CN104143184B - 一种肺部分割的方法 - Google Patents
一种肺部分割的方法 Download PDFInfo
- Publication number
- CN104143184B CN104143184B CN201310170102.3A CN201310170102A CN104143184B CN 104143184 B CN104143184 B CN 104143184B CN 201310170102 A CN201310170102 A CN 201310170102A CN 104143184 B CN104143184 B CN 104143184B
- Authority
- CN
- China
- Prior art keywords
- lung
- tracheae
- layer
- threshold value
- view
- 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)
Abstract
本发明提供一种肺部分割的方法，包括如下步骤：在三维图像上粗提取肺器官，所述肺器官包括肺部和气管；在所述三维图像中采集的二维图像中定位气管的起始层，以该层气管的中心C为起始点，以所述三维图像中确定的阈值T1为阈值进行粗提取气管；继续以该层气管的中心C为起始点，以所述粗提取的肺器官内确定的阈值T2为阈值进行细提取气管，获得分割后的肺部图像。本发明提供的肺部分割方法可以快速、有效地进行全自动肺部分割，可广泛用于各种肺部或胸部图像数据。
Description
技术领域
本发明涉及医学图像处理领域，尤其涉及一种肺部分割的方法。
背景技术
近年来，由于计算机断层扫描技术能够提供高清晰度、高对比度的图像，通常被应用于肺部疾病的诊断。借助胸部CT观察肺部结构及功能特征是当今临床针对肺部各种疾病的重要辅助手段，其中，肺部分割是实现肺部、气管、肺膈肌等定量分析(例如肺密度)必不可少的预处理步骤。精确的肺部分割具有十分重要的意义，肺部分割必须是完整的，诸如肺结核等异常可能存在于肺最边缘的部位，而且不正常的肺分割将危及到用于例如肺气肿等对肺体积的定量估计。
现有技术中，对于两维CT横断面图像，肺部和胸腔对比度高，可以运用边缘追踪提取肺部，该方法需要手动确定起始点，并且会遗漏边缘的水肿和炎症区域。对于三维CT数据，(1)阈值法是最常见的肺部分割方法，虽然简单、快速，但不能有效去除背景和气管分支，且确定阈值较难，往往根据经验确定。(2)区域增长法是大多数工作中采用的方法，该方法能够有效的弥补边缘追踪的遗漏缺陷，但常常需要手动选择种子点，是一种需要人工参与的半自动分割方法，对肺结节、囊性肿瘤等高密度区域，或者肺气肿等肺部和气管密度值很接近的情况失效；(3)基于模式分类的方法。该方法能提取有些数据的图像特征，但是需要大量的训练样本，分割结果对样本与特征的依赖性强，处理时间较长。(4)基于图像配准和形状模型的方法，该方法一般效果较好，但其受训练集数据影响会导致结果变异性大，建立模型较为困难，并且计算量大，从而导致速度慢，难以满足临床应用的实时性需求。
综上所述，现有的CT肺部分割方法，有的因为模型与运算复杂，分割速度较慢；有的因为控制参数难以确定，分割结果准确较低，不能快速、准确地进行肺部分割，无法满足医学诊断的要求。
发明内容
本发明解决的问题是提供一种肺部分割方法，用以解决现有技术中需要人工介入的半自动分割肺部，并且分割过程复杂，速度较慢的问题。
为了解决上述问题，本发明提供了一种肺部分割的方法，包括如下步骤：
在三维图像上粗提取肺器官，所述肺器官包括肺部和气管；
从所述三维图像中采集的二维图像中定位气管的起始层，以该层气管的中心C为起始点，以所述三维图像中确定的阈值T1为阈值条件进行粗提取气管；
继续以该层气管的中心C为起始点，以所述粗提取的肺器官内确定的阈值T2为阈值条件进行细提取气管，获得分割后的肺部图像。
优选地，所述粗提取肺器官的方法包括如下步骤：
在所述胸部三维图像上，通过阈值法提取出肺区域；
在二维图像和/或三维图像中提取背景；
确定含有最大肺器官面积的二维图像层为Smax；基于所述Smax层进行三维区域生长，获得的所述三维连通域为所述粗提取的肺器官。
优选地，所述阈值法包括：采用最大类间方差法在所述三维图像中确定所述阈值T1，其取值范围为(-600，-400)。
优选地，其特征在于，所述阈值法的实现方法如下：提供阈值T1，若图像中所在区域的CT值大于阈值T1，则提取出该区域为肺区域；所述肺区域包括肺部、气管和背景。
优选地，所述提取背景的过程为：
从所述二维图像和/或三维图像的四周边缘选取CT值在(a，-600)内的点为种子点，并以所述种子点开始由外向内进行区域增长，所述阈值a为所述二维图像和/或三维图像上的最小CT值。
优选地，还包括：提取所述气管前，对所有二维图像定位含有肺器官的起始层和终止层：
从所有二维图像第1层开始自上而下进行检测，当检测到肺器官时，停止检测，以当前层为起始层；
从所有二维图像最后一层开始自下而上进行检测，当检测到肺器官时，停止检测，以当前层为终止层。
优选地，所述定位气管起始层的方法为：
从第一层开始进行检测，若二维图像中所述气管的物理面积大于2平方毫米，则定位该层为所述气管的起始层；
若物理面积小于2平方毫米，则继续进行检测，直至检测到起始层。
优选地，所述粗提取气管的方法为：以所述中心C作为起始点，所述阈值T1作为阈值条件，采用LevelSet水平集算法从所述三维图像中粗提取气管。
