CN103932708B - 一种心脏多平面的重构方法 - Google Patents
一种心脏多平面的重构方法 Download PDFInfo
- Publication number
- CN103932708B CN103932708B CN201310025369.3A CN201310025369A CN103932708B CN 103932708 B CN103932708 B CN 103932708B CN 201310025369 A CN201310025369 A CN 201310025369A CN 103932708 B CN103932708 B CN 103932708B
- Authority
- CN
- China
- Prior art keywords
- heart
- mrow
- cardiac
- multilevel
- position detector
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种心脏多平面的重构方法，包括如下步骤：a)输入心脏三维图像，并初步定位所述心脏所在的区域；b)根据心脏所在的区域和心脏的位置检测器，检测确定心脏长轴方向的关键特征点,并根据其获取传统心脏视角的长轴；c)继续检测确定心脏第一短轴方向的关键特征点,并根据其获取传统心脏视角的第一短轴；d)将长轴方向和第一短轴方向通过正交化方法得到第二短轴的方向；e)将心脏三维图像转化为基于传统心脏视角的长轴、第一短轴和第二短轴的图像。本发明提供的心脏多平面的重构方法，通过检测心脏中关键特征点的位置来确定心脏的长轴、短轴方向实现心脏多平面的自动重构，大大减少计算量和重构时间。
Description
技术领域
本发明涉及一种医学图像重构方法，尤其涉及一种心脏多平面的重构方法。
背景技术
心脏在胸腔中的位置个体差异性很大，不能使用躯体标准的正交轴平面如横轴位、冠状位和矢状位进行断层成像显示。为了对心脏有一个统一的解剖描述，美国心脏协会（AHA）在2002年对心脏的断层解剖成像和命名方式进行了统一。为了使获得的心脏断层图像与美国心脏协会推荐的标准更加接近，临床需要对医学图像（包括磁共振、CT、超声等模态数据）进行心脏多平面重新成形的矫正工作。
现有的心脏多平面重构方法主要分为人机交互的方法和模型匹配的方法。人机交互的方法是指人们手工确定传统心脏视图的长轴和短轴位。参见文献1：李坤成，心血管磁共振成像诊断学，北京人民卫生出版社，1992；文献2：杨正汉、冯逢、王霄英，磁共振成像技术指南：检查规范、临床策略及新技术应用，人民军医出版社出版；文献3：Sheckhar.R andZagrodsky.V.Cine MPR:interactive multiplanar reformatting of four-dimensionalcardiac data using hardware-accelerated texture mapping.IEEE Transactions onInformation Technology in Biomedicine.Volume7Issue4,Page 384-393,December2003；以及文献4：Manning.W.J,Pennell.D.J.Cardiovascular MagneticResonance.NewYork:Chruchill Livingstone,2001。根据不同的心脏成像平面定位的定义，这些方法通常需要手工调整图像来主观的确定心脏试图的长轴和短轴位或是其中的一些关键位置。
模型配准的方法则是将一个标准的心脏模型配准到输入图像中。通过搜索模型姿态的参数空间（通常包括旋转、平移、尺度），计算出匹配分值最高的参数集。然后将标准心脏模型中对应的长轴和短轴位的位置按照这些参数映射到输入图像中，以得到输入图像中的长轴和短轴位。
由上可见，现有的心脏多平面重构方法中大多需要配准心脏模型网格或是进行人机交互，往往存在运算量过大的问题，或者需要复杂的手工操作，不能满足商用系统的要求。因此，有必要按照临床医学对心脏CT或MRI的图像视角的要求改进传统心脏多平面重构方法。
发明内容
本发明所要解决的技术问题是提供一种心脏多平面的重构方法，能够不需要配准心脏模型网格或是进行人机交互即可实现心脏多平面的自动重构，并且大大减少计算量和重构时间。
本发明为解决上述技术问题而采用的技术方案是提供一种心脏多平面的重构方法，包括如下步骤：a)输入心脏三维图像，并根据所述心脏的第一批位置检测器初步定位所述心脏所在的区域；b)根据所述心脏所在的区域和所述心脏的第二批位置检测器，检测确定心脏长轴方向的第一组关键特征点,并根据所述第一组关键特征点获取传统心脏视角的长轴；c)根据所述心脏所在的区域和所述心脏的第三批位置检测器，检测确定心脏第一短轴方向的第二组关键特征点,并根据所述第二组关键特征点获取传统心脏视角的第一短轴；d)根据所述长轴方向和第一短轴方向，通过正交化方法得到第二短轴的方向；e)将所述步骤a)中心脏三维图像转化为基于传统心脏视角的长轴、短轴的图像。
上述的心脏多平面的重构方法，其中，所述第一批位置检测器的位置包括所述心脏的中心和底部、所述心脏在矢状轴和冠状轴方向上的边界点。
上述的心脏多平面的重构方法，其中，所述第一批位置检测器、第二批位置检测器和第三批位置检测器通过Adaboost树训练得到。
上述的心脏多平面的重构方法，其中，所述第一批位置检测器、第二批位置检测器和第三批位置检测器为基于哈尔特征、灰度特征或梯度特征的特征位置检测器。
上述的心脏多平面的重构方法，其中，所述哈尔特征的响应公式为：
Response＝∑WiHi；
其中，Hi＝I(x+w,y+l,z+h)-I(x,y,z)-I(x,y+l,z+h)-I(x+w,y,z+h)-I(x+w,y+l,z)+I(x,y,z+h)+I(x,y+l,z)+I(x+w,y,z)；
式中，Response表示所述哈尔特征的响应公式，i表示所述输入心脏三维图像中所有矩形区域的个数，Hi是所述所有矩形区域中的一个矩形区域内所有体素点的灰度值的平均值，所述矩形区域的左上角坐标为（x,y,z），l、h和w分别为所述矩形区域的长、高和宽，I为所述输入心脏三维图像的积分图像。
上述的心脏多平面的重构方法，其中，所述第一组关键特征点至少包括二尖瓣中心点、左心室心尖点、左心室中心点和左心房中心点中的两个特征点。
上述的心脏多平面的重构方法，其中，所述左心室心尖点为左心室内壁心尖点、左心室外壁心尖点或以所述左心室内壁心尖点和左心室外壁心尖点所在的坐标值的平均值作为坐标值的点。
上述的心脏多平面的重构方法，其中，所述传统心脏视角的长轴获取如下：将获取的所有所述第一组关键特征点归一化，组成矩阵，并对所述矩阵进行矩阵奇异值分解，求取所述矩阵最大特征值对应的特征向量作为所述长轴方向。
上述的心脏多平面的重构方法，其中，所述第二组关键特征点至少包括三尖瓣中心点、右心室中心点和右心房中心点中的一个特征点。
上述的心脏多平面的重构方法，其中，所述第二组关键特征点超过一个，则所述第一短轴方向的特征点的坐标值为所述所有特征点的坐标值的平均值；并以经过所述第一短轴方向的特征点且垂直于所述长轴的直线作为所述传统心脏视角的第一短轴。
上述的心脏多平面的重构方法，其中，所述正交化方法为施密特正交化方法。
上述的心脏多平面的重构方法，其中，所述心脏三维图像为磁共振图像、CT图像或超声等模态数据图像。
本发明对比现有技术有如下的有益效果：本发明提供的心脏多平面的重构方法，通过检测心脏中关键特征点的位置来确定心脏的长轴、短轴方向，从而矫正输入图像到传统心脏的视图图像，不需要配准心脏模型网格或是进行人机交互即可实现心脏多平面的自动重构，并且大大减少计算量和重构时间。
附图说明
图1为本发明心脏多平面的重构流程示意图；
图2为采用本发明心脏多平面的重构方法后获取的标准视图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
图1为本发明心脏多平面的重构流程示意图。
请参见图1，本发明提供的心脏多平面的重构方法包括如下步骤：
步骤S101：在输入的心脏三维参考图像中，根据所述心脏的第一批位置检测器初步定位所述心脏所在的区域。具体地，在本实施例中，所述第一批位置检测器使用基于哈尔特征的心脏特征位置检测器来定位心脏所在的区域。所述第一批位置检测器的位置包括心脏的中心和底部、所述心脏在矢状轴和冠状轴方向上的边界点。需要说明的是，所述第一批位置检测器也可以使用基于灰度或梯度特征的特征位置检测器。所述特征位置检测器通过机器学习训练得到，在本实施例中，基于概率Adaboost树的分类器构建，比如使用两层的Adaboost树型检测器。通过第一批位置检测器检测到的特征位置，就可以初步定位心脏所在的区域，根据特征位置可以划分出心脏所在的矩形区域。输入的心脏三维图像可以为磁共振图像、CT图像或超声等模态数据图像等医学上常用的非标准图像。
在本发明中，通过计算输入心脏三维图像的积分图像，哈尔特征的响应值可以通过几次加减法就快速计算得到。一个哈尔特征可以表示为：
Response＝∑wiHi （1）
在（1）式中，Response表示所述哈尔特征的响应公式，i表示所述输入心脏三维图像中所有矩形区域的个数，Hi是所述所有矩形区域中的一个矩形区域内所有体素点的灰度值的平均值。假设这个矩形区域的左上角坐标为（x,y,z），而这个矩形区域的长高宽分别为l、h和w。输入的心脏三维图像的积分图像为I。在积分图像上计算Haar特征的响应的公式可以表示为：
Hi＝I(x+w,y+l,z+h)-I(x,y,z)-I(x,y+l,z+h)
-I(x+w,y,z+h)-I(x+w,y+l,z)+I(x,y,z+h)
+I(x,y+l,z)+I(x+w,y,z) （2）
通过（2）式，本发明可以只通过一些加减计算就可以得到哈尔特征的响应，而灰度特征响应值可以直接取相应位置灰度值得到，梯度特征响应可以用特定尺寸的哈尔特征来代替。因此本发明使用的特征位置检测器相比于传统的检测方法计算更加简单而快速。
步骤S102：根据所述心脏所在的区域和所述心脏的第二批位置检测器，检测确定心脏长轴方向的第一组关键特征点,并根据所述第一组关键特征点获取传统心脏视角的长轴。具体地，在检测到包括整个心脏的矩形框区域内，使用心脏的第二批位置检测器检测第一组关键特征点，其中，第二批位置检测器中的位置包括二尖瓣中心的位置、左心室内壁心尖点的位置、左心室外壁心尖点的位置、左心室中心点的位置以及左心房中心点的位置。如步骤S101所述，第二批位置检测器也是基于概率Adaboost树的分类器构建，且是基于哈尔特征的特征位置检测器。该步骤可以使用三层的概率Adaboost树型的检测器来获取上述第一组关键特征点，并计算传统心脏视角的长轴。通过第二批位置检测器检测得到第一组关键特征点记为集合S1。由于左心室内壁心尖点和左心室外壁心尖点位置比较靠近，为了保证精度，心尖位置优选只取一个点录入集合S1，如果心尖内壁和外壁点都被成功检测，则将两个点的平均值录入点集。如果集合S1中点的数目小于两个，则心脏多平面重构失败。将点集S1中所有点归一化后，组成矩阵:
其中,xi表示集合S1中第i个点在图像X轴方向上的坐标值，表示集合S1中所有点在图像X轴方向上的坐标值的平均值。
对这个矩阵进行奇异值分解（SVD分解），求取其最大特征值对应的特征向量，这个特征向量就是长轴方向。
步骤S103：根据所述心脏所在的区域和所述心脏的第三批位置检测器，检测确定心脏第一短轴方向的第二组关键特征点,并根据所述第二组关键特征点获取传统心脏视角的第一短轴。在所述心脏所在的矩形区域内，通过第三批位置检测器（三尖瓣中心点位置检测器、右心室中心点位置检测器和右心房位置检测器）来检测第二组关键特征点。同样使用三层的概率Adaboost树型的检测器来获取上述第二组关键特征点，检测到的第二组关键特征点即为集合S2。该步骤需要至少获取三尖瓣中心点、右心室中心点和右心房中心点中的一个特征点。如果获取了多个特征点，为了提高精度，则求取以集合S2中所有点在图像X方向上的坐标值的平均值为横坐标的点P，则将经过点P并且垂直步骤S102中确定的长轴的方向作为第一短轴的方向。
步骤S104：根据所述长轴方向和第一短轴方向，通过正交化方法得到第二短轴的方向。具体地，根据求出的两个坐标轴方向使用施密特正交化方法求得垂直长轴位平面的坐标轴方向，即第二短轴的方向。
步骤S105：将所述步骤S101中心脏三维图像转化为基于传统心脏视角的长轴、第一短轴和第二短轴的图像。具体地，将输入心脏三维图像沿着图像中心旋转到上述步骤求取的坐标系上，得到基于水平长轴位的四腔心脏平面，如图2a所示；水平短轴（第一短轴）位平面，如图2b所示；以及第二短轴方向，从而得到二腔心脏平面，如图2c所示。
综上所述，本发明通过检测心脏中关键特征点的位置来确定心脏的横轴位、冠状位和矢状位的坐标轴方向，从而矫正输入的图像到传统心脏的视图图像。本发明中通过关键特征点检测的心脏多平面重构有以下优点：
鲁棒性：采用多个关键特征点的检测来避免因为单个关键特征点检测失败导致整个心脏多平面重败，增加了本发明方法的鲁棒性。只要在二尖瓣中心点、左心室内壁心尖点、左心室外壁心尖点、左心室中心点和左心房中心点中有两个特征点被成功检测并且三尖瓣中心点、右心室中心点和右心房中心点中有一个中心点被成功检测；即只要成功在第一组关键特征点中获取二个特征点，在第二组关键特征点中获取一个特征点，则心脏多平面重构不会失败，从而大大提高了自动识别成功率，避免人机交互调整。
高效性：基于高效的特征训练得到的姿态检测器可以快速的检测心脏中的一些关键特征点，而这些关键特征点决定了传统心脏视角下的坐标轴方向。本发明使用的特征库主要是由哈尔（Haar）特征、一些灰度（intensity）和梯度（gradient）组成的特征。通过计算输入图像的积分图像，哈尔特征的响应值可以通过几次加减法就快速计算得到，从而大大减少计算量和重构时间。
虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。
Claims (10)
1.一种心脏多平面的重构方法，其特征在于，包括如下步骤：
a)输入心脏三维图像，并根据所述心脏的第一批位置检测器初步定位所述心脏所在的区域；
b)根据所述心脏所在的区域和所述心脏的第二批位置检测器，检测确定心脏长轴方向的第一组关键特征点，并根据所述第一组关键特征点获取传统心脏视角的长轴；
c)根据所述心脏所在的区域和所述心脏的第三批位置检测器，检测确定心脏第一短轴方向的第二组关键特征点，并根据所述第二组关键特征点获取传统心脏视角的第一短轴；
d)根据所述长轴方向和第一短轴方向，通过正交化方法得到第二短轴的方向；
e)将所述步骤a)中心脏三维图像转化为基于传统心脏视角的长轴、第一短轴和第二短轴的图像；
所述第一批位置检测器、第二批位置检测器和第三批位置检测器通过概率Adaboost树训练得到。
2.如权利要求1所述的心脏多平面的重构方法，其特征在于，所述第一批位置检测器的位置包括所述心脏的中心和底部、所述心脏在矢状轴和冠状轴方向上的边界点。
3.如权利要求1所述的心脏多平面的重构方法，其特征在于，所述第一批位置检测器、第二批位置检测器和第三批位置检测器为基于哈尔特征、灰度特征或梯度特征的特征位置检测器。
4.如权利要求3所述的心脏多平面的重构方法，其特征在于，所述哈尔特征的响应公式为：
Response＝∑wiHi；
其中：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<mi>w</mi>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<mi>l</mi>
<mo>,</mo>
<mi>z</mi>
<mo>+</mo>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<mi>l</mi>
<mo>,</mo>
<mi>z</mi>
<mo>+</mo>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<mi>w</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>z</mi>
<mo>+</mo>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>+</mo>
<mi>w</mi>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<mi>l</mi>
<mo>,</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>z</mi>
<mo>+</mo>
<mi>h</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>+</mo>
<mi>l</mi>
<mo>,</mo>
<mi>z</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>+</mo>
<mi>w</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>z</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>:</mo>
</mrow>
式中，Response表示所述哈尔特征的响应公式，Hi是所有矩形区域中的第i个矩形区域内所有体素点的灰度值的平均值，所述矩形区域的左上角坐标为(x,y,z)，l、h和w分别为所述矩形区域的长、高和宽，wi为第i个矩形区域的宽，I为所述输入心脏三维图像的积分图像。
5.如权利要求1所述的心脏多平面的重构方法，其特征在于，所述第一组关键特征点至少包括二尖瓣中心点、左心室心尖点、左心室中心点和左心房中心点中的两个特征点。
6.如权利要求5所述的心脏多平面的重构方法，其特征在于，所述左心室心尖点为左心室内壁心尖点、左心室外壁心尖点或以所述左心室内壁心尖点和左心室外壁心尖点所在的坐标值的平均值作为坐标值的点。
7.如权利要求5或6所述的心脏多平面的重构方法，其特征在于，所述传统心脏视角的长轴获取如下：将获取的所有所述第一组关键特征点归一化，组成矩阵，并对所述矩阵进行矩阵奇异值分解，求取所述矩阵最大特征值对应的特征向量作为所述长轴方向。
8.如权利要求1所述的心脏多平面的重构方法，其特征在于，所述第二组关键特征点至少包括三尖瓣中心点、右心室中心点和右心房中心点中的两个特征点。
9.如权利要求1所述的心脏多平面的重构方法，其特征在于，所述正交化方法为施密特正交化方法。
10.如权利要求1所述的心脏多平面的重构方法，其特征在于，所述心脏三维图像为磁共振图像、CT图像或超声模态数据图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310025369.3A CN103932708B (zh) | 2013-01-23 | 2013-01-23 | 一种心脏多平面的重构方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310025369.3A CN103932708B (zh) | 2013-01-23 | 2013-01-23 | 一种心脏多平面的重构方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103932708A CN103932708A (zh) | 2014-07-23 |
