CN104305998A - 一种膀胱壁三维厚度测量与定量分析方法 - Google Patents

一种膀胱壁三维厚度测量与定量分析方法 Download PDF

Info

Publication number
CN104305998A
CN104305998A CN201410567610.XA CN201410567610A CN104305998A CN 104305998 A CN104305998 A CN 104305998A CN 201410567610 A CN201410567610 A CN 201410567610A CN 104305998 A CN104305998 A CN 104305998A
Authority
CN
China
Prior art keywords
wall
bladder
urinary bladder
thickness
intravesical
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.)
Pending
Application number
CN201410567610.XA
Other languages
English (en)
Inventor
张曦
卢虹冰
张国鹏
刘洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fourth Military Medical University FMMU
Original Assignee
Fourth Military Medical University FMMU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fourth Military Medical University FMMU filed Critical Fourth Military Medical University FMMU
Priority to CN201410567610.XA priority Critical patent/CN104305998A/zh
Publication of CN104305998A publication Critical patent/CN104305998A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种膀胱壁三维厚度测量与定量分析方法，首先获取研究对象的膀胱MR影像数据，再利用膀胱壁自动分割算法，从MR影像数据中提取精确的膀胱内外壁轮廓，接着计算膀胱壁三维厚度值，对三维厚度值进行数值标准化，最后对整个膀胱壁轮廓进行形态标准化，并将膀胱壁上任意体素所含的厚度信息映射至形态标准化后的膀胱标准椭球模型上。本发明方法不依赖膀胱大小、形态、充盈程度及有无肿瘤存在等因素，通过本发明提取、测量与定量分析后的膀胱壁厚度特征可用于后续的膀胱壁上病变检测。

