CN105787978A - 一种医学图像隔层自动勾画方法、装置和系统 - Google Patents
一种医学图像隔层自动勾画方法、装置和系统 Download PDFInfo
- Publication number
- CN105787978A CN105787978A CN201610112957.4A CN201610112957A CN105787978A CN 105787978 A CN105787978 A CN 105787978A CN 201610112957 A CN201610112957 A CN 201610112957A CN 105787978 A CN105787978 A CN 105787978A
- Authority
- CN
- China
- Prior art keywords
- image
- delineated
- slice
- pixel
- contour line
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/432—Truncation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开一种医学图像隔层自动勾画方法、装置和系统。其中方法包括:获取具有感兴趣体积区域的多个图像切片;选取目标图像切片层组,定义上层和下层图像切片,提供手动轮廓线勾画;获取中间层图像切片,构造轮廓线的二值模板图像;将上和下层图像切片中对应已勾画轮廓的行像素映射地生成与感兴趣体积区域关联的行像素;提取二值模板图像边缘以获得目标轮廓线。其中装置包括读取模块、预处理模块、处理模块、关联模块和勾画模块。其中系统包括相应的计算机硬件以执行上述方法。本发明有益效果在于:降低噪声干扰,提高边缘不明确区域的自动勾画效果,同时减少对前期勾画和目标区域数据的依存,有利于快速实现自动勾画,降低人为失误的风险。
Description
技术领域
本发明涉及一种医学图像隔层自动勾画方法、装置和系统,属于医学仪器领域。
背景技术
在肿瘤放射治疗领域,放疗医师在给肿瘤患者安排基于放射线照射的放射治疗方案后,由放疗物理技师设计出符合治疗方案要求的放疗计划。其中,由放疗医师在CT和MR等图像中勾画出用于描述患者人体危及器官及目标靶区等感兴趣体积区域(VOI)是放疗计划中的一个关键步骤,直接决定了放疗计划的精确程度。
通常,危及器官及目标靶区等感兴趣体积区域由一族轮廓线集合组成,它们分布在多个图像切片上。为了确保精度和准确性,目前临床上都是由放疗医生或其他训练有素的医务人员手动勾画出各个图像切片上的轮廓线。如此多的手动勾画操作繁琐且费时,极大的浪费了医生的时间和精力,甚至引起因医生疲劳而产生的人为失误。
近年来也出现了一些自动勾画的方法,如基于灰度和梯度信息的方法,比较有代表性的是区域生长法等。此类方法具有较高的勾画速度,但是它们对噪声敏感,且对如软组织等边缘不明确的区域的自动勾画效果不理想。
还有一类是基于模板和配准的自动勾画方法,它们一般需要将勾画好的器官及靶区等数据作为先验数据集,然后将待勾画的感兴趣体积区域与先验数据集中最相似的模板进行配准,从而实现感兴趣体积区域的自动勾画。此类方法的缺点是前期需要准备合适的先验数据集,另一方面存在最优模板的不确定性所导致的配准精度不佳,以及配准计算量大导致自动勾画耗时较长。
发明内容
为了解决上述问题,本发明通过提供一种基于空间坐标插值法的自动勾画方法,降低噪声干扰,提高自动勾画效果。
本发明采用的技术方案为一种医学图像隔层自动勾画方法,包括以下步骤:A、在获取的医学图像序列中确定具有感兴趣体积区域的多个图像切片;B、在所述多个图像切片中选取目标图像切片层组,定义上层和下层图像切片,提供对所述图像切片层组中,上层图像切片和下层图像切片的手动轮廓线勾画;C、获取所有待勾画的中间层图像切片,为每个待勾画的中间切片构造轮廓线的二值模板图像;D、将上层图像切片和下层图像切片中对应已勾画轮廓的行像素映射地生成待勾画的中间层图像切片的与感兴趣体积区域关联的行像素;E、提取待勾画的中间层图像切片的二值模板图像的边缘,获得目标轮廓线,实现对感兴趣体积区域的隔层自动勾画。
优选地所述步骤B包括:根据用户的判断操作,对一个或多个中间层图像切片提供手动轮廓线勾画。