| CN103932708B true CN103932708B (zh) | 2017-12-22 |
Family
ID=51180788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310025369.3A Active CN103932708B (zh) | 2013-01-23 | 2013-01-23 | 一种心脏多平面的重构方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103932708B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108269272B (zh) * | 2018-01-31 | 2019-03-22 | 北京青燕祥云科技有限公司 | 肝部ct配准方法和系统 |
| CN112767530B (zh) * | 2020-12-17 | 2022-09-09 | 中南民族大学 | 心脏图像三维重建方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101390759A (zh) * | 2007-09-18 | 2009-03-25 | 美国西门子医疗解决公司 | 从三维超声心动图数据对平面的自动探测 |
| CN102028496A (zh) * | 2009-09-30 | 2011-04-27 | 株式会社东芝 | 超声波诊断装置和超声波图像处理装置 |
| CN102028498A (zh) * | 2009-10-08 | 2011-04-27 | 株式会社东芝 | 超声波诊断装置及超声波图像处理装置 |
| CN102138808A (zh) * | 2010-02-03 | 2011-08-03 | 株式会社东芝 | 超声波诊断装置及医用图像处理装置 |
| CN102451005A (zh) * | 2010-11-02 | 2012-05-16 | 株式会社东芝 | 磁共振成像装置及其方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7519210B2 (en) * | 2004-09-09 | 2009-04-14 | Raphael Hirsch | Method of assessing localized shape and temperature of the human body |
| AU2009251310B2 (en) * | 2008-05-29 | 2014-11-20 | Northeastern University | Method of reconstituting cellular spectra useful for detecting cellular disorders |
-
2013
- 2013-01-23 CN CN201310025369.3A patent/CN103932708B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101390759A (zh) * | 2007-09-18 | 2009-03-25 | 美国西门子医疗解决公司 | 从三维超声心动图数据对平面的自动探测 |
| CN102028496A (zh) * | 2009-09-30 | 2011-04-27 | 株式会社东芝 | 超声波诊断装置和超声波图像处理装置 |
| CN102028498A (zh) * | 2009-10-08 | 2011-04-27 | 株式会社东芝 | 超声波诊断装置及超声波图像处理装置 |
| CN102138808A (zh) * | 2010-02-03 | 2011-08-03 | 株式会社东芝 | 超声波诊断装置及医用图像处理装置 |
| CN102451005A (zh) * | 2010-11-02 | 2012-05-16 | 株式会社东芝 | 磁共振成像装置及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103932708A (zh) | 2014-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11664125B2 (en) | System and method for deep learning based cardiac electrophysiology model personalization | |
| CN107808377B (zh) | 一种肺叶中病灶的定位装置 | |
| 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 | |
| CN102411795B (zh) | 一种关于冠状动脉的多模图像的联合显示方法 | |
| Shui et al. | Densely calculated facial soft tissue thickness for craniofacial reconstruction in Chinese adults | |
| US20160058520A1 (en) | System and Method for Patient-Specific Image-Based Simulation of Artial Electrophysiology | |
| CN102727204B (zh) | 信息处理设备、信息处理方法和摄像系统 | |
| US20200175688A1 (en) | Computational simulations of anatomical structures and body surface electrode positioning | |
| JP5832938B2 (ja) | 画像処理装置、方法及びプログラム | |
| CN103942772A (zh) | 一种多模态多维度的血管融合方法及系统 | |
| CN104240226B (zh) | 一种心脏图像的配准方法 | |
| US9508140B2 (en) | Quantifying curvature of biological structures from imaging data | |
| US20210271914A1 (en) | Image processing apparatus, image processing method, and program | |
| CN104978440B (zh) | 一种心脏模型建立、配准及多平面重建的方法 | |
| CN107240128A (zh) | 一种基于轮廓特征的x线片和彩色照片配准方法 | |
| Peressutti et al. | A novel Bayesian respiratory motion model to estimate and resolve uncertainty in image-guided cardiac interventions | |
| CN103932708B (zh) | 一种心脏多平面的重构方法 | |
| JP2011120825A (ja) | 医用画像表示装置および方法並びにプログラム | |
| CN106683127A (zh) | 一种基于surf算法的多模态医学图像配准方法 | |
| CN107977991A (zh) | 基于空间距离与数据分布相似性度量的医学图像配准方法 | |
| Lu et al. | CT-TEE image registration for surgical navigation of congenital heart disease based on a cycle adversarial network | |
| CN116363248A (zh) | 单平面X-Ray影像合成CT影像的方法、系统、设备和介质 | |
| US11704773B2 (en) | Automatic orientation method for three-dimensional reconstructed SPECT image to standard view | |
| Schwing et al. | Reliable extraction of the mid-sagittal plane in 3D brain MRI via hierarchical landmark detection | |
| CN113222946B (zh) | 一种肺结节尺寸计算的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 201807 2258 Chengbei Road, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee before: Shanghai Lianying Medical Technology Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |