CN103854276A - 图像配准及分割装置和方法，以及医学图像设备 - Google Patents
图像配准及分割装置和方法，以及医学图像设备 Download PDFInfo
- Publication number
- CN103854276A CN103854276A CN201210514828.XA CN201210514828A CN103854276A CN 103854276 A CN103854276 A CN 103854276A CN 201210514828 A CN201210514828 A CN 201210514828A CN 103854276 A CN103854276 A CN 103854276A
- Authority
- CN
- China
- Prior art keywords
- image
- registration
- input picture
- deformation information
- rigid registration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000003709 image segmentation Methods 0.000 title abstract description 4
- 238000003745 diagnosis Methods 0.000 claims description 10
- 238000005192 partition Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 6
- 238000002059 diagnostic imaging Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 210000001835 viscera Anatomy 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
Abstract
本发明提供了一种图像配准及分割装置和方法以及医学图像设备。所述图像配准装置包括：刚体配准部件，用于对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息；第一非刚体配准部件，用于以第一变形信息作为初始变形信息，对第一和第二输入图像进行第一非刚体配准，以得到第二变形信息；以及第二非刚体配准部件，用于以第二变形信息作为初始变形信息，对第一和第二输入图像进行第二非刚体配准，以得到第三变形信息。通过刚体配准与非刚体配准相结合，能够实现快速的图像配准。
Description
技术领域
本发明涉及图像处理领域，更具体而言，涉及一种图像配准装置和方法、图像分割装置和方法以及医学图像设备。
背景技术
图像配准和图像分割是图像处理领域的一个重要课题，具有广泛的应用前景。例如，通过将成像对象的图像与基准图像进行配准，可以获得二者之间的相对变形信息。这种变形信息有助于后续对成像对象的识别，例如图像分割。将这种变形信息叠加到成像对象的图像上，可以获得配准图像。配准图像也可以看作是成像对象的图像以基准图像为基准经过校正后的图像。通过利用标记有感兴趣区域的基准图像对配准图像进行分割，可以确定配准图像中的感兴趣区域。
准确性、快速性和可行性是图像配准的几个重要因素。
发明内容
在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
本发明的一个目的是提供一种图像配准装置和方法，以便能够实现快速的图像配准。本发明的另一个目的是提供一种图像分割装置和方法以及一种医学图像设备。
根据本发明的一个方面，一种图像配准装置包括：刚体配准部件，用于对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息；第一非刚体配准部件，用于以第一变形信息作为初始变形信息，对第一和第二输入图像进行第一非刚体配准，以得到第二变形信息；以及第二非刚体配准部件，用于以第二变形信息作为初始变形信息，对第一和第二输入图像进行第二非刚体配准，以得到第三变形信息。
根据本发明的另一个方面，一种图像配准方法包括：对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息；以第一变形信息作为初始变形信息，对第一和第二输入图像进行第一非刚体配准，以得到第二变形信息；以及以第二变形信息作为初始变形信息，对第一和第二输入图像进行第二非刚体配准，以得到第三变形信息。
根据本发明的另一个方面，一种图像分割装置包括：图像配准部件，用于将第一输入图像和作为基准的第二输入图像配准，图像配准部件由根据本发明的以上方面的图像配准装置实施；图像扭曲部件，用于将图像配准部件得到的第三变形信息叠加到第一或第二输入图像上，以生成配准图像；以及图像标记部件，用于根据第三输入图像在配准图像上标记出感兴趣区域，所述第三输入图像是通过在第二输入图像上标记出预定的感兴趣区域而获得的。
根据本发明的另一个方面，一种图像分割方法包括：对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息；以第一变形信息作为初始变形信息，对第一和第二输入图像进行第一非刚体配准，以得到第二变形信息；以第二变形信息作为初始变形信息，对第一和第二输入图像进行第二非刚体配准，以得到第三变形信息；将第三变形信息叠加到第一输入图像或第二输入图像上，以生成配准图像；以及根据第三输入图像在配准图像上标记出感兴趣区域，所述第三输入图像是通过在第二输入图像上标记出预定的感兴趣区域而获得的。
根据本发明的另一个方面，一种医学图像设备包括：根据本发明的以上方面的图像配准装置。
根据本发明的又一个方面，一种医学图像设备包括：根据本发明的以上方面的图像分割装置。
另外，本发明的另一方面还提供了用于实现上述图像配准方法的计算机程序。
此外，本发明的另一方面还提供了至少计算机可读介质形式的计算机程序产品，其上记录有用于实现上述图像配准方法的计算机程序代码。
另外，本发明的另一方面还提供了用于实现上述图像分割方法的计算机程序。
此外，本发明的另一方面还提供了至少计算机可读介质形式的计算机程序产品，其上记录有用于实现上述图像分割方法的计算机程序代码。
在本发明的方法、装置和设备中，通过刚体配准与非刚体配准相结合，能够实现快速的图像配准。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中：
图1示出根据本发明的一个实施例的图像配准装置的示意性框图；
图2示出根据本发明的另一个实施例的图像配准装置的示意性框图；
图3示出根据本发明的一个实施例的配准图像生成部件的示意性框图；
图4示出根据本发明的另一个实施例的图像配准装置的示意性框图；
图5示出根据本发明的一个实施例的图像配准方法的示意性流程图；
图6示出根据本发明的一个实施例的图像分割装置的示意性框图；
图7示出根据本发明的一个实施例的图像分割方法的示意性流程图；
图8示出根据本发明的一个实施例的医学图像设备的示意性框图；
图9示出根据本发明的另一个实施例的医学图像设备的示意性框图；以及
图10示出可以实现本发明的实施例/示例的计算机的结构的示例性框图。
具体实施方式
下面将参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意，为了清楚的目的，附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
图像配准可以用于找出待配准图像与基准图像之间的相对变形信息。常见的变形信息是变形场，但不限于此。变形场是一种矢量场，它能够反映待配准图像与基准图像中相对应的结构（例如特征点）间的变化。以下结合图1-5来描述根据本发明实施例的图像配准装置和方法。
