CN105513036A - 三维ct图像的分割方法及装置 - Google Patents

三维ct图像的分割方法及装置 Download PDF

Info

Publication number
CN105513036A
CN105513036A CN201410505229.0A CN201410505229A CN105513036A CN 105513036 A CN105513036 A CN 105513036A CN 201410505229 A CN201410505229 A CN 201410505229A CN 105513036 A CN105513036 A CN 105513036A
Authority
CN
China
Prior art keywords
image
dimensional
area
pixel
pixel value
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
CN201410505229.0A
Other languages
English (en)
Other versions
CN105513036B (zh
Inventor
王季勇
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 United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201410505229.0A priority Critical patent/CN105513036B/zh
Publication of CN105513036A publication Critical patent/CN105513036A/zh
Application granted granted Critical
Publication of CN105513036B publication Critical patent/CN105513036B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种三维CT图像的分割方法及装置,方法包括:将第一图像转换为二维图像,所述第一图像为对第一CT图像进行阈值分割所得到的二值化图像;获取第一区域,所述第一区域为所述二维图像中的高亮部分;获取第二区域,所述第二区域为所述第一CT图像的各层图像中与所述第一区域对应的区域中的高亮部分;剔除第二CT图像中与所述第二区域所对应的图像数据,以获取修正后的第二CT图像。该方法可以有效剔除所述第二CT图像中的骨骼等非病变区域,提高图像中人体组织分割结果的准确度,保证病变诊断结果中含有的病变区域的准确性,提高诊断准确度。

