CN101241596B - 使用时间减影技术对间隔变化的视觉增强 - Google Patents

使用时间减影技术对间隔变化的视觉增强 Download PDF

Info

Publication number
CN101241596B
CN101241596B CN2008100054665A CN200810005466A CN101241596B CN 101241596 B CN101241596 B CN 101241596B CN 2008100054665 A CN2008100054665 A CN 2008100054665A CN 200810005466 A CN200810005466 A CN 200810005466A CN 101241596 B CN101241596 B CN 101241596B
Authority
CN
China
Prior art keywords
image
subtraction
floating
reference image
brief summary
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
CN2008100054665A
Other languages
English (en)
Other versions
CN101241596A (zh
Inventor
D·塞格斯
P·德瓦尔
P·苏滕斯
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.)
Agfa Co ltd
Original Assignee
Agfa HealthCare 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 Agfa HealthCare NV filed Critical Agfa HealthCare NV
Publication of CN101241596A publication Critical patent/CN101241596A/zh
Application granted granted Critical
Publication of CN101241596B publication Critical patent/CN101241596B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • G06T7/0014Biomedical image inspection using an image reference approach
    • G06T7/0016Biomedical image inspection using an image reference approach involving temporal comparison
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/254Analysis of motion involving subtraction of images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30061Lung

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了使用时间减影技术对间隔变化的视觉增强。一种通过下列步骤来显现在参考图像R和浮动图像F中的对应结构之间的时间差异的方法:将所述参考图像R和所述浮动图像F与窗函数Hw卷积以生成Rw和Fw;应用导致变换场g(rR)的非刚性变换,该变换场g(rR)把每个位置rR映射到浮动图像F中的对应位置rF;并且通过执行减法Rw(r)-Fw(g(r))来生成减影图像,其中r表示参考图像R中的体素(x,y,z)。