如图1所示，本发明的一个实施例的图像配准装置100包括刚体配准部件110、第一非刚体配准部件120和第二非刚体配准部件130。刚体配准部件110用于对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息。第一非刚体配准部件120用于以第一变形信息作为初始变形信息，对第一和第二输入图像进行第一非刚体配准，以得到第二变形信息。第二非刚体配准部件130用于以第二变形信息作为初始变形信息，对第一和第二输入图像进行第二非刚体配准，以得到第三变形信息。第三变形信息可作为图像配准装置100的最终配准结果。
按空间变换关系，图像配准可被归为两个大类:刚体配准（rigidregistration）和非刚体配准（non-rigid registration）。刚体配准针对图像的全局变形，如整幅图像的旋转、平移、缩放等，即，刚性配准是不包括图像中的局部变形的对准处理。非刚性配准针对图像的各种局部变形，即，非刚性配准是利用图像的局部变形（如图像的局部扭曲）进行的对准处理。
在图像配准装置100中，通过刚体配准部件进行刚体配准后，可以获得第一与第二输入图像之间的大的全局变形的变形信息。在非刚体配准中需要进行多次迭代。以这种变形信息作为初始变形信息进行非刚体配准，可以消除图像间的大的全局变形对非刚体配准的影响，避免由于例如第一输入图像相对于第二输入图像存在大的全局变形而导致非刚体配准耗时过长，又能具有非刚体配准的高准确性。由此，图像配准装置100可以提供较快的配准速度。
在本发明的实施例中，刚体配准部件110可以使用各种适当的刚体配准方法，例如基于点的配准方法、基于分割的配准方法或基于体素特征的配准方法。刚体配准中的相似性度量可以采用基于互信息和归一化互信息联合直方图的方法、或者基于均方差(Mean Square Difference)、或者相关系数(Correlation Coefficient)或梯度相似性(Gradient Similarity)等方法,刚体配准中的优化方法可以采用Powell查找,伪穷举(Pseudo-Exhaustive)等优化方法，这里不一一列举。
在本发明的实施例中，第一非刚体配准部件120和第二非刚体配准部件130可以分别使用适当的非刚体配准方法。例如可以采用基于基本函数描述变形域的配准、薄板样条或B样条的配准、基于弹性变形等物理模型的配准、或者基于光流场的配准等非刚体配准方法，这里不一一列举。
作为示例，在本发明的一个实施例中，第一非刚体配准部件120采用非微分同胚（non-diffeomorphic）配准方法进行第一非刚体配准。
作为另一示例，在本发明的一个实施例中，第二非刚体配准部件130采用微分同胚（diffeomorphic）配准方法进行第二非刚体配准，以较高的准确率来优化第一非刚体配准部件120获得的配准结果（即第二变形信息）。
与微分同胚配准方法相比，非微分同胚配准方法可以获得图像间较大的局部变形，但准确性不及微分同胚配准方法。当将上述两个实施例组合时，以这种较大的局部变形信息作为初始变形信息进行微分同胚配准，可以消除大的局部变形对微分同胚配准的影响，避免由于例如第一输入图像相对于第二输入图像存在大的局部变形而导致微分同胚配准耗时过长，又能具有微分同胚配准的更高准确性。
在一个实施例中，第二非刚体配准部件130采用的微分同胚配准方法是微分同胚Demons（Differomorphic Demons）算法。该算法准确性高，速度较快。
在另一个实施例中，第二非刚体配准部件130采用的微分同胚配准方法是大变形微分同胚尺度映射（Large Deformation Diffeomorphic MetricMapping）算法。该算法准确性更高，但速度较慢。然而，由于已经通过刚体配准部件110消除了图像中大的全局变形的影响，并通过第一非刚体配准部件消除了图像中大的局部变形的影响，因此即便第二非刚体配准部件130采用大变形微分同胚尺度映射算法，也会获得比单独采用大变形微分同胚尺度映射算法进行图像配准更快的速度。
图2示出根据本发明的另一个实施例的图像配准装置的示意性框图。在该实施例中，通过生成配准图像，使用户能够方便地观察到经配准的图像。配准图像可以看作是第一输入图像以第二输入图像为基准经过校正后的图像。
如图2所示，图像配准装置200包括刚体配准部件210、第一非刚体配准部件220、第二非刚体配准部件230和配准图像生成部件240。其中，刚体配准部件210、第一非刚体配准部件220和第二非刚体配准部件230与图1中的刚体配准部件110、第一非刚体配准部件120和第二非刚体配准部件130的功能相同，这里不再重复。配准图像生成部件240用于将由第二非刚体配准部件130得到的第三变形信息叠加到第一输入图像上，以生成配准图像。或者，配准图像生成部件240也可以将第三变形信息叠加到第二输入图像上以生成配准图像。变形信息例如变形场通常是矢量场的形式。这里，矢量场中的每个矢量表示第一输入图像与第二输入图像中的相应结构（如特征点）的变化量和方向。应当理解，当该矢量场表示从第一输入图像到第二输入图像的变化时，可以将该矢量场直接叠加到第一输入图像上，或者反向后叠加到第二输入图像上，以获得配准图像。类似地，当该矢量场表示从第二输入图像到第一输入图像的变化时，可以将该矢量场直接叠加到第二输入图像上，或者反向后叠加到第一输入图像上，以获得配准图像。
在图像配准的过程中，由于在计算机中存储的图像均为数字图像，图像中的像素点的坐标均采用整数表示。在对图像进行空间变换（这里指将第三变形信息叠加到第一或第二输入图像）时，变换后的像素点的坐标可能不再是整数，这时需要对图像进行重采样，这个重采样的过程通常需要图像插值来完成。因此，在图3所示的实施例中，配准图像生成部件240包括插值部件241。插值部件241用于在生成配准图像之前，对叠加了第三变形信息后的第一输入图像或第二输入图像进行插值，以使图像的像素点的坐标成为整数（即在叠加了第三变形信息后的具有非整数坐标的像素之间插入坐标为整数的像素）。插值部件241可以使用现有的各种适当的方法进行插值，例如最邻近插值法、双线性插值法、样条插值法等，这里不一一列举。
为了进一步提高图像配准装置100的配准速度，在本发明的另一个实施例中，通过分别降低第一输入图像和第二输入图像的分辨率来分别生成分辨率不同的两组图像，采用从低分辨率到高分辨率的多尺度（multi-scale）方式来完成图像的配准。图4示出根据本发明的这种实施例的图像配准装置的示意性框图。
如图4所示，图像配准装置400包括刚体配准部件410、第一非刚体配准部件420、第二非刚体配准部件430和低分辨率图像生成部件440。其中，低分辨率图像生成部件440用于从第一输入图像生成呈金字塔结构的不同分辨率的一组多个图像，并从第二输入图像生成呈金字塔结构的不同分辨率的一组多个图像。一个图像对应的金字塔结构是以金字塔形状排列的分辨率逐步降低的一组多个图像。通过以不同尺度（scale）降低原图像的分辨率而得到一组多个图像。第一输入图像的金字塔最底层的图像的分辨率可以等于或低于第一输入图像的分辨率。第一输入图像的金字塔最顶层的图像的分辨率最低。第二输入图像的金字塔最底层的图像的分辨率可以等于或低于第二输入图像的分辨率。第二输入图像的金字塔最顶层的图像的分辨率最低。为了方便配准，第一输入图像的金字塔每层的分辨率与第二输入图像的金字塔相应层的分辨率相同。低分辨率图像生成部件440可以使用现有的各种适当的方法生成第一输入图像和第二输入图像的低分辨率图像。例如，可以采用高斯下采样法以获得低分辨率图像。
