CN107527361B - 基于磁共振影像融合显示的图像显示系统及显示方法 - Google Patents

基于磁共振影像融合显示的图像显示系统及显示方法 Download PDF

Info

Publication number
CN107527361B
CN107527361B CN201710750365.XA CN201710750365A CN107527361B CN 107527361 B CN107527361 B CN 107527361B CN 201710750365 A CN201710750365 A CN 201710750365A CN 107527361 B CN107527361 B CN 107527361B
Authority
CN
China
Prior art keywords
image
module
magnetic resonance
pseudo
display
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.)
Active
Application number
CN201710750365.XA
Other languages
English (en)
Other versions
CN107527361A (zh
Inventor
杨鸣
方文星
蒋李
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.)
Hefei Vusion Tech Co ltd
Original Assignee
Hefei Vusion Tech 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 Hefei Vusion Tech Co ltd filed Critical Hefei Vusion Tech Co ltd
Priority to CN201710750365.XA priority Critical patent/CN107527361B/zh
Publication of CN107527361A publication Critical patent/CN107527361A/zh
Application granted granted Critical
Publication of CN107527361B publication Critical patent/CN107527361B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种基于磁共振影像融合显示的图像显示系统及显示方法，通过计算机人工智能，在图像融合前，优化了磁共振影像的伪彩编码函数的预设值，将各类有量化能力的结构图的异常区域突出显示，减少了用户的调整和操作，阅片者可直观的在一个显示窗口同时掌握功能图及结构图的图像信息，帮助阅片者更加综合和简要的分析和阅读磁共振影像，可以应用在肝、前列腺、脑、乳腺等解剖部位肿瘤的识别上，能够很好地将常规磁共振扫描序列所得的图像信息整合起来，利用这些图像中的定量参数，客观地给出了肿瘤的识别结果。

