CN102521823A - 基于弹性成像的图像处理方法及系统 - Google Patents
基于弹性成像的图像处理方法及系统 Download PDFInfo
- Publication number
- CN102521823A CN102521823A CN2011103503850A CN201110350385A CN102521823A CN 102521823 A CN102521823 A CN 102521823A CN 2011103503850 A CN2011103503850 A CN 2011103503850A CN 201110350385 A CN201110350385 A CN 201110350385A CN 102521823 A CN102521823 A CN 102521823A
- Authority
- CN
- China
- Prior art keywords
- intensity profile
- curve
- zone
- point
- area
- 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
Images
Landscapes
- Image Analysis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种基于弹性成像的图像处理方法及系统,包括以下步骤:获取弹性图像;从所述弹性图像中选取关注区域,并从所述关注区域提取灰度分布图;对所述灰度分布图的曲线进行平滑处理;通过对所述灰度分布图曲线上点的斜率划分得到过渡区及辨别区。通过对弹性图像的关注区域进行过渡区提取,得到图像数据的定量信息,可以从繁多复杂的信息中有目的或有针对性的获取特征。同时,也可以根据丰富的数据进行更加精确的数据分析。
Description
【技术领域】
本发明涉及图像处理技术,特别是涉及一种基于弹性成像的图像处理方法及系统。
【背景技术】
随着科学技术的进步,弹性成像技术在医疗卫生领域得到了迅速的发展。弹性成像技术能够得到组织机械力学的信息,丰富了模态成像内容。弹性成像,是对组织施加一个外部激励,在压力-形变等物理规律作用下,组织将产生一个响应,根据该响应得到弹性成像图。
弹性成像反映的是组织整体的弹性概况,目前尚没有对于弹性成像的定量后处理,或对弹性成像的局部图像区域(或者是重点关注区域)处理的相关研究,在图像数据的精确解析和利用方面尚有进一步提升的空间。
【发明内容】
基于此,有必要提供一种能够对弹性成像的局部区域进行处理且更加精确的基于弹性成像的处理方法。
另外,还有必要提供一种能够对弹性成像的局部区域进行处理且更加精确的基于弹性成像的处理系统。
一种基于弹性成像的图像处理方法,包括以下步骤:获取弹性图像;从所述弹性图像中选取关注区域,并从所述关注区域提取灰度分布图;对所述灰度分布图的曲线进行平滑处理;通过对所述灰度分布图曲线上点的斜率划分得到过渡区及对照区。
优选地,所述对所述灰度分布图的曲线进行平滑处理的步骤为:按照所述灰度分布图曲线上的选取点分别提取相邻点,所述相邻点包括预设数量的上相邻点和下相邻点;计算获得上相邻点和下相邻点的灰度平均值,并分别与所述选取点的灰度值做差;判断所述上相邻点与所述选取点的差值的绝对值是否大于所述下相邻点与所述选取点的差值的绝对值,是,则所述选取点的灰度值与下相邻点的灰度平均值相同。
优选地,所述通过对所述灰度分布图曲线上点的斜率划分得到过渡区及对照区的步骤为:获取所述灰度分布图曲线上点的斜率值;将所述斜率值与预设的阈值范围进行比较,判断所述斜率值是否超过所述阈值范围,是,则所述斜率值对应的所述灰度分布图曲线的区域为对照区,否,则为过渡区。
优选地,所述阈值范围为0~0.5。
优选地,所述通过对所述灰度分布图曲线上点的斜率划分得到过渡区及对照区的步骤之后还包括:计算所述过渡区的面积和所述对照区的面积;所述过渡区的面积与所述对照区的面积的比值与预设的面积阈值进行比较,判断是否大于所述面积阈值,是,则所述过渡区为重点关注区。
一种基于弹性成像的图像处理系统,包括:弹性图像模块,用于加载弹性图像;提取模块,用于从所述弹性图像中选取关注区域,并从所述关注区域提取灰度分布图;平滑处理模块,用于对所述灰度分布图的曲线进行平滑处理;划分模块,用于通过对所述灰度分布图曲线上点的斜率划分得到过渡区及对照区。
优选地,所属平滑处理模块包括:选取单元,用于按照所述灰度分布图曲线上的选取点分别提取相邻点,所述相邻点包括预设数量的上相邻点和下相邻点;计算单元,用于计算获得上相邻点和下相邻点的灰度平均值,并分别与所述选取点的灰度值做差;判断单元,用于判断所述上相邻点与所述选取点的差值的绝对值是否大于所述下相邻点与所述选取点的差值的绝对值,是,则所述选取点的灰度值与下相邻点的灰度平均值相同。
优选地,所述划分模块包括:斜率值获取单元,用于获取所述灰度分布图曲线上点的斜率值;比较单元,用于将所述斜率值与预设的阈值范围进行比较,判断所述斜率值是否超过所述阈值范围,是,则所述斜率值对应的所述灰度分布图曲线的区域为对照区,否,则为过渡区。
优选地,所述阈值范围为0~0.5。
优选地,还包括:面积计算模块,用于计算所述过渡区的面积和所述对照区的面积;面积判断模块,用于所述过渡区的面积与所述对照区的面积的比值与预设的面积阈值进行比较,判断是否大于所述面积阈值,是,则所述过渡区为重点关注区。
通过基于弹性成像的图像处理方法及系统在弹性图像中选取关注区域(局部区域),并提取灰度分布图,然后根据灰度分布图曲线上点的斜率信息,获得过渡区及对照区,得到丰富的图像定量数据,可以从繁多复杂的信息中有目的或有针对性的获取信息,进而获得更加精确的信息。
【附图说明】
图1为一实施例中基于弹性成像的图像处理方法的流程图;
图2为一实施例中步骤S30的具体流程图;
图3为举例说明示意图;
图4为一实施例中步骤S40的具体流程图;
图5为另一实施例的方法流程图;
图6为测试组织的实物图;
图7为测试组织的沿指示线的灰度分布度;
图8为测试组织的磁共振T1加权的图;
图9为测试组织的磁共振T1加权图沿指示线的灰度分布图;
图10为测试组织的磁共振弹性图像;
图11为测试组织的磁共振弹性图像的灰度分布图;
图12为另一组测试组织的实物图;
图13为另一组测试组织的沿指示线的灰度分布度;
图14为另一组测试组织的磁共振T1加权的图;
图15为另一组测试组织的磁共振T1加权图沿指示线的灰度分布图;
图16为另一组测试组织的磁共振弹性图像;
图17为另一组测试组织的磁共振弹性图像的灰度分布图;
图18为附图17进行平滑处理的图;
图19为基于弹性成像的图像处理系统的逻辑图;
图20为一实施例中基于弹性成像的图像处理系统的逻辑图。
【具体实施方式】
为了解决目前还没有对弹性成像定量的后处理,或对弹性成像的局部图像区域(或者是重点关注区域)处理的相关研究,在图像数据的解析方面的缺陷,提供了一种基于弹性成像的图像处理方法,详细方案如下:
结合附图1,一种基于弹性成像的图像处理方法,具体步骤如下:
步骤S10:获取弹性图像。弹性成像技术是一种较为成熟的成像技术,根据该技术可以获得弹性图像,该弹性图像可以基于MRI(磁共振)或超声弹性成像获取的图像。
步骤S20:从弹性图像中选取关注区域,并从关注区域提取灰度分布图。具体地,在弹性图像中在关注区域上,选取一“关注线”,沿该“关注线”从弹性图像中提取灰度分布图。
步骤S30:对灰度分布图的曲线进行平滑处理。对获得的灰度分布图多数为锯齿状曲线,不易于从该灰度分布图获取数据。通过对灰度分布图的曲线进行平滑处理后,易于对该关注区域的曲线进行处理,得到丰富的图像数据。
在一实施例中,结合附图2,步骤S30具体为:
步骤S31:按照灰度分布图曲线上的选取点分别提取相邻点,相邻点包括预设数量的上相邻点和下相邻点。具体地,在灰度分布曲线上任意处获得选取点,同时在该选取点相邻点处选取预设数量的上相邻点和下相邻点,该预设数量可以为2个或3个。
步骤S32:计算获得上相邻点和下相邻点的灰度平均值,并分别与选取点的灰度值做差。具体地,在灰度分布图曲线上获得预设数量的上相邻点和下相邻点的灰度值,同时根据算数平均法计算出上相邻点和下相邻点的灰度平均值。上相邻点和下相邻点的灰度值与选取点的灰度值做差,获得差值。
步骤S33:判断上相邻点与选取点的差值的绝对值是否大于下相邻点与选取点的差值的绝对值,是,则选取点的灰度值与下相邻点的灰度平均值相同。具体地,获取上相邻点的差值与选取点的差值的绝对值,以及下相邻点的差值与选取点的差值的绝对值,并判断绝对值大小。是,则选取点的灰度值与下相邻点的灰度平均值相同;否,则选取点的灰度值与上相邻点的灰度平均值相同。
结合具体例子说明,选取点的相邻点的预设数量为2个,结合附图3,具体如下:
在灰度分布图曲线上随机的获得选取点,具体的:选取点为A,其2个上相邻点为A1和A2,2个下相邻点为A-1和A-2;所对应的上相邻点的灰度值为F1和F2,2个下相邻点的灰度值为F-1和F-2,A的灰度值为F。上相邻点对应的灰度平均值为FS=(F1+F2)/2;下相邻点对应的灰度平均值为FX=(F-1+F-2)/2。若F与FS的差值的绝对值大于F与FX的差值的绝对值,则选取点A所对应的F变换为FX,即与下相邻点的FX值相同。
步骤S40:通过对灰度分布图曲线上点的斜率划分得到过渡区及对照区。具体地,获取灰度分布图曲线上点的斜率值,根据斜率值划分区域数据分析区域,即过渡区及对照区,进一步的从弹性图像中的关注区域获取丰富的图像数据。
在一实施例中,结合附图4,步骤S40具体为:
步骤S41:获取灰度分布图曲线上点的斜率值。具体地,在灰度分布曲线的点上获取对应的点的斜率。
步骤S42:将斜率值与预设的阈值范围进行比较,判断斜率值是否超过阈值范围,是,则斜率值对应的灰度分布图曲线的区域为对照区,否,则为过渡区。具体地,将斜率值与预设的阈值范围进行比较,在其它实施例中,该阈值范围为0~0.5,若超过该阈值范围,则该斜率值对应的灰度分布图曲线与横坐标(距离)所包围的区域为对照区;否,则为过渡区。
通过本方案在弹性图像中选取关注区域,并提取灰度分布图,然后根据灰度分布图曲线上点的斜率信息,获得过渡区域及对照区域。可见,对弹性图像的关注区域进行图像处理,得到了丰富的图像数据,而不仅仅是简单的提供弹性图像。
在另一实施例中,结合附图5,还包括如下步骤:
步骤S50:计算过渡区的面积和对照区的面积。具体地,采用微积分方法、填补发或估算法分别得到过渡区的面积和对照区的面积。
步骤S60:过渡区的面积与对照区的面积的比值与预设的面积阈值进行比较,判断是否大于面积阈值,是,则过渡区为重点关注区。具体地,根据渡区的面积与对照区的面积的比值,若超过面积阈值,例如为1/3,则确认该过渡区为重点关注区域,为进一步获取信息提供准确的指引;若没有超过面积阈值,则为非重点关注区。
结合具体附图6~11的实验数据,说明本申请的特点,具体地:
附图6为测试组织的实物图,附图7为该测试组织的沿指示线的灰度分布度;
附图8为测试组织的磁共振T1加权的图,附图9为测试组织的磁共振T1加权图沿指示线的灰度分布图;
附图10为测试组织的磁共振弹性图像,附图11为测试组织的磁共振弹性图像的灰度分布图。
清楚的看到实物图的灰度分布图为锯齿状,相应的磁共振图的灰度分布图为小幅度波动状,趋于均一,进一步提取组织特征信息的难度较大;而磁共振弹性图像的灰度分布图为有一定斜率趋势的曲线,信息丰富。
同时,实物图的灰度分布图、磁共振的灰度分布图以及磁共振弹性图像的灰度分布图都不相一致,而实物图和磁共振的灰度分布图仅是从图像本身反映对实物或图像的认知,而无法获取丰富的数据。磁共振弹性图像的灰度分布图从另一个角度进行分析,通过对该灰度分布图的处理获取丰富的数据。
结合另一组附图12~17的实验数据,进一步说明本申请的优势,具体地:
附图12为另一组测试组织的实物图,附图13为另一组测试组织的沿指示线的灰度分布度;
附图14为另一组测试组织的磁共振T1加权的图,附图15为另一组测试组织的磁共振T1加权图沿指示线的灰度分布图;
附图16为另一组测试组织的磁共振弹性图像,附图17为另一组测试组织的磁共振弹性图像的灰度分布图。
实物图的灰度分布图和磁共振常规图像的灰度分布图与磁共振弹性图像的灰度分布相差较大。本申请方案从弹性成像中所获取的信息较为丰富准确,可对关注区域进一步分析。
现例举一具体方案,结合附图18,划分过渡区和对照区,以及辨别重点关注区和非重点关注区。
附图18为附图17进行平滑处理的图,由此可见,能获得较为光滑的曲线图。根据斜率值在0~0.5范围内所对应的灰度分布图曲线的区域为对照区,不在该范围内的为过渡区。
同时,每个区域所对应的面积为S1、S2和S3。可见,S1/S2和S3/S2大于1/3,则属于重点关注区。
基于上述基于弹性成像的图像处理方法,还有必要建立基于弹性成像的图像处理系统,具体如下:
结合附图19,一种基于弹性成像的图像处理系统,具体步骤如下:
弹性图像模块10,用于加载弹性图像。弹性成像技术是一种较为成熟的成像技术,根据该技术可以获得弹性图像并加载,该弹性图像可以是磁共振弹性成像或超声弹性图像。
提取模块20,用于从弹性图像中选取关注区域,并从关注区域提取灰度分布图。具体地,在弹性图像中在关注区域上,选取一“关注线”,沿该“关注线”从弹性图像中提取灰度分布图。
平滑处理模块30,用于对灰度分布图的曲线进行平滑处理。对获得的灰度分布图多数为锯齿状曲线,不易于从该灰度分布图获取数据。通过对灰度分布图的曲线进行平滑处理后,易于对该关注区域的曲线进行处理,得到丰富的图像数据。
在一实施例中,平滑处理模块30包括:
选取单元31,用于按照灰度分布图曲线上的选取点分别提取相邻点,相邻点包括预设数量的上相邻点和下相邻点。具体地,在灰度分布曲线上任意处获得选取点,同时在该选取点相邻点处选取预设数量的上相邻点和下相邻点,该预设数量可以为2个或3个。
计算单元32,用于计算获得上相邻点和下相邻点的灰度平均值,并分别与选取点的灰度值做差。具体地,在灰度分布图曲线上获得预设数量的上相邻点和下相邻点的灰度值,同时根据算数平均法计算出上相邻点和下相邻点的灰度平均值。上相邻点和下相邻点的灰度值与选取点的灰度值做差,获得差值。
判断单元33,用于判断上相邻点与选取点的差值的绝对值是否大于下相邻点与选取点的差值的绝对值,是,则选取点的灰度值与下相邻点的灰度平均值相同。具体地,获取上相邻点的差值与选取点的差值的绝对值,以及下相邻点的差值与选取点的差值的绝对值,并判断绝对值大小。是,则选取点的灰度值与下相邻点的灰度平均值相同;否,则选取点的灰度值与上相邻点的灰度平均值相同。
结合具体例子说明,选取点的相邻点的预设数量为2个,具体如下:
在灰度分布图曲线上随机的获得选取点,具体的:选取点为A,其2个上相邻点为A1和A2,2个下相邻点为A-1和A-2;所对应的上相邻点的灰度值为F1和F2,2个下相邻点的灰度值为F-1和F-2,A的灰度值为F。上相邻点对应的灰度平均值为FS=(F1+F2)/2;下相邻点对应的灰度平均值为FX=(F-1+F-2)/2。若F与FS的差值的绝对值大于F与FX的差值的绝对值,则选取点A所对应的F变换为FX,即与下相邻点的FX值相同。
划分模块40,用于通过对灰度分布图曲线上点的斜率划分得到过渡区及对照区。具体地,获取灰度分布图曲线上点的斜率值,根据斜率值划分区域数据分析区域,即过渡区及对照区,进一步的从弹性图像中的关注区域获取丰富的图像数据。
在一实施例中,划分模块40包括:
斜率值获取单元41,获取灰度分布图曲线上点的斜率值。具体地,在灰度分布曲线的点上获取对应的点的斜率。
比较单元42,用于将斜率值与预设的阈值范围进行比较,判断斜率值是否超过阈值范围,是,则斜率值对应的灰度分布图曲线的区域为对照区,否,则为过渡区。具体地,将斜率值与预设的阈值范围进行比较,在其它实施例中,该阈值范围为0~0.5,若超过该阈值范围,则该斜率值对应的灰度分布图曲线与横坐标(距离)所包围的区域为对照区;否,则为过渡区。
通过本方案在弹性图像中选取关注区域,并提取灰度分布图,然后根据灰度分布图曲线上点的斜率信息,获得过渡区域及对照区域。可见,对弹性图像的关注区域进行图像处理,得到了丰富的图像数据,而不仅仅是简单的提供弹性图像。
在另一实施例中,结合附图20,还包括:
面积计算模块,用于计算过渡区的面积和对照区的面积。具体地,采用微积分方法、填补发或估算法分别得到过渡区的面积和对照区的面积。
面积判断模块,用于过渡区的面积与对照区的面积的比值与预设的面积阈值进行比较,判断是否大于面积阈值,是,则关注区域为重点关注区。具体地,根据渡区的面积与对照区的面积的比值,若超过面积阈值,例如为1/3,则确认该关注区域为重点关注区域,为进一步获取信息提供准确的指引;若没有超过面积阈值,则为非重点关注区。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于弹性成像的图像处理方法,其特征在于,包括以下步骤:
获取弹性图像;
从所述弹性图像中选取关注区域,并从所述关注区域提取灰度分布图;
对所述灰度分布图的曲线进行平滑处理;
通过对所述灰度分布图曲线上点的斜率划分得到过渡区及对照区。
2.根据权利要求1所述的基于弹性成像的图像处理方法,其特征在于,所述对所述灰度分布图的曲线进行平滑处理的步骤为:
按照所述灰度分布图曲线上的选取点分别提取相邻点,所述相邻点包括预设数量的上相邻点和下相邻点;
计算获得上相邻点和下相邻点的灰度平均值,并分别与所述选取点的灰度值做差;
判断所述上相邻点与所述选取点的差值的绝对值是否大于所述下相邻点与所述选取点的差值的绝对值,是,则所述选取点的灰度值与下相邻点的灰度平均值相同。
3.根据权利要求2所述的基于弹性成像的图像处理方法,其特征在于,所述通过对所述灰度分布图曲线上点的斜率划分得到过渡区及对照区的步骤为:
获取所述灰度分布图曲线上点的斜率值;
将所述斜率值与预设的阈值范围进行比较,判断所述斜率值是否超过所述阈值范围,是,则所述斜率值对应的所述灰度分布图曲线的区域为对照区,否,则为过渡区。
4.根据权利要求3所述的基于弹性成像的图像处理方法,其特征在于,所述阈值范围为0~0.5。
5.根据权利要求3所述的基于弹性成像的图像处理方法,其特征在于,所述通过对所述灰度分布图曲线上点的斜率划分得到过渡区及对照区的步骤之后还包括:
计算所述过渡区的面积和所述对照区的面积;
所述过渡区的面积与所述对照区的面积的比值与预设的面积阈值进行比较,判断是否大于所述面积阈值,是,则所述过渡区为重点关注区。
6.一种基于弹性成像的图像处理系统,其特征在于,包括:
弹性图像模块,用于加载弹性图像;
提取模块,用于从所述弹性图像中选取关注区域,并从所述关注区域提取灰度分布图;
平滑处理模块,用于对所述灰度分布图的曲线进行平滑处理;
划分模块,用于通过对所述灰度分布图曲线上点的斜率划分得到过渡区及对照区。
7.根据权利要求6所述的基于弹性成像的图像处理系统,其特征在于,所属平滑处理模块包括:
选取单元,用于按照所述灰度分布图曲线上的选取点分别提取相邻点,所述相邻点包括预设数量的上相邻点和下相邻点;
计算单元,用于计算获得上相邻点和下相邻点的灰度平均值,并分别与所述选取点的灰度值做差;
判断单元,用于判断所述上相邻点与所述选取点的差值的绝对值是否大于所述下相邻点与所述选取点的差值的绝对值,是,则所述选取点的灰度值与下相邻点的灰度平均值相同。
8.根据权利要求7所述的基于弹性成像的图像处理系统,其特征在于,所述划分模块包括:
斜率值获取单元,用于获取所述灰度分布图曲线上点的斜率值;
比较单元,用于将所述斜率值与预设的阈值范围进行比较,判断所述斜率值是否超过所述阈值范围,是,则所述斜率值对应的所述灰度分布图曲线的区域为对照区,否,则为过渡区。
9.根据权利要求8所述的基于弹性成像的图像处理系统,其特征在于,所述阈值范围为0~0.5。
10.根据权利要求7所述的基于弹性成像的图像处理系统,其特征在于,还包括:
面积计算模块,用于计算所述过渡区的面积和所述对照区的面积;
面积判断模块,用于所述过渡区的面积与所述对照区的面积的比值与预设的面积阈值进行比较,判断是否大于所述面积阈值,是,则所述过渡区为重点关注区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103503850A CN102521823B (zh) | 2011-11-08 | 2011-11-08 | 基于弹性成像的图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103503850A CN102521823B (zh) | 2011-11-08 | 2011-11-08 | 基于弹性成像的图像处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102521823A true CN102521823A (zh) | 2012-06-27 |
CN102521823B CN102521823B (zh) | 2013-12-11 |
Family
ID=46292727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011103503850A Active CN102521823B (zh) | 2011-11-08 | 2011-11-08 | 基于弹性成像的图像处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102521823B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919918A (zh) * | 2019-02-21 | 2019-06-21 | 清华大学 | 弹性成像的控制方法及装置、计算机设备及可读存储介质 |
CN113030816A (zh) * | 2021-04-15 | 2021-06-25 | 上海交通大学 | 提高磁共振弹性成像模量计算分辨率的方法、系统及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101226155A (zh) * | 2007-12-21 | 2008-07-23 | 中国人民解放军第八一医院 | 智能化肺癌早期细胞病理图像识别处理方法 |
CN101276218A (zh) * | 2008-04-29 | 2008-10-01 | 上海交通大学 | 针对高实时性图像采集与处理的机器视觉系统 |
-
2011
- 2011-11-08 CN CN2011103503850A patent/CN102521823B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101226155A (zh) * | 2007-12-21 | 2008-07-23 | 中国人民解放军第八一医院 | 智能化肺癌早期细胞病理图像识别处理方法 |
CN101276218A (zh) * | 2008-04-29 | 2008-10-01 | 上海交通大学 | 针对高实时性图像采集与处理的机器视觉系统 |
Non-Patent Citations (2)
Title |
---|
张立保,李冬玲,余先川,王鹏飞,蔡蕾: "基于直方图的感兴趣区图像边缘检测", 《强激光与粒子束》, vol. 22, no. 8, 31 August 2010 (2010-08-31), pages 1847 - 1850 * |
李春林: "冠脉造影图像的血管识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 5, 31 May 2011 (2011-05-31), pages 1 - 50 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919918A (zh) * | 2019-02-21 | 2019-06-21 | 清华大学 | 弹性成像的控制方法及装置、计算机设备及可读存储介质 |
CN113030816A (zh) * | 2021-04-15 | 2021-06-25 | 上海交通大学 | 提高磁共振弹性成像模量计算分辨率的方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102521823B (zh) | 2013-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alperin et al. | PUBS: pulsatility‐based segmentation of lumens conducting non‐steady flow | |
CN109580657A (zh) | 一种桥梁质量检测中的裂缝检测方法 | |
Girton et al. | Confined compression of a tissue-equivalent: collagen fibril and cell alignment in response to anisotropic strain | |
CN104574298B (zh) | 一种基于互信息的多b值扩散权重图像的降噪方法 | |
US20120136255A1 (en) | Tissue malignant tumor detection method and tissue malignant tumor detection apparatus | |
CN104268883B (zh) | 一种基于边缘检测的时频谱曲线提取方法 | |
Lokeshwor et al. | Robust method for automated segmentation of frames with/without distress from road surface video clips | |
CN110309824A (zh) | 文字检测方法、装置以及终端 | |
CN102184414B (zh) | 泵示功图的识别和判断方法及其系统 | |
CN108802459A (zh) | 一种示波器自动测试系统及方法 | |
CN101799864A (zh) | 基于血管内超声波图像的动脉斑块类型自动识别方法 | |
KR20090088404A (ko) | 의료 이미징 시스템 | |
EP1306742A3 (en) | A graphical interface | |
CN101976444A (zh) | 一种基于像素类型的结构类似性图像质量客观评价方法 | |
CN102521823B (zh) | 基于弹性成像的图像处理方法及系统 | |
CN101706561A (zh) | 功能性磁共振图像的聚类方法 | |
CN108537787A (zh) | 一种人脸图像的质量判定方法 | |
CN106088168A (zh) | 建筑物桩体的低应变双速度信号平均检测方法 | |
Lin et al. | Damage detection of structures with detrended fluctuation and detrended cross-correlation analyses | |
CN106923826A (zh) | 一种磁共振成像的方法及系统 | |
CN103049913A (zh) | 脑部磁共振血管造影数据的分割方法及装置 | |
CN105225234A (zh) | 基于支持向量机mri图像分割的肺部肿瘤识别方法 | |
CN103886571B (zh) | 一种乳房三维图像的分割方法和装置 | |
CN114429269A (zh) | 一种人因工效测评方法、系统及装置 | |
CN108416761B (zh) | 针对弥散磁共振影像所估计的人脑白质连接特征优化方法 |
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 |