刚体配准部件410、第一非刚体配准部件420和第二非刚体配准部件430具有图1中的刚体配准部件110、第一非刚体配准部件120和第二非刚体配准部件130的功能。此外，在图4所示的实施例中，刚体配准部件410从第一和第二输入图像的金字塔结构中的预定较低分辨率的图像开始至第一和第二输入图像的金字塔结构中的预定较高分辨率的图像进行多次刚体配准，在前一次配准所得到的变形信息作为下一次配准的初始变形信息，以最后一次得到的变形信息作为第一变形信息。第一非刚体配准部件420以第一变形信息作为初始变形信息，从第一和第二输入图像的金字塔结构中的预定较低分辨率的图像开始至第一和第二输入图像的金字塔结构中的预定较高分辨率的图像进行多次第一非刚体配准，在前一次配准所得到的变形信息作为下一次配准的初始变形信息，以最后一次得到的变形信息作为第二变形信息。第二非刚体配准部件430以第二变形信息作为初始变形信息，从第一和第二输入图像的金字塔结构中的预定较低分辨率的图像开始至第一和第二输入图像的金字塔结构中的预定较高分辨率的图像进行多次第二非刚体配准，在前一次配准所得到的变形信息作为下一次配准的初始变形信息，以最后一次得到的变形信息作为第三变形信息。
刚体配准、第一非刚体配准以及第二非刚体配准这三个过程中所采用的图像的分辨率是相互独立的。在刚体配准结束时的图像的分辨率不同于第一非刚体配准开始时的图像的分辨率的情况下，第一非刚体配准部件420可以将第一变形信息变换为具有第一非刚体配准开始时的图像的分辨率的变形信息，以作为第一非刚体配准的初始变形信息。类似地，在第一非刚体配准结束时的图像的分辨率不同于第二非刚体配准开始时的图像的分辨率的情况下，第二非刚体配准部件430可以将第二变形信息变换为具有第二非刚体配准开始时的图像的分辨率的变形信息，以作为第二非刚体配准的初始变形信息。
作为具体示例，在上一配准过程结束时的分辨率低于下一配准过程开始的分辨率的情况下，下一配准部件可以采用例如上采样法来处理上一配准过程的结果变形信息（例如变形场），以得到具有下一配准过程开始的分辨率的变形信息。在上一配准过程结束时的分辨率高于下一配准过程开始的分辨率的情况下，下一配准部件可以采用例如下采样法来处理上一配准过程的结果变形信息（例如变形场），以得到具有下一配准过程开始的分辨率的变形信息。
低分辨率图像所包含的信息量要低于高分辨率图像所包含的信息量，相应地，对低分辨率图像的处理速度也高于对高分辨率图像的处理速度。通过根据较低分辨率图像的配准结果进行较高分辨率图像的配准，可以保证图像配准的准确率。因此，与直接对原始分辨率的图像进行配准的方法相比，基于多分辨率的配准方法可以有效提高配准速度。
显然，刚体配准部件410、第一非刚体配准部件420、第二非刚体配准部件430未必都使用低分辨率图像。视具体情形而定，可以只是其中一个或者两个使用低分辨率图像。
在本发明的一个实施例中，上述图像配准装置还可以包括预处理部件（未示出），用于对第一输入图像和/或第二输入图像进行适当的预处理。根据实际需求来确定进行何种预处理。例如，当应用于脑部图像的配准时，预处理部件可以用于从第一输入图像和/或第二输入图像中去除脑壳部分，并将第一输入图像和/或第二输入图像转变为灰度图像。
图5示出根据本发明的一个实施例的图像配准方法的示意性流程图。如图5所示，在步骤S510中，对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息。步骤S510可以由根据上述实施例的图像配准装置中的刚体配准部件110、210或310等来执行。在步骤S520中，以第一变形信息作为初始变形信息，对第一和第二输入图像进行第一非刚体配准，以得到第二变形信息。步骤S520可以由根据上述实施例的图像配准装置中的第一非刚体配准部件120、220或320等来执行。在步骤S530中，以第二变形信息作为初始变形信息，对第一和第二输入图像进行第二非刚体配准，以得到第三变形信息。步骤S530可以由根据上述实施例的图像配准装置中的第二非刚体配准部件130、230或330等来执行。关于所述图像配准方法的各个步骤的更具体细节以及更多可能步骤，可以参考以上对根据本发明实施例的图像配准装置中各个部件的描述，这里不再赘述。
根据本发明的上述实施例的图像配准装置和方法可以用于对二维图像或三维体图像进行配准，而没有限制。
应当理解，根据本发明的实施例的图像配准装置和方法可用于各种图像的配准。例如，根据本发明的实施例的图像配准装置和方法可用于医学图像的配准。在一个实施例中，第一输入图像可以是根据通过医疗诊断装置获得的数据而形成的医学图像，作为基准的第二输入图像可以是选自医学图谱（medical atlas）的相应图像。在医学图谱中，按人体的内脏器官对人体的图像进行分割，并对各内脏器官、功能范围名称等构建对应的数据。在另一个实施例中，第一和第二输入图像都可以是根据通过医疗诊断装置获得的数据而形成的医学图像。例如，作为基准图像的第二输入图像是根据针对某一地区或民族的有代表性的被检测者获得的数据而形成的医学图像，而第一输入图像是根据针对同一地区或民族的其他被检测者获得的数据而形成的医学图像。
这里所述的医学图像可以是根据利用医疗诊断成像装置获得的被检测者的数据而形成的图像。这里所述的医疗诊断装置包括但不限于：X射线成像诊断装置、超声波（UL）诊断成像装置、计算机断层扫描（CT）装置、磁共振成像（MRI）诊断成像装置、正电子发射断层扫描（PositronEmission Tomography，PET）装置等。
根据本发明实施例的图像配准技术可以用于基于配准的图像分割。图6示出根据本发明的一个实施例的图像分割装置的示意性框图。如图6所示，图像分割装置600包括图像配准部件610、图像扭曲部件620和图像标记部件630。图像配准部件610用于将第一输入图像和作为基准的第二输入图像配准。可以用根据上述任一实施例的图像配准装置100、200或300来实施图像配准部件610。图像扭曲（warping）部件620用于将图像配准部件610得到的第三变形信息叠加到第一或第二输入图像上，以生成配准图像。图像标记（labeling）部件630用于根据第三输入图像上对感兴趣区域的标记在配准图像上标记出感兴趣区域。其中，第三输入图像是通过在第二输入图像上标记出预定的感兴趣区域而获得的。例如，第三输入图像是通过在第二输入图像（如选自医学图谱的相应图像）标记出感兴趣的内脏器官的名称、功能范围的名称等而获得的。
通过使用根据本发明实施例的图像配准装置来实施图像配准部件610，可以提供较快的配准速度，由此提供较快的图像分割速度。
图7示出根据本发明的一个实施例的图像分割方法的示意性流程图。如图7所示，在步骤S710中，对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息。在步骤S720中，以第一变形信息作为初始变形信息，对第一和第二输入图像进行第一非刚体配准，以得到第二变形信息。在步骤S730中，以第二变形信息作为初始变形信息，对第一和第二输入图像进行第二非刚体配准，以得到第三变形信息。步骤S710、S720和S730可以由图像配准部件610来执行，更具体而言，可以分别由用于实施图像配准部件610的图像配准装置中的刚体配准部件、第一非刚体配准部件和第二非刚体配准部件来执行。接着，在步骤S740中，将第三变形信息叠加到第一或第二输入图像上，以生成配准图像。步骤S740可以由图像扭曲部件620来执行。在步骤S750中，根据第三输入图像在配准图像上标记出感兴趣区域。其中第三输入图像是通过在第二输入图像上标记出预定的感兴趣区域而获得的。步骤S750可以由图像标记部件630来执行。关于所述图像分割方法的各个步骤的更具体细节以及更多可能步骤，可以参考以上对根据本发明实施例的图像分割装置中各个部件的描述，这里不再赘述。
根据本发明的上述实施例的图像分割装置和方法可以用于对二维图像或三维体图像进行分割，而没有限制。
同样，根据本发明的实施例的图像分割装置和方法可用于各种图像的分割。例如，根据本发明的实施例的图像分割装置和方法可用于医学图像的分割。在一个实施例中，第一输入图像可以是根据通过医疗诊断装置获得的数据而形成的医学图像，作为基准的第二输入图像可以是选自医学图谱的相应图像。在另一个实施例中，第一和第二输入图像都可以是根据通过医疗诊断装置获得的数据而形成的医学图像。
