CN101551906B - 基于三维区域分水岭的腹部ct图像主要血管提取方法 - Google Patents
基于三维区域分水岭的腹部ct图像主要血管提取方法 Download PDFInfo
- Publication number
- CN101551906B CN101551906B CN2009100224957A CN200910022495A CN101551906B CN 101551906 B CN101551906 B CN 101551906B CN 2009100224957 A CN2009100224957 A CN 2009100224957A CN 200910022495 A CN200910022495 A CN 200910022495A CN 101551906 B CN101551906 B CN 101551906B
- Authority
- CN
- China
- Prior art keywords
- pixel
- small cubes
- pixels
- abdominal
- data volume
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于三维区域分水岭的腹部CT图像主要血管提取方法,主要解决现有血管分割方法计算复杂度大,不能很好利用CT图像之间的第三维信息等缺点。其实现步骤为:(1)读取一套腹部CT图像,按成像顺序排列得到腹部三维数据体;(2)对三维数据体中的多个小立方体进行三维分水岭分割,并对分割后的各小立方体进行连通处理以从三维数据体中提取腹部CT图像主要血管及相连器官;(3)从三维数据体中提取腹部主要器官;(4)对步骤(2)和步骤(3)得到的结果进行相减,并对相减结果进行后处理得到最终的腹部CT图像主要血管。本发明能够较快、较完整的得到腹部CT图像主要血管,可用于对腹部主要血管的辅助诊断。
Description
技术领域
本发明属于医学图像处理及临床应用领域,涉及一种基于三维区域分水岭的腹部CT图像主要血管提取方法。该方法可用于腹部CT图像中,对主要血管进行提取以辅助医疗诊断。
背景技术
血管的分割在血管疾病,如狭窄或畸形的诊断、手术规划和手术引导等许多实际应用中发挥着极其重要的作用。目前对血管疾病的诊断主要是通过血管造影技术,使用造影设备获得血管影像,然后由医生直接阅读造影设备所拍摄的血管影像,根据经验和观察,定性地判断患者的病情。目前,采用计算机技术、计算机图形学、图像处理技术等对医学影像进行后处理已经引起越来越多的关注。
现有的很多血管提取方法都是采用二维图像分割的方法,对二维医学图像序列中的血管区域逐一进行分割提取,然后再将分割结果进行三维重建,得到血管的三维结构。西班牙的M.A.Luengo-Oroz等人在2007年发表的文章《Ectraction of theCoronary Artery Tree in Cardiac Computer Tomographic Images Using MorphologicalOperators》中就是采用形态学灰度方法从二维CT图像序列中提取感兴趣的血管区域,然后对提取结果进行三维重建得到血管的三维结构。该类方法在提取血管的过程中没有考虑图像与图像之间的联系,这无疑会对血管提取的结果产生很大的影响。基于该类方法存在的不足,很多的三维血管分割及管状区域分割技术被相继提出。1998年,德国学者Yoshitake Masutani等人在名为《Vascular Shape SegmentationandStructure Extraction Using a Shape-Based Region-Growing Model》的文章中结合数学形态学、区域生长策略和管状区域的形状特征,提出了一种在管状结构局部形状的数学形态学信息控制下的基于区域生长的新方法。该方法可以得到较好的血管拓扑结构,但其时间复杂度较大,运行需要相当长的时间。大多数的三维分割方法都存在模型复杂、分割时间复杂度太大的问题,所以也有相当一部分血管分割算法仅是对某一部分或某一段感兴趣的血管进行提取分析,从而减少计算复杂度。中国的闫子飞等人2007年提出一种舌下静脉血管提取的方法;徐智等人在2003年提出一种心血管造影图像中的心血管提取方法;这些方法大部分都是提取一个较小区域中的血管结构,到目前为止还没有一种提取腹部主要血管的方法,影响对腹部主要血管的准确诊断。
发明内容
