1)相对应的空间位置。在根据本发明的方法的步骤26中，访问该结构的预定义的可变形形状模型。应当看到，预定义的可变形模型可以包括统计形状模型，或者它可以包括简单的几何/拓扑可变形模型。在可变形形状模型被访问之后，所寻求的结构在步骤27中通过根据产生所寻求结构S的所述空间坐标变形所述形状模型来分割。
图3给出了根据本发明的系统的实施例的示意图。系统30包括输入32，用于访问时间上有序的图像的二元分割的结果，这样提供了时间上有序的二元编码图像，由此对应于目标组织特别是血液的和对应于另外的组织特别是其余部分的图像部分被编码。应当看到，所述二元分割可以已经手动或自动得到。优选地，对应于目标组织的像素或体素被设置为1，由此其它像素或者体素被设置为0。数据集可以从适当的存储单元(未示出)来访问，该存储单元可以是位于本地的或者远程的。可选地和/或附加地，输入32可以被安排来接收来自适当数据获取单元(未示出)的数据，该数据获取单元以适当的计算机可读格式提供数据集。附加地，输入32被安排来访问所寻求结构的预定义的形状模型。优选地，使用了可变形形状模型。二元分割步骤的结果然后由输入32变为可用于系统30的计算单元35，该单元被安排来执行根据本发明的图像分割，产生所寻求的解剖结构，特别是心脏心室。这些步骤是使用本身已知的、上面所解释的相应计算算法来实现的。
系统30的核心由处理器34形成，该处理器34被安排来操作设备30的部件，该部件为输入32、计算单元35、工作存储器36、以及后台存储单元38。适当的处理器34的例子是常规的微处理器或者信号处理器，后台存储单元38(通常基于硬盘)和工作存储器36(通常基于RAM)。后台 存储单元38可以用于当适当的数据集(或其一部分)未被处理时对其进行存储，并且用于存储二元图像分割步骤、计算各对二元编码图像之差的步骤等等的结果。工作存储器36通常保持已处理的(部分)数据集和该结构的分割结果。计算单元35优选地包括适当数量的可执行子例程35a、35b、35c、35d、35e。子例程35a被安排来执行图像特别是心脏图像的二元图像分割，以区分目标物体特别是血液和其他物体特别是心肌，产生二元编码图像。子例程35b被安排来计算成对连续二元编码图像之间的连续差，产生包括多个离散值的多维时间特征图。子例程35c被安排来得到数据集中与选自所述多个离散值的预定离散值相对应的空间位置。优选地，预定一个特定值携带关于所述结构的特定信息。例如，如果当相位t的二元编码图像被从相位t+1的二元编码图像中减去时，预定具有值+1的像素或体素在心脏舒张期间对应心内膜边界，而具有值-1的像素或体素在心脏收缩期间对应心内膜边界。子例程35d被安排来访问可变形形状模型，或者可选地，它可被安排来基于适当的多个形状参数而建立可变形形状模型。子例程35e被安排来通过根据在步骤35c中确定的空间坐标来变形形状模型35d，而分割结构。
根据本发明的系统30还包括覆盖编码器37，被安排来产生用分割步骤结果适当覆盖原始数据的表现(rendering)。优选地，所计算的覆盖被存储在文件37a中。优选地，覆盖编码器37、计算单元35和处理器34可由计算机程序33操作，该程序优选地存储在存储器38中。输出39用于输出处理结果，如代表覆盖有分割结构的适当表现的、心脏解剖的覆盖图像数据。
图4给出了根据本发明的系统的又一实施例的示意图。系统40被安排来在多维数据集中分割结构，特别是心室，该数据集包括多个时间上间隔开的心室图像。优选地，系统40包括数据获取单元41，特别是用于获取数据集的磁共振成像仪、层析成像单元、超声设备、或者X射线单元。通常该数据被设想为借助适当编码的信号S从数据获取单元41转移到处理器42。该处理器执行适当的数据分割，如参照图2解释的，由此在它的输出上可以产生多种可能的数据。例如，有可能数据42a包括左心室的分割，数据42b提供右心室的分割，且数据42c提供心外膜的分割，数据42c由数据42a和42b得到。
数据42a、42b、42c或者其适当组合之一变为可用于适当观察器43 的另外输入45。优选地，另外的输入45包括适当的另外的处理器，该处理器被安排来使用适合于控制用户界面48的程序46操作一个适当的接口，这样使得解剖数据的图像适当地用分割步骤结果，特别是用数据42a、42b和/或42c覆盖，这样产生图像部分48a、48b、48c。优选地，为了用户方便起见，观察器43配备有高分辨率显示装置47，用户界面借助适当的交互装置49例如鼠标、键盘或者任何其它适当的用户输入设备可操作。
图5给出了根据本发明的计算机程序的实施例的流程图示意图。计算机程序50可以示意地被划分成三个主要阶段。阶段52包括准备步骤，即获取适当数据集的步骤53，所述数据集特别地为包括时间上有序的心脏图像的数据集。在步骤54中，所获取的数据集(未示出)然后受到适当的手动或者自动的二元分割，其结果在步骤55中被访问。该结果包括时间上有序的二元编码图像，由此对应血液的图像部分优选地被标注为1，其余被设置为0。
根据本发明的计算机程序的操作的随后阶段62致力于执行图像处理以便根据图像数据分割结构，特别地是心室。因此，在步骤58中执行计算，由此对应于来自时间序列的相位t的在前二元编码图像58a被从对应于相位t+1的随后的二元编码图像58b中减去。这个操作为来自所获取的时间序列的每个相位t’重复进行。结果包括一个多维时间特征图58c，由此非零体素对应于心室边界。在步骤59中，对应于特定体素值(+1或-1)的空间位置被得到并且将被用于分割心室。为此，在步骤61中访问预定义的可变形形状模型，该模型然后在步骤64中根据空间坐标被变形，所述空间坐标在步骤59中得到。优选地，在步骤66中存储该分割结果。最后，在根据本发明的方法的另一阶段72中，分割结果在步骤68中使用适当的显示装置被显示。优选地，所分割的表面使用二或三维可视化技术被覆盖在原始数据上。还优选地，为了易于理解本结果，所分割的表面被以适当的透明模式呈现为颜色码。

