CN106570930A - 一种基于三维超体素描述的数字化生理生物体建模方法 - Google Patents
一种基于三维超体素描述的数字化生理生物体建模方法 Download PDFInfo
- Publication number
- CN106570930A CN106570930A CN201610879178.7A CN201610879178A CN106570930A CN 106570930 A CN106570930 A CN 106570930A CN 201610879178 A CN201610879178 A CN 201610879178A CN 106570930 A CN106570930 A CN 106570930A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- voxel
- super voxel
- super
- image
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于三维超体素描述的数字化生理生物体建模方法,包括以下步骤:首先对生物体的原始医学图像进行格式转换,二值化等预处理,得到待分割生理结构周围区域;其次对待分割生理结构周围区域的二维图像序列重建到三维空间,利用超体素算法将三维图像划分成大小相近的超体素;再次通过基于高斯混合模型的图割算法自动将超体素分割为前景和背景两部分;最后将所有划分到前景一类的超体素利用面绘制方法在三维空间进行重建,得到待分割生理结构区域的三维显示及其在整个生物体内的三维显示。本发明降低了生物体其他部位对分割结果的消极影响,节省了时间,增强了算法的鲁棒性并降低了图割的计算复杂度,并提高了分割的准确性。
Description
技术领域
本发明涉及图像处理医学领域,更具体地涉及一种基于三维超体素描述的数字化生理生物体建模方法。
背景技术
医学与信息技术、计算技术的结合,生物体信息的数字化已经成为当前科学研究与应用中的热点和前沿问题。利用信息技术实现生物体数字化、可视化,最终实现生物体的整体精确模拟,这将对医学、生物学以及其它生物体相关学科的发展起到难以估量的影响。
美国可视人计划(VHP)于1995年创建了第一个完整的人(一个男人和一个女人)的图像数据集。为了促进全球面向应用的数字化可视人体的研究,更多的代表世界不同人群的数字化可视人体数据集是必要的。虚拟生理人(VPH)项目由欧盟强力支持,致力于人体生理在各层面的全身完整模型的建立,从器官、组织、细胞和分子水平到基因水平。该项目从STEP项目率先实施,由欧盟资助下的协调行动从2006年初正式启动。2001年11月,为实现中国可视人(CVH)项目,第174象山(香山)科学大会召开。CVH男(2002年10月成立)、女(2003年2月成立)项目实现图像的更好的完整性,更好的血管识别,并且无器质性病变。
通过应用计算机断层扫描成像(Computed Tomography,CT)、核磁共振成像(Magnetic Resonance Image,MRI)、B超、电子内窥镜、超声成像(Ultrasonography,US)等现代医学影像设备对生物体进行扫描得到的图像,可以更直接、更准确地对健康生物体资源进行评估。CT是用X射线束对检测物体某部一定厚度的层面进行扫描,由探测器接收透过该层面的X射线,转变为可见光后,由光电转换变为电信号,再经模拟/数字转换器转为数字,输入计算机处理。MRI通过对静磁场中的检测物体施加某种特定频率的射频脉冲,使人体中的氢质子受到激励而发生磁共振现象。停止脉冲后,质子在弛豫过程中产生MR信号。通过对MR信号的接收、空间编码和图像重建等处理过程,即产生MR信号。“B超”是向检测物体发射超声波,同时接受物体内脏器的反射波,将 所携信息反映在屏幕上。电子内窥镜的成像主要依赖于镜身前端装备的微型图像传感器(CCD),CCD就像是深入检测物体腔内的一台微型摄像机,它将光能转变为电能,再经过图像处理器“重建”高清晰度的、色彩逼真的图像显示在监视器屏幕上。US是利用超声声束扫描检测物体,通过对反射信号的接收、处理,以获得体内器官的图像。
现有的三维重建方法仍有一定程度的局限性,面绘制细节的呈现比较粗糙,且无法展现绘制对象内部结构;体绘制方法复杂,涉及光照模型、反射、投射等复杂计算,整个过程需要较长的计算时间,几乎不能实现实时处理;二维平面信息分割反应局部化程度较高,从而丢失了相邻帧间的部分信息。
发明内容
本发明的目的是提出一种基于三维超体素描述的数字化生理生物体建模方法,以弥补现有技术的不足。
本发明是一种基于面绘制的体绘制方法,采用三维超体素分割与面绘制可视化相结合来构建生理生物体模型。
为达到上述目的,本发明通过如下技术方案实现:
一种基于三维超体素描述的数字化生理生物体建模方法,包括如下步骤:
(1)获取生物体医学图像序列,并截取像素值的有效区间;
(2)通过标准的模糊C均值聚类方法(FCM)分别将序列I中生物体医学图像Ii的像素聚类成两类,其中亮度最高的一类是骨骼结构Ii 1,另一类是除骨骼之外的部分Ii 2,然后去除亮度最高的骨骼结构Ii 1;
(3)将去除骨骼后医学图像Ii 2进行二值化,删除二值图像中面积很小的区域,并对剩余区域进行腐蚀并求各连通区域大小;从而获得最大连通区域,即待分割生理结构区域图像,截取待分割生理结构区域周围a*b大小的图像(Ii 2)′;
(4)将得到的待分割生理结构区域周围图像(Ii 2)′重建到三维区间,通过三维滤波去除噪声,得到三维矩阵,对重建得到的三维矩阵,应用三维简单线性迭代聚类算法(3DLIC)对其进行分割,得到规则排列的超体素sv;
(5)利用图割方法将超体素sv划分为前景sv1,即待分割生理结构区域,和背景sv2两部分,同时也对应的将与超体素相对应的像素s划分为前景s1和背景s2;
(6)将所有划分到前景像素s1以及划分到背景的像素s2利用面绘制方法在三维空间进行重建,得到待分割生理结构区域在整个生物体内的三维显示V′,最终实现了数字化生理生物体建模。
在步骤(5)中,所述图割方法包括以下步骤:以选取正方形区域的超体素灰度值建立前景的高斯混合模型,以位于三维矩阵八个角点的超体素以及相邻的超体素内的体素灰度值建立背景的高斯混合模型;为每个超体素svm建立一个二值标签tm,tm=1表示svm属于前景,tm=0表示svm属于背景,T={t1,…tm,…tM}是所有超体素标签的集合;计算区域项R(T)和边界项B(T);建立能量函数E(T)=βR(T)+(1-β)B(T),其中β是一个平衡区域项和边界项的权重因子;最小化能量函数得到超体素的最终标签,也对应的得到像素s的最终标签。
在步骤(6)中,所述面绘制方法包括以下步骤:先确定一个表面阈值A;对于图割划分标签之后的三维正交数据集,相邻层上的各四个像素(sx,y,z,sx+1,y,z,sx+1,y+1,z,sx,y+1,z),(sx,y,z+1,sx+1,y,z+1,sx+1,y+1,z+1,sx,y+1,z+1)组成立方体的八个顶点;对立方体的八个顶点按阈值A进行分类,以判定其顶点是位于等值面之外还是位于等值面之内;对于与等值面相交的立方体,以立方体棱边的中点作为等值面与立方体的交点,交点连成三角面片;遍历整个数据场,组合成等值面;以中心差分获得体素中心点的梯度值来代替体素的法向量nu;最后进行三维绘制,得到三维显示。
本发明的优点:本发明利用标准的模糊C均值聚类方法(FCM),连通区域的选取等截取待分割生理结构周围区域,降低生物体其他部位对分割结果的消极影响,并极大地节省了时间;划分超体素,减小了孤立的噪点对分割的影响,增强了算法的鲁棒性并降低了图割的计算复杂度;通过对前景和背景高斯建模来实现图割,提高了分割的准确性;利用面绘制代替体绘制的方法将分割结果 在三维空间显示,提高了实时性和可视性。
本发明提供的生物体医学图像数字化生理建模方法,运用信息技术实时的实现生物体各个组织的数字化建模,提高了建模的速度和精度,为医学研究与教学提供形象而真实的模型。对重建模型不同方向观察、剖切,使得对各部位的大小、形状和空间位置不仅有定性的认识,也可获得定量的认识;能够通过三维输入设备直接对生病生物体的模型实施各种手术方案,整个模拟过程和实际的手术过程非常接近,这将会帮助制定最有效、最安全的手术方案。
附图说明
图1是本发明的整体流程图。
图2是具体实施例中二维鱼体CT图像。
图3是图2去除鱼骨之后的二维鱼体CT图像。
图4是图3二值化后的二维鱼体CT图像。
图5是图4选取最大连通区域后二值化二维鱼体CT图像。
图6是图5截取鱼肠周围区域后的二维鱼体CT图像。
图7是图6周围区域划分超体素后截取的二维图像。
图8是对图7进行分割后得到的鱼肠区域的二维截图。
图9是具体实施例中鱼肠区域在整个鱼体内显示的三维图像。
具体实施方式
为使本发明的内容和优点更加清晰,以下通过具体实施例,结合附图详细说明本发明的具体实施过程。
我国是世界上鱼类养殖第一大国。改革开放以来,我国渔业调整了发展重点,确立了以养为主的发展方针,鱼类养殖业获得了迅猛发展,产业布局发生了重大变化,已从沿海地区和长江、珠江流域等传统养殖区扩展到全国各地。我国同时拥有丰富的海洋渔业资源,在全国海洋经济总产值中,海洋水产业产值约占了30%。可见,渔业对我国海洋经济的发展起着举足轻重的作用。因此对于健康鱼类资源的评估是至关重要的。
本实施例以大菱鲆这一鲆鲽类鱼的CT图像鱼肠区域分割进行详细说明。
本发明的整体流程如图1所示,具体过程如下:
(1)转换CT图像格式
从计算机断层扫描设备或者数据库中获取大菱鲆鱼体CT图像序列9张图像,截取像素值的有效区间,转换成常用的计算机图像处理格式;格式转换后的二维大菱鲆鱼体CT图像I如图2所示。
(2)FCM剔除鱼骨结构
通过标准的模糊C均值聚类方法(FCM)分别将转换格式后序列I中9张图像的每张大菱鲆鱼体CT图像Ii的像素聚类成两类,其中亮度最高的一类是鱼骨结构Ii 1,另一类是除鱼骨之外的部分Ii 2。去除亮度最高的鱼骨结构Ii 1。剔除鱼骨后的大菱鲆二维鱼体CT图像Ii 2如图3所示。