Description

三维CT图像的分割方法及装置
技术领域
本发明涉及医学图像处理技术领域,尤其涉及一种三维CT图像的分割方法及装置。
背景技术
计算机断层扫描(CT,ComputedTomography)被广泛应用于疾病的诊断,成为医生进行病理分析、解剖研究以及功能评估的重要手段之一,以此为基础的计算机辅助诊断(CAD,ComputerAidedDiagnosis)成为提高医生诊断效率和水平的重要研究领域。
在对疾病的诊断过程中,通常需要从三维CT图像中分割出医生所感兴趣的区域,所述感兴趣区域(RegionofInterest,ROI)通常是指目标组织,例如胸、肺等的实质区域或病灶等区域,准确地分割出CT扫描图像中的感兴趣区域,对目标组织的识别和分类,以及对疾病等的诊断都是至关重要的。
图像分割是提取医学图像中特殊组织的定量信息不可缺少的手段,为了可以准确分辨医学图像中的正常组织结构和异常病变,需要对医学图像进行分割,医学图像的分割是医学图像处理的关键步骤,例如,肺分割是各类肺部疾病、肺功能评估系统的关键环节,是肺结节检测或者肺功能定量分析、三维可视化等后续处理的基础,准确且高速地分割肺组织起着至关重要的作用。
常见的图像分割的方法有基于阈值的分割方法、基于配准或匹配的分割方法等。在通过对三维CT图像的分割得到人体组织的目标实质区域(如肺实质区域)后,在所述目标实质区域中可以找出潜在的病变区域(如肺结节区域)。在现有技术中,在获取到目标实质区域后,进而找出所述目标实质区域中的病变区域的过程中,由于在所述目标实质区域中可能含有其他身体组织,导致在目标实质区域中将其他身体组织部分误认为是病变区域,例如将肺实质区域中含有人体的脊柱区域误认为是肺结节区域,最终导致病变诊断结果中含有较多的假阳性病变区域,影响诊断的准确性。
发明内容
本发明解决的问题是采用图像分割方法所得到的人体组织的病变诊断结果中含有较多假阳性病变区域的问题。
为解决上述问题,本发明技术方案提供一种三维CT图像的分割方法,包括:
将第一图像转换为二维图像,所述二维图像中的各像素点的像素值关联于所述第一图像中对应该像素点位置的各层图像的像素值,所述第一图像为对第一CT图像进行阈值分割所得到的二值化图像;
获取第一区域,所述第一区域为所述二维图像中的高亮部分;
获取第二区域,所述第二区域为所述第一CT图像的各层图像中与所述第一区域对应的区域中的高亮部分;
剔除第二CT图像中与所述第二区域所对应的图像数据,以获取分割后的第二CT图像;
所述第一CT图像和第二CT图像为三维CT图像,所述第一CT图像和第二CT图像的大小和层数均相同。
可选的,所述第一CT图像为肺部的原始CT扫描图像,所述第二CT图像为肺分割CT图像。
可选的,所述将第一图像转换为二维图像的过程包括:
将所述第一图像沿人体竖直方向进行投影,以获取所述二维图像。
可选的,所述二维图像中的像素点的像素值为所述第一图像中对应该像素点位置的各层图像的像素值的和值。
可选的,所述二维图像中的高亮部分通过聚类方法或者阈值分割方法获取。
可选的,还包括:
若所述二维图像中含有多个高亮部分,确定所述第一区域为含有像素点个数最多的高亮部分。
可选的,所述第一CT图像的各层图像中与所述第一区域对应的区域为所述各层图像中处于和所述二维图像中的第一区域的位置相同的区域。
可选的,所述第二区域通过对所述第一CT图像的各层图像中与所述第一区域对应的区域进行阈值分割获取。
可选的,所述剔除第二CT图像中与所述第二区域所对应的图像数据的过程包括:
将所述第二CT图像各层图像中与所述第二区域所对应的区域中的像素点的像素值设置为所述第二CT图像的背景色的像素值。
为解决上述问题,本发明技术方案还提供一种三维CT图像的分割装置,包括:
二维转换单元,用于将第一图像转换为二维图像,所述二维图像中的各像素点的像素值关联于所述第一图像中对应该像素点位置的各层图像的像素值,所述第一图像为对第一CT图像进行阈值分割所得到的二值化图像;
第一获取单元,用于获取第一区域,所述第一区域为所述二维图像中的高亮部分;
第二获取单元,用于获取第二区域,所述第二区域为所述第一CT图像的各层图像中与所述第一区域对应的区域中的高亮部分;
剔除单元,用于剔除第二CT图像中与所述第二区域所对应的图像数据,以获取修正后的第二CT图像;
所述第一CT图像和第二CT图像为三维CT图像,所述第一CT图像和第二CT图像的大小和层数相同。
可选的,还包括:确定单元,用于在所述二维图像中含有多个高亮部分时,确定所述第一区域为含有像素点个数最多的高亮部分。
可选的,所述剔除单元包括:像素值重置单元,用于将所述第二CT图像各层图像中与所述第二区域所对应的区域中的像素点的像素值设置为所述第二CT图像的背景色的像素值。
与现有技术相比,本发明的技术方案具有以下优点:
通过对原始三维CT图像(第一CT图像)进行阈值分割得到第一图像,进而将所述第一图像转换为二维图像,并获取所述二维图像中的高亮部分,即第一区域,进而获取所述第一CT图像的各层图像中与所述第一区域对应的区域中的第二区域,可以将第二CT图像中与第一CT图像的第二区域所对应的图像数据进行剔除,以获取分割处理后的第二CT图像,该方法可以有效剔除所述第二CT图像中的骨骼等非病变区域,提高图像中人体组织分割结果的准确度,保证采用图像分割方法所得到的人体组织的病变诊断结果中含有的病变区域的准确性,提高诊断准确度。
附图说明
图1是本发明技术方案提供的三维CT图像的分割方法的流程示意图;
图2是本发明实施例提供的三维CT图像的分割方法的流程示意图;
图3是本发明实施例提供的三维CT图像的分割装置的结构示意图。
具体实施方式
现有技术中存在采用图像分割方法所得到的人体组织的病变诊断结果中含有较多假阳性病变区域的问题。
为解决上述问题,本发明技术方案提供一种三维CT图像的分割方法。
图1是本发明技术方案提供的三维CT图像的分割方法的流程示意图。首先执行步骤S1,将第一图像转换为二维图像,所述二维图像中的各像素点的像素值关联于所述第一图像中对应该像素点位置的各层图像的像素值。
所述第一图像为第一CT图像进行阈值分割所得到感兴趣区域的二值化图像,所述第一CT图像为根据诊断需求所拍摄的原始CT图像。
可以通过将所述第一图像沿人体竖直方向进行投影的方法,将所述第一图像转换为二维图像,所述二维图像中的各像素点的像素值可以根据第一图像中对应该像素点位置的各层图像的像素值进行确定,例如,可以将第一图像中的对应该像素点位置的各层图像中不为零的像素值的和值作为该像素点的像素值。
执行步骤S2,获取第一区域,所述第一区域为所述二维图像中的高亮部分。
通过聚类或者可变阈值等分割方法获取所述二维图像中的高亮部分,在本申请文件中,将所述二维图像中的高亮部分称为第一区域。
执行步骤S3,获取第二区域,所述第二区域为所述第一CT图像的各层图像中与所述第一区域对应的区域中的高亮部分。
对于第一CT图像而言,每一层图像中都可以得到一个相应的第二区域。
执行步骤S4,剔除第二CT图像中与所述第二区域所对应的图像数据,以获取修正后的第二CT图像。
所述第二图像可以为对人体组织的CT图像的初步分割图像,例如对肺部CT图像的肺分割图像等。
由于第一CT图像中每层图像中的第二区域都是与所述第一区域对应的区域中的高亮部分,而通常骨骼在CT图像中会比胸、肺、肾脏、皮肤等组织或病变组织具有更加高亮的表现,所以通过第二区域的确定,可以从第一CT图像中获取到骨骼的大致区域,由于骨骼也常常会成为胸、肺、肾脏、皮肤等组织的病变诊断结果中的假阳性病变,所以在此步骤中通过对第二CT图像中与所述第二区域所对应的图像数据进行剔除,可以有效减少病变诊断结果中的假阳性病变区域,提高诊断结果的准确度。
具体剔除的方法包括将所述第二CT图像中与所述第二区域所对应的区域中的像素点的像素值设置为所述第二CT图像的背景色的像素值,以此达到对所述第二CT图像中的骨骼区域的图像数据的剔除。
该方法可以有效剔除所述第二CT图像中的骨骼等非病变区域,提高图像中人体组织分割结果的准确度,保证采用图像分割方法所得到的人体组织的病变诊断结果中含有的病变区域的准确性,提高诊断准确度。
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
在本实施例中,以第一CT图像为肺部的原始CT扫描图像,第二CT图像为对原始CT图像进行分割处理后的肺分割CT图像为例进行说明。
由于在胸腔中存在脊椎,肋骨、盆腔等骨骼区域,所以在第二图像中同样存在骨骼区域,尤其是脊椎区域,在计算机辅助诊断系统根据第二CT图像对肺结节区域进行诊断的过程中,容易将第二CT图像中的脊椎误认为是肺结节,即容易将正常的骨骼组织误认为是阳性的肺结节病灶,影响诊断的准确性。
通过本实施例所提供的三维CT图像的分割方法,在肺结节诊断的过程中,可以有效消除由脊椎等骨骼区域所引起的假阳性病灶,有效提高诊断的准确性。
图2是本发明实施例提供的三维CT图像的分割方法的流程示意图。
首先执行步骤S201,对肺部进行扫描,获取第一CT图像。
为了实现对肺结节的诊断,需要通过肺部CT扫描,获取人体肺部区域的原始CT扫描图像。所述原始CT扫描图像可以通过现有技术中的常规CT扫描方法获取,也可以通过增强CT扫描方法获取。所述原始CT图像即为所述的第一CT图像。
执行步骤S202,获取对原始CT图像进行分割处理后的第二CT图像。
采用现有技术中的肺分割方法,根据原始CT扫描图像获取初始的肺分割图像,所述肺分割图像即为所述的第二CT图像。
执行步骤S203,对第一CT图像进行阈值分割,获取第一图像。
在原始CT图像上进行图像阈值分割处理,通过阈值分割处理提取图像中的明亮部分,通常,图像中的明亮部分即为骨骼区域。
图像阈值分割是一种广泛应用的分割技术,利用图像中要提取的目标区域(例如肺部区域)与其背景在灰度特性上的差异,把图像设定为具有不同灰度级的两类区域(目标区域和背景区域)的组合,选取一个比较合理的阈值,以确定图像中每个像素点应该属于目标区域还是背景区域,从而产生相应的二值化图像。
对于阈值的选取可以根据实验数据进行相应的确定,由于在本实施例中主要目的是剔除肺分割图像中的骨骼部分图像,所以在此步骤中进行阈值分割处理的目的主要是获取含有骨骼信息的二值化图像,可以结合具体得到的阈值分割处理效果设定相应的阈值。
将对第一CT图像的阈值分割处理后所得到的二值化图像称为第一图像。
执行步骤S204,将所述第一图像沿人体竖直方向进行投影,获取二维图像。
对第一图像沿人体竖直方向进行二维投影,可以获得一个二维图像,所述二维图像像素点的像素值可以根据所述第一图像中对应该位置处的像素点的像素值进行确定。由于所述第一图像为原始的三维CT图像,即所述第一图像中含有多层图像,每一层图像中均存在一个与二维图像像素点相对应的像素点。在本实施例中,将所述二维图像中的像素点的像素值确定所述第一图像中对应该像素点位置的各层图像的像素值的和值。举例来说,若步骤S203中所得到的二值化的第一图像为含有数值0和数值1的二值化图像,则二维图像中的像素点的像素值确定为所述第一图像中对应该像素点位置的各层图像的像素值为1的和值;若步骤S203中所得到的二值化的第一图像中含有数值0和大于分割阈值的CT值,则二维图像中的像素点的像素值确定为所述第一图像中对应该像素点位置的各层图像的CT值的和值。具体第一图像像素点的像素值根据阈值分割方法会有所不同,由于阈值分割方法为本领域技术人员所熟知,所以在此不再赘述。
执行步骤S205,获取所述二维图像中的高亮区域。
获取所述二维图像中的亮度最大且集中的区域,可以通过聚类(例如高斯混合模型)、可变阈值分割方法等获取所述二维图像中的高亮区域,由于获取高亮区域的过程中,采用上述方法所获取到的亮度区域可能含有多个,例如脊椎区域、骨盆区域等亮度区域,在此将含有像素点个数最多的高亮区域确定为所述二维图像的第一区域,即所述第一区域是指二维图像中的最大的高亮区域。
由于所述二维图像是根据含有骨骼信息的二值化第一图像所得到的,而脊椎区域由于骨骼较密集,所以在图像上也应该表现为较亮的区域,所以可以初步确定所述第一区域为大致的脊椎区域。
执行步骤S206,在第一CT图像上对应所述第一区域的区域内进行阈值分割操作,得到每一层图像的第二区域。
所述每一层图像的第二区域为所述第一CT图像的各层图像中与所述第一区域对应的区域中的高亮部分,所述高亮部分是同样可以通过阈值分割的操作进行获取。
由于第一区域为大致的脊椎区域,则在此步骤中,首先确定第一CT图像中的每层图像的大致的脊椎区域,即与所述第一区域所对应的区域,进而通过阈值分割的方法确定区域中的真正的骨骼部分,即每层图像中的第二区域。所述第一CT图像的各层图像中与所述第一区域对应的区域为所述各层图像中处于和所述二维图像中的第一区域的位置相同的区域。
所述阈值分割中可以采取和步骤S203中的相同的阈值。
执行步骤S207,剔除第二CT图像中与各第二区域所对应的图像数据,获取修正后的第二CT图像。
由于所述第二CT图像为对原始CT图像进行分割处理后的肺分割图像,通常含有脊椎区域,所述脊椎区域很容易成为后续肺结节诊断结果中的假阳性肺结节,特别是脊椎区域中凸出的骨头部分易被误判为肺结节,而所述第二区域为通过原始CT图像所确定的脊椎区域,所以可以通过将第二CT图像中与所述第二区域所对应的图像数据进行剔除,达到对所述第二CT图像中的脊椎区域的剔除的目的,实现对所述第二图像的修正。
第一CT图像中每一层图像都可以确定一个对应该层的第二区域,而第二CT图像为根据所述第一CT图像所得到的肺分割图像,即所述第二CT图像和第一CT图像同为肺部的图像,所述第一CT图像和第二CT图像的大小和层数均相同,所以在此步骤中,可以将第二CT图像每一层图像中对应于第一CT图像相应层的第二区域的图像数据进行剔除。
具体地,可以将所述第二CT图像各层图像中与第一CT图像中对应于第一CT图像相应层的第二区域的区域中的像素点的像素值设置为所述第二CT图像的背景色的像素值。
需要说明的是,本实施例所提供的三维CT图像的分割方法与现有技术中对肺分割过程中去除假阳性肺结节的方法并不冲突,可以相互补充,形成甄别肺分割图像中脊椎附近的假阳性肺结节的双重保障,例如,通过现有技术的图像分割技术实现对肺结节的初步诊断,进而再通过本实施例所提供的方法对假阳性肺结节进行二次剔除,提高肺分割结果的准确度,提高肺结节诊断结果的准确度。
需要说明的是,在本实施例中以所述第一CT图像为肺部的原始CT扫描图像,所述第二CT图像为肺分割CT图像为例进行说明,对所述肺分割图像进行有效的修正,在其他实施例中,也可以实现对其它目标区域去除骨骼区域(例如脊椎区域)的目的,以提高诊断结果的准确性,例如,将本实施例所提供的方法应用在对肾结石的诊断中等,任何采用与本实施例相类似的分割方法,均属于本发明所要求保护的范围。
通过本实施例所提供的三维CT图像的分割方法,可以将脊椎区域从肺分割结果(即所述第二CT图像)中有效剔除,从而有效修正肺分割的结果,达到在后续进行肺结节检测过程中,去除由于脊椎所产生的假阳性的目的,有效提高肺分割结果的准确度,提高诊断的准确度。
对应上述三位CT图像的分割方法,本发明实施例还提供一种三维CT图像的分割装置。
图3是本实施例提供的三维CT图像的分割装置的结构示意图。
如图3所示,所述装置包括二维转换单元U11、第一获取单元U12、第二获取单元U13和剔除单元U14。
所述二维转换单元U11,用于将第一图像转换为二维图像,所述二维图像中的各像素点的像素值关联于所述第一图像中对应该像素点位置的各层图像的像素值,所述第一图像为对第一CT图像进行阈值分割所得到的二值化图像。
所述第一获取单元U12,用于获取第一区域,所述第一区域为所述二维图像中的高亮部分。
所述第二获取单元U13,用于获取第二区域,所述第二区域为所述第一CT图像的各层图像中与所述第一区域对应的区域中的高亮部分;
所述剔除单元U14,用于剔除第二CT图像中与所述第二区域所对应的图像数据,以获取分割后的第二CT图像。
所述剔除单元U14包括:像素值重置单元U141,用于将所述第二CT图像各层图像中与所述第二区域所对应的区域中的像素点的像素值设置为所述第二CT图像的背景色的像素值。
所述装置还包括:确定单元U15,用于在所述二维图像中含有多个高亮部分时,确定所述第一区域为含有像素点个数最多的高亮部分。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (12)

1.一种三维CT图像的分割方法,其特征在于,包括:
将第一图像转换为二维图像,所述二维图像中的各像素点的像素值关联于所述第一图像中对应该像素点位置的各层图像的像素值,所述第一图像为对第一CT图像进行阈值分割所得到的二值化图像;
获取第一区域,所述第一区域为所述二维图像中的高亮部分;
获取第二区域,所述第二区域为所述第一CT图像的各层图像中与所述第一区域对应的区域中的高亮部分;
剔除第二CT图像中与所述第二区域所对应的图像数据,以获取修正后的第二CT图像;
所述第一CT图像和第二CT图像为三维CT图像,所述第一CT图像和第二CT图像的大小和层数相同。
2.如权利要求1所述的三维CT图像的分割方法,其特征在于,所述第一CT图像为肺部的原始CT扫描图像,所述第二CT图像为肺分割CT图像。
3.如权利要求1所述的三维CT图像的分割方法,其特征在于,所述将第一图像转换为二维图像的过程包括:
将所述第一图像沿人体竖直方向进行投影,以获取所述二维图像。
4.如权利要求1所述的三维CT图像的分割方法,其特征在于,所述二维图像中的像素点的像素值为所述第一图像中对应该像素点位置的各层图像的像素值的和值。
5.如权利要求1所述的三维CT图像的分割方法,其特征在于,所述二维图像中的高亮部分通过聚类方法或者阈值分割方法获取。
6.如权利要求1所述的三维CT图像的分割方法,其特征在于,还包括:
若所述二维图像中含有多个高亮部分,确定所述第一区域为含有像素点个数最多的高亮部分。
7.如权利要求1所述的三维CT图像的分割方法,其特征在于,所述第一CT图像的各层图像中与所述第一区域对应的区域为所述各层图像中处于和所述二维图像中的第一区域的位置相同的区域。
8.如权利要求1所述的三维CT图像的分割方法,其特征在于,所述第二区域通过对所述第一CT图像的各层图像中与所述第一区域对应的区域进行阈值分割获取。
9.如权利要求1所述的三维CT图像的分割方法,其特征在于,所述剔除第二CT图像中与所述第二区域所对应的图像数据的过程包括:
将所述第二CT图像各层图像中与所述第二区域所对应的区域中的像素点的像素值设置为所述第二CT图像的背景色的像素值。
10.一种三维CT图像的分割装置,其特征在于,包括:
二维转换单元,用于将第一图像转换为二维图像,所述二维图像中的各像素点的像素值关联于所述第一图像中对应该像素点位置的各层图像的像素值,所述第一图像为对第一CT图像进行阈值分割所得到的二值化图像;
第一获取单元,用于获取第一区域,所述第一区域为所述二维图像中的高亮部分;
第二获取单元,用于获取第二区域,所述第二区域为所述第一CT图像的各层图像中与所述第一区域对应的区域中的高亮部分;
剔除单元,用于剔除第二CT图像中与所述第二区域所对应的图像数据,以获取修正后的第二CT图像;
所述第一CT图像和第二CT图像为三维CT图像,所述第一CT图像和第二CT图像的大小和层数相同。
11.如权利要求10所述的三维CT图像的分割装置,其特征在于,还包括:确定单元,用于在所述二维图像中含有多个高亮部分时,确定所述第一区域为含有像素点个数最多的高亮部分。
12.如权利要求10所述的三维CT图像的分割装置,其特征在于,所述剔除单元包括:像素值重置单元,用于将所述第二CT图像各层图像中与所述第二区域所对应的区域中的像素点的像素值设置为所述第二CT图像的背景色的像素值。
CN201410505229.0A 2014-09-26 2014-09-26 三维ct图像的分割方法及装置 Active CN105513036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410505229.0A CN105513036B (zh) 2014-09-26 2014-09-26 三维ct图像的分割方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410505229.0A CN105513036B (zh) 2014-09-26 2014-09-26 三维ct图像的分割方法及装置

Publications (2)

Publication Number Publication Date
CN105513036A true CN105513036A (zh) 2016-04-20
CN105513036B CN105513036B (zh) 2019-05-31

Family

ID=55720994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410505229.0A Active CN105513036B (zh) 2014-09-26 2014-09-26 三维ct图像的分割方法及装置

Country Status (1)

Country Link
CN (1) CN105513036B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106611413A (zh) * 2016-11-30 2017-05-03 上海联影医疗科技有限公司 图像分割方法及其系统
CN106682636A (zh) * 2016-12-31 2017-05-17 上海联影医疗科技有限公司 血管提取方法及其系统
CN107123159A (zh) * 2017-01-23 2017-09-01 上海联影医疗科技有限公司 血流状态分析系统及方法
CN107664977A (zh) * 2016-07-28 2018-02-06 波音公司 用于在包括机器的制造环境中操作机器的系统以及方法
CN108399354A (zh) * 2017-02-08 2018-08-14 上海点医计算机科技有限公司 计算机视觉识别肿瘤的方法和装置
CN108648178A (zh) * 2018-04-17 2018-10-12 杭州依图医疗技术有限公司 一种影像结节检测的方法及装置
CN109446951A (zh) * 2018-10-16 2019-03-08 腾讯科技(深圳)有限公司 三维图像的语义分割方法、装置、设备及存储介质
CN111369675A (zh) * 2020-04-14 2020-07-03 中国医学科学院肿瘤医院 基于肺结节脏层胸膜投影的三维可视模型重建方法及装置
CN112215802A (zh) * 2018-07-16 2021-01-12 华为技术有限公司 一种皮肤检测方法和电子设备
CN114067361A (zh) * 2021-11-16 2022-02-18 西北民族大学 一种spect成像的非病变热区切分方法与系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102048550A (zh) * 2009-11-02 2011-05-11 上海交通大学医学院附属仁济医院 一种自动生成肝脏3d图像并准确定位肝脏血管支配区域的方法
CN102727230A (zh) * 2011-04-02 2012-10-17 沈阳东软医疗系统有限公司 Ct扫描图像重建方法及装置
US20130231559A1 (en) * 2009-08-03 2013-09-05 Korea Advanced Institute Of Science And Technology System and method for providing 2-dimensional computerized- tomography image corresponding to 2-dimensional ultrasound image
CN103345746A (zh) * 2013-06-25 2013-10-09 上海交通大学 基于ct-pet的医学影像诊断方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130231559A1 (en) * 2009-08-03 2013-09-05 Korea Advanced Institute Of Science And Technology System and method for providing 2-dimensional computerized- tomography image corresponding to 2-dimensional ultrasound image
CN102048550A (zh) * 2009-11-02 2011-05-11 上海交通大学医学院附属仁济医院 一种自动生成肝脏3d图像并准确定位肝脏血管支配区域的方法
CN102727230A (zh) * 2011-04-02 2012-10-17 沈阳东软医疗系统有限公司 Ct扫描图像重建方法及装置
CN103345746A (zh) * 2013-06-25 2013-10-09 上海交通大学 基于ct-pet的医学影像诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RENAUD WINZENRIETH等: "Three-Dimensional (3D) Microarchitecture Correlations with 2D projection Image Gray-Level Variations Assessed by Trabecular Bone Score Using High-Resolution Computed Tomographic Acquisitions: Effects of Resolution and Noise", 《JOURNAL OF CLINICAL DENSITOMETRY:ASSESSMENT OF SKELETAL HEALTH》 *
姬红兵: "CT血管造影骨骼去除算法研究", 《万方学位论文数据库》 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107664977B (zh) * 2016-07-28 2021-11-12 波音公司 用于在包括机器的制造环境中操作机器的系统以及方法
CN107664977A (zh) * 2016-07-28 2018-02-06 波音公司 用于在包括机器的制造环境中操作机器的系统以及方法
CN106611413A (zh) * 2016-11-30 2017-05-03 上海联影医疗科技有限公司 图像分割方法及其系统
CN106682636B (zh) * 2016-12-31 2020-10-16 上海联影医疗科技有限公司 血管提取方法及其系统
CN106682636A (zh) * 2016-12-31 2017-05-17 上海联影医疗科技有限公司 血管提取方法及其系统
US11062449B2 (en) 2016-12-31 2021-07-13 Shanghai United Imaging Healthcare Co., Ltd. Method and system for extracting vasculature
WO2018120644A1 (zh) * 2016-12-31 2018-07-05 上海联影医疗科技有限公司 血管提取方法及系统
WO2018133118A1 (zh) * 2017-01-23 2018-07-26 上海联影医疗科技有限公司 血流状态分析系统及方法
US10325369B2 (en) 2017-01-23 2019-06-18 Shanghai United Imaging Healthcare Co., Ltd. Method and system for analyzing blood flow condition
US10360682B2 (en) 2017-01-23 2019-07-23 Shanghai United Imaging Healthcare Co., Ltd. Method and system for analyzing blood flow condition
CN107123159A (zh) * 2017-01-23 2017-09-01 上海联影医疗科技有限公司 血流状态分析系统及方法
US9984465B1 (en) 2017-01-23 2018-05-29 Shanghai United Imaging Healthcare Co., Ltd. Method and system for analyzing blood flow condition
US10776922B2 (en) 2017-01-23 2020-09-15 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for analysis of blood flow state
CN108399354A (zh) * 2017-02-08 2018-08-14 上海点医计算机科技有限公司 计算机视觉识别肿瘤的方法和装置
CN108648178A (zh) * 2018-04-17 2018-10-12 杭州依图医疗技术有限公司 一种影像结节检测的方法及装置
CN112215802B (zh) * 2018-07-16 2022-04-08 荣耀终端有限公司 一种皮肤检测方法和电子设备
CN112215802A (zh) * 2018-07-16 2021-01-12 华为技术有限公司 一种皮肤检测方法和电子设备
CN109446951B (zh) * 2018-10-16 2019-12-10 腾讯科技(深圳)有限公司 三维图像的语义分割方法、装置、设备及存储介质
CN109446951A (zh) * 2018-10-16 2019-03-08 腾讯科技(深圳)有限公司 三维图像的语义分割方法、装置、设备及存储介质
US11861501B2 (en) 2018-10-16 2024-01-02 Tencent Technology (Shenzhen) Company Limited Semantic segmentation method and apparatus for three-dimensional image, terminal, and storage medium
CN111369675A (zh) * 2020-04-14 2020-07-03 中国医学科学院肿瘤医院 基于肺结节脏层胸膜投影的三维可视模型重建方法及装置
CN111369675B (zh) * 2020-04-14 2023-07-21 中国医学科学院肿瘤医院 基于肺结节脏层胸膜投影的三维可视模型重建方法及装置
CN114067361A (zh) * 2021-11-16 2022-02-18 西北民族大学 一种spect成像的非病变热区切分方法与系统
CN114067361B (zh) * 2021-11-16 2022-08-23 西北民族大学 一种spect成像的非病变热区切分方法与系统

Also Published As

Publication number Publication date
CN105513036B (zh) 2019-05-31

Similar Documents

Publication Publication Date Title
CN105513036B (zh) 三维ct图像的分割方法及装置
US9098935B2 (en) Image displaying apparatus, image displaying method, and computer readable medium for displaying an image of a mammary gland structure without overlaps thereof
US8238637B2 (en) Computer-aided diagnosis of malignancies of suspect regions and false positives in images
Wang et al. Fully automatic breast segmentation in 3D breast MRI
JP5364290B2 (ja) 画像表示装置並びに画像表示制御方法およびプログラム
US9675317B2 (en) Interface identification apparatus and method
CN112116004B (zh) 病灶分类方法及装置、病灶分类模型的训练方法
CN105678746A (zh) 一种医学图像中肝脏范围的定位方法及装置
Włodarczyk et al. Segmentation of bones in magnetic resonance images of the wrist
WO2021183765A1 (en) Automated detection of tumors based on image processing
Hacihaliloglu et al. Statistical shape model to 3D ultrasound registration for spine interventions using enhanced local phase features
Ali et al. Diagnosis of liver tumor from CT images using digital image processing
Elmorsy et al. K3. A region growing liver segmentation method with advanced morphological enhancement
Fooladivanda et al. Atlas-based automatic breast MRI segmentation using pectoral muscle and chest region model
KR101494975B1 (ko) 3차원 자동 유방 초음파 영상의 유두 자동 검출 시스템 및 그 검출 방법
Kumar et al. Pulmonary nodules diagnosis from x-ray imaging using image processing
Shaziya et al. Comprehensive review of automatic lung segmentation techniques on pulmonary CT images
Mokri et al. Lung segmentation in CT for thoracic PET-CT registration through visual study
Amritha et al. Liver tumor segmentation and classification using deep learning
US10061979B2 (en) Image processing apparatus and method
Ali et al. Diagnosis of liver tumor from CT images using first order statistical
Nitsch et al. Automatic segmentation of the cerebral Falx and adjacent gyri in 2D ultrasound images
Fauzi et al. Tumor region localization in h&e breast carcinoma images using deep convolutional neural network
Manikandan et al. Lobar fissure extraction in isotropic CT lung images—an application to cancer identification
Manikandan et al. An automated computer-aided diagnosis system for malignant tumor localization from lung CT images for surgical planning

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: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Patentee after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

CP01 Change in the name or title of a patent holder