优选地，所述细提取气管的方法为：以所述中心C为起始点，所述阈值T2为阈值条件，采用LevelSet水平集算法从所述三维图像中细提取气管。
优选地，还包括：采用最大类间方差算法在所述肺器官的连通域中确定所述阈值T2，其取值范围为(-1000，-670)。
优选地，所述细提取气管前还包括，首先采用应用形态学闭处理方法分别对每层二维CT图像中的左、右肺进行平滑处理；然后计算连通域区分左、右肺部。
与现有技术相比，本发明具有以下优点：(1)全自动分割肺部，对边缘水肿、炎症、肺部中肺结节，肿瘤均有效，并且能够有效分离左右肺(2)全自动有效去除气管，适用于第一层面包含其它低密度区域的数据，也适用于肺气肿等肺实质和气管密度值很接近的情况。(3)运行时间和现有商用工作站速度相当。
附图说明
图1所示为本发明一个实施例的肺部分割方法的流程示意图；
图2所示为本发明一个实施例的提取肺器官的气管的方法流程示意图；
图3a～3c所示为本发明一个实施例的肺部分割方法的结果示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。
本发明为解决上述技术问题提供了一种肺部分割的方法，包括如下步骤：
在三维图像上粗提取肺器官，所述肺器官包括肺部和气管；从所述三维图像中采集的二维图像中定位气管的起始层，以该层气管的中心C为起始点，以所述三维图像中确定的阈值T1为阈值条件进行粗提取气管；继续以该层气管的中心C为起始点，以所述粗提取的肺器官内确定的阈值T2为阈值条件进行细提取气管，获得分割后的肺部图像，图1所示为本发明一个实施例的肺部分割的方法流程示意图，请参见图1。
首先，执行步骤S11：在所述胸部的三维CT图像上，通过阈值法提取肺区域。具体地，本实施例中的阈值法优选为最大类问方差(0TSU)算法，通过0TSU算法在所述三维CT图像数据中确定阈值T1，若图像中所在区域的CT值大于阈值T1，则提取该区域为所述肺区域，所述肺区域包括肺部、气管、背景等，所述阈值T1取值范围为(-600，-400)。需要说明的是，一般人体组织的CT值范围为(-200，+∞)，肺区域的CT值范围为(-1000，-400)，通过本步骤可以将非肺部人体组织与肺部、气管、背景等加以区分，形成OTSU二值图。
接着，执行步骤S12：从二维和/或三维图像中提取背景。本实施例中采用从所述三维图像中采集n层胸部二维图像，对每层二维图像提取背景，从所述每层二维CT图像的四周边缘选取CT值在(a，-600)内的多个点为种子点开始由外向内进行区域增长，提取包括床板内的空气等背景区域；其中，所述n取自然数，所述阈值a为所有二维CT图像上的最小CT值。需要说明的是，本实施例中以1/5～1/20张的间隔进行图像采集，例如在100张二维CT图像中采集20张图片进行后续处理，从每层二维CT图像的四周边缘选取CT值在(a，-600)范围内的多个种子点后开始由外向内进行区域以3～4个像素点的间隔进行四领域生长，可以除去包括床板内的空气等背景区域以防出现漏检或错检情况。通过本步骤可以有效的去除圆形视野外的背景区域，提高了后续图像处理的速率和准确率。
继续执行步骤S13：确定含有最大肺器官面积的二维图像层为Smax，基于所述Smax层进行三维区域生长，获得的所述三维连通域为所述粗提取的肺器官。具体地，统计所有二维CT图像中的肺器官区域的物理面积，自动确定含有最大肺器官面积的二维图像层为Smax层；接着，基于所述Smax层进行三维区域生长，获得的所述三维连通域为所述粗提取的肺器官，所述肺器官包括肺部和气管。
最后，执行步骤S14：在所述三维图像中采集的二维图像中定位气管的起始层，以该层气管的中心C为起始点，提取气管，获得分割后的肺部图像。需要说明的是，去除气管步骤之前，对所有二维CT图像定位含有肺器官的起始层和终止层：从第1层开始自上而下进行检测，当检测到肺器官时，停止检测，以当前层为起始层；从最后一层开始自下而上进行检测，当检测到肺器官时，停止检测，以当前层为终止层；通过定位起始层和终止层，便于加速后续的应用形态学闭处理肺部的操作，提高处理效率。
具体地，所述去除气管的方法如图2本发明实施例的提取肺器官中的气管方法流程示意图所示：
首先，执行步骤S21：从所述三维图像中采集的n层二维CT图像中，自动确定气管的起始层。具体地，若所述二维CT图像中所述气管的物理面积大于2平方毫米，则定位当前层为所述气管的起始层；若物理面积小于或等于2平方毫米，则继续进行检测，直至检测到起始层。需要说明的是，通过气管起始层的定位，选取的CT图像具有一定的气管区域面积，利于中心点C的准确定位。
接着，执行步骤S22：以所述中心C作为起始点，所述阈值T1作为阈值，采用LevelSet水平集算法从所述三维CT图像中粗提取气管。
继续执行步骤S23：采用应用形态学闭处理方法分别对每层二维CT图像中的粗提取气管后的肺部区域进行平滑填充处理处理；然后计算连通域，根据质心分布区分左、右肺部。
最后，执行步骤S24：继续以所述中心C为起始点，所述阈值T2为阈值，采用LevelSet水平集算法从所述三维CT图像中进一步细提取气管，获得如图3a所示的气管提取结果示意图，和最终分割后的肺部图像，如图3b和图3c所示的左、右肺部提取结果示意图，右肺明显的异于正常肺部情况，便于临床上对肺部疾病的辅助诊断。
需要说明的是，本实施例中所述阈值T2优选采用最大类间方差算法确定，用于进一步细提取气管，所述阈值T2的取值范围为(-1000，-670)。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (11)
1.一种肺部分割的方法，其特征在于，包括如下步骤：
