CN101213573A - 图像处理 - Google Patents
图像处理 Download PDFInfo
- Publication number
- CN101213573A CN101213573A CNA200680024270XA CN200680024270A CN101213573A CN 101213573 A CN101213573 A CN 101213573A CN A200680024270X A CNA200680024270X A CN A200680024270XA CN 200680024270 A CN200680024270 A CN 200680024270A CN 101213573 A CN101213573 A CN 101213573A
- Authority
- CN
- China
- Prior art keywords
- image
- isoline
- described image
- isogram
- target
- 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
- 238000000034 method Methods 0.000 claims abstract description 37
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 claims description 28
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 claims description 28
- 238000001914 filtration Methods 0.000 claims description 13
- 238000013316 zoning Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims 2
- 230000004048 modification Effects 0.000 claims 2
- 201000008482 osteoarthritis Diseases 0.000 claims 1
- 210000000988 bone and bone Anatomy 0.000 description 14
- 210000001188 articular cartilage Anatomy 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 6
- 210000004872 soft tissue Anatomy 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 230000002708 enhancing effect Effects 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 210000003035 hyaline cartilage Anatomy 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 210000003041 ligament Anatomy 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 210000002435 tendon Anatomy 0.000 description 3
- 210000002303 tibia Anatomy 0.000 description 3
- 238000002266 amputation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/506—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of nerves
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/30008—Bone
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种适用于处理包含至少一个目标边界的图像的方法，该方法包括：产生该图像的等值线图，其中等值线将该图像分成若干区域；以及若一些区域的像素的统计特性充分地匹配于所述图像中已知或被认为存在的目标的预期像素统计特性，则将这些区域合并。本发明扩展到相应的装置。该图像可以是医学图像，例如，关节的X射线图像。
Description
本发明涉及图像处理技术，该图像处理技术可以用于增强诸如X射线图像和MRI图像。当然，本发明所提供的图像处理技术也能够应用于其它类型的图像。
根据一个方面，本发明提供了一种处理医学图像的方法，该方法包括：将图像再现成等值线图；以及根据组织学数据来修改等值线排布，使得等值线分解成该图像中不同身体结构之间的边界。
本发明还包括用于处理医学图像的装置，该装置包括：用于将图像再现成等值线图的部件；以及用于根据组织学数据来修改等值线排布使得等值线分解成该图像中不同身体结构之间的边界的部件。
通过采用这样方法来处理图像，就有可能以这种容易理解的方法获取图像的细节。典型的是，X射线图像并不能提供诸如腱、韧带和软骨之类有关软组织等有用信息。特别是，通过采用根据本发明的方法来处理X射线图像，就有可能恢复刚才所提及到的这类有关软组织的有用信息。这在关节、腱和韧带问题以及肿块等非侵入式诊断中非常有利。