图8示出根据本发明的一个实施例的医学图像设备的示意性框图。为了不模糊本发明的精神和范围，在图8中省略了医学图像设备的其它可能部件。医学图像设备800包括图像配准装置810，以对输入图像进行配准。图像配准装置810可以是根据上述任一实施例的图像配准装置100、200或300。医学图像设备800例如是X射线成像诊断装置、超声波（UL）诊断成像装置、计算机断层扫描（CT）装置、磁共振成像（MRI）诊断成像装置、或者正电子发射断层扫描（Positron Emission Tomography，PET）装置等，而没有限制。
图9示出根据本发明的另一个实施例的医学图像设备的示意性框图。为了不模糊本发明的精神和范围，在图9中省略了医学图像设备的其它可能部件。医学图像设备900包括图像分割装置910，以对输入图像进行分割。图像分割装置910可以是根据上述任一实施例的图像分割装置600。医学图像设备900例如是X射线成像诊断装置、超声波（UL）诊断成像装置、计算机断层扫描（CT）装置、磁共振成像（MRI）诊断成像装置、或者正电子发射断层扫描（Positron Emission Tomography，PET）装置等，而没有限制。
将上述图像配准装置和图像分割装置设置在医学图像设备中时可使用的具体手段或方式为本领域技术人员所熟知，在此不再赘述。
作为一个示例，上述图像配准方法和图像分割方法的各个步骤以及上述图像配准装置和图像分割装置的各个组成模块和/或单元可以实施为软件、固件、硬件或其组合。在通过软件或固件实现的情况下，可以从存储介质或网络向具有专用硬件结构的计算机（例如图10所示的通用计算机1200）安装构成用于实施上述方法的软件的程序，该计算机在安装有各种程序时，能够执行各种功能等。
在图10中，运算处理单元(即CPU)1001根据只读存储器(ROM)1002中存储的程序或从存储部分1008加载到随机存取存储器(RAM)1003的程序执行各种处理。在RAM 1003中，也根据需要存储当CPU 1001执行各种处理等等时所需的数据。CPU 1001、ROM 1002和RAM 1003经由总线1004彼此链路。输入/输出接口1005也链路到总线1004。
下述部件链路到输入/输出接口1005：输入部分1006（包括键盘、鼠标等等）、输出部分1007（包括显示器，比如阴极射线管(CRT)、液晶显示器(LCD)等，和扬声器等）、存储部分1008（包括硬盘等）、通信部分1009（包括网络接口卡比如LAN卡、调制解调器等）。通信部分1009经由网络比如因特网执行通信处理。根据需要，驱动器1010也可链路到输入/输出接口1005。可拆卸介质1011比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器1010上，使得从中读出的计算机程序根据需要被安装到存储部分1008中。
在通过软件实现上述系列处理的情况下，从网络比如因特网或存储介质比如可拆卸介质1011安装构成软件的程序。
本领域的技术人员应当理解，这种存储介质不局限于图10所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质1011。可拆卸介质1011的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘（包含迷你盘(MD)(注册商标))和半导体存储器。或者，存储介质可以是ROM 1002、存储部分1008中包含的硬盘等等，其中存有程序，并且与包含它们的设备一起被分发给用户。
本发明还提出一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时，可执行上述根据本发明实施例的图像配准方法。
本发明还提出一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时，可执行上述根据本发明实施例的图像分割方法。
相应地，用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本发明的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
在上面对本发明具体实施例的描述中，针对一种实施方式描述和/或示出的特征可以用相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。
应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在上述实施例和示例中，采用了数字组成的附图标记来表示各个步骤和/或单元。本领域的普通技术人员应理解，这些附图标记只是为了便于叙述和绘图，而并非表示其顺序或任何其他限定。
此外，本发明的方法不限于按照说明书中描述的时间顺序来执行，也可以按照其他的时间顺序地、并行地或独立地执行。因此，本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
尽管上面已经通过对本发明的具体实施例的描述对本发明进行了披露，但是，应该理解，上述的所有实施例和示例均是示例性的，而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本发明的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本发明的保护范围内。
Claims (18)
1.一种图像配准装置，包括：
刚体配准部件，用于对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息；
第一非刚体配准部件，用于以所述第一变形信息作为初始变形信息，对所述第一和第二输入图像进行第一非刚体配准，以得到第二变形信息；以及
第二非刚体配准部件，用于以所述第二变形信息作为初始变形信息，对所述第一和第二输入图像进行第二非刚体配准，以得到第三变形信息。
2.根据权利要求1的图像配准装置，其中，所述第一非刚体配准部件采用非微分同胚配准方法进行所述第一非刚体配准。
3.根据权利要求1的图像配准装置，其中，所述第二非刚体配准部件采用微分同胚配准方法进行所述第二非刚体配准。
4.根据权利要求3的图像配准装置，其中，所述微分同胚配准方法是微分同胚Demons算法。
5.根据权利要求3的图像配准装置，其中，所述微分同胚配准方法是大变形微分同胚尺度映射算法。
6.根据权利要求1的图像配准装置，还包括低分辨率图像生成部件，用于从所述第一输入图像和所述第二输入图像分别生成呈金字塔结构的不同分辨率的多个图像，其中所述第一输入图像的金字塔最底层的图像的分辨率等于或低于所述第一输入图像的分辨率，所述第二输入图像的金字塔最底层的图像的分辨率等于或低于所述第二输入图像的分辨率，所述第一输入图像的金字塔每层的分辨率与所述第二输入图像的金字塔相应层的分辨率相同，
其中，所述刚体配准部件、所述第一非刚体配准部件以及所述第二非刚体配准部件中的至少一个从所述第一和第二输入图像的金字塔结构中的预定较低分辨率的图像开始至所述第一和第二输入图像的金字塔结构中的预定较高分辨率的图像进行多次配准，并且，前一次配准所得到的变形信息作为下一次配准的初始变形信息。
7.根据权利要求6的图像配准装置，其中，
所述第一非刚体配准部件还用于在所述刚体配准结束时的图像的分辨率不同于所述第一非刚体配准开始时的图像的分辨率的情况下，将所述第一变形信息变换为具有所述第一非刚体配准开始时的图像的分辨率的变形信息，以作为所述第一非刚体配准的初始变形信息；以及/或者
