CN109308680A - 一种基于磁共振影像的大脑解剖教学系统 - Google Patents
一种基于磁共振影像的大脑解剖教学系统 Download PDFInfo
- Publication number
- CN109308680A CN109308680A CN201811002695.1A CN201811002695A CN109308680A CN 109308680 A CN109308680 A CN 109308680A CN 201811002695 A CN201811002695 A CN 201811002695A CN 109308680 A CN109308680 A CN 109308680A
- Authority
- CN
- China
- Prior art keywords
- brain
- dimensional
- brain area
- magnetic resonance
- area
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 150
- 238000005481 NMR spectroscopy Methods 0.000 title claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 description 12
- 210000003484 anatomy Anatomy 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000002224 dissection Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