根据另一方面，本发明提供一种用于处理包含至少一个目标边界的图像的方法，该方法包括：产生图像的等值线图，其中等值线将该图像分成若干区域；以及如果一些区域的像素的统计特性匹配于该图像中已知或被认为存在的目标的预期像素特性，则将这些区域合并。
本发明还包括用于处理包含至少一个目标边界的图像的装置，该装置包括：用于产生等值线图的部件，在该等值线图中等值线将该图像分成若干区域；以及用于若一些区域的像素的统计特性匹配于该图像中已知或被认为存在的目标的预期像素特性则将这些区域合并的部件。
一般来说，尽管非排他性，本发明处理的图像是医学图像，例如，X射线图像或者MRI图像。其预期像素特性被用于引导图像区域合并的那个目标可以是或者可以不是组织学的目标。例如，这种目标可以包括一段关节软骨，其自身包括深层、过渡层和浅层。
本发明还包括一种至少部分基于已用本发明所描述的技术处理过的医学图像对人或动物的状况进行诊断的方法。
现在，将籍助于实例和参考附图来讨论本发明的一些实施例。附图包括：
图1是连接着个人计算机的X射线机器的方框图；
图2是骨胳断片的X射线图像；
图3是分析图2所示部分图像的流程图步骤；
图4是在图2所示的X射线图像中选择所感兴趣部分；
图5是图4所示选择区域的放大示意图；
图6是从图5所示的X射线部分得出的等值线图；
图7是图5和图6所示感兴趣区域的组织学图像的等值线图；
图8是在图2所示X射线图像中选择的其它感兴趣区域；
图9是膝关节的X射线图像；
图10是在图9所示X射线中的感兴趣区域，该区域已经使用本发明技术进行了增强；
图11是图10所示区域的放大；
图12是图10所示另一区域的放大；
图13是图9所示的膝关节的胫骨稳定状况；
图14是肢体断肢的X射线；
图15是在图14所示X射线中的感兴趣区域，该区域已经使用了本发明的技术进行了增强；以及，
图16是图15所示的部分图像的放大。
图1显示了连接着个人计算机(PC)12的医疗X射线机器10，机器10所获得的X射线图像通过连接线14传输到PC12，以便于进行处理。
现在，我们考虑用X射线机器10来分析尸体的关节中的断片，该断片是用关节软骨覆盖的关节软骨。图2显示了机器10所获得的骨骼断片的图像15。图像15包含不同的阴影区域16、18、20和21。区域16表示骨头，而区域18、20和21则分别表示关节软骨的深层、过渡层和浅层。
在图像15中没有阴影的区域表示在X射线机器10视野内骨骼断片周围的自由空间。为了便于说明，在图2中清楚地显示了区域16、18、20和21相互之间的界线，尽管业内熟练的技术人员能够很快意识到，实际上，区域16、18、20和21的界线是相互模糊的。PC12使用图3所示流程图所阐述的流程来处理X射线图像。
在步骤S1中，PC12接受来自机器10的、用于表示图像15的数据，并将其以两维的像素阵列加以存储。
在步骤S2中，对图像15进行一系列有限脉冲响应(FIR)滤波，以便进行噪声去除、图像边缘尖锐化和特征提取。对于业内熟练技术人员而言，实现上述目的的适用滤波算法都是显而易见的。
在步骤S3中，选择所感兴趣的区域(ROI)22，用于后续处理步骤。所选择的ROI22包括骨16、三个关节软骨层18、20和21、以及背景，正如图4所示。
图5显示ROI22的放大视图。下文中，将以ROI22为边界的图像部分称之为待分析图像(IUA)23，并且在下列步骤S4至S6中分别对两维像素阵列进行各自处理。
在步骤S4中，采用拉普拉斯算子棱锥滤波器和高斯棱锥滤波器中的一种或者两种来增大IUA23的像素密度。对于业内熟练的技术人员来说，用于实现这类滤波器的适用算法是显而易见的。这些滤波器的效果是在IUA23中进行插值，由此增强了IUA 23中的像素密度。所采用的像素密度的增强倍数一般是在6至12范围之内。
在步骤S5中，IUA23中除亮度以外的像素特性被丢弃。接着，检测在IUA23中的像素最大和最小亮度数值并将这些数值用于计算IUA的亮度范围。随后，将亮度范围映射到从0至255的数值范围，使得在IUA23中的最低亮度数值用0替代，最高亮度数值用255替代，并且中间亮度数值用在0至255范围内的适当数值来替代。于是，将IUA23转换成一个归一化的亮度阵列(NLA)。为了在屏幕(未显示)上显示这类图像数据阵列，PC12被配置成将0至255范围中的各个数值显示成在梯级光谱中的不同颜色。
在步骤S6中，以检测骨头和关节软骨区域的边界作为目的，来分析IUA23。首先，NLA经过等值线滤波以创建如图6所示的NLA的等值线图24，该等值线图24所具有的等值线代表了NLA中被分配到该像素的归一化亮度数值的幅值。对于业内熟练的技术人员来说，适用于等值线滤波的算法都是显而易见的。
图24是根据它的等值线而被分成多个区域的。例如，将等值线26和28定义为区域a0和a1，正如图6所示。特意选择被分配给图24的等值线的数量，以便将图24分成为一定数量的区域，该数量大于在ROI22中已知将要存在的物理上明显不同的区域的数量。在目前这种情况下，已知ROI22可包含5个不同的区域(例如，分别包括骨头、关节软骨的深层、过渡层和浅层、以及背景空间)，所以在图24中使用11个等值线将图分成为12个区域，a0、a1、...、a11(从图6的左面往右面)。接着，以将区域的数量减少到在ROI21中所已知的数量为目的，来考虑合并在等值线图24中的区域，例如，减少到5个区域。现在解释通过组织学数据来引导等值线图区域的合并。
正如图7所示，ROI22的组织学图像34输入到PC12中。由于在组织学中所应用的着色，所以在组织学图像34中的像素具有不同的亮度数值。
