CN103049920B - 用于识别医学成像数据中感兴趣区域的方法及装置 - Google Patents
用于识别医学成像数据中感兴趣区域的方法及装置 Download PDFInfo
- Publication number
- CN103049920B CN103049920B CN201210385774.1A CN201210385774A CN103049920B CN 103049920 B CN103049920 B CN 103049920B CN 201210385774 A CN201210385774 A CN 201210385774A CN 103049920 B CN103049920 B CN 103049920B
- Authority
- CN
- China
- Prior art keywords
- imaging data
- medical imaging
- intensity projection
- maximal value
- mip
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000003384 imaging method Methods 0.000 claims description 9
- 230000000007 visual effect Effects 0.000 description 12
- 229920006343 melt-processible rubber Polymers 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 210000004185 liver Anatomy 0.000 description 5
- 230000003993 interaction Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000010176 18-FDG-positron emission tomography Methods 0.000 description 1
- ZCXUVYAZINUVJD-AHXZWLDOSA-N 2-deoxy-2-((18)F)fluoro-alpha-D-glucose Chemical compound OC[C@H]1O[C@H](O)[C@H]([18F])[C@@H](O)[C@@H]1O ZCXUVYAZINUVJD-AHXZWLDOSA-N 0.000 description 1
- AOYNUTHNTBLRMT-SLPGGIOYSA-N 2-deoxy-2-fluoro-aldehydo-D-glucose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](F)C=O AOYNUTHNTBLRMT-SLPGGIOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000008827 biological function Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- 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
- G06T2207/20068—Projection on vertical or horizontal image axis
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Nuclear Medicine (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及用于识别医学成像数据中感兴趣区域的方法及装置。描述了一种用于识别对象的医学成像数据中感兴趣区域的识别方法。从医学成像数据中产生强度投影图像。然后，处理医学成像数据，以便在医学成像数据中发现一个或更多最大值。将所发现的最大值与强度投影图像进行比较，以及，对强度投影图像中没有表示的一个最大值进行识别。
Description
技术领域
本发明涉及用于识别医学成像数据中、特别是以强度投影图像诸如MIP表示的成像数据中感兴趣区域的方法及装置。
背景技术
在医学成像领域，周知几种成像方案。例如，PET（正电子发射断层成像）是一种以三维方式成像对象用的方法，其使用注射的、在体内进行代谢的放射性物质，典型导致指示一种或多种生物功能的图像。周知其它这种功能成像模态，诸如SPECT。
在这种功能图像中，许多重要的病状及解剖结构呈现为非常高（或低）的强度。例如，在FDG-PET图像中的肿瘤经常呈现为亮区或“热点”。
最大强度投影（MIP）图像是可视化这种医学图像的一种有用的方式。MIP中的各像素是沿与MIP平面正交的射线的最大强度。得到的像素值来自沿此射线的不同深度，因此，MIP可以想象为三维可视化的简单形式。
在肿瘤学方面，旋转最大强度投影（MIP）典型是由PET阅读医师检查的第一图像，以提供病案的快速概况。MIP允许潜在病变的快速定位（rapidlocalisation），并且可以用来在多平面重建视图中导航至感兴趣区域。
由于MIP的本性，只有热点包含沿用来产生MIP的投影线（射线）之一的最高体素值，该热点才可见（参见图1）。此外，只有它在至少一个二维MIP图像上也是热点（或局部最大值），它在该MIP上才是可识别的。
在图1所示的示例中，根据对象的医学图像数据的轴位图像切片（100），如果肝（104）中的摄取（uptake）高于热点中的摄取，则在任何MIP角度（106）都看不见热点（102）。这是因为以任何角度（106）构建二维MIP的各射线都含有高于该热点的最大体素（在肝中）。所以，在MIP上可能看不到图像容积（imagevolume）中的清晰热点。
典型地在现行临床阅读中，MIP通常用来给出病案的初始概况，但依赖MPRs（多平面重建）的详细再捡查来完全阅读病案，假如MPR阅读是彻底的，任何MIP隐藏热点在MPR上仍能阅读。这当然要求更多的步骤、时间及成本。
另外，尽管MIP隐藏热点在MPRs中可能可见，但基于与MPRs互动的任何MIP特征都不可用，例如，点击MIP中的热点以在MPR中将十字准线置于中心，或者点击MIP中的热点以对其分割（segment）。
发明内容
本发明旨在解决这些问题，并且提供对周知装置及方法的改进。
在所附权利要求中陈列了本发明的方面及实施方式。