Description

使用时间减影技术对间隔变化的视觉增强
技术领域
本发明涉及一种改善从在不同时间采集的医学图像中对病理变化的检测的视觉增强技术。
背景技术
患者随访是放射科医生的日常临床实践的主要部分。为了检测病理变化,例如肺中生长的小结、间质浸润和胸腔积液,将当前的胸腔图像与先前记录的图像进行比较。时间减影是帮助放射科医生进行该耗时任务的一种流行技术。先前图像在正确对准和翘曲(warping)之后从当前图像被减影,以便在视觉上增强病理变化。几项研究已经表明,具有时间减影的系统显著地增大了数字胸部放射照片中的间隔变化的检测速度。研究也已表明,所述技术也正面地影响了放射科医生的判读时间。几项研究已经将CT图像的时间减影应用于癌症检测。如今,胸部放射照片的时间减影已进入商业上可用的CAD系统。
在从一幅图像减影另一幅之前,需要对准对应的解剖结构以便从减影图像中除去无关信息。胸腔的计算机放射摄影或计算机断层扫描图像遭受由于患者姿势和吸气的差异而引起的对应结构的3D移位所导致的非刚性几何失真,这诉诸于非刚性配准算法的选择。另一方面,非刚性翘曲具有改变损伤大小的有害效果。先前图像中的肿瘤可能被放大以便匹配当前图像中的肿瘤,使得在减影图像中无法观察到变化。因此,大多数作者使用不允许大的局部变形的翘曲技术。例如,D.Loeckx等人的“Temporal subtraction of thorax CR images using a statisticaldeformation model”,IEEE Trans.Med.Imag.22(11),pp.1490-1504,2003应用了PCA变形场,该PCA变形场在典型变形上被训练以便捕获吸气和姿势差异模式。
本发明的一个方面是提供一种显现医学图像中的对应结构之间的时间差异的方法,其克服了现有技术的缺陷。
根据以下给出的描述,本发明的其他方面将变得显而易见。
发明内容
上述方面由如权利要求1中所述的方法来提供。
本发明公开了一种可选的减影技术,其使用卷积滤波器来避免在精确配准的情况下病理变化在减影图像中消失。所述方法对于用于肺癌随访的胸腔的时间CT数据集被证实,并且可与使用自动客观度量的常规减影技术相比。
所述卷积借助于窗函数来执行,所述窗函数在一个实施例中是平均函数。可以设想各种可选的函数。
所述窗函数的大小优选与所述结构的尺寸相关。它优选地具有与所述结构的尺寸类似的尺寸。
本发明通常作为计算机程序产品被实施,该计算机程序产品适于当在计算机上运行并被存储在计算机可读介质上时执行权利要求中任何一项所述的方法。
附图说明
图1在三个正交视图中一起示出原始扫描和随访扫描,每当用户点击新视点时,所述视图就被更新。两幅图像被同时显示,使得与视点q重合的图像点是根据变形场的对应点。应用于浮动图像的唯一变换是平移,使得病变的大小被保持。
图2说明变形场(c)把模拟的参考小结(b)几乎完全地变形到浮动小结(a)上。所变形的浮动小结通过根据变形场对浮动小结进行插值来估计。差图像(d)然后通过从参考图像中减影所变形的浮动来计算。当完全配准时,时间减影并不增强间隔变化。强度范围对于(a)和(b)是从0到1,并且在(d)中是从-1到1。
图3:分别考虑浮动(a)和参考(b)图像中对应的体素g(r)和r。应用了一种计算减影图像的可选方法,而不是减去对应的强度值,其将产生零值体素。在朝着该解决方案的第一步骤中,通过将强度与以感兴趣体素为中心的模板Hw相结合来计算两幅图像中在围绕对应体素的区域中可获得的密度的大小(c-d)。由于模拟的小结已经生长,所以在r处的参考图像中的密度大小将大于在g(r)处的浮动图像中的大小。
图4示出对于图2中的具有若干配准误差的模拟的生长小结而言常规方法(第一行)和可选方法(第二行)的比较:(a)完全配准,(b)Δx1=2,Δy1=2和Δr1=0,(c)Δx1=0,Δy1=0和Δr1=3,(d)Δx1=0,Δy1=0和Δr1=-3以及(e)Δx1=2,Δy1=2和Δr1=3。当应用完全配准时,该可选方法明显地增强了间隔变化。至于生成由或多或少的黑色区域所围绕的白斑的每种情况,该方法也似乎要比标准方法对于配准误差更鲁棒。
图5示出具有减影图像的三个额外视图的所述观察器。减影图像把读者的注意力立即吸引到四个生长的小结。
图6说明这两种减影方法的比较。该可选减影图像(a)显示了由生长的小结所导致的白斑。使用常规方法的减影图像的相同切片没有增强该病理变化(b)。