将等值线滤波器应用于组织学图像34，使之检测在ROI22中所存在着的已知5个区域的边界。于是，将组织学图像分成为5个区域，b0、b1、b2、b3和b4，且各自分别包含骨头、深层关节软骨、过渡关节软骨、表面关节软骨和背景。接着，将区域a0至an分配给相邻区域对，例如，a0和a1，a2和a3，a4和a5以及其它等等。随后考虑在这些对中的区域合并，以减少在等值线图24中所存在着的区域数量。为了解释这一流程，现在我们来考虑区域对a0和a1。
首先，计算区域a0和a1所覆盖着的NLA部分中的归一化亮度数值的标准偏差。随后，将该数值与在组织学图像中的区域b0中的像素亮底数值的标准偏差进行比较。如果两个标准偏差数值相互都在5％之内，则认为比较结果是正的。接着，队列阶数相关性和Kolmogorov-Smirnov测试用于产生a0和a1组合像素布居的归一化亮度数值以及b0的像素布居的亮度数值之间的相关系数。如果相关系数是≥0.95，则认为相关性比较是正的。如果相关性和标准偏差比较两者都是正的，则两个区域a0和a1可以合并成一个单独的区域a0+1。
在完成对a0和a1的合并测试之后，进行对a2和a3的合并测试。如果a0和a1允许合并，则对照b0的布居或者b1的布居来测试a2和a3的组合布居。采用这种方式，在测试用于合并的对a2m和a2m+1时，流程通过一系列区域b0至b4。
一旦完成了对所有对a2m和a2m+1(其中，m＝0至5)的合并测试，就进行检查，以便于确定在图24中的区域数量是否仍旧大于5。如果发现在图24中的区域数量大于5，则重新检查所存在着的区域，以便于确定在相邻区域对中的任何区域是否能够合并。继续这一迭代流程，直至在图24中的区域数量减小至5，这时从该图的左边往右边所保留的4个区域的边界分别精确地反映了骨头、深层关节软骨、过渡关节软骨、表面关节软骨和背景等区域的等值线。
正如图8所示，也可以采用上述方式来处理诸如36、38和40等其它ROI，以便于建立有关较大部分骨骼断片的信息。
对于业内熟练的技术人员来说，很显然，当参考图2至图8所解释的处理用于增强活体病人的所有关节的X射线图像，而不是单独的骨骼断片X射线图像时，与软组织有关的改进合并有利于对关节状况的评估。同样，该技术可以应用于所有其它软组织，特别是，腱和韧带、肌肉、椎(骨)盘、血管、脑、脊骨索、神经、乳房和前列腺等。它也可以应用于观察在肢体任意位置(特别是在骨头)上的肿块和观察骨骼断片的恢复以及监测白内障的变化等。于是，该技术并不仅仅限制于对骨头的软组织，这仅仅只是上述实施例背景选择的目的。它可以广泛地应用于人体中的任何软组织。
很显然，本发明可以以软件包(例如，CD)来发行，并安装在能够接收用于分析的数字图像的任何兼容计算机(或者其它数据处理设备)上。这种软件一般都可以根据一个或多个特殊图像类型的分析来进行裁剪，并因此而包含在这些图像类型中目标所期望的统计特性，以便于引导在IUA中的区域合并的判决。也就是说，该软件可以对这些目标图像类型进行类似于上述实施例中对尸体采样性能的b0至b4所期望的统计特性操作。籍助于更多具体实例，如果软件包针对胸部肿块的分析和膝盖关节的分析进行裁剪，则该软件包就能够充满目标所期望的统计特性，这是希望在胸部和膝盖关节图像中所发现的。
现在提供将本发明应用于X射线图像所涉及图像细节的一些实例。
图9是膝盖关节的X射线图像，它使用本发明提供了增强。采用图中的黑色方框来区分本发明增强的ROI。图10显示了应用本发明处理技术所获得的增强ROI的结果。在该图中，对应于透明软骨的图像区域在两个较黑着色的区域之间呈现出较亮着色带。应该注意的是，本发明的图像增强技术显示出与箭头B所指区域中的透明软骨比较，在箭头A所指区域中的透明软骨已经退化。图10中箭头A和B所指的增强ROI部分分别可由图11和图12来放大。去除图9所示的关节，检测胫骨的稳定情况，正如图13所示，显示出在对应图11所示放大部分的点上胫骨稳定状态已经呈现退化。
图14是断肢的X射线图像。图15显示了使用本发明技术增强X射线图像的ROI的结果。图16放大显示了在图15中由箭头所表示的这些区域。箭头和星号分别表示使用本发明能够观察到的非新产生和新产生的骨头区域。
Claims (19)
1.一种处理医学图像的方法，所述方法包括：将所述图像再现成等值线图；以及在组织学数据的引导下修改所述等值线的排布，使得所述等值线分解成所述图像中不同身体结构之间的边界。
2.如权利要求1所述的方法，其特征在于，将所述图像再现成等值线图产生了所述图像的等值线图，其中等值线将所述图像分成若干区域；以及修改所述等值线排布包括，如果一些区域的像素的统计特性充分地匹配于所述图像中已知或被认为存在的目标的预期像素统计特性，则将这些区域合并。
3.一种用于处理包含至少一个目标边界的医学图像的方法，所述方法包括：产生所述图像的等值线图，其中等值线将所述图像分成若干区域；以及如果一些区域的像素的统计特性充分地匹配于所述图像中已知或被认为存在的目标的预期像素统计特性，则将这些区域合并。
4.如权利要求2或3所述的方法，其特征在于，所述统计特性包括：所述目标的预期像素亮度数值与为合并而提供的区域的像素亮度数值之间的标准偏差。
5.如权利要求2、3或4所述的方法，其特征在于，所述统计特性的匹配程度的评估包括：使所述目标的预期像素亮度数值与为合并而提供的区域的像素亮度数值相关联。
6.一种用于处理包含至少一个目标边界的图像的方法，所述方法包括：产生所述图像的等值线图，其中等值线将所述图像分成若干区域；以及如果一些区域的像素的统计特性充分地匹配于所述图像中已知或被认为存在的目标的预期像素统计特性，则将这些区域合并。
7.如上述权利要求中的任一项所述的方法，进一步包括在从所述图像中产生等值线图之前对所述图像进行滤波，其中所述滤波处理包括噪声去除滤波、特征提取滤波、或边缘尖锐化滤波中的一种或多种。
8.如上述权利要求中的任一项所述的方法，其特征在于，所述图像是X射线图像和MRI图像中的一种。