Claims (7)

1.一种用于分割数据集中的结构的方法，所述数据集包括为时间序列中的各个时间相位获取的多个多维图像，每个多维图像包括有关目标组织和有关另外组织的数据，所述方法包括步骤：
-访问时间上有序的图像的二元分割结果，产生时间上有序的二元编码图像，由此对应于该目标组织和另外组织的图像部分被二元编码；
-对于来自时间序列的所有时间相位计算成对的连续二元编码图像之间的连续差，产生包括多个离散值的多维时间特征图；
-得到与能选自所述多个离散值的预定离散值相对应的数据集中的空间位置；
-访问所述结构的预定义的可变形形状模型；
-通过根据所述空间位置变形所述形状模型来分割该结构。
2.根据权利要求1的方法，由此所述方法还包括确定数据集中的感兴趣区的准备步骤，该感兴趣区被构想为限制数据集的一个数据域。
3.根据以上任一权利要求的方法，由此所述方法还包括在显示装置上显示所分割的结构的步骤。
4.根据权利要求1或权利要求2的方法，由此所述方法还包括执行时间上有序的图像的自动二元分割的另外的准备步骤。
5.一种用于分割数据集(S)中的结构的系统(30)，所述数据集包括为时间序列中的各个时间相位获取的多个多维图像，每个多维图像包括有关目标组织和有关另外组织的数据，所述系统包括：
-输入(32)，用于：
-访问时间上有序的图像的二元分割结果，产生时间上有序的二元编码图像；
-访问所述结构的预定义的可变形形状模型(35e)；
-计算装置(35)，用于：
-对于来自时间序列的所有时间相位计算成对的连续二元编码图像之间的连续差(35a)，产生包括多个离散值的多维时间特征图(35b)；
-得到与能选自所述多个离散值的预定离散值相对应的数据集中的空间位置(35c)；
-通过根据所述空间位置(35c)变形所述形状模型(35e)来分割该结构(35d)。
6.根据权利要求5的系统，由此该系统还包括显示(47)单元用于显示所分割的结构。
7.根据权利要求5或权利要求6的系统，由此该系统还包括数据获取单元(41)用于获取数据集。
CN2006800103590A 2005-04-01 2006-03-21 用于分割数据集中的结构的方法和系统 Expired - Fee Related CN101151638B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP05102589 2005-04-01
EP05102589.8 2005-04-01
PCT/IB2006/050859 WO2006103594A2 (en) 2005-04-01 2006-03-21 A method, a system and a computer program for segmenting a structure in a dataset

Publications (2)

Publication Number Publication Date
CN101151638A CN101151638A (zh) 2008-03-26
CN101151638B true CN101151638B (zh) 2012-05-16

Family

ID=36649813

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2006800103590A Expired - Fee Related CN101151638B (zh) 2005-04-01 2006-03-21 用于分割数据集中的结构的方法和系统

Country Status (7)

Country Link
US (1) US8320652B2 (zh)
EP (1) EP1869634B1 (zh)
JP (1) JP4991697B2 (zh)
CN (1) CN101151638B (zh)
AT (1) ATE408205T1 (zh)
DE (1) DE602006002736D1 (zh)
WO (1) WO2006103594A2 (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BRPI0817387A2 (pt) * 2007-11-02 2015-09-08 Massachusetts Inst Technology métodos de conformidade de suplementação dietária de uridina e uso dos mesmos
DE102008008601B4 (de) 2008-02-12 2010-07-29 Siemens Aktiengesellschaft Verfahren zur Verarbeitung von medizinischen Bilddaten zur schichtweisen Abbildung einer Struktur bei freier Atmung
ATE521047T1 (de) * 2009-04-24 2011-09-15 Hoffmann La Roche Verfahren zum optischen scannen eines objektes sowie vorrichtung
CN102858252B (zh) 2010-04-28 2015-05-20 皇家飞利浦电子股份有限公司 用于确定对象的性质的性质确定装置
US9684961B2 (en) 2013-03-06 2017-06-20 Koninklijke Philips N.V. Scan region determining apparatus
US10235750B2 (en) * 2014-02-27 2019-03-19 Agency For Science, Technology And Research Segmentation of cardiac magnetic resonance (CMR) images using a memory persistence approach
CN106133789B (zh) * 2014-03-21 2022-11-18 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
CN105426927B (zh) * 2014-08-26 2019-05-10 东芝医疗系统株式会社 医学图像处理装置、医学图像处理方法和医学图像设备
CN108703770B (zh) * 2018-04-08 2021-10-01 智谷医疗科技（广州）有限公司 心室容积监测设备和方法
KR102273373B1 (ko) * 2018-05-08 2021-07-06 주식회사 딥바이오 특정 데이터 군집의 종단지점 탐색 방법 및 이를 위한 데이터 처리시스템
CN109376571B (zh) * 2018-08-03 2022-04-08 西安电子科技大学 基于变形卷积的人体姿态估计方法
CN110517264B (zh) * 2019-09-03 2022-03-08 武汉市中心医院 一种基于血管分割的病灶提取方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5273040A (en) * 1991-11-14 1993-12-28 Picker International, Inc. Measurement of vetricle volumes with cardiac MRI
CN1130848A (zh) * 1994-12-29 1996-09-11 大宇电子株式会社 用于低比特率图象信号编码器中检测前景区的装置
CN1502310A (zh) * 2002-11-27 2004-06-09 通用电气公司 用于测量与疾病相关的组织变化的方法和系统
CN1524247A (zh) * 2001-05-17 2004-08-25 О 用于分割磁共振心脏图像中左心室的变化的方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62189054A (ja) * 1986-02-17 1987-08-18 株式会社　日立メデイコ 超音波診断装置
JPH04183446A (ja) * 1990-11-19 1992-06-30 Res Dev Corp Of Japan 画像合成による手術支援システム
JP3284446B2 (ja) * 1991-01-11 2002-05-20 株式会社日立メディコ 超音波診断装置
FR2683208B1 (fr) 1991-11-06 1994-02-04 Allibert Manutention Caisse gerbable ou emboitable a piliers de support verticaux.
JP3647970B2 (ja) * 1996-05-10 2005-05-18 フクダ電子株式会社 領域抽出装置
DE19636949A1 (de) * 1996-09-11 1998-03-12 Siemens Ag Verfahren zur Detektion von Kanten in einem Bildsignal
US5903664A (en) * 1996-11-01 1999-05-11 General Electric Company Fast segmentation of cardiac images
KR100301113B1 (ko) * 1998-08-05 2001-09-06 오길록 윤곽선 추적에 의한 동영상 객체 분할 방법
US7120277B2 (en) * 2001-05-17 2006-10-10 Koninklijke Philips Electronics N.V. Segmentation unit for and method of determining a second segment and image processing apparatus
US6985612B2 (en) * 2001-10-05 2006-01-10 Mevis - Centrum Fur Medizinische Diagnosesysteme Und Visualisierung Gmbh Computer system and a method for segmentation of a digital image

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5273040A (en) * 1991-11-14 1993-12-28 Picker International, Inc. Measurement of vetricle volumes with cardiac MRI
US5447155A (en) * 1991-11-14 1995-09-05 Picker International, Inc. High temporal resolution black blood cine imaging
CN1130848A (zh) * 1994-12-29 1996-09-11 大宇电子株式会社 用于低比特率图象信号编码器中检测前景区的装置
CN1524247A (zh) * 2001-05-17 2004-08-25 О 用于分割磁共振心脏图像中左心室的变化的方法
CN1502310A (zh) * 2002-11-27 2004-06-09 通用电气公司 用于测量与疾病相关的组织变化的方法和系统

Also Published As

Publication number Publication date
WO2006103594A2 (en) 2006-10-05
DE602006002736D1 (de) 2008-10-23
US20090010505A1 (en) 2009-01-08
EP1869634B1 (en) 2008-09-10
EP1869634A2 (en) 2007-12-26
ATE408205T1 (de) 2008-09-15
JP2008534105A (ja) 2008-08-28
US8320652B2 (en) 2012-11-27
CN101151638A (zh) 2008-03-26
JP4991697B2 (ja) 2012-08-01
WO2006103594A3 (en) 2007-01-11

Similar Documents

Publication Publication Date Title
CN101151638B (zh) 用于分割数据集中的结构的方法和系统
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
EP1851722B1 (en) Image processing device and method
RU2571523C2 (ru) Вероятностная оптимизация сегментации, основанной на модели
US9792703B2 (en) Generating a synthetic two-dimensional mammogram
US20190251714A1 (en) Methods and Systems for Accelerated Rreading of a 3D Medical Volume
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
EP2220621B1 (en) Volume rendering apparatus and method
CN102473297B (zh) 量化灌注分析
EP2901419A1 (en) Multi-bone segmentation for 3d computed tomography
EP3108445A1 (en) Sparse appearance learning-based segmentation
EP3545499A1 (en) System and method for real-time rendering of complex data
US9129391B2 (en) Semi-automated preoperative resection planning
CN107851337B (zh) 交互式网格编辑
CN101160602A (zh) 用于分割多维数据集中的解剖结构的方法、设备和计算机程序
Schenk et al. Local-cost computation for efficient segmentation of 3D objects with live wire
CN113658284B (zh) 用于训练结节检测系统的来自ct图像的x射线图像合成
Masero et al. Volume reconstruction for health care: a survey of computational methods
US20230030618A1 (en) Making measurements in images
Hong et al. Ventricular shape visualization using selective volume rendering of cardiac datasets
Amor Bone segmentation and extrapolation in Cone-Beam Computed Tomography
Pulido et al. Reconstruction & interaction with 3D simplified bone models
Galeano et al. 3D reconstruction of organ from CT images and visualization in a virtual reality environment
Jung Feature-Driven Volume Visualization of Medical Imaging Data
PALAGYI et al. 3D thinning and its applications to medical image processing

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: 20120516

CF01 Termination of patent right due to non-payment of annual fee