具体实施方式
图像配准
为了在视觉上增强在不同时刻采集的相同患者的图像之间的病理变化,非刚性配准是必须的,以便使得两幅图像对准,从而对应的结构重合。在当时采集的第一图像被称为原始扫描F(浮动图像),并且我们将把在随后时刻采集的图像称为随访扫描R(参考图像)。为了配准,采用非刚性张量积B样条变换模型,其中使用交互信息(MI)作为相似性度量。所得到的把每个位置rR映射到对应位置rF上的变换将被称为g(rR)。
随访观察器
已经开发了符合随访应用的需要的图像观察器(图1)。
当时间图像的读者对病理变化的检测感兴趣时,观察器需要同时显示两个扫描的对应解剖结构。一起显示翘曲的原始扫描和随访扫描的观察器就是这种情况。遗憾的是,由于非刚性翘曲可以具有改变病变大小的有害效果,因此这样的观察器可能隐藏病理变化。
为了对此进行补偿,提出这样一种观察器,其使两个扫描中对应的结构对准,同时避免浮动图像F的非刚性变换。代之以,应用于浮动图像的唯一变换是平移。该平移取决于由用户选择的视点q,并且随着视点的变化而变化。这被如下实现:
·计算对应于视点q(x,y,z)的参考图像的图像点rR
·应用非刚性变形场g(rR)来找到浮动图像中的对应点rF
·最后,平移浮动图像,使得rF与q重合。
因此,原始扫描和随访扫描被一起显示在三个正交视图中,每当用户点击新视点时,所述视图就被更新。两幅图像同时被显示,使得与视点q重合的图像点是根据变形场的对应点。观察器遵守上述条件。首先,通过对于每个视点将平移应用到原始扫描,两个扫描的解剖结构被同时显示。其次,由于平移是刚性变换,因此病变的大小被保持。
时间减影
常规方法
一旦时间图像被对准,通过减去对应体素的强度来构造减影图像S:
                        S(r)=R(r)-F(g(r))              (1)
其中R、F和g(r)是参考图像、浮动图像和由配准算法所给出的变换场。当参考图像是最新扫描时,减影图像中的白色区域表明,组织在对应的区域已经变得更致密,反之亦然。
几项临床验证研究已经表明,当时间减影图像被提供时,间隔变化的检测得到改善。另一方面,当实施和解释该技术时,应当牢记以下问题。
首先,如果配准算法允许大的局部变形,则时间减影图像可能会变得有问题。这在图2中被展示。
一般而言,当变换场局部地改变病变的大小时,可以说减影图像是易误解的。因此,只有全局变形配准算法才适用于该技术。
其次,阅读减影图像的临床医生必须注意到引起低信噪比的配准伪影。临床医生需要训练阶段以便能够使配准伪影与实际间隔变化模式(pattern)相区分。
可选方法
根据本发明,公开了一种计算减影图像的可选方法。
该方法避免了在把参考图像中的病变匹配到浮动图像中的病变上时间隔变化消失。这被如下实现(图3)。
分别考虑浮动(a)和参考(b)图像中对应的体素g(r)和r。提出一种可选方法,而不是减去对应的强度值,其将产生零值体素。首先,通过将强度与以感兴趣体素为中心的模板Hw相结合来计算两幅图像中在围绕对应体素的区域中可获得的密度的大小。这在图3(c-d)中被显示。由于模拟的小结已经生长,所以在r处的参考图像中的密度大小将大于在g(r)处的浮动图像中的大小。具有尺寸(w,w,w)的模板Hw具有归一化强度:
Σ x = 0 w - 1 Σ y = 0 w - 1 Σ z = 0 w - 1 H w ( x , y , z ) = 1 - - - ( 2 )
并且在其中心相对于x、y和z是对称的。因此,测量在图像I的在每个体素(x,y,z)处的密度大小Iw相当于使图像与模板Hw卷积:
                     Iw(x,y,z)=I(x,y,z)
Figure 2008100054665_0
Hw(x,y,z)          (3)
在第二步骤中,在体素r=(x,y,z)处的减影值Sw然后作为在该位置处的密度的变化而被计算:
                     Sw(r)=Rw(r)-Fw(g(r))                         (4)
其中
                     Rw(x,y,z)=R(x,y,z)
Figure 2008100054665_1
Hw(x,y,z)
                     Fw(x,y,z)=F(x,y,z)