优选地所述步骤B还包括:在相邻的且包含中间层图像切片的多个图像切片中选取目标图像切片层组,对上层图像切片和下层图像切片的已勾画的轮廓线进行配对和遍历。
优选地所述步骤C包括:获取待勾画的中间切片层数SN;根据轮廓线对的最小外接矩形和图像切片的像素属性,构造出M*N规格的二值模板图像;根据轮廓线映射精度要求,将每个像素分解成m*n规格的亚像素块。
优选地所述步骤C还包括:将上层图像切片和下层图像切片的配对的轮廓线分别映射到m*M*n*N规格的对应的轮廓线二值模板图像上;设置图像索引分别为0和SN+1,其中,将轮廓线上和轮廓线内的像素点设置为1,轮廓线外的像素点设置为0;为每个待勾画的中间切片构造轮廓线二值模板图像,其中,以1至SN进行图像索引设置,并且将像素值全部设置为0。
优选地所述步骤D包括:分别遍历上层图像切片和下层图像切片中已勾画的轮廓线的二值模板图像的上行像素和下行像素;遍历待勾画的中间层图像切片的待勾画轮廓线的二值模板图像;将与感兴趣体积区域关联的上行像素和下行像素映射地生成待勾画的中间层图像切片的二值模板图像行像素。
优选地所述步骤D包括:分别对上、下轮廓线的二值模板图像进行统计分析,获取轮廓线区域对应的每行像素的起始和终止像素空间坐标,记录为上、下轮廓线模板信息。
优选地所述步骤D包括:D1、判断是否遍历完成上层图像切片中的轮廓线二值模板图像中每行上行像素,是则执行步骤E,否则遍历下层图像切片中的轮廓线二值模板图像中每行下行像素;D2、判断是否遍历完成下层图像切片中的轮廓线二值模板图像中每行下行像素,是则返回到步骤D1,否则将根据上行像素和下行像素的映射,利用空间坐标插值方法,生成与待勾画轮廓线的二值模板图像对应的行像素。
一种医学图像隔层自动勾画装置,包括:读取模块,用于在获取的医学图像序列中确定具有感兴趣体积区域的多个图像切片;预处理模块,用于在所述多个图像切片中选取目标图像切片层组,定义上层和下层图像切片,提供对所述图像切片层组中,上层图像切片和下层图像切片的手动轮廓线勾画;处理模块,用于获取所有待勾画的中间层图像切片,为每个待勾画的中间切片构造轮廓线的二值模板图像;关联模块,用于将上层图像切片和下层图像切片中对应已勾画轮廓的行像素映射地生成待勾画的中间层图像切片的与感兴趣体积区域关联的行像素;勾画模块,用于提取待勾画的中间层图像切片的二值模板图像的边缘,获得目标轮廓线,实现对感兴趣体积区域的隔层自动勾画。
一种医学图像隔层自动勾画系统,其特征在于包括:存储器,用于储存一应用程序;
处理器,用于运行所述应用程序以执行如下步骤:在获取的医学图像序列中确定具有感兴趣体积区域的多个图像切片;
在所述多个图像切片中选取目标图像切片层组,定义上层和下层图像切片,提供对所述图像切片层组中,上层图像切片和下层图像切片的手动轮廓线勾画;获取待勾画的中间层图像切片,为每个待勾画的中间切片构造轮廓线的二值模板图像;将上层图像切片和下层图像切片中对应已勾画轮廓的行像素映射地生成待勾画的中间层图像切片的与感兴趣体积区域关联的行像素;提取待勾画的中间层图像切片的二值模板图像的边缘,获得目标轮廓线,实现对感兴趣体积区域的隔层自动勾画。
本发明的有益效果为通过提供一种基于图像像素空间坐标插值法的自动勾画方法,不仅适应病理解剖体形态,且降低噪声干扰,提高对如软组织等边缘不明确的区域的自动勾画效果,同时减少对前期勾画和目标区域数据的依存,有利于快速实现自动勾画,以减少医生的疲劳度,降低人为失误的风险。
附图说明
图1为根据本发明实施例的一种医学图像隔层自动勾画方法的示意图;
图2为根据本发明实施例的一种医学图像隔层自动勾画装置的示意图;
图3为根据本发明实施例的空间坐标插值法的示意图;
图4为根据本发明实施例的一种医学图像隔层自动勾画方法的步骤的示意图。
具体实施方式
以下结合实施例对本发明进行说明。
基于发明的第一实施例,如图1所示一种医学图像隔层自动勾画方法,包括以下步骤:
A、在获取的医学图像序列中确定具有感兴趣体积区域的多个图像切片;B、在所述多个图像切片中选取目标图像切片层组,定义上层和下层图像切片,提供对所述图像切片层组中,上层图像切片和下层图像切片的手动轮廓线勾画;C、获取所有待勾画的中间层图像切片,为每个待勾画的中间切片构造轮廓线的二值模板图像;D、将上层图像切片和下层图像切片中对应已勾画轮廓的行像素利用图像像素空间坐标投影方法映射地生成待勾画的中间层图像切片的与感兴趣体积区域关联的行像素;E、提取待勾画的中间层图像切片的二值模板图像的边缘,获得目标轮廓线,实现对感兴趣体积区域的隔层自动勾画。
上层切片和下层切片即从切片层组内部,选出来的起始和终结的两端的切片,例如层组数量为10,目标图像为第3到第7幅之间,则可以设定第3幅为起始端,第7幅为终结端;通过鼠标或者在触屏显示器上直接用勾画工具进行轮廓线勾画,以得到轮廓线。
所述步骤B包括:根据用户的判断操作,对一个或多个中间层图像切片提供手动轮廓线勾画。
可以根据用户的经验,选择其中关键的图像进行勾画,有助于提高效率。
所述步骤B还包括:在相邻的且包含中间层图像切片的多个图像切片中选取目标图像切片层组,对上层图像切片和下层图像切片的已勾画的轮廓线进行配对和遍历。
步骤C包括:获取待勾画的中间切片层数SN;根据轮廓线对的最小外接矩形和图像切片的像素属性,构造出M*N规格的二值模板图像;根据轮廓线映射精度要求,将每个像素分解成m*n规格的亚像素块。
最小外接矩形即包裹住轮廓线的矩形,通过限制处理区域大小能加速处理过程。
所述步骤C还包括:将上层图像切片和下层图像切片的配对的轮廓线分别映射到m*M*n*N规格的对应的轮廓线二值模板图像上;设置图像索引分别为0和SN+1,其中,将轮廓线上和轮廓线内的像素点设置为1,轮廓线外的像素点设置为0;为每个待勾画的中间切片构造轮廓线二值模板图像,其中,以1至SN进行图像索引设置,并且将像素值全部设置为0。
将上下两层的图像切片的轮廓线组成对,并映射至二值模板图像上,以作为变化的初始图像和最终图像。
所述步骤D包括:分别遍历上层图像切片和下层图像切片中已勾画的轮廓线的二值模板图像的上行像素和下行像素;遍历待勾画的中间层图像切片的待勾画轮廓线的二值模板图像;将与感兴趣体积区域关联的上行像素和下行像素映射地生成待勾画的中间层图像切片的二值模板图像行像素。
所述步骤D包括:分别对上、下轮廓线的二值模板图像进行统计分析,获取轮廓线区域对应的每行像素的起始和终止像素空间坐标,记录为上、下轮廓线模板信息。
所述步骤D包括:D1、判断是否遍历完成上层图像切片中的轮廓线二值模板图像中每行上行像素,是则执行步骤E,否则遍历下层图像切片中的轮廓线二值模板图像中每行下行像素;D2、判断是否遍历完成下层图像切片中的轮廓线二值模板图像中每行下行像素,是则返回到步骤D1,否则将根据上行像素和下行像素的映射,利用图像像素空间坐标插值方法,生成与待勾画轮廓线的二值模板图像对应的行像素。
根据本发明的另一面,如图2所示一种医学图像隔层自动勾画装置,包括:
读取模块,用于在获取的医学图像序列中确定具有感兴趣体积区域的多个图像切片;预处理模块,用于在所述多个图像切片中选取目标图像切片层组,定义上层和下层图像切片,提供对所述图像切片层组中,上层图像切片和下层图像切片的手动轮廓线勾画;处理模块,用于获取所有待勾画的中间层图像切片,为每个待勾画的中间切片构造轮廓线的二值模板图像;关联模块,用于将上层图像切片和下层图像切片中对应已勾画轮廓的行像素映射地生成待勾画的中间层图像切片的与感兴趣体积区域关联的行像素;勾画模块,用于提取待勾画的中间层图像切片的二值模板图像的边缘,获得目标轮廓线,实现对感兴趣体积区域的隔层自动勾画。
如图3所示为空间插值方法的示意图,其中0和SN+1为上下层图像的编号,上、下层轮廓线对应的上行像素和下行像素相映射,在映射过程中,会在中间层中有映射关系,图中的上、下层切片间的每组连接直线即映射的一种体现,而这些直线对与对应图层如1、2·····SN等图像相交从而形成该层二值模板图像中的行像素,最后从这些二值模板图像中提取出对应图层的轮廓线。
根据本发明的另一面,一种医学图像隔层自动勾画系统,包括:
存储器,用于储存一应用程序;处理器,用于运行所述应用程序以执行如下步骤:在获取的医学图像序列中确定具有感兴趣体积区域的多个图像切片;在所述多个图像切片中选取目标图像切片层组,定义上层和下层图像切片,提供对所述图像切片层组中,上层图像切片和下层图像切片的手动轮廓线勾画;获取所有待勾画的中间层图像切片,为每个待勾画的中间切片构造轮廓线的二值模板图像;将上层图像切片和下层图像切片中对应已勾画轮廓的行像素映射地生成待勾画的中间层图像切片的与感兴趣体积区域关联的行像素;提取待勾画的中间层图像切片的二值模板图像的边缘,获得目标轮廓线,实现对感兴趣体积区域的隔层自动勾画。
基于本发明的第二实施例,隔层自动勾画的方法,如图4所示包括如下步骤:
S1、对某个目标区域,由医师手动或自动勾画轮廓线,并组成隔层轮廓线对,获取隔层轮廓线对包含的中间的二维值断层图像的层数SN;
S2、如果层数不为零则继续,否则退出自动勾画;
S3、根据隔层轮廓线对的最小外接矩形和二维断层图像的属性,构造出M*N的二值模板图像,可根据生成轮廓线的精度要求,将二值模板图像的每个像素分解成m*n的亚像素块;
S4、将轮廓线对分别映射到m*M*n*N的上、下轮廓线二值模板图像上,图像索引分别为0和SN+1,其中轮廓线上和轮廓线内的像素值置为1,轮廓线外的像素值置为0;
S5、分别对上、下轮廓线二值模板图像进行统计分析,获取轮廓线区域对应的每行像素的起始和终止像素空间坐标,记录为上、下轮廓线模板信息;
S6、从上至下遍历待勾画的中间二维断层图像,图像索引ID分别为1~SN,为该中间层构造一个轮廓线二值模板图像,像素值全置为0,执行步骤6)~9);
S7、遍历上轮廓线模板信息的每行像素空间坐标,将对应的像素行投影到下轮廓线二值模板图像的轮廓线区域,执行步骤7)~8);
S8、遍历下轮廓线模板信息的每行像素空间坐标,将步骤6)所述的上轮廓线像素行投影到该下轮廓线像素行,执行步骤8);
S9、根据上、下轮廓线像素行的起始和终止像素空间坐标值及中间二维断层图像索引ID,插值计算出该中间层轮廓线二值模板图像上相应轮廓线像素行的起始和终止像素空间坐标值,并将该中间层轮廓线二值模板图像上对应像素行中所有像素点的值置为1,即将该像素行标记为轮廓线区域;
S10、根据该中间层二维断层图像对应的轮廓线二值模板图像,提取轮廓线区域边缘,即为该中间层对应的轮廓线;
S11、实现对隔层轮廓线对包含的所有中间层轮廓线的隔层自动勾画。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种医学图像隔层自动勾画方法,其特征在于包括以下步骤:
A、在获取的医学图像序列中确定具有感兴趣体积区域的多个图像切片;
B、在所述多个图像切片中选取目标图像切片层组,定义上层和下层图像切片,提供对所述图像切片层组中,上层图像切片和下层图像切片的手动轮廓线勾画;
C、获取所有待勾画的中间层图像切片,为每个待勾画的中间切片构造轮廓线的二值模板图像;
D、将上层图像切片和下层图像切片中对应已勾画轮廓的行像素映射地生成待勾画的中间层图像切片的与感兴趣体积区域关联的行像素;
E、提取待勾画的中间层图像切片的二值模板图像的边缘,获得目标轮廓线,实现对感兴趣体积区域的隔层自动勾画。
2.根据权利要求1所述的医学图像隔层自动勾画方法,其中所述步骤B包括:
根据用户的判断操作,对一个或多个中间层图像切片提供手动轮廓线勾画。
3.根据权利要求1或2所述的医学图像隔层自动勾画方法,其中所述步骤B还包括:
在相邻的且包含中间层图像切片的多个图像切片中选取目标图像切片层组,对上层图像切片和下层图像切片的已勾画的轮廓线进行配对和遍历。
4.根据权利要求1所述的医学图像隔层自动勾画方法,其中所述步骤C包括:
获取待勾画的中间切片层数SN;
根据轮廓线对的最小外接矩形和图像切片的像素属性,构造出M*N规格的二值模板图像;
根据轮廓线映射精度要求,将每个像素分解成m*n规格的亚像素块。
5.根据权利要求4所述的医学图像隔层自动勾画方法,其中所述步骤C还包括:
将上层图像切片和下层图像切片的配对的轮廓线分别映射到m*M*n*N规格的对应的轮廓线二值模板图像上;
设置图像索引分别为0和SN+1,其中,将轮廓线上和轮廓线内的像素点设置为1,轮廓线外的像素点设置为0;
为每个待勾画的中间切片构造轮廓线二值模板图像,其中,以1至SN进行图像索引设置,并且将像素值全部设置为0。
6.根据权利要求1所述的医学图像隔层自动勾画方法,其中所述步骤D包括:
分别遍历上层图像切片和下层图像切片中已勾画的轮廓线的二值模板图像的上行像素和下行像素;
遍历待勾画的中间层图像切片的待勾画轮廓线的二值模板图像;
将与感兴趣体积区域关联的上行像素和下行像素映射地生成待勾画的中间层图像切片的二值模板图像行像素。
7.根据权利要求1或6所述的医学图像隔层自动勾画方法,其中所述步骤D包括:
分别对上、下轮廓线的二值模板图像进行统计分析,获取轮廓线区域对应的每行像素的起始和终止像素空间坐标,记录为上、下轮廓线模板信息。
8.根据权利要求1或6所述的医学图像隔层自动勾画方法,其中所述步骤D包括:
D1、判断是否遍历完成上层图像切片中的轮廓线二值模板图像中每行上行像素,是则执行步骤E,否则遍历下层图像切片中的轮廓线二值模板图像中每行下行像素;
D2、判断是否遍历完成下层图像切片中的轮廓线二值模板图像中每行下行像素,是则返回到步骤D1,否则将根据上行像素和下行像素的映射,利用空间坐标插值方法,生成与待勾画轮廓线的二值模板图像对应的行像素。
9.一种医学图像隔层自动勾画装置,其特征在于包括:
读取模块,用于在获取的医学图像序列中确定具有感兴趣体积区域的多个图像切片;
预处理模块,用于在所述多个图像切片中选取目标图像切片层组,定义上层和下层图像切片,提供对所述图像切片层组中,上层图像切片和下层图像切片的手动轮廓线勾画;
处理模块,用于获取所有待勾画的中间层图像切片,为每个待勾画的中间切片构造轮廓线的二值模板图像;
关联模块,用于将上层图像切片和下层图像切片中对应已勾画轮廓的行像素映射地生成待勾画的中间层图像切片的与感兴趣体积区域关联的行像素;
勾画模块,用于提取待勾画的中间层图像切片的二值模板图像的边缘,获得目标轮廓线,实现对感兴趣体积区域的隔层自动勾画。
10.一种医学图像隔层自动勾画系统,其特征在于包括:
存储器,用于储存一应用程序;
处理器,用于运行所述应用程序以执行如下步骤:
在获取的医学图像序列中确定具有感兴趣体积区域的多个图像切片;
在所述多个图像切片中选取目标图像切片层组,定义上层和下层图像切片,提供对所述图像切片层组中,上层图像切片和下层图像切片的手动轮廓线勾画;
获取所有待勾画的中间层图像切片,为每个待勾画的中间切片构造轮廓线的二值模板图像;
将上层图像切片和下层图像切片中对应已勾画轮廓的行像素映射地生成待勾画的中间层图像切片的与感兴趣体积区域关联的行像素;
提取待勾画的中间层图像切片的二值模板图像的边缘,获得目标轮廓线,实现对感兴趣体积区域的隔层自动勾画。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610112957.4A CN105787978A (zh) | 2016-02-29 | 2016-02-29 | 一种医学图像隔层自动勾画方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610112957.4A CN105787978A (zh) | 2016-02-29 | 2016-02-29 | 一种医学图像隔层自动勾画方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105787978A true CN105787978A (zh) | 2016-07-20 |
Family
ID=56386733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610112957.4A Pending CN105787978A (zh) | 2016-02-29 | 2016-02-29 | 一种医学图像隔层自动勾画方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787978A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122240A (zh) * | 2017-12-19 | 2018-06-05 | 东软集团股份有限公司 | 一种三维图像中的目标区域的确定方法、装置及设备 |
CN109716389A (zh) * | 2016-09-05 | 2019-05-03 | 光线搜索实验室公司 | 用于三维医学数据的交互画轮廓的图像处理系统和方法 |
CN111127404A (zh) * | 2019-12-06 | 2020-05-08 | 广州柏视医疗科技有限公司 | 一种医疗影像轮廓快速提取方法 |
CN111273840A (zh) * | 2020-02-28 | 2020-06-12 | 杭州依图医疗技术有限公司 | 细胞染色图像的显示方法、病理图像分析系统及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101082983A (zh) * | 2007-06-22 | 2007-12-05 | 崔志明 | 基于感兴趣区域的自适应医学序列图像插值方法 |
CN101807296A (zh) * | 2009-02-16 | 2010-08-18 | 海信集团有限公司 | 医学超声影像三维目标对象的分割方法 |
CN102982546A (zh) * | 2012-11-28 | 2013-03-20 | 海纳医信(北京)软件科技有限责任公司 | 断层图像的分割方法和装置 |
-
2016
- 2016-02-29 CN CN201610112957.4A patent/CN105787978A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101082983A (zh) * | 2007-06-22 | 2007-12-05 | 崔志明 | 基于感兴趣区域的自适应医学序列图像插值方法 |
CN101807296A (zh) * | 2009-02-16 | 2010-08-18 | 海信集团有限公司 | 医学超声影像三维目标对象的分割方法 |
CN102982546A (zh) * | 2012-11-28 | 2013-03-20 | 海纳医信(北京)软件科技有限责任公司 | 断层图像的分割方法和装置 |
Non-Patent Citations (6)
Title |
---|
JIAN WU 等: "Application of Morphology-based Contour Shape Interpolation for CT Images Sequence", 《PROCEEDINGS OF THE 2007 INTERNATIONAL CONFERENCE ON WAVELET ANALYSIS AND PATTERN RECOGNITION》 * |
孟齐文 等: "医学图像快速插值算法的设计与实现", 《计算机仿真》 * |
屈景怡 等: "一种基于轮廓形状的胸部医学图像插值方法", 《计算机工程与应用》 * |
王阳萍 等: "CT序列医学图像交互式分割系统的设计与实现", 《工业仪表与自动化装置》 * |
罗三定 等: "髋关节序列CT图像中股骨近端分割方法研究", 《计算机工程与应用》 * |
胡永杰: "医学图像分割与重建网格模型简化的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109716389A (zh) * | 2016-09-05 | 2019-05-03 | 光线搜索实验室公司 | 用于三维医学数据的交互画轮廓的图像处理系统和方法 |
CN109716389B (zh) * | 2016-09-05 | 2020-04-14 | 光线搜索实验室公司 | 用于三维医学数据的交互画轮廓的图像处理系统和方法 |
CN108122240A (zh) * | 2017-12-19 | 2018-06-05 | 东软集团股份有限公司 | 一种三维图像中的目标区域的确定方法、装置及设备 |
CN108122240B (zh) * | 2017-12-19 | 2020-06-12 | 东软集团股份有限公司 | 一种三维图像中的目标区域的确定方法、装置及设备 |
CN111127404A (zh) * | 2019-12-06 | 2020-05-08 | 广州柏视医疗科技有限公司 | 一种医疗影像轮廓快速提取方法 |
CN111273840A (zh) * | 2020-02-28 | 2020-06-12 | 杭州依图医疗技术有限公司 | 细胞染色图像的显示方法、病理图像分析系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11386557B2 (en) | Systems and methods for segmentation of intra-patient medical images | |
US11869202B2 (en) | Method and system for processing multi-modality image | |
RU2699499C2 (ru) | Системы и способы сегментации медицинских изображений на основании признаков, основанных на анатомических ориентирах | |
CN110223352A (zh) | 一种基于深度学习的医学图像扫描自动定位方法 | |
CN105389811B (zh) | 一种基于多级阈值分割的多模态医学图像处理方法 | |
CN107230206A (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 | |
CN107798682A (zh) | 图像分割系统、方法、装置和计算机可读存储介质 | |
US10991102B2 (en) | Image processing apparatus and image processing method | |
CN104622495A (zh) | 医用图像处理装置以及医用图像处理方法 | |
CN107103605B (zh) | 一种乳房组织的分割方法 | |
Schreibmann et al. | Multiatlas segmentation of thoracic and abdominal anatomy with level set‐based local search | |
CN105787978A (zh) | 一种医学图像隔层自动勾画方法、装置和系统 | |
CN107767362A (zh) | 一种基于深度学习的肺癌早筛装置 | |
Shiffman et al. | Medical image segmentation using analysis of isolable-contour maps | |
Tan et al. | An approach for pulmonary vascular extraction from chest CT images | |
CN106651842A (zh) | 一种ct影像肺结节种子点自动获取和分割方法 | |
Vandewinckele et al. | Segmentation of head-and-neck organs-at-risk in longitudinal CT scans combining deformable registrations and convolutional neural networks | |
Martin et al. | A multiphase validation of atlas-based automatic and semiautomatic segmentation strategies for prostate MRI | |
Li et al. | Attention-guided multi-scale learning network for automatic prostate and tumor segmentation on MRI | |
Wang et al. | Coronary artery segmentation and skeletonization based on competing fuzzy connectedness tree | |
CN105678711A (zh) | 一种基于图像分割的衰减校正方法 | |
CN105844687B (zh) | 用于处理医学影像的装置和方法 | |
CN110033454B (zh) | Ct图像中大面积粘连肺边界组织的肺肿瘤的分割方法 | |
Shen et al. | Multi-phase simultaneous segmentation of tumor in lung 4D-CT data with context information | |
Mamatha | Detection of Brain Tumor in MR images using hybrid Fuzzy C-mean clustering with graph cut segmentation technique |
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: 20160720 |
|
RJ01 | Rejection of invention patent application after publication |