CN105708492A - 一种融合b超成像和微波成像的方法及系统 - Google Patents
一种融合b超成像和微波成像的方法及系统 Download PDFInfo
- Publication number
- CN105708492A CN105708492A CN201511032447.8A CN201511032447A CN105708492A CN 105708492 A CN105708492 A CN 105708492A CN 201511032447 A CN201511032447 A CN 201511032447A CN 105708492 A CN105708492 A CN 105708492A
- Authority
- CN
- China
- Prior art keywords
- image
- ultrasonic
- microwave
- imaging
- imagery
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves using microwaves or terahertz waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
Abstract
本发明涉及一种融合B超成像和微波成像的方法及系统,通过将所述B超图像和所述微波图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。在诊断早期癌症患者的过程中可以通过使用不同的成像模态进行优势互补,图像融合的潜力在于综合应用这些成像设备所得信息,可以准确地确定病变体的空间位置大小、几何形状及它与周围生物组织之间的空间关系,从而及时高效地诊断疾病,也可以用在手术计划的制定、病理变化的跟踪、治疗效果的评价等方面。
Description
技术领域
本发明涉及一种图像的融合方法及系统,尤其涉及一种B超图像和微波图像的融合方法及系统。
背景技术
微波成像通过确定生物体内介电常数和导电率的位置分布,对测量数据进行处理来寻找出被成像体中那些介电常数与正常值不同的组织,它的可靠性在各种研究中已经被证实.现有的微波成像系统主要集中在成像的算法以及天线的设计上,现有的微波成像算法主要包括超宽带雷达成像和微波层析成像,超宽带雷达成像需要重构被检体的被散射强度的空间分布,能够在数个GHz的频带内进行信号的处理,有效地提高成像系统的空间分辨率.微波层析成像技术则是需要重构被测体的介电特性的空间分布,通过呈现不同组织之间介电特性的差异来诊断病变组织,其方法主要是首先对植入耦合媒质中的被测体进行电磁波探测,而在接收端通过旋转天线阵以实现对散射波的全方位收集与监控,最后利用重复迭代的算法在计算机上对被测体的介电特性进行重构。
B超成像系统通常应用超声脉冲回波技术,即利用超声波照射人体,超声波在人体中反射、折射和散射,然后通过接收和处理载有信息的回波,从而得到人体组织结构的灰阶图像。
不同的医学图像提供了相关脏器的不同信息,图像融合的潜力在于综合应用这些成像设备所得信息,可以准确地确定病变体的空间位置大小、几何形状及它与周围生物组织之间的空间关系,从而及时高效地诊断疾病,也可以用在手术计划的制定、病理变化的跟踪、治疗效果的评价等方面,在医学诊断中医学影像学需要解决的问题往往是:是否有病灶,发现的病灶是否为癌性病灶,癌性病灶限于局部还是扩散,应当如何治疗,治疗是否有效,是否需要进一步治疗等这样一系列的问题。对于这些问题,超声成像具有高分辨率、高特异性以及无电离辐射的特点,但其图像对比度较差,对病变组织图像的信息分辨不够高,而在微波频段下,正常组织和恶性肿瘤组织的电特性参数差异明显,它们的介电常数和电导率差异均在5倍以上,微波成像能很清晰的显示正常组织与恶性肿瘤组织之间的区别,图像对比度很高。两种成像方法各有优点但很难统一,不能同时利用两种图像进行优势互补。
发明内容
本发明解决的技术问题是:构建一种融合B超成像和微波成像的方法及系统,克服现有技术单一检测器件不能进行同时利用两种图像进行优势互补的技术问题。
本发明的技术方案是:提供一种融合B超成像和微波成像的方法,包括如下步骤:
分别成像:对待测区域发生B超信号,接收所述B超信号的回波信号进行B超成像;对待测区域发生微波信号,接收所述微波信号的回波信号进行微波成像;
图像融合:将所述B超图像和所述微波图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。
本发明的进一步技术方案是:在所述B超图像和所述微波图像两者中图像的特征点处进行标记,将所述B超图像和所述微波图像的图像标记重合对所述B超图像和所述微波图像进行融合。
本发明的进一步技术方案是:在图像融合时,将所述B超图像和所述微波图像的图像标记进行识别,然后将识别图像作为界标进行图像融合。
本发明的进一步技术方案是:还包括对所述B超图像和所述微波图像进行预处理使图像更加清晰。
本发明的进一步技术方案是:在图像融合步骤中,将所述B超图像和所述微波图像对应位置的图像像素加权平均完成图像融合。
本发明的技术方案是:构建一种融合B超成像和微波成像的系统,包括B超成像单元、微波成像单元、融合处理单元,所述B超成像单元根据接收的B超信号生成B超图像,所述微波成像单元根据接收的微波回波信号生成微波图像,所述融合处理单元对B超成像生成的B超图像和微波成像生成的微波图像进行配准,将所述B超图像和所述微波图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。
本发明的进一步技术方案是:所述融合处理单元还包括图像标记模块,所述图像标记模块在所述B超图像和所述微波图像两者中图像的特征点处进行标记,将所述B超图像和所述微波图像的图像标记重合对所述B超图像和所述微波图像进行融合。
本发明的进一步技术方案是:所述融合处理单元还包括图像标记识别模块,所述图像标记识别模块将所述B超图像和所述微波图像的图像标记进行识别。
本发明的进一步技术方案是:还包括图像预处理模块,所述图像预处理模块对所述B超图像和所述微波图像进行预处理。
本发明的技术效果是:构建一种融合B超成像和微波成像的方法及系统,通过将所述B超图像和所述微波图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。在诊断早期癌症患者的过程中可以通过使用不同的成像模态进行优势互补,图像融合的潜力在于综合应用这些成像设备所得信息,可以准确地确定病变体的空间位置大小、几何形状及它与周围生物组织之间的空间关系,从而及时高效地诊断疾病,也可以用在手术计划的制定、病理变化的跟踪、治疗效果的评价等方面,在医学诊断中医学影像学需要解决的问题往往是:是否有病灶,发现的病灶是否为癌性病灶,癌性病灶限于局部还是扩散,应当如何治疗,治疗是否有效,是否需要进一步治疗等这样一系列的问题。
附图说明
图1为本发明的结构示意图。
图2为本发明的结构图。
图3为本发明的融合流程图。
具体实施方式
下面结合具体实施例,对本发明技术方案进一步说明。
如图1所示,本发明的具体实施方式是:提供一种融合B超成像和微波成像的方法,包括如下步骤:
分别成像:对待测区域发生B超信号,接收所述B超信号的回波信号进行B超成像;对待测区域发生微波信号,接收所述微波信号的回波信号进行微波成像;
具体实施过程如下:根据接收的B超信号生成B超图像,根据接收的微波回波信号生成微波图像。
图像融合:对B超成像生成的B超图像和微波成像生成的微波图像进行配准,将所述B超图像和所述微波图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。
具体实施过程如下:图像融合包括多种方法:一种方法为标记法,在所述B超图像和所述微波图像两者中图像的特征点处进行标记,将所述B超图像和所述微波图像的图像标记重合对所述B超图像和所述微波图像进行融合,在图像融合时,将所述B超图像和所述微波图像的图像标记进行识别,然后将识别图像作为界标进行图像融合,识别图像标记特征,可以使图像融合更精确。具体实施例中,在进行标记后将其中的一幅图像采用模板或透明方式覆盖在另一幅图像上。图像标记软件设计成将图像的特征点识别作为图像合成的界标。图像标记软件根据所述B超图像和微波图像对组织识别的标记、淋巴结识别的标记以及特征部分的标记,在坐标轴上形成重合点,完成所述B超图像和微波图像的融合,该方法同样适用于其他方式组合的二维或三维乳房图像。还包括了对多模态微波乳房图像的显示,显示乳房的二维和三维信息,对病灶区域的标记。另一种方法为像素加权平均法,即:将所述B超图像和所述微波图像对应位置的图像像素加权平均完成图像融合。
图像配准
通过使用匹配、叠加等处理手段,将多幅图像中的同一对象保持在图像中的同一位置,使其具有相同的空间坐标的过程。
在微波图像与B超图像的配准中,将相对稳定的微波图像作为参考图象I,将B超图像作为浮动图像II,进行基于像素的最大互信息法的图像配准,流程图如图3所示下:
刚体变换包括比例变换,在二维图像II中,点(x1,y1)经过刚性变换到点(x2,y2)应用公式为:
其中,α为旋转角度,K为尺度参数.
互信息相关性评估。将两幅待配准的图像的灰度值分别看作两个随机变量A和B,范围0到255,边缘概率分布分别为PA(a)和PB(b),联合概率分布为PAB(a,b),则可以得到A与B的边缘熵和联合熵分别为:H(A),H(B)和H(A,B)。则有:
随机变量A和B的归一化互信息相关评估函数I(A,B),为:
当两幅基于共同解剖结构的图像达到最佳配准时,它们对应像素的灰度互相关信息值I(A,B)应该达到最大。
配准优化。刚体变换完成后,需进一步找到一种相似性侧度来衡量两幅图像的相似程度,需要不断的变换参数α和K,使得相似侧度达到最优,其中尺度参数K变化范围为0到1,旋转角度范围为0到180度。
①将α与K变换范围集合为坐标轴的单位向量:ci=e(i=1,2,…,N);
②记录初始值位置向量为P0=(α0,K0);
③对i=1,2,…,N,将Pi-1移至目标函数I(A,B)延ci方向的极大值位置,记下此点Pi;
④对i=1,2,…,N,将ci+1赋给ci,并置cN=PN-P0;
⑤将PN移至目标函数I(A,B)在cN方向上的极大值点,并记录此点的P0;
⑥重复步骤②到⑤,直至函数值I(A,B)不再增大。
本发明的优选实施方式为:在进行图像融合之前还包括进行图像预处理。
微波图像预处理方法如下:基于微波成像受外界干扰因素大,图像预处理我们利用点运算来进行对比度的扩展,使图像清晰,特征明显,假定原图像f(x,y)的灰度范围为[a,b],变换后的图像g(x,y)的灰度范围线性的扩展至[c,d],则存在灰度线性变换表达式为:
当图像中大部分像素的灰度级分布在区间[a,b]内,fmax为原图的最大灰度级,只有很小一部分的灰度级超过了此区间,则为了改善增强效果,我们令
通过对图像的线性拉伸,可以有效改善图像对比度效果。
B超图像预处理方法如下:由于B超成像除了存在的固有问题斑点噪声外,同时还存在随机出现的亮点高频噪声,我们利用低通递归滤波方法对其进行预处理。
假设第n幅超声图像中各像素点的灰阶值用xn(i,j)表示,α为相关系数,则处理后的图像yn(i,j)为
yn(i,j)=α*yn-1(i,j)+(1-α)*xn(i,j)(4)
由式(4)我们可以得知,当前每个像素点的值只取决于本像素点的输入及上一次的输出,与其他像素的值无关,我们借助一维的Z变换方法来分析它的频率特性,分析各个像素点自身的频率响应,即有:
y(n)=α*y(n-1)+(1-α)*x(n)(5)
其传递函数为,
H(z)=Y(z)/X(z)=(1-α)/(1-αz-1)(6)
在仿真试验中,我们取值α为0.2,0.6以及0.8的幅频特性,α值越大,高频成分被抑制的越厉害,削弱斑点噪声越明显。
如图1、图2所示,本发明的具体实施方式是:本发明构建一种融合B超成像和微波成像的系统,包括B超成像单元1、微波成像单元2、融合处理单元3,所述B超成像单元1根据接收的B超信号生成B超图像,所述微波成像单元根据接收的微波回波信号生成微波图像,所述融合处理单元3对所述B超成像单元1生成的B超图像和所述微波成像单元2生成的微波图像进行配准,所述融合处理单元3对B超成像生成的B超图像和微波成像生成的微波图像进行配准,将所述B超图像和所述微波图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。
具体实施过程如下:所述B超成像单元1根据接收的B超信号生成B超图像,所述微波成像单元根据接收的微波回波信号生成微波图像,所述融合处理单元3对所述B超成像单元1生成的B超图像和所述微波成像单元2生成的微波图像进行配准,所述融合处理单元3对B超成像生成的B超图像和微波成像生成的微波图像进行配准,将所述B超图像和所述微波图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。图像融合包括多种方法:一种方法为标记法,在所述B超图像和所述微波图像两者中图像的特征点处进行标记,将所述B超图像和所述微波图像的图像标记重合对所述B超图像和所述微波图像进行融合,在图像融合时,将所述B超图像和所述微波图像的图像标记进行识别,然后将识别图像作为界标进行图像融合,识别图像标记特征,可以使图像融合更精确。具体实施例中,在进行标记后将其中的一幅图像采用模板或透明方式覆盖在另一幅图像上。图像标记软件设计成将图像的特征点识别作为图像合成的界标。图像标记软件根据所述B超图像和微波图像对组织识别的标记、淋巴结识别的标记以及特征部分的标记,在坐标轴上形成重合点,完成所述B超图像和微波图像的融合,该方法同样适用于其他方式组合的二维或三维乳房图像。还包括了对多模态微波乳房图像的显示,显示乳房的二维和三维信息,对病灶区域的标记。另一种方法为像素加权平均法,即:将所述B超图像和所述微波图像对应位置的图像像素加权平均完成图像融合。
所述融合处理单元3还包括图像标记模块31,所述图像标记模块31在所述B超图像和所述微波图像两者中图像的特征点处进行标记,将所述B超图像和所述微波图像的图像标记重合对所述B超图像和所述微波图像进行融合。所述融合处理单元3还包括图像标记识别模块32,所述图像标记识别模块32将所述B超图像和所述微波图像的图像标记进行识别。
图像配准
通过使用匹配、叠加等处理手段,将多幅图像中的同一对象保持在图像中的同一位置,使其具有相同的空间坐标的过程。
在微波图像与B超图像的配准中,将相对稳定的微波图像作为参考图象I,将B超图像作为浮动图像II,进行基于像素的最大互信息法的图像配准,流程图如图3所示下:
刚体变换包括比例变换,在二维图像II中,点(x1,y1)经过刚性变换到点(x2,y2)应用公式为:
其中,α为旋转角度,K为尺度参数.
互信息相关性评估。将两幅待配准的图像的灰度值分别看作两个随机变量A和B,范围0到255,边缘概率分布分别为PA(a)和PB(b),联合概率分布为PAB(a,b),则可以得到A与B的边缘熵和联合熵分别为:H(A),H(B)和H(A,B)。则有:
随机变量A和B的归一化互信息相关评估函数I(A,B),为:
当两幅基于共同解剖结构的图像达到最佳配准时,它们对应像素的灰度互相关信息值I(A,B)应该达到最大。
配准优化。刚体变换完成后,需进一步找到一种相似性侧度来衡量两幅图像的相似程度,需要不断的变换参数α和K,使得相似侧度达到最优,其中尺度参数K变化范围为0到1,旋转角度范围为0到180度。
①将α与K变换范围集合为坐标轴的单位向量:ci=e(i=1,2,…,N);
②记录初始值位置向量为P0=(α0,K0);
③对i=1,2,…,N,将Pi-1移至目标函数I(A,B)延ci方向的极大值位置,记下此点Pi;
④对i=1,2,…,N,将ci+1赋给ci,并置cN=PN-P0;
⑤将PN移至目标函数I(A,B)在cN方向上的极大值点,并记录此点的P0;
⑥重复步骤②到⑤,直至函数值I(A,B)不再增大。
本发明的优选实施方式为:在进行图像融合之前还包括进行图像预处理。
微波图像预处理方法如下:基于微波成像受外界干扰因素大,图像预处理我们利用点运算来进行对比度的扩展,使图像清晰,特征明显,假定原图像f(x,y)的灰度范围为[a,b],变换后的图像g(x,y)的灰度范围线性的扩展至[c,d],则存在灰度线性变换表达式为:
当图像中大部分像素的灰度级分布在区间[a,b]内,fmax为原图的最大灰度级,只有很小一部分的灰度级超过了此区间,则为了改善增强效果,我们令
通过对图像的线性拉伸,可以有效改善图像对比度效果。
B超图像预处理方法如下:由于B超成像除了存在的固有问题斑点噪声外,同时还存在随机出现的亮点高频噪声,我们利用低通递归滤波方法对其进行预处理。
假设第n幅超声图像中各像素点的灰阶值用xn(i,j)表示,α为相关系数,则处理后的图像yn(i,j)为
yn(i,j)=α*yn-1(i,j)+(1-α)*xn(i,j)(4)
由式(4)我们可以得知,当前每个像素点的值只取决于本像素点的输入及上一次的输出,与其他像素的值无关,我们借助一维的Z变换方法来分析它的频率特性,分析各个像素点自身的频率响应,即有:
y(n)=α*y(n-1)+(1-α)*x(n)(5)
其传递函数为,
H(z)=Y(z)/X(z)=(1-α)/(1-αz-1)(6)
在仿真试验中,我们取值α为0.2,0.6以及0.8的幅频特性,α值越大,高频成分被抑制的越厉害,削弱斑点噪声越明显。
本发明的优选实施方式是:所述微波天线构成天线阵列。天线阵列整体是呈半球形转向朝向半球中心的32个收发天线单元。天线阵列分为发送和接收单元,交替等间隔排列,一个发送单元对应两个接收单元,交错收发,由控制单元控制天线阵列向被测目标连续发射微波雷达探测信号,控制方式为单刀多掷开关。微波控制单元向微波开关天线阵列提供连续频率波,工作频率范围为1到30GHz。
本发明的优选实施方式是:所述融合处理单元3还包括图像预处理模块34,所述图像预处理模块34对所述B超图像和所述微波图像进行预处理。图像预处理模块34进行图像预处理,过程如下:
微波图像预处理方法如下:基于微波成像受外界干扰因素大,图像预处理我们利用点运算来进行对比度的扩展,使图像清晰,特征明显,假定原图像f(x,y)的灰度范围为[a,b],变换后的图像g(x,y)的灰度范围线性的扩展至[c,d],则存在灰度线性变换表达式为:
当图像中大部分像素的灰度级分布在区间[a,b]内,fmax为原图的最大灰度级,只有很小一部分的灰度级超过了此区间,则为了改善增强效果,我们令
通过对图像的线性拉伸,可以有效改善图像对比度效果。
B超图像预处理方法如下:由于B超成像除了存在的固有问题斑点噪声外,同时还存在随机出现的亮点高频噪声,我们利用低通递归滤波方法对其进行预处理。
假设第n幅超声图像中各像素点的灰阶值用xn(i,j)表示,α为相关系数,则处理后的图像yn(i,j)为
yn(i,j)=α*yn-1(i,j)+(1-α)*xn(i,j)(4)
由式(4)我们可以得知,当前每个像素点的值只取决于本像素点的输入及上一次的输出,与其他像素的值无关,我们借助一维的Z变换方法来分析它的频率特性,分析各个像素点自身的频率响应,即有:
y(n)=α*y(n-1)+(1-α)*x(n)(5)
其传递函数为,
H(z)=Y(z)/X(z)=(1-α)/(1-αz-1)(6)
在仿真试验中,我们取值α为0.2,0.6以及0.8的幅频特性,α值越大,高频成分被抑制的越厉害,削弱斑点噪声越明显。
本发明的技术效果是:构建一种融合B超成像和微波成像的方法及系统,通过将所述B超图像和所述微波图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。在诊断早期癌症患者的过程中可以通过使用不同的成像模态进行优势互补,微波雷达成像利用超宽带微波信号来获取目标散射中心在距离上的高分辨率,然后利用多普勒信息,获得散射中心在横向距离上的高分辨率,两者结合即可获得目标的二维或三维分辨率,从而使目标的多位高分辨率得以实现。微波断层扫描成像是将低功率微波射向被测物体,在微波的激励下被测物产生一个散射场,该散射场与被测物内部的复介电常数分布有关,通过对该散射物的测量,得到被测物的相对介电常数及电导率的分布,进行相应的信息处理后即可获得被测物内部目标的微波断层成像。本发明中将这两种技术成功融合,构成一套多模微波乳腺成像系统,达到成像优劣互补的目的。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种融合B超成像和微波成像的方法,包括如下步骤:
分别成像:对待测区域发生B超信号,接收所述B超信号的回波信号进行B超成像;对待测区域发生微波信号,接收所述微波信号的回波信号进行微波成像;
图像融合:对B超成像生成的B超图像和微波成像生成的微波图像一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。
2.根据权利要求1所述融合B超成像和微波成像的方法,其特征在于,在所述B超图像和所述微波图像两者中图像的特征点处进行标记,将所述B超图像和所述微波图像的图像标记重合对所述B超图像和所述微波图像进行融合。
3.根据权利要求2所述融合B超成像和微波成像的方法,其特征在于,在图像融合时,将所述B超图像和所述微波图像的图像标记进行识别,然后将识别图像作为界标进行图像融合。
4.根据权利要求1所述融合B超成像和微波成像的方法,其特征在于,还包括对所述B超图像和所述微波图像进行预处理使图像更加清晰。
5.根据权利要求1所述融合B超成像和微波成像的方法,其特征在于,在图像融合步骤中,将所述B超图像和所述微波图像对应位置的图像像素加权平均完成图像融合。
6.一种融合B超成像和微波成像的系统,其特征在于,包括B超成像单元、微波成像单元、融合处理单元,所述B超成像单元根据接收的B超信号生成B超图像,所述微波成像单元根据接收的微波回波信号生成微波图像,所述融合处理单元将所述B超图像和所述微波图像中一幅图像的像素点映射到另一幅图像中,使两幅图像的相关像素点在空间位置上达到一致完成该两幅图像的融合。
7.根据权利要求6所述融合B超成像和微波成像系统,其特征在于,所述融合处理单元还包括图像标记模块,所述图像标记模块在所述B超图像和所述微波图像两者中图像的特征点处进行标记,将所述B超图像和所述微波图像的图像标记重合对所述B超图像和所述微波图像进行融合。
8.根据权利要求6所述融合B超成像和微波成像系统,其特征在于,所述融合处理单元还包括图像标记识别模块,所述图像标记识别模块将所述B超图像和所述微波图像的图像标记进行识别。
9.根据权利要求6所述融合B超成像和微波成像系统,其特征在于,还包括图像预处理模块,所述图像预处理模块对所述B超图像和所述微波图像进行预处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511032447.8A CN105708492A (zh) | 2015-12-31 | 2015-12-31 | 一种融合b超成像和微波成像的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511032447.8A CN105708492A (zh) | 2015-12-31 | 2015-12-31 | 一种融合b超成像和微波成像的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105708492A true CN105708492A (zh) | 2016-06-29 |
Family
ID=56147009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511032447.8A Pending CN105708492A (zh) | 2015-12-31 | 2015-12-31 | 一种融合b超成像和微波成像的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105708492A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3315075A1 (en) * | 2016-10-27 | 2018-05-02 | Micrima Limited | System and method for combined microwave and ultrasound imaging |
CN108542422A (zh) * | 2018-03-06 | 2018-09-18 | 武汉轻工大学 | B超图像优化方法、装置及计算机可读存储介质 |
CN109199381A (zh) * | 2018-09-11 | 2019-01-15 | 合肥工业大学 | 一种全息微波弹性成像系统及其成像方法 |
CN109528306A (zh) * | 2019-01-08 | 2019-03-29 | 华北电力大学(保定) | 一种引导髋关节置换修正术的电磁/电阻双模态成像装置 |
CN111493931A (zh) * | 2019-08-01 | 2020-08-07 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像方法及设备、计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1681015A1 (en) * | 2005-01-17 | 2006-07-19 | Imasys SA | Temperature mapping on structural data |
US20100036240A1 (en) * | 2008-08-07 | 2010-02-11 | Ismail Aly M | Multi-modality system for imaging in dense compressive media and method of use thereof |
CN101959456A (zh) * | 2007-12-31 | 2011-01-26 | 真实成像有限公司 | 用于成像数据的配准的系统和方法 |
CN104574329A (zh) * | 2013-10-09 | 2015-04-29 | 深圳迈瑞生物医疗电子股份有限公司 | 超声融合成像方法、超声融合成像导航系统 |
-
2015
- 2015-12-31 CN CN201511032447.8A patent/CN105708492A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1681015A1 (en) * | 2005-01-17 | 2006-07-19 | Imasys SA | Temperature mapping on structural data |
CN101959456A (zh) * | 2007-12-31 | 2011-01-26 | 真实成像有限公司 | 用于成像数据的配准的系统和方法 |
US20100036240A1 (en) * | 2008-08-07 | 2010-02-11 | Ismail Aly M | Multi-modality system for imaging in dense compressive media and method of use thereof |
CN104574329A (zh) * | 2013-10-09 | 2015-04-29 | 深圳迈瑞生物医疗电子股份有限公司 | 超声融合成像方法、超声融合成像导航系统 |
Non-Patent Citations (3)
Title |
---|
朱圣权: "基于互信息的医学图像配准方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
章新友: "《医学图形图像处理》", 30 April 2015, 中国中医药出版社 * |
马东等: "多模式医学图像的融合和配准技术", 《生物医学工程学杂志》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3315075A1 (en) * | 2016-10-27 | 2018-05-02 | Micrima Limited | System and method for combined microwave and ultrasound imaging |
WO2018078315A1 (en) * | 2016-10-27 | 2018-05-03 | Micrima Limited | System and method for combined microwave and ultrasound imaging |
CN108542422A (zh) * | 2018-03-06 | 2018-09-18 | 武汉轻工大学 | B超图像优化方法、装置及计算机可读存储介质 |
CN109199381A (zh) * | 2018-09-11 | 2019-01-15 | 合肥工业大学 | 一种全息微波弹性成像系统及其成像方法 |
CN109199381B (zh) * | 2018-09-11 | 2021-11-02 | 合肥工业大学 | 一种全息微波弹性成像系统及其成像方法 |
CN109528306A (zh) * | 2019-01-08 | 2019-03-29 | 华北电力大学(保定) | 一种引导髋关节置换修正术的电磁/电阻双模态成像装置 |
CN111493931A (zh) * | 2019-08-01 | 2020-08-07 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声成像方法及设备、计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nair et al. | A deep learning based alternative to beamforming ultrasound images | |
CN105708492A (zh) | 一种融合b超成像和微波成像的方法及系统 | |
CN109199381B (zh) | 一种全息微波弹性成像系统及其成像方法 | |
US20210353149A1 (en) | Apparatus and process for medical imaging | |
Akbari et al. | 3D ultrasound image segmentation using wavelet support vector machines | |
CN103799982A (zh) | 基于希尔伯特黄变换的超宽带微波检测的快速成像方法 | |
US20210251610A1 (en) | Automated diagnostics in 3d ultrasound system and method | |
Roohi et al. | Machine learning approaches for automated stroke detection, segmentation, and classification in microwave brain imaging systems | |
Zamani et al. | Frequency domain method for early stage detection of congestive heart failure | |
Bicer et al. | A matching-pursuit based approach for detecting and imaging breast cancer tumor | |
Qiao et al. | Breast calcification detection based on multichannel radiofrequency signals via a unified deep learning framework | |
Karam et al. | A novel sophisticated form of DMAS beamformer: Application to breast cancer detection | |
Ricci et al. | PCA-based artifact removal algorithm for stroke detection using UWB radar imaging | |
CN205729400U (zh) | 一种融合b超成像和雷达成像的装置 | |
CN105528773A (zh) | 基于标记法的多模态微波成像方法及系统 | |
Girish et al. | Breast cancer detection using deep learning | |
CN105678726A (zh) | 基于标记法的多模态微波成像方法及系统 | |
CN205729316U (zh) | 一种多模态微波乳房成像装置 | |
CN205729361U (zh) | 一种多模态微波扫描成像装置 | |
CN105662408A (zh) | 一种多模态微波成像方法及系统 | |
CN105976347A (zh) | 基于标记法的融合b超成像和微波成像的方法及系统 | |
CN206151437U (zh) | 一种多模态微波成像装置 | |
Ojaroudi et al. | A novel machine learning approach of hemorrhage stroke detection in differential microwave head imaging system | |
CN105725965A (zh) | 一种多模态微波扫描乳房成像方法及系统 | |
CN205758511U (zh) | 一种微波扫描乳房成像装置 |
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 |
Application publication date: 20160629 |
|
RJ01 | Rejection of invention patent application after publication |