CN102306373A - 一种腹部器官的三维医学图像分割方法及系统 - Google Patents
一种腹部器官的三维医学图像分割方法及系统 Download PDFInfo
- Publication number
- CN102306373A CN102306373A CN201110236227A CN201110236227A CN102306373A CN 102306373 A CN102306373 A CN 102306373A CN 201110236227 A CN201110236227 A CN 201110236227A CN 201110236227 A CN201110236227 A CN 201110236227A CN 102306373 A CN102306373 A CN 102306373A
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- medical image
- function
- level set
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种腹部器官的三维医学图像分割方法及系统,所述方法包括:对腹部器官的医学序列图像进行预处理;在预处理后的医学序列图像中选取种子点,将种子点的预定邻域范围内的像素点作为腹部器官的初始分割域;根据边缘停止函数获得预处理后的医学序列图像的边缘计算图像,并接收用户的弱边缘绘制指令,结合弱边缘绘制指令和边缘计算图像得到腹部器官的边缘图像;结合水平集速度函数和边缘图像进行水平集函数演化更新速度函数;对所述速度函数进行提取得到目标区域。借此,本发明采用用户交互式输入边界模糊的边界来解决医学图像分割中边界模糊的问题,提高了腹部器官的三维分割图像的质量。
Description
技术领域
本发明涉及医学图像分割领域,尤其涉及一种腹部器官的三维医学图像分割方法及系统。
背景技术
医学图像分割是指对医学图像中感兴趣区域或病变区域进行分割,它的目的是高效地确定对病人至关重要的临床形态特征,以利于观察和分析感兴趣区域或病变区域的形态特征及病理情况。器官分割是计算机辅助手术规划治疗的基础组成部分,如肿瘤切除,器官移植等都是以器官分割为基础的,也可以用于诊断和检测目的。大多数腹部器官的分割方法基本上都是基于CT(ComputedTomography,计算机断层成像)序列图像,进行二维或三维空间上的图像分割。对于肝脏分割来说,由于肝脏与腹部的其它相邻器官之间的灰度相似性较高,并且不同个体肝脏器官结构存在差异,采用基于阈值分割或者边缘分割算法并不能得到满意的结果。
水平集方法的基本思想是将闭合曲线隐含地表达为高一维的曲面的零水平集,并通过曲面的运动来隐含地求解轮廓曲线的演化,从而将图像分割转化成求解高维水平集函数表示的偏微分方程值的问题。该水平集方法是一种能自适应边界拓扑变化的稳定数值方法,不但提供了曲线演化的数值解法,而且能很好地解决棘手的拓扑变化的问题,因此已成为当今医学图像分割中的典型算法。测地线主动轮廓模型由Caselles等人提出,该模型将曲线演化模型,水平集方法和主动轮廓模型完整地结合在同一模型中,是应用较广的水平集模型之一。但是,测地线主动轮廓模型主要依赖于图像边缘梯度信息的主动轮廓模型,难以处理包含大量噪声、边界模糊的对象。
由于肝脏器官与周围组织之间的边界比较模糊,这些年虽然很多学者提出不同方法来解决模糊边缘的提取问题,但是各种方法都具有局限性,对于肝脏分割中模糊边缘的提取目前依然没有好的算法,采用传统的分割方法的准确率比较低,并且由于医学序列图像切片数量比较多,采用水平集算法分割肝脏时速度很慢,分割时间很长。
综上可知,现有腹部器官的三维医学图像分割技术,在实际使用上显然存在不便与缺陷,所以有必要加以改进。
发明内容
针对上述的缺陷,本发明的目的在于提供一种腹部器官的三维医学图像分割方法及系统,针对腹部器官的边界模糊的特点,采用用户交互式输入边界模糊的边界来解决医学图像分割中边界模糊的问题。
为了实现上述目的,本发明提供一种腹部器官的三维医学图像分割方法,所述方法包括步骤如下:
对腹部器官的医学序列图像进行预处理;
在预处理后的所述医学序列图像中选取种子点,将所述种子点的预定邻域范围内的像素点作为腹部器官的初始分割域;
根据边缘停止函数获得预处理后的所述医学序列图像的边缘计算图像,并接收用户的弱边缘绘制指令,结合所述弱边缘绘制指令和所述边缘计算图像得到腹部器官的边缘图像;
结合水平集速度函数和边缘图像进行水平集函数演化更新速度函数;
对所述速度函数进行提取得到目标区域,获得腹部器官的三维分割图像。
根据本发明所述的三维医学图像分割方法,所述对腹部器官的医学序列图像进行预处理的步骤包括:
采用高斯滤波算法,对所述医学序列图像进行三维平滑操作,公式如下:
其中,I(x,y,z)表示原始的医学序列图像,*表示卷积操作,I′(x,y,z)表示平滑后的医学序列图像。
根据本发明所述的三维医学图像分割方法,所述在预处理后的所述医学序列图像中选取种子点,将所述种子点的预定邻域范围内的像素点作为腹部器官的初始分割域的步骤包括:
接收用户的种子点选取指令,在预处理后的所述医学序列图像中选取种子点;
接收用户的阀值范围指令获得指定阈值范围,采用阀值连通算法计算所述种子点在预定邻域范围内的相连通的灰度范围在所述指定阈值范围内的所有像素点作为腹部器官的初始分割域。
根据本发明所述的三维医学图像分割方法,所述预定邻域范围为在六邻域或者二十六邻域范围。
根据本发明所述的三维医学图像分割方法,所述根据边缘停止函数获得所述预处理后的所述医学序列图像的边缘计算图像的步骤包括:
根据本发明所述的三维医学图像分割方法,所述结合水平集速度函数和所述边缘图像进行水平集函数演化步骤之前还包括:
构建水平集速度函数,水平集速度函数使用符号距离函数来表示,Φ(x,t)=±d(x,t),其中d(x,t)表示在t时刻,点x距离零水平集曲线的最短欧氏距离,其中,距离为零的点构成零水平面,所述初始分割区域作为零水平面。
根据本发明所述的三维医学图像分割方法,所述结合水平集速度函数和所述边缘图像进行水平集函数演化的步骤包括:
根据所述边缘停止函数的定义在梯度较大的地方趋近于零,而在梯度小的地方趋近于1,曲线将向g(I)→0的地方演化。
根据本发明所述的三维医学图像分割方法,所述结合水平集速度函数和所述边缘图像进行水平集函数演化的步骤包括:
根据用户的演化停止指令来停止所述水平集函数演化。
根据本发明所述的三维医学图像分割方法,所述方法采用测地线主动轮廓模型。
本发明还提供一种实现所述三维医学图像分割方法的腹部器官的三维医学图像分割系统,包括:
图像预处理模块,用于对腹部器官的医学序列图像进行预处理;
初始分割模块,用于在预处理后的所述医学序列图像中选取种子点,将所述种子点的预定邻域范围内的像素点作为腹部器官的初始分割域;
边缘图像生成模块,用于根据边缘停止函数获得预处理后的所述医学序列图像的边缘计算图像,并接收用户的弱边缘绘制指令,结合所述弱边缘绘制指令和所述边缘计算图像得到腹部器官的边缘图像;
演化模块,用于结合水平集速度函数和边缘图像进行水平集函数演化更新速度函数;
图像提取模块,用于对所述速度函数进行提取得到目标区域,获得腹部器官的三维分割图像。
本发明针对腹部器官的边界模糊的特点,通过接收用户的弱边缘绘制指令,即采用由用户交互式地在界面上画出弱边缘,并结合所述弱边缘绘制指令和医学序列图像的边缘计算图像得到腹部器官的边缘图像,然后进行水平集函数的演化,提取目标区域获得腹部器官的三维分割图像。借此,本发明针对腹部器官的边界模糊的特点,采用交互式输入边界模糊的边界来解决医学图像分割中边界模糊的问题,有效地增强了边界信息,从而可提高腹部器官的三维分割图像的质量,有利于医学分析和诊断。并且,针对采用水平集算法分割耗时的特点,采用阈值连通算法的结果为水平集算法提供比较好的初始区域,在很大程度上减少水平集算法的迭代次数,可以使算法的计算时间提高60%。
附图说明
图1是本发明腹部器官的三维医学图像分割系统的结构示意图;
图2是本发明腹部器官的三维医学图像分割方法的流程图;
图3是本发明优选实施例中腹部器官的三维医学图像分割方法的流程图;
图4A是本发明初始分割域步骤中种子点选六邻域范围的示意图;
图4B是本发明初始分割域步骤中种子点选二十六邻域范围的示意图;
图5是本发明实施例中肝脏的三维分割图像重建后结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1是本发明腹部器官的三维医学图像分割系统的结构示意图,所述三维医学图像分割系统100主要包括有图像预处理模块10、初始分割模块20、边缘图像生成模块30、演化模块40以及图像提取模块50,其中:
图像预处理模块10,用于对腹部器官的医学序列图像进行预处理,预处理的主要目的是平滑图像,去除噪声干扰。所述医学序列图像可以是CT(ComputedTomography,计算机断层成像)序列图像或者MRI(Magnetic Resonance Imaging,磁共振成像)序列图像。图像预处理模块10优选采用高斯滤波算法,对医学序列图像进行三维平滑操作实现对医学序列图像的预处理。所述腹部器官包括肝脏、脾脏、胰腺和肾脏等腹部周围器官。
初始分割模块20,用于在预处理后的医学序列图像中选取种子点,将种子点的预定邻域范围内的像素点作为腹部器官的初始分割域。所述预定邻域范围优选为在六邻域或者二十六邻域范围。
边缘图像生成模块30,用于根据边缘停止函数获得预处理后的医学序列图像的边缘计算图像,并接收用户的弱边缘绘制指令,即用户交互式地在界面上画出弱边缘以解决腹部器官的医学序列图像的边界模糊的问题,再结合弱边缘绘制指令和边缘计算图像得到腹部器官的边缘图像。
演化模块40,用于结合水平集速度函数和边缘图像进行水平集函数演化更新速度函数。
图像提取模块50,用于对所述速度函数进行提取得到目标区域,获得腹部器官的三维分割图像。
所述三维医学图像分割系统100还可包括图像输入模块60,图像输入模块60用于输入待分割的腹部器官的医学序列图像。
更好的是,所述三维医学图像分割系统100采用测地线主动轮廓模型。
图2是本发明腹部器官的三维医学图像分割方法的流程图,所述方法可由如图1所示的三维医学图像分割系统100实现,所述三维医学图像分割方法主要包括如下步骤:
步骤S201,对腹部器官的医学序列图像进行预处理,本步骤可由图像预处理模块10实现。本步骤优选采用高斯滤波算法,对医学序列图像进行三维平滑操作实现对医学序列图像的预处理。
步骤S202,在预处理后的医学序列图像中选取种子点,将种子点的预定邻域范围内的像素点作为腹部器官的初始分割域,本步骤可由初始分割模块20实现。所述预定邻域范围优选为在六邻域或者二十六邻域范围。
步骤S203,根据边缘停止函数获得预处理后的医学序列图像的边缘计算图像,并接收用户的弱边缘绘制指令,结合弱边缘绘制指令和边缘计算图像得到腹部器官的边缘图像,本步骤可由边缘图像生成模块30实现。
步骤S204,结合水平集速度函数和边缘图像进行水平集函数演化更新速度函数,本步骤可由演化模块40实现。
步骤S205,对所述速度函数进行提取得到目标区域,获得腹部器官的三维分割图像,本步骤可由图像提取模块50实现。
本发明腹部器官的三维医学图像分割方法优选采用测地线主动轮廓模型,以解决测地主动轮廓模型中无法解决边界模糊的问题。
图3是本发明优选实施例中腹部器官的三维医学图像分割方法的流程图,所述方法可通过如图1所示的三维医学图像分割系统100实现,所述三维医学图像分割方法主要包括如下步骤:
步骤S301,输入待分割的腹部器官的医学序列图像,本步骤可由图像输入模块60实现,所述医学序列图像可以是CT或者MRI序列图像。
步骤S302,对腹部器官的医学序列图像进行预处理,用于去噪。优选的是,采用高斯滤波算法,对所述腹部器官的医学序列图像进行三维平滑操作,公式如下:
其中,I(x,y,z)表示原始的医学序列图像,*表示卷积操作,I′(x,y,z)表示平滑后的医学序列图像。
实际上平滑算法比较多,除了高斯滤波之外,本发明还可采用主要包括中值滤波,高斯滤波,小波去噪,各向异性平滑等平滑算法进行预处理。
步骤S303,接收用户的种子点选取指令,在预处理后的医学序列图像中选取种子点,如图4A和图4B所示的种子点Z,本步骤可由初始分割模块20实现。
步骤S304,接收用户的阀值范围指令获得指定阈值范围,采用阀值连通算法计算种子点Z在预定邻域范围内的相连通的灰度范围在指定阈值范围内的所有像素点作为腹部器官的初始分割域,本步骤可由初始分割模块20实现。优选的是,种子点Z的预定邻域范围为如图4A所示的六邻域点L或者如图4B所示的二十六邻域点L范围。
例如,在交互式操作方式下,在预处理后的三维图像肝脏区域内选取三维空间上的种子点Z,根据用户提供的阈值范围,采用阈值连通算法,计算与该种子点在六邻域或者二十六邻域范围内相连通的灰度范围在指定阈值范围内的所有像素点作为肝脏的初始分割域。更好的是,可以通过多次计算阈值连通算法,并将每次的结果相加,得到分布较均匀的初始分割域。
步骤S305,判断初始分割域是否完成,若是则执行步骤S306,否则返回步骤S303继续选取种子点。
步骤S306,构建水平集速度函数,水平集速度函数使用符号距离函数来表示,Φ(x,t)=±d(x,t)。其中d(x,t)表示在t时刻,点x距离零水平集曲线的最短欧氏距离,其中,距离为零的点构成零水平面,初始分割区域作为零水平面,本步骤可由初始分割模块20实现。
步骤S307,计算边缘图像,即根据边缘停止函数获得预处理后的所述医学序列图像的边缘计算图像,并接收用户的弱边缘绘制指令,结合所述弱边缘绘制指令和所述边缘计算图像得到腹部器官的边缘图像。优选的是,计算医学序列图像的初始分割域的梯度图像根据边缘停止函数获得医学序列图像的边缘计算图像,边缘停止函数如下式:其中表示梯度图像,p为正整数,I表示预处理后的医学序列图像,本步骤可由边缘图像生成模块30实现。
例如,由于肝脏器官与心脏和脂肪等组织的灰度范围相似,通过梯度或者边缘检测算法计算的边缘图像中存在大量的弱边缘。测地主动轮廓模型在弱边缘区域会产生边界泄漏,对于算法中无法处理的弱边缘问题,本发明采用由用户交互式地在界面上画出弱边缘,再将用户画出的弱边缘与算法得到的边缘结合起来,作为肝脏器官的边缘图像。当然,并不需要在所有的弱边缘部位都画出来,手工绘制时可以在相同部位间隔10余张切片;弱边缘的确定需要用户对待分割器官边缘有明确的认识,在医学序列图像图上看不到或者分不清是否是边缘的情况下,由用户输入。
步骤S308,结合水平集速度函数和边缘图像进行水平集函数演化更新速度函数,本步骤可由演化模块40实现。优选的是,根据边缘停止函数的定义在梯度较大的地方趋近于零,而在梯度小的地方趋近于1,曲线将向g(I)→0的地方演化。
步骤S309,判断是否停止演化,优选根据用户的演化停止指令来停止水平集函数演化,若是则执行步骤S310,否则返回步骤S306,本步骤可由演化模块40实现。
步骤S310,对所述速度函数进行提取得到目标区域,获得腹部器官的三维分割图像,例如获得到如图5所示的肝脏的三维分割图像。本步骤可由图像提取模块50实现。所述目标区域可以是感兴趣区域或病变区域等。
综上所述,本发明针对腹部器官的边界模糊的特点,通过接收用户的弱边缘绘制指令,即采用由用户交互式地在界面上画出弱边缘,并结合所述弱边缘绘制指令和医学序列图像的边缘计算图像得到腹部器官的边缘图像,然后进行水平集函数的演化,提取目标区域获得腹部器官的三维分割图像。借此,本发明针对腹部器官的边界模糊的特点,采用交互式输入边界模糊的边界来解决医学图像分割中边界模糊的问题,有效地增强了边界信息,从而可提高腹部器官的三维分割图像的质量,有利于医学分析和诊断。并且,针对采用水平集算法分割耗时的特点,采用阈值连通算法的结果为水平集算法提供比较好的初始区域,在很大程度上减少水平集算法的迭代次数,可以使算法的计算时间提高60%。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种腹部器官的三维医学图像分割方法,其特征在于,所述方法包括步骤如下:
对腹部器官的医学序列图像进行预处理;
在预处理后的所述医学序列图像中选取种子点,将所述种子点的预定邻域范围内的像素点作为腹部器官的初始分割域;
根据边缘停止函数获得预处理后的所述医学序列图像的边缘计算图像,并接收用户的弱边缘绘制指令,结合所述弱边缘绘制指令和所述边缘计算图像得到腹部器官的边缘图像;
结合水平集速度函数和所述边缘图像进行水平集函数演化更新速度函数;
对所述速度函数进行提取得到目标区域,获得腹部器官的三维分割图像。
2.根据权利要求1所述的三维医学图像分割方法,其特征在于,所述对腹部器官的医学序列图像进行预处理的步骤包括:
采用高斯滤波算法,对所述医学序列图像进行三维平滑操作,公式如下:
其中,I(x,y,z)表示原始的医学序列图像,*表示卷积操作,I′(x,y,z)表示平滑后的医学序列图像。
3.根据权利要求1所述的三维医学图像分割方法,其特征在于,所述在预处理后的所述医学序列图像中选取种子点,将所述种子点的预定邻域范围内的像素点作为腹部器官的初始分割域的步骤包括:
接收用户的种子点选取指令,在预处理后的所述医学序列图像中选取种子点;
接收用户的阀值范围指令获得指定阈值范围,采用阀值连通算法计算所述种子点在预定邻域范围内的相连通的灰度范围在所述指定阈值范围内的所有像素点作为腹部器官的初始分割域。
4.根据权利要求3所述的三维医学图像分割方法,其特征在于,所述预定邻域范围为在六邻域或者二十六邻域范围。
6.根据权利要求1所述的三维医学图像分割方法,其特征在于,所述结合水平集速度函数和所述边缘图像进行水平集函数演化步骤之前还包括:
构建水平集速度函数,水平集速度函数使用符号距离函数来表示,Φ(x,t)=±d(x,t),其中d(x,t)表示在t时刻,点x距离零水平集曲线的最短欧氏距离,其中,距离为零的点构成零水平面,所述初始分割区域作为零水平面。
7.根据权利要求1所述的三维医学图像分割方法,其特征在于,所述结合水平集速度函数和所述边缘图像进行水平集函数演化的步骤包括:
根据所述边缘停止函数的定义在梯度较大的地方趋近于零,而在梯度小的地方趋近于1,曲线将向g(I)→0的地方演化。
8.根据权利要求1所述的三维医学图像分割方法,其特征在于,所述结合水平集速度函数和所述边缘图像进行水平集函数演化的步骤包括:
根据用户的演化停止指令来停止所述水平集函数演化。
9.根据权利要求1所述的三维医学图像分割方法,其特征在于,所述方法采用测地线主动轮廓模型。
10.一种实现如权利要求1~9任一项所述三维医学图像分割方法的腹部器官的三维医学图像分割系统,其特征在于,包括:
图像预处理模块,用于对腹部器官的医学序列图像进行预处理;
初始分割模块,用于在预处理后的所述医学序列图像中选取种子点,将所述种子点的预定邻域范围内的像素点作为腹部器官的初始分割域;
边缘图像生成模块,用于根据边缘停止函数获得预处理后的所述医学序列图像的边缘计算图像,并接收用户的弱边缘绘制指令,结合所述弱边缘绘制指令和所述边缘计算图像得到腹部器官的边缘图像;
演化模块,用于结合水平集速度函数和所述边缘图像进行水平集函数演化更新速度函数;
图像提取模块,用于对所述速度函数进行提取得到目标区域,获得腹部器官的三维分割图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110236227A CN102306373A (zh) | 2011-08-17 | 2011-08-17 | 一种腹部器官的三维医学图像分割方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110236227A CN102306373A (zh) | 2011-08-17 | 2011-08-17 | 一种腹部器官的三维医学图像分割方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102306373A true CN102306373A (zh) | 2012-01-04 |
Family
ID=45380231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110236227A Pending CN102306373A (zh) | 2011-08-17 | 2011-08-17 | 一种腹部器官的三维医学图像分割方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102306373A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102961187A (zh) * | 2012-10-26 | 2013-03-13 | 深圳市旭东数字医学影像技术有限公司 | 经皮穿刺的手术规划方法及其系统 |
CN103473768A (zh) * | 2013-09-05 | 2013-12-25 | 中国科学院深圳先进技术研究院 | 一种腹部软组织核磁图像分割的方法和装置 |
CN104299217A (zh) * | 2013-07-16 | 2015-01-21 | 上海联影医疗科技有限公司 | 一种医学图像的区域实时分割方法 |
CN104867151A (zh) * | 2015-05-26 | 2015-08-26 | 沈阳市第四人民医院 | 一种基于延展性主动轮廓模型的眼底图像血管分割方法 |
CN105654450A (zh) * | 2014-11-09 | 2016-06-08 | 复旦大学 | 基于局部和全局区域测地线模型的mr图像分割和偏移场矫正方法 |
CN106537452A (zh) * | 2014-07-15 | 2017-03-22 | 皇家飞利浦有限公司 | 用于对对象的图像进行分割的设备、系统和方法 |
CN109345629A (zh) * | 2018-08-08 | 2019-02-15 | 安徽慧软科技有限公司 | 一种三维医学图像模糊凸显显示方法 |
WO2020252900A1 (zh) * | 2019-06-18 | 2020-12-24 | 平安科技(深圳)有限公司 | 基于眼底oct影像的病灶提取方法、装置、设备及存储介质 |
CN113538426A (zh) * | 2021-09-16 | 2021-10-22 | 杭州太美星程医药科技有限公司 | 医学图像处理方法及装置、病灶定位方法及装置 |
CN116363160A (zh) * | 2023-05-30 | 2023-06-30 | 杭州脉流科技有限公司 | 基于水平集的ct灌注影像脑组织分割方法和计算机设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080030497A1 (en) * | 2005-12-08 | 2008-02-07 | Yangqiu Hu | Three dimensional modeling of objects |
CN101599174A (zh) * | 2009-08-13 | 2009-12-09 | 哈尔滨工业大学 | 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法 |
CN101819679A (zh) * | 2010-04-19 | 2010-09-01 | 李楚雅 | 三维医学图像分割方法 |
-
2011
- 2011-08-17 CN CN201110236227A patent/CN102306373A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080030497A1 (en) * | 2005-12-08 | 2008-02-07 | Yangqiu Hu | Three dimensional modeling of objects |
CN101599174A (zh) * | 2009-08-13 | 2009-12-09 | 哈尔滨工业大学 | 基于边缘和统计特征的水平集医学超声图像区域轮廓提取方法 |
CN101819679A (zh) * | 2010-04-19 | 2010-09-01 | 李楚雅 | 三维医学图像分割方法 |
Non-Patent Citations (4)
Title |
---|
吴月娥等: "基于level sets的医学图像分割", 《北京生物医学工程》 * |
胡永祥等: "基于运动估计的交互式医学图像序列分割", 《计算机工程与设计》 * |
赵小锋等: "水平集方法中速度停止项函数的改进", 《火力与指挥控制》 * |
钱芸等: "水平集的图像分割方法综述", 《中国图象图形学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102961187B (zh) * | 2012-10-26 | 2015-09-16 | 深圳市旭东数字医学影像技术有限公司 | 经皮穿刺的手术规划方法及其系统 |
CN102961187A (zh) * | 2012-10-26 | 2013-03-13 | 深圳市旭东数字医学影像技术有限公司 | 经皮穿刺的手术规划方法及其系统 |
CN104299217A (zh) * | 2013-07-16 | 2015-01-21 | 上海联影医疗科技有限公司 | 一种医学图像的区域实时分割方法 |
CN104299217B (zh) * | 2013-07-16 | 2018-04-03 | 上海联影医疗科技有限公司 | 一种医学图像的区域实时分割方法 |
CN103473768A (zh) * | 2013-09-05 | 2013-12-25 | 中国科学院深圳先进技术研究院 | 一种腹部软组织核磁图像分割的方法和装置 |
CN103473768B (zh) * | 2013-09-05 | 2018-09-28 | 中国科学院深圳先进技术研究院 | 一种腹部软组织核磁图像分割的方法和装置 |
CN106537452B (zh) * | 2014-07-15 | 2021-04-09 | 皇家飞利浦有限公司 | 用于对对象的图像进行分割的设备、系统和方法 |
CN106537452A (zh) * | 2014-07-15 | 2017-03-22 | 皇家飞利浦有限公司 | 用于对对象的图像进行分割的设备、系统和方法 |
CN105654450B (zh) * | 2014-11-09 | 2019-01-15 | 复旦大学 | 基于局部和全局区域测地线模型的mr图像分割和偏移场矫正方法 |
CN105654450A (zh) * | 2014-11-09 | 2016-06-08 | 复旦大学 | 基于局部和全局区域测地线模型的mr图像分割和偏移场矫正方法 |
CN104867151B (zh) * | 2015-05-26 | 2018-05-04 | 沈阳市第四人民医院 | 一种基于延展性主动轮廓模型的眼底图像血管分割方法 |
CN104867151A (zh) * | 2015-05-26 | 2015-08-26 | 沈阳市第四人民医院 | 一种基于延展性主动轮廓模型的眼底图像血管分割方法 |
CN109345629A (zh) * | 2018-08-08 | 2019-02-15 | 安徽慧软科技有限公司 | 一种三维医学图像模糊凸显显示方法 |
WO2020252900A1 (zh) * | 2019-06-18 | 2020-12-24 | 平安科技(深圳)有限公司 | 基于眼底oct影像的病灶提取方法、装置、设备及存储介质 |
CN113538426A (zh) * | 2021-09-16 | 2021-10-22 | 杭州太美星程医药科技有限公司 | 医学图像处理方法及装置、病灶定位方法及装置 |
CN116363160A (zh) * | 2023-05-30 | 2023-06-30 | 杭州脉流科技有限公司 | 基于水平集的ct灌注影像脑组织分割方法和计算机设备 |
CN116363160B (zh) * | 2023-05-30 | 2023-08-29 | 杭州脉流科技有限公司 | 基于水平集的ct灌注影像脑组织分割方法和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102306373A (zh) | 一种腹部器官的三维医学图像分割方法及系统 | |
CN109035197B (zh) | 基于三维卷积神经网络的ct造影图像肾脏肿瘤分割方法及系统 | |
CN106600609B (zh) | 一种医学图像中脊柱的分割方法及系统 | |
CN105913432B (zh) | 基于ct序列图像的主动脉提取方法及装置 | |
CN102048550B (zh) | 一种自动生成肝脏3d图像并准确定位肝脏血管支配区域的方法 | |
CN101393644A (zh) | 一种肝门静脉血管树建模方法及其系统 | |
CN110310281A (zh) | 一种基于Mask-RCNN深度学习的虚拟医疗中肺结节检测与分割方法 | |
CN107230206A (zh) | 一种基于多模态数据的超体素序列肺部图像的3d肺结节分割方法 | |
CN100561518C (zh) | 基于感兴趣区域的自适应医学序列图像插值方法 | |
Viji et al. | Automatic detection of brain tumor based on magnetic resonance image using CAD System with watershed segmentation | |
CN101425186A (zh) | 一种基于ct图像的肝脏分段方法及其系统 | |
CN106780497B (zh) | 一种基于统计信息的器官血管树自动提取方法 | |
CN1973298A (zh) | 显示气管支气管树 | |
CN103501699A (zh) | 用于隔离成像数据中的潜在异常的方法和装置和其对医学图像的应用 | |
JP2007144177A (ja) | 低コントラストの管形状対象のための半自動セグメント分割手法の方法及び装置 | |
CN102938027A (zh) | 一种计算机辅助肝脏移植手术规划系统的实现方法 | |
CN103732151A (zh) | 医用图像装置以及医用图像构成方法 | |
CN102609913A (zh) | Cta图像中肝脏血管增强及肝脏与血管同时分割的方法 | |
CN108268897A (zh) | 一种乳腺肿瘤多模态超声多层次计算机辅助诊断方法 | |
CN105139377A (zh) | 一种腹部ct序列图像肝脏的快速鲁棒自动分割方法 | |
CN102982531A (zh) | 支气管的分割方法及系统 | |
CN104616289A (zh) | 一种3d ct图像中骨组织的移除方法及系统 | |
CN106023205A (zh) | 基于简化粒子群优化二维最大熵阈值的医学影像分割方法 | |
CN108109151A (zh) | 一种基于深度学习和形变模型的超声心动图心室分割方法和装置 | |
Bouchebbah et al. | 3D automatic levels propagation approach to breast MRI tumor segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120104 |