CN108038862A - 一种交互式医学图像智能分割建模方法 - Google Patents

一种交互式医学图像智能分割建模方法 Download PDF

Info

Publication number
CN108038862A
CN108038862A CN201711310636.6A CN201711310636A CN108038862A CN 108038862 A CN108038862 A CN 108038862A CN 201711310636 A CN201711310636 A CN 201711310636A CN 108038862 A CN108038862 A CN 108038862A
Authority
CN
China
Prior art keywords
medical image
image
target area
interactive
modeling method
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
CN201711310636.6A
Other languages
English (en)
Other versions
CN108038862B (zh
Inventor
张晓东
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.)
Shenzhen City One Map Intelligent Technology Co Ltd
Original Assignee
Shenzhen City One Map Intelligent Technology 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 Shenzhen City One Map Intelligent Technology Co Ltd filed Critical Shenzhen City One Map Intelligent Technology Co Ltd
Priority to CN201711310636.6A priority Critical patent/CN108038862B/zh
Publication of CN108038862A publication Critical patent/CN108038862A/zh
Application granted granted Critical
Publication of CN108038862B publication Critical patent/CN108038862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30056—Liver; Hepatic
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Abstract

本发明公开了一种交互式医学图像智能分割建模方法，其包括有如下步骤：获取医学图像数据；将医学图像数据导入图像处理系统，并在多显示视窗中对图像进行显示；将图像调节到呈现特征信息的断面，利用交互工具在多个方向视窗中标记目标区域轮廓；利用已标记的多方向切面轮廓，通过插值重建算法实现目标区域的表面网格重建，并将网格映射为图像的二值分割MASK；判断目标区域分割结果是否准确，若准确则结束，若不准确，则选择目标区域分割不精确的切面，由二值分割图像生成对应的轮廓，之后再次进行插值重建；输出目标区域的二值分割结果和表面网格模型，智能分割建模结束。本发明可实现目标区域分割、优化分割结果和提高建模效率。

Description

一种交互式医学图像智能分割建模方法
技术领域
本发明涉及医学图像处理方法，尤其涉及一种交互式医学图像智能分割建模方法。
背景技术
在与临床外科医生的合作过程中了解到，临床医生在疾病诊断、治疗决策以及手术规划过程中，需要掌握组织以及病灶的解剖结构信息，例如肝脏肿瘤的位置、体积、形状等。目前多是利用手工标注的方式，结合阈值连通、区域增长等图像处理方法，对CT或者MRI图像进行逐层分割病灶区域。随着技术发展进步，图像分辨率越来越高，层间距越来越小，这就给手工分割带来了挑战。1)逐层手工标注是一个非常耗时耗力的工作，分割一副3D图像通常耗费数小时甚至更多的时间；而且，分割结果受标注人的主观影响较大，不同标注人对同一个对象的分割结果、甚至同一标注人对同一对象的多次分割都会存在较大的差异；2)逐层标注方式未考虑三维信息，使得分割体数据的边界非常粗糙，影响建模精度和可视化效果；3)对于肿瘤等病灶组织，经常存在模糊边缘，这使得标注该区域时，难以确定边界；而肿瘤组织内部灰度分布具有异质性，使得阈值连通、区域增长等自动分割方法都不能完整分割该区域，需要借助大量手工后处理，增加工作量。具有模糊边缘的一类对象的分割建模，是医学图像处理技术中的难点，目前方法通常基于图像体素的灰度信息，通过阈值连通、区域增长等方法进行分割。但由于边缘的不确定性，以及分割对象内部灰度的不均匀性，会造成过分割或者欠分割。另外，不同类型、不同采集来源的医学图像存在一定的差异，同一个案例中采集的数据，受扫描参数、造影剂的影像和不同扫描时相的影响，获得的数据集之间也存在不同特征。现在有很多专用的方法和技术可以对特定的医学影像的分割获得比较好的结果，但是需要根据先验知识来确定具体的方法与参数。
发明内容
本发明要解决的技术问题在于，针对现有技术的不足，提供一种通过提取3D医学图像多方向切面上模板区域的轮廓，以轮廓信息作为形状约束进行插值重建，进而实现目标区域分割，并通过迭代式编辑中间分割，优化分割结果、提高建模效率的交互式医学图像智能分割建模方法。
为解决上述技术问题，本发明采用如下技术方案。
一种交互式医学图像智能分割建模方法，其包括有如下步骤：步骤S1，获取医学图像数据；步骤S2，将医学图像数据导入图像处理系统，并在多显示视窗中对图像进行显示；步骤S3，将图像调节到呈现特征信息的断面，利用交互工具在多个方向视窗中标记目标区域轮廓；步骤S4，利用已标记的多方向切面轮廓，通过插值重建算法实现目标区域的表面网格重建，并将网格映射为图像的二值分割MASK；步骤S5，判断目标区域分割结果是否准确，若准确，则执行步骤S7，若不准确，则执行步骤S6；步骤S6，选择目标区域分割不精确的切面，由二值分割图像生成对应的轮廓，之后返回至步骤S4，再次进行插值重建；步骤S7，输出目标区域的二值分割结果和表面网格模型，智能分割建模结束。
优选地，所述步骤S1包括：获取由医学影像检测设备产生的个体化序列的医学图像数据，对医学图像数据进行分期后，选择合适类型和分期的数据。
优选地，所述医学影像检测设备为CT设备、MRI设备或PET设备。
优选地，所述步骤S2中，医学图像数据导入图像处理系统后，在四显示视窗中对图像进行显示。
优选地，所述步骤S3中，所述断面为容积图像重组后的横断面、矢状面、冠状面或任意斜切面。
优选地，所述交互工具包括魔术棒或套索工具。
优选地，所述步骤S3中，目标区域轮廓标记完成后，计算坐标轴与当前轮廓的交点，并式在三个视图上同步更新显示。
优选地，以圆圈方式在三个视图上同步更新显示，并在标注目标区域轮廓时，穿过当前视图中的圆圈交点。
本发明公开的交互式医学图像智能分割建模方法，其相比现有技术而言的有益效果在于，本发明基于医学图像处理方法中的常用方式，提取3D医学图像多方向切面的模板区域轮廓，以轮廓信息作为形状约束进行插值重建，实现目标区域分割，同时，通过迭代式编辑中间分割，优化分割结果、提高建模效率。
附图说明
图1为本发明方法的流程图。
图2为横断面子宫包后块图像。
图3为矢状面子宫包后块图像。
图4为冠状面子宫包后块图像。
图5为矢状面上子宫包后块的轮廓和控制点。
图6为冠状面上子宫包后块的轮廓和控制点。
图7为初始子宫包后块的表面网络模型。
图8为横断面中一个切面编辑前的轮廓线示意图。
图9为横断面中一个切面编辑后的轮廓线示意图。
图10为优化后子宫包后块的表面网络模型。
具体实施方式
下面结合附图和实施例对本发明作更加详细的描述。
本发明公开了一种交互式医学图像智能分割建模方法，请参照图1，其包括有如下步骤：
步骤S1，获取医学图像数据；
步骤S2，将医学图像数据导入图像处理系统，并在多显示视窗中对图像进行显示；
步骤S3，将图像调节到呈现特征信息的断面，利用交互工具在多个方向视窗中标记目标区域轮廓；
步骤S4，利用已标记的多方向切面轮廓，通过插值重建算法实现目标区域的表面网格重建，并将网格映射为图像的二值分割MASK；
步骤S5，判断目标区域分割结果是否准确，若准确，则执行步骤S7，若不准确，则执行步骤S6；
步骤S6，选择目标区域分割不精确的切面，由二值分割图像生成对应的轮廓，之后返回至步骤S4，再次进行插值重建；
步骤S7，输出目标区域的二值分割结果和表面网格模型，智能分割建模结束。
上述方法中，基于医学图像处理方法中的常用方式，提取3D医学图像多方向切面的模板区域轮廓，以轮廓信息作为形状约束进行插值重建，实现目标区域分割，同时，通过迭代式编辑中间分割，优化分割结果、提高建模效率。
本发明利用3D图像中少数层面上的边界约束，融合多方向信息，自动快速的分割建模，进而优化了处理方式。基于以上特性，本发明利用3D图像多方向切片上病灶的轮廓信息，通过插值重建技术进行曲面重建，提供了交互工具对重建曲面的任意方向切面轮廓进行迭代式编辑和重建以优化曲面。本发明通过较少次数的交互标注和重建即可完成一个对象的分割和建模，大大提高了建模效率。
本实施例中，所述步骤S1包括：获取由医学影像检测设备产生的个体化序列的医学图像数据，对医学图像数据进行分期后，选择合适类型和分期的数据。进一步地，所述医学影像检测设备为CT设备、MRI设备或PET设备。
作为一种优选方式，所述步骤S2中，医学图像数据导入图像处理系统后，在四显示视窗中对图像进行显示。
本实施例中，所述步骤S3中，所述断面为容积图像重组后的横断面、矢状面、冠状面或任意斜切面。所述步骤S3中，目标区域轮廓标记完成后，计算坐标轴与当前轮廓的交点，并式在三个视图上同步更新显示。进一步地，以圆圈方式在三个视图上同步更新显示，并在标注目标区域轮廓时，穿过当前视图中的圆圈交点。
本实施例中，所述交互工具包括魔术棒或套索工具。
以子宫包后块为例，本发明的实际应用过程请参照如下实施例：
1、选定CT图像横断面，通过选择控制点的方式标注当前层面的子宫包后块轮廓，结合图1至图3所示，当轮廓标注完成后，自动计算坐标轴与轮廓的交点，并在其他视图同步更新；
2、请参照图4，在矢状面的当前层面上标记子宫包后块的轮廓，并限制轮廓线穿过当前显示交点，同理，请参照图5，在冠状面上当前层面上标记子宫包后块的轮廓，并限制轮廓线穿过当前显示交点；
3、请参照图6，基于当前三个方向上的轮廓线进行插值重建，生成子宫包后块的表面网络模型以及相应的二值分割图像；
4、请参照图7和图8，观察当前分割，对于分割不精确的层面，利用轮廓编辑工具进行局部微调，添加新的轮廓线或者修改当前轮廓线而进行形状约束；
5、请参照图9，编辑完成后，重新进行插值重建，得到优化后的子宫包后块的表面网络模型以及相应的二值分割图像，进而增加一条新的轮廓线约束；
6、重复执行判断和插值重建步骤，直至子宫包后块的表面网络模型以及相应的二值分割图像满足要求。
本发明公开的交互式医学图像智能分割建模方法，其相比现有技术而言，本发明通过简单勾画少数切面上目标区域的轮廓，即可快速同时得到目标区域的3D表面网络和二值分割MASK，操作简单、高效。同时，插值重建方法利用了多个方向上的切面轮廓信息，能够生成非常平滑的表面网络模型。其次，对于边界模糊以及目标区域内部灰度分布不均匀的目标区域，本发明可以通过标注轮廓，而不依赖于体素灰度信息，能有效提高分割精度和效率。再次，在标注目标区域的2D切面轮廓时，自动计算坐标系与轮廓交点，有效避免二义性轮廓点造成的表面网格瑕疵。此外，利用本发明处理方法，可以提高图像分割的有效性，采用针对个体化和差异化图像的处理方法，在输入和过程中保证了分割的有效性。
以上所述只是本发明较佳的实施例，并不用于限制本发明，凡在本发明的技术范围内所做的修改、等同替换或者改进等，均应包含在本发明所保护的范围内。

Claims (8)

1.一种交互式医学图像智能分割建模方法，其特征在于，包括有如下步骤：
步骤S1，获取医学图像数据；
步骤S2，将医学图像数据导入图像处理系统，并在多显示视窗中对图像进行显示；
步骤S3，将图像调节到呈现特征信息的断面，利用交互工具在多个方向视窗中标记目标区域轮廓；
步骤S4，利用已标记的多方向切面轮廓，通过插值重建算法实现目标区域的表面网格重建，并将网格映射为图像的二值分割MASK；
步骤S5，判断目标区域分割结果是否准确，若准确，则执行步骤S7，若不准确，则执行步骤S6；
步骤S6，选择目标区域分割不精确的切面，由二值分割图像生成对应的轮廓，之后返回至步骤S4，再次进行插值重建；
步骤S7，输出目标区域的二值分割结果和表面网格模型，智能分割建模结束。
2.如权利要求1所述的交互式医学图像智能分割建模方法，其特征在于，所述步骤S1包括：获取由医学影像检测设备产生的个体化序列的医学图像数据，对医学图像数据进行分期后，选择合适类型和分期的数据。
3.如权利要求1所述的交互式医学图像智能分割建模方法，其特征在于，所述医学影像检测设备为CT设备、MRI设备或PET设备。
4.如权利要求1所述的交互式医学图像智能分割建模方法，其特征在于，所述步骤S2中，医学图像数据导入图像处理系统后，在四显示视窗中对图像进行显示。
5.如权利要求1所述的交互式医学图像智能分割建模方法，其特征在于，所述步骤S3中，所述断面为容积图像重组后的横断面、矢状面、冠状面或任意斜切面。
6.如权利要求1所述的交互式医学图像智能分割建模方法，其特征在于，所述交互工具包括魔术棒或套索工具。
7.如权利要求1所述的交互式医学图像智能分割建模方法，其特征在于，所述步骤S3中，目标区域轮廓标记完成后，计算坐标轴与当前轮廓的交点，并式在三个视图上同步更新显示。
8.如权利要求7所述的交互式医学图像智能分割建模方法，其特征在于，以圆圈方式在三个视图上同步更新显示，并在标注目标区域轮廓时，穿过当前视图中的圆圈交点。
CN201711310636.6A 2017-12-11 2017-12-11 一种交互式医学图像智能分割建模方法 Active CN108038862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711310636.6A CN108038862B (zh) 2017-12-11 2017-12-11 一种交互式医学图像智能分割建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711310636.6A CN108038862B (zh) 2017-12-11 2017-12-11 一种交互式医学图像智能分割建模方法

Publications (2)

Publication Number Publication Date
CN108038862A true CN108038862A (zh) 2018-05-15
CN108038862B CN108038862B (zh) 2021-09-24

Family

ID=62102302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711310636.6A Active CN108038862B (zh) 2017-12-11 2017-12-11 一种交互式医学图像智能分割建模方法

Country Status (1)

Country Link
CN (1) CN108038862B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108898578A (zh) * 2018-05-29 2018-11-27 杭州晟视科技有限公司 一种医疗图像的处理方法、装置及计算机存储介质
CN108921854A (zh) * 2018-05-22 2018-11-30 复旦大学 一种消化道内镜图像不规则病变区域标注方法及系统
CN109035261A (zh) * 2018-08-09 2018-12-18 北京市商汤科技开发有限公司 医疗影像处理方法及装置、电子设备及存储介质
CN110288677A (zh) * 2019-05-21 2019-09-27 北京大学 一种基于可形变结构的行人图像生成方法和装置
CN111159876A (zh) * 2019-12-25 2020-05-15 安徽数研智能科技有限公司 一种基于mri医学影像和轮廓勾画快速实现3d打印模型的设计方法
CN111260667A (zh) * 2020-01-20 2020-06-09 浙江大学 一种结合空间引导的神经纤维瘤分割方法
CN111968728A (zh) * 2019-05-20 2020-11-20 杭州依图医疗技术有限公司 一种图像的处理方法和处理设备
CN112190329A (zh) * 2020-10-23 2021-01-08 上海交通大学医学院附属第九人民医院 一种三维重建颞下颌关节的方法
CN114637875A (zh) * 2022-04-01 2022-06-17 联影智能医疗科技(成都)有限公司 一种医学图像标注方法、系统及装置
CN115953555A (zh) * 2022-12-29 2023-04-11 南京鼓楼医院 一种基于超声测量值的子宫腺肌病建模方法
CN116779093A (zh) * 2023-08-22 2023-09-19 青岛美迪康数字工程有限公司 一种医学影像结构化报告的生成方法、装置和计算机设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5806521A (en) * 1996-03-26 1998-09-15 Sandia Corporation Composite ultrasound imaging apparatus and method
CN101271590A (zh) * 2008-03-28 2008-09-24 华中科技大学 一种获取凸轮廓物体形状的方法
CN101344373A (zh) * 2008-08-14 2009-01-14 中国人民解放军总后勤部军需装备研究所 一种基于三维头面部曲面建模的标准化处理方法
CN101393653A (zh) * 2008-10-16 2009-03-25 浙江大学 一种通过牙颌石膏模型ct数据和牙颌的全景透视图重建全牙的三维模型方法
CN107067393A (zh) * 2017-04-14 2017-08-18 大连理工大学 一种基于用户交互和形状先验知识的三维医学图像分割方法
CN107392994A (zh) * 2017-06-30 2017-11-24 深圳大学 冠脉血管的三维重建方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5806521A (en) * 1996-03-26 1998-09-15 Sandia Corporation Composite ultrasound imaging apparatus and method
CN101271590A (zh) * 2008-03-28 2008-09-24 华中科技大学 一种获取凸轮廓物体形状的方法
CN101344373A (zh) * 2008-08-14 2009-01-14 中国人民解放军总后勤部军需装备研究所 一种基于三维头面部曲面建模的标准化处理方法
CN101393653A (zh) * 2008-10-16 2009-03-25 浙江大学 一种通过牙颌石膏模型ct数据和牙颌的全景透视图重建全牙的三维模型方法
CN107067393A (zh) * 2017-04-14 2017-08-18 大连理工大学 一种基于用户交互和形状先验知识的三维医学图像分割方法
CN107392994A (zh) * 2017-06-30 2017-11-24 深圳大学 冠脉血管的三维重建方法、装置、设备及存储介质

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
MAOHQBKS: "MIMICS图像分割", 《SINA新浪博客》 *
YING ZHENG 等: "Medical Image Segmentation Based on Wavelet Transformation and IGGVF", 《2008 2ND INTERNATIONAL CONFERENCE ON BIOINFORMATICS AND BIOMEDICAL ENGINEERING》 *
YUYANGYG: "使用mimics重建CT图像", 《CSDN》 *
吴辉群 等: "不同模态颅脑断层影像重建后模型的配准与融合", 《中国数字医学》 *
杨鑫 等: "基于三维超声图像的主颈动脉血管分割方法", 《中国医疗器械杂志》 *
马阿敏 等: "脑部MRI图像分割及其三维可视化", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 *
马阿敏: "脑部 MRI图像分割及其三维可视化", 《中国优秀硕士学位论文全文数据库药卫生科技辑》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921854A (zh) * 2018-05-22 2018-11-30 复旦大学 一种消化道内镜图像不规则病变区域标注方法及系统
CN108898578A (zh) * 2018-05-29 2018-11-27 杭州晟视科技有限公司 一种医疗图像的处理方法、装置及计算机存储介质
CN108898578B (zh) * 2018-05-29 2020-12-08 杭州晟视科技有限公司 一种医疗图像的处理方法、装置及计算机存储介质
CN109035261A (zh) * 2018-08-09 2018-12-18 北京市商汤科技开发有限公司 医疗影像处理方法及装置、电子设备及存储介质
CN111968728B (zh) * 2019-05-20 2024-03-08 杭州依图医疗技术有限公司 一种图像的处理方法和处理设备
CN111968728A (zh) * 2019-05-20 2020-11-20 杭州依图医疗技术有限公司 一种图像的处理方法和处理设备
CN110288677A (zh) * 2019-05-21 2019-09-27 北京大学 一种基于可形变结构的行人图像生成方法和装置
CN111159876A (zh) * 2019-12-25 2020-05-15 安徽数研智能科技有限公司 一种基于mri医学影像和轮廓勾画快速实现3d打印模型的设计方法
CN111159876B (zh) * 2019-12-25 2023-11-21 安徽数研智能科技有限公司 基于mri医学影像和轮廓勾画实现3d打印模型的设计方法
CN111260667B (zh) * 2020-01-20 2023-08-04 浙江大学 一种结合空间引导的神经纤维瘤分割方法
CN111260667A (zh) * 2020-01-20 2020-06-09 浙江大学 一种结合空间引导的神经纤维瘤分割方法
CN112190329B (zh) * 2020-10-23 2021-11-23 上海交通大学医学院附属第九人民医院 一种三维重建颞下颌关节的方法
CN112190329A (zh) * 2020-10-23 2021-01-08 上海交通大学医学院附属第九人民医院 一种三维重建颞下颌关节的方法
CN114637875A (zh) * 2022-04-01 2022-06-17 联影智能医疗科技(成都)有限公司 一种医学图像标注方法、系统及装置
CN115953555A (zh) * 2022-12-29 2023-04-11 南京鼓楼医院 一种基于超声测量值的子宫腺肌病建模方法
CN115953555B (zh) * 2022-12-29 2023-08-22 南京鼓楼医院 一种基于超声测量值的子宫腺肌病建模方法
CN116779093A (zh) * 2023-08-22 2023-09-19 青岛美迪康数字工程有限公司 一种医学影像结构化报告的生成方法、装置和计算机设备
CN116779093B (zh) * 2023-08-22 2023-11-28 青岛美迪康数字工程有限公司 一种医学影像结构化报告的生成方法、装置和计算机设备

Also Published As

Publication number Publication date
CN108038862B (zh) 2021-09-24

Similar Documents

Publication Publication Date Title
CN108038862A (zh) 一种交互式医学图像智能分割建模方法
CN104462650B (zh) 一种可实现内外结构的实体化心脏3d模型制作方法
CN103679810B (zh) 肝部ct图像的三维重建方法
CN102402796B (zh) 肝脏血管系统的三维结构化描述方法
CN104809723B (zh) 基于超体素和图割算法的三维肝脏ct图像自动分割方法
CN102254317A (zh) 牙种植导航中牙弓曲面的自动提取方法
CN107808156A (zh) 感兴趣区域提取方法
CN109903396A (zh) 一种基于曲面参数化的牙齿三维模型自动分割方法
CN105279762B (zh) 一种口腔软硬组织ct序列与三维网格模型配准方法
CN103049907B (zh) 交互式图像分割方法
CN105488849B (zh) 一种基于混合水平集的三维牙齿建模方法
CN106355582B (zh) 一种基于形状先验的肝脏医学图像分割的方法
US20130022251A1 (en) Method and system for tooth segmentation in dental images
CN107599412A (zh) 一种基于组织结构的三维建模方法、系统及三维模型
CN106600609A (zh) 一种医学图像中脊柱的分割方法及系统
CN107895364B (zh) 一种用于虚拟手术术前规划的三维重建系统
CN107203998A (zh) 一种对锥束ct图像进行牙列分割的方法
CN105943113B (zh) 一种下颌角截骨导航模板的制备方法
CN107067398A (zh) 用于三维医学模型中缺失血管的补全方法及装置
CN103035009A (zh) 一种基于ct影像的肺结节边缘重建与分割方法
CN103886621A (zh) 一种自动提取床板的方法
CN110246586A (zh) 一种肝肿瘤微波消融术前仿真的有限元模型建立方法
CN108597017A (zh) 一种基于测量参数的骨骼变形模板构建方法
CN105279794B (zh) 基于Micro-CT技术的储层岩心多组织模型构建方法
Cristian et al. A cone beam computed tomography annotation tool for automatic detection of the inferior alveolar nerve canal

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