CN105488804A - 脑部asl、spect和mri图像配准融合联合分析的方法及系统 - Google Patents

脑部asl、spect和mri图像配准融合联合分析的方法及系统 Download PDF

Info

Publication number
CN105488804A
CN105488804A CN201510928978.9A CN201510928978A CN105488804A CN 105488804 A CN105488804 A CN 105488804A CN 201510928978 A CN201510928978 A CN 201510928978A CN 105488804 A CN105488804 A CN 105488804A
Authority
CN
China
Prior art keywords
image
registration
asl
tomography
spect
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
Application number
CN201510928978.9A
Other languages
English (en)
Other versions
CN105488804B (zh
Inventor
刘冶
宋少莉
王洋
陈增爱
王利生
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201510928978.9A priority Critical patent/CN105488804B/zh
Publication of CN105488804A publication Critical patent/CN105488804A/zh
Application granted granted Critical
Publication of CN105488804B publication Critical patent/CN105488804B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10088Magnetic resonance imaging [MRI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104Vascular flow; Blood flow; Perfusion

Landscapes

  • Nuclear Medicine (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)

Abstract

一种脑部ASL、SPECT和MRI图像配准融合联合分析的方法及系统,以MRI图像为基准分别对ASL图像和MRI图像进行配准,然后将ASL图像和SPECT图像按照不同透明度进行融合,并在SPECT图像的断层中标出待计算区域,通过对ASL图像的三次样条插值得到闭合曲线后再由圆台逼近的方式得出待计算区域对应的体积、灰度值及感兴趣区域体灰度均值。本发明能够把ASL图像反映脑血流灌注和SPECT图像反映脑血流灌注以及MRI提供的脑部结构变化的优势结合起来,通过给医生和医学专家提供交互标定操作,实现感兴趣区域的分割和分析,能提高对脑缺血性疾病的准确判断,为临床医生制定合理的治疗方案提供影像学的指导。

Description

脑部ASL、SPECT和MRI图像配准融合联合分析的方法及系统
技术领域
本发明涉及的是一种图像处理领域的技术,具体是一种脑部SPECT(Single-PhotonEmissionComputedTomography,单光子发射计算机断层成像术)的脑血流灌注显像测定的CBF(脑血流量,CerebralBloodFlow)成像、MR(磁共振,MagneticResonance)成像的ASL(动脉自旋标记,ArterialSpinLabeling)图像的配准融合联合分析的方法,属于生物医学影像处理领域,具体是一种基于多模态图像的融合显示及感兴趣区域分割的技术。
背景技术
缺血性脑血管病是严重危害人类健康的疾病之一,具有高发病率、高死亡率、高致残率的特点,严重影响人们的生活质量。早期检测缺血区域,及时为临床治疗方案制定提供依据具有重要意义。目前SPECT、MR脑血流灌注显像已广泛应用于临床。脑血流量即单位时间内流过单位重量脑组织的血液毫升数,一般是mL/100g/min。
SPECT脑血流灌注显像,称为功能性脑显像,是静脉注射小分子量、电中性、脂溶性的显像剂99mTc-ECD,它们能通过正常血脑屏障进入脑细胞,随后在脂解酶作用下转变为带负电荷的单酸或者二酸化合物,从而滞留在脑组织内,显像剂进入脑细胞的量与局部脑血流(rCBF)量成正相关。由于rCBF一般与局部脑功能代谢平行,故在一定程度上亦能反映局部脑功能状态。
近年出现的动脉自旋标记技术(ASL),是以可自由弥散的水为内在示踪剂的MR灌注成像方法,它利用反转脉冲标记上游动脉血中的水质子,将下游成像层所获标记图像与没有标记的对照组减影而获得器官的血流量。ASL技术完全为无创性的方法,常用于出血、钙化或位于颅底的病变进行测定。
虽然SPECT和ASL均可以反应脑血流灌注,同时两种有一定的正相关性。但两种显像方式所反应的内容不同,显像也是在两种设备、两种条件下完成的。目前尚无将两种显像方法完整融合、归一化分析的图像处理技术,也无将功能性成像的SPECT和ASL图像与反映解剖结构的MRI图像联合分析处理的图像处理技术。
发明内容
本发明开发出一种新的软件程序,利用ITK、VTK和MFC软件编程技术,开发出一种脑部ASL、SPECT和MRI图像配准融合联合分析感兴趣区域的方法及系统,能够把ASL图像反映脑血流灌注和SPECT图像反映脑血流灌注以及MRI提供的脑部结构变化的优势结合起来,通过给医生和医学专家提供交互标定操作,实现感兴趣区域的分割和分析,能提高对脑缺血性疾病的准确判断,为临床医生制定合理的治疗方案提供影像学的指导。
本发明是通过以下技术方案实现的:
本发明涉及一种脑部ASL、SPECT和MRI图像融合标定病理区域的方法,以MRI图像为基准分别对ASL图像和MRI图像进行配准,然后将ASL图像和SPECT图像按照不同透明度进行融合,并在SPECT图像的断层中标出待计算区域,通过对ASL图像的三次样条插值得到闭合曲线后再由圆台逼近的方式得出待计算区域对应的体积、灰度值及感兴趣区域体灰度均值。
本发明具体包括以下步骤:
步骤一,读取SPECT脑血流灌注图像数据并采样,对SPECT图像和MRI的T2图像进行配准;
步骤二,读取ASL图像数据并采样,对MRI图像和MRI的T2图像进行配准;
步骤三,在步骤一和步骤二自动配准的基础上,提供专家手动交互操作辅助调整对齐图像的接口,进行旋转、平移、三维断层移动微调使不同模态图像更精确地一一对准;
步骤四,SPECT、ASL图像分别和MRI的T2图像配准后,则认为ASL图像、SPECT图像和MRI图像之间均实现了配准;
步骤五,SPECT图像按显色方案进行伪彩色映射,ASL图像不映射伪彩色,具体为:按SPECT图像0.8至0.6的透明度比例和ASL图像0.2至0.4的透明度比例进行图像融合,以ASL图像作为底板;
步骤六,根据融合图像的增强显示结果给医学专家提供依据,人工在SPECT图像中置入标记点标定感兴趣区域,根据标记点标定的位置通过插值算法拟合成闭合曲线作为感兴趣区域的边界;
步骤七,在ASL图像上勾勒出感兴趣的区域,由于ASL图像与SPECT图像已经配准,则由配准图像位置对应关系在SPECT图像上对应切割出ASL图像的区域;
步骤八,不同断层图像同理采取步骤六和步骤七方法确定曲线拟合区域,断层间采用三维断层插值算法计算三维区域,等价的不规则圆台即作为感兴趣区域体;
步骤九,依次计算标定区域的灰度均值、对称对应区域以及灰度均值以比较分析。
本发明涉及一种实现上述方法的系统,包括:VTK图像融合显示模块、由标定点拟合曲线单元与断层图像相关计算单元组成的多模态图像辅助分析模块,以及由读取图像单元、图像重采样单元、ITK配准单元、交互操作微调单元组成的三模态图像配准模块,其中:三模态图像配准模块与VTK图像融合显示模块相连,通过VTK图像融合显示模块显示配准后三种模态图像的数据信息;多模态图像辅助分析模块与VTK图像融合显示模块相连,通过VTK图像融合显示模块显示三个模态下对感兴趣区域的联合分析计算结果。
技术效果
与现有技术相比,本发明的技术效果包括:同时使用了脑部ASL、SPECT和MRI图像联合分析,不仅反映感兴趣区域功能上的变化情况,也反映对应解剖结构的变化情况。
附图说明
图1为本发明系统结构示意图;
图2为本发明方法流程示意图;
图3为三维断层插值算法示意图;
图4为中心扩散算法示意图;
图5为第一个和最后一个断层上的拟合曲线结果图;
图6为中心扩散法在6个断层上拟合的曲线结果图;
图7为ASL图像和SPECT图像融合结果图。
具体实施方式
如图1所示,为一种脑部ASL、SPECT和MRI图像融合标定病理区域的系统,包括:VTK图像融合显示模块、由标定点拟合曲线单元与断层图像相关计算单元组成的多模态图像辅助分析模块,以及由读取图像单元、图像重采样单元、ITK配准单元、交互操作微调单元组成的三模态图像配准模块,其中:三模态图像配准模块与VTK图像融合显示模块相连,通过VTK图像融合显示模块显示配准后三种模态图像的数据信息;多模态图像辅助分析模块与VTK图像融合显示模块相连,通过VTK图像融合显示模块显示三个模态下对感兴趣区域的联合分析计算结果。
所述的读取图像单元与图像重采样单元相连并传输读入图像的原始数据信息,图像重采样单元与ITK配准单元相连并传输采样后适合ITK处理格式的数据信息,ITK配准单元与交互操作微调单元相连并传输人工交互调整信息,标定点拟合曲线单元与断层图像相关计算单元相连并传输人工交互标记的感兴趣区域信息。
如图2所示,本实施例所述方法使用上海交通大学附属仁济医院所提供患者头部扫描数据,本实施例多模态图像融合显示分析的方法包括以下步骤:
1)首先对SPECT图像和MRI图像进行配准,使SPECT图像和MRI图像表达同一位置的部分一一对齐;
2)对ASL图像和MRI图像进行配准,使ASL图像和MRI图像表达同一位置的部分一一对齐;
3)通过分别配准则使得SPECT图像、ASL图像、MRI图像实现了一一对应;
4)现有的对配准效果衡量并没有一种很好的评价标准,这里给专家提供人工交互操作辅助调整对齐图像的操作接口,进行图像旋转、平移和三维断层移动,使图像间更加精确的一一对准;
5)采用加权平均融合算法,即对不同模态的图像赋以不同的权重,根据权重来融合多个模态的图像:F(i,j,k)=λ1A(i,j,k)+λ2B(i,j,k),λ12=1,其中:A(i,j,k)是待融合图像A的灰度值、B(i,j,k)是待融合图像B的灰度值、F(i,j,k)是融合后图像的灰度值,i、j和k分别表示融合图像像素的三维坐标;
所述的权重是以透明度的形式显示在最后融合的图像中,ASL图像分配了权重为0.2至0.4,ECT图像分配了权重0.8至0.6,两者权重加起来和为1。
6)通过交互操作手动置入少数几个标记点标定感兴趣区域,根据标记点标定的位置通过插值算法拟合成闭合曲线作为感兴趣区域的边界。
如图3所示,本实施例中采用三次样条插值,在感兴趣的区域边界上标记N(N≥3)个标记点,得到标记点集合Pi(x,y)1≤i≤n,对二维坐标(x,y)建立参数三次样条方程:fx(i)=Pix,fy(i)=Piy,通过三次样条曲线计算公式计算各个区间段内(x,y)关于三次样条曲线方程的系数,在任意区间(i,i+1)上关于参数t的坐标计算公式为:
Qx(t)=Pi*x+ai*(t-Pix)+bi*(t-Pix)2+ci*(t-Pix)3
Qy(t)=Pi*y+di*(t-Piy)+ei*(t-Piy)2+fi*(t-Piy)3
由此可得到拟合曲线上任意点的二维坐标,沿着拟合的曲线,需要计算采样点的坐标,基于三次样条曲线离散长度积分公式为:
L = Σ i = 1 n Σ j = 1 1 S T E P ( Q x ′ ( t ) + Q y ′ ( t ) * S T E P = Σ i = 1 n Σ j = 1 1 S T E P ( a j + 2 b j ( t - P j x ) + 3 c j ( t - P j x ) 2 + d j + 2 e j ( t - P j y ) + 3 f j ( t - P j y ) 2 * S T E P ,
其中:STEP是步长,本实施例中取值0.1毫米,可通过修改STEP值计算沿着曲线的所有等间隔采样点的坐标。
7)图像配准使图像之间具有相同解剖意义的点达到空间位置上一致,本实施例中ASL图像和SPECT图像完成配准后,在ASL图像上勾勒出感兴趣的区域,通过配准后不同模态图像相对应位置的对准关系,会在SPECT图像上显示出对应的区域。
8)断层图像间区域的确定:为了尽量逼近真实的人脑结构,当人工在SPECT图像的第一个断层和最后一个断层上勾勒出区域后,使用一种插值算法来计算两个断层之间的断层所包围的区域,相邻断层之间的三维区域等价于一个不规则的圆台,用若干个圆台逼近真实的人脑结构。
设断层A和断层B是人工勾勒的区域,在这两个断层之间需要自动生成区域的断层上,生成若干个采样点,根据生成的采样点用上一步骤提到的三次样条插值算法来拟合曲线。
如图4和图5所示,本实施例中采用的是中心扩散法来插值计算出中间断层的采样点:在断层A和断层B上人工标记采样点,然后用三次样条插值算法拟合出曲线。设Q=(q1,q2,…,qn)为断层A上三次样条曲线的n个采样点,包围区域的形心qc为:其中:qc(x)为形心qc的x坐标,qc(y)为y坐标,n是采样点的个数。
如图6所示,设定中心扩散法的扩散角度(本实施例中设定扩散角度为60°),从形心qc扩散出6条射线至拟合曲线上得到6个采样点qA1′、qA2′、qA3′、qA4′、qA5′和qA6′。同理,对断层B采用相同的方法可得6个采样点,对断层A和断层B中对应的采样点用线性插值式:
pi(x)=w1qA(x)+w2qB(x),pi(y)=w1qA(y)+w2qB(y),得到中间断层上的采样点,再用三次样条曲线算法拟合出曲线,其中:pi(x)是断层i上插值计算采样点的x坐标,pi(y)是采样点y坐标,w1和w2分别是断层A和断层B上采样点坐标的权重,计算的断层越靠近哪个人工标记的断层,赋给该人工标记断层的权重就越大,dif是断层A和B之间的断层差值;
如图7所示,对断层上拟合的闭合曲线使用区域生长法标记所包围区域,本实施例中具体操作步骤是:断层上拟合的闭合曲线经过位置记为1,其余均记为0,对闭合曲线求重心得到重心点作为区域生长的种子点,从种子点开始迭代标记生长区域只到迭代点达到闭合曲线边界,如此得到的生长区域即可作为感兴趣区域。
9)最后计算区域面积和灰度均值,相邻断层之间的三维区域等价于一个不规则的圆台,按圆台体积计算三维区域体积,具体为:由脑部结构的对称性计算组成标记区域的对称区域,某一断层上(i,j,k)像素点对应的对称位置像素点为(Width-i,j,k),其中Width为该断层图像显示的窗位宽,计算对称区域的灰度均值,同样按圆台体积计算对应对称三维区域体积及三维区域体灰度均值;不同模态图像间已配准,按对应位置传递即得到另一模态图像相对应区域,同理计算三维区域体灰度均值。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。

Claims (7)

1.一种脑部ASL、SPECT和MRI图像融合标定病理区域的方法,以MRI图像为基准分别对ASL图像和MRI图像进行配准,然后将ASL图像和SPECT图像按照不同透明度进行融合,并在SPECT图像的断层中标出待计算区域,通过对ASL图像的三次样条插值得到闭合曲线后再由圆台逼近的方式得出待计算区域对应的体积、灰度值及感兴趣区域体灰度均值。
2.根据权利要求1所述的方法,其特征是,具体包括以下步骤:
步骤一,读取SPECT脑血流灌注图像数据并采样,对SPECT图像和MRI的T2图像进行配准;
步骤二,读取ASL图像数据并采样,对MRI图像和MRI的T2图像进行配准;
步骤三,在步骤一和步骤二自动配准的基础上,提供专家手动交互操作辅助调整对齐图像的接口,进行旋转、平移、三维断层移动微调使不同模态图像更精确地一一对准;
步骤四,SPECT、ASL图像分别和MRI的T2图像配准后,则认为ASL图像、SPECT图像和MRI图像之间均实现了配准;
步骤五,SPECT图像按显色方案进行伪彩色映射,ASL图像不映射伪彩色;
步骤六,根据融合图像的增强显示结果给医学专家提供依据,人工在SPECT图像中置入标记点标定感兴趣区域,根据标记点标定的位置通过插值算法拟合成闭合曲线作为感兴趣区域的边界;
步骤七,在ASL图像上勾勒出感兴趣的区域,由于ASL图像与SPECT图像已经配准,则由配准图像位置对应关系在SPECT图像上对应切割出ASL图像的区域;
步骤八,不同断层图像同样采取步骤六和步骤七方法确定曲线拟合区域,断层间采用三维断层插值算法计算三维区域,等价的不规则圆台即作为感兴趣区域体;
步骤九,依次计算标定区域的灰度均值、对称对应区域以及灰度均值以比较分析。
3.根据权利要求2所述的方法,其特征是,步骤5所述的伪彩色映射是指:对不同模态的图像赋以不同的权重,根据权重来融合多个模态的图像:F(i,j,k)=λ1A(i,j,k)+λ2B(i,j,k),λ12=1,其中:A(i,j,k)是待融合图像A的灰度值、B(i,j,k)是待融合图像B的灰度值、F(i,j,k)是融合后图像的灰度值,i、j和k分别表示融合图像像素的三维坐标。
4.根据权利要求2或3所述的方法,其特征是,按SPECT图像0.8至0.6的透明度比例和ASL图像0.2至0.4的透明度比例进行图像融合,以ASL图像作为底板。
5.根据权利要求2所述的方法,其特征是,所述的感兴趣区域的边界,具体通过以下方式得到:采用三次样条插值,在感兴趣的区域边界上标记N(N≥3)个标记点,得到标记点集合Pi(x,y)1≤i≤n,对二维坐标(x,y)建立参数三次样条方程:fx(i)=Pix,fy(i)=Piy,通过三次样条曲线计算公式计算各个区间段内(x,y)关于三次样条曲线方程的系数,在任意区间(i,i+1)上关于参数t的坐标计算公式为:
Qx(t)=Pi*x+ai*(t-Pix)+bi*(t-Pix)2+ci*(t-Pix)3
Qy(t)=Pi*y+di*(t-Piy)+ei*(t-Piy)2+fi*(t-Piy)3
由此可得到拟合曲线上任意点的二维坐标,沿着拟合的曲线,需要计算采样点的坐标,基于三次样条曲线离散长度积分公式为:
L = Σ i = 1 n Σ j = 1 1 STEP ( Q x ′ ( t ) + Q y ′ ( t ) * STEP ) = Σ i = 1 n Σ j = 1 1 STEP ( a j + 2 b j ( t - P jx ) + 3 c j ( t - P jx ) 2 + d j + 2 e j ( t - P jy ) + 3 f j ( t - P jy ) 2 ) * STEP , 其中:
STEP是步长。
6.根据权利要求2所述的方法,其特征是,所述的三维区域,通过以下方式得到:
1)在断层A和断层B上人工标记采样点,然后用三次样条插值算法拟合出曲线。设Q=(q1,q2,…,qn)为断层A上三次样条曲线的n个采样点,包围区域的形心qc为:其中:qc(x)为形心qc的x坐标,qc(y)为y坐标,n是采样点的个数;
2)设定中心扩散法的扩散角度,从形心qc扩散出6条射线至拟合曲线上得到6个采样点qA1′、qA2′、qA3′、qA4′、qA5′和qA6′;对断层B采用相同的方法可得6个采样点,对断层A和断层B中对应的采样点用线性插值式:
3)pi(x)=w1qA(x)+w2qB(x),pi(y)=w1qA(y)+w2qB(y),得到中间断层上的采样点,再用三次样条曲线算法拟合出曲线,其中:pi(x)是断层i上插值计算采样点的x坐标,pi(y)是采样点y坐标,w1和w2分别是断层A和断层B上采样点坐标的权重,计算的断层越靠近哪个人工标记的断层,赋给该人工标记断层的权重就越大,dif是断层A和B之间的断层差值;
4)对断层上拟合的闭合曲线使用区域生长法标记所包围区域,本实施例中具体操作步骤是:断层上拟合的闭合曲线经过位置记为1,其余均记为0,对闭合曲线求重心得到重心点作为区域生长的种子点,从种子点开始迭代标记生长区域只到迭代点达到闭合曲线边界,如此得到的生长区域即可作为感兴趣区域。
7.一种实现上述任一权利要求所述方法的系统,其特征在于,包括:VTK图像融合显示模块、由标定点拟合曲线单元与断层图像相关计算单元组成的多模态图像辅助分析模块,以及由读取图像单元、图像重采样单元、ITK配准单元、交互操作微调单元组成的三模态图像配准模块,其中:三模态图像配准模块与VTK图像融合显示模块相连,通过VTK图像融合显示模块显示配准后三种模态图像的数据信息;多模态图像辅助分析模块与VTK图像融合显示模块相连,通过VTK图像融合显示模块显示三个模态下对感兴趣区域的联合分析计算结果;
所述的读取图像单元与图像重采样单元相连并传输读入图像的原始数据信息,图像重采样单元与ITK配准单元相连并传输采样后适合ITK处理格式的数据信息,ITK配准单元与交互操作微调单元相连并传输人工交互调整信息,标定点拟合曲线单元与断层图像相关计算单元相连并传输人工交互标记的感兴趣区域信息。
CN201510928978.9A 2015-12-14 2015-12-14 脑部asl、spect和mri图像配准融合联合分析的方法及系统 Expired - Fee Related CN105488804B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510928978.9A CN105488804B (zh) 2015-12-14 2015-12-14 脑部asl、spect和mri图像配准融合联合分析的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510928978.9A CN105488804B (zh) 2015-12-14 2015-12-14 脑部asl、spect和mri图像配准融合联合分析的方法及系统

Publications (2)

Publication Number Publication Date
CN105488804A true CN105488804A (zh) 2016-04-13
CN105488804B CN105488804B (zh) 2018-06-12

Family

ID=55675769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510928978.9A Expired - Fee Related CN105488804B (zh) 2015-12-14 2015-12-14 脑部asl、spect和mri图像配准融合联合分析的方法及系统

Country Status (1)

Country Link
CN (1) CN105488804B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106236118A (zh) * 2016-07-18 2016-12-21 上海联影医疗科技有限公司 图像信息显示交互装置及方法
CN106373108A (zh) * 2016-08-29 2017-02-01 王磊 一种将实时超声图像与术前核磁图像进行融合的方法及装置
CN106683127A (zh) * 2017-01-05 2017-05-17 南京觅踪电子科技有限公司 一种基于surf算法的多模态医学图像配准方法
CN106890031A (zh) * 2017-04-11 2017-06-27 东北大学 一种标记物识别及标记点定位方法及手术导航系统
CN107507212A (zh) * 2017-08-18 2017-12-22 中国科学院深圳先进技术研究院 数字脑可视化方法、装置、计算设备及存储介质
CN108171738A (zh) * 2018-01-25 2018-06-15 北京雅森科技发展有限公司 基于脑功能模板的多模态医学图像配准方法
WO2018119766A1 (zh) * 2016-12-28 2018-07-05 上海联影医疗科技有限公司 多模态图像处理系统及方法
CN109073722A (zh) * 2016-04-20 2018-12-21 弗劳恩霍夫应用研究促进协会 具有子团长度确定的时间编码的asl mri
CN109523536A (zh) * 2018-11-19 2019-03-26 复旦大学附属华山医院 颅内外血流重建术的搭桥血管确定方法及系统
CN109712186A (zh) * 2018-12-11 2019-05-03 上海联影医疗科技有限公司 图像中勾画感兴趣区域的方法、计算机设备和存储介质
CN110060746A (zh) * 2017-12-05 2019-07-26 西门子医疗有限公司 融合分析数据记录和图像数据记录的方法
CN111386555A (zh) * 2018-10-30 2020-07-07 西安大医集团股份有限公司 图像引导方法及装置、医疗设备、计算机可读存储介质
CN112545468A (zh) * 2019-09-26 2021-03-26 安影科技(北京)有限公司 一种自动处理磁共振脑灌注图像的方法
CN112950595A (zh) * 2021-03-10 2021-06-11 西北民族大学 一种基于spect成像的人体部位切分方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
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
US20130039555A1 (en) * 2007-10-26 2013-02-14 Koninklijke Philips Electronics N.V. Closed loop registration control for multi-modality soft tissue imaging
CN103345740A (zh) * 2013-06-13 2013-10-09 沈阳航空航天大学 基于多投影图像配准的肺结节检测方法
CN103548054A (zh) * 2011-02-23 2014-01-29 皇家飞利浦有限公司 界标的自动投影以产生图像配准中的额外对应
CN104835112A (zh) * 2015-05-07 2015-08-12 厦门大学 一种肝脏多相期ct图像融合方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
US20130039555A1 (en) * 2007-10-26 2013-02-14 Koninklijke Philips Electronics N.V. Closed loop registration control for multi-modality soft tissue imaging
CN103548054A (zh) * 2011-02-23 2014-01-29 皇家飞利浦有限公司 界标的自动投影以产生图像配准中的额外对应
CN103345740A (zh) * 2013-06-13 2013-10-09 沈阳航空航天大学 基于多投影图像配准的肺结节检测方法
CN104835112A (zh) * 2015-05-07 2015-08-12 厦门大学 一种肝脏多相期ct图像融合方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YANG WANG 等: "Selective Volume Rendering of MRI Brain Structures Based on Multi-Atlas", 《BIOINFORMATICS AND BIOMEDICAL ENGINEERING》 *
何元烈 等: "基于三次样条层间插值的多模态医学图像配准", 《生物医学工程学杂志》 *
贠照强 等: "差分累积PET/CT三维融合", 《科学技术与工程》 *
黄中华 等: "PET-CT双模图像配准", 《计算机仿真》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109073722A (zh) * 2016-04-20 2018-12-21 弗劳恩霍夫应用研究促进协会 具有子团长度确定的时间编码的asl mri
CN109073722B (zh) * 2016-04-20 2021-01-12 弗劳恩霍夫应用研究促进协会 具有子团长度确定的时间编码的asl mri
US11294013B2 (en) 2016-04-20 2022-04-05 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Imaging system for generating a series of images
CN106236118B (zh) * 2016-07-18 2018-02-27 上海联影医疗科技有限公司 图像信息显示交互装置及方法
CN107595310A (zh) * 2016-07-18 2018-01-19 上海联影医疗科技有限公司 图像信息显示交互装置及方法
CN107595310B (zh) * 2016-07-18 2020-12-15 上海联影医疗科技股份有限公司 图像信息显示交互装置及方法
CN106236118A (zh) * 2016-07-18 2016-12-21 上海联影医疗科技有限公司 图像信息显示交互装置及方法
CN106373108A (zh) * 2016-08-29 2017-02-01 王磊 一种将实时超声图像与术前核磁图像进行融合的方法及装置
US11869202B2 (en) 2016-12-28 2024-01-09 Shanghai United Imaging Healthcare Co., Ltd. Method and system for processing multi-modality image
WO2018119766A1 (zh) * 2016-12-28 2018-07-05 上海联影医疗科技有限公司 多模态图像处理系统及方法
US11037309B2 (en) 2016-12-28 2021-06-15 Shanghai United Imaging Healthcare Co., Ltd. Method and system for processing multi-modality image
CN106683127A (zh) * 2017-01-05 2017-05-17 南京觅踪电子科技有限公司 一种基于surf算法的多模态医学图像配准方法
CN106890031A (zh) * 2017-04-11 2017-06-27 东北大学 一种标记物识别及标记点定位方法及手术导航系统
CN107507212A (zh) * 2017-08-18 2017-12-22 中国科学院深圳先进技术研究院 数字脑可视化方法、装置、计算设备及存储介质
CN107507212B (zh) * 2017-08-18 2020-08-18 中国科学院深圳先进技术研究院 数字脑可视化方法、装置、计算设备及存储介质
CN110060746A (zh) * 2017-12-05 2019-07-26 西门子医疗有限公司 融合分析数据记录和图像数据记录的方法
CN108171738A (zh) * 2018-01-25 2018-06-15 北京雅森科技发展有限公司 基于脑功能模板的多模态医学图像配准方法
CN111386555A (zh) * 2018-10-30 2020-07-07 西安大医集团股份有限公司 图像引导方法及装置、医疗设备、计算机可读存储介质
CN111386555B (zh) * 2018-10-30 2024-03-29 西安大医集团股份有限公司 图像引导方法及装置、医疗设备、计算机可读存储介质
US11961245B2 (en) 2018-10-30 2024-04-16 Our United Corporation Method and apparatus for performing image guidance, medical equipment, and computer-readable storage medium
CN109523536B (zh) * 2018-11-19 2020-10-16 复旦大学附属华山医院 颅内外血流重建术的搭桥血管确定方法及系统
CN109523536A (zh) * 2018-11-19 2019-03-26 复旦大学附属华山医院 颅内外血流重建术的搭桥血管确定方法及系统
CN109712186A (zh) * 2018-12-11 2019-05-03 上海联影医疗科技有限公司 图像中勾画感兴趣区域的方法、计算机设备和存储介质
CN109712186B (zh) * 2018-12-11 2021-10-22 上海联影医疗科技股份有限公司 图像中勾画感兴趣区域的方法、计算机设备和存储介质
CN112545468A (zh) * 2019-09-26 2021-03-26 安影科技(北京)有限公司 一种自动处理磁共振脑灌注图像的方法
CN112950595A (zh) * 2021-03-10 2021-06-11 西北民族大学 一种基于spect成像的人体部位切分方法及系统

Also Published As

Publication number Publication date
CN105488804B (zh) 2018-06-12

Similar Documents

Publication Publication Date Title
CN105488804A (zh) 脑部asl、spect和mri图像配准融合联合分析的方法及系统
ES2414614T3 (es) Herramientas para ayudar en el diagnóstico de enfermedades neurodegenerativas
CN101496723B (zh) 一种获取神经导航系统影像学资料的方法
US20160284240A1 (en) Ultrasound training system based on ct image simulation and positioning
CN109674532A (zh) 基于mr的手术导航系统及其设备、方法和存储介质
JP7309986B2 (ja) 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム
Garcia et al. Cardiovascular magnetic resonance evaluation of aortic stenosis severity using single plane measurement of effective orifice area
CN106068451A (zh) 手术装置及其使用方法
Faber et al. Three-dimensional displays of left ventricular epicardial surface from standard cardiac SPECT perfusion quantification techniques
Bulut et al. Comparison of three-dimensional facial morphology between upright and supine positions employing three-dimensional scanner from live subjects
JP4584232B2 (ja) 脳模型
Gomez et al. A sensitivity analysis on 3D velocity reconstruction from multiple registered echo Doppler views
CN110335235A (zh) 心脏医学图像的处理装置、处理系统和介质
Knight et al. Accuracy and test-retest reproducibility of two-dimensional knowledge-based volumetric reconstruction of the right ventricle in pulmonary hypertension
CN101542526B (zh) 融合的灌注和功能性3d旋转血管造影绘制
CN107680110A (zh) 基于统计形状模型的内耳三维水平集分割方法
JP2024515635A (ja) 超音波及びカメラ画像から3d画像を再構成するためのシステム及び方法
Blezek et al. Evaluating virtual endoscopy for clinical use
US20160256059A1 (en) Method and system for processing of medical images for generating a prognosis of cardiac function
CN108510506A (zh) 一种管状结构图像分割方法
Croquet et al. Automated landmarking for palatal shape analysis using geometric deep learning
Meinzer et al. Medical imaging: examples of clinical applications
US20050010097A1 (en) System and method for measuring fluid volumes in brain images
KR100920135B1 (ko) 3차원 영상데이터 획득방법 및 장치
Liu et al. A framework to measure myocardial extracellular volume fraction using dual‐phase low dose 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
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: 20180612

Termination date: 20201214