所述第二非刚体配准部件还用于在所述第一非刚体配准结束时的图像的分辨率不同于所述第二非刚体配准开始时的图像的分辨率的情况下，将所述第二变形信息变换为具有所述第二非刚体配准开始时的图像的分辨率的变形信息，以作为所述第二非刚体配准的初始变形信息。
8.根据权利要求1的图像配准装置，还包括：
配准图像生成部件，用于将所述第三变形信息叠加到所述第一输入图像或所述第二输入图像上，以生成配准图像。
9.根据权利要求8的图像配准装置，其中，所述配准图像生成部件还包括插值部件，用于在生成配准图像之前，对叠加后的所述第一输入图像或所述第二输入图像进行插值。
10.根据权利要求1到9中任一项的图像配准装置，其中，所述第一输入图像是根据通过医疗诊断装置获得的数据而形成的医学图像，所述第二输入图像是选自医学图谱的相应图像。
11.根据权利要求1到9中任一项的图像配准装置，其中，所述第一和第二输入图像是根据通过医疗诊断装置获得的数据而形成的医学图像。
12.一种图像分割装置，包括：
图像配准部件，用于将第一输入图像和作为基准的第二输入图像配准，所述图像配准部件由根据权利要求1-11中任一项所述的图像配准装置实施；
图像扭曲部件，用于将所述图像配准部件得到的第三变形信息叠加到所述第一或第二输入图像上，以生成配准图像；以及
图像标记部件，用于根据第三输入图像在所述配准图像上标记出感兴趣区域，所述第三输入图像是通过在所述第二输入图像上标记出预定的感兴趣区域而获得的。
13.根据权利要求12的图像分割装置，其中，所述第一输入图像是根据通过医疗诊断装置获得的数据而形成的医学图像，所述第二输入图像是选自医学图谱的相应图像。
14.根据权利要求12的图像分割装置，其中，所述第一和第二输入图像为根据通过医疗诊断装置获得的数据而形成的医学图像。
15.一种医学图像设备，包括如权利要求1-11中任一项所述的图像配准装置。
16.一种医学图像设备，包括如权利要求12-14中任一项所述的图像分割装置。
17.一种图像配准方法，包括：
对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息；
以所述第一变形信息作为初始变形信息，对所述第一和第二输入图像进行第一非刚体配准，以得到第二变形信息；以及
以所述第二变形信息作为初始变形信息，对所述第一和第二输入图像进行第二非刚体配准，以得到第三变形信息。
18.一种图像分割方法，包括：
对第一输入图像和作为基准的第二输入图像进行刚体配准，以得到第一变形信息；
以所述第一变形信息作为初始变形信息，对所述第一和第二输入图像进行第一非刚体配准，以得到第二变形信息；
以所述第二变形信息作为初始变形信息，对所述第一和第二输入图像进行第二非刚体配准，以得到第三变形信息；
将所述第三变形信息叠加到所述第一输入图像或所述第二输入图像上，以生成配准图像；以及
根据第三输入图像在所述配准图像上标记出感兴趣区域，所述第三输入图像是通过在所述第二输入图像上标记出预定的感兴趣区域而获得的。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210514828.XA CN103854276B (zh) | 2012-12-04 | 2012-12-04 | 图像配准及分割装置和方法，以及医学图像设备 |
| JP2013232318A JP6373570B2 (ja) | 2012-12-04 | 2013-11-08 | 画像位置合わせ装置、画像セグメンテーション装置、医用画像装置、画像位置合わせ方法、及び画像セグメンテーション方法 |
| US14/094,905 US9214009B2 (en) | 2012-12-04 | 2013-12-03 | Image registration device and method, image segmentation device and method and medical image apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210514828.XA CN103854276B (zh) | 2012-12-04 | 2012-12-04 | 图像配准及分割装置和方法，以及医学图像设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103854276A true CN103854276A (zh) | 2014-06-11 |
| CN103854276B CN103854276B (zh) | 2018-02-09 |
Family
ID=50825499
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210514828.XA Active CN103854276B (zh) | 2012-12-04 | 2012-12-04 | 图像配准及分割装置和方法，以及医学图像设备 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9214009B2 (zh) |
| JP (1) | JP6373570B2 (zh) |
| CN (1) | CN103854276B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106815832A (zh) * | 2016-12-20 | 2017-06-09 | 华中科技大学 | 一种表面贴装技术的钢网图像自动配准方法和系统 |
| CN107133946A (zh) * | 2017-04-28 | 2017-09-05 | 上海联影医疗科技有限公司 | 医学图像处理方法、装置及设备 |
| CN108447044A (zh) * | 2017-11-21 | 2018-08-24 | 四川大学 | 一种基于医学图像配准的骨髓炎病变分析方法 |
| CN109685840A (zh) * | 2018-12-28 | 2019-04-26 | 上海联影智能医疗科技有限公司 | 图像集配准方法、装置、计算机设备和存储介质 |
| CN110084839A (zh) * | 2019-03-28 | 2019-08-02 | 昆明理工大学 | 一种用于天文图像配准的方法 |
| CN110893108A (zh) * | 2018-09-13 | 2020-03-20 | 佳能医疗系统株式会社 | 医用图像诊断装置、医用图像诊断方法及超声波诊断装置 |
| CN112150485A (zh) * | 2020-09-28 | 2020-12-29 | 上海联影医疗科技股份有限公司 | 图像分割方法、装置、计算机设备和存储介质 |
| CN113487656A (zh) * | 2021-07-26 | 2021-10-08 | 推想医疗科技股份有限公司 | 图像配准方法及装置，训练方法及装置，控制方法及装置 |
| CN114708283A (zh) * | 2022-04-21 | 2022-07-05 | 推想医疗科技股份有限公司 | 图像目标的分割方法、装置、电子设备及存储介质 |
| CN116503453A (zh) * | 2023-06-21 | 2023-07-28 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 图像配准方法、装置、计算机可读存储介质及电子设备 |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9552533B2 (en) * | 2013-03-05 | 2017-01-24 | Toshiba Medical Systems Corporation | Image registration apparatus and method |