概括地，本发明第一方面的实施例可以提供一种用于识别对象的医学图像数据中感兴趣区域的方法，包括以下步骤：从医学成像数据中产生强度投影图像；处理医学成像数据以在医学成像数据中发现一个或更多最大值；比较所发现的一个或更多最大值与强度投影图像；以及识别在强度投影图像中没有表示的一个最大值。
这提供了简单并且可可自动化的方式，以识别在医学成像数据中存在然而却在强度投影图像中“隐藏”的任何热点。
优选地，处理的步骤包括定义建立最小值的准则，最大值低于该最小值则不予考虑。
适宜地，准则是下列之一：最小强度门限；包含该最大值的区域的最小容积；最小值局部强度梯度；以及最小强度与背景之比。
在一种其中该准则是最小强度门限的实施例中，该方法包括选择医学成像数据中超过该门限的所有最大值。
优选地，最大值识别为包含在超过该最小值准则的医学成像数据的区域中，该区域的最大值是包含关于该区域最高强度值的体素。
适宜地，强度投影图像是最大强度投影图像。
在一种实施例中，产生、比较、以及识别的步骤包括：产生用于最大强度投影图像的各投影角度；以及，从处理过的成像数据中识别在最大强度投影图像的任何角度对任何投影射线都没有贡献的最大值。
优选地，本实施例进一步包括产生最大强度投影图像中的最大值列表，以及，从处理过的成像数据中识别与列表中的最大值都不相对应的最大值。
适宜地，用于发现最大值的处理步骤包括连通分量算法（connectedcomponentalgorithm）。
优选地，该方法进一步包括显示识别出的最大值与强度投影图像。
本发明第二方面的实施例可以提供用于识别对象的医学成像数据中感兴趣区域的装置，包括：处理器，适合于从医学成像数据中产生强度投影图像，处理医学成像数据以在医学成像数据中发现一个或更多最大值，比较所发现的一个或更多最大值与强度投影图像，以及，识别在强度投影图像中没有表示的一个最大值；以及显示装置，适合于显示所识别出的最大值与强度投影图像。
本发明第三方面的实施例可以提供一种存储计算机程序代码的媒体设备，该程序代码适合于在加载进或者运行于计算机时，导致该计算机成为根据上述实施例中任意一个所述的装置，或者实现根据上述实施例中任意一个所述的方法。
上述方面以及实施方式可以进行组合，以提供本发明的更多方面及实施方式。
附图说明
下面，结合附图示例方式对本发明进行描述，附图中：
图1是图示其中隐藏热点的MIP的图；
图2是根据本发明的实施例在MPR视图中示出潜在隐藏热点的示例图；
图3是图示带有热点隐藏的MIP的图；
图4是图示带有根据本发明的实施例被识别出的隐藏热点的MIP的图；
图5是图示根据本发明实施例的方法步骤的图；以及
图6是图示根据本发明实施例的装置的图。
具体实施方式
在本文中使用下列术语时，可以应用附随的定义：
PET：正电子发射断层成像
SUV：标准摄取值
FDG：F-18氟脱氧葡萄糖，一种PET放射性示踪剂
MIP：最大强度投影（或最小强度投影，通常表示为MinIP）
MRI：磁共振成像
ROI/VOI：感兴趣区域/感兴趣容积
Segmentation（分割）：将体素标定为属于不同类的处理。例如，在医学图像中，可以根据其组织类型对各体素进行标定。
CT：计算机断层成像
MPR：多平面重建
本发明的一种实施例首先识别图像容积中高于某个规定强度门限值的所有热点，然后，对于表示可视化MIP角度的各二维图像，检查各热点是否也表示为局部最大值。如果是，则其在MIP上可见（假设在所显示窗位（windowlevel）处热点与背景之间有足够对比度）。如果否，则可以对MIP上的该热点部位进行计算并加亮。
下面描述的本发明的其它实施例的特征包括：
将高于某个规定门限或容积的潜在临床关联性的图像特征识别为三维图像容积中的局部最大值；
在热点-背景比高于某个最小门限的情况下，如果潜在临床关联性的图像特征也表示局部最大值，则将其分类为在二维最大强度投影中可见；
贯穿三维图像容积的二维切片是多平面重建；以及
可以将允许潜在临床相关性的用户选择图像特征可视化的那些二维最大强度投影选择用于显示。
为了说明，考虑在图2所示18F-FLTPET图像中箭头所指示的热点（202）。图2示出对象的FLTPET图像的轴位、冠状位以及矢状位MPR视图。在相同图像容积/对象的对应MIP上不可见的热点（202）用箭头指示（热点的SUV是6.6，肝（204）附近的SUV平均约为8）。热点202具有6.6的SUVmax，但由于该热点的部位以及示踪剂相对高的肝摄取，此热点在任何角度的旋转MIP（图3）上均不可见。
图3示出同一对象图像容积（302）的正视图MIP（304）和侧视图MIP（306），说明此热点被肝（308）“隐藏”的缺失。图4示出带有用圆加亮的隐藏热点（410）的相同正视MIP以及侧视MIP。
通过识别在任何MIP角度中还未可见为局部最大值的三维容积中的热点，可以识别此隐藏热点在MIP上的部位，并且给用户指出（例如，用环状圆，诸如在图4中）。
本发明一种实施例中所使用的实现示于图5中。首先，输入三维容积（502），并且用高斯滤波器进行平滑（506），以减少由于噪声所致的最大值的总数。然后，使用识别高于给定门限的所有局部最大值的Matlab例程（508）。该门限可以由用户定义，或者基于图像的一些分析（例如，PERCIST基准区域）。除了（或者自动，或者由用户直接定义，或者基于其它用户交互，例如，发现建立有最低强度的强度）定义低于其则该热点不予考虑的最小强度之外，也可以规定其它准则，例如，最小容积或热点-背景比。
在下一步骤中，产生旋转MIP用的各投影角度（504）。对于各投影，对通过先前步骤中识别出的局部最大值追踪的射线进行检查（510），看看对应于该局部最大值的体素是否是沿这些射线的最大强度。对于识别出的在任何MIP角度对任何射线都没有贡献的局部最大值，将这些标志为“错失的热点”。对于那些有贡献的，记录它们在所产生MIP上的部位。一旦产生了各MIP，对应于三维图像中所识别出的局部最大值的那些体素的部位，针对二维MIP中所识别出的局部最大值列表进行交叉检查（512）。将与至少一个角度的二维MIP中的局部最大值不相对应的任何部位添加至“错失的热点”列表（由于这些在MIP上也看不到）。
如果用户期望的话，然后可以将这些“错失的热点”的部位在MIP上加亮（例如，使用有色涂层或者任何其它周知方法，以与MIP组合更多可视信息）。
如果与窗位的强度范围相比局部强度梯度很浅，则与局部最大值相对应的MIP上的一些热点也许仍然不容易可视。一种实施例扩展MIP中局部最大值的检测，在分类热点为“非隐藏”之前，通过规定最小局部强度梯度（其取决于可视化所用的窗/位中的强度范围），以保证该热点与周围区域之间足够的视觉对比。