Figure 2008100054665_2
Hw(x,y,z)
如果模板Hw的窗大小被设为1,则表达式(4)简化为常规计算的减影图像(1)。
实验
实验I
在第一实验中,对于图2的模拟的图像来比较方法(1)和(4):浮动图像(a)包含在(x1,y1)=(40,40)处并且半径r1=10的小结,参考图像(b)中的小结以(x2,y2)=(60,60)为中心并且具有半径r2=20。两幅图像具有尺寸100×100。选择窗大小为w=11的常值模板函数Hw=1/w2。我们使用数学变形模型来把参考小结(x2,y2,r2)变换到小结(x1+Δx1,y1+Δy1,r1+Δr1)。参数Δx1、Δy1和Δr1被引入以便模拟配准误差。图4对于若干配准误差比较常规方法(第一行)和可选方法(第二行):(a)完全配准,(b)Δx1=2,Δy1=2,Δr1=0,(c)Δx1=0,Δy1=0,Δr1=3,(d)Δx1=0,Δy1=0,Δr1=-3以及(e)Δx1=2,Δy1=2,Δr1=3。
当应用完全配准时,该可选方法明显地增强了间隔变化。至于生成由或多或少的黑色区域所围绕的白斑的每种情况,该方法也似乎要比标准方法对于配准误差更鲁棒。
实验II
在用于患者随访的胸腔的时间CT数据集上测试根据本发明的技术。在该研究中涉及均由两幅时间图像组成的四个病例:两个患者含有恶性小结,一个患者具有生长的肿瘤,以及一个病例含有转移瘤。连续采集之间的时间范围从39到57天。每个扫描由尺寸为512×512的5mm切片组成。
在四个病例的每一个中使用上面描述的配准算法来将随访扫描配准到原始扫描。对于两个小结病例,通过在对准之后计算原始扫描中的小结和随访扫描中的小结之间的距离来表示配准精度。对于第一小结病例,配准精度是2.0±1.4毫米,对于第二患者是5.8±3.1。为另两个数据集测量类似的配准精度。
使用模板函数Hw以及wx=wy=11和wz=3来计算减影图像。利用减影图像的三个额外视图所扩展的上述观察器在图5中被显示。减影图像把读者的注意力立即吸引到四个生长的小结。图6在视觉上比较两种减影方法。该可选减影图像(a)显示了由生长的小结所导致的白斑。使用常规方法的减影图像的相同切片没有增强该病理变化(b)。
实验III
实质上,打算把减影图像作为对病理变化的视觉增强的工具,但是该减影图像也可以用作朝着间隔变化的自动检测的预处理步骤。生长的小结例如由减影图像中的特定模式来表征。这允许生长的小结的自动检测,并且提供定量地比较这两种减影方法的机会:如果我们基于这两种减影方法之一来建立检测系统,则该系统的检测实验的结果用作该方法的客观度量。
进行以下实验。首先,在先前实验的数据集中人工地检测到14个生长的小结。其次,在减影图像的对应切片中围绕小结位置的2D强度模式被用来训练模式检测器。模式检测器的例子可以基于如在“Imagesegmentation using local shape and gray-level appearance models”,D.Seghers,D.Loeckx,F.Maes,P.Suetens in Proc.SPIE Conference onMedical Imaging,2006中所述的2D强度模式。
可选择地,模式检测器可以基于中心-周围滤波器。
检测系统然后用留一法来验证:从训练集中除去小结之一,在减少的训练集上再次训练检测器,并且最后,要求检测器在减影图像的对应切片中寻找所除去的小结的位置。
模式检测器建立剖面(profile)的统计模型,所述剖面由在以小结位置为中心、半径为rc的圆上所采样的nc个点组成。在60幅LOI特征图像中采样剖面。为不同的剖面配置重复留一法实验:rc=2.5,5和10个像素并且nc=3,4,6和8。表1报告了检测系统使用(a)常规方法和(b)在本公开中所引入的方法的结果。该可选方法似乎比标准方法明显更好地工作。
  nc=3   nc=4   nc=6   nc=8
  rc=2   4   6   6   5
  rc=5   6   7   6   7
  rc=10   5   6   5   5
表1(a)
  nc=3   nc=4   nc=6   nc=8
  rc=2   4   8   8   7
  rc=5   5   9   8   8
  rc=10   7   7   7   8
表1(b)

Claims (4)

1.一种显现在参考图像R和浮动图像F中的对应结构之间的时间差异的方法,其中所述浮动图像F是在当时采集的第一图像,以及所述参考图像R是在随后时刻采集的图像,所述方法包括以下步骤:
-将所述参考图像R与窗函数HW卷积以生成RW
-将所述浮动图像F与相同的窗函数HW卷积以生成FW
-应用导致变换场g(rR)的非刚性变换,该变换场g(rR)把每个位置rR映射到浮动图像F中的对应位置rF
-通过执行减法RW(r)-FW(g(r))来生成减影图像,其中r表示参考图像R中的体素(x,y,z)。
2.根据权利要求1所述的方法,其中所述窗函数是平均函数。
3.根据权利要求1或2所述的方法,其中所述窗函数的大小与所述结构的尺寸相关。
4.一种显现在参考图像R和浮动图像F中的对应结构之间的时间差异的设备,其中所述浮动图像F是在当时采集的第一图像,以及所述参考图像R是在随后时刻采集的图像,所述设备包括:
-用于将所述参考图像R与窗函数HW卷积以生成RW的装置,
-用于将所述浮动图像F与相同的窗函数HW卷积以生成FW的装置,
-用于应用导致变换场g(rR)的非刚性变换的装置,该变换场g(rR)把每个位置rR映射到浮动图像F中的对应位置rF
-用于通过执行减法RW(r)-FW(g(r))来生成减影图像的装置,其中r表示参考图像R中的体素(x,y,z)。
CN2008100054665A 2007-02-09 2008-02-05 使用时间减影技术对间隔变化的视觉增强 Expired - Fee Related CN101241596B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP07102012.7 2007-02-09
EP20070102012 EP1956553B1 (en) 2007-02-09 2007-02-09 Visual enhancement of interval changes using a temporal subtraction technique.

Publications (2)

Publication Number Publication Date
CN101241596A CN101241596A (zh) 2008-08-13
CN101241596B true CN101241596B (zh) 2012-04-25

Family

ID=38175107

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008100054665A Expired - Fee Related CN101241596B (zh) 2007-02-09 2008-02-05 使用时间减影技术对间隔变化的视觉增强

Country Status (4)

Country Link
US (1) US8229189B2 (zh)
EP (1) EP1956553B1 (zh)
CN (1) CN101241596B (zh)
DE (1) DE602007002048D1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2449527B1 (en) * 2009-06-30 2016-09-14 Koninklijke Philips N.V. Digital image subtraction
CN102646264B (zh) * 2011-02-18 2014-04-23 北京卫金帆医学技术发展有限公司 补偿机械运动误差的图像配准方法
CN102521826B (zh) * 2011-11-22 2015-05-13 苏州科雷芯电子科技有限公司 图像配准装置及方法
US20160217560A1 (en) * 2013-09-30 2016-07-28 Koninkljke Philips N.V. Method and system for automatic deformable registration
DE102014207449A1 (de) * 2014-04-17 2015-10-22 Friedrich-Alexander-Universität Erlangen-Nürnberg Automatische Erkennung eines potenziellen Pleuraergusses
US9092691B1 (en) 2014-07-18 2015-07-28 Median Technologies System for computing quantitative biomarkers of texture features in tomographic images
JP6677256B2 (ja) * 2015-09-02 2020-04-08 富士通株式会社 読影支援プログラム、断面画像生成装置及び断面画像生成方法
DE102016201702A1 (de) * 2016-02-04 2017-08-10 Siemens Healthcare Gmbh Verfahren zur Ermittlung eines anzuzeigenden Navigationsbilds, Röntgeneinrichtung, Computerprogramm und Datenträger
CN109559296B (zh) * 2018-10-08 2020-08-25 广州市大智网络科技有限公司 基于全卷积神经网络和互信息的医学图像配准方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1682657A (zh) * 2004-03-05 2005-10-19 西门子共同研究公司 用于延迟增强图像的半自动量化的系统和方法
CN1890689A (zh) * 2003-12-11 2007-01-03 皇家飞利浦电子股份有限公司 弹性的图像配准

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4984286A (en) * 1989-12-12 1991-01-08 Analogic Corporation Spatial filter system
US5359513A (en) * 1992-11-25 1994-10-25 Arch Development Corporation Method and system for detection of interval change in temporally sequential chest images
US6090555A (en) * 1997-12-11 2000-07-18 Affymetrix, Inc. Scanned image alignment systems and methods
US5982953A (en) * 1994-09-02 1999-11-09 Konica Corporation Image displaying apparatus of a processed image from temporally sequential images
US5988862A (en) * 1996-04-24 1999-11-23 Cyra Technologies, Inc. Integrated system for quickly and accurately imaging and modeling three dimensional objects
DE19626775A1 (de) * 1996-07-03 1998-01-08 Siemens Ag Schnelle Faltung von Projektionen
US5982915A (en) * 1997-07-25 1999-11-09 Arch Development Corporation Method of detecting interval changes in chest radiographs utilizing temporal subtraction combined with automated initial matching of blurred low resolution images
JP2001157675A (ja) * 1999-12-02 2001-06-12 Fuji Photo Film Co Ltd 画像表示方法および画像表示装置
DE10163813A1 (de) * 2001-12-22 2003-07-03 Philips Intellectual Property Verfahren zur Darstellung von unterschiedlichen Bildern eines Untersuchungsobjektes
US8265728B2 (en) * 2003-11-26 2012-09-11 University Of Chicago Automated method and system for the evaluation of disease and registration accuracy in the subtraction of temporally sequential medical images
US7492931B2 (en) * 2003-11-26 2009-02-17 Ge Medical Systems Global Technology Company, Llc Image temporal change detection and display method and apparatus

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1890689A (zh) * 2003-12-11 2007-01-03 皇家飞利浦电子股份有限公司 弹性的图像配准
CN1682657A (zh) * 2004-03-05 2005-10-19 西门子共同研究公司 用于延迟增强图像的半自动量化的系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JP特开平8-76741A 1996.03.22

Also Published As

Publication number Publication date
CN101241596A (zh) 2008-08-13
EP1956553A1 (en) 2008-08-13
US20080193001A1 (en) 2008-08-14
US8229189B2 (en) 2012-07-24
EP1956553B1 (en) 2009-08-19
DE602007002048D1 (de) 2009-10-01

Similar Documents

Publication Publication Date Title
CN101241596B (zh) 使用时间减影技术对间隔变化的视觉增强
US20010048757A1 (en) Method and apparatus for matching positions of images
US20110028843A1 (en) Providing a 2-dimensional ct image corresponding to a 2-dimensional ultrasound image
ES2706749T3 (es) Método para procesar datos de imagen que representan un volumen tridimensional
US20100266188A1 (en) Chest x-ray registration, subtraction and display
US20060098854A1 (en) Abnormal pattern candidate detecting method and apparatus
CN103544690A (zh) 获取血管造影图像的方法
CN101241598B (zh) 显示参考图像与浮动图像的减影图像的方法及设备
CN101241597B (zh) 使用时间减影技术对间隔变化的视觉增强
CN106327451A (zh) 一种古生物化石的图像修复方法
US6751341B2 (en) Image position matching method and apparatus
Rogelj et al. Validation of a nonrigid registration algorithm for multimodal data
US8577101B2 (en) Change assessment method
Yin et al. Automatic breast tissue segmentation in MRIs with morphology snake and deep denoiser training via extended Stein’s unbiased risk estimator
CN107292351A (zh) 一种结节的匹配方法及装置
CN115222878A (zh) 一种应用于肺支气管镜手术机器人的场景重建方法
EP2535001A1 (en) Method, a system and a computer program product for registration and identification of diagnostic images
Schmidt A method for standardizing MR intensities between slices and volumes
de Bruijne et al. Automated segmentation of abdominal aortic aneurysms in multi-spectral MR images
Manikandan et al. Lobar fissure extraction in isotropic CT lung images—an application to cancer identification
Piekar et al. Segmentation of images using gradient methods and polynomial approximation
Wu et al. Automatic quantitative assessment of the small bowel motility with cine-MRI sequence analysis
Wenckebach et al. Capturing anatomical shape variability using B-spline registration
Yim et al. Smoothing segmented lung boundary in chest ct images using scan line search
Gorbunova Image registration of lung CT scans for monitoring disease progression

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20190510

Address after: Belgian Mo

Patentee after: Agfa Co.,Ltd.

Address before: Belgian Mo

Patentee before: AGFA HEALTHCARE

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

Granted publication date: 20120425