9.如上述权利要求中的任一项所述的方法，其特征在于，所述图像是关节图像或者是关节的部分图像。
10.一种处理图像的方法，所述方法包括：分辨所述图像中感兴趣的若干区域；以及针对多个所述区域中的每个区域，根据上述权利要求中的任一项所述的方法对所述区域进行处理。
11.一种处理医学图像的装置，所述装置包括：用于将所述图像再现成等值线图的部件；以及用于在组织学数据的引导下修改所述等值线的排布使得所述等值线分解成所述图像中不同身体结构的边界的部件。
12.如权利要求11所述的装置，其特征在于，所述再现部件产生所述图像的等值线图，其中等值线将所述图像分成若干区域；以及如果一些区域的像素的统计特性充分地匹配于所述图像中已知或被认为存在的目标的预期像素统计特性，则所述修改部件将这些区域合并。
13.一种用于处理包含至少一个目标边界的医学图像的装置，所述装置包括：用于产生所述图像的等值线图的部件，其中等值线将所述图像分成若干区域；以及用于若一些区域的像素的统计特性充分地匹配于所述图像中已知或被认为存在的目标的预期像素统计特性则将这些区域合并的部件。
14.如权利要求12或13所述的装置，其特征在于，所述统计特性包括：所述目标的预期像素亮度数值与为合并而提供的区域的像素亮度数值之间的标准偏差。
15.如权利要求12、13或14所述的装置，其特征在于，所述修改部件被安排成使所述目标的预期像素亮度数值与为合并而提供的区域的像素亮度数值相关联。
16.一种用于处理包含至少一个目标边界的图像的装置，所述装置包括：用于产生所述图像的等值线图的部件，其中等值线将所述图像分成若干区域；以及用于如果一些区域的像素的统计特性充分地匹配于所述图像中已知或被认为存在的目标的预期像素统计特性则将这些区域合并的部件。
17.如权利要求11至16中的任一项所述的装置，还包括用于在从所述图像中产生等值线图之前对所述图像进行滤波的部件，其中所述滤波部件被安排成采用噪声去除滤波、特征提取滤波、或边缘尖锐化滤波中的一种或多种。
18.一种用于使数据处理设备执行如权利要求1至10中任一向所述的方法的程序。
19.一种用于诊断生物体状况的方法，包括：使用已采用如权利要求1至10中任一项所述的方法处理过的图像。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GB0513532A GB2427974A (en) | 2005-07-01 | 2005-07-01 | Resolving boundaries in a medical image using histological data |
| GB0513532.2 | 2005-07-01 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101213573A true CN101213573A (zh) | 2008-07-02 |
Family
ID=34856527
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA200680024270XA Pending CN101213573A (zh) | 2005-07-01 | 2006-06-30 | 图像处理 |
Country Status (13)
| Country | Link |
|---|---|
| US (1) | US20070009143A1 (zh) |
| EP (1) | EP1739621A1 (zh) |
| JP (1) | JP2008544826A (zh) |
| KR (1) | KR20080027861A (zh) |
| CN (1) | CN101213573A (zh) |
| AU (1) | AU2006264689A1 (zh) |
| BR (1) | BRPI0612581A2 (zh) |
| CA (1) | CA2613224A1 (zh) |
| GB (1) | GB2427974A (zh) |
| MX (1) | MX2007016299A (zh) |
| NO (1) | NO20080608L (zh) |
| WO (1) | WO2007003903A1 (zh) |
| ZA (1) | ZA200801081B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2778339A1 (en) | 2008-11-07 | 2010-05-14 | Department Of Biotechnology | A ready automated screening, diagnosis & classification technique for alzheimer's disease using magnetic resonance imaging signal from ventricular zone contour of brain |
| KR101153627B1 (ko) * | 2009-10-26 | 2012-06-18 | 중앙대학교 산학협력단 | 세포 조직의 이미지 분석 시스템 및 방법 |
| GB2484223B (en) * | 2010-05-26 | 2014-07-09 | Hiok Nam Tay | Auto-focus image system |
| JP2013125021A (ja) * | 2011-12-16 | 2013-06-24 | Chuo Electronics Co Ltd | コントラスト補正装置、方法、プログラム、および所持物検出装置 |
| KR101294255B1 (ko) * | 2012-06-15 | 2013-08-16 | 중앙대학교 산학협력단 | 관심영역 결정 방법 및 장치 |
| KR101303128B1 (ko) * | 2012-07-23 | 2013-09-09 | 중앙대학교 산학협력단 | 등질성 지도 생성 장치 및 방법 |
| JP6071805B2 (ja) * | 2013-08-27 | 2017-02-01 | 富士フイルム株式会社 | 画像領域指定装置および方法、並びに放射線画像処理装置および方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5457754A (en) * | 1990-08-02 | 1995-10-10 | University Of Cincinnati | Method for automatic contour extraction of a cardiac image |
| JP3361768B2 (ja) * | 1999-03-18 | 2003-01-07 | セイコーインスツルメンツ株式会社 | 蛍光ｘ線分析装置およびｘ線照射位置確認方法 |
| WO2002093188A2 (en) * | 2001-05-17 | 2002-11-21 | Siemens Corporate Research, Inc. | A variational approach for the segmentation of the left ventricle in mr cardiac images |
| US7095890B2 (en) * | 2002-02-01 | 2006-08-22 | Siemens Corporate Research, Inc. | Integration of visual information, anatomic constraints and prior shape knowledge for medical segmentations |
| US6893399B2 (en) * | 2002-11-01 | 2005-05-17 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for B-mode image banding suppression |
| GB2398379A (en) | 2003-02-11 | 2004-08-18 | Qinetiq Ltd | Automated digital image analysis |
-
2005
- 2005-07-01 GB GB0513532A patent/GB2427974A/en not_active Withdrawn
-
2006
- 2006-06-29 US US11/427,478 patent/US20070009143A1/en not_active Abandoned
- 2006-06-30 WO PCT/GB2006/002423 patent/WO2007003903A1/en active Application Filing
- 2006-06-30 AU AU2006264689A patent/AU2006264689A1/en not_active Abandoned
- 2006-06-30 EP EP06253444A patent/EP1739621A1/en not_active Withdrawn
- 2006-06-30 KR KR1020087001537A patent/KR20080027861A/ko not_active Application Discontinuation
- 2006-06-30 CN CNA200680024270XA patent/CN101213573A/zh active Pending
- 2006-06-30 CA CA002613224A patent/CA2613224A1/en not_active Abandoned
- 2006-06-30 JP JP2008519985A patent/JP2008544826A/ja active Pending
- 2006-06-30 BR BRPI0612581-6A patent/BRPI0612581A2/pt not_active IP Right Cessation
- 2006-06-30 MX MX2007016299A patent/MX2007016299A/es not_active Application Discontinuation
-
2008
- 2008-01-30 ZA ZA200801081A patent/ZA200801081B/xx unknown
- 2008-02-01 NO NO20080608A patent/NO20080608L/no not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| MX2007016299A (es) | 2008-03-10 |
| AU2006264689A1 (en) | 2007-01-11 |
| NO20080608L (no) | 2008-02-01 |
| ZA200801081B (en) | 2009-10-28 |
| CA2613224A1 (en) | 2007-01-11 |
| WO2007003903A1 (en) | 2007-01-11 |
| JP2008544826A (ja) | 2008-12-11 |
