CN102073991A - 增强图像中的空间局域化征兆的对比度的方法 - Google Patents

增强图像中的空间局域化征兆的对比度的方法 Download PDF

Info

Publication number
CN102073991A
CN102073991A CN2010105738752A CN201010573875A CN102073991A CN 102073991 A CN102073991 A CN 102073991A CN 2010105738752 A CN2010105738752 A CN 2010105738752A CN 201010573875 A CN201010573875 A CN 201010573875A CN 102073991 A CN102073991 A CN 102073991A
Authority
CN
China
Prior art keywords
image
detail signal
modification
signal
sign
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
Application number
CN2010105738752A
Other languages
English (en)
Other versions
CN102073991B (zh
Inventor
T·伯滕斯
P·武伊尔斯特克
G·贝希尔斯
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 CN102073991A publication Critical patent/CN102073991A/zh
Application granted granted Critical
Publication of CN102073991B publication Critical patent/CN102073991B/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
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • G06T5/94Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/155Segmentation; Edge detection involving morphological operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20016Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20152Watershed segmentation
    • 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
    • G06T2207/30068Mammography; Breast

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

增强图像中的空间局域化征兆的对比度的方法,在增强诸如乳房X线照片中的微钙化之类的图像内的空间局域化征兆的对比度的方法中,对图像的数字信号表示应用多尺度分解,由此产生不同尺度下的多个细节图像,细节信号与在至少一个尺度下的被修改的具有共同极性的空间局域化征兆有关,该共同极性为负的或正的。

Description

增强图像中的空间局域化征兆的对比度的方法
技术领域
本发明涉及在医学成像领域内使用的图像增强。本发明更为具体地涉及通过局部增强对比度的图像增强方法,该方法被用来修改空间局域化征兆(例如乳房X线照片图像内的微钙化状结构)的外观。
背景技术
Gürcan等人在“利用非线性子带分解自动检测和增强乳房X线照片内微钙化”一文(Icassp,vol.4,pp.3069,1997 IEEE International Conference on Acoustics,Speech,and Signal Processing(ICASSP′97)-Volume 4,1997)中描述了乳房X线照片图像内微钙化的计算机辅助检测和增强。
在美国专利申请2005/0135695中也描述了类似的方法。
所描述方法大体上的想法是一个创建增强的乳房X线照片图像的3步骤的过程:1、检测图像中的微钙化;2、分割图像中的微钙化;以及3、增强图像中的微钙化。
现有技术提出两种创建乳房X线照片的增强形式的方法:放大技术和叠加技术。
在放大技术中,在例如由计算机辅助检测系统提供的微钙化的位置处以一个放大倍数来放大原始图像的像素值。该放大倍数可以是固定的或者可以依赖于被分割的微钙化及其周围组织的性质。
在叠加技术中,在微钙化的位置处将分割的微钙化叠加在原始乳房X线照片图像上。
对于两种技术,经过处理的结果图像内的微钙化的增强强烈依赖于单独的微钙化的分割精度。这可能导致在分割区域的边界处不连贯的过渡和人工增强。基于不精确的分割的图像增强可能改变微钙化的形状。
由于图像内微钙化的弱的对比度-噪声比,在乳房X线照片图像内精确地勾画微钙化的轮廓是困难的,特别是在借助计算的X射线照相术技术生成的乳房X线照片内。
另一种优化乳房X线照片图像的小部分内的可视化的技术被Heinlein等人在题为“用于数字乳房X线照片图像的改进显示的方法和装置”的美国专利申请2009/0174727中采用。
在该专利申请中所述的想法是通过下列方式优化图像的小部分内的对比度:对该小部分内的像素值的范围应用扩展函数,并且降低朝向该小部分的边界的对比度优化(通过应用权重函数)以形成该小部分与图像其余部分之间的对比度的渐进过渡。
本发明的目标是提供一种局部增强用数字信号表示方式表示的图像的对比度的方法,该方法克服了现有技术的不便。
更为具体地,本发明的目标是提供一种用于图像的多尺度图像增强的方法,该方法呈现的增强图像具有增加的局部对比度以增强空间局域化征兆。
发明内容
上述有益效果由具有如权利要求1中阐述的特定特征的方法实现。
在从属权利要求中阐述了本发明优选实施例的特定特征。
根据以下描述和附图,本发明的其它优点和实施例将变得显而易见。
本发明因此涉及多尺度图像增强,其中源于图像的空间局域化征兆被用来在局部范围内操控多尺度图像增强。
空间局域化征兆的图像之内的位置可以利用例如位掩码或坐标列表来编码并且例如由计算机辅助检测系统提供。
空间局域化征兆的其它特征(如同尺寸或形状那样)可以被用来操控多尺度图像增强的程度。
本发明的主题特别关注分割和增强步骤。通过在微钙化的位置处操控多尺度图像增强,无需精确的分割方法就实现了自然的增强。
美国专利No.5805721描述了多尺度图像增强方法,它可以自适应地增强空间局域化征兆的局部对比度。多尺度增强方法的更为具体的实施例在下列专利申请中已有描述:EP-A-1933272、EP-A-2017786、EP-A-2026278、EP-A-2048616、EP-A-2071513。
本发明的方法通常以适合于在运行于计算机上时执行本发明的方法步骤的计算机程序产品的形式实现。计算机程序产品一般被存储在诸如DVD之类的计算机可读载体介质内。可选地,计算机程序产品采用电信号的形式并且可以通过电子通信方式与用户通信。
附图说明
图1示出了利用现有技术的多尺度图像增强方法的增强的乳房X线照片图像的一部分。
图2示出了利用本发明的自适应多尺度图像增强方法的增强乳房X线照片图像的一部分,该方法使得感兴趣的空间局域化征兆容易显现。
图3示出了以多尺度图像增强(MIE)和具有增加的局部对比度的自适应多尺度图像增强(LCE)得到的增强乳房X线照片图像的水平轮廓(该轮廓对应于对图像内的一条线作沿线行进方向作扫描(line-wise scanning)的结果)。
图4示出了在原始(未经处理的数字)输入图像的多尺度图像分解中,水平轮廓的在尺度2(连续的分解尺度以连续的数字表示,由此尺度0为最精细的尺度)下的细节信号。
图5示出了在左下角有3个微钙化的乳房X线照片的一部分。
图6示出了在多尺度分解中,在尺度2下的细节信号。白色区域由负的细节信号表示,灰色区域由正的细节信号表示。箭头指示微钙化的位置。
图7示出了在多尺度分解中,在尺度1下的细节信号。白色区域为负的细节信号,灰色区域为正的细节信号。箭头指示微钙化的位置。
图8示出了在多尺度分解中,在尺度0下的细节信号。白色区域为负的细节信号,灰色区域为正的细节信号。箭头指示微钙化的位置。
具体实施方式
多尺度图像增强方法(也称为多分辨率图像增强方法)被用来将图像获取设备产生的原始数字图像的灰度值像素变换为适于再现或显示的数值。原始数字图像可以由各种获取技术获得,例如计算的X光线照相术、直接X光线照相术、X线断层摄影术等等。
按照本多尺度图像增强方法,以像素值阵列表示的图像通过应用下列步骤来处理。首先,将原始图像分解为一个多尺度(分辨率水平)下的细节图像序列和偶尔会有的残余图像。接着,通过将至少一个变换应用于这些像素值来修改细节图像的像素值。最后,通过将重建算法应用于残余图像和经过修改的细节图像来计算经过处理的图像。
通常情况下,对细节图像的变换操作被应用于整个图像。对于细节图像的局部修改,必须对局部修改的空间范围保持谨慎。对空间局域化征兆的不精确的分割可能导致多尺度重建图像内一定程度的失真,在该程度下外观变得不自然。空间局域化征兆的形状和尺寸可能无意中被修改。
利用多尺度分解并利用空间局域化征兆与其周围部分之间已知的像素强度关系,可以通过应用本发明的方法来避免精确的分割方法的必要性。
在原始图像中,微钙化具有比其周围部分更低的灰度像素值。这导致在微钙化的边界内的第一极性的细节信号(例如负的信号)和在微钙化的边界外部的第二极性的细节信号(例如正的信号)。通过在给出的微钙化位置的直接邻域仅仅修改第一极性的细节信号(在本情形下为负的信号),在不影响周围组织的情况下增强了多尺度重建图像中的微钙化的外观。
图5示出了在左下角有3个微钙化征兆(sign)的未经处理的乳房X线照片图像的一部分。由于有噪声,所以难以在像素水平上分割单个微钙化。像素的分辨率为50微米。
在多尺度图像分解中,数字乳房X线照片图像被分解为细节信号,这些细节信号代表在不同的分辨率水平下像素相对于其局部邻域的像素值之差。
由于微钙化的典型尺寸在100微米-500微米的范围内,所以微钙化位置处的细节信号的响应在尺度1和2下应该是明显的。
图6示出了在尺度2(也即200微米的像素分辨率)下的细节信号。
白色区域对应于负的细节信号,灰色区域对应于正的细节信号。在未经处理的乳房X线照片图像中的微钙化的局域化与尺度2下的负的细节信号中的微钙化的局域化之间存在强相关性。
在尺度1(即100微米的像素分辨率)下也存在强相关性。
在尺度0下噪声对相关性有干扰。因此对尺度0下的增强程度必须保持谨慎。
通过仅增强低于阈值(例如可以是测得的图像中的噪声水平)的细节信号,可以强化仅增强负的细节信号的标准。这是一种解决了对例如在尺度0下的细节信号的噪声干扰冲击的方法。
存在不同的技术来确定特定尺度下的空间范围的技术,在该空间范围内,必须在给定空间局域化征兆的坐标下增强负的细节信号。
在第一实施例中,空间范围具有诸如圆形或长方形之类的固定形状,该固定形状粗略限定了必须增强的细节信号(在本实例中为负的细节信号)所在的区域。
在第二实施例中,通过在空间局域化征兆的给定坐标处应用有关分量(connected component)的分析,在随后的尺度下确定空间范围。作为有关分量的分析中的标准,采用了细节信号的征兆。
在第三实施例中,通过应用区域生长方法从而将空间局域化征兆的给定坐标用作种子点来确定空间范围。
另一实施例是将分割方法(例如分水岭算法)应用于某一分辨率下的灰度级图像来勾画围绕给定坐标的微钙化的轮廓。该结果是二进制掩码,利用形态学方式的滤波(例如膨胀滤波器)来扩展该二进制掩码以包围图像中的微钙化。对该二进制掩码作插值或简化以匹配多尺度分解中的细节信号的分辨率。用二进制掩码指示的负的细节信号得到了增强。
就像在多尺度表示中那样,在灰度值表示中,增强的程度也可以被固定或者依赖于空间局域化征兆及其周围部分的局部特征。
有不同的方法在局部范围内修改细节信号。
在本发明的实施例中,修改方式包括将放大倍数应用于待修改的多尺度信号(例如负的细节信号),放大倍数依赖于下面未穷举的特征列表:全局放大倍数、随尺度而变的放大倍数、周围部分的平均强度、空间局域化征兆的内在对比度和空间局域化征兆的概率度量
对细节信号的这种附加修改可以与其它已知的多尺度图像处理方法(如多尺度梯度处理(EP1341125)和多尺度对比度增强处理(EP1347413))相结合。
全局放大倍数确定了空间局域化征兆的局部对比度增强程度的希望的平均值。
随尺度而变的放大倍数使得在空间局域化征兆具有最强的响应的那些尺度对细节信号作更多的修改成为可能。对于微钙化,这典型地位于分辨率为100微米和200微米的尺度下。
利用周围部分的平均或中值强度来调整放大倍数可以增大在空间局域化征兆难以被注意到的区域内对空间局域化征兆的增强。在稠密、较亮的区域内难以注意到微钙化,并且因此需要对这些区域作更强的局部对比度增强。
通过测量空间局域化征兆相对于其周围部分的内在对比度而使放大倍数自适应以这样的方式引入了单个空间局域化征兆的局部对比度的平衡化,在该方式下低对比度的空间局域化征兆比高对比度的空间局域化征兆(为可视化,它需要的放大较小)放大得更大。
空间局域化征兆的概率度量可以从空间局域化征兆与微钙化特征的相似程度计算得到。
在还有一个实施例中,可以采用查询表来修改待修改的多尺度信号(例如负的细节信号),由此查询表可依赖于上述未穷举的特征列表。
另一个实施例是将偏移应用于待修改的细节信号,例如以减去负的细节信号的偏移,由此偏移依赖于上述未穷举的特征列表。
已经详细描述了本发明的优选实施例,对于本领域内的技术人员来说显而易见的是可以在不偏离由所附权利要求限定的本发明范围的前提下作出众多修改。

Claims (12)

1.增强医学图像中空间局域化征兆的对比度的计算机实施方法,包含下列步骤:将多尺度分解应用于所述图像的数字信号表示,由此生成多个在不同尺度下的细节图像,其特征在于,在至少一个所述尺度下修改与具有第一共同极性的所述空间局域化征兆有关的细节信号并且使与具有第二共同极性的所述局域化征兆有关的细节信号不变。
2.如权利要求1所述的方法,其中,在所述修改之前对共同极性的所述细节信号应用阈值化步骤。
3.如前述任意一项权利要求所述的方法,其中,被应用所述修改的区域的空间范围局限于固定形状的邻域之内的像素,该固定形状围绕所述空间局域化征兆的位置。
4.如权利要求1或2所述的方法,其中,通过在一个或多个所述位置处应用有关分量的分析来确定被应用所述修改的区域的空间范围。
5.如权利要求1或2所述的方法,其中,通过区域生长方法来确定被应用所述修改的区域的空间范围,所述区域生长方法使所述空间局域化征兆的一个或多个位置成为一个或多个种子点。
6.如前述任意一项权利要求所述的方法,其中,通过下列方式来计算被应用所述修改的区域的空间范围:应用分割算法由此生成二进制掩码信号并且对所述掩码信号作插值或简化以达到进行所述修改的分辨率。
7.如前述任意一项权利要求所述的方法,其中,所述修改包括将放大倍数应用于待修改的所述多尺度细节信号。
8.如前述任意一项权利要求所述的方法,其中,所述修改包括将偏移应用于待修改的所述多尺度细节信号。
9.如前述任意一项权利要求所述的方法,其中,所述修改包括将查询表操作应用于待修改的所述多尺度细节信号。
10.如前述任意一项权利要求所述的方法,其中,所述修改被应用的尺度与对比度待增强的空间局域化征兆的尺寸一致。
11.一种计算机程序产品,适于当其运行于计算机上时执行前述任意一项权利要求所述的方法。
12.一种计算机可读介质,包含计算机可执行的程序代码,该计算机可执行的程序代码适于执行前述任意一项权利要求所述的步骤。
CN201010573875.2A 2009-11-25 2010-11-25 增强图像中的空间局域化征兆的对比度的方法 Expired - Fee Related CN102073991B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP09014653.1A EP2328124B1 (en) 2009-11-25 2009-11-25 Method of enhancing the contrast of spatially-localized phenomena in an image
EP09014653.1 2009-11-25

Publications (2)

Publication Number Publication Date
CN102073991A true CN102073991A (zh) 2011-05-25
CN102073991B CN102073991B (zh) 2016-08-03

Family

ID=42115963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010573875.2A Expired - Fee Related CN102073991B (zh) 2009-11-25 2010-11-25 增强图像中的空间局域化征兆的对比度的方法

Country Status (4)

Country Link
US (1) US9153016B2 (zh)
EP (1) EP2328124B1 (zh)
JP (1) JP5624859B2 (zh)
CN (1) CN102073991B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108447037B (zh) * 2018-03-26 2022-02-18 上海顺久电子科技有限公司 一种图像动态范围增强的方法和装置
JP7242436B2 (ja) 2019-06-13 2023-03-20 富士フイルム株式会社 読影支援装置、読影支援方法、及び読影支援プログラム
CN111008955B (zh) * 2019-11-06 2023-05-26 重庆邮电大学 多尺度图像块匹配的快速复制粘贴篡改检测方法
IT202000031988A1 (it) * 2020-12-22 2022-06-22 Ric3D S R L Metodo per generare un'immagine 3d di tessuti patologici

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050135695A1 (en) * 2003-12-10 2005-06-23 Sylvain Bernard Method for radiological image processing

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69214229T2 (de) 1991-08-14 1997-04-30 Agfa Gevaert Nv Verfahren und Vorrichtung zur Kontrastverbesserung von Bildern
JP3731760B2 (ja) * 1995-03-29 2006-01-05 富士写真フイルム株式会社 画像処理方法
JP2000224421A (ja) * 1999-02-03 2000-08-11 Fuji Photo Film Co Ltd 画像処理方法および装置並びに記録媒体
US6956975B2 (en) * 2001-04-02 2005-10-18 Eastman Kodak Company Method for improving breast cancer diagnosis using mountain-view and contrast-enhancement presentation of mammography
EP1347413A1 (en) 2002-02-22 2003-09-24 Agfa-Gevaert Method for enhancing the contrast of an image.
EP1341125A3 (en) 2002-02-22 2005-03-16 Agfa-Gevaert Multiscale gradation processing method
JP2005165791A (ja) * 2003-12-03 2005-06-23 Fuji Xerox Co Ltd 対象物の追跡方法及び追跡システム
EP1815397A4 (en) * 2004-11-17 2012-03-28 Euclid Discoveries Llc DEVICE AND METHOD FOR PROCESSING VIDEO DATA
JP2006239112A (ja) * 2005-03-03 2006-09-14 Fuji Photo Film Co Ltd 異常陰影検出装置、異常陰影検出方法およびそのプログラム
JP4823204B2 (ja) * 2005-08-31 2011-11-24 国立大学法人岐阜大学 医用画像処理装置
EP1933272B1 (en) 2006-12-11 2009-06-10 Agfa HealthCare NV Method of generating a contrast enhanced image using multiscale analysis
EP2017786A1 (en) 2007-07-20 2009-01-21 Agfa HealthCare NV Method of generating a multiscale contrast enhanced image
EP2026278A1 (en) 2007-08-06 2009-02-18 Agfa HealthCare NV Method of enhancing the contrast of an image.
EP2048616A1 (en) 2007-10-08 2009-04-15 Agfa HealthCare NV Method of generating a multiscale contrast enhanced image
DE102007057014A1 (de) 2007-11-23 2009-05-28 Image Diagnost International Gmbh Verfahren und Anzeigevorrichtung zur Darstellung digitaler Mammogramme
EP2071513A1 (en) 2007-12-10 2009-06-17 Agfa HealthCare NV Method of generating a multiscale contrast enhanced image

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050135695A1 (en) * 2003-12-10 2005-06-23 Sylvain Bernard Method for radiological image processing

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MICHAEL UNSER ET AL: "A Review of Wavelets in Biomedical Applications", 《PROCEEDINGS OF THE IEEE》 *
WALID DABOUR: "Improved Wavelet Based Thresholding for Contrast Enhancement of Digital Mammograms", 《2008 INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND SOFTWARE ENGINEERING》 *
WILLIAM MARK MORROW ET AL: "Region-Based Contrast Enhancement of Mammograms", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 *

Also Published As

Publication number Publication date
JP2011110430A (ja) 2011-06-09
EP2328124A1 (en) 2011-06-01
CN102073991B (zh) 2016-08-03
EP2328124B1 (en) 2019-05-15
US9153016B2 (en) 2015-10-06
JP5624859B2 (ja) 2014-11-12
US20110123089A1 (en) 2011-05-26

Similar Documents

Publication Publication Date Title
Hunnur et al. Implementation of image processing for detection of brain tumors
Kurt et al. A novel automatic suspicious mass regions identification using Havrda & Charvat entropy and Otsu's N thresholding
CN110956632B (zh) 钼靶图像中胸大肌区域自动检测方法及装置
Bhairannawar Efficient medical image enhancement technique using transform HSV space and adaptive histogram equalization
CN101976436A (zh) 一种基于差分图修正的像素级多聚焦图像融合方法
CN104091331B (zh) 一种超声病灶图像分割方法、装置及系统
CN102073991A (zh) 增强图像中的空间局域化征兆的对比度的方法
CN106910166B (zh) 一种图像处理方法和装置
Maragatham et al. Contrast enhancement by object based histogram equalization
Krishnan et al. Medical image enhancement in health care applications using modified sun flower optimization
CN107464219A (zh) 连续图像的运动检测及降噪方法
JP2017018339A (ja) 胸部x線画像における肺結節明瞭化法
Noviana et al. Axial segmentation of lungs CT scan images using canny method and morphological operation
Ghatwary et al. Liver CT enhancement using fractional differentiation and integration
Eskandari et al. A semi-automated algorithm for segmentation of the left atrial appendage landing zone: application in left atrial appendage occlusion procedures
WO2018030519A1 (ja) 乳房領域検出システム、乳房領域検出方法、及びプログラム
Bhatt et al. Edge detection and segmentation of multiple contours from ct scan images
Siripalli et al. Hybrid Cost Function for Medical Image Enhancement with Optimization Algorithms
Babu et al. Contrast Enhancement based Brain Tumour MRI Image Segmentation and Detection with Low Power Consumption
KR101792350B1 (ko) 이종의 영상 특성 데이터들을 이용한 td-기반 영상 세그먼테이션 방법 및 시스템
Aja-Fernández et al. Image filtering: enhancement and restoration
Logeswaran Magnetic resonance cholangiopancreatography image enhancement for automatic disease detection
Verma et al. Segmentation and Analysis of Diaphragm from Ultrasound Images
Zhang et al. Feature points selection algorithm of DSA images based on adaptive multi-scale vascular enhancement and mean shift
Patil et al. Medical Image Enhancement Using GMM: A Histogram approach

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: 20190507

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: 20160803