通过记录从那个热点到其中被投影体素它们也可检测为局部最大值所在MIP图像上的角度，上述方法也可以用来识别给定热点在其上可以可视化的那些MIP角度。这使得当用户选择例如MPR中的热点时，能选择可视化用的合适的MIP角度。
该方法也可以记录一个热点对于多少MIP角度是可视的，与那些在许多角度可视的热点相比，由于这些热点只在例如1个或2个角度上可视，在MIP中更可能错失。
替换的方法可以用来识别原始三维容积中的热点，用于在MIP中对可视化进行检查。例如，可以使用基于交互连通分量（ICC）算法，诸如英国专利申请No.GB2463141中所描述的。在其它实施方式中，可以使用周知的分割算法；能识别三维图像容积中的局部最大值区域的任何方法都可以使用。
参见图6，本发明的上述实施方式可以方便地实现为以执行根据本发明方法步骤用的指令适当进行编程的计算机系统。
例如，中央处理单元604能经由端口605接收代表医学扫描的数据，端口605可以是用于便携式数据存储介质（例如，CD-ROM）的读出器；与诸如医学扫描仪的设备（未示出）的直接链路或者与网络的连接。例如，在一种实施例中，处理器执行这样的步骤，如：从医学成像数据中产生强度投影图像；处理医学成像数据以便在医学成像数据中发现一个或更多最大值；比较所发现的一个或更多最大值与强度投影图像；以及识别在强度投影图像中没有表示的一个最大值。
执行加载在存储器606上的软件应用，以处理随机存取存储器607中的图像数据。
人-机界面608典型包括键盘/鼠标/显示器组合（其允许用户输入诸如应用的初始化），以及，执行应用的结果被显示在其上的显示器。
本领域技术人员应当理解，本发明只是示例方式进行了描述，并且可以采用各种替换的途径而不偏离本发明的范围，本发明的范围由所附权利要求限定。
Claims (11)
1.一种用于识别对象的医学成像数据中感兴趣区域的方法，包括以下步骤：
从所述医学成像数据中产生强度投影图像；
处理所述医学成像数据以便在所述医学成像数据中发现一个或更多局部最大值；
比较所述发现的一个或更多局部最大值与所述强度投影图像；以及
识别在任何MIP角度中还未可见为局部最大值的一个局部最大值。
2.根据权利要求1所述的方法，其中，所述处理步骤包括定义建立最小值的准则，最大值低于所述最小值则不予考虑。
3.根据权利要求2所述的方法，其中，所述准则是下列之一：最小强度门限；包含最大值的区域的最小容积；最小值局部强度梯度；以及最小强度与背景之比。
4.根据权利要求3所述的方法，其中，所述准则是最小强度门限，以及，所述方法包括选择所述医学成像数据中超过所述门限的所有最大值。
5.根据权利要求2至4中任一项所述的方法，其中，最大值识别为包含在超过所述最小值准则的所述医学成像数据的区域中，所述区域的所述最大值是包含对于所述区域的最高强度值的体素。
6.根据前述权利要求1至4中任一项所述的方法，其中，所述强度投影图像是最大强度投影图像。
7.根据权利要求6所述的方法，其中，所述产生、比较、以及识别的步骤包括：
产生用于所述最大强度投影图像的各投影角度；以及
从所处理过的成像数据中识别在所述最大强度投影图像的任何角度对任何投影射线都没有贡献的最大值。
8.根据权利要求7所述的方法，进一步包括产生所述最大强度投影图像中的最大值列表，以及，从所处理过的成像数据中识别与所述列表中的最大值都不相对应的最大值。
9.根据前述权利要求1至4中任一项所述的方法，其中，用于发现最大值的所述处理步骤包括连通分量算法。
10.根据前述权利要求1至4中任一项所述的方法，进一步包括显示所识别出的最大值与所述强度投影图像。
11.一种用于识别对象的医学成像数据中感兴趣区域的装置，包括：
处理器，适合于从所述医学成像数据中产生强度投影图像，处理所述医学成像数据以便在所述医学成像数据中发现一个或更多局部最大值，比较所述发现的一个或更多局部最大值与所述强度投影图像，以及识别在任何MIP角度中还未可见为局部最大值的一个局部最大值；以及
显示装置，适合于显示所识别出的局部最大值与所述强度投影图像。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GB1117807.6 | 2011-10-14 | ||
| GBGB1117807.6A GB201117807D0 (en) | 2011-10-14 | 2011-10-14 | Identifying hotspots hidden on mip |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103049920A CN103049920A (zh) | 2013-04-17 |
| CN103049920B true CN103049920B (zh) | 2016-02-17 |
Family
ID=45219750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210385774.1A Active CN103049920B (zh) | 2011-10-14 | 2012-10-12 | 用于识别医学成像数据中感兴趣区域的方法及装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9117141B2 (zh) |
| CN (1) | CN103049920B (zh) |
| GB (2) | GB201117807D0 (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011128792A2 (en) * | 2010-04-16 | 2011-10-20 | Koninklijke Philips Electronics N.V. | Image data reformatting |
| GB201117807D0 (en) * | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | Identifying hotspots hidden on mip |
| GB201308866D0 (en) * | 2013-05-16 | 2013-07-03 | Siemens Medical Solutions | System and methods for efficient assessment of lesion developemnt |
