CN101925924A - 交互式图像分割 - Google Patents
交互式图像分割 Download PDFInfo
- Publication number
- CN101925924A CN101925924A CN2009801029004A CN200980102900A CN101925924A CN 101925924 A CN101925924 A CN 101925924A CN 2009801029004 A CN2009801029004 A CN 2009801029004A CN 200980102900 A CN200980102900 A CN 200980102900A CN 101925924 A CN101925924 A CN 101925924A
- Authority
- CN
- China
- Prior art keywords
- mark
- unratified
- patient
- image
- 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.)
- Granted
Links
- 238000003709 image segmentation Methods 0.000 title claims description 8
- 230000002452 interceptive effect Effects 0.000 title claims description 6
- 238000000034 method Methods 0.000 claims abstract description 34
- 210000003484 anatomy Anatomy 0.000 claims abstract description 25
- 239000003550 marker Substances 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims description 24
- 210000000988 bone and bone Anatomy 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 210000005013 brain tissue Anatomy 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 210000004872 soft tissue Anatomy 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims 4
- 238000000547 structure data Methods 0.000 claims 1
- 230000007474 system interaction Effects 0.000 claims 1
- 230000011218 segmentation Effects 0.000 abstract description 17
- 238000003745 diagnosis Methods 0.000 abstract 1
- 238000003384 imaging method Methods 0.000 description 8
- 210000000056 organ Anatomy 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 6
- 238000009877 rendering Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000000952 spleen Anatomy 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000002224 dissection Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 108010028984 3-isopropylmalate dehydratase Proteins 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000011179 visual inspection 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
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- 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
- G06T2207/20128—Atlas-based segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Processing Or Creating Images (AREA)
Abstract
当调整患者中的解剖结构的模型用于诊断或治疗计划时，可以访问预先设计的解剖结构模型或图像体积的图集(26)，并且可以选择一个或多个该结构的分割并将所述分割覆盖于患者的临床图像(52)中的(一个或多个)对应结构的3D图像上。用户可以点击患者图像(52)上最初未批准的分割标记(72)，重新放置所述未批准标记，以及批准所述重新放置的标记。之后根据批准标记(92)的位置使用一个或多个内插技术将剩余未批准标记(72)重新放置以使得所述模型在运行中适于患者图像。
Description
本发明特别应用于医学成像系统。然而，可以理解所描述的(一个或多个)技术也可以被应用于其他类型的成像系统、扫描系统和/或其他医学应用。
交互式分割任务通常通过使所存储的分割适应于之前不可视的图像数据来执行。取决于分割的复杂性，对于用户这是一个耗时的过程。用于执行医学图像数据的交互式手工分割的应用包括放射治疗计划中的器官和射束计划描绘、诸如SmartExam的训练自动分割算法中的标记定义以及手动或半自动定量(测量)工具中的结构识别。
代替从针对任何新的病例从多个类似分割中的每个开始，从所存储的(参考)分割入手是常见的。参考分割可以从模型中导出，或者从先前的分割中复制得到。参考分割与预期的新分割共享位置特征，并且特征之间的关系通常在一定程度上被保存。然而，在传统方法中，特征关系不被考虑。
通常，用户必须要使参考分割的任何部分都适应于新的图像数据，从针对每个特征的参考位置开始。因此，特征之间的关系在处理过程中丢失，如果在参考分割和新分割之间存在相对大的变化，上述丢失至少是不期望的但是还是可能会引起混淆，这是由于中间阶段显示了拓扑形状破坏性分割。
解剖图谱对于许多临床应用是有用的。例如，可以使得放射治疗计划中的解剖轮廓更为有效并且通过从图集到计划图像解剖地转移以3D模型形式的相关解剖描绘而成为可复制的。然而，由于需要非线性变换、弱的图像对比、正常和病理解剖结构的可变性、图像伪影等，使用传统方法的全自动解剖描绘已经被证明是困难的。
在用于便于克服上述缺陷的系统和方法的领域中存在未满足的需求。
根据一方面，用于医学图像分割标记的内插的系统包括：存储器，其存储解剖结构的3D参考图像体积，所述参考图像体积每个包括附图标记的集合；显示器，其呈现患者图像体积的视图和参考图像体积的视图；以及处理器，其覆盖参考图像体积的参考标记的集合和患者图像体积。系统还包括用户输入设备，用户采用所述用户输入设备以将一个或多个所覆盖的标记重新放置在患者图像的对应位置中并且批准所重新放置的一个或多个标记。处理器根据所批准的一个或多个标记的重新放置更新参考图像体积和患者图像体积之间的内插变换，并根据所更新的内插变换更新一个或多个未批准的经覆盖的标记的位置。
根据另一方面，交互地更新患者图像体积的分割的方法包括：检索包含参考图像体积上的参考标记的集合的参考图像分割、将参考标记的集合转移到患者图像体积上作为患者图像体积分割中的未批准的标记、以及接收与至少一个未批准标记的重新放置有关的输入。
根据另一方面，交互式患者图像体积配准装置包括用于向用户呈现覆盖于患者图像体积图像之上的参考图像体积分割的器件，以及用于允许用户选择覆盖于患者图像体积之上的未批准标记、重新放置所选择的未批准标记以及批准重新放置的未批准标记的器件。装置还包括用于根据每个批准的标记的位置迭代地内插针对剩余未批准标记的新位置，以及更新剩余未批准标记的位置的器件。器件还允许用户当用户对患者图像体积分割的适应满意时批准所有剩余未批准的标记。
一个优势在于在运行中交互地执行图像配准。
另一个优势在于配准过程的增加的自动化。
本领域技术人员在阅读并理解下述详细描述之后将意识到主题创新的另外的优势。
本发明可以采取各种部件及部件的布置、以及各种步骤及步骤的安排的形式。附图仅用于示出各方面的目的而不应将其理解为限制本发明。
图1示出了用于将选自解剖结构的图集的(一个或多个)轮廓弹性地配准到3D临床图像的手动编辑工具；
图2示出了患者图像到参考图像的近似手动对准的截屏；
图3示出了链接到所选择的参考图像的患者图像的截屏，其中，预先批准的附图标记被转移到患者图像；
图4示出了其中在用户将标记移到患者图像的期望位置并批准标记的位置之后示出的用户批准的标记的截屏；
图5示出了患者图像和具有细化的几何结构的参考图像的示例的另一截屏；
图6示出了使用可变形解剖图集用于递进式图像分割的方法；
图7示出了包括诸如CT、MRI等的多个成像设备的示例性医院系统，所述成像设备生成由个别重建处理器或共享重建处理器重建的成像数据以生成3D图像表示。
图1示出了用于将选自解剖结构的图集26的(一个或多个)轮廓弹性地配准到3D临床图像的手动编辑系统10。编辑工具提供了实时动态显示平面更新。编辑系统采用内插法增大用于创建新分割的用户界面12。在手动更新的分割之后，将经修改部分标记为“接受”。根据所存储的分割将仍然没有被接受的新分割的所有部分进行自动更新。使用根据新分割的与所存储的分割共有的已经接受的部分计算的内插执行该更新。因此，保持所转移的分割的结构完整性。另外，通过执行附加内插将所存储的图像数据的显示几何与新图像数据的显示几何进行对准以进行更容易的视觉交叉参考。
在一个实施例中，用户界面12包括针对递进式图像分割使用可变形解剖图集26的功能性。递进地执行图集适应性，其中，最先处理其分割需要较少交互的解剖结构。分割的结果被用于在运行中更新剩余结构的位置。重复所述过程直到用户确认所有分割。
系统包括用户界面12，其被直接或间接地耦合到成像器14。例如，成像器14可以为计算机断层摄影(CT)扫描系统或者其变型、磁共振成像(MRI)系统或其变型、或者用于生成患者或者患者的部分的2D或3D图像的任何其他适合的成像器。图像可以直接来自成像器或者来自医学记录数据库。
用户界面14包括执行机器可读指令和/或例程的处理器16，其被存储于存储器18中，用于操作患者中的一个或多个器官的3D图像。该图像经由显示器20向用户显示，并且允许用户使用输入设备22操作图像。存储器18还存储与图集26相关的信息和/或例程，包括各种器官的3D图像和/或映射图(map)，之后其被用作在其上覆盖患者的(一个或多个)器官或(一个或多个)其他解剖结构的对应图像24的模板。另外，存储器存储与经由显示器20向用户显示患者和图集图像有关的信息和/或例程，以及用于响应于经由输入设备22的用户输入操作图集和/或患者图像的例程。另外，存储器存储与患者的图像有关的图像数据24以及描述标记对等的标记数据28。输入设备可以为，例如，键盘和光针、指示笔、鼠标或者一些其他合适的输入设备。
图集26可以包括解剖结构(例如，诸如心脏、(一片或多片)肺、大脑、脾、肝、肠、胃、胆等；诸如(一块活多块)骨、肌肉等的其他结构)的个体或其组合的模型，并且这样的结构可以被参数化。另外，可以针对各种解剖结构类型提供多种模型，例如，对应于成人、孩子、胖人、瘦人、男人、女人等。例如，使用网格技术、非均一旋转B样条(NURBS)或一些其他参数化协议可以执行参数化。系统10便于为用户提供可靠、直观、和交互的3D编辑应用。
系统10允许轮廓图像体积模型的3D操作，其转而允许用户操作多个平面中的图像体积模型的轮廓，而不是在仅一个平面中。例如，用户访问具有电子限定工具的虚拟工具箱30以拉、推或以其他方式调节三维模型轮廓。例如，虚拟工具限定各种半径、形状和大小的表面，包括可以推或拉动轮廓以塑造其形状的单个点。用户可以沿所显示的平面或以到所显示平面的角度推或拉工具。由于轮廓上的点已经被推离或拉离一个或多个所显示的平面，因此工具自动改变所显示的(一个或多个)平面，从而用户可以在操作轮廓部分期间的整个时期看到叠加于诊断图像体积上的期望图像体积轮廓部分。
图像体积可以包括一个或多个解剖结构，例如，相邻器官。例如，用户可以将轮廓参考模型上的特定点拉到患者的解剖结构的图像上的对应点。在一个示例中，显著点可以为椎骨上的棘突，并且用户可以将参考模型上的对应突拖拽到患者椎骨上的棘突，以更接近地将模型对准到实际图像体积。在约束点或网格之间，模型弹性变形。根据患者数据生成可以包括一个或多个解剖结构的参考模型，所述患者数据诸如(一个或多个)结构的扫描或其他图像。在一个实施例中，采用一个或多个对象的若干扫描或图像以生成(一个或多个)结构的一个或多个平均，或(一个或多个)“正常”模型。
所显示的切片或表面不需要为平面，而是也可以为曲面。例如，轮廓表面可以被弯曲以匹配脊柱的曲率。在一个实施例中，解剖结构外形可以被单独存储在图集中，并且可以由用户进行组合或装配以形成感兴趣区域。在另一实施例中，可以预装配公共成像区域中的解剖结构的外形，使得预装配区域中的所有器官的外形可以被作为组下载、上载或以其他方式访问。
在一个实施例中，维持分割(例如，模型)的特征之间的关系以保存所显示的特征的拓扑形状完整性。用户采用系统10以通过将参考模型或分割上的一个或多个点或特征推或拉到对应于患者图像体积的对应期望定位以执行粗略手动模型适应。交互地适应于患者图像，以及由此由用户批准作为新患者分割的部分的参考模型的任意部分被用于内插显示器上的参考分割的所有其他(例如，还没有被批准或接受的)特征。以清晰清楚的方式(例如，通过不同颜色等)对经批准和内插的特征进行显示以表示其对应状态。如果存在链接到参考分割的图像数据，则参考和新患者图像数据的显示也可以通过内插进行链接，作为第二种支持方法。
根据另一实施例，使用标记分割(体积图像数据中的解剖有意义点)便于用户批准所选择的点或特征。然而，应该理解所描述的系统和方法也可以被应用于其他分割对象，诸如表面网格、体积斑块、用于扫描计划的边界框、用于射束计划的边界锥等。即：新的(和参考)图像数据不需要被限制到3D体积数据。
另外，处理器16可以针对患者图像体积中表示的不同类型的组织采用不同内插技术。例如，当内插对应于骨组织的未接受的标记的位置时，可以有利地使用主成分变换。当针对对应于脑组织的未接受标记的内插位置更新时，可以有利地采用刚性变换。另外地或可替代地，当针对对应于软组织的未接受标记的内插位置更新时，可以采用弹性变换。
图2示出了患者图像52到参考图像54的粗略手动对准的截屏50。例如，给定参考分割(例如，点、表面网格的列表等)和参考图像(例如，其中存在点或网格的空间)，经受交互分割的新的患者图像被装载到应用并且粗略地手动对准到参考图像。如果患者和参考图像为显著不同大小等，可以从图集26手动地选择新的更加类似的参考图像。用户选择链接两幅图像，这建立了参考图像和初始不需要具有解剖意义而是为粗略的近似的新的患者图像之间的变换。为了建立变换，使用具有旋转、按比例缩放和平移(RST)变换、仿射变换、薄板样条等的各种配准。在右上视区显示具有参考分割的参考图像54。在一个实施例中，参考分割被显示为具有表示预先指定的参考标记56的绿色圆点或点。在左上视区示出经受交互分割的新的患者图像并且已经被手动与参考图像粗略地对准并且被选择与参考图像链接。左下的两个视区为上面视区的缩略图预览。
图3图示了示出链接到所选择的参考图像54的患者图像52的截屏70，具有转移(例如，叠加)到患者图像52上的预先批准的参考标记。根据所述变换，参考分割(例如，标记和/或网格)被复制到由新图像数据占据的空间。在患者图像52上示出对应于预先指定的参考标记56的未批准的患者标记72。最初地，没有配准对象(患者标记72)被标记为批准。在患者图像52上示出未批准的患者标记72，其对应于参考图像54上的预先批准的参考标记56。因此，将参考分割图像传播到患者图像中。在一个实施例中，输入标记为预先批准的参考标记56的刚性复制，使得患者图像分割中的许多或所有未批准的患者标记72可以或者更可能地不位于期望的具有解剖意义的位置处。
图4示出了其中用户将标记移(例如，拖拽)到患者图像52的期望位置并批准(例如，检查以批准)所述标记的位置之后示出的用户批准的标记92的截屏90。通过将标记72(例如，分割目标)交互拖拽，或者推到患者图像数据空间中的具有解剖意义的位置，用户将经适应的标记定义为经批准的并且将其接受(例如，生成用户批准的标记92)用于计算其他未批准标记72的内插。如果通过用户界面将分割内插切换为“活性”，则基于来自新患者分割和参考分割的经批准标记的对应对的运动或位置差异，通过预先选择的配准算法(例如，用薄板样条等)对患者图像52数据内的任意未批准标记72的位置进行更新。
在一个实施例中，以第一颜色(例如，红色)显示未批准的标记72，而已经被手动移动且接受的标记92以第二颜色(例如，绿色)进行显示。新分割(左侧)中的一些标记已经被手动地进行适应。由薄板样条对没有被手动地进行适应的未批准患者标记72进行的内插可以被激活，这基于更新的内插变换移动未接受的标记，所述内插变换通常将未接受的标记相对于参考图像移动到更靠近患者图像中对应的期望解剖位置。因此，通过操作并接受易于重新定位的标记，可以对更复杂的未批准标记位置进行内插以降低用户花费在精确地对准所有期望标记的时间。重新定位在每个方向的最远不适当位置的标记可以对准更近的标记。
在一个实施例中，可以将一个或多个标记72推荐给用户用于以指定序列进行操作和批准，诸如通过放大患者图像上的推荐标记以指示用户与批准非推荐标记相比，批准推荐标记将对降低总体标记批准复杂性具有较大影响。在该示例中，系统10部分地基于标记的放置是否会引起高层级的其他未批准标记的重新放置向用户推荐标记72(图1)。即：与将引起其他标记较小运动的标记相比推荐将引起其他标记更靠近其期望位置(例如，在内插之后)的相对大量的运动的标记。
图5示出了患者图像52和具有细化的几何结构的参考图像54的示例的另一截屏。当参考图像的显示几何形状被改变并且图像内插被打开时，通过基于点的相同对的配准相应地更新患者图像的显示几何形状。改变参考图像54的显示几何形状以允许详细观察特定区域(例如，头部)。基于将已经接受的患者分割的部分与参考分割的对应部分的配准，自动对准患者图像52的显示几何形状，这便于参考图像和患者图像数据之间的交叉参考。以这种方式，通过建立用于递进式图集适应的用户界面可以将用户相互作用的数量最小化。
图6示出了使用可变形解剖图集用于递进式图像分割的方法。在一个实施例中，将可变形图集带到患者图像中的大概起始位置，并且将来自图集的所选择的结构自动地、半自动地或者手动地适应到图像。使用经适应的(例如，接受的)结构或标记在运行中更新对剩余结构或标记的初始化。重复标记接受和运行中的更新的步骤直到所有结构的分割被用户确认。
根据另一实施例，在128，首先将解剖结构的可变形图集带到覆盖3D患者图像中的解剖结构的起始位置(自动或者手动)。图集可以，例如，包括由三角网格等表示的一个或多个3D器官(或者其他结构)模型。在起始位置，首先将图集的所有结构标记为“未认可”，例如，通过使用特定颜色、线厚度等。在130，例如，通过在图像中手动定位特定解剖标记以及在模型中重新定位对应的标记等可以建立起始的图集-图像映射。
在132，例如通过确定重新定位且接受的标记对的起始位置和所接受位置之间的3D距离(例如，分别地患者图像和(一个或多个)所选择的参考模型上的对应标记)，计算体积变形。在133，所计算的体积变形被用于细化所选择的内插变换，例如，径向偏置(bias)函数、弹性体样条等。在134，被改进的变换被应用到参考模型以重新放置参考模型和未批准标记。在136，选择未批准的标记(例如，参考模型内的点或结构)。可以从标记的分级列表中选择未批准的标记或者可以由用户进行选择。
在138，例如，使用基于模型的分割技术对可以以最小用户交互进行自动分割的所选择的结构(例如，基于CT的头-颈图集中的颅骨、骨骼和肺等)的模型进行适应。在例如“Shape Constrained Deformable Models for 3D Medical Image Segmentation，”(J.Weese，M.Kaus等；IPMI 2001：380-387)中描述了基于适当模型的分割技术的示例。在视觉检查和任选的局部校正之后，之后将这些结构标记为“已确认”或“已批准”。在140，在适应之后，从经适应的模型中导出的一个或多个点可以被用作进一步的标记并且被附加到初始标记集。以该方式，可以获得精确的图集-图像映射并且被用于未经确认的结构的重新初始化。
通过以下方式可以建立对模型标记或结构进行处理的顺序：使用关于解剖和图像模式的先验知识，或者通过使用特定定量度量可以评估模型初始化的精确性，所述定量度量诸如模型的曲面法线与图像梯度的对准。图集中的一个或多个模型可以被用于仅提供补充信息，并且如果其可以被自动地进行适应，则不需要明确显示。以分割复杂度中的渐增执行递进式图集适应，直到用户接受针对图集中的所有结构的分割结果。即：首先执行较简单的分割。另外，该方法可以延展到多模式图像分割，其中，以特定模式(例如，磁共振)分割的图集结构支持模型初始化以及另一模式(例如，计算机断层摄影)的第二图像的其余结构的分割。
因此，根据该方法，通过使用插补器(例如，弹性体样条、薄板样条或和一些其他合适插补器)根据标记的集合计算体积变形。通过迭代地适应结构或标记(例如，使用基于模型的分割)、选择附加标记、重新计算变形以及将其应用到(一个或多个)参考模型，逐渐增加标记的集合。可以由用户交互地选择结构和/或标记，或者从预限定的分级模型或列表中选择结构和/或标记。另外，预限定的结构不需要对患者可见。
根据一个示例，可以对具有肿胀脾的患者进行成像并且可以选择腹部参考模型并且将其(例如，自动或手动地)覆盖在患者图像模型上。用户将参考模型上的标记与患者图像上的对应标记进行对准，因此，放大模型中的(一个或多个)脾结构。之后模型中附近的器官或结构被自动调节(例如，使用内插)以适应经放大的脾。以该方式，当将模型配准到患者图像体积时，用户不需要针对模型中的每个解剖结构调节模型标记。
参考图7，示例性医院系统可以包括多个成像设备150，例如CT、MRI等，其生成由单个或共享重建处理器152进行重建以生成3D图像表示的成像数据。图像表示经由网络154发送至中央存储器156。
在与网络连接的站160，操作者使用输入设备162将所选择的3D患者图像表示从中央存储器移动到局部存储器164。还从中央存储器中的或者站160中的图集172将对应于所选择的3D患者图像表示的预先生成的参考模型分割(例如，标记的集合)输入到局部存储器，被选择以自动或者手动地近似地匹配所选患者图像体积。视频处理器166将参考模型分割覆盖到患者图像表示上并且在监测器70上显示参考模型和具有经覆盖的标记的患者图像表示。操作者通过输入设备162选择在要被显示的患者图像表示上要被“批准”的标记。
为了使参考模型分割与患者图像中的一个或多个解剖结构的形状相一致，操作者使用输入设备选择标记的位置并且对标记的位置进行操作。一旦操作者将标记放置于患者图像体积的期望定位，操作者“批准”标记，这触发内插变换的更新以及使用患者图像上的其他尚未批准的标记的更新位置的更新变换的内插。迭代地重复标记的用户批准和内插的处理直到用户对参考模型分割与患者图像体积足够地符合满意。之后用户可以指示对患者图像体积上的整个模型分割的批准，包括用户批准的标记和未批准的标记，基于用户定位批准的标记对所述标记的位置进行内插。任选地，从中央存储器可以检索相同患者的相同区域但是以不同成像模态生成的另外的图像，并且被用于进一步细化插值变换。
用户批准的模型可以存储在中央存储器156、局部存储器164中或者在另一处理中直接应用。例如，治疗计划(例如，辐射、消融等)站180可以使用经批准的患者模型以对治疗期进行计划。一旦计划使操作者满意，将所计划的治疗转移到实施所计划的期的治疗设备182。其他站在各种其它计划处理中可以使用成形的轮廓。
已经参考若干实施例描述了本发明。在阅读并理解上述详细描述之后可以对其它方面进行修改和变化。意在将本发明解释为包括所有这些修改和改变只要这些修改和改变在随附权利要求或其等价物的范围内。
Claims (25)
1.一种用于医学图像分割标记的内插的系统(10)，包括：
存储器(18)，其存储解剖结构的3D参考图像体积(54)，所述参考图像体积(54)每个均包括参考标记(56)的集合；
显示器(20)，其呈现患者图像体积(52)的视图以及参考图像体积(54)的视图；
处理器(16)，其覆盖所述参考图像体积(54)的所述参考标记(56)的集合和所述患者图像体积(52)；以及
用户输入设备(22)，用户使用所述用户输入设备(22)将所覆盖的标记中的一个或多个重新放置所述患者图像上的对应位置中，并且批准所重新放置的一个或多个标记；
其中，所述处理器(16)根据所批准的一个或多个标记的重新放置更新所述参考图像体积和所述患者图像体积之间的内插变换，并根据所更新的内插变换更新一个或多个未批准的覆盖标记(72)的位置。
2.根据权利要求1所述的系统，其中，骨组织被分割并且所述内插变换包括主成分分析变换。
3.根据权利要求1所述的系统，其中，脑组织被分割并且所述内插变换包括刚性变换。
4.根据权利要求1所述的系统，其中，软组织被分割并且所述内插变换包括弹性变换。
5.根据权利要求1所述的系统，其中，使用来自多个患者图像体积表示的解剖结构数据构建每个3D参考图像体积(54)。
6.根据权利要求1所述的系统，其中，所述处理器(16)推荐用于重新放置并由所述用户批准的未批准的标记(72)。
7.根据权利要求6所述的系统，其中，所述处理器至少部分基于所推荐的标记对其它未批准的标记(72)的经更新位置的内插将产生的效应的大小来推荐所述未批准的标记。
8.根据权利要求1所述的系统，其中，每当未批准的标记(72)变为批准的标记(92)时，所述处理器(16)就更新所有剩余的未批准的标记(72)的位置。
9.根据权利要求1所述的系统，其中，所述参考图像体积(54)被存储于图集(26)中并从所述图集(26)中选择。
10.根据权利要求1所述的系统，其中，所述处理器(16)被配置为：
检索所述参考标记(56)的集合和所述参考图像体积(54)；
将所述参考标记(56)的集合作为未批准的标记(72)调换到所述患者图像体积(52)上；
接收与至少一个未批准的标记(72)的重新放置相关的输入；
接收将重新放置的标记的状态更新为批准的标记(92)的输入；
根据所批准的标记(92)的位置的改变调整所述内插变换；以及
根据所述内插变换更新剩余的未批准的标记(72)的位置。
11.一种用于利用权利要求1的系统交互地更新所述患者图像体积(52)的分割的方法，包括：
检索所述参考标记(56)的集合和所述参考图像体积(54)；
将所述参考标记(56)的集合作为未批准的标记(72)转移到所述患者图像体积(52)上；
接收与至少一个未批准的标记(72)的重新放置相关的输入；
接收将重新放置的标记的状态更新为批准的标记(92)的输入；
根据所述批准的标记(92)的位置的改变调整所述内插变换；以及
根据所述内插变换更新剩余的未批准的标记(72)的位置。
12.一种交互地更新患者图像体积(54)的分割的方法，包括：
检索包括参考图像体积(54)上的参考标记(56)的集合的参考图像分割；
将所述参考标记(56)的集合作为患者图像体积分割中的未批准的标记(72)转移到所述患者图像体积(52)上；
接收与至少一个未批准的标记(72)的重新放置相关的输入；
接收将重新放置的标记的状态更新为批准的标记(92)的输入；
根据所述批准的标记(92)的位置内插针对剩余的未批准的标记(72)的位置更新；以及
根据所述内插更新剩余的未批准的标记(72)的位置。
13.根据权利要求12所述的方法，还包括针对对应于所述患者图像体积(52)中的骨组织的未批准的标记(72)使用主成分分析变换内插位置更新。
14.根据权利要求12所述的方法，还包括针对对应于所述患者图像体积(52)中的脑组织的未批准的标记(72)使用刚性变换内插位置更新。
15.根据权利要求12所述的方法，还包括针对对应于所述患者图像体积(52)中的软组织的未批准的标记(72)使用弹性变换内插位置更新。
16.根据权利要求12所述的方法，还包括推荐用于重新放置并由用户批准的未批准的标记(72)。
17.根据权利要求16所述的方法，还包括至少部分基于所推荐的标记对其它未批准的标记(72)的经更新位置的内插将产生的效应的大小来推荐所述未批准的标记。
18.根据权利要求12所述的方法，其被迭代地执行直到达到预定数量的批准的标记(92)。
19.根据权利要求18所述的方法，还包括一旦达到所述预定数量的批准的标记(92)，就接收指示接受所有剩余的未批准的标记(72)的输入。
20.根据权利要求18所述的方法，还包括使用经更新的患者图像体积分割生成治疗计划。
21.根据权利要求12所述的方法，其中，图集(26)包括不同解剖结构的多个参考图像体积(54)、一个或多个解剖结构的不同大小的参考图像体积，和/或解剖结构的一个或多个不同组合的参考图像体积。
22.一种被编程为执行权利要求12所述的方法的处理器(16)或计算机可读介质(18)。
23.根据权利要求12所述的方法，其中，从参考图像体积的图集(26)中检索所述参考图像体积(54)。
24.一种交互式患者图像体积配准装置，包括：
用于向用户呈现覆盖在患者图像体积(52)图像上的参考图像体积分割的器件(12)；
用于允许所述用户选择覆盖在所述患者图像体积(52)上的未批准的标记(72)、重新放置所选择的未批准的标记(72)以及批准重新放置的未批准的标记(72)的器件(22)；以及
用于根据每个批准的标记(92)的位置交互地内插针对剩余的未批准的标记(72)的新位置以及更新所述剩余的未批准的标记(72)的位置的器件(16)；
其中，当用户对所述患者图像体积分割的所述适应满意时，所述器件(22)还允许所述用户批准所有剩余的未批准的标记(72)。
25.根据权利要求23所述的装置，其中，从参考图像体积分割的图集(26)中选择所述参考图像体积分割。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US2310608P | 2008-01-24 | 2008-01-24 | |
| US61/023,106 | 2008-01-24 | ||
| PCT/IB2009/050042 WO2009093146A1 (en) | 2008-01-24 | 2009-01-07 | Interactive image segmentation |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101925924A true CN101925924A (zh) | 2010-12-22 |
| CN101925924B CN101925924B (zh) | 2014-11-19 |
Family
ID=40467106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200980102900.4A Active CN101925924B (zh) | 2008-01-24 | 2009-01-07 | 交互式图像分割 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US8698795B2 (zh) |
| EP (1) | EP2235681A1 (zh) |
| JP (1) | JP2011510415A (zh) |
| CN (1) | CN101925924B (zh) |
| WO (1) | WO2009093146A1 (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105246409A (zh) * | 2013-06-06 | 2016-01-13 | 株式会社日立制作所 | 图像处理装置及图像处理方法 |
| CN105849773A (zh) * | 2013-12-17 | 2016-08-10 | 皇家飞利浦有限公司 | 解剖结构的基于模型的分割 |
| CN106663309A (zh) * | 2014-07-03 | 2017-05-10 | 西门子产品生命周期管理软件公司 | 用于医学成像的骨骼分段中的用户引导的形状变体 |
| CN104106096B (zh) * | 2012-02-17 | 2017-09-22 | 先进穆阿分析公司 | 层析图像中的器官的分类方法 |
| CN108542499A (zh) * | 2012-05-14 | 2018-09-18 | 直观外科手术操作公司 | 用于使用形状感测的变形补偿的系统和方法 |
| CN110998667A (zh) * | 2017-08-07 | 2020-04-10 | 皇家飞利浦有限公司 | 利用交互式分割对体积图像数据的体积绘制 |
| CN111031909A (zh) * | 2017-08-29 | 2020-04-17 | 通用电气公司 | 用于校正磁共振数据内的伪影的系统和方法 |
| CN111373443A (zh) * | 2017-10-18 | 2020-07-03 | 皇家飞利浦有限公司 | 用于医学图像分割的界标可视化 |
Families Citing this family (45)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8160345B2 (en) | 2008-04-30 | 2012-04-17 | Otismed Corporation | System and method for image segmentation in generating computer models of a joint to undergo arthroplasty |
| EP2411963B1 (en) * | 2009-03-27 | 2019-05-08 | Koninklijke Philips N.V. | Improvements to medical imaging |
| GB0917154D0 (en) * | 2009-09-30 | 2009-11-11 | Imp Innovations Ltd | Method and apparatus for processing medical images |
| US20110182493A1 (en) * | 2010-01-25 | 2011-07-28 | Martin Huber | Method and a system for image annotation |
| US8411948B2 (en) | 2010-03-05 | 2013-04-02 | Microsoft Corporation | Up-sampling binary images for segmentation |
| US8655069B2 (en) | 2010-03-05 | 2014-02-18 | Microsoft Corporation | Updating image segmentation following user input |
| US8422769B2 (en) | 2010-03-05 | 2013-04-16 | Microsoft Corporation | Image segmentation using reduced foreground training data |
| US9020216B2 (en) * | 2010-07-28 | 2015-04-28 | Varian Medical Systems, Inc. | Knowledge-based automatic image segmentation |
| US9454823B2 (en) | 2010-07-28 | 2016-09-27 | arian Medical Systems, Inc. | Knowledge-based automatic image segmentation |
| WO2012035488A1 (en) | 2010-09-17 | 2012-03-22 | Koninklijke Philips Electronics N.V. | Choosing anatomical variant model for image segmentation |
| WO2012139205A1 (en) | 2011-04-13 | 2012-10-18 | Hamid Reza Tizhoosh | Method and system for binary and quasi-binary atlas-based auto-contouring of volume sets in medical images |
| WO2012176085A2 (en) | 2011-06-21 | 2012-12-27 | Koninklijke Philips Electronics N.V. | Image display apparatus |
| WO2013040693A1 (en) * | 2011-09-23 | 2013-03-28 | Hamid Reza Tizhoosh | Computer system and method for atlas-based consensual and consistent contouring of medical images |
| US9659390B2 (en) * | 2011-10-28 | 2017-05-23 | Carestream Health, Inc. | Tomosynthesis reconstruction with rib suppression |
| US8995734B2 (en) * | 2012-01-10 | 2015-03-31 | Kabushiki Kaisha Toshiba | Image processing method and system |
| KR101470411B1 (ko) * | 2012-10-12 | 2014-12-08 | 주식회사 인피니트헬스케어 | 가상 환자 모델을 이용한 의료 영상 디스플레이 방법 및 그 장치 |
| KR101989156B1 (ko) | 2012-11-01 | 2019-06-13 | 삼성전자주식회사 | 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법, 장치 및 의료 영상 시스템 |
| WO2014134188A1 (en) | 2013-02-28 | 2014-09-04 | Rivanna Medical, LLC | Systems and methods for ultrasound imaging |
| EP2996589B1 (en) | 2013-03-15 | 2022-01-19 | Howmedica Osteonics Corporation | Generation of a mating surface model for patient specific cutting guide based on anatomical model segmentation |
| US9836837B2 (en) | 2013-12-02 | 2017-12-05 | Brainlab Ag | Method and device for determining a transformation between two images of an anatomical structure |
| US20170169609A1 (en) * | 2014-02-19 | 2017-06-15 | Koninklijke Philips N.V. | Motion adaptive visualization in medical 4d imaging |
| KR102444968B1 (ko) | 2014-06-12 | 2022-09-21 | 코닌클리케 필립스 엔.브이. | 의료 영상 처리 장치 및 방법 |
| JP6727140B2 (ja) * | 2014-06-25 | 2020-07-22 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 異なる撮像モダリティのレジストレーションのための撮像機器 |
| US9563979B2 (en) * | 2014-11-28 | 2017-02-07 | Toshiba Medical Systems Corporation | Apparatus and method for registering virtual anatomy data |
| US10548564B2 (en) | 2015-02-26 | 2020-02-04 | Rivanna Medical, LLC | System and method for ultrasound imaging of regions containing bone structure |
| US10121274B2 (en) * | 2015-04-16 | 2018-11-06 | Canon Kabushiki Kaisha | Medical image processing system, medical image processing apparatus, control method thereof, and recording medium |
| US20170007853A1 (en) * | 2015-07-10 | 2017-01-12 | Medtronic, Inc. | Physiological monitoring for ultrasound therapy |
| JP2019502477A (ja) * | 2016-01-06 | 2019-01-31 | ボストン サイエンティフィック サイムド，インコーポレイテッドＢｏｓｔｏｎ Ｓｃｉｅｎｔｉｆｉｃ Ｓｃｉｍｅｄ，Ｉｎｃ． | 医療処置のプランを作成するシステム及び方法 |
| EP3478178A1 (en) * | 2016-06-30 | 2019-05-08 | Koninklijke Philips N.V. | Generation and personalization of a statistical breast model |
| US10235752B2 (en) | 2016-11-21 | 2019-03-19 | International Business Machines Corporation | Slice selection for interpolation-based 3D manual segmentation |
| US10467767B2 (en) | 2016-12-23 | 2019-11-05 | International Business Machines Corporation | 3D segmentation reconstruction from 2D slices |
| US10395382B2 (en) * | 2016-12-30 | 2019-08-27 | Biosense Webster (Israel) Ltd. | Visualization of distances on an electroanatomical map |
| DE102017203025A1 (de) * | 2017-02-24 | 2018-08-30 | Siemens Healthcare Gmbh | Verfahren zu einem Unterstützen einer Planung einer Magnetresonanzuntersuchung an einem Patienten mit einer Magnetresonanzvorrichtung sowie eine Magnetresonanzvorrichtung zu einem Ausführen des Verfahrens |
| EP3398551A1 (en) | 2017-05-03 | 2018-11-07 | Stryker European Holdings I, LLC | Methods of pose estimation of three-dimensional bone models in surgical planning a total ankle replacement |
| WO2019023402A1 (en) * | 2017-07-26 | 2019-01-31 | Canfield Scientific, Incorporated | METHOD AND APPARATUS FOR AUTOMATIC GENERATION AND MONITORING OF NORMALIZED ANATOMICAL REGIONS |
| EP3496038A1 (en) | 2017-12-08 | 2019-06-12 | Koninklijke Philips N.V. | Registration of static pre-procedural planning data to dynamic intra-procedural segmentation data |
| EP3759684B1 (en) | 2018-02-27 | 2024-04-03 | Brainlab AG | Constrained object correction for a segmented image |
| US10930386B2 (en) | 2018-12-11 | 2021-02-23 | International Business Machines Corporation | Automated normality scoring of echocardiograms |
| US11080849B2 (en) | 2018-12-21 | 2021-08-03 | General Electric Company | Systems and methods for deep learning based automated spine registration and label propagation |
| AU2020209754A1 (en) * | 2019-01-14 | 2021-07-29 | Nuvasive, Inc. | Prediction of postoperative global sagittal alignment based on full-body musculoskeletal modeling and posture optimization |
| JP7379918B2 (ja) * | 2019-08-08 | 2023-11-15 | 株式会社Ｊｖｃケンウッド | 記録再生制御装置および記録再生制御方法 |
| EP4262565A1 (en) | 2020-12-18 | 2023-10-25 | Koninklijke Philips N.V. | Ultrasound image-based identification of anatomical scan window, probe orientation, and/or patient position |
| CN113506303B (zh) * | 2021-07-27 | 2024-01-30 | 四川九洲电器集团有限责任公司 | 一种交互式牙齿分割方法、装置和处理系统 |
| US12100115B2 (en) * | 2021-08-10 | 2024-09-24 | GE Precision Healthcare LLC | System and method for cohesive multi-regional functional-anatomical medical image registration |
| WO2024006578A2 (en) | 2022-07-01 | 2024-01-04 | Stryker Corporation | Methods and systems for zone and implant planning for a surgical procedure |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050111757A1 (en) * | 2003-11-26 | 2005-05-26 | Brackett Charles C. | Auto-image alignment system and method based on identified anomalies |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6167296A (en) * | 1996-06-28 | 2000-12-26 | The Board Of Trustees Of The Leland Stanford Junior University | Method for volumetric image navigation |
| US7158692B2 (en) * | 2001-10-15 | 2007-01-02 | Insightful Corporation | System and method for mining quantitive information from medical images |
| EP1490833B1 (en) * | 2002-03-23 | 2008-02-13 | Philips Intellectual Property & Standards GmbH | Method for interactive segmentation of a structure contained in an object |
| US7277582B2 (en) * | 2002-12-06 | 2007-10-02 | Siemens Corporate Research, Inc. | User interactive level set methods for image segmentation |
| US7346201B2 (en) * | 2003-09-26 | 2008-03-18 | Virtualscopics Llc | Semi-automated measurement of anatomical structures using statistical and morphological priors |
| US7796790B2 (en) | 2003-10-17 | 2010-09-14 | Koninklijke Philips Electronics N.V. | Manual tools for model based image segmentation |
| US7724954B2 (en) * | 2005-11-14 | 2010-05-25 | Siemens Medical Solutions Usa, Inc. | Method and system for interactive image segmentation |
| US8160345B2 (en) * | 2008-04-30 | 2012-04-17 | Otismed Corporation | System and method for image segmentation in generating computer models of a joint to undergo arthroplasty |
| US9907979B2 (en) * | 2008-09-09 | 2018-03-06 | Varian Medical Systems International Ag | Apparatus and method to facilitate adapting a radiation treatment plan |
-
2009
- 2009-01-07 US US12/863,462 patent/US8698795B2/en active Active
- 2009-01-07 JP JP2010543590A patent/JP2011510415A/ja not_active Withdrawn
- 2009-01-07 EP EP09703124A patent/EP2235681A1/en not_active Withdrawn
- 2009-01-07 CN CN200980102900.4A patent/CN101925924B/zh active Active
- 2009-01-07 WO PCT/IB2009/050042 patent/WO2009093146A1/en active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050111757A1 (en) * | 2003-11-26 | 2005-05-26 | Brackett Charles C. | Auto-image alignment system and method based on identified anomalies |
Non-Patent Citations (1)
| Title |
|---|
| VLADIMIR PEKAR ET AL.: "Automated model-based organ delineation for radiotherapy planning in prostatic region", 《PHYSICS CONTRIBUTION》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104106096B (zh) * | 2012-02-17 | 2017-09-22 | 先进穆阿分析公司 | 层析图像中的器官的分类方法 |
| US11026594B2 (en) | 2012-05-14 | 2021-06-08 | Intuitive Surgical Operations, Inc. | Systems and methods for deformation compensation using shape sensing |
| CN108542499A (zh) * | 2012-05-14 | 2018-09-18 | 直观外科手术操作公司 | 用于使用形状感测的变形补偿的系统和方法 |
| US12082920B2 (en) | 2012-05-14 | 2024-09-10 | Intuitive Surgical Operations, Inc. | Systems and methods for deformation compensation using shape sensing |
| US11678813B2 (en) | 2012-05-14 | 2023-06-20 | Intuitive Surgical Operations, Inc. | Systems and methods for deformation compensation using shape sensing |
| CN108542499B (zh) * | 2012-05-14 | 2020-12-04 | 直观外科手术操作公司 | 用于使用形状感测的变形补偿的系统和方法 |
| CN105246409B (zh) * | 2013-06-06 | 2018-07-17 | 株式会社日立制作所 | 图像处理装置及图像处理方法 |
| CN105246409A (zh) * | 2013-06-06 | 2016-01-13 | 株式会社日立制作所 | 图像处理装置及图像处理方法 |
| CN105849773A (zh) * | 2013-12-17 | 2016-08-10 | 皇家飞利浦有限公司 | 解剖结构的基于模型的分割 |
| CN105849773B (zh) * | 2013-12-17 | 2020-06-09 | 皇家飞利浦有限公司 | 解剖结构的基于模型的分割 |
| CN106663309A (zh) * | 2014-07-03 | 2017-05-10 | 西门子产品生命周期管理软件公司 | 用于医学成像的骨骼分段中的用户引导的形状变体 |
| CN106663309B (zh) * | 2014-07-03 | 2020-09-01 | 西门子工业软件公司 | 用于医学成像中的用户引导的骨骼分段的方法和存储介质 |
| CN110998667A (zh) * | 2017-08-07 | 2020-04-10 | 皇家飞利浦有限公司 | 利用交互式分割对体积图像数据的体积绘制 |
| CN111031909A (zh) * | 2017-08-29 | 2020-04-17 | 通用电气公司 | 用于校正磁共振数据内的伪影的系统和方法 |
| CN111373443A (zh) * | 2017-10-18 | 2020-07-03 | 皇家飞利浦有限公司 | 用于医学图像分割的界标可视化 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101925924B (zh) | 2014-11-19 |
| WO2009093146A1 (en) | 2009-07-30 |
| US8698795B2 (en) | 2014-04-15 |
| EP2235681A1 (en) | 2010-10-06 |
| JP2011510415A (ja) | 2011-03-31 |
| US20100295848A1 (en) | 2010-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101925924B (zh) | 交互式图像分割 | |
| CN101765864B (zh) | 用于图像配准的交互式图集 | |
| US9990744B2 (en) | Image registration device, image registration method, and image registration program | |
| CN105608728B (zh) | 语义医学图像用以3d打印解剖学结构 | |
| US8543338B2 (en) | System and method for performing computerized simulations for image-guided procedures using a patient specific model | |
| Özgür et al. | Preoperative liver registration for augmented monocular laparoscopy using backward–forward biomechanical simulation | |
| US9020235B2 (en) | Systems and methods for viewing and analyzing anatomical structures | |
| CN102844789B (zh) | 在影像引导手术过程中用于纠正变形的数据的系统和方法 | |
| US7773786B2 (en) | Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects | |
| US9563979B2 (en) | Apparatus and method for registering virtual anatomy data | |
| US20070280521A1 (en) | Methods for Volumetric Contouring with Expert Guidance | |
| CN114732517A (zh) | 医学成像中的左心耳闭合引导 | |
| US7496217B2 (en) | Method and image processing system for segmentation of section image data | |
| CN106663309A (zh) | 用于医学成像的骨骼分段中的用户引导的形状变体 | |
| CN110458872B (zh) | 使用超声弹性成像执行生物力学驱动的图像配准的系统和方法 | |
| US20140294263A1 (en) | Synchronized Navigation of Medical Images | |
| CN107592802A (zh) | 通过解剖模型增强引导腹腔镜手术过程的系统和方法 | |
| CN107847274A (zh) | 用于在机器人外科手术期间提供更新后的患者图像的方法和装置 | |
| CN106164981B (zh) | 外科手术中为手术器械插入显示计时信号的方法和系统 | |
| US20230260129A1 (en) | Constrained object correction for a segmented image | |
| US20030128890A1 (en) | Method of forming different images of an object to be examined | |
| US8265361B2 (en) | Automatic transfer of outlined objects from one data set into another data set | |
| US20200197096A1 (en) | Pre-operative planning for reorientation surgery: surface-model-free approach using simulated x-rays | |
| Atmani et al. | Computer aided surgery system for shoulder prosthesis placement | |
| Tappa et al. | Multimodality Imaging for 3D Printing and Surgical Rehearsal in Complex Spine Surgery |
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 |