CN103955961B - 基于统计学的超声序列图像三维重建方法和系统 - Google Patents
基于统计学的超声序列图像三维重建方法和系统 Download PDFInfo
- Publication number
- CN103955961B CN103955961B CN201410148106.6A CN201410148106A CN103955961B CN 103955961 B CN103955961 B CN 103955961B CN 201410148106 A CN201410148106 A CN 201410148106A CN 103955961 B CN103955961 B CN 103955961B
- Authority
- CN
- China
- Prior art keywords
- pixel
- voxel
- ultrasonic
- image
- sequence image
- 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.)
- Expired - Fee Related
Links
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本发明公开基于统计学的超声序列图像三维重建方法和系统。该方法包括:根据给定的成像参数,构建感兴趣区域的三维超声原始图像;遍历各帧二维超声序列图像,计算每个像素点的距离贡献阈值;以任意一帧二维超声序列图像为基准图像,计算其他所有帧图像相对于基准图像的旋转矩阵和平移向量;遍历构建的三维超声原始图像,依据旋转矩阵和平移向量,由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围,根据距离权重因子对三维超声图像体素赋值,并刷新该体素的距离权重因子;遍历三维超声图像,根据搜索范围和距离权重因子通过插值方法计算空缺体素的体素值。本发明能够快速精准的重建超声图像三维体数据,为临床病灶诊疗提供理论指导。
Description
技术领域
本发明涉及医学技术领域,具体涉及一种基于统计学的超声序列图像三维重建方法和系统。
背景技术
超声成像是利用超声波照射人体,通过接收和处理载有人体组织特征信息的回波,获得人体组织性质与结构的可见图像的方法和技术,与CT、MRI并称为现代医学的3大影像学。与CT、MRI相比,超声成像具有采集时间短、无须静脉注射造影剂、无电离辐射、经济方便、可实时成像等优点,成为临床必不可少的诊断和治疗设备。然而,当医生想更准确地了解脏器结构时,传统的2维成像就显得不能满足要求了。与传统的2维超声图像相比,3维超声具有图像显示直观、精确测量结构参数、准确定位病变组织等明显优势,成为2维超声技术的重要辅助手段。从临床应用角度来看,Freehand扫描更符合医生习惯和手术室环境,Freehand 3维超声有着广泛的应用前景。3维重建算法是实现Freehand 3维超声的关键,因此Freehand超声图像的3维重建算法具有重要的研究价值。但是,目前的超声图像三维重建方法和系统存在算法复杂、重建效果差的缺陷。
发明内容
本发明实施例所要解决的技术问题在于,提供一种基于统计学的超声序列图像三维重建方法和系统,能够根据所获取的二维超声序列图像重建得到高精确度的三维超声图像。
为解决上述技术问题,本发明实施例提供了一种基于统计学的超声序列图像三维重建方法,包括:
根据给定的三维超声图像的大小、间隔、初始位姿这三个成像参数,构建感兴趣区域的三维超声原始图像;
遍历各帧二维超声序列图像,计算二维超声序列图像中每个像素点的统计范围内的像素点对所述每个像素点的贡献,得到距离贡献阈值,包括:
定义(ui,j,vi,j)为二维超声序列图像中的一个像素点,依次统计其统计范围内的像素点对该像素值的贡献,定义w(i+s,j+t)为(i+s,j+t)位置的像素点对该像素点的贡献,w(i+s,j+t)的计算公式为:
其中,V(i,j)表示(i,j)点处的像素值,
以任意一帧二维超声序列图像为基准图像,依据二维超声序列图像的空间位姿,计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量;
遍历构建的三维超声原始图像,依据旋转矩阵和平移向量,由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围,依据最优插值取值范围,根据距离权重因子对三维超声原始图像体素赋值,并刷新该体素的距离权重因子,包括:
定义(x,y,z)为三维超声图像中的一个体素,该体素搜索范围内具有贡献的像素为n个,搜索范围为二维超声图像统计范围的最大值48,根据每个像素的距离贡献阈值,得到(m8,m12,m24,m28,m48)分别为n个像素点距离贡献阈值的统计数数字,并且m8+m12+m24+m28+m48=n,则(x,y,z)的最优插值取值范围M为:
M=Max(m8,m12,m24,m28,m48)
根据距离权重因子,计算(x,y,z)的体素值的计算公式为:
其中,d(ui,vi)表示第i个像素点到该体素的距离;
体素的距离权重因子D(x,y,z)为
遍历三维超声原始图像所有体素,根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。
本发明实施例还提供了一种基于统计学的超声序列图像三维重建系统,包括:
图像构建模块,其根据成像参数构建三维超声原始图像;
位姿获取模块,其通过安装在超声探头上的定位装置,在采集二维超声序列图像的同时记录图像的位姿;
遍历与统计模块,其遍历二维超声序列图像中的每个像素,计算该像素统计范围内的所有像素点的距离贡献,得到距离贡献阈值;
旋转矩阵和平移向量计算模块,其以任意一帧二维超声序列图像为基准图像,依据二维超声序列图像的空间位姿,计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量;
遍历与赋值模块,其遍历构建的三维超声原始图像,依据旋转矩阵和平移向量计算体素值;
空缺体素插值模块,其遍历已赋值的三维超声原始图像,根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。
利用根据本发明的基于统计学的超声序列图像三维重建方法和系统,能够根据所获取的二维超声序列图像快速精准的重建超声图像三维体数据,为临床病灶诊疗提供理论指导。
附图说明
图1是本发明实施例的基于统计学的超声序列图像三维重建方法的流程示意图;
图2是本发明所提出的二维超声序列图像统计范围示意图;
图3是二维超声序列图像采集方法示意图;
图4是二维超声序列图像位姿采集的示意图;
图5是本发明实施例的基于统计学的超声序列图像三维重建系统的结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。
图1为本发明实施例的基于统计学的超声序列图像三维重建方法的流程示意图,具体步骤包括:
步骤S1,
根据给定的三维超声图像的大小、间隔、初始位姿这三个成像参数,构建感兴趣区域的三维超声原始图像。
定义三维超声原始图像的大小为n1×n2×n3,图像间距为[a1,a2,a3]。
步骤S2,
遍历各帧二维超声序列图像,计算二维超声序列图像中每个像素点的统计范围内的像素点对所述每个像素点的贡献,得到距离贡献阈值。
遍历每一帧二维超声序列图像,记录每一个像素值与其统计范围内的像素值之间的关系。因为超声图像噪声的存在,采用RANSAC方法随机采样,保证90%的像素有贡献。
图3是二维超声序列图像采集方法示意图。在临床中超声图像的采集主要包括三种形式,分别是:以超声探头中心线为轴,旋转采集超声序列图像,如图3左图所示;以超声探头的平行线为轴,摆动采集超声序列图像,如图3中图所示;以超声探头垂线为移动方向,水平移动采集超声序列图像,如图3右图所示。
定义(ui,j,vi,j)为二维超声序列图像中的一个像素点,依次统计其统计范围内的像素点对该像素值的贡献,统计范围为该像素点周围的8、12、24、28和48邻域,如图2所示。定义w(i+s,j+t)为(i+s,j+t)位置的像素点对该像素点的贡献,w(i+s,j+t)的计算公式为:
其中,V(i,j)表示(i,j)点处的像素值,
采用RANSAC方法,在保证90%的像素点有贡献时,选取五种统计范围内具有贡献的像素百分比最高的一组统计范围,作为该像素点的距离贡献阈值。
步骤S3,
以任意一帧二维超声序列图像为基准图像,依据二维超声序列图像的空间位姿,计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量。
如图4所示,通过在超声探头1上安装跟踪器2,在计算机4采集人体3的二维超声序列图像的同时,通过定位装置5记录每一帧二维超声图像的位姿,然后计算相对于基准图像的旋转矩阵和平移向量。
定义第n帧二维超声序列图像的旋转矩阵为Rn,平移向量为Tn,假设第0帧二维超声序列图像为基准图像,其相对旋转矩阵r0和平移向量为t0为:
定义(u0,i,j,v0,i,j)为基准图像中的第i行第j列的像素点,则其在三维超声图像中的坐标(x,y,z)为
(x,y,z,1)T=[r0|t0]-1(u0,i,j,v0,i,j)T
则第n帧超声序列图像相对于基准图像的相对旋转矩阵rn和平移向量为tn为
定义(un,i,j,vn,i,j)为第n帧图像中的第i行第j列的像素点,则其在三维超声图像中的坐标(x,y,z)为
(x,y,z,1)T=[rn|tn]-1(un,i,j,vn,i,j)T
步骤S4,
遍历构建的三维超声原始图像,依据旋转矩阵和平移向量,由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围,依据最优插值取值范围,根据距离权重因子对三维超声图像体素赋值,并刷新该体素的距离权重因子。
具体来说,遍历三维超声图像所有体素,搜索每一个体素搜索范围内存在的二维超声序列图像像素,根据距离权重计算体素值,并刷新该体素的距离权重因子。
定义(x,y,z)为三维超声图像中的一个体素,该体素搜索范围内具有贡献的像素为n个,搜索范围为二维超声图像统计范围的最大值48,根据每个像素的距离贡献阈值,得到(m8,m12,m24,m28,m48)分别为n个像素点距离贡献阈值的统计数数字,并且m8+m12+m24+m28+m48=n,则(x,y,z)的最优插值取值范围M为
M=Max(m8,m12,m24,m28,m48)
那么,根据距离权重因子,计算(x,y,z)的体素值的计算公式为:
其中,d(ui,vi)表示第i个像素点到该体素的距离。则该体素的距离权重因子D(x,y,z)为
保存每一个体素的距离权重因子,当二维超声序列图像增加时,需要重新计算距离权重因子D(x,y,z),需要重新计算并保存距离权重因子。
步骤S5,
遍历三维超声图像所有体素,根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。
定义(x,y,z)为三维超声图像中的一个没有赋值的空缺体素,按照距离由近及远一次搜索其周围的体素,在保证具有N个体素具有贡献值的时候,根据距离权重因子插值得到其体素值V(x,y,z)。
本发明还公开了一种基于统计学的超声序列图像三维重建系统。如图5所示,该系统包括:
图像构建模块,其根据成像参数构建三维超声原始图像,例如成像参数可以为给定的三维超声图像的大小、间隔、初始位姿;
位姿获取模块,其通过安装在超声探头的定位装置,在采集二维超声序列图像的同时记录图像的位姿;
遍历与统计模块,其遍历二维超声序列图像中的每个像素,计算该像素统计范围内的所有像素点的距离贡献,得到距离贡献阈值;
旋转矩阵和平移向量计算模块,其以任意一帧二维超声序列图像为基准图像,依据二维超声序列图像的空间位姿,计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量;
遍历与赋值模块,其遍历构建的三维超声原始图像,依据旋转矩阵和平移向量计算体素值;
空缺体素插值模块,其遍历已赋值的三维超声原始图像,根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。
上述系统的各个模块分别执行前述方法中的对应步骤,对上述步骤的描述适用于各个模块,故不再赘述。例如,遍历与赋值模块可以执行前述步骤S4,其遍历构建的三维超声原始图像,依据旋转矩阵和平移向量,由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围,依据最优插值取值范围,根据距离权重因子对三维超声图像体素赋值,并刷新该体素的距离权重因子。
当然,以上所述是本发明的优选实施方式。为方便说明起见,使用了步骤S1、S2等序号,但是应该认识到的是,这些步骤本身还可以包括其他过程,这些步骤之间还可以有其他步骤,这也在本发明的保护范围之内。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种基于统计学的超声序列图像三维重建方法,其特征在于,包括:
步骤S1,根据给定的三维超声图像的大小、间隔、初始位姿这三个成像参数,构建感兴趣区域的三维超声原始图像;
步骤S2,遍历各帧二维超声序列图像,计算二维超声序列图像中每个像素点的统计范围内的像素点对所述每个像素点的贡献,得到距离贡献阈值,包括:
定义(ui,j,vi,j)为二维超声序列图像中的一个像素点,依次统计其统计范围内的像素点对该像素值的贡献,定义w(i+s,j+t)为(i+s,j+t)位置的像素点对该像素点的贡献,w(i+s,j+t)的计算公式为:
其中,V(i,j)表示(i,j)点处的像素值,
步骤S3,以任意一帧二维超声序列图像为基准图像,依据二维超声序列图像的空间位姿,计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量;
步骤S4,遍历构建的三维超声原始图像,依据旋转矩阵和平移向量,由搜索范围内的像素点的距离贡献阈值确定其最优插值取值范围,依据最优插值取值范围,根据距离权重因子对三维超声图像体素赋值,并刷新该体素的距离权重因子,包括:
定义(x,y,z)为三维超声图像中的一个体素,该体素搜索范围内具有贡献的像素为n个,搜索范围为二维超声图像统计范围的最大值48,根据每个像素的距离贡献阈值,得到(m8,m12,m24,m28,m48)分别为n个像素点距离贡献阈值的统计数数字,并且m8+m12+m24+m28+m48=n,则(x,y,z)的最优插值取值范围M为:
M=Max(m8,m12,m24,m28,m48)
根据距离权重因子,计算(x,y,z)的体素值的计算公式为:
其中,d(ui,vi)表示第i个像素点到该体素的距离;
体素的距离权重因子D(x,y,z)为
步骤S5,遍历三维超声图像所有体素,根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。
2.根据权利要求1所述的基于统计学的超声序列图像三维重建方法,其特征在于,在步骤S2中,通过安装在超声探头上的定位装置,在采集二维超声序列图像的同时由定位装置采集该序列图像的空间位姿信息。
3.根据权利要求1所述的基于统计学的超声序列图像三维重建方法,其特征在于,在步骤S2中,遍历二维超声序列图像每一个像素,计算每个像素点的统计范围内的所有像素点对其的贡献值,采用主成分分析的方法得到距离贡献阈值。
4.根据权利要求1所述的基于统计学的超声序列图像三维重建方法,其特征在于,在步骤S2中,统计范围为二维超声序列图像中一个像素点周围的8、12、24、28和48邻域。
5.根据权利要求1所述的基于统计学的超声序列图像三维重建方法,其特征在于,在步骤S4中,三维超声原始图像的搜索范围不大于二维超声序列图像的统计范围。
6.根据权利要求1所述的基于统计学的超声序列图像三维重建方法,其特征在于,在步骤S4中,最优插值取值范围表示用于插值计算三维超声图像体素值的二维超声序列图像像素点的范围,由一个体素搜索范围内的所有像素点的距离贡献阈值得到。
7.根据权利要求1所述的基于统计学的超声序列图像三维重建方法,其特征在于,在步骤S5中,遍历三维超声图像,空缺体素根据搜索范围内的所有体素值的距离权重因子采用双线性插值得到。
8.根据权利要求1至6中任一项所述的基于统计学的超声序列图像三维重建方法,其特征在于,在步骤S4中,距离权重因子为两个体素间距离的倒数。
9.一种基于统计学的超声序列图像三维重建系统,其特征在于,包括:
图像构建模块,其根据成像参数构建三维超声原始图像;
位姿获取模块,其通过安装在超声探头上的定位装置,在采集二维超声序列图像的同时记录图像的位姿;
遍历与统计模块,其遍历二维超声序列图像中的每个像素,计算该像素统计范围内的所有像素点的距离贡献,得到距离贡献阈值,包括:
定义(ui,j,vi,j)为二维超声序列图像中的一个像素点,依次统计其统计范围内的像素点对该像素值的贡献,定义w(i+s,j+t)为(i+s,j+t)位置的像素点对该像素点的贡献,w(i+s,j+t)的计算公式为:
其中,V(i,j)表示(i,j)点处的像素值,
旋转矩阵和平移向量计算模块,其以任意一帧二维超声序列图像为基准图像,依据二维超声序列图像的空间位姿,计算其他所有帧二维超声序列图像相对于基准图像的旋转矩阵和平移向量;
遍历与赋值模块,其遍历构建的三维超声原始图像,依据旋转矩阵和平移向量计算体素值,包括:
定义(x,y,z)为三维超声图像中的一个体素,该体素搜索范围内具有贡献的像素为n个,搜索范围为二维超声图像统计范围的最大值48,根据每个像素的距离贡献阈值,得到(m8,m12,m24,m28,m48)分别为n个像素点距离贡献阈值的统计数数字,并且m8+m12+m24+m28+m48=n,则(x,y,z)的最优插值取值范围M为:
M=Max(m8,m12,m24,m28,m48)
根据距离权重因子,计算(x,y,z)的体素值的计算公式为:
其中,d(ui,vi)表示第i个像素点到该体素的距离;
体素的距离权重因子D(x,y,z)为
空缺体素插值模块,其遍历已赋值的三维超声原始图像,根据搜索范围和距离权重因子采用插值方法计算空缺体素的体素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410148106.6A CN103955961B (zh) | 2014-04-14 | 2014-04-14 | 基于统计学的超声序列图像三维重建方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410148106.6A CN103955961B (zh) | 2014-04-14 | 2014-04-14 | 基于统计学的超声序列图像三维重建方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103955961A CN103955961A (zh) | 2014-07-30 |
CN103955961B true CN103955961B (zh) | 2017-06-06 |
Family
ID=51333230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410148106.6A Expired - Fee Related CN103955961B (zh) | 2014-04-14 | 2014-04-14 | 基于统计学的超声序列图像三维重建方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103955961B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104306021B (zh) * | 2014-10-15 | 2016-08-24 | 北京理工大学 | 全局匹配优化的超声图像三维重建方法 |
CN105139440B (zh) * | 2015-07-06 | 2021-08-17 | 嘉恒医疗科技(上海)有限公司 | 基于动态赋值的超声体数据重建方法和系统 |
CN110755110A (zh) * | 2019-11-20 | 2020-02-07 | 浙江伽奈维医疗科技有限公司 | 一种基于机械臂单元的三维超声扫查装置及方法 |
CN111184535B (zh) * | 2020-03-11 | 2023-07-07 | 上海科技大学 | 手持式无约束扫描无线三维超声实时体素成像系统 |
CN111477318B (zh) * | 2020-04-25 | 2022-12-16 | 华南理工大学 | 一种用于远程操纵的虚拟超声探头跟踪方法 |
CN113261987A (zh) * | 2021-03-25 | 2021-08-17 | 聚融医疗科技(杭州)有限公司 | 一种基于运动目标的三维超声成像方法及系统 |
CN113907793A (zh) * | 2021-10-21 | 2022-01-11 | 张家港市第一人民医院 | 一种妇科超声检查用的超声影像重建与评估方法 |
CN114663410B (zh) * | 2022-03-31 | 2023-04-07 | 清华大学 | 一种心脏三维模型生成方法、装置、设备及存储介质 |
CN117172796A (zh) * | 2023-08-07 | 2023-12-05 | 北京智慧大王科技有限公司 | 一种大数据电子商务管理系统 |
CN117422813A (zh) * | 2023-11-08 | 2024-01-19 | 上海卓昕医疗科技有限公司 | 基于像素的医学图像三维重建方法、装置、设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001202498A (ja) * | 2000-01-19 | 2001-07-27 | Olympus Optical Co Ltd | 超音波3次元画像再構築方法及び超音波3次元画像再構築装置 |
CN101101672A (zh) * | 2007-07-13 | 2008-01-09 | 中国科学技术大学 | 基于虚拟图像对应的立体视觉三维人脸建模方法 |
CN103077506A (zh) * | 2013-03-06 | 2013-05-01 | 西安电子科技大学 | 结合局部和非局部的自适应图像去噪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6475150B2 (en) * | 2000-12-01 | 2002-11-05 | The Regents Of The University Of California | System and method for ultrasonic tomography |
-
2014
- 2014-04-14 CN CN201410148106.6A patent/CN103955961B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001202498A (ja) * | 2000-01-19 | 2001-07-27 | Olympus Optical Co Ltd | 超音波3次元画像再構築方法及び超音波3次元画像再構築装置 |
CN101101672A (zh) * | 2007-07-13 | 2008-01-09 | 中国科学技术大学 | 基于虚拟图像对应的立体视觉三维人脸建模方法 |
CN103077506A (zh) * | 2013-03-06 | 2013-05-01 | 西安电子科技大学 | 结合局部和非局部的自适应图像去噪方法 |
Non-Patent Citations (3)
Title |
---|
A Comparison of Freehand Three-dimensional ultrasound Reconstruction Techniques;Robert Rohling et al;《Medical Image Analysis》;19991231;第3卷(第4期);339-359 * |
图像引导手术机器人中三维超声重建的研究;邱涛;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130315(第3期);第7页第2段,第10页第1-2,4段,第27页第3-7段,图2-1,图3-7 * |
基于PC机的CT医学图像三维重建算法与实现的研究;陈灵娜;《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》;20041215(第4期);第13-23页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103955961A (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103955961B (zh) | 基于统计学的超声序列图像三维重建方法和系统 | |
Grychtol et al. | 3D EIT image reconstruction with GREIT | |
US20160284240A1 (en) | Ultrasound training system based on ct image simulation and positioning | |
CN107133549B (zh) | Ect运动门控信号获取方法及ect图像重建方法 | |
CN102945328B (zh) | 基于gpu并行运算的x射线造影图像仿真方法 | |
CN106232009B (zh) | 断层扫描设备和由断层扫描设备重构断层扫描图像的方法 | |
CN111968222B (zh) | 一种人体组织非静止状态下三维超声重建方法 | |
Faber et al. | Three-dimensional displays of left ventricular epicardial surface from standard cardiac SPECT perfusion quantification techniques | |
WO2011002874A1 (en) | Image reconstruction incorporating organ motion | |
CN102144927A (zh) | 基于运动补偿的ct设备和方法 | |
Nikravesh et al. | Computerized three-dimensional finite element reconstruction of the left ventricle from cross-sectional echocardiograms | |
JP6074965B2 (ja) | Mcg測定値のノイズ除去 | |
CN106251380A (zh) | 图像重建方法 | |
CN103229210A (zh) | 图像配准装置 | |
Scheipers et al. | 3-D ultrasound volume reconstruction using the direct frame interpolation method | |
CN106251381A (zh) | 图像重建方法 | |
CN100412877C (zh) | 人体内物质代谢功能信息可视化的计算机模拟方法 | |
CN109146987B (zh) | 一种基于gpu的快速锥束计算机断层成像重建方法 | |
CN103020976A (zh) | 一种基于带权模糊互信息的三维医学图像配准方法及系统 | |
CN108042154B (zh) | 二维超声心动图序列中心肌形状、运动和变形分析方法 | |
Azhari et al. | From Signals to Image | |
CN107527316A (zh) | 二维超声影像序列上的任意点构建点云数据的方法及系统 | |
Bruining et al. | Three-dimensional echocardiography paves the way toward virtual reality | |
CN102074051B (zh) | 一种体绘制平行投影的数据包围体快速定位方法 | |
Gao et al. | 3DSRNet: 3D Spine Reconstruction Network Using 2D Orthogonal X-ray Images Based on Deep Learning |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170606 |