Description

基于磁共振影像融合显示的图像显示系统及显示方法
技术领域
本发明属于计算机图形学技术领域，涉及一种图像显示系统，具体是一种基于磁共振影像融合显示的图像显示系统及显示方法。
背景技术
现代磁共振扫描仪可提供多种不同对比度的磁共振影像，在T1加权(T1W)，T2加权(T2W)等常规影像基础上，又出现了动态增强(DCE)，弥散权重(DWI)，磁共振波谱成像(MRS)等需要二次处理计算得到更多种类参数图的技术。同一部位的一次磁共振扫描，往往产生10到20组不同影像。全部阅读这些影像结果会有利于临床/影像医生的判断，同时也加重了医生的阅片负担以及考验医生对多种图像的认知能力。
发明内容
本发明的目的在于提供一种基于磁共振影像融合显示的图像显示系统及显示方法，阅片者可直观的在一个显示窗口同时掌握功能图及结构图的图像信息，帮助阅片者更加综合和简要的分析和阅读磁共振影像。
本发明的目的可以通过以下技术方案实现：
一种基于磁共振影像融合显示的图像显示系统，包括图像预处理模块、参数图计算模块、伪彩编码模块、伪彩编码函数库、图像融合模块以及图像显示模块；
所述图像预处理模块，用于导入磁共振扫描仪中来自同一病人的磁共振影像，将其中的功能影像输出到参数图计算模块，将其中的结构影像输出到图像融合模块；
所述参数图计算模块，通过采集高维数据的序列，将接收到的功能影像计算出相应的功能指标参数图，输出到伪彩编码模块；
所述伪彩编码模块，从伪彩编码函数库调用预设函数对功能指标参数图的数值进行彩色编码，根据具体的功能指标参数图，对预设函数的相应参数进行选择和调整，再通过函数的映射将功能指标参数图转变为伪彩参数图，输出到图像融合模块；
所述伪彩编码函数库，用于存储预设的彩色编码函数，供伪彩编码模块调用；
所述图像融合模块，将伪彩编码模块输出的伪彩参数图自动配准到图像预处理模块输出的结构影像，使伪彩参数图叠加至结构影像上，生成伪彩标定的磁共振影像；
所述图像显示模块，用于向阅片者展示伪彩标定的磁共振影像。
进一步地，所述彩色编码为对功能指标参数图的数值到色彩空间的一种映射，此映射的形式为色彩输运函数和透明度输运函数，具体包括线性，指数及多项式等预设函数。
进一步地，所述伪彩编码模块连接参数训练模块，所述参数训练模块通过神经网络模型利用机器学习的方法不断训练和测试伪彩参数图显示所需的各类参数，智能控制伪彩编码模块选择和调整预设函数的参数。
进一步地，所述图像融合模块连接异常值判断模块，所述异常值判断模块连接显隐控制模块，所述显隐控制模块连接图像显示模块；
所述异常值判断模块，对伪彩标定的磁共振影像进行异常值判断，将超过预设异常阈值的参数标定为异常值；
所述显隐控制模块，根据异常值判断模块标定的异常值，控制各参数图的显示和隐藏。
进一步地，所述异常值判断模块连接阈值训练模块，所述阈值训练模块通过神经网络模型利用机器学习的方法不断训练和测试各类参数的异常阈值，智能调整异常值判断模块的预设异常阈值。
进一步地，所述图像显示模块连接区域选择模块，所述区域选择模块用于阅片者具体划定感兴趣的区域，只在感兴趣的区域上显示伪彩标定的磁共振影像。
进一步地，还包括手动调节模块，所述手动调节模块用于阅片者手动选择和调整伪彩编码模块预设函数的参数，并作为参数训练模块的训练输入。
进一步地，还包括手动调节模块，所述手动调节模块用于阅片者手动设定异常值判断模块的异常阈值，并作为阈值训练模块的训练输入。
一种基于磁共振影像融合显示的图像显示方法，包括以下步骤：
步骤S1，导入磁共振扫描仪中来自同一病人的磁共振影像；
步骤S2，通过采集高维数据的序列，将磁共振影像中的功能影像计算出相应的功能指标参数图；
步骤S3，通过伪彩编码函数库中的预设函数对功能指标参数图的数值进行彩色编码，根据具体的功能指标参数图，对预设函数的相应参数进行选择和调整，再通过函数的映射将功能指标参数图转变为伪彩参数图，以伪彩色对参数数值高低进行标定；
步骤S4，通过配准算法去除多次扫描间病人位置的变化，将伪彩参数图自动配准到磁共振影像中的结构影像，使伪彩参数图叠加至结构影像上，生成伪彩标定的磁共振影像；
步骤S5，对于自动配准失效的情况，阅片者手动进行微调；
步骤S6，对伪彩标定的磁共振影像根据预先训练好的神经网络、自动分类器等人工智能进行异常值判断，将超过预设异常阈值的的参数标定为异常值；
步骤S7，异常阈值预设情况出错时，阅片者手动调整异常阈值，并将阅片者的操作作为人工智能的训练输入；
步骤S8，根据标定的异常值，控制各参数图的显示和隐藏；
步骤S9，阅片者具体划定感兴趣的区域，只在感兴趣的区域上显示伪彩标定的磁共振影像。
本发明的有益效果：本发明提供的一种基于磁共振影像融合显示的图像显示系统及显示方法，通过计算机人工智能，在图像融合前，优化了磁共振影像的伪彩编码函数的预设值，将各类有量化能力的结构图的异常区域突出显示，减少了用户的调整和操作，阅片者可直观的在一个显示窗口同时掌握功能图及结构图的图像信息，帮助阅片者更加综合和简要的分析和阅读磁共振影像，可以应用在肝、前列腺、脑、乳腺等解剖部位肿瘤的识别上，能够很好地将常规磁共振扫描序列所得的图像信息整合起来，利用这些图像中的定量参数，客观地给出了肿瘤的识别结果。
附图说明
下面结合附图和具体实施例对本发明作进一步详细描述。
图1是本发明的系统示意图。
图2是本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1-2所示，本发明提供了一种基于磁共振影像融合显示的图像显示系统，包括图像预处理模块、参数图计算模块、伪彩编码模块、伪彩编码函数库、参数训练模块、图像融合模块、异常值判断模块、阈值训练模块、显隐控制模块、区域选择模块以及图像显示模块。
图像预处理模块，用于导入磁共振扫描仪中来自同一病人的磁共振影像，将其中的功能影像输出到参数图计算模块，将其中的结构影像输出到图像融合模块。
其中，结构影像为磁共振扫描仪获取的可提供解剖结构形态学信息的影像，如T1加权影像和T2加权影像；功能影像为磁共振扫描仪获取的提供组织代谢速度，水分子弥散受限、渗透，组织纤维化，脂肪分数，铁沉积等功能信息的影像，同时，功能影像可以计算出功能指标参数图。
参数图计算模块，通过弥散加权、弥散张量、动态增强以及多回波T1等采集高维数据的序列，将接收到的功能影像计算出相应的功能指标参数图，输出到伪彩编码模块。
其中，功能指标参数图为磁共振直接采集图像经过二次计算或处理生成的用于评估某类生理/物理指标的量化影像，其包括通过各类弥散模型计算出的水分子弥散受限情况的图像(如单指数模型计算的ADC影像，通过拉伸指数模型计算的DDC影像和Alpha影像，通过IVIM模型计算的slowADC影像和fastADC影像,通过Diffusion Kurtosis模型计算出MK影像，通过NODDI模型计算出的dispersion影像)，通过动态增强影像计算出的灌注曲线、流入/流出、达峰时间，药代动力学的参数影像，通过T1Mapping序列计算的T1Map影像，通过T1rho序列计算的T1rho Map影像以及通过水脂分离序列计算的脂肪成分图影像。
伪彩编码模块，从伪彩编码函数库调用预设函数对功能指标参数图的数值进行彩色(RGBA)编码，根据具体的功能指标参数图，对预设函数的相应参数进行选择和调整，再通过函数的映射将功能指标参数图转变为伪彩参数图，输出到图像融合模块。
其中，彩色编码指对功能指标参数图的数值到色彩空间(RGBA，R：红色，G：绿色，B：蓝色，A：透明度)的一种映射，此映射的形式为色彩输运函数和透明度输运函数，具体包括线性(Linear)，指数(Exponetial)及多项式(Polynominal)等预设函数。
伪彩编码函数库，用于存储预设的彩色编码函数，供伪彩编码模块调用。
参数训练模块，通过神经网络模型利用机器学习的方法不断训练和测试伪彩参数图显示所需的各类参数，包括二维和三维的色彩输运函数和透明度输运函数，智能控制伪彩编码模块选择和调整预设函数的参数。
图像融合模块，通过配准算法(registration)去除了多次扫描间病人位置的变化，将伪彩编码模块输出的伪彩参数图自动配准到图像预处理模块输出的结构影像，使伪彩参数图叠加至结构影像上，生成伪彩标定的磁共振影像。
异常值判断模块，对伪彩标定的磁共振影像进行异常值判断，将超过预设异常阈值的的参数标定为异常值。
阈值训练模块，通过神经网络模型利用机器学习的方法不断训练和测试各类参数的异常阈值，智能调整异常值判断模块的预设异常阈值。
显隐控制模块，根据异常值判断模块标定的异常值，控制各参数图的显示和隐藏，如仅显示ADC异常值，显示流入/流出速度异常值等。
区域选择模块，用于阅片者具体划定感兴趣的区域，只在感兴趣的区域上显示伪彩标定的磁共振影像。
图像显示模块，用于向阅片者展示伪彩标定的磁共振影像。
本发明还包括手动调节模块，用于阅片者手动选择和调整伪彩编码模块预设函数的参数，并作为参数训练模块的训练输入；用于阅片者手动微调图像融合模块中自动配准失效的图像；用于阅片者手动设定异常值判断模块的异常阈值，并作为阈值训练模块的训练输入；用于阅片者手动选择显隐控制模块中各参数图的显示和隐藏；用于阅片者手动划定区域选择模块中感兴趣的区域。
一种基于磁共振影像融合显示的图像显示方法，具体包括以下步骤：
步骤S1，导入磁共振扫描仪中来自同一病人的磁共振影像。
步骤S2，通过弥散加权、弥散张量、动态增强以及多回波T1等采集高维数据的序列，将磁共振影像中的功能影像计算出相应的功能指标参数图。
步骤S3，通过伪彩编码函数库中的预设函数对功能指标参数图的数值进行彩色编码，根据具体的功能指标参数图，对预设函数的相应参数进行选择和调整，再通过函数的映射将功能指标参数图转变为伪彩参数图，以伪彩色对参数数值高低进行标定。
步骤S4，通过配准算法去除多次扫描间病人位置的变化，将伪彩参数图自动配准到磁共振影像中的结构影像，使伪彩参数图叠加至结构影像上，生成伪彩标定的磁共振影像。
步骤S5，对于自动配准失效的情况，阅片者手动进行微调。
步骤S6，对伪彩标定的磁共振影像根据预先训练好的神经网络、自动分类器等人工智能进行异常值判断，将超过预设异常阈值的的参数标定为异常值。
步骤S7，异常阈值预设情况出错时，阅片者手动调整异常阈值，并将阅片者的操作作为人工智能的训练输入，以进行人工智能的进一步优化。
步骤S8，根据标定的异常值，控制各参数图的显示和隐藏，如仅显示ADC异常值，显示流入/流出速度异常值等。
步骤S9，阅片者具体划定感兴趣的区域，只在感兴趣的区域上显示伪彩标定的磁共振影像。
将本发明提供的系统和方法应用在肝、前列腺、脑、乳腺等解剖部位肿瘤的识别上，能够很好地将常规磁共振扫描序列所得的图像信息整合起来，利用这些图像中的定量参数，客观地给出了肿瘤的识别结果；通过比较发现，综合利用磁共振影像中三个常规序列的扫描结果能更准确地识别肿瘤，并为临床决策提供更加丰富的信息；该技术方案操作简单，只需临床医生从扫描图像中选取可疑的肿瘤区域，即可给出该区域的患癌概率，能给医生一个直观的参考，为后续制定诊断方案提供重要依据。
本发明还可用于PET、CT、病理切片等其他影像的融合显示。
本发明提供的一种基于磁共振影像融合显示的图像显示系统及显示方法，通过计算机人工智能，在图像融合前，优化了磁共振影像的伪彩编码函数的预设值，将各类有量化能力的结构图的异常区域突出显示，减少了用户的调整和操作，阅片者可直观的在一个显示窗口同时掌握功能图及结构图的图像信息，帮助阅片者更加综合和简要的分析和阅读磁共振影像，可以应用在肝、前列腺、脑、乳腺等解剖部位肿瘤的识别上，能够很好地将常规磁共振扫描序列所得的图像信息整合起来，利用这些图像中的定量参数，客观地给出了肿瘤的识别结果。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于磁共振影像融合显示的图像显示系统，其特征在于：包括图像预处理模块、参数图计算模块、伪彩编码模块、伪彩编码函数库、图像融合模块以及图像显示模块；
所述图像预处理模块，用于导入磁共振扫描仪中来自同一病人的磁共振影像，将其中的功能影像输出到参数图计算模块，将其中的结构影像输出到图像融合模块；
所述参数图计算模块，通过采集高维数据的序列，将接收到的功能影像计算出相应的功能指标参数图，输出到伪彩编码模块；
所述伪彩编码模块，从伪彩编码函数库调用预设函数对功能指标参数图的数值进行彩色编码，根据具体的功能指标参数图，对预设函数的相应参数进行选择和调整，再通过函数的映射将功能指标参数图转变为伪彩参数图，输出到图像融合模块；
所述伪彩编码函数库，用于存储预设的彩色编码函数，供伪彩编码模块调用；
所述图像融合模块，将伪彩编码模块输出的伪彩参数图自动配准到图像预处理模块输出的结构影像，使伪彩参数图叠加至结构影像上，生成伪彩标定的磁共振影像；
所述图像显示模块，用于向阅片者展示伪彩标定的磁共振影像。
2.根据权利要求1所述的一种基于磁共振影像融合显示的图像显示系统，其特征在于：所述彩色编码为对功能指标参数图的数值到色彩空间的一种映射，此映射的形式为色彩输运函数和透明度输运函数，具体包括线性，指数及多项式预设函数。
3.根据权利要求1所述的一种基于磁共振影像融合显示的图像显示系统，其特征在于：所述伪彩编码模块连接参数训练模块，所述参数训练模块通过神经网络模型利用机器学习的方法不断训练和测试伪彩参数图显示所需的各类参数，智能控制伪彩编码模块选择和调整预设函数的参数。
4.根据权利要求1所述的一种基于磁共振影像融合显示的图像显示系统，其特征在于：所述图像融合模块连接异常值判断模块，所述异常值判断模块连接显隐控制模块，所述显隐控制模块连接图像显示模块；
所述异常值判断模块，对伪彩标定的磁共振影像进行异常值判断，将超过预设异常阈值的参数标定为异常值；
所述显隐控制模块，根据异常值判断模块标定的异常值，控制各参数图的显示和隐藏。
5.根据权利要求4所述的一种基于磁共振影像融合显示的图像显示系统，其特征在于：所述异常值判断模块连接阈值训练模块，所述阈值训练模块通过神经网络模型利用机器学习的方法不断训练和测试各类参数的异常阈值，智能调整异常值判断模块的预设异常阈值。
6.根据权利要求1所述的一种基于磁共振影像融合显示的图像显示系统，其特征在于：所述图像显示模块连接区域选择模块，所述区域选择模块用于阅片者具体划定感兴趣的区域，只在感兴趣的区域上显示伪彩标定的磁共振影像。
7.根据权利要求3所述的一种基于磁共振影像融合显示的图像显示系统，其特征在于：还包括手动调节模块，所述手动调节模块用于阅片者手动选择和调整伪彩编码模块预设函数的参数，并作为参数训练模块的训练输入。
8.根据权利要求5所述的一种基于磁共振影像融合显示的图像显示系统，其特征在于：还包括手动调节模块，所述手动调节模块用于阅片者手动设定异常值判断模块的异常阈值，并作为阈值训练模块的训练输入。
9.一种基于磁共振影像融合显示的图像显示方法，其特征在于，包括以下步骤：
步骤S1，导入磁共振扫描仪中来自同一病人的磁共振影像；
步骤S2，通过采集高维数据的序列，将磁共振影像中的功能影像计算出相应的功能指标参数图；
步骤S3，通过伪彩编码函数库中的预设函数对功能指标参数图的数值进行彩色编码，根据具体的功能指标参数图，对预设函数的相应参数进行选择和调整，再通过函数的映射将功能指标参数图转变为伪彩参数图，以伪彩色对参数数值高低进行标定；
步骤S4，通过配准算法去除多次扫描间病人位置的变化，将伪彩参数图自动配准到磁共振影像中的结构影像，使伪彩参数图叠加至结构影像上，生成伪彩标定的磁共振影像；
步骤S5，对于自动配准失效的情况，阅片者手动进行微调；
步骤S6，对伪彩标定的磁共振影像根据预先训练好的神经网络、自动分类器人工智能进行异常值判断，将超过预设异常阈值的参数标定为异常值；
步骤S7，异常阈值预设情况出错时，阅片者手动调整异常阈值，并将阅片者的操作作为人工智能的训练输入；
步骤S8，根据标定的异常值，控制各参数图的显示和隐藏；
步骤S9，阅片者具体划定感兴趣的区域，只在感兴趣的区域上显示伪彩标定的磁共振影像。
CN201710750365.XA 2017-08-28 2017-08-28 基于磁共振影像融合显示的图像显示系统及显示方法 Active CN107527361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710750365.XA CN107527361B (zh) 2017-08-28 2017-08-28 基于磁共振影像融合显示的图像显示系统及显示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710750365.XA CN107527361B (zh) 2017-08-28 2017-08-28 基于磁共振影像融合显示的图像显示系统及显示方法

Publications (2)

Publication Number Publication Date
CN107527361A CN107527361A (zh) 2017-12-29
CN107527361B true CN107527361B (zh) 2020-09-22

Family

ID=60682365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710750365.XA Active CN107527361B (zh) 2017-08-28 2017-08-28 基于磁共振影像融合显示的图像显示系统及显示方法

Country Status (1)

Country Link
CN (1) CN107527361B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288593A (zh) * 2019-07-01 2019-09-27 山东省肿瘤防治研究院（山东省肿瘤医院） 弥散加权图像的后处理方法及系统
CN110223774B (zh) * 2019-07-05 2022-12-13 扬州大学附属医院 一种实体肿瘤三维病理诊断图像与三维影像诊断图像融合方法
CN110610529B (zh) * 2019-09-20 2023-01-03 上海联影医疗科技股份有限公司 磁共振扫描仪的主磁场均匀化方法、设备和介质
CN110766661B (zh) * 2019-09-26 2022-10-28 上海联影医疗科技股份有限公司 磁共振成像的水脂分离方法、磁共振成像方法和设备
CN111798410A (zh) * 2020-06-01 2020-10-20 深圳市第二人民医院(深圳市转化医学研究院) 基于深度学习模型的癌细胞病理分级方法、装置、设备和介质
CN114820406A (zh) * 2020-10-30 2022-07-29 武汉联影医疗科技有限公司 融合图像显示方法、装置和医学影像系统
CN113052937B (zh) * 2021-04-19 2022-07-29 厦门大学 一种动态对比增强核磁共振图像的重建方法及重建系统
CN113256631B (zh) * 2021-07-06 2021-10-01 江苏迈特菲光电技术有限公司 一种提升阅片效率和调整医用图像质量的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101756713A (zh) * 2009-09-09 2010-06-30 西安交通大学 超声造影成像、灌注参量估计和灌注参量功能成像及其集成方法
CN105590315A (zh) * 2015-12-04 2016-05-18 南京云石医疗科技有限公司 一种超声彩色多普勒图像后处理方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9953413B2 (en) * 2007-02-02 2018-04-24 Apollo Medical Imaging Technology Pty. Ltd. Identification and analysis of lesions in medical imaging
GB201117805D0 (en) * 2011-10-14 2011-11-30 Siemens Medical Solutions System and methods for efficient multimodal rib lesion readings
CN102496167A (zh) * 2011-12-07 2012-06-13 天津理工大学 相位调制数字图像伪彩色编码方法
CN104504687B (zh) * 2014-12-05 2018-08-28 上海申维影像科技有限公司 一种超声造影图像分析方法及其系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101756713A (zh) * 2009-09-09 2010-06-30 西安交通大学 超声造影成像、灌注参量估计和灌注参量功能成像及其集成方法
CN105590315A (zh) * 2015-12-04 2016-05-18 南京云石医疗科技有限公司 一种超声彩色多普勒图像后处理方法

Also Published As

Publication number Publication date
CN107527361A (zh) 2017-12-29

Similar Documents

Publication Publication Date Title
CN107527361B (zh) 基于磁共振影像融合显示的图像显示系统及显示方法
US10628930B1 (en) Systems and methods for generating fused medical images from multi-parametric, magnetic resonance image data
CN107909622B (zh) 模型生成方法、医学成像的扫描规划方法及医学成像系统
JP6448356B2 (ja) 画像処理装置、画像処理方法、画像処理システム、及びプログラム
Erus et al. Longitudinally and inter-site consistent multi-atlas based parcellation of brain anatomy using harmonized atlases
Banerjee et al. A novel GBM saliency detection model using multi-channel MRI
CN111047629B (zh) 多模态图像配准的方法、装置、电子设备及存储介质
US20090136102A1 (en) Image processing of medical images
US20130310690A1 (en) Breast ultrasound scanning and diagnosis aid system
JP6979151B2 (ja) 磁気共鳴イメージング装置及び磁気共鳴画像処理方法
CN106780436B (zh) 一种医疗影像显示参数确定方法及装置
CN104093354A (zh) 用于评估医学图像的方法和设备
WO2008092211A1 (en) Identification and analysis of lesions in medical imaging
Baum et al. Fusion viewer: a new tool for fusion and visualization of multimodal medical data sets
Attique et al. Colorization and automated segmentation of human T2 MR brain images for characterization of soft tissues
CN111081351A (zh) 脑功能图谱的绘制方法和系统
US20210193299A1 (en) Image diagnosis support apparatus, image diagnosis support program, and medical image acquisition apparatus including the same
JP2019028887A (ja) 画像処理方法
CN102369555A (zh) 用于进行轮廓描绘的自动对比度增强
EP3311362B1 (en) Selecting transfer functions for displaying medical images
US10964074B2 (en) System for harmonizing medical image presentation
CN106716491A (zh) 具有多个色彩标度的图像色彩校准
CN111145336B (zh) 图像绘制方法及装置
Daza et al. Classification of alzheimer's disease in mri using visual saliency information
US9454811B2 (en) Image processing apparatus, image processing method and computer-readable storage medium storing program

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
GR01 Patent grant
GR01 Patent grant