CN108830852B - 三维超声肿瘤辅助测量系统及方法 - Google Patents
三维超声肿瘤辅助测量系统及方法 Download PDFInfo
- Publication number
- CN108830852B CN108830852B CN201810770492.0A CN201810770492A CN108830852B CN 108830852 B CN108830852 B CN 108830852B CN 201810770492 A CN201810770492 A CN 201810770492A CN 108830852 B CN108830852 B CN 108830852B
- Authority
- CN
- China
- Prior art keywords
- tumor
- image
- gradient
- rectangular frame
- cross
- 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
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 139
- 238000005259 measurement Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 19
- 210000000481 breast Anatomy 0.000 claims abstract description 41
- 238000002604 ultrasonography Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000010606 normalization Methods 0.000 claims description 26
- 238000003709 image segmentation Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000004323 axial length Effects 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims 2
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 230000011218 segmentation Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 206010006187 Breast cancer Diseases 0.000 description 3
- 208000026310 Breast neoplasm Diseases 0.000 description 3
- 241000270295 Serpentes Species 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 206010027476 Metastases Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012984 biological imaging Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种三维超声肿瘤辅助测量系统及方法,在确定疑似肿瘤区域后,框选该区域,并在该框内截取灰度图像,经降噪处理、后对梯度图进行水平集演化,标示出肿瘤横断面的横竖轴及冠状面的长短轴,从而可最终确定肿瘤的体积。通过上述方式,本发明可以对三维乳腺超声图像进行分割,并且可以同时测量横断面和冠状面肿瘤的尺寸,结果更加客观,准确,提高医生诊断效率。
Description
技术领域
本发明涉及医疗器械技术领域,尤其是涉及一种用于自动乳腺超声探测的三维超声肿瘤辅助测量系统及方法。
背景技术
随着乳腺诊疗技术的不断进步,术前准确评估肿瘤大小越来越重要,其大小不仅决定肿瘤的分期,也与肿瘤转移及预后密切相关。术前准确评估乳腺肿瘤大小,对术前选择治疗方案具有重要意义。超声检查具有方便、无创、多切面观察等优势,可准确评估肿瘤的大小。文献报道,全容积三维乳腺超声技术目前可准确评估乳腺肿瘤大小。
目前在显示三维乳腺超声图像时,会同时显示图像的矢状面、冠状面和横断面,如图1所示。医生在阅读三维乳腺超声图像时,如果发现肿瘤,会在肿瘤中心层图像进行肿瘤大小测量。传统的测量方式是医生手动在图像上进行肿瘤长轴和短轴的描绘,同时显示描绘的长度,如图2所示。
图2中乳腺超声图像的计算机辅助诊断技术能够帮助医生提高诊断的精度和效率,其中乳腺超声图像分割能够自动获取肿瘤的边界,辅助医生对肿瘤的大小进行自动测量。因为乳房内部结构复杂、在超声图像中肿瘤边界较为模糊等因素,乳腺超声图像分割技术目前还处于研究阶段。
Huang等人(Huang Y, Jiang Y, Chen D, Moon WK. Level set contouring forbreast tumor in sonography. Journal of Digital Imaging 2007;20(3): 238-247)提出了一种基于水平集算法的乳腺超声图像分割方法。他们的方法一共有三个步骤:图像预处理、粗轮廓提取和水平集肿瘤轮廓获取。首先采用MCDE算法去除噪声,保留图像的对比度和形状。然后用Otsu自适应阈值法将处理后的图像转化为二值图像,并用后去图像中的最大内切圆作为水平集算法的初始轮廓。最后他们用水平集算法获取肿瘤的轮廓。
M. Aleman和uis Alvarez(Alemán-Flores M,Alemán-Flores P, Álvarez-LeónL,Esteban-Sánchez MB, Fuentes-Pavón R, Santana-Montesdeoca JM. Semiautomaticsnake-based segmentation of solid breast nodules on ultrasonography.International Conference on Computer Aided Systems Theory,: Springer; 2005.pp. 467-472) 提出基于snake模型的乳腺超声分割算法。他们的算法包括四个步骤:图像预处理、计算梯度强度图、初始轮廓提取和活动轮廓模型肿瘤轮廓获取。首先,他们用迭代中值滤波去除speckle噪声;然后用结构张量分析计算每个像素的梯度;接着用区域增长方法生成初始轮廓;最后再用snake模型在原始图像(预处理之前的图像)上获取肿瘤轮廓。
Tao Tan和Albert Gubern-Mérida(Tan T, Gubernmérida A, Borelli C, etal. Segmentation of malignant lesions in 3D breast ultrasound using a depth-dependent model.[J]. 2016, 43(7):4074-4084)提出基于螺旋扫描的深度导向的动态规划乳腺超声分割算法。他们的算法根据体素相对于病灶中心的位置自动调整病灶的分割范围。病灶上半部分(接近超声探头部分)的分割相较于底部(远离超声探头部分)更具有侵略性。
由此可知,目前还没有在三维乳腺超声阅读工作站上的肿瘤自动分割和测量系统,只有二维或者三维的乳腺超声图像肿瘤自动分割系统,不会同时画出医生所需要的肿瘤在不同视图上的长短轴。而且二维乳腺超声图像分割系统准确度不高,分割结果经常包含肿瘤外部的正常组织。
发明内容
本发明为克服现有技术的不足,提供一种三维超声肿瘤辅助测量系统及方法,可帮助医生以尽量少的操作步骤准确地测量三维乳腺超声图像上的肿瘤的尺寸,比医生手动进行测量速度更快,更客观,提高诊断效率。
为解决上述技术问题,本发明采用如下技术方案:
本发明提供一种三维超声肿瘤辅助测量系统,包括图像预处理模块,乳腺超声图像分割模块及肿瘤尺寸测量模块;其中
图像预处理模块用于在灰度图像进行降噪处理,并对梯度图进行归一化处理;
乳腺超声图像分割模块获取归一化处理后的梯度图后,以矩形框的中心点位置为初始状态,对梯度图进行水平集演化,以获得二值化图像形式的肿瘤横断面轮廓;
肿瘤尺寸测量模块在肿瘤横断面轮廓上标记肿瘤的横竖轴以及冠状面上的长短轴,并按下式估算肿瘤体积:
其中,还包括定位模块,用于遍历三维乳腺超声图像,并使用矩形框包围肿瘤。
其中,所述定位模块具体用于:
遍历三维乳腺超声图像,获取疑似肿瘤区域;
在疑似肿瘤区域,获取鼠标拖动指令,划出矩形框,并确定矩形框的中心点;
确定肿瘤区域位于矩形框内,且矩形框的中心点位于肿瘤区域内。
其中,图像预处理模块具体用于:
截取矩形框内的灰度图像,并进行高斯降噪处理,获取灰度图像的梯度图;
对梯度图进行归一化处理。
其中,归一化处理具体为:
以肿瘤中心点为起点向外发散N条射线,确定每条射线的方位角α,其中α=kπ/N,其中k=1~N;
选取每条射线上的最大梯度值G,且最大梯度值G对应坐标处的外侧灰度值大于其内侧灰度值;
为解决上述技术问题,本发明还提供一种三维超声肿瘤辅助测量方法,其特征在于,至少包括如下步骤:
S1:标注肿瘤,并启动辅助测量;
S2:遍历三维乳腺超声图像,并使用矩形框包围肿瘤;
S3:截取矩形框内的灰度图像,在降噪处理后,获取灰度图像的梯度图,并进行水平集演化,获得肿瘤横断面轮廓;
S4:在肿瘤横断面轮廓上标记肿瘤的长短轴,以确定横断面中心点及长短轴的物理距离,其中长短轴分别为肿瘤在水平方向10度以内的最长轴及其垂直轴;
S5:根据横断面中心点及长短轴,在冠状面图像上截取中心点相同及长度与长轴长度相等的正方形图像;
S6:在正方形图像上执行步骤S3、S4,确定肿瘤冠状面轮廓的中心点、长短轴及其物理距离。
其中,步骤S2具体为:
S21:遍历三维乳腺超声图像,确定疑似肿瘤区域;
S22:在疑似肿瘤区域,获取鼠标拖动指令,划出矩形框,并确定矩形框的中心点;
S23:确定肿瘤区域位于矩形框内,且矩形框的中心点位于肿瘤区域内。
其中,在步骤S3具体为:
S31:截取矩形框内的灰度图像,并进行高斯降噪处理,获取灰度图像的梯度图;
S32:对梯度图进行归一化处理;
S33:对归一化处理后的梯度图进行水平集演化,获得肿瘤横断面轮廓。
其中,步骤S32具体为:
S321:以肿瘤中心点为起点向外发散N条射线,确定每条射线的方位角α,其中α=kπ/N,其中k=1~N;
S322:选取每条射线上的最大梯度值G,且最大梯度值G对应坐标处的外侧灰度值大于其内侧灰度值;
其中,G’x,y为归一化前各射线的梯度值,Gx,y为归一化后各射线的梯度值。
区别于现有技术,采用本发明具备如下有益效果:
本发明在确定疑似肿瘤区域后,框选该区域,并在该框内截取灰度图像,经降噪处理、后对梯度图进行水平集演化,标示出肿瘤横断面的横竖轴及冠状面的长短轴,从而可最终确定肿瘤的体积。通过上述方式,本发明可以对三维乳腺超声图像进行分割,并且可以同时测量横断面和冠状面肿瘤的尺寸,结果更加客观,准确,提高医生诊断效率。
附图说明
图1为三维乳腺超声图像显示矢状面、冠状面和横断面的示意图;
图2为图1中横断面及冠状面的几何轴标示示意图;
图3为本发明三维超声肿瘤辅助测量方法的流程示意图;
图4为方法中框选肿瘤区域的示意图;
图5为具体实施例中示出框选状态下的横断面尺寸示意图;
图6为具体实施例中示出框选状态下的冠状面尺寸示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
如图3~图6所示,本发明提供的一种三维超声肿瘤辅助测量系统,其实现的具体步骤如下:
第一步:阅读工作站标注新发现肿瘤后可以在标注界面直接跳转至辅助测量功能,或者,也可选中之前的标注再开启辅助测量功能。
第二步:在三维乳腺超声阅读工作站横断面视图上用矩形框包围肿瘤。使用者在阅读工作站上阅览三维乳腺超声图像,当发现疑似肿瘤区域时,在肿瘤区域左上方或者其他位置按下鼠标左键然后开始拖动鼠标,这时界面上会出现一个矩形框及其中心点,使矩形框包含肿瘤区域并使中心点位于肿瘤内部后松开鼠标左键,如图4所示。应当说明的是,在肿瘤外部画框的操作可以改为点击肿瘤内部操作,只需实现框选肿瘤区域即可,在系统中,可使用定位模块,用于遍历三维乳腺超声图像,用户根据自身判断后确定疑似肿瘤区域,并使用矩形框包围肿瘤。
第三步:截取框内灰度图像,进行去噪处理,再获取灰度图像的梯度图,对梯度图进行水平集演化。当用户在肿瘤外部画框完毕后,系统会自动截取矩形框内部的超声图像,同时计算超声灰度图像的梯度分布图,再用水平集演化算法在梯度分布图上获取肿瘤轮廓。应当说明的是,乳腺超声图像分割模块的水平集算法可以替换,但需要重新配置参数。
第四步:演化结果为肿瘤在横断面的轮廓,在阅读工作站横断面视图上标记出肿瘤的长短轴并显示物理距离,其中长短轴分别为肿瘤在水平方向10度以内的最长轴及其垂直轴(如图5所示)。
第五步:参考横断面的中心点(点a)和水平轴(长度为l),在冠状面自动截取相同中心点的长度为l的正方形图像,并进行同第二部的分割步骤获取肿瘤在冠状面的轮廓。应当说明的是,在横断面上画矩形框显示三维测量结果可以改为在冠状面或者矢状面上画矩形框,并可直接用三维分割算法分割肿瘤,并在每一层都显示长短轴和长度。而显示长短轴和长度可以改为显示肿瘤轮廓和面积。
第六步:在阅读工作站冠状面视图上标记肿瘤的长短轴并显示物理距离(如图6所示),应当说明的是,一般情况下,可不测量矢状面即可实现本发明目的,但是如需测量时,其处理方式与处理冠状面的情况相同。
应当说明的是,本系统的三个核心模块为图像预处理模块,乳腺超声图像分割模块和肿瘤尺寸测量模块。
图像预处理模块包括对灰度图像的高斯去噪处理以及对梯度图像的归一化处理。当系统获取到用户选取的区域时,首先对灰度图像进行去噪处理,然后获取去噪后图像的梯度图像,最后对梯度分布图进行归一化处理,使其在水平集演化时能够取得更好的轮廓结果。
归一化方法具体如下:选取射线数量N,确定每条射线方位角α,其中α=kπ/N,其中k=1~N。
以肿瘤中心点为起点向上发散N条射线,选取每条射线上的最大梯度G,同时确保最大梯度值G对应的坐标外侧的灰度值比内侧高。取N条射线的所有最大梯度G的中位数GM,对梯度分布图进行归一化:
乳腺超声图像分割模块获取归一化的梯度图像之后,以用户在界面上描绘的矩形框的中心点位置为初始状态对梯度图像进行水平集演化,演化的参数与矩形框的大小相关,例如水平对流缩放系数和最大迭代次数的公式分别为:
AdvectionScaling = A*Size,其中A为训练得到的参数,Size为矩形框的面积。
NumberOfIterations = N*Size, 其中N为训练得到的参数,Size为矩形框的面积。
演化结果为黑白的二值化图像,白色区域为肿瘤区域,黑色区域为肿瘤外部,即正常组织区域。
肿瘤尺寸测量模块在获取肿瘤区域后,可以提取肿瘤的轮廓,然后根据医生的测量习惯,提取能够表示肿瘤尺寸的长短轴并同步显示在阅读工作站上。在横断面上显示肿瘤的水平轴和竖直轴,在冠状面上显示肿瘤的长短轴。同时根据以下公式对肿瘤体积进行估算并显示:
本发明提供了一套辅助医生的三维乳腺超声肿瘤测量或者切割系统的操作流程,提供了不同于现有技术的三维乳腺超声图像梯度归一化方法,课同时测量横断面和冠状面肿瘤尺寸方法,并在用矩形框包围肿瘤内部时界面会显示矩形中心点帮助用户对应肿瘤中心点。
与现有技术相比,本发明至少具备如下有点:
(1)可以对三维乳腺超声图像进行分割,而不是二维乳腺超声图像;
(2)可以同时测量横断面和冠状面肿瘤的尺寸;
(3)测量方式更接近临床医生实际手动测量;
(4)测量结果更客观。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种三维超声肿瘤辅助测量系统,其特征在于,包括图像预处理模块,乳腺超声图像分割模块及肿瘤尺寸测量模块;其中
图像预处理模块用于在灰度图像进行降噪处理,并对梯度图进行归一化处理;
其中,图像预处理模块具体用于:
截取肿瘤的灰度图像,并进行高斯降噪处理,获取灰度图像的梯度图;
对梯度图进行归一化处理;
乳腺超声图像分割模块获取归一化处理后的梯度图后,以矩形框的中心点位置为初始状态,对梯度图进行水平集演化,以获得二值化图像形式的肿瘤横断面及冠状面的轮廓;
肿瘤尺寸测量模块在肿瘤横断面轮廓上标记肿瘤的横竖轴以及冠状面上的长短轴,并按下式估算肿瘤体积:
归一化处理具体为:
以肿瘤中心点为起点向外发散N条射线,确定每条射线的方位角α,其中α=kπ/N,其中k=1~N;
选取每条射线上的最大梯度值G,且最大梯度值G对应坐标处的外侧灰度值大于其内侧灰度值;
其中,G’x,y为归一化前各射线的梯度值,Gx,y为归一化后各射线的梯度值。
2.如权利要求1所述的三维超声肿瘤辅助测量系统,其特征在于,还包括定位模块,用于遍历三维乳腺超声图像,并使用矩形框包围肿瘤。
3.如权利要求2所述的三维超声肿瘤辅助测量系统,其特征在于,所述定位模块具体用于:
遍历三维乳腺超声图像,获取疑似肿瘤区域;
在疑似肿瘤区域,获取鼠标拖动指令,划出矩形框,并确定矩形框的中心点;
确定肿瘤区域位于矩形框内,且矩形框的中心点位于肿瘤区域内。
4.一种三维超声肿瘤辅助测量方法,其特征在于,至少包括如下步骤:
S1:标注肿瘤,并启动辅助测量;
S2:遍历三维乳腺超声图像,并使用矩形框包围肿瘤;
S3:截取矩形框内的灰度图像,在降噪处理后,获取灰度图像的梯度图,并进行水平集演化,获得肿瘤横断面轮廓;
S4:在肿瘤横断面轮廓上标记肿瘤的长短轴,以确定横断面中心点及长短轴的物理距离,其中长短轴分别为肿瘤在水平方向10度以内的最长轴及其垂直轴;
S5:根据横断面中心点及长短轴,在冠状面图像上截取中心点相同及长度与长轴长度相等的正方形图像;
S6:在正方形图像上执行步骤S3、S4,确定肿瘤冠状面轮廓的中心点、长短轴及其物理距离;
步骤S3具体为:
S31:截取矩形框内的灰度图像,并进行高斯降噪处理,获取灰度图像的梯度图;
S32:对梯度图进行归一化处理;
S33:对归一化处理后的梯度图进行水平集演化,获得肿瘤横断面轮廓;
步骤S32具体为:
S321:以肿瘤中心点为起点向外发散N条射线,确定每条射线的方位角α,其中α=kπ/N,其中k=1~N;
S322:选取每条射线上的最大梯度值G,且最大梯度值G对应坐标处的外侧灰度值大于其内侧灰度值;
其中,G’x,y为归一化前各射线的梯度值,Gx,y为归一化后各射线的梯度值。
5.如权利要求4所述的三维超声肿瘤辅助测量方法,其特征在于,步骤S2具体为:
S21:遍历三维乳腺超声图像,确定疑似肿瘤区域;
S22:在疑似肿瘤区域,获取鼠标拖动指令,划出矩形框,并确定矩形框的中心点;
S23:确定肿瘤区域位于矩形框内,且矩形框的中心点位于肿瘤区域内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810770492.0A CN108830852B (zh) | 2018-07-13 | 2018-07-13 | 三维超声肿瘤辅助测量系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810770492.0A CN108830852B (zh) | 2018-07-13 | 2018-07-13 | 三维超声肿瘤辅助测量系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108830852A CN108830852A (zh) | 2018-11-16 |
CN108830852B true CN108830852B (zh) | 2021-08-27 |
Family
ID=64135909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810770492.0A Active CN108830852B (zh) | 2018-07-13 | 2018-07-13 | 三维超声肿瘤辅助测量系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830852B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109846513B (zh) * | 2018-12-18 | 2022-11-25 | 深圳迈瑞生物医疗电子股份有限公司 | 超声成像方法、系统和图像测量方法、处理系统及介质 |
CN113229851A (zh) * | 2019-10-24 | 2021-08-10 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声图像的处理装置 |
CN111311621B (zh) * | 2020-01-20 | 2023-12-29 | 北京中科核安科技有限公司 | 放射源成像的图像处理方法、装置和电子设备 |
CN111340780B (zh) * | 2020-02-26 | 2023-04-07 | 汕头市超声仪器研究所股份有限公司 | 一种基于三维超声图像的病灶检测方法 |
CN111553903B (zh) * | 2020-04-29 | 2024-03-08 | 北京优视魔方科技有限公司 | 一种用于病灶区域图像的自适应度量方法和装置 |
CN113081052A (zh) * | 2021-03-31 | 2021-07-09 | 陕西省肿瘤医院 | 一种超声扫描目标的体积数据的处理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010022307A1 (de) * | 2010-06-01 | 2011-12-01 | Siemens Aktiengesellschaft | Verfahren zur Überprüfung der Segmentierung einer Struktur in Bilddaten |
CN104657984B (zh) * | 2015-01-28 | 2018-10-16 | 复旦大学 | 三维超声乳腺全容积图像感兴趣区域的自动提取方法 |
CN106952273B (zh) * | 2017-03-09 | 2019-11-19 | 上海联影医疗科技有限公司 | 医学图像中胰腺的分割方法及装置 |
-
2018
- 2018-07-13 CN CN201810770492.0A patent/CN108830852B/zh active Active
Non-Patent Citations (2)
Title |
---|
Distance Regularized Level Set Evolution and Its Application to Image Segmentation;Chunming Li et al.;《IEEE Transactions on Image Processin》;20100826;第19卷(第12期);正文第22,92-93页 * |
超声图像乳腺肿瘤分割新方法研究;高梁;《中国博士学位论文全文数据库 医药卫生科技辑》;20140515;第2014年卷(第5期);第3244页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108830852A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830852B (zh) | 三维超声肿瘤辅助测量系统及方法 | |
CN110338840B (zh) | 三维成像数据的显示处理方法和三维超声成像方法及系统 | |
CN109074639B (zh) | 医学成像系统中的图像配准系统和方法 | |
CN102871686B (zh) | 基于3d医学影像测定生理参数的装置和方法 | |
KR101121286B1 (ko) | 센서의 교정을 수행하는 초음파 시스템 및 방법 | |
EP1614069B1 (en) | Volume measurements in 3d datasets | |
US20120020573A1 (en) | Image analysis systems using non-linear data processing techniques and methods using same | |
WO2019000455A1 (zh) | 图像分割的方法及系统 | |
CN102800087B (zh) | 超声颈动脉血管膜的自动分割方法 | |
CN100463655C (zh) | 一种腹部ct图像自动测量装置 | |
US20150110373A1 (en) | Systems and methods for registration of ultrasound and ct images | |
CN107038728A (zh) | 基于迭代重建的轮廓自动化确定 | |
CN102663819B (zh) | 基于超声图像和三维模型的肝脏体积测量方法 | |
CN107680110B (zh) | 基于统计形状模型的内耳三维水平集分割方法 | |
CN103093503A (zh) | 基于ct图像的肺实质区域表面模型的建立方法 | |
US8577101B2 (en) | Change assessment method | |
WO2017171643A1 (en) | Three-dimensional representation of skin structure | |
KR101251822B1 (ko) | 동적조영증강 폐 전산화단층촬영 영상에서 관류 분석 시스템 및 방법 | |
CN113012127A (zh) | 基于胸部医学影像的心胸比测量方法 | |
US8422749B2 (en) | Method and system for myocardial region of interest definition | |
US20220249060A1 (en) | Method for processing 3d image data and 3d ultrasonic imaging method and system | |
CN111166373B (zh) | 一种定位注册方法、装置和系统 | |
Erdt et al. | Computer aided segmentation of kidneys using locally shape constrained deformable models on CT images | |
CN114930390A (zh) | 用于将活体医学图像与解剖模型配准的方法和装置 | |
CN111862014A (zh) | 一种基于左右侧脑室分割的alvi自动测量方法及装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 200082 unit a, floor 3, building C, No. 207, Songhong Road, Changning District, Shanghai Applicant after: SoftProbe Medical Systems, Inc. Address before: Room 901-16, 127 guotongdao, Yangpu District, Shanghai 200082 Applicant before: SoftProbe Medical Systems, Inc. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |