CN101542532A - 用于数据处理的方法、设备和计算机程序 - Google Patents
用于数据处理的方法、设备和计算机程序 Download PDFInfo
- Publication number
- CN101542532A CN101542532A CNA2007800437702A CN200780043770A CN101542532A CN 101542532 A CN101542532 A CN 101542532A CN A2007800437702 A CNA2007800437702 A CN A2007800437702A CN 200780043770 A CN200780043770 A CN 200780043770A CN 101542532 A CN101542532 A CN 101542532A
- Authority
- CN
- China
- Prior art keywords
- image
- group
- reference picture
- relation
- reference marker
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004590 computer program Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 title claims abstract description 17
- 239000003550 marker Substances 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013481 data capture Methods 0.000 claims 1
- 238000003672 processing method Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 11
- 238000003709 image segmentation Methods 0.000 abstract description 5
- 230000011218 segmentation Effects 0.000 abstract 2
- 210000003484 anatomy Anatomy 0.000 description 4
- 238000009472 formulation Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
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
- G06T7/149—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
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种数据处理方法。在阶段3，在步骤6中建立参考对象在参考图像中的位置以及其与参考图像中的一组参考标记的关系。为了允许进行这一操作，可以在步骤2中执行对学习例子的参考成像，并且在步骤4中可以对每一幅参考图像进行分析，在合适地布置的数据库中存储结果。为了处理所研究图像，在步骤11中存取图像，在步骤13中识别与参考图像中的参考标记相对应的合适的标记，并且向所述标记应用在步骤6中所建立的空间关系，因此提供了对象在实际图像中的初始位置。在针对对象选择了成像体积的情况下，根据本发明的方法1跟随至步骤7，其中，在因此所建立的扫描体积所给定的边界内执行扫描17。在针对对象选择了代表目标的模型的情况下，方法1跟随至图像分割步骤19，其中，执行了合适的分割。在针对模型选择了可变形模型的情况下，通过使模型变形而执行所述分割，由此，提供了目标区域的空间边界。本发明还涉及用于图像处理的设备和计算机程序。
Description
技术领域
本发明涉及一种用于数据处理的方法，其中，从参考对象在参考图像中的位置来估计对象在图像中的位置。
本发明还涉及一种用于数据处理的设备，将所述数据处理设备布置为从参考对象在参考图像中的位置来估计对象在图像中的位置。
本发明还涉及用于数据处理的计算机程序，其中，从参考对象在参考图像中的位置来估计对象在图像中的位置。
背景技术
在当今的成像和数据处理技术中，已经建立了一种将患者群再划分为相似情况的相应组的常规实践，所述这些情况接受相似的成像或者数据处理以及分析常规程序。例如，目前，当进行成像或者对从特定患者群所选择的图像进行处理时，操作者手动地限定一种典型的扫描计划或者用于图像分割的初始目标区域。
目前的常规程序的缺点在于操作者必须重复地遵循几乎相同的过程，因此，与所研究的图像的交互是令人疲劳的并且使得这一过程不太有效。
发明内容
本发明的一个目的在于提供一种图像处理的方法，对所述方法的使用是通过参考图像，意在改善数据处理的工作流。
为此，根据本发明的方法包括：
学习参考对象在参考图像中的位置，以及其与参考图像中的一组参考标记的关系；
存取(access)图像；
存取参考对象的位置与该组参考标记的关系；
识别与该组参考标记相对应的图像中的一组标记；
向该组标记应用所述关系，从而估计对象在图像中的位置；
根据本发明的技术方法，分析参考图像不仅得到在学习情况下的参考对象的位置，还得到其与一组参考标记的关系，所述参考图像可以例如为代表了所研究情况的一个或多个训练情况，所述参考图像具有这里所寻求对象的先验确定的位置。需要注意的是，也可以将单一部位或者区域用于一组参考标记。在成像领域中，限定典型的标记用于扫描是一种常规实践。这些标记可以代表在所选择患者群的所有情况中所预期的解剖部位。