Description

一种膀胱壁三维厚度测量与定量分析方法
技术领域
本发明涉及医学图像处理技术，特别涉及一种基于MR(磁共振)体成像的三维测量与辅助分析方法。
背景技术
膀胱肿瘤是一种常见的多发原位肿瘤，患者主要为中老年男性群体。最新统计数据显示，2013年以来，膀胱肿瘤位居各类男性肿瘤发病率排行榜第四位[American Cancer Society:Cancer Facts and Figures 2013.Atlanta(GA):American Cancer Society,2013:4-10]。将近半数的膀胱肿瘤患者被确诊为非肌层浸润性膀胱肿瘤，这类人群的五年生存率为96％，随着肿瘤浸润程度的增加，五年生存率呈下降趋势，因此膀胱肿瘤高危人群的早期筛查对于提高生存率是非常重要的[American Cancer Society:Cancer Facts and Figures 2013.Atlanta(GA):American Cancer Society,2013:4-10]。膀胱肿瘤的高复发率是其最显著的特点。约有10-70％的局限于粘膜层的膀胱肿瘤患者在五年内会复发或新发肿瘤[National Comprehensive Cancer Network:Bladder Cancer V.1.2013.National Comprehensive Cancer Network,2013:1-3(MS)]。因此绝大部分膀胱肿瘤患者需进行终身随访，切实可行与方便经济的随访形式显得尤其重要。膀胱肿瘤的影像学诊断，尤其是CT与MR这两种体成像方式在膀胱肿瘤诊断与随访中趋于主流[A.Stenzl,Nigel C.Cowan,Maria De Santis,G.Jakes,M.Kuczyk,A.S.Merseburger,M.J.Ribal,A.Sherif,and J.A.Witjes.“Guidelines onbladder cancer:muscle-invasive and metasitatic.”Uropean Association of Urology,2008.]。相对于CT成像，MRI(磁共振成像)则是一种无电离辐射、无需对照剂、组织对比度高的成像方式，有望成为膀胱肿瘤的早期诊断及术后随访的影像数据基础。
膀胱壁的厚度是临床上公认的膀胱壁上病变发生的有说服力指标，早期的膀胱肿瘤可表现为膀胱壁局部轻微增厚，膀胱壁增厚也可能预示着T3或T4期膀胱肿瘤的存在。除了膀胱壁局部增厚这一特征，整个膀胱壁的厚度分布全局图谱或模型也是研究早期病变发生的特征指标。
要分析研究膀胱壁厚度的变化及分布，首先要对膀胱壁厚度进行测量。之前膀胱壁厚度测量的研究中，由于使用二维图像测量膀胱壁的厚度通常不准确，三维厚度可以一定程度上消除二维厚度的误差。利用拉普拉斯偏微分方程法，将膀胱壁构建成以内外壁为势能场边界的势能场模型，通过求解此膀胱内外壁势能场的拉普拉斯偏微分方程，以期获得准确一致的膀胱内外壁三维厚度[Haidar H,Egorova VS,Soul JS(2005)New numerical solution of theLaplace equation for tissue thickness measurement in three-dimensional MRI.JMath Model Algorithms 4:83–97.]。
由于膀胱个体差异明显，且不同充盈程度时同一个体的膀胱亦有不同，因此膀胱壁三维厚度需要进行数值标准化以去除不同状态所引起的厚度值差异。同样的，膀胱形态的个体间差异较大。目前，没有研究对不同形态膀胱的标准化工作进行研究。
MR影像作为膀胱壁厚度研究的影像数据基础具有优势与潜力[N.C.Cowan and J.P.Crew,"Imaging bladder cancer,"Curr Opin Urol,vol.20,pp.409-13,Sep 2010.]。尿液作为其天然内源性对比剂，可以增强膀胱壁与内部腔体及外部组织的对比度，为膀胱壁病变的诊断提供更多结构、功能及病理信息，更有利于测量与分析膀胱内外壁的厚度变化。
膀胱内外壁分割是膀胱壁厚度研究的首要任务，常用的膀胱内外壁自动分割技术有以下两类：改进的基于混合组织模型的MAP-EM算法，虽然在膀胱壁分割准确性方面有显著提高，但是需要综合三个MRI序列图像的信息才能得到较好的分割结果，使MRI序列的选择与图像获取过程较为复杂。基于Couple Level-Set框架的膀胱壁自动分割算法，由于膀胱壁周围组织结构的复杂性，该算法很难有效确定停止准则[Duan C,Liang Z,Bao S,et al.A coupledlevel set framework for bladder wall segmentation with application to MRcystography.IEEE Transactions on Medical Imaging.2010；29(no.3):903–915.]。
由于膀胱癌患者病变部位导致内外壁形状差异较大，应用以上两类方法分割膀胱壁，可能会出现不连续或内外壁相交的情况，影响后续膀胱壁三维形态特征的计算。
发明内容
针对背景技术所述在现有膀胱壁厚度测量与定量分析中所存在的问题，本发明提供了一种基于特定序列的膀胱MR影像数据、采用基于自由形变(FFD)的参数变换与映射模型[Y.K.Zhao,Y.Liu,J.Feng,H.B.Lu,“Parametricmapping model for bladder using free-form deformation,”Conference Record of2013IEEE NSS/MIC/RTSD,Seoul,Oct 29-NOV 2,2013]、并采用Z-score法对测量得到的膀胱壁三维厚度进行数值标准化处理的膀胱壁三维厚度测量与定量分析方法。
为达到以上目的，本发明是采取如下技术方案予以实现的：
一种膀胱壁三维厚度测量与定量分析方法，其特征在于，包括下述步骤：
(1)进行被测对象的准备工作后，采集能够清晰显示被测对象膀胱内外壁整体形态的磁共振影像数据；
(2)对磁共振影像数据，采用针对T2加权序列影像的CDLS膀胱内外壁自动分割算法，提取精确的膀胱内外壁轮廓；
(3)对已提取的膀胱内外壁轮廓，计算膀胱壁三维厚度值；
(4)对所计算的三维厚度值采用Z-score进行数值标准化；
(5)采用基于FFD形变的参数模型对整个膀胱壁轮廓进行形态标准化，并将膀胱壁上任意体素所含的厚度信息映射至形态标准化后的膀胱标准模型上。
上述方法中，步骤(1)所述能够清晰显示膀胱内外壁的整体形态的磁共振影像数据带有3D T2-FSE序列。
被测对象准备工作包括：被测对象在磁共振扫描前一天晚餐禁食；被测对象在磁共振扫描前饮水憋尿，并在膀胱膨胀感较明显后的一段时间进行扫描；被测对象在扫描前捆绑腹带并使用电解质垫。
步骤(2)所述针对T2加权序列影像的CDLS膀胱内外壁自动分割算法分为两个步骤：一是基于方向梯度模型自动初始化膀胱内外壁轮廓；二是利用梯度方向信息和膀胱壁灰度均匀特征的自动分割，加入最小壁厚约束，同时得到内外壁边界。
步骤(3)所述膀胱壁三维厚度值的计算，采用三维拉普拉斯偏微分方程法，分别将膀胱内外壁设置为势能值是0V和1V的势能场的边界，并用拉普拉斯偏微分方程来描述该已建立的膀胱壁势能场模型，通过求解拉普拉斯偏微分方程，在该势能场中获得互不相交且在边界表面间平缓变化的各个等势面信息；膀胱壁上任意一点的厚度定义为过该点的场线长度，根据等势面计算出场线的长度，即可得出在该条场线上的所有体素的厚度信息。
步骤(5)所述将膀胱壁上任意体素所含的厚度信息映射至形态标准化后的膀胱标准模型上的具体方法是：根据原始的膀胱外壁散点坐标矩阵初始化一个标准椭球体；通过n次迭代，初始化椭球体变形为与原始膀胱形态近似的变形模型；最后，根据变形模型与初始化标准椭球模型间一一映射关系，将原始膀胱表面的厚度信息映射至标准椭球模型上。
与现有技术相比，本发明提供的基于MR影像的膀胱壁三维厚度测量与定量分析方法，首次提出了较为通用与完整的、包括了基于特定要求的膀胱MR序列影像采集，膀胱壁的自动分割与三维壁厚计算，膀胱壁厚度值的标准化，膀胱形态标准化及厚度值的映射等步骤方法，其中，本发明进一步增加了梯度方向、灰度均匀性以及内外壁距离等约束信息，针对MR T2加权序列图像，提出了新的Coupled Directional Level-Set方法，先对内外壁轮廓进行初始化，然后进行膀胱内外壁分割，同时得到内外壁分割结果。在分割过程中，利用梯度方向信息和膀胱壁灰度均匀特征，减少内部伪影和外部组织对壁分割的影响；加入最小壁厚约束，避免演化过程中发生重叠或者交叉，从而生成理想边界[Xianjing Qin,Yang Liu,Hongbing Lu,Xuelong Li,Pingkun Yan.Coupled Directional Level Set for MR Image Segmentation.IEEEICMLA.2012.39]。
本发明根据膀胱表面散点初始化一个标准椭球体，再通过一定次数迭代拟合，使初始化椭球有效地自适应任意形态的膀胱，逐步变形为一个与原始膀胱形态近乎吻合的变形模型，并给出了一种变形模型与初始化椭球体间体素坐标点一一对应的映射关系。这样，任意膀胱表面可以被标准化到一个标准椭球体表面，膀胱壁上的厚度特征信息也可逐点映射到椭球体表面进行可视化显示。
本发明提出的方法不依赖膀胱大小、形态、充盈程度及有无肿瘤存在等因素，通过本发明提取、测量与定量分析后的膀胱壁厚度特征可用于后续的膀胱壁上病变检测，为使用膀胱壁厚度特征进行膀胱癌早期诊断和术后随访提供了有效途径。
附图说明
图1为本发明基于MR影像的膀胱壁三维厚度测量与定量分析步骤流程图。
具体实施方式
为了使本发明的目的、技术方案更加清楚，下面结合附图及具体实施方式对本发明做进一步地详细说明。
参考图1，一种膀胱壁三维厚度测量与定量分析方法，包括下述步骤：
(1)进行被测对象的准备工作，采集能够清晰显示被测对象膀胱内外壁整体形态的磁共振影像序列数据，影像中膀胱内壁与膀胱腔内尿液，膀胱外壁与外部器官、组织均有着较好的对比度，膀胱壁的信号强度相较于内部尿液与外部组织均较低。此外，图像采集速度要快且分辨率高。例如，GE(通用电气)公司Discovery MR 7503.0T核磁扫描仪扫描序列中可用于膀胱扫描的带有Cube(立方体)技术的3D T2-FSE序列。
被测对象准备工作包括以下几方面：为使研究对象的膀胱处于充盈状态，扫描前要求饮水憋尿，并在膀胱膨胀感较明显后的一段时间进行扫描；为了避免肠道蠕动、挤压造成的伪影，扫描前一天需对研究对象进行肠道准备(要求晚餐禁食)；为了降低呼吸运动等造成的伪影，扫描时需捆绑腹带并使用电解质垫。
(2)采用Coupled Directional Level-Set(CDLS)膀胱内外壁自动分割算法，提取准确的膀胱内外壁轮廓。该算法针对T2加权序列MR影像，可大致分为两个步骤：初始化与自动分割。在初始化步骤中，算法基于方向梯度模型自动初始化膀胱内外壁轮廓；在自动分割步骤中，利用梯度方向信息和膀胱壁灰度均匀特征，减少内部伪影和外部组织对膀胱壁分割的影响；加入最小壁厚约束，避免演化过程中发生重叠或者交叉，从而同时得到内外壁边界。
(3)采用三维拉普拉斯偏微分方程法，计算膀胱壁三维厚度。分别将膀胱内外壁设置为势能值是0V和1V的势能场的边界，并用拉普拉斯偏微分方程来描述这个已建立的膀胱壁势能场模型，通过求解拉普拉斯偏微分方程，在这个势能场中获得互不相交且在边界表面间平缓变化的各个等势面信息。膀胱壁上任意一点的厚度就定义为过该点的场线长度，因此根据等势面计算出场线的长度，即可得出在这条场线上的所有体素的厚度信息。
(4)对所计算的三维厚度值采用Z-score方法进行数值标准化。Z-score在本发明中代表着体素厚度值与膀胱壁厚度均值之间的距离，以标准差为单位，可以反映体素厚度值在厚度分布中的相对位置。
(5)采用基于Free-Form Deformation(FFD)形变的参数模型对整个膀胱壁轮廓进行形态标准化，根据原始的膀胱外壁散点坐标矩阵初始化一个标准椭球体；根据梯度下降最优化法，经过一定次数的迭代(例如10次)，初始化椭球体变形为与原始膀胱形态近似的变形模型；最后，根据变形模型与初始化标准椭球模型间一一映射关系，将原始膀胱表面的厚度信息映射至标准椭球模型上。
如上所述，就完成了基于MR影像的膀胱壁三维厚度测量与定量分析方法，结果可应用于对正常人的健康膀胱厚度与膀胱癌患者的膀胱厚度进行比较与分析，对利用膀胱壁厚度特征进行膀胱壁上病变检测提供了有力的工具。
本发明方法不仅能用于对膀胱壁厚度特征进行测量与定量分析，若将方法中的厚度特征变换为膀胱壁上其他基于体素的特征，例如形态学特征、纹理特征等，本发明方法仍然适用。

Claims (6)

1.一种膀胱壁三维厚度测量与定量分析方法，其特征在于，包括下述步骤：
(1)进行被测对象的准备工作后，采集能够清晰显示被测对象膀胱内外壁整体形态的磁共振影像数据；
(2)对磁共振影像数据，采用针对T2加权序列影像的CDLS膀胱内外壁自动分割算法，提取精确的膀胱内外壁轮廓；
(3)对已提取的膀胱内外壁轮廓，计算膀胱壁三维厚度值；
(4)对所计算的三维厚度值采用Z-score进行数值标准化；
(5)采用基于FFD形变的参数模型对整个膀胱壁轮廓进行形态标准化，并将膀胱壁上任意体素所含的厚度信息映射至形态标准化后的膀胱标准模型上。
2.如权利要求1所述的膀胱壁三维厚度测量与定量分析方法，其特征在于，步骤(1)所述能够清晰显示膀胱内外壁的整体形态的磁共振影像数据带有3D T2-FSE序列。
3.如权利要求1所述的膀胱壁三维厚度测量与定量分析方法，其特征在于，步骤(1)所述被测对象准备工作包括：被测对象在磁共振扫描前一天晚餐禁食；被测对象在磁共振扫描前饮水憋尿，并在膀胱膨胀感较明显后的一段时间进行扫描；被测对象在扫描前捆绑腹带并使用电解质垫。
4.如权利要求1所述的膀胱壁三维厚度测量与定量分析方法，其特征在于，步骤(2)所述针对T2加权序列影像的CDLS膀胱内外壁自动分割算法分为两个步骤：一是基于方向梯度模型自动初始化膀胱内外壁轮廓；二是利用梯度方向信息和膀胱壁灰度均匀特征的自动分割，加入最小壁厚约束，同时得到内外壁边界。
5.如权利要求1所述的膀胱壁三维厚度测量与定量分析方法，其特征在于，步骤(3)所述膀胱壁三维厚度值的计算，采用三维拉普拉斯偏微分方程法，分别将膀胱内外壁设置为势能值是0V和1V的势能场的边界，并用拉普拉斯偏微分方程来描述该已建立的膀胱壁势能场模型，通过求解拉普拉斯偏微分方程，在该势能场中获得互不相交且在边界表面间平缓变化的各个等势面信息；膀胱壁上任意一点的厚度定义为过该点的场线长度，根据等势面计算出场线的长度，即可得出在该条场线上的所有体素的厚度信息。
6.如权利要求1所述的膀胱壁三维厚度测量与定量分析方法，其特征在于，步骤(5)所述将膀胱壁上任意体素所含的厚度信息映射至形态标准化后的膀胱标准模型上的具体方法是：根据原始的膀胱外壁散点坐标矩阵初始化一个标准椭球体；通过n次迭代，初始化椭球体变形为与原始膀胱形态近似的变形模型；最后，根据变形模型与初始化标准椭球模型间一一映射关系，将原始膀胱表面的厚度信息映射至标准椭球模型上。
CN201410567610.XA 2014-10-22 2014-10-22 一种膀胱壁三维厚度测量与定量分析方法 Pending CN104305998A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410567610.XA CN104305998A (zh) 2014-10-22 2014-10-22 一种膀胱壁三维厚度测量与定量分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410567610.XA CN104305998A (zh) 2014-10-22 2014-10-22 一种膀胱壁三维厚度测量与定量分析方法

Publications (1)

Publication Number Publication Date
CN104305998A true CN104305998A (zh) 2015-01-28

Family

ID=52361423

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410567610.XA Pending CN104305998A (zh) 2014-10-22 2014-10-22 一种膀胱壁三维厚度测量与定量分析方法

Country Status (1)

Country Link
CN (1) CN104305998A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106466183A (zh) * 2015-08-11 2017-03-01 三星电子株式会社 工作站、包括其的医学成像设备和对其的控制方法
US20170227620A1 (en) * 2016-02-09 2017-08-10 Toshiba Medical Systems Corporation Image processing device and mri apparatus
CN112270676A (zh) * 2020-11-13 2021-01-26 上海理工大学 一种mri图像子宫内膜癌肌层浸润深度计算机辅助判断方法
CN112957073A (zh) * 2021-01-29 2021-06-15 北京大学第三医院（北京大学第三临床医学院） 一种膀胱容量的测量方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101785674A (zh) * 2009-12-30 2010-07-28 绵阳美科电子设备有限责任公司 新型膀胱扫描仪及其检测方法
CN102354396A (zh) * 2011-09-23 2012-02-15 清华大学深圳研究生院 基于水平集函数的灰度不均匀图像分割方法
CN102682449A (zh) * 2012-04-25 2012-09-19 中国人民解放军军事医学科学院卫生装备研究所 软组织核磁图像自适应外力水平集自动分割及实现方法
CN103886603A (zh) * 2014-03-31 2014-06-25 西北工业大学 一种左心室核磁共振图像分割及三维重构的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101785674A (zh) * 2009-12-30 2010-07-28 绵阳美科电子设备有限责任公司 新型膀胱扫描仪及其检测方法
CN102354396A (zh) * 2011-09-23 2012-02-15 清华大学深圳研究生院 基于水平集函数的灰度不均匀图像分割方法
CN102682449A (zh) * 2012-04-25 2012-09-19 中国人民解放军军事医学科学院卫生装备研究所 软组织核磁图像自适应外力水平集自动分割及实现方法
CN103886603A (zh) * 2014-03-31 2014-06-25 西北工业大学 一种左心室核磁共振图像分割及三维重构的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHAIJIE DUAN, ZHENGRONG LIANG: "A Coupled Level Set Framework for Bladder Wall Segmentation With Application to MR Cystography", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 *
YIKAI ZHAO, YANG LIU: "Parametric mapping model for bladder using freeform deformation", 《CONFERENCE RECORD OF2013IEEE NSS/MIC/RTSD》 *
张曦，刘洋: "基于MRI 影像的膀胱肿瘤三维形态变化的初步研究", 《医疗卫生装备》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106466183A (zh) * 2015-08-11 2017-03-01 三星电子株式会社 工作站、包括其的医学成像设备和对其的控制方法
US20170227620A1 (en) * 2016-02-09 2017-08-10 Toshiba Medical Systems Corporation Image processing device and mri apparatus
US10451699B2 (en) * 2016-02-09 2019-10-22 Canon Medical Systems Corporation Image processing device and MRI apparatus
CN112270676A (zh) * 2020-11-13 2021-01-26 上海理工大学 一种mri图像子宫内膜癌肌层浸润深度计算机辅助判断方法
CN112957073A (zh) * 2021-01-29 2021-06-15 北京大学第三医院（北京大学第三临床医学院） 一种膀胱容量的测量方法及系统
CN112957073B (zh) * 2021-01-29 2023-01-10 北京大学第三医院（北京大学第三临床医学院） 一种膀胱容量的测量方法及系统

Similar Documents

Publication Publication Date Title
US11710242B2 (en) Methods and systems for image segmentation
CN107230206B (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
Kim et al. Automatic hippocampal segmentation in temporal lobe epilepsy: impact of developmental abnormalities
Giannini et al. A fully automatic algorithm for segmentation of the breasts in DCE-MR images
Mäkelä et al. A 3-D model-based registration approach for the PET, MR and MCG cardiac data fusion
CN103325143A (zh) 基于模型匹配的标记点自动注册方法
CN110910405A (zh) 基于多尺度空洞卷积神经网络的脑肿瘤分割方法及系统
CN106709920B (zh) 血管提取方法及其装置
CN103942772A (zh) 一种多模态多维度的血管融合方法及系统
CN107680110B (zh) 基于统计形状模型的内耳三维水平集分割方法
CN106651874B (zh) 基于多模态mri数据的脑瘤术后空间域分割方法
Lee et al. Semi-automatic segmentation for 3D motion analysis of the tongue with dynamic MRI
CN104305998A (zh) 一种膀胱壁三维厚度测量与定量分析方法
WO2019007952A1 (en) METHOD OF EVALUATING IMAGE ANALYSIS OF PROBABILITY THAT ISCHEMIA IN A CEREBRAL TISSUE AREA RESULTS IN INFARCTION OF THIS BRAIN TISSUE AREA
Liu et al. Multimodal MRI brain tumor image segmentation using sparse subspace clustering algorithm
EP2671211A2 (en) Transformation of a three-dimensional flow image
CN108961278B (zh) 基于影像数据的腹壁肌肉分割的方法及其系统
US20130195335A1 (en) Automatic quantification of mitral valve dynamics with real-time 3d ultrasound
CN108670301A (zh) 一种基于超声影像的脊柱横突定位方法
CN104751457A (zh) 一种新的基于变分能量的肝脏分割方法
Yin et al. Automatic breast tissue segmentation in MRIs with morphology snake and deep denoiser training via extended Stein’s unbiased risk estimator
Kubassova et al. Quantitative analysis of dynamic contrast-enhanced MRI datasets of the metacarpophalangeal joints
CN113222979A (zh) 一种基于多图谱的颅底卵圆孔自动分割方法
Zhang et al. Quantitative analysis of bladder wall thickness for magnetic resonance cystoscopy
CN104915989A (zh) 基于ct影像的血管三维分割方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150128