在三维图像上粗提取肺器官，所述肺器官包括肺部和气管；
从所述三维图像中采集的二维图像中定位气管的起始层，以该层气管的中心C为起始点，以所述三维图像中确定的阈值T1为阈值条件进行粗提取气管；
继续以该层气管的中心C为起始点，以所述粗提取的肺器官内确定的阈值T2为阈值条件进行细提取气管，获得分割后的肺部图像。
2.如权利要求1所述的肺部分割的方法，其特征在于，所述粗提取肺器官的方法包括如下步骤：
在所述三维图像上，通过阈值法提取肺区域；
在二维图像和/或三维图像中提取背景；
确定含有最大肺器官面积的二维图像层为Smax；基于所述Smax层进行三维区域生长，获得的所述三维连通域为所述粗提取的肺器官。
3.如权利要求2所述的肺部分割的方法，其特征在于，所述阈值法包括：采用最大类间方差法在所述三维图像中确定所述阈值T1，其取值范围为(-600，-400)。
4.如权利要求2～3中任一项所述的肺部分割的方法，其特征在于，所述阈值法的实现方法如下：提供阈值T1，若图像中所在区域的CT值大于阈值T1，则提取出该区域为肺区域；所述肺区域包括肺部、气管和背景。
5.如权利要求2所述的肺部分割的方法，其特征在于，所述提取背景的提取过程为：
从所述二维图像和/或三维图像的四周边缘选取CT值在(a，-600)内的点为种子点，并以所述种子点开始由外向内进行区域增长，所述阈值a为所述二维图像和/或三维图像上的最小CT值。
6.如权利要求1所述的肺部分割的方法，其特征在于，还包括：提取所述气管前，对所有二维图像定位含有肺器官的起始层和终止层：
从所有二维图像的第1层开始自上而下进行检测，当检测到肺器官时，停止检测，以当前层为起始层；
从所有二维图像的最后一层开始自下而上进行检测，当检测到肺器官时，停止检测，以当前层为终止层。
7.如权利要求1所述的肺部分割的方法，其特征在于，所述定位气管起始层的方法为：
从第一层开始进行检测，若二维图像中所述气管的物理面积大于2平方毫米，则定位该层为所述气管的起始层；
若物理面积小于或等于2平方毫米，则继续进行检测，直至检测到起始层。
8.如权利要求1所述的肺部分割的方法，其特征在于，所述粗提取气管的方法为：以所述中心C作为起始点，所述阈值T1作为阈值条件，采用LevelSet水平集算法从所述三维图像中粗提取气管。
9.如权利要求1所述的肺部分割的方法，其特征在于，所述细提取气管的方法为：以所述中心C为起始点，所述阈值T2为阈值条件，采用LevelSet水平集算法从所述三维图像中细提取气管。
10.如权利要求1所述的肺部分割的方法，其特征在于，还包括：采用最大类间方差算法在所述肺器官的连通域中确定所述阈值T2，其取值范围为(-1000，-670)。
11.如权利要求1所述的肺部分割的方法，其特征在于，所述细提取气管前还包括，首先采用应用形态学闭处理方法分别对每层二维CT图像中的左、右肺进行平滑处理；然后计算连通域区分左、右肺部。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310170102.3A CN104143184B (zh) | 2013-05-10 | 2013-05-10 | 一种肺部分割的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310170102.3A CN104143184B (zh) | 2013-05-10 | 2013-05-10 | 一种肺部分割的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104143184A CN104143184A (zh) | 2014-11-12 |
| CN104143184B true CN104143184B (zh) | 2017-12-22 |
Family
ID=51852352
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310170102.3A Active CN104143184B (zh) | 2013-05-10 | 2013-05-10 | 一种肺部分割的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104143184B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105488796A (zh) * | 2015-11-27 | 2016-04-13 | 上海联影医疗科技有限公司 | 肺分割方法 |
| EP3633612A4 (en) * | 2017-06-30 | 2020-06-03 | Shanghai United Imaging Healthcare Co., Ltd. | IMAGE SEGMENTATION METHOD AND SYSTEM |
| CN107610095A (zh) * | 2017-08-04 | 2018-01-19 | 南京邮电大学 | 基于图像融合的心脏ct冠脉全自动分割方法 |
| CN107563998B (zh) * | 2017-08-30 | 2020-02-11 | 上海联影医疗科技有限公司 | 医学图像中心脏图像处理方法 |
| CN107507201A (zh) * | 2017-09-22 | 2017-12-22 | 深圳天琴医疗科技有限公司 | 一种医学图像分割方法及装置 |
| CN108074229A (zh) * | 2017-11-29 | 2018-05-25 | 苏州朗开信通信息技术有限公司 | 一种气管树提取方法及装置 |