| WO2018002221A1 (en) * | 2016-06-29 | 2018-01-04 | Koninklijke Philips N.V. | Change detection in medical images |
| WO2020200901A1 (en) * | 2019-04-02 | 2020-10-08 | Koninklijke Philips N.V. | Automated system for rapid detection and indexing of critical regions in non-contrast head ct |
| CN111598896B (zh) * | 2020-04-28 | 2023-12-05 | 腾讯科技（深圳）有限公司 | 图像检测方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1551033A (zh) * | 2003-03-20 | 2004-12-01 | ��ʽ���綫֥ | 用于分析管状结构例如血管的处理器 |
| JP2007054504A (ja) * | 2005-08-26 | 2007-03-08 | Hitachi Medical Corp | 超音波診断装置 |
| US7355598B2 (en) * | 2004-06-25 | 2008-04-08 | Siemens Medical Solutions Usa, Inc. | System and method for fast generation of high-quality maximum/minimum intensity projections |
| JP2009279179A (ja) * | 2008-05-22 | 2009-12-03 | Toshiba Corp | 画像表示装置および画像表示プログラム |
| CN102622743A (zh) * | 2010-11-26 | 2012-08-01 | 美国西门子医疗解决公司 | 用于比较3d和2d图像数据的方法和设备 |
Family Cites Families (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5368033A (en) * | 1993-04-20 | 1994-11-29 | North American Philips Corporation | Magnetic resonance angiography method and apparatus employing an integration projection |
| US5570404A (en) * | 1994-09-30 | 1996-10-29 | Siemens Corporate Research | Method and apparatus for editing abdominal CT angiographic images for blood vessel visualization |
| US6697067B1 (en) * | 1999-09-28 | 2004-02-24 | Cedera Software Corp. | Method and system for storing information regarding a selected view of a three dimensional image generated from a multi-frame object |
| US6639211B1 (en) * | 2000-11-22 | 2003-10-28 | Koninklijke Philips Electronics, N.V. | Contrast-enhanced MRA including an effective zero-latency method of bolus detection |
| DE10206397B4 (de) * | 2002-02-15 | 2005-10-06 | Siemens Ag | Verfahren zur Darstellung von Projektions- oder Schnittbildern aus 3D-Volumendaten eines Untersuchungsvolumens |
| DE10210645B4 (de) * | 2002-03-11 | 2006-04-13 | Siemens Ag | Verfahren zur Erfassung und Darstellung eines in einen Untersuchungsbereich eines Patienten eingeführten medizinischen Katheters |
| EP1420367A1 (en) * | 2002-11-15 | 2004-05-19 | MeVis GmbH | A method for coloring of voxels and image data processing and visualization system |
| JP3968003B2 (ja) * | 2002-11-28 | 2007-08-29 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像処理装置 |
| US7356178B2 (en) * | 2002-12-31 | 2008-04-08 | Koninklijke Philips Electronics N.V. | System and method for improved multiple-dimension image displays |
| US20070201737A1 (en) * | 2003-11-26 | 2007-08-30 | Wenli Cai | System And Method For Vascular Visualization Using Planar Reformation Of Vascular Central Axis Surface With Biconvex Slab |
| US7250949B2 (en) * | 2003-12-23 | 2007-07-31 | General Electric Company | Method and system for visualizing three-dimensional data |
| US20050215889A1 (en) * | 2004-03-29 | 2005-09-29 | The Board of Supervisory of Louisiana State University | Methods for using pet measured metabolism to determine cognitive impairment |
| US7339585B2 (en) * | 2004-07-19 | 2008-03-04 | Pie Medical Imaging B.V. | Method and apparatus for visualization of biological structures with use of 3D position information from segmentation results |
| US20070003118A1 (en) | 2005-06-30 | 2007-01-04 | Wheeler Frederick W | Method and system for projective comparative image analysis and diagnosis |
| GB0910138D0 (en) * | 2009-06-12 | 2009-07-29 | Siemens Medical Solutions | Combination of MIP and anatomical information |
| GB2472273A (en) | 2009-07-31 | 2011-02-02 | Cambridge Silicon Radio Ltd | Fine gain adjustment of tuned circuit for UWB receiver |
| US20110235885A1 (en) * | 2009-08-31 | 2011-09-29 | Siemens Medical Solutions Usa, Inc. | System for Providing Digital Subtraction Angiography (DSA) Medical Images |
| GB201020073D0 (en) * | 2010-11-26 | 2011-01-12 | Siemens Medical Solutions | Anatomically-aware MIP shading |
| US9212189B2 (en) * | 2011-06-10 | 2015-12-15 | The Regents Of The University Of California | Fluorescent probes for reactive sulfur species |
| GB201117808D0 (en) * | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | SUV correction following dose infiltration |
| GB201117807D0 (en) * | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | Identifying hotspots hidden on mip |
| GB201117805D0 (en) * | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | System and methods for efficient multimodal rib lesion readings |
| US9472017B2 (en) * | 2013-01-29 | 2016-10-18 | Siemens Aktiengesellschaft | Fast rendering of curved reformation of a 3D tubular structure |
| GB2511052B (en) * | 2013-02-20 | 2015-03-04 | Siemens Medical Solutions | A method for combining a plurality of image data sets into one multi-fused image |
| GB201308866D0 (en) * | 2013-05-16 | 2013-07-03 | Siemens Medical Solutions | System and methods for efficient assessment of lesion developemnt |
-
2011
- 2011-10-14 GB GBGB1117807.6A patent/GB201117807D0/en not_active Ceased
-
2012
- 2012-09-12 GB GB1216282.2A patent/GB2496246B/en active Active
- 2012-10-12 CN CN201210385774.1A patent/CN103049920B/zh active Active
- 2012-10-12 US US13/650,240 patent/US9117141B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1551033A (zh) * | 2003-03-20 | 2004-12-01 | ��ʽ���綫֥ | 用于分析管状结构例如血管的处理器 |
| US7355598B2 (en) * | 2004-06-25 | 2008-04-08 | Siemens Medical Solutions Usa, Inc. | System and method for fast generation of high-quality maximum/minimum intensity projections |
| JP2007054504A (ja) * | 2005-08-26 | 2007-03-08 | Hitachi Medical Corp | 超音波診断装置 |
| JP2009279179A (ja) * | 2008-05-22 | 2009-12-03 | Toshiba Corp | 画像表示装置および画像表示プログラム |
| CN102622743A (zh) * | 2010-11-26 | 2012-08-01 | 美国西门子医疗解决公司 | 用于比较3d和2d图像数据的方法和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| GB201117807D0 (en) | 2011-11-30 |
| US20130094737A1 (en) | 2013-04-18 |
| GB2496246B (en) | 2013-10-30 |
| GB2496246A (en) | 2013-05-08 |
| GB201216282D0 (en) | 2012-10-24 |
| US9117141B2 (en) | 2015-08-25 |
| CN103049920A (zh) | 2013-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103049920B (zh) | 用于识别医学成像数据中感兴趣区域的方法及装置 | |
| Lawonn et al. | A survey on multimodal medical data visualization | |
| US8498492B2 (en) | Methods of analyzing a selected region of interest in medical image data | |
| Zhou et al. | Automatic multiscale enhancement and segmentation of pulmonary vessels in CT pulmonary angiography images for CAD applications | |
| US9053565B2 (en) | Interactive selection of a region of interest in an image | |
| Godoy et al. | Benefit of computer-aided detection analysis for the detection of subsolid and solid lung nodules on thin-and thick-section CT | |
| CN104508710A (zh) | 对图像数据中的选择性组织的视觉抑制 | |
| US8175363B2 (en) | System and method for additive spatial/intensity decomposition of medical images | |
| US11741598B2 (en) | Method for aiding visualization of lesions in medical imagery and apparatus using the same | |
| CN103093424A (zh) | 用于从医学成像数据中生成增强图像的方法和装置 | |
| US9020218B2 (en) | Methods and apparatus for generating a modified intensity projection image | |
| CN102622743B (zh) | 用于比较3d和2d图像数据的方法和设备 | |
| US9754366B2 (en) | Computer-aided identification of a tissue of interest | |
| Mattonen et al. | Imaging texture analysis for automated prediction of lung cancer recurrence after stereotactic radiotherapy | |
| US8705821B2 (en) | Method and apparatus for multimodal visualization of volume data sets | |
| Zhang et al. | A segmentation method for lung nodule image sequences based on superpixels and density-based spatial clustering of applications with noise | |
| CN106716496B (zh) | 对解剖结构的体积图像进行可视化 | |
| CN103536305A (zh) | 用于执行图像类型识别的系统和方法 | |
| McGurk et al. | Combining multiple FDG‐PET radiotherapy target segmentation methods to reduce the effect of variable performance of individual segmentation methods | |
| CN110706241A (zh) | 一种三维病灶区域提取方法和装置 | |
| CN107480673B (zh) | 确定医学图像中感兴趣区域的方法、装置及图像编辑系统 | |
| Gourdeau et al. | On the proper use of structural similarity for the robust evaluation of medical image synthesis models | |
| Liebgott et al. | ImFEATbox: a toolbox for extraction and analysis of medical image features | |
| Yao et al. | Mixed spine metastasis detection through positron emission tomography/computed tomography synthesis and multiclassifier | |
| US20200013171A1 (en) | Method for quantification of uncertainty of contours in manual & auto segmenting algorithms |
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 |