当确定了参考图像中的参考对象与该组参考标记的空间关系时，存取所研究图像并且识别这里的对应组的标记。在所研究图像中的该组标记必须为该组参考标记的类型，其为解剖标记，或者为坐标种子(coordinateseed)。
最后，基于所识别的该组标记以及所确定的参考对象的位置与该组参考标记的关系来建立所寻求对象在所研究图像中的位置。根据本发明的方法提供了一种用于基于所分析的参考图像对图像进行初始数据处理的自动装置，所述参考图像特别地为代表所研究情况的一幅或多幅训练图像。
在根据本发明的方法的一个实施例中，在自动扫描计划制定步骤期间，估计了该组参考标记的以及该组标记的相应位置。
在合适的成像步骤之前实施扫描计划制定过程是已建立的实践。当使用合适的自动计划制定过程时，可以自动地建立该组参考标记与该组标记的空间位置。在早先的申请WO 2006/013499-A1中公开了所述自动扫描计划制定的一个合适的例子，其中，从一个或多个训练例子中学习在搜索(scout)图像中的扫描体积与解剖结构之间的空间关系。之后通过拟合解剖模型来分析随后的搜索图像以允许对解剖结构进行辨别，并且基于先前的例子，提出针对已学习的扫描的计划。在根据本发明的方法的当前实施中，使用优选地为解剖标记的标记使学习的参考图像与所研究的实际图像相关联。优选地，针对对象，可以选择扫描体积。在这种情况下，通过使搜索图像彼此相关联，允许进行一种完全自动的扫描计划制定。从参考对象中学习所研究的实际图像中的扫描体积的初始位置，其为从训练图像中获得的参考扫描体积。
在根据本发明的方法的实施例中，针对对象，选择了目标区域的模型。
这种技术方法所基于的洞察为通过使合适的学习图像与所研究图像相关联，可以自动地建立模型的初始位置，所述学习图像例如为使用所述模型分割得到的图像。在广范围的医学应用中，图像中解剖结构的分割是很重要的。已经证明可变形形状模型在(例如)用于放射治疗计划制定的目标限定中是一种非常有效的分割方法。本发明的这个实施例提供了一种使初始模型定位自动化的途径，避免了需要用户交互的要求。
还可以使用根据本发明的方法来使诊断图像中的诸如本身已知的水平集方法和前传播方法(front propagation approach)的其它分割方法的初始化自动化。这种方法要求以相似的方式设置种子点或者初始边界。因此，在此背景下，“对象”一词也可代表一个或多个种子点，一条或多条诸如样条的线，一个或多个诸如边界的表面，其中具体(特征)标记点是已知的。
根据本发明的设备包括：
计算装置，其用于学习参考对象在参考图像中的位置以及其与参考图像中一组参考标记的关系；
输入，其用于
存取图像；
存取参考对象的位置与该组参考标记的关系；
处理装置，其用于
识别图像中与该组参考标记相对应的一组标记；
向该组标记应用所述关系从而估计对象在图像中的位置。
根据本发明的设备可以作为计算机而实现，所述计算机优选地可实时地与图像数据获取一起操作。在权利要求6和7中给出了根据本发明的设备的另外的有利实施例。将参考图2更详细地探讨根据本发明的设备。
根据本发明的计算机程序包括用于使处理器实施以下步骤的指令：
学习参考对象在参考图像中的位置以及其与参考图像中的一组参考标记的关系；
存取图像；
存取参考对象的位置与该组参考标记的关系；
识别实际图像中的一组标记；
向该组标记应用所述关系从而估计对象在图像中的位置。
优选地，根据本发明的计算机程序还包括用于使处理器执行自动扫描计划制定的指令，以用于在所述自动扫描计划制定期间估计该组参考标记以及该组标记的相应位置。
更优选地，根据本发明的计算机程序还包括用于基于对象在图像中的位置对目标进行分割的指令。
附图说明
参考图示将要探讨本发明的这些和其它方面。
图1以示意的方式示出了根据本发明的方法的实施例；
图2以示意的方式示出了根据本发明的设备的实施例；
图3以示意的方式示出了根据本发明的计算机程序的流程图的实施例；
图4以示意的方式示出了基于学习图像的自动模型定位的例子。
具体实施方式
图1以示意的方式示出了根据本发明的方法的实施例。可以将本发明的方法示意性地划分为三个阶段，阶段3-准备，阶段5-处理，阶段7-后处理。在阶段3，在步骤6中建立参考对象在参考图像中的位置以及其与参考图像中的一组参考标记的关系。为了允许进行这一操作，可以在步骤2中执行对学习例子的参考成像，并且在步骤4中可以对每一幅参考图像进行分析，在合适地布置的数据库(未示出)中存储结果。必须注意的是也可以应用学习空间关系的方法来学习与图像中其它对象的关系，所述图像中其它对象例如为与随后分析相关的其它结构的位置。为了处理所研究图像，在步骤11中存取图像，在步骤13中识别与参考图像中的该组参考标记相对应的合适的一组标记，并且向该组标记应用在步骤6中所建立的空间关系，因此提供了对象在实际图像中的初始位置。在针对对象选择了成像体积的情况下，根据本发明的方法1跟随至步骤7，其中，在因此所建立的扫描体积所给定的边界内执行扫描17。在针对对象选择了代表目标的模型的情况下，方法1跟随至图像分割步骤19，其中，执行了合适的分割。在针对模型选择了可变形模型的情况下，通过使模型变形而执行所述分割，由此，提供了目标区域的空间边界。一种使用可变形模型对结构进行分割的方法为从“Deformable models in medical image analysis：A survey”T.McInerney，D.Terzopoulus，Medical Image Analysis，1(2)，1996，91-108.本身已知的。
图2以示意的方式示出了根据本发明的设备的实施例。所述设备20包括用于接收图像数据的输入22，特别是任何合适形式的患者的测量扫描(survey scan)。例如，所述设备20可以涉及源图像数据的获取。在这种情况下，可以获取模拟形式的图像数据，并且使用合适的A/D转换器将所述图像数据转换为数字形式用于进一步处理。还可以接收数字形式的图像数据，例如，通过以数字形式的直接获取或者在由远程计算机/医疗器械获取之后通过计算机网络接收。设备20的核心由处理器24形成，将所述处理器布置为从所述输入22中载入图像数据，并且在识别步骤25期间确定合适的标记24a在图像中的空间位置。可以手动地执行所述识别，或者，优选地以在自动扫描计划制定步骤期间的完全自动的方式。设备20还包括存储单元28，将其布置为存储至少一组补充参数28a，即，参考对象在参考图像中的位置以及其与参考图像中的参考标记的关系。可以将处理器24布置为操作优选地作为软件程序而实现的计算装置24b，以学习参考对象在参考图像中的位置以及其与参考图像中参考标记的关系。预存储该类型的一组参数28a是可能的。优选地将类似于成像协议的类型、目标区域等的参数28a存储在根据另外的参数所构造的合适的数据库中。存储单元的合适的例子为背景存储，其通常基于硬盘。设备20还包括工作存储器26，其通常基于RAM。存储单元28可用于存储未处理的图像数据(或者图像数据的部分)，以及用于存储关于图像数据以及成像几何的缺省参数的操作。所述工作存储器26通常保存正在被处理的图像数据(或图像数据的部分)，以及用于合适的图像处理装置的指令，所述图像处理装置用于对图像数据的那些部分进行处理。还将根据本发明的设备20的处理器24布置为在步骤27中向所述标记24a应用所述关系28a，由此估计了对象在所研究图像中的位置29。
根据本发明的设备还优选地包括成像器件30。在针对对象选择了扫描体积的情况下，由处理器24向成像器件30的输入30a提供扫描体积在图像中的位置。之后将这些数据转发至成像器件30的处理器30b，其根据扫描体积启动扫描仪30c。通过这种方式，允许进行完全自动扫描计划制定。
图3以示意的方式示出了根据本发明的计算机程序的流程图的实施例。本发明的计算机程序31包括用于使处理器执行数据处理的指令，其中，从参考对象在参考图像中的位置估计对象在图像中的位置。可示意性地将所述计算机程序31的指令的流程图划分为三个阶段，阶段33-准备，阶段35-处理，阶段37-后处理。根据指令36建立参考对象在参考图像中的位置以及其与参考图像中参考标记的关系，可以在合适地布置的数据库32中存储由此得到的结果。为了允许这一操作，遵循指令34分析一幅或多幅参考图像。为了处理所研究图像，遵循合适的指令41存取图像，其中，遵循指令43识别合适的标记。遵循指令45向标记应用遵循指令36针对参考图像所建立的空间关系，因此提供了对象在实际图像中的初始位置。在针对对象选择了成像体积的情况下，根据本发明的计算机程序可以根据指令47进行，其中，在因此所建立的扫描体积所给定的边界内执行扫描。在针对对象选择了代表目标的模型的情况下，计算机程序31跟随至图像分割步骤39，其中，使用由此定位了的模型来对图像数据执行合适的分割。在针对模型选择了可变形模型的情况下，通过使模型变形而执行所述分割，因此，提供了目标区域的空间边界。
图4以示意的方式示出了基于学习图像的自动模型定位的例子。学习图像51包括为了扫描计划制定而确定的标记51a。在后处理步骤53中使用这些标记51a以定位模型，特别地为三维模型，53a，55a以达到图像分割的目的。优选地，使用可变形模型，其经受合适的变形以建立目标区域的边界。
Claims (10)
1、一种数据处理方法(1)，其中，从参考对象在参考图像(4)中的位置来估计对象在图像(11)中的位置，所述方法包括：
学习(6)所述参考对象在所述参考图像中的所述位置以及其与所述参考图像中的一组参考标记的关系；
存取(11)所述图像；
存取所述参考对象的所述位置与该组参考标记之间的关系；
识别(13)所述图像中与该组参考标记相对应的一组标记；
向该组标记应用(15)所述关系，从而估计所述对象在所述图像中的所述位置。
2、根据权利要求1所述的方法，其中，在自动扫描计划制定步骤期间估计该组参考标记和该组标记的相应位置。
3、根据权利要求2所述的方法，其中，针对所述对象，选择目标区域的模型。
4、根据权利要求3所述的方法，其中，针对所述模型，选择可变形模型，所述方法还包括：
使所述模型变形，从而提取所述目标在所述图像中的边界位置。
5、一种数据处理设备(20)，将其布置为从参考对象在参考图像中的位置来估计对象在图像中的位置，所述设备包括：
计算装置(24b)，其用于学习所述参考对象在所述参考图像中的所述位置以及其与所述参考图像中的一组参考标记的关系；
输入(22)，其用于
存取所述图像；
存取所述参考对象的所述位置与该组参考标记(28a)的关系；
处理装置(24)，其用于
识别(25)所述图像中与该组参考标记相对应的一组标记；
向该组标记应用(27)所述关系，从而估计所述对象在所述图像中的所述位置。
6、根据权利要求5所述的设备，还包括以扫描模式操作的数据获取单元(30)，其中，还将所述处理装置(24)布置为允许进行用于所述扫描模式的自动扫描计划制定，所述自动扫描计划制定基于所述参考对象在所述参考图像中的所述位置。
7、根据权利要求5或6所述的设备，其中，还将所述处理装置(24)布置为基于所述对象在所述图像中的所述位置来执行图像分割(27a)。
8、一种用于数据处理的计算机程序(31)，其中，从参考对象在参考图像中的位置来估计对象在图像中的位置，所述计算机程序包括用于使处理器实施以下步骤的指令：
学习(36)所述参考对象在所述参考图像中的所述位置以及其与所述参考图像中的一组参考标记的关系；
存取(41)所述图像；
存取所述参考对象的所述位置与该组参考标记之间的关系；
识别(43)实际图像中与该组参考标记相对应的一组标记；
向该组标记应用(45)所述关系，从而估计所述对象在所述图像中的所述位置。
9、根据权利要求8所述的计算机程序，还包括用于使处理器执行自动扫描计划制定的指令(47)，以用于在所述自动扫描计划制定期间估计该组参考标记以及该组标记的相应位置。
10、根据权利要求9所述的计算机程序，还包括用于基于所述对象在所述图像中的所述位置对目标进行分割的指令(49)。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP06124925 | 2006-11-28 | ||
| EP06124925.6 | 2006-11-28 | ||
| PCT/IB2007/054788 WO2008065598A2 (en) | 2006-11-28 | 2007-11-26 | A method, an apparatus and a computer program for data processing |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101542532A true CN101542532A (zh) | 2009-09-23 |
| CN101542532B CN101542532B (zh) | 2014-10-01 |
Family
ID=39468340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200780043770.2A Active CN101542532B (zh) | 2006-11-28 | 2007-11-26 | 用于数据处理的方法、设备和计算机程序 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US8781254B2 (zh) |
| EP (1) | EP2104921B1 (zh) |
| JP (1) | JP5102302B2 (zh) |
| CN (1) | CN101542532B (zh) |
| WO (1) | WO2008065598A2 (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3409454A1 (de) * | 1984-03-15 | 1985-09-26 | Bergische Achsenfabrik Fr. Kotz & Söhne, 5276 Wiehl | Nachstellvorrichtung fuer fahrzeugbremsen |
| US8045771B2 (en) * | 2006-11-22 | 2011-10-25 | General Electric Company | System and method for automated patient anatomy localization |
| US20100130849A1 (en) * | 2008-11-26 | 2010-05-27 | Ge Global Research | System and method for patient motion compensation during magnetic resonance scans |
| US8340438B2 (en) * | 2009-12-17 | 2012-12-25 | Deere & Company | Automated tagging for landmark identification |
| US8160357B2 (en) * | 2010-07-30 | 2012-04-17 | Kabushiki Kaisha Toshiba | Image segmentation |
| ES2832554T3 (es) | 2012-06-22 | 2021-06-10 | Leica Biosystems Nussloch Gmbh | Recipiente para muestras de tejido |
| WO2013192606A1 (en) | 2012-06-22 | 2013-12-27 | Leica Biosystems Nussloch Gmbh | Biopsy tissue sample transport device and method of using thereof |
| US9052256B2 (en) | 2013-03-15 | 2015-06-09 | Leica Biosystems Nussloch Gmbh | Method for processing and embedding tissue |
| CA2845830C (en) | 2013-03-15 | 2020-10-27 | Leica Biosystems Nussloch Gmbh | Tissue cassette with retractable member |
| US9389154B2 (en) | 2013-03-15 | 2016-07-12 | Leica Biosystems Nussloch Gmbh | Tissue cassette with biasing element |
| US9412076B2 (en) | 2013-07-02 | 2016-08-09 | Surgical Information Sciences, Inc. | Methods and systems for a high-resolution brain image pipeline and database program |
| EP3866107A1 (en) * | 2020-02-14 | 2021-08-18 | Koninklijke Philips N.V. | Model-based image segmentation |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5144685A (en) * | 1989-03-31 | 1992-09-01 | Honeywell Inc. | Landmark recognition for autonomous mobile robots |
| US5581629A (en) * | 1995-01-30 | 1996-12-03 | David Sarnoff Research Center, Inc | Method for estimating the location of an image target region from tracked multiple image landmark regions |
| US5926568A (en) * | 1997-06-30 | 1999-07-20 | The University Of North Carolina At Chapel Hill | Image object matching using core analysis and deformable shape loci |
| US6111983A (en) * | 1997-12-30 | 2000-08-29 | The Trustees Of Columbia University In The City Of New York | Determination of image shapes using training and sectoring |
| WO2002073536A2 (en) * | 2001-03-09 | 2002-09-19 | Koninklijke Philips Electronics N.V. | Image segmentation |
| US7657079B2 (en) * | 2002-06-28 | 2010-02-02 | Intel Corporation | Single constraint at a time (SCAAT) tracking of a virtual reality (VR) display |
| US20060008143A1 (en) * | 2002-10-16 | 2006-01-12 | Roel Truyen | Hierachical image segmentation |
| US7551758B2 (en) * | 2002-12-04 | 2009-06-23 | Koninklijke Philips Electronics N.V. | Medical viewing system and method for detecting borders of an object of interest in noisy images |
| EP1649422A1 (en) | 2003-07-16 | 2006-04-26 | Philips Intellectual Property & Standards GmbH | Object-specific segmentation |
| JP2005118257A (ja) * | 2003-10-16 | 2005-05-12 | Ge Medical Systems Global Technology Co Llc | Ｘ線ｃｔ撮影におけるローカライズ情報の設定支援方法及びｘ線ｃｔ装置 |
| JP2005334298A (ja) * | 2004-05-27 | 2005-12-08 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
| US7903852B2 (en) * | 2004-07-27 | 2011-03-08 | Koninklijke Philips Electronics N.V. | Automatic determination of parameters of an imaging geometry |
| JP5068670B2 (ja) * | 2005-02-10 | 2012-11-07 | 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 | 画像処理装置及び方法 |
| 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 |
| KR101013392B1 (ko) * | 2006-03-31 | 2011-02-14 | 무라타 기카이 가부시키가이샤 | 이동체 위치 추정 장치와 추정 방법 및 추정 프로그램 |
-
2007
- 2007-11-26 JP JP2009537753A patent/JP5102302B2/ja active Active
- 2007-11-26 EP EP07849254.3A patent/EP2104921B1/en active Active
- 2007-11-26 CN CN200780043770.2A patent/CN101542532B/zh active Active
- 2007-11-26 US US12/516,357 patent/US8781254B2/en active Active
- 2007-11-26 WO PCT/IB2007/054788 patent/WO2008065598A2/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2008065598A2 (en) | 2008-06-05 |
| CN101542532B (zh) | 2014-10-01 |
| JP5102302B2 (ja) | 2012-12-19 |
| WO2008065598A3 (en) | 2009-05-14 |
| EP2104921A2 (en) | 2009-09-30 |
| US20100061632A1 (en) | 2010-03-11 |
| JP2010510825A (ja) | 2010-04-08 |
| EP2104921B1 (en) | 2018-07-11 |
| US8781254B2 (en) | 2014-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101542532A (zh) | 用于数据处理的方法、设备和计算机程序 | |
| EP1643444B1 (en) | Registration of a medical ultrasound image with an image data from a 3D-scan, e.g. from Computed Tomography (CT) or Magnetic Resonance Imaging (MR) | |
| US7773786B2 (en) | Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects | |
| CN102422307B (zh) | 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品 | |
| JP2018530401A5 (zh) | ||
| EP2967424B1 (en) | System and methods for processing a biopsy sample | |
| CN104240180B (zh) | 一种实现图像自动调整的方法及装置 | |
| CN101925924A (zh) | 交互式图像分割 | |
| EP2041723B1 (en) | A method, an apparatus, a system and a computer program for transferring scan geometry between subsequent scans | |
| US20220335600A1 (en) | Method, device, and storage medium for lesion segmentation and recist diameter prediction via click-driven attention and dual-path connection | |
| US20170360396A1 (en) | Ultrasound imaging apparatus and method for segmenting anatomical objects | |
| CA3102807A1 (en) | Orientation detection in fluoroscopic images | |
| JP7237694B2 (ja) | 農業支援システム | |
| Erdoǧan et al. | KEBOT: an artificial intelligence based comprehensive analysis system for FUE based hair transplantation | |
| CN101313333B (zh) | 创建结构模型的方法 | |
| US20140257857A1 (en) | Systems and Methods in Digital Pathology | |
| CN110942493B (zh) | 一种ct系统中自动生成扫描区域的方法 | |
| CN113377983A (zh) | 三维图像的图像特征的提取方法、装置及电子设备 | |
| CN116269455B (zh) | 在spect中自动获取人体轮廓的检测方法和系统 | |
| EP4082469B1 (en) | Automatic determination of an appropriate positioning of a patient-specific instrumentation with a depth camera | |
| CN109283679B (zh) | 大视场光学显微图像成像装置及方法 | |
| CN114305471A (zh) | 确定体态位姿的处理方法、装置、手术系统、设备与介质 | |
| CN117157013A (zh) | 用于超声成像的方法 | |
| CN114782537A (zh) | 基于3d视觉的人体颈动脉定位方法及装置 | |
| JP2019191792A (ja) | オブジェクト認識装置、オブジェクト認識方法及びプログラム |
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 |