本发明的目的在于克服上述技术中存在的不足,提供一种基于三维区域分水岭的腹部CT图像主要血管提取方法,已实现对整个腹部主要血管的提取。
实现本发明目的的技术原理是借助人工智能识别模式,采用三维区域分水岭方法实现腹部CT图像主要血管及相连器官的提取;分割腹部各个主要器官;对两次分割的结果进行处理,提取腹部CT图像的主要血管,从而辅助医疗诊断,降低由于人为因素导致的低效率及误判发生率。
为实现上述目的,本发明包括如下步骤:
(1)输入一套腹部CT切片图像,将这些图像按照成像顺序进行排列,得到腹部三维数据体D,同时生成一个新的与D同样大小的三维数据体Y;
(2)指定腹部三维数据体D中的一个点作为血管区域参考点,并给定一个窗口尺寸N,以参考点为中心取出腹部三维数据体D中的一个边长为2N+1的小立方体放入待处理队列,N≥1;
(3)从待处理队列中取出一个小立方体作为当前小立方体V,对该当前小立方体内的所有像素点进行阈值处理,得到第一小立方体V1;
(4)对第一小立方体V1进行三维分水岭分割,得到第二小立方体V2,并对该V2进行多区域标记;
(5)判断第二小立方体V2的所有标记区域中是否包含有血管区域标记的参考点,如果有血管区域参考点,则将三维数据体Y中与该参考点所在区域对应位置的像素点进行血管标记,并将第二小立方体V2中的所有像素点标记为已处理;如果不包含有血管区域参考点,继续步骤(6);
(6)对第二小立方体V2,按照区域生长的思想搜索其六个六邻域小立方体;
(7)对六个六邻域小立方体中的每一个,判断其中的像素点是否被标记为已处理,若标记为已处理,则进一步判断三维数据体Y中与之对应位置的像素点是否存在血管标记,如果存在血管标记,则将该邻域小立方体与V2进行连通处理,并将小立方体V2中的像素点标记为已处理,若邻域小立方体中的像素点未被标记为已处理,则将该小立方体加入待处理队列中;
(8)判断待处理队列是否为空,若待处理队列为空,则处理完毕,得到腹部主要血管及与之相连的主要器官D1,若待处理队列不为空,则重复步骤(3)到(7);
(9)从三维数据体D中提取腹部主要器官D2;
(10)将腹部主要血管及与之相连的器官D1与提取的腹部主要器官D2对应像素位置相减得到三维数据体D3,对该三维数据体D3进行后处理得到最终的腹部CT图像主要血管。
本发明与现有技术相比具有以下优点:
1、本发明由于巧妙利用了分水岭方法的原理及特点,在每一个小立方体内部,采用三维分水岭方法进行分割可以有效地将该立方体内部的血管区域与非血管区域分开,在这个过程中采用了CT图像中血管的三维信息,提高了分割结果的可靠性。
2、本发明由于按照区域生长的思想进行小立方体的生长,再将各个小立方体的分割结果进行血管区域的连通,可以避免因处理过多不属于血管区域的像素点而增加计算的时间复杂度。
3、本发明由于提取整个腹部CT图像的主要血管区域,为腹部主要血管疾病的诊断等提供了很好的辅助作用。
附图说明
图1是本发明的主要操作过程示意图;
图2是本发明提取腹部主要血管及相连器官的过程示意图;
图3是本发明提取的腹部主要血管及相连器官的结果示意图;
图4是用两种不同的方法提取的腹部主要血管效果对比图。
具体实施方式
参照图1,本发明的具体实现步骤如下:
步骤1:由一套腹部CT图像得到腹部三维数据体D;
输入一套来自北京肿瘤医院,64排螺旋CT(GE Lightspeed 64)的腹部CT图像,将这些图像按照成像顺序进行排列,得到腹部三维数据体D,同时生成一个新的与D同样大小的三维数据体Y。
成像顺序是造影成像过程中由设备记录的一个参数,可以直接从CT图象的参数列表中得到。
步骤2:提取腹部CT图像主要血管及相连器官D1;
参照图2,该步骤实施如下:
2a.指定腹部三维数据体D中的一个点作为血管区域参考点,该参考点的选择是根据经验人为给定的血管区域中的任意一个点,实验中选在从上到下第3幅图像中主动脉中心的位置;
2b.给定一个窗口尺寸N,N≥1,窗口尺寸N选择过大会因为加入更多非血管区域的像素点而加大程序的运行时间,窗口尺寸N选择过小会因为降低连接程度而影响分割效果,通过分析多组腹部CT图像主要血管的实验结果,这里选择N=2;
2c.以参考点为中心取出腹部三维数据体D中的一个边长为2N+1的立方体放入待处理队列;
2d.判断下阈值参数TMIN和上阈值参数TMAX是否为零,若为零,则统计三维数据体D中所有像素点的直方图,直方图横坐标表示像素点的像素值,纵坐标表示属于该像素值的像素数目,搜索直方图的所有波峰,记录所有波峰最高点对应的像素值,对这些像素值从大到小进行排列,得到序列Array,取序列Array中的第二个元素,在该元素对应的波峰值两侧,记录当像素数目下降到一半时的两个像素值,下阈值参数TMIN为该两个像素值中较小的一个,上阈值参数TMAN为较大的一个;若不为零,继续步骤(2e);
2e.从待处理队列中取出一个小立方体作为当前小立方体V,搜索当前小立方体内像素值小于该TMIN和大于该TMAX的所有像素点,将这些像素点的像素值设置为零,其它像素点的像素值不变,得到第一小立方体V1;
2f.对第一小立方体V1中的所有像素点,搜索其对应的像素值最小且不为零的像素点得到第一序列Pixel1,并记录该最小值为P;
2g.对第一序列Pixel1中的像素点进行初始区域标记;
2h.将第一小立方体V1中所有像素点的像素值与最小值P相减,取差值小于25的所有像素点得到第二序列Pixel2;对第二序列Pixel2中的每一个像素点,判断其周围六个像素点的区域标记,若周围六个像素点都没有区域标记,则将该像素点标记为新区域;若周围六个像素点有一个区域标记,则让该像素点与周围标记像素点具有相同的区域标记;若周围六个像素点中有多个区域标记,则将该像素点标记为不同区域之间的边界;
2i.将最小值P的值增加25,重复步骤2h直到第一小立方体V1中的所有非零像素点都被标记,得到第二小立方体V2;
2j.判断第二小立方体V2的所有标记区域中是否包含有血管区域标记的参考点,如果有血管区域参考点,则将三维数据体Y中与该参考点所在区域对应位置的像素点进行血管标记,并将第二小立方体V2中的所有像素点标记为已处理;如果不包含有血管区域参考点,继续步骤2k;
2k.对第二小立方体V2,以其中心像素点为起始像素点,分别在起始像素点的上、下、左、右、前、后六个方向找到距离该点2N+1的六个新像素点,分别以该六个新像素点为中心,以2N+1为边长从三维数据体D中提取六个新的小立方体;
2l.对六个六邻域小立方体中的每一个,判断其中的像素点是否被标记为已处理,若未被标记为已处理,则将该小立方体加入待处理队列中;若其中的像素点被标记为已处理,则继续步骤2m;
2m.从第二小立方体V2中取出离邻域小立方体最近的大小为(2N+1)*(2N+1)的像素面P1,该P1上的像素点表示为P1(x,y),从邻域小立方体中取出离第二小立方体V2最近的大小为(2N+1)*(2N+1)的像素面P2,该P2上的像素点表示为P2(x,y),从三维数据体Y中取出与P2对应位置的像素面P3,该P3上的像素点表示为P3(x,y),x,y为自然数;且1≤x,y≤2N+1;
2n.判断像素面P3中是否存在有血管标记的像素点,若存在血管标记的像素点,则记录该P3中所有血管标记像素点的坐标P3(xi,yi),1≤i≤n,n为P3中有血管标记像素点的数目;
2o.对所有的坐标(xi,yi),判断P1(xi,yi)中是否存在M个具有相同区域标记的像素点,若存在,则记录该区域标记,M为连同强度参数,实验中M取3;
2p.搜索第二小立方体V2中属于该区域标记的所有像素点,将三维数据体Y中与之对应位置的像素点进行血管标记,并将第二小立方体V2中的所有像素点标记为已处理;
2q.判断待处理队列是否为空,若待处理队列为空,则处理完毕,得到腹部主要血管及相连的主要器官D1,如图3所示,若待处理队列不为空,则重复步骤2e到2p。
步骤3:提取腹部主要器官D2;
本实验采用Fast Marching方法提取腹部主要器官,但不限于该方法,其具体实施步骤如下:
3a.取出三维数据立方体D中的一幅二维图像,找出其最上、最下、最左、最右非零像素值对应的像素点坐标,将最下像素点坐标上移15得到新的最下像素点坐标,由最上、新的最下、最左以及最右四个像素点坐标平行于图像边缘扩展,得到一个区域即为该二维图像中的身体区域,在其它二维图像中提取与该区域对应位置的新区域,按顺序进行排列就可以从三维数据体D中提取身体部分的数据立方体D4;
3b.根据各器官的解剖学知识,从数据立方体D4中提取包括器官主要区域的一个边长为N的三维器官立方体V5,这里根据各个器官的解剖学位置和大小的不同,分割肝脏时N取25,分割脾脏时N取20、分割肾脏时N取15,统计三维器官立方体V5内像素的灰度直方图,获取立方体内的最小像素值作为器官的下阈值Tmin,获取立方体内的最大像素值作为器官的上阈值Tmax;
3c.搜索数据立方体D4内像素值小于该Tmin和大于该Tmax的所有像素点,将这些像素点的像素值设置为零,其它像素点的像素值不变,得到多个像素值介于Tmin和Tmax之间的三维区域,取与三维器官立方体V5中像素点位置重叠最多的那个三维区域为器官的一个粗分割;
3d.取该粗分割结果的所有边缘点,用该边缘点初始化经典Fast Marching算法的初始轮廓参数;
3e.调用经典的Fast Marching算法程序分割得到更准确的三维器官区域;
3f.对该更精确的三维器官区域,直接调用形态学开运算程序进行平滑得到的腹部主要器官,这里的形态学开运算程序有一个结构元素参数,实验中的结构元素参数采用3*3*3。
步骤4:将腹部主要血管及与之相连的器官D1与提取的腹部主要器官D2对应像素位置相减得到三维数据体D3,因为D1和D2中的各器官大小不是完全相同,D3中的血管周围存在很多的杂点,所以对三维数据体D3进行后处理得到最终的腹部CT图像主要血管,如图4(b)所示。
本发明的效果通过以下仿真进一步说明。
1.仿真条件与内容:
本发明实验所用的腹部CT数据来自北京肿瘤医院,64排螺旋CT(GE Lightspeed64),成像层厚0.625mm,每幅图像大小为512*512,存储格式为16位DICOM格式,数据集给出了三组从心脏上部到腹部下方的约350幅图像,这里选择从肺部下方到腹部下方的约200幅的CT图像进行实验。软件平台为MATLAB7.0。实验中由于存储数据量太大,对腹部主要血管及相连脏器仿真结果的三维效果显示过程中我们截取了以主动脉为中心的一个尽可能大的立方体。
2.仿真结果:
对于上述的200幅图像数据,分别用现有的一种形态学方法和本发明所述的方法进行腹部主要血管提取,计算其10次试验运行时间的平均值,结果如表1所示:
表1两种方法提取腹部主要血管的时间复杂度对比
从表1可以明显看出,用本发明所述的方法提取200幅腹部CT图像主要血管所用的时间为752S,用形态学方法提取200幅腹部CT图像主要血管所用时间为837S,本发明所述的方法比形态学方法少用85S,这大大节省了提取腹部主要血管所用的时间。
图5是用形态学方法和本发明所述方法提取腹部主要血管的效果对比图,图4(a)是用形态学方法提取的腹部主要血管显示图,图4(b)是用本发明所述方法提取的腹部主要血管显示图,从视觉效果可以明显看到,本发明所述的方法提取了更完整的腹部主要血管。
综上,本发明不仅能够缩短提取腹部CT图像主要血管的时间,而且能够提取更加完整的腹部CT图像主要血管。
Claims (5)
1.一种基于三维区域分水岭的腹部CT图像主要血管提取方法,包括如下步骤:
(1)输入一套腹部CT图像,将这些图像按照成像顺序进行排列,得到腹部三维数据体D,同时生成一个新的与三维数据体D同样大小的三维数据体Y;
(2)指定腹部三维数据体D中的一个点作为血管区域参考点,并给定一个窗口尺寸N,以该参考点为中心取出腹部三维数据体D中的一个边长为2N+1的小立方体放入待处理队列,N≥1;
(3)从待处理队列中取出一个小立方体作为当前小立方体V,对该当前小立方体V内的所有像素点进行阈值处理,得到第一小立方体V1;
(4)对第一小立方体V1进行三维分水岭分割,得到第二小立方体V2,并对该第二小立方体V2进行多区域标记;
(5)判断第二小立方体V2的所有标记区域中是否包含有血管区域参考点,如果有血管区域参考点,则将三维数据体Y中与该参考点所在区域对应位置的像素点进行血管标记,并将第二小立方体V2中的所有像素点标记为已处理;如果不包含有血管区域参考点,继续步骤(6);
(6)对第二小立方体V2,按照区域生长的思想搜索其六个六邻域小立方体;
(7)对六个六邻域小立方体中的每一个,判断其中的像素点是否被标记为已处理,若标记为已处理,则进一步判断三维数据体Y中与之对应位置的像素点是否存在血管标记,如果存在血管标记,则将该邻域小立方体与第二小立方体V2进行连通处理,并将第二小立方体V2中的像素点标记为已处理,若邻域小立方体中的像素点未被标记为已处理,则将该邻域小立方体加入待处理队列中;
(8)判断待处理队列是否为空,若待处理队列为空,则处理完毕,得到腹部主要血管及与之相连的主要器官D1,若待处理队列不为空,则重复步骤(3)到(7);
(9)从三维数据体D中提取腹部主要器官D2;
(10)将腹部主要血管及与之相连的主要器官D1与提取的腹部主要器官D2对应像素位置相减得到三维数据体D3,对该三维数据体D3进行后处理得到最终的腹部CT图像主要血管。
2.根据权利要求1所述的腹部CT图像主要血管提取方法,其中步骤(3)所述的对该当前小立方体V内的所有像素点进行阈值处理,按如下步骤进行:
(2a)判断下阈值参数TMIN和上阈值参数TMAX是否为零,若不为零,则搜索当前小立方体V内像素值小于该TMIN和大于该TMAX的像素点,将这些像素点的像素值设置为零,其它像素点的像素值不变;若为零,则执行步骤(2b)到(2d);
(2b)统计三维数据体D中所有像素点的直方图,直方图横坐标表示像素点的像素值,纵坐标表示属于该像素值的像素数目;
(2c)搜索直方图的所有波峰,记录所有波峰最高点对应的像素值,对这些像素值从大到小进行排列,得到序列Array;
(2d)取序列Array中的第二个元素,在该元素对应的波峰值两侧,记录当像素数目下降到一半时的两个像素值,下阈值参数TMIN为该两个像素值中较小的一个,上阈值参数TMAX为较大的一个。
3.根据权利要求1所述的腹部CT图像主要血管提取方法,其中步骤(4)所述的对第一小立方体V1进行三维分水岭分割,按如下步骤进行:
(3a)对第一小立方体V1中的所有像素点,搜索其对应的像素值最小且不为零的所有像素点得到第一序列Pixel1,并记录最小值为P;
(3b)对第一序列Pixel1中的像素点进行初始区域标记;
(3c)将第一小立方体V1中所有像素点的像素值与最小值P相减,取差值小于25的所有像素点得到第二序列Pixel2;
(3d)对第二序列Pixel2中的每一个像素点,判断其周围六个像素点的区域标记,若周围六个像素点都没有区域标记,则将该像素点标记为新区域;若周围六个像素点有一个区域标记,则让该像素点与周围标记像素点具有相同的区域标记;若周围六个像素点中有多个区域标记,则将该像素点标记为不同区域之间的边界;
(3e)将最小值P的值增加25,重复步骤(3c)和(3d)直到第一小立方体V1中的所有非零像素点都被标记。
4.根据权利要求1所述的腹部CT图像主要血管提取方法,其中步骤(6)所述的对第二小立方体V2,按照区域生长的思想搜索其六个六邻域小立方体,按如下步骤进行:
(4a)以第二小立方体V2的中心为起始像素点,分别在其上、下、左、右、前、后六个方向找到距离该起始像素点2N+1的六个新像素点;
(4b)分别以该六个新像素点为中心,以2N+1为边长从三维数据体D中提取六个新的小立方体。
5.根据权利要求1所述的腹部CT图像主要血管提取方法,其中步骤(7)所述的将邻域小立方体与第二小立方体V2进行连通处理,按如下步骤进行:
(5a)从第二小立方体V2中取出离邻域小立方体最近的大小为(2N+1)*(2N+1)的像素面P1,该像素面P1上的像素点表示为P1(x,y),x,y为自然数,且1≤x,y≤2N+1;
(5b)从邻域小立方体中取出离第二小立方体V2最近的大小为(2N+1)*(2N+1)的像素面P2,该像素面P2上的像素点表示为P2(x,y),x,y为自然数;且1≤x,y≤2N+1;
(5c)从三维数据体Y中取出与像素面P2对应位置的像素面P3,该像素面P3上的像素点表示为P3(x,y),x,y为自然数;且1≤x,y≤2N+1;
(5d)如果像素面P3中存在有血管标记的像素点,则记录该像素面P3中所有血管标记像素点的坐标P3(xi,yi),1≤i≤n,n为像素面P3中有血管标记像素点的数目;
(5e)对所有的(xi,yi),如果P1(xi,yi)中存在M个具有相同区域标记的像素点,则记录该区域标记,M为连同强度参数,且2≤M≤(2N+1)*(2N+1);
(5f)搜索第二小立方体V2中属于该区域标记的所有像素点,将三维数据体Y中与之对应位置的像素点进行血管标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100224957A CN101551906B (zh) | 2009-05-13 | 2009-05-13 | 基于三维区域分水岭的腹部ct图像主要血管提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100224957A CN101551906B (zh) | 2009-05-13 | 2009-05-13 | 基于三维区域分水岭的腹部ct图像主要血管提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101551906A CN101551906A (zh) | 2009-10-07 |
CN101551906B true CN101551906B (zh) | 2011-07-20 |
Family
ID=41156138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100224957A Expired - Fee Related CN101551906B (zh) | 2009-05-13 | 2009-05-13 | 基于三维区域分水岭的腹部ct图像主要血管提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101551906B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923713B (zh) * | 2010-08-04 | 2012-09-05 | 中国科学院自动化研究所 | 一种提取冠状动脉血管中心线的方法 |
CN103903303B (zh) * | 2012-12-27 | 2018-01-30 | 清华大学 | 三维模型创建方法和设备 |
CN104036484B (zh) * | 2013-03-06 | 2017-08-08 | 东芝医疗系统株式会社 | 图像分割装置、图像分割方法和医学图像设备 |
CN104978726A (zh) * | 2014-04-03 | 2015-10-14 | 上海联影医疗科技有限公司 | 一种血管提取方法 |
CN105913432B (zh) * | 2016-04-12 | 2018-08-28 | 妙智科技(深圳)有限公司 | 基于ct序列图像的主动脉提取方法及装置 |
WO2018001099A1 (zh) | 2016-06-30 | 2018-01-04 | 上海联影医疗科技有限公司 | 一种血管提取方法与系统 |
CN106204546A (zh) * | 2016-06-30 | 2016-12-07 | 上海联影医疗科技有限公司 | 静脉窦的分割方法 |
CN106296664B (zh) * | 2016-07-30 | 2019-10-08 | 上海联影医疗科技有限公司 | 血管提取方法 |
US10869644B2 (en) | 2016-07-30 | 2020-12-22 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for extracting lower limb vasculature |
CN110960241A (zh) * | 2019-12-09 | 2020-04-07 | 上海联影医疗科技有限公司 | 医学影像扫描的扫描参数确定方法、装置和计算机设备 |
US11672496B2 (en) | 2019-12-09 | 2023-06-13 | Shanghai United Imaging Healthcare Co., Ltd. | Imaging systems and methods |
CN111584093B (zh) * | 2020-05-12 | 2021-04-30 | 鲁东大学 | 可注射水凝胶疗效评估的左心室几何模型构造方法和装置 |
CN117197164B (zh) * | 2023-11-08 | 2024-03-08 | 中国医学科学院北京协和医院 | 用于计算心肌血管供血区域的管道流域计算方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020102023A1 (en) * | 2001-01-31 | 2002-08-01 | Masaki Yamauchi | Ultrasonic diagnostic device and image processing device |
CN1471034A (zh) * | 2002-07-24 | 2004-01-28 | 中国科学院自动化研究所 | 基于水平集和分水岭方法的医学图像分割方法 |
CN101013503A (zh) * | 2007-01-26 | 2007-08-08 | 清华大学 | 一种医学图像中腹部器官分割方法 |
CN101303769A (zh) * | 2008-07-10 | 2008-11-12 | 哈尔滨工业大学 | 基于先验知识测地几何流的二维序列医学图像分割方法 |
-
2009
- 2009-05-13 CN CN2009100224957A patent/CN101551906B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020102023A1 (en) * | 2001-01-31 | 2002-08-01 | Masaki Yamauchi | Ultrasonic diagnostic device and image processing device |
CN1471034A (zh) * | 2002-07-24 | 2004-01-28 | 中国科学院自动化研究所 | 基于水平集和分水岭方法的医学图像分割方法 |
CN101013503A (zh) * | 2007-01-26 | 2007-08-08 | 清华大学 | 一种医学图像中腹部器官分割方法 |
CN101303769A (zh) * | 2008-07-10 | 2008-11-12 | 哈尔滨工业大学 | 基于先验知识测地几何流的二维序列医学图像分割方法 |
Non-Patent Citations (3)
Title |
---|
刘喜英等.基于改进分水岭算法的医学图象分割的研究.《微电子技术》.2003,第31卷(第4期),39-42. * |
李玥等.一种基于水平集的医学图象分割算法.《北京生物医学工程》.2005,第24卷(第5期),370-372. * |
陈波等.用于图像分割的活动轮廓模型综述.《中国图象图形学报》.2007,第12卷(第1期),11-20. * |
Also Published As
Publication number | Publication date |
---|---|
CN101551906A (zh) | 2009-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101551906B (zh) | 基于三维区域分水岭的腹部ct图像主要血管提取方法 | |
CN105469100B (zh) | 基于深度学习的皮肤活检图像病理特性识别方法 | |
CN108257135A (zh) | 基于深度学习方法解读医学图像特征的辅助诊断系统 | |
CN104394771B (zh) | 超声图像处理 | |
CN113781439B (zh) | 超声视频病灶分割方法及装置 | |
CN105913432B (zh) | 基于ct序列图像的主动脉提取方法及装置 | |
CN110120033A (zh) | 基于改进的U-Net神经网络三维脑肿瘤图像分割方法 | |
CN102113016B (zh) | 对数据集进行选择性交互式处理的方法 | |
CN102395320B (zh) | 医疗设备以及医疗设备的控制方法 | |
CN107067398A (zh) | 用于三维医学模型中缺失血管的补全方法及装置 | |
CN109034221A (zh) | 一种宫颈细胞学图像特征的处理方法及其装置 | |
CN108171692A (zh) | 一种肺部影像检索方法及装置 | |
CN1973298A (zh) | 显示气管支气管树 | |
CN102938027A (zh) | 一种计算机辅助肝脏移植手术规划系统的实现方法 | |
CN106469453B (zh) | 一种三维可视化展示及属性测量的肝脏功能区域诠析方法 | |
CN112862833A (zh) | 血管分段方法、电子装置和存储介质 | |
CN105139377A (zh) | 一种腹部ct序列图像肝脏的快速鲁棒自动分割方法 | |
CN106570930A (zh) | 一种基于三维超体素描述的数字化生理生物体建模方法 | |
CN107145702A (zh) | 基于医疗图像的心源性栓塞型中风风险预测系统和方法 | |
CN110993067A (zh) | 医学影像标注系统 | |
KR20210104190A (ko) | 수술 분석 장치, 수술영상 분석 및 인식 시스템, 방법 및 프로그램 | |
CN100541541C (zh) | 基于单层表面跟踪的超大规模医学图像表面重建方法 | |
KR102628324B1 (ko) | 인공지능 기반의 사용자 인터페이스를 통한 수술 결과 분석 장치 및 그 방법 | |
CN104112384A (zh) | 一种神经外科虚拟手术训练系统 | |
CN115908297A (zh) | 基于拓扑知识的医学影像中血管分割建模方法 |
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: 20110720 Termination date: 20150513 |
|
EXPY | Termination of patent right or utility model |