| CN108171692B (zh) * | 2017-12-26 | 2021-03-26 | 安徽科大讯飞医疗信息技术有限公司 | 一种肺部影像检索方法及装置 |
| CN109447974B (zh) * | 2018-10-31 | 2022-01-25 | 上海联影医疗科技股份有限公司 | 体数据处理方法、装置、图像处理工作站和可读存储介质 |
| CN110110723B (zh) * | 2019-05-07 | 2021-06-29 | 艾瑞迈迪科技石家庄有限公司 | 一种图像中目标区域自动提取的方法及装置 |
| CN110533639B (zh) * | 2019-08-02 | 2022-04-15 | 杭州依图医疗技术有限公司 | 一种关键点定位方法及装置 |
| CN111544021B (zh) * | 2020-05-11 | 2022-06-17 | 徐州医科大学 | 一种基于胸部ct的covid-19疾病进展评价方法及装置 |
| CN112712540B (zh) * | 2021-01-13 | 2022-07-12 | 杭州象量医疗技术有限公司 | 一种基于ct影像的肺部支气管提取方法 |
| CN113628219B (zh) * | 2021-06-30 | 2023-11-03 | 上海市胸科医院 | 一种从胸部ct影像中自动提取支气管树的方法和系统以及计算机可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6466687B1 (en) * | 1997-02-12 | 2002-10-15 | The University Of Iowa Research Foundation | Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology |
| CN1395713A (zh) * | 2000-01-18 | 2003-02-05 | 芝加哥大学 | 在计算x光断层摄影扫描中用于肺肿瘤二维和三维检测的方法、系统和计算机可读介质 |
| CN1418353A (zh) * | 2000-01-18 | 2003-05-14 | 芝加哥大学 | 计算机体层摄影扫描中对肺部区域进行自动分割的方法和系统 |
| WO2008050223A2 (en) * | 2006-10-25 | 2008-05-02 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures and pathologies |
| JP2008142482A (ja) * | 2006-12-13 | 2008-06-26 | Med Solution Kk | 縦隔リンパ節郭清で切除される領域を複数の区域にセグメンテーションする装置およびプログラム |
| CN102521833A (zh) * | 2011-12-08 | 2012-06-27 | 东软集团股份有限公司 | 一种从胸部ct图像中获得气管树的方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2003299656A1 (en) * | 2002-12-03 | 2004-06-23 | Washington University | Method and apparatus for automated detection of target structures from medical images using a 3d morphological matching algorithm |
| US7672496B2 (en) * | 2006-06-21 | 2010-03-02 | Icad, Inc. | Forming three dimensional objects using a decision rule in medical image data |
-
2013
- 2013-05-10 CN CN201310170102.3A patent/CN104143184B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6466687B1 (en) * | 1997-02-12 | 2002-10-15 | The University Of Iowa Research Foundation | Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology |
| CN1395713A (zh) * | 2000-01-18 | 2003-02-05 | 芝加哥大学 | 在计算x光断层摄影扫描中用于肺肿瘤二维和三维检测的方法、系统和计算机可读介质 |
| CN1418353A (zh) * | 2000-01-18 | 2003-05-14 | 芝加哥大学 | 计算机体层摄影扫描中对肺部区域进行自动分割的方法和系统 |
| WO2008050223A2 (en) * | 2006-10-25 | 2008-05-02 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures and pathologies |
| JP2008142482A (ja) * | 2006-12-13 | 2008-06-26 | Med Solution Kk | 縦隔リンパ節郭清で切除される領域を複数の区域にセグメンテーションする装置およびプログラム |
| CN102521833A (zh) * | 2011-12-08 | 2012-06-27 | 东软集团股份有限公司 | 一种从胸部ct图像中获得气管树的方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| Automatic Lung Segmentation in CT Images with Accurate Handling of the Hilar Region;Giorgio De Nunzio 等;《Journal of Digital Imaging》;20091031;第24卷(第1期);第11-27页 * |
| 一种全自动的三维肺实质分割算法;曹蕾 等;《计算机工程与应用》;20110801;第47卷(第22期);第2节、图1 * |
| 基于肺部CT序列图像的肺实质三维分割;任彦华 等;《中国医学物理学杂志》;20100515;第27卷(第3期);第1862-1865页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104143184A (zh) | 2014-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104143184B (zh) | 一种肺部分割的方法 | |
| CN106097305B (zh) | 双行程区域生长结合形态学重建的肺部气管树分割方法 | |
| CN107622492B (zh) | 肺裂分割方法及系统 | |
| CN108171703B (zh) | 一种从胸部ct图像中自动提取气管树的方法 | |
| JP4931027B2 (ja) | 医用画像診断支援装置および方法、並びにプログラム | |
| CN110473207B (zh) | 一种交互式分割肺叶的方法 | |
| CN104504737B (zh) | 一种从肺部ct图像获得三维气管树的方法 | |
| JP5701138B2 (ja) | 医用画像処理装置および方法、並びにプログラム | |
| CN109146854A (zh) | 一种肺结节与肺部血管伴生关系的分析方法 | |
| CN106127753B (zh) | 一种外科手术中ct影像体表人工标记自动提取方法 | |
| JP2008043736A (ja) | 医用画像処理装置及び医用画像処理方法 | |
| CN105741310A (zh) | 一种心脏左心室图像分割系统及方法 | |
| CN109727260A (zh) | 一种基于ct影像的三维肺叶分割方法 | |
| Gao et al. | Accurate lung segmentation for X-ray CT images | |
| CN106780497A (zh) | 一种基于统计信息的器官血管树自动提取方法 | |
| CN104933723B (zh) | 基于稀疏表示的舌图像分割方法 | |
| Yu et al. | Break: Bronchi reconstruction by geodesic transformation and skeleton embedding | |
| CN111145226B (zh) | 基于ct影像的三维肺部特征提取方法 | |
| CN114419077A (zh) | 一种基于ct图像的肺支气管自动分割方法及系统 | |
| CN112263217A (zh) | 一种基于改进卷积神经网络的非黑素瘤皮肤癌病理图像病变区域检测方法 | |
| KR101251822B1 (ko) | 동적조영증강 폐 전산화단층촬영 영상에서 관류 분석 시스템 및 방법 | |
| CN111179298A (zh) | 基于ct图像的三维肺自动分割与左右肺分离方法及其系统 | |
| CN112712540B (zh) | 一种基于ct影像的肺部支气管提取方法 | |
| Ukil et al. | Smoothing lung segmentation surfaces in 3D X-ray CT images using anatomic guidance | |
| Tong et al. | Computer-aided lung nodule detection based on CT images |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 201815 Shanghai City, Jiading District Jiading Industrial Zone No. 1180 Building 8 Hing Road Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201815 Shanghai City, Jiading District Jiading Industrial Zone No. 1180 Building 8 Hing Road Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CP02 | Change in the address 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. |