| CN105303547A (zh) * | 2014-07-11 | 2016-02-03 | 东北大学 | 一种基于网格匹配的Demons算法的多期CT图像配准方法 |
| JP6482250B2 (ja) * | 2014-11-20 | 2019-03-13 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
| CN104599268A (zh) * | 2015-01-06 | 2015-05-06 | 广州医科大学附属肿瘤医院 | 一种联合点配准的局部区域精确变形配准算法 |
| CN106611411B (zh) * | 2015-10-19 | 2020-06-26 | 上海联影医疗科技有限公司 | 一种医学图像中肋骨分割的方法及医学图像处理装置 |
| US10043280B2 (en) | 2015-10-19 | 2018-08-07 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for image segmentation |
| US9760983B2 (en) | 2015-10-19 | 2017-09-12 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image registration in medical imaging system |
| JP6905323B2 (ja) * | 2016-01-15 | 2021-07-21 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
| WO2017132403A1 (en) | 2016-01-26 | 2017-08-03 | The Regents Of The University Of California | Symplectomorphic image registration |
| JP6706128B2 (ja) | 2016-04-13 | 2020-06-03 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
| US9870614B1 (en) | 2016-07-25 | 2018-01-16 | Sony Corporation | Automatic 3D brain tumor segmentation and classification |
| JP6732593B2 (ja) * | 2016-08-03 | 2020-07-29 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
| JP6548615B2 (ja) | 2016-08-23 | 2019-07-24 | 富士フイルム株式会社 | 磁場歪み算出装置、方法およびプログラム |
| US10176570B2 (en) * | 2016-11-16 | 2019-01-08 | Sony Corporation | Inter-patient brain registration |
| US11270445B2 (en) | 2017-03-06 | 2022-03-08 | The Regents Of The University Of California | Joint estimation with space-time entropy regularization |
| CN109325971B (zh) * | 2018-08-02 | 2022-04-01 | 东软医疗系统股份有限公司 | 图像配准方法及装置 |
| TWI680744B (zh) | 2018-10-04 | 2020-01-01 | 臺北榮民總醫院 | 定位顱內電極的方法和系統 |
| US11131737B2 (en) | 2019-06-04 | 2021-09-28 | The Regents Of The University Of California | Joint estimation diffusion imaging (JEDI) |
| CN110458874B (zh) * | 2019-07-17 | 2023-03-28 | 苏州博芮恩光电科技有限公司 | 一种图像非刚性配准方法和系统 |
| CN110838140A (zh) * | 2019-11-27 | 2020-02-25 | 艾瑞迈迪科技石家庄有限公司 | 基于混合监督学习的超声和核磁图像配准融合方法及装置 |
| US11665340B2 (en) * | 2021-03-22 | 2023-05-30 | Meta Platforms, Inc. | Systems and methods for histogram-based weighted prediction in video encoding |
| CN113409291B (zh) * | 2021-06-29 | 2022-04-22 | 山东大学 | 一种肺部4d-ct医学图像配准方法及系统 |
| CN114373004B (zh) * | 2022-01-13 | 2024-04-02 | 强联智创（北京）科技有限公司 | 一种动态图像配准方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1627095A (zh) * | 2003-12-12 | 2005-06-15 | 中国科学院自动化研究所 | 基于非均匀有理基样条的非刚体脑图像配准方法 |
| CN102411780A (zh) * | 2011-09-07 | 2012-04-11 | 华南理工大学 | 一种基于配准的ct图像全心脏自动分割系统 |
| US20120140998A1 (en) * | 2010-10-26 | 2012-06-07 | Siemens Corporation | Deformable Motion Correction for Stent Visibility Enhancement |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11353464A (ja) * | 1998-06-10 | 1999-12-24 | Fuji Photo Film Co Ltd | 補間画像生成装置 |
| US6611615B1 (en) * | 1999-06-25 | 2003-08-26 | University Of Iowa Research Foundation | Method and apparatus for generating consistent image registration |
| EP1266225A2 (en) * | 2000-03-20 | 2002-12-18 | Oxford GlycoSciences (UK) Limited | Diagnosis and treatment of breast cancer |
| US20070280556A1 (en) * | 2006-06-02 | 2007-12-06 | General Electric Company | System and method for geometry driven registration |
| US20090080737A1 (en) | 2007-09-25 | 2009-03-26 | General Electric Company | System and Method for Use of Fluoroscope and Computed Tomography Registration for Sinuplasty Navigation |
| US8600131B2 (en) * | 2008-07-07 | 2013-12-03 | The Johns Hopkins University | Advanced cost functions for image registration for automated image analysis: multi-channel, hypertemplate and atlas with built-in variability |
| US8385688B2 (en) * | 2008-08-27 | 2013-02-26 | International Business Machines Corporation | System and method for automatic recognition and labeling of anatomical structures and vessels in medical imaging scans |
| JP5147656B2 (ja) * | 2008-11-20 | 2013-02-20 | キヤノン株式会社 | 画像処理装置、画像処理方法、プログラム、及び記憶媒体 |
| CA2748416C (en) * | 2008-12-29 | 2016-07-26 | Mauna Kea Technologies | Image processing method and apparatus |
| JP2011024763A (ja) * | 2009-07-24 | 2011-02-10 | Hitachi Ltd | 画像処理方法および画像処理装置 |
| US8494243B2 (en) * | 2009-07-29 | 2013-07-23 | Siemens Aktiengesellschaft | Deformable 2D-3D registration of structure |
| JP5572440B2 (ja) * | 2009-09-15 | 2014-08-13 | 富士フイルム株式会社 | 診断支援システム、診断支援プログラムおよび診断支援方法 |
| JP5404277B2 (ja) * | 2009-09-24 | 2014-01-29 | 株式会社Ａｚｅ | 医用画像データ位置合せ装置、方法およびプログラム |
| GB0917154D0 (en) * | 2009-09-30 | 2009-11-11 | Imp Innovations Ltd | Method and apparatus for processing medical images |
| JP5784718B2 (ja) * | 2010-06-15 | 2015-09-24 | コーニンクレッカ フィリップス エヌ ヴェ | 顕微鏡検査法の画像処理方法 |
| JP5858636B2 (ja) * | 2011-04-13 | 2016-02-10 | キヤノン株式会社 | 画像処理装置、その処理方法及びプログラム |
| US8600132B2 (en) * | 2011-05-03 | 2013-12-03 | General Electric Company | Method and apparatus for motion correcting medical images |
| US9218643B2 (en) * | 2011-05-12 | 2015-12-22 | The Johns Hopkins University | Method and system for registering images |
| US8989461B2 (en) * | 2012-05-11 | 2015-03-24 | Siemens Aktiengesellschaft | Method of deformable motion correction and image registration in X-ray stent imaging |
| US9761014B2 (en) * | 2012-11-15 | 2017-09-12 | Siemens Healthcare Gmbh | System and method for registering pre-operative and intra-operative images using biomechanical model simulations |
-
2012
- 2012-12-04 CN CN201210514828.XA patent/CN103854276B/zh active Active
-
2013
- 2013-11-08 JP JP2013232318A patent/JP6373570B2/ja active Active
- 2013-12-03 US US14/094,905 patent/US9214009B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1627095A (zh) * | 2003-12-12 | 2005-06-15 | 中国科学院自动化研究所 | 基于非均匀有理基样条的非刚体脑图像配准方法 |
| US20120140998A1 (en) * | 2010-10-26 | 2012-06-07 | Siemens Corporation | Deformable Motion Correction for Stent Visibility Enhancement |
| CN102411780A (zh) * | 2011-09-07 | 2012-04-11 | 华南理工大学 | 一种基于配准的ct图像全心脏自动分割系统 |
Non-Patent Citations (1)
| Title |
|---|
| 杨玲等: "牙周膜胶原纤维组织切片的显微图像配准", 《计算机工程与应用》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106815832A (zh) * | 2016-12-20 | 2017-06-09 | 华中科技大学 | 一种表面贴装技术的钢网图像自动配准方法和系统 |
| CN106815832B (zh) * | 2016-12-20 | 2019-05-21 | 华中科技大学 | 一种表面贴装技术的钢网图像自动配准方法和系统 |
| CN107133946A (zh) * | 2017-04-28 | 2017-09-05 | 上海联影医疗科技有限公司 | 医学图像处理方法、装置及设备 |
| CN107133946B (zh) * | 2017-04-28 | 2020-05-22 | 上海联影医疗科技有限公司 | 医学图像处理方法、装置及设备 |
| CN108447044A (zh) * | 2017-11-21 | 2018-08-24 | 四川大学 | 一种基于医学图像配准的骨髓炎病变分析方法 |
| CN110893108A (zh) * | 2018-09-13 | 2020-03-20 | 佳能医疗系统株式会社 | 医用图像诊断装置、医用图像诊断方法及超声波诊断装置 |
| CN109685840A (zh) * | 2018-12-28 | 2019-04-26 | 上海联影智能医疗科技有限公司 | 图像集配准方法、装置、计算机设备和存储介质 |
| CN110084839A (zh) * | 2019-03-28 | 2019-08-02 | 昆明理工大学 | 一种用于天文图像配准的方法 |
| CN110084839B (zh) * | 2019-03-28 | 2022-07-22 | 昆明理工大学 | 一种用于天文图像配准的方法 |
| CN112150485A (zh) * | 2020-09-28 | 2020-12-29 | 上海联影医疗科技股份有限公司 | 图像分割方法、装置、计算机设备和存储介质 |
| CN112150485B (zh) * | 2020-09-28 | 2023-05-30 | 上海联影医疗科技股份有限公司 | 图像分割方法、装置、计算机设备和存储介质 |
| CN113487656A (zh) * | 2021-07-26 | 2021-10-08 | 推想医疗科技股份有限公司 | 图像配准方法及装置，训练方法及装置，控制方法及装置 |
| CN114708283A (zh) * | 2022-04-21 | 2022-07-05 | 推想医疗科技股份有限公司 | 图像目标的分割方法、装置、电子设备及存储介质 |
| CN116503453A (zh) * | 2023-06-21 | 2023-07-28 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 图像配准方法、装置、计算机可读存储介质及电子设备 |
| CN116503453B (zh) * | 2023-06-21 | 2023-09-26 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 图像配准方法、装置、计算机可读存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6373570B2 (ja) | 2018-08-15 |
| JP2014108349A (ja) | 2014-06-12 |
| US20140153797A1 (en) | 2014-06-05 |
| CN103854276B (zh) | 2018-02-09 |
| US9214009B2 (en) | 2015-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103854276A (zh) | 图像配准及分割装置和方法，以及医学图像设备 | |
| CN110475505B (zh) | 利用全卷积网络的自动分割 | |
| US7813535B2 (en) | System and method for fused PET-CT visualization for heart unfolding | |
| US8135189B2 (en) | System and method for organ segmentation using surface patch classification in 2D and 3D images | |
| US9547902B2 (en) | Method and system for physiological image registration and fusion | |
| US9953429B2 (en) | Model-based segmentation of an anatomical structure | |
| US9965857B2 (en) | Medical image processing | |
| US8792729B2 (en) | Image processing apparatus and method | |
| Oghli et al. | Automatic fetal biometry prediction using a novel deep convolutional network architecture | |
| US8861891B2 (en) | Hierarchical atlas-based segmentation | |
| US9280819B2 (en) | Image segmentation techniques | |
| EP1929444B1 (en) | A method of and a system for adapting a geometric model using multiple partial transformations | |
| CN112102373A (zh) | 一种基于强约束仿射形变特征学习的颈动脉多模态图像配准方法 | |
| CN112233125A (zh) | 图像分割方法、装置、电子设备及计算机可读存储介质 | |
| CN109584201A (zh) | 医学图像配准方法、配准系统、存储介质、及电子设备 | |
| Kéchichian et al. | Automatic 3D multiorgan segmentation via clustering and graph cut using spatial relations and hierarchically-registered atlases | |
| Nascimento et al. | One shot segmentation: unifying rigid detection and non-rigid segmentation using elastic regularization | |
| US20220108540A1 (en) | Devices, systems and methods for generating and providing image information | |
| Shalbaf et al. | Left ventricle wall motion quantification from echocardiographic images by non-rigid image registration | |
| CN108805876B (zh) | 使用生物力学模型的磁共振和超声图像的可形变配准的方法和系统 | |
| Mulder et al. | Multiframe registration of real-time three-dimensional echocardiography time series | |
| M. Harandi et al. | 3D segmentation of the tongue in MRI: a minimally interactive model-based approach | |
| Nuñez-Garcia et al. | Automatic multiplanar CT reformatting from trans-axial into left ventricle short-axis view | |
| CN111724395A (zh) | 心脏图像四维上下文分割方法、设备、存储介质及装置 | |
| Korez et al. | Intervertebral disc segmentation in MR images with 3D convolutional networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160707 Address after: Japan Tochigi Tian Yuan City Applicant after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Applicant before: Toshiba Corp Applicant before: Toshiba Medical System Co., Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |