CN109242962A - 肺结节的3d显示方法、装置及电子设备 - Google Patents

肺结节的3d显示方法、装置及电子设备 Download PDF

Info

Publication number
CN109242962A
CN109242962A CN201811144597.1A CN201811144597A CN109242962A CN 109242962 A CN109242962 A CN 109242962A CN 201811144597 A CN201811144597 A CN 201811144597A CN 109242962 A CN109242962 A CN 109242962A
Authority
CN
China
Prior art keywords
lung neoplasm
image
point cloud
display
dimensional point
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
Application number
CN201811144597.1A
Other languages
English (en)
Inventor
王方
胡飞
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.)
Beijing Qing Yan Xiangyun Technology Co Ltd
Original Assignee
Beijing Qing Yan Xiangyun 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 Beijing Qing Yan Xiangyun Technology Co Ltd filed Critical Beijing Qing Yan Xiangyun Technology Co Ltd
Priority to CN201811144597.1A priority Critical patent/CN109242962A/zh
Publication of CN109242962A publication Critical patent/CN109242962A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00Indexing scheme for image generation or computer graphics
    • G06T2210/41Medical
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供一种肺结节的3D显示方法、装置及电子设备,涉及图像处理技术领域,其中,肺结节的3D显示方法包括:获取肺结节图像;肺结节图像由U‑net网络输出;对肺结节图像进行语义分割,得到目标肺结节区域;对目标肺结节区域,重构肺结节的三维点云;基于三维点云,进行肺结节的3D显示。本发明通过对预计神经网络输出的肺结节图像,进行语义分割及三维点云重建,能够将肺结节与其它组织进行精确的划分,并对肺结节进行精确地显示。

Description

肺结节的3D显示方法、装置及电子设备
技术领域
本发明涉及图像处理技术领域,尤其是涉及一种肺结节的3D显示方法、装置及电子设备。
背景技术
肺结节是一种病因未明的多系统多器官的肉芽肿性疾病,常侵犯肺、双侧肺门淋巴结、眼、皮肤等器官,其胸部受侵率高达80%~90%。
对肺结节的诊断通常采用X线或者CT扫描来实现,由于普通X线胸片对结节病诊断的正确率仅有50%,甚至有9.6%胸片正常的人肺活检为结节病。因此,近年来CT已广泛应用于结节病的诊断,能较准确估计结节病的类型、肺间质病变的程度和淋巴结肿大的情况。
现有技术中通常采集肺部CT软件重建对肺结节进行显示,但是这种方式重建效果差,难以精确地分割肺部组织,血管及结节。
发明内容
有鉴于此,本发明的目的在于提供一种肺结节的3D显示方法、装置及电子设备,能够将肺结节与其它组织进行精确的划分,并对肺结节进行精确地显示。
第一方面,本发明实施例提供了一种肺结节的3D显示方法,包括:
获取肺结节图像;肺结节图像由U-net网络输出;
对肺结节图像进行语义分割,得到目标肺结节区域;
对目标肺结节区域,重构肺结节的三维点云;
基于三维点云,进行肺结节的3D显示。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,获取肺结节图像,包括:
获取待显示肺结节的CT图像数据;
将CT图像数据输入U-net网络中,输出CT图像数据所对应的肺结节图像。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,在对肺结节图像进行语义分割,得到目标肺结节区域之前,还包括:
通过腐蚀算法去除肺结节图像中的无用帧。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,对肺结节图像进行语义分割,得到目标肺结节区域,包括:
通过U-net网络对肺结节图像进行语义分割,得到目标肺结节区域。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,对目标肺结节区域,重构肺结节的三维点云,包括:
计算目标肺结节区域的中心位置、长度和宽度;
基于中心位置、长度和宽度,重构肺结节的三维点云。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,基于三维点云,进行肺结节的3D显示,包括:
计算三维点云的三维坐标;
根据三维坐标对目标肺结节区域进行肺结节的3D显示。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,在基于三维点云,进行肺结节的3D显示之后,还包括:
对肺结节的3D显示图像添加光效及视角。
第二方面,本发明实施例提供一种肺结节的3D显示装置,包括:
图像获取模块,用于获取肺结节图像;肺结节图像由U-net网络输出;
语义分割模块,用于对肺结节图像进行语义分割,得到目标肺结节区域;
点云重构模块,用于对目标肺结节区域,重构肺结节的三维点云;
3D显示模块,用于基于三维点云,进行肺结节的3D显示。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器,存储器上存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述第一方面所述的方法的步骤。
第四方面,本发明实施例提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,程序代码使处理器执行第一方面所述的方法。
本发明实施例带来了以下有益效果:
本发明实施例提供的肺结节的3D显示方法包括:获取肺结节图像;肺结节图像由U-net网络输出;对肺结节图像进行语义分割,得到目标肺结节区域;对目标肺结节区域,重构肺结节的三维点云;基于三维点云,进行肺结节的3D显示。本发明通过对预计神经网络输出的肺结节图像,进行语义分割及三维点云重建,能够将肺结节与其它组织进行精确的划分,并对肺结节进行精确地显示。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种肺结节的3D显示方法的流程图;
图2为本发明实施例一提供的一种肺结节的3D显示方法中交叉熵函数图;
图3为本发明实施例一提供的一种肺结节的3D显示方法中权重公式图;
图4为本发明实施例一提供的另一种肺结节的3D显示方法的流程图;
图5为本发明实施例二提供的一种肺结节的3D显示装置的示意图;
图6为本发明实施例三提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中通常采集肺部CT软件重建对肺结节进行显示,但是这种方式重建效果差,难以精确地分割肺部组织,血管及结节。基于此,本发明实施例提供一种肺结节的3D显示方法、装置及电子设备,通过对预计神经网络输出的肺结节图像,进行语义分割及三维点云重建,能够将肺结节与其它组织进行精确的划分,并对肺结节进行精确地显示。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种肺结节的3D显示方法进行详细介绍。
实施例一:
本发明实施例提供了一种肺结节的3D显示方法,参见图1所示,该方法包括以下步骤:
S101:获取肺结节图像;肺结节图像由U-net网络输出。
具体实现的时候,首先获取待显示肺结节的CT图像数据,然后将CT 图像数据输入U-net网络中,输出CT图像数据所对应的肺结节图像。该肺结节图像包括32帧32*32像素的结节部位的图片,对应于同一个CT病例。
U-net网络由一个收缩路径和一个扩张路径组成。其中,收缩路径遵循典型的卷积网络结构,其由两个重复的3*3卷积核(无填充卷积)组成,且均使用修正线性单元激活函数和一个用于下采样的步长为2的2*2最大池化操作,以及在每一个下采样的步骤中,特征通道数量都加倍。在扩张路径中,每一步都包含对特征图进行上采样;然后用2*2的卷积核进行卷积运算,用于减少一半的特征通道数量;接着级联收缩路径中相应的裁剪后的特征图;再用两个3*3的卷积核进行卷积运算,且均使用修正线性单元激活函数。由于在每次卷积操作中,边界像素存在缺失问题,因此有必要对特征图进行裁剪。在最后一层,利用1*1的卷积核进行卷积运算,将每个64维的特征向量映射网络的输出层。总而言之,该网络有23个卷积层。
S102:对肺结节图像进行语义分割,得到目标肺结节区域。
具体的,通过U-net网络对肺结节图像进行语义分割,得到目标肺结节区域。
为了允许输出图的无缝拼接,以及所有2*2最大池化操作能应用于x、 y大小相等的层,输入切片大小的选择是很重要的。输入图像和其相应的分割图用于训练由基于Caffe的随机梯度下降算法实现的网络。由于未填充的卷积其输出图像的大小小于恒定边界宽度的输入。为了最小化开销和最大限度地利用显存,比起输入一个较大的批次,更倾向于较大的输入切片,因而将批次大小缩减为单张图像。相应地,通过使用高动量(high momentum,0.99)使得大量先前的训练样本在当前的优化步骤中更新。
能量函数是通过与交叉熵损失函数相结合的最终特征图,并利用像素级的soft-max函数来计算的。交叉熵函数如图2所示。
为了使某些像素点更加重要,在公式中引入了w(x)。对每一张标注图像预计算了一个权重图,来补偿训练集中每类像素的不同频率,使网络更注重学习相互接触的细胞之间的小的分割边界。使用形态学操作计算分割边界。权重图计算公式如图3所示。
其中,wc是用于平衡类别频率的权重图,d1代表到最近细胞的边界的距离,d2代表到第二近的细胞的边界的距离。基于经验我们设定w0=10,σ≈5像素。
网络中权重的初始化:网络的权重由高斯分布初始化,分布的标准差为(N/2)^0.5,N为每个神经元的输入节点数量。例如,对于一个上一层是64 通道的3*3卷积核来说,N=9*64。
通过上述U-net网络对肺结节图像进行语义分割后,得到目标肺结节区域。
在对肺结节图像进行语义分割,得到目标肺结节区域之前,还包括:通过腐蚀算法去除肺结节图像中的无用帧,只保存最核心的结节数据。
S103:对目标肺结节区域,重构肺结节的三维点云。
具体的,包括以下步骤,参见图4所示:
S201:计算目标肺结节区域的中心位置、长度和宽度。
S202:基于中心位置、长度和宽度,重构肺结节的三维点云。
计算目标肺结节区域中心点的位置,该位置可能会在两张CT片之间,计算结节的相对位置(肺的相对位置),并分别计算长径、短径,即上述目标肺结节区域的中心位置、长度和宽度。根据上述中心位置、长度和宽度重构成点云。
S104:基于三维点云,进行肺结节的3D显示。
计算三维点云的三维坐标,根据三维坐标对目标肺结节区域进行肺结节的3D显示,具体采用openGL进行前端的显示。
此外,在基于三维点云,进行肺结节的3D显示之后,还包括:
对肺结节的3D显示图像添加光效及视角。
本发明实施例提供的肺结节的3D显示方法包括:获取肺结节图像;肺结节图像由U-net网络输出;对肺结节图像进行语义分割,得到目标肺结节区域;对目标肺结节区域,重构肺结节的三维点云;基于三维点云,进行肺结节的3D显示。本发明实施例通过对预计神经网络输出的肺结节图像,进行语义分割及三维点云重建,能够将肺结节与其它组织进行精确的划分,并对肺结节进行精确地显示。
实施例二:
本发明实施例提供还一种肺结节的3D显示装置,参见图5所示,该装置包括:图像获取模块31、语义分割模块32、点云重构模块33和3D显示模块34。
其中,图像获取模块31,用于获取肺结节图像;肺结节图像由U-net 网络输出;语义分割模块32,用于对肺结节图像进行语义分割,得到目标肺结节区域;点云重构模块33,用于对目标肺结节区域,重构肺结节的三维点云;3D显示模块34,用于基于三维点云,进行肺结节的3D显示。
本发明实施例所提供的肺结节的3D显示装置中,各个模块与前述肺结节的3D显示方法具有相同的技术特征,因此,同样可以实现上述功能。本装置中各个模块的具体工作过程参见上述方法实施例,在此不再赘述。
实施例三:
本发明实施例提供一种电子设备,参见图6所示,该电子设备包括:处理器40,存储器41,总线42和通信接口43,所述处理器40、通信接口 43和存储器41通过总线42连接;处理器40用于执行存储器41中存储的可执行模块,例如计算机程序。处理器执行计算机程序时实现如方法实施例所述的方法的步骤。
其中,存储器41可能包含高速随机存取存储器(RAM, RandomAccessMemory),也可能还包括非易失性存储器 (non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器41用于存储程序,所述处理器40在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中,或者由处理器40实现。
处理器40可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41,处理器40读取存储器41中的信息,结合其硬件完成上述方法的步骤。
本发明实施例所提供的肺结节的3D显示方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置及电子设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
附图中的流程图和框图显示了根据本发明的多个实施例方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,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所述以权利要求的保护范围为准。

Claims (10)

1.一种肺结节的3D显示方法,其特征在于,包括:
获取肺结节图像;所述肺结节图像由U-net网络输出;
对所述肺结节图像进行语义分割,得到目标肺结节区域;
对所述目标肺结节区域,重构肺结节的三维点云;
基于所述三维点云,进行肺结节的3D显示。
2.根据权利要求1所述的方法,其特征在于,所述获取肺结节图像,包括:
获取待显示肺结节的CT图像数据;
将所述CT图像数据输入U-net网络中,输出所述CT图像数据所对应的肺结节图像。
3.根据权利要求1所述的方法,其特征在于,在所述对所述肺结节图像进行语义分割,得到目标肺结节区域之前,还包括:
通过腐蚀算法去除所述肺结节图像中的无用帧。
4.根据权利要求1所述的方法,其特征在于,所述对所述肺结节图像进行语义分割,得到目标肺结节区域,包括:
通过所述U-net网络对所述肺结节图像进行语义分割,得到所述目标肺结节区域。
5.根据权利要求1所述的方法,其特征在于,所述对所述目标肺结节区域,重构肺结节的三维点云,包括:
计算所述目标肺结节区域的中心位置、长度和宽度;
基于所述中心位置、长度和宽度,重构肺结节的三维点云。
6.根据权利要求1所述的方法,其特征在于,所述基于所述三维点云,进行肺结节的3D显示,包括:
计算所述三维点云的三维坐标;
根据所述三维坐标对所述目标肺结节区域进行肺结节的3D显示。
7.根据权利要求1所述的方法,其特征在于,在所述基于所述三维点云,进行肺结节的3D显示之后,还包括:
对肺结节的3D显示图像添加光效及视角。
8.一种肺结节的3D显示装置,其特征在于,包括:
图像获取模块,用于获取肺结节图像;所述肺结节图像由U-net网络输出;
语义分割模块,用于对所述肺结节图像进行语义分割,得到目标肺结节区域;
点云重构模块,用于对所述目标肺结节区域,重构肺结节的三维点云;
3D显示模块,用于基于所述三维点云,进行肺结节的3D显示。
9.一种电子设备,包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至7任一项所述的方法。
CN201811144597.1A 2018-09-28 2018-09-28 肺结节的3d显示方法、装置及电子设备 Pending CN109242962A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811144597.1A CN109242962A (zh) 2018-09-28 2018-09-28 肺结节的3d显示方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811144597.1A CN109242962A (zh) 2018-09-28 2018-09-28 肺结节的3d显示方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN109242962A true CN109242962A (zh) 2019-01-18

Family

ID=65054426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811144597.1A Pending CN109242962A (zh) 2018-09-28 2018-09-28 肺结节的3d显示方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN109242962A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110136253A (zh) * 2019-05-22 2019-08-16 图兮深维医疗科技(苏州)有限公司 一种结节三维立体展示装置及设备
CN110232686A (zh) * 2019-06-19 2019-09-13 东软医疗系统股份有限公司 肺结节随访图像的获取方法、装置、ct设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103976756A (zh) * 2014-05-21 2014-08-13 周勇 一种脊柱后路手术术中实时三维重构方法
CN107016665A (zh) * 2017-02-16 2017-08-04 浙江大学 一种基于深度卷积神经网络的ct肺结节检测方法
CN107977963A (zh) * 2017-11-30 2018-05-01 北京青燕祥云科技有限公司 肺结节的判定方法、装置和实现装置
CN108154468A (zh) * 2018-01-12 2018-06-12 平安科技(深圳)有限公司 肺结节探测方法、应用服务器及计算机可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103976756A (zh) * 2014-05-21 2014-08-13 周勇 一种脊柱后路手术术中实时三维重构方法
CN107016665A (zh) * 2017-02-16 2017-08-04 浙江大学 一种基于深度卷积神经网络的ct肺结节检测方法
CN107977963A (zh) * 2017-11-30 2018-05-01 北京青燕祥云科技有限公司 肺结节的判定方法、装置和实现装置
CN108154468A (zh) * 2018-01-12 2018-06-12 平安科技(深圳)有限公司 肺结节探测方法、应用服务器及计算机可读存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HUMERA SHAZIYA 等: "Automatic Lung Segmentation on Thoracic CT Scans using U-Net Convolutional Network", 《INTERNATIONAL CONFERENCE ON COMMUNICATION AND SIGNAL PROCESSING》 *
刘天碧 等: "螺旋CT三维重建孤立性肺结节的检查方法", 《中国冶金工业医学杂志》 *
徐峰 等: "基于U-Net的结节分割方法", 《软件导刊》 *
陈中 等: "利用数字几何技术重建个性化骨骼模型", 《中国组织工程研究》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110136253A (zh) * 2019-05-22 2019-08-16 图兮深维医疗科技(苏州)有限公司 一种结节三维立体展示装置及设备
CN110232686A (zh) * 2019-06-19 2019-09-13 东软医疗系统股份有限公司 肺结节随访图像的获取方法、装置、ct设备和存储介质

Similar Documents

Publication Publication Date Title
Gecer et al. Detection and classification of cancer in whole slide breast histopathology images using deep convolutional networks
CN111161275B (zh) 医学图像中目标对象的分割方法、装置和电子设备
US9968257B1 (en) Volumetric quantification of cardiovascular structures from medical imaging
CN107123112B (zh) 血流状态分析系统及方法
CN109166130B (zh) 一种图像处理方法及图像处理装置
Navab et al. Medical Image Computing and Computer-Assisted Intervention–MICCAI 2015: 18th International Conference, Munich, Germany, October 5-9, 2015, Proceedings, Part III
JP2020510463A (ja) 全層畳み込みネットワークを利用する自動化されたセグメンテーション
US20220198230A1 (en) Auxiliary detection method and image recognition method for rib fractures based on deep learning
CN109035261B (zh) 医疗影像处理方法及装置、电子设备及存储介质
CN108986891A (zh) 医疗影像处理方法及装置、电子设备及存储介质
CN110163876A (zh) 基于多特征融合的左心室分割方法、系统、设备及介质
JP2015080720A (ja) コンピュータ補助診断方法及び装置
CN111046855A (zh) 图片识别方法、识别模型训练方法、装置及电子装置
US9984311B2 (en) Method and system for image segmentation using a directed graph
US8929636B2 (en) Method and system for image segmentation
CN110889826A (zh) 眼部oct图像病灶区域的分割方法、装置及终端设备
CN108986115A (zh) 医学图像分割方法、装置及智能终端
WO2016134125A1 (en) Image segmentation via multi-atlas fusion with context learning
CN109598697A (zh) 二维乳腺造影数据组的确定
CN112183541B (zh) 一种轮廓提取方法及装置、电子设备、存储介质
CN110859642B (zh) 一种基于AlexNet网络模型实现医学影像辅助诊断的方法、装置、设备及存储介质
CN110570394B (zh) 医学图像分割方法、装置、设备及存储介质
US20150110377A1 (en) Method and system for image segmentation
US11580673B1 (en) Methods, systems, and computer readable media for mask embedding for realistic high-resolution image synthesis
CN109191475A (zh) 椎体终板分割方法、装置及计算机可读存储介质

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190118