| GB2427974A (en) | 2007-01-10 |
| KR20080027861A (ko) | 2008-03-28 |
| EP1739621A1 (en) | 2007-01-03 |
| BRPI0612581A2 (pt) | 2010-11-23 |
| US20070009143A1 (en) | 2007-01-11 |
| GB0513532D0 (en) | 2005-08-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2020100199A4 (en) | A medical image fusion method based on two-layer decomposition and improved spatial frequency | |
| US8195270B2 (en) | Method and apparatus for the non-invasive imaging of anatomic tissue structures | |
| CN101213573A (zh) | 图像处理 | |
| US20080232667A1 (en) | Device, method and recording medium containing program for separating image component, and device, method and recording medium containing program for generating normal image | |
| EP2942013A1 (en) | Image processing digital filter, image processing device, printing medium, recording medium, image processing method and program | |
| CN102324090B (zh) | 一种从cta图像中去除扫描床的方法及装置 | |
| CN102637292B (zh) | 一种图像的处理方法和装置 | |
| CN106530236A (zh) | 一种医学图像处理方法及系统 | |
| US6205235B1 (en) | Method and apparatus for the non-invasive imaging of anatomic tissue structures | |
| CN104077747A (zh) | 医用图像处理装置以及医用图像处理方法 | |
| Zou et al. | Semi-automatic segmentation of femur based on harmonic barrier | |
| Hussien et al. | Computed tomography soft tissue restoration using Wiener filter | |
| JP2020523049A (ja) | 解剖学的関節の損傷を示す意思決定支援資料の作成 | |
| JP2002209867A (ja) | 脳の磁気共鳴映像から白質と灰白質および脳脊髄液を分離し体積を算出する方法 | |
| Huang et al. | Joint Retinex-based variational model and CLAHE-in-CIELUV for enhancement of low-quality color retinal images | |
| JPH08287230A (ja) | 計算機支援画像診断装置 | |
| JPH07104951B2 (ja) | 連結性による３次元物体除去方式 | |
| Diaz et al. | Three-Dimensional Reconstruction of Cardiac Structures Using CT Images | |
| Lobanov et al. | Primary Preparation of Data for the Analysis of Brain MSCT Images for the Task of Searching for Primary Signs of a Brain Stroke | |
| Carlsen et al. | Knowledge based Interpretation of cranial MR images | |
| Veneziano et al. | Three-dimensional visualisation of skeletal cavities | |
| Battiato et al. | Objective analysis of simple kidney cysts from CT images | |
| Mekonnen | Color Medical Image Edge Detection based on Higher Dimensional Fourier Transforms Applied in Diabetic Retinopathy Studies | |
| Cole | Adaptive Segmentation of Cardiovascular Vessels | |
| Sinha et al. | An Introduction to Medical Image Analysis in 3D |
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: 20080702 |