(3)截取鱼肠周围区域
将每张剔除鱼骨后大菱鲆CT图像Ii 2进行二值化(如图4所示),删除二值图像中面积很小的区域。对剩余区域进行腐蚀并求各连通区域大小。获得最大连通区域(如图5所示),即鱼肠区域图像。截取鱼肠区域周围119*110大小的图像(Ii 2)′,如图6所示。
(4)划分超体素
将鱼肠区域周围图像(Ii 2)′重建到三维空间。对重建得到的三维矩阵,应用三维简单线性迭代聚类算法(3DLIC)对其进行分割,得到规则排列的超体素sv。包括以下步骤:
a)计算三维矩阵中的体素总数a*b*H=119*110*9,确定要划分的超体素个数500,计算超体素初始边长St=236;以N为步长在三个维度上均匀抽样,作为初始的聚类中心Ck;
b)在以Ck为中心的3×3×3邻域范围内,选取梯度最小点作为新的聚类中心点;为每个体素sv设定一个标签li=-1,体素到聚类中心的距离di=+∞,相邻的两次聚类中心的差异阈值为Dt;
c)以每个聚类中心点Ck为中心,在2St×2St×2St的邻域范围内计算每个体素到聚类中心的距离如果令li=k,
d)对每个聚类中心点的邻域都计算完距离后,根据体素标签计算新的聚类中心点Ck′;
e)计算Ck′与Ck的差异,令Ck=Ck′;如果差异小于Dt,结束,反之,重复c)到e);
剔出鱼骨的鱼肠周围区域划分超体素后截取的二维图像如图7所示。
(5)图割
利用基于高斯混合模型的图割方法将超体素sv划分为前景sv1(待分割生理结构区域)和背景sv2两部分。包括以下步骤:
a)以手动选取长方形区域的超体素灰度值建立前景的高斯混合模型,以位于三维矩阵八个角点的超体素以及相邻的超体素内的体素灰度值建立背景的高斯混合模型;
b)为每个超体素svm建立一个二值标签tm,tm=1表示svm属于前景sv1(待分割生理结构区域),tm=0表示svm属于背景sv2,T={t1,…tm,…tM}是所有超体素标签的集合;
c)计算区域项R(T)和边界项B(T)
其中gm表示第m个超体素的平均灰度值,P(gm|'背景')和P(gm|'前景')分别表示第m个超体素属于背景和属于前景的概率;
其中(g1,g2)表示所有相邻的超体素对的平均灰度值,N表示相邻超体素对的总对数,σ1、σ2分别为两个相邻超体素的灰度直方图的均方误差,
d)建立能量函数
E(T)=βR(T)+(1-β)B(T)
其中β是一个平衡区域项和边界项的权重因子;
e)最小化能量函数得到超体素的最终标签
图割得到的鱼肠区域的二维截图如图8所示。
(6)面绘制进行三维重建
将所有划分到前景一类的超体素sv1利用面绘制方法在三维空间进行重建,得到鱼肠区域的三维显示V及其在整个鱼体内的三维显示V′,实现鱼体CT图像数字化生理建模。包括以下步骤:
a)确定一个表面阈值A
b)对于图割划分标签之后的三维正交数据集,相邻层上的各四个像素(sx,y,z,sx+1,y,z,sx+1,y+1,z,sx,y+1,z),(sx,y,z+1,sx+1,y,z+1,sx+1,y+1,z+1,sx,y+1,z+1)组成立方体的八个顶点;
c)对立方体的八个顶点按阈值A进行分类,以判定其顶点是位于等值面之外还是位于等值面之内;
d)对于与等值面相交的立方体,以立方体棱边的中点作为等值面与立方体的交点,交点连成三角面片;
e)遍历整个数据场,组合成等值面;
f)以中心差分获得体素中心点的梯度值来代替体素的法向量nu
其中
Sx=g(x+1,y,z)-g(x-1,y,z),
Sy=g(x,y+1,z)-g(x,y-1,z),
Sz=g(x,y,z+1)-g(x,y,z-1),
g(x,y,z)表示点s(x,y,z)的灰度值;
g)最后进行三维绘制,得到三维显示
面绘制重建后鱼肠区域在整个鱼体内显示的不同角度的三维图像如图9所示。
本实施例得到重建结果显示,鱼肠有效的在鱼体内得到重建本发明的基于三维超体素描述的数字化生理生物建模方法实现生物体内部组织的建模并且降低建模的时间,克服了面绘制和体绘制的缺点,实现了基于面绘制的体绘制。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (3)
1.一种基于三维超体素描述的数字化生理生物体建模方法,其特征在于,该方法包括如下步骤:
(1)获取生物体医学图像序列,并截取像素值的有效区间;
(2)通过标准的模糊C均值聚类方法分别将序列I中生物体医学图像Ii的像素聚类成两类,其中亮度最高的一类是骨骼结构Ii 1,另一类是除骨骼之外的部分Ii 2,然后去除亮度最高的骨骼结构Ii 1;
(3)将去除骨骼后医学图像Ii 2进行二值化,删除二值图像中面积很小的区域,并对剩余区域进行腐蚀并求各连通区域大小;从而获得最大连通区域,即待分割生理结构区域图像,截取待分割生理结构区域周围a*b大小的图像(Ii 2)′;
(4)将得到的待分割生理结构区域周围图像(Ii 2)′重建到三维区间,通过三维滤波去除噪声,得到三维矩阵,对重建得到的三维矩阵,应用三维简单线性迭代聚类算法对其进行分割,得到规则排列的超体素sv;
(5)利用图割方法将超体素sv划分为前景sv1,即待分割生理结构区域,和背景sv2两部分,同时也对应的将与超体素相对应的像素s划分为前景s1和背景s2;
(6)将所有划分到前景像素s1以及划分到背景的像素s2利用面绘制方法在三维空间进行重建,得到待分割生理结构区域在整个生物体内的三维显示V′,最终实现了数字化生理生物体建模。
2.如权利要求1所述的建模方法,其特征在于,所述步骤(5)中图割方法包括以下步骤:以选取正方形区域的超体素灰度值建立前景的高斯混合模型,以位于三维矩阵八个角点的超体素以及相邻的超体素内的体素灰度值建立背景的高斯混合模型;为每个超体素svm建立一个二值标签tm,tm=1表示svm属于前景,tm=0表示svm属于背景,T={t1,…tm,…tM}是所有超体素标签的集合;计算区域项R(T)和边界项B(T);建立能量函数E(T)=βR(T)+(1-β)B(T),其中β是一个平衡区域项和边界项的权重因子;最小化能量函数得到超体素的最终标签,也对应的得到像素s的最终标签。
3.如权利要求1所述的建模方法,其特征在于,所述步骤(6)中所述面绘制方法包括以下步骤:先确定一个表面阈值A;对于图割划分标签之后的三维正交数据集,相邻层上的各四个像素(sx,y,z,sx+1,y,z,sx+1,y+1,z,sx,y+1,z),(sx,y,z+1,sx+1,y,z+1,sx+1,y+1,z+1,sx,y+1,z+1)组成立方体的八个顶点;对立方体的八个顶点按阈值A进行分类,以判定其顶点是位于等值面之外还是位于等值面之内;对于与等值面相交的立方体,以立方体棱边的中点作为等值面与立方体的交点,交点连成三角面片;遍历整个数据场,组合成等值面;以中心差分获得体素中心点的梯度值来代替体素的法向量nu;最后进行三维绘制,得到三维显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610879178.7A CN106570930A (zh) | 2016-10-08 | 2016-10-08 | 一种基于三维超体素描述的数字化生理生物体建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610879178.7A CN106570930A (zh) | 2016-10-08 | 2016-10-08 | 一种基于三维超体素描述的数字化生理生物体建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106570930A true CN106570930A (zh) | 2017-04-19 |
Family
ID=58531620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610879178.7A Pending CN106570930A (zh) | 2016-10-08 | 2016-10-08 | 一种基于三维超体素描述的数字化生理生物体建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106570930A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610218A (zh) * | 2017-08-25 | 2018-01-19 | 武汉工程大学 | 一种面向立体结构网点三维图像重建的层面数据获取方法 |
CN108647692A (zh) * | 2018-04-11 | 2018-10-12 | 中国海洋大学 | 基于lh直方图的海洋层结提取技术 |
CN109191510A (zh) * | 2018-07-09 | 2019-01-11 | 研靖信息科技(上海)有限公司 | 一种病理切片的3d重建方法及其装置 |
CN110148208A (zh) * | 2019-04-03 | 2019-08-20 | 中国人民解放军陆军军医大学 | 一种基于中国数字人的鼻咽部放疗教学模型构建方法 |
CN110570515A (zh) * | 2019-09-03 | 2019-12-13 | 天津工业大学 | 一种利用ct图像进行人体骨骼三维建模的方法 |
CN110851965A (zh) * | 2019-10-29 | 2020-02-28 | 中国海洋大学 | 一种基于物理模型的光源优化方法及优化系统 |
CN112022067A (zh) * | 2020-11-06 | 2020-12-04 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
CN115953372A (zh) * | 2022-12-23 | 2023-04-11 | 北京纳通医用机器人科技有限公司 | 骨骼磨削图像显示方法、装置、设备及存储介质 |
CN112686909B (zh) * | 2020-12-28 | 2024-04-19 | 淮阴工学院 | 基于异质多区域ct扫描数据处理的多相隐式曲面重建方法 |
CN110570515B (zh) * | 2019-09-03 | 2024-05-10 | 天津工业大学 | 一种利用ct图像进行人体骨骼三维建模的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271574A (zh) * | 2008-03-20 | 2008-09-24 | 华南师范大学 | 三维可视化的方法、装置 |
CN103824328A (zh) * | 2014-03-27 | 2014-05-28 | 东北大学 | 一种基于OpenCL的移动立方体方法 |
CN105719295A (zh) * | 2016-01-21 | 2016-06-29 | 浙江大学 | 一种基于三维超体素的颅内出血区域分割方法及系统 |
CN105825471A (zh) * | 2016-03-13 | 2016-08-03 | 华东理工大学 | 一种基于Unity 3D的三维体表面重构与渲染方法 |
-
2016
- 2016-10-08 CN CN201610879178.7A patent/CN106570930A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101271574A (zh) * | 2008-03-20 | 2008-09-24 | 华南师范大学 | 三维可视化的方法、装置 |
CN103824328A (zh) * | 2014-03-27 | 2014-05-28 | 东北大学 | 一种基于OpenCL的移动立方体方法 |
CN105719295A (zh) * | 2016-01-21 | 2016-06-29 | 浙江大学 | 一种基于三维超体素的颅内出血区域分割方法及系统 |
CN105825471A (zh) * | 2016-03-13 | 2016-08-03 | 华东理工大学 | 一种基于Unity 3D的三维体表面重构与渲染方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610218B (zh) * | 2017-08-25 | 2020-10-23 | 武汉工程大学 | 一种面向立体结构网点三维图像重建的层面数据获取方法 |
CN107610218A (zh) * | 2017-08-25 | 2018-01-19 | 武汉工程大学 | 一种面向立体结构网点三维图像重建的层面数据获取方法 |
CN108647692A (zh) * | 2018-04-11 | 2018-10-12 | 中国海洋大学 | 基于lh直方图的海洋层结提取技术 |
CN108647692B (zh) * | 2018-04-11 | 2021-09-28 | 中国海洋大学 | 基于lh直方图的海洋层结提取方法 |
CN109191510A (zh) * | 2018-07-09 | 2019-01-11 | 研靖信息科技(上海)有限公司 | 一种病理切片的3d重建方法及其装置 |
CN110148208A (zh) * | 2019-04-03 | 2019-08-20 | 中国人民解放军陆军军医大学 | 一种基于中国数字人的鼻咽部放疗教学模型构建方法 |
CN110148208B (zh) * | 2019-04-03 | 2023-07-07 | 中国人民解放军陆军军医大学 | 一种基于中国数字人的鼻咽部放疗教学模型构建方法 |
CN110570515A (zh) * | 2019-09-03 | 2019-12-13 | 天津工业大学 | 一种利用ct图像进行人体骨骼三维建模的方法 |
CN110570515B (zh) * | 2019-09-03 | 2024-05-10 | 天津工业大学 | 一种利用ct图像进行人体骨骼三维建模的方法 |
CN110851965A (zh) * | 2019-10-29 | 2020-02-28 | 中国海洋大学 | 一种基于物理模型的光源优化方法及优化系统 |
CN110851965B (zh) * | 2019-10-29 | 2023-05-12 | 中国海洋大学 | 一种基于物理模型的光源优化方法及优化系统 |
CN112022067A (zh) * | 2020-11-06 | 2020-12-04 | 安翰科技(武汉)股份有限公司 | 图像处理方法、电子设备及可读存储介质 |
CN112686909B (zh) * | 2020-12-28 | 2024-04-19 | 淮阴工学院 | 基于异质多区域ct扫描数据处理的多相隐式曲面重建方法 |
CN115953372A (zh) * | 2022-12-23 | 2023-04-11 | 北京纳通医用机器人科技有限公司 | 骨骼磨削图像显示方法、装置、设备及存储介质 |
CN115953372B (zh) * | 2022-12-23 | 2024-03-19 | 北京纳通医用机器人科技有限公司 | 骨骼磨削图像显示方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106570930A (zh) | 一种基于三维超体素描述的数字化生理生物体建模方法 | |
Cai et al. | Mask R-CNN-based detection and segmentation for pulmonary nodule 3D visualization diagnosis | |
Nelson et al. | Visualization of 3D ultrasound data | |
Xu et al. | DW-Net: A cascaded convolutional neural network for apical four-chamber view segmentation in fetal echocardiography | |
US20190139227A1 (en) | Methods and systems for image segmentation | |
US8600125B2 (en) | System and method for computer aided polyp detection | |
CN101796544B (zh) | 体素数据的可视化方法和系统 | |
Suri et al. | Breast Imaging, Mammography, and Computer-Aided Diagnosis of Breast Cancer | |
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 | |
CN109166133A (zh) | 基于关键点检测和深度学习的软组织器官图像分割方法 | |
CN101577001A (zh) | 基于光线投射体绘制的三维医学图像剖分方法 | |
Qiu et al. | Lung Nodules Detection in CT Images Using Gestalt‐Based Algorithm | |
CN106327479A (zh) | 血管造影中介下先心病术中血管辨识的装置及方法 | |
Yunchao et al. | Application of computer vision and deep learning in breast cancer assisted diagnosis | |
CN1296874C (zh) | 基于点重建的超大规模医学影像三维可视化方法 | |
Yin et al. | A method of breast tumour MRI segmentation and 3D reconstruction | |
AU2019431568B2 (en) | Method and product for processing of vrds 4d medical images | |
Hasegawa et al. | Automated extraction of lung cancer lesions from multislice chest CT images by using three‐dimensional image processing | |
CN1581233A (zh) | 一种用于虚拟手术的体绘制成像方法 | |
Spann et al. | Interactive Visualisation of the Food Content of a Human Stomach in MRI | |
McVeigh et al. | Visualization and analysis of functional cardiac MRI data | |
Chin-Hsing et al. | 3D image reconstruction of bladder by nonlinear interpolation | |
Hoang et al. | Artificial Intelligence-Based Breast Nodule Segmentation Using Multi-Scale Images and Convolutional Network. | |
Bühler et al. | Interactive 3D techniques for computer aided diagnosis and surgery simulation tools | |
Xie | Design and Development of Medical Image Processing Experiment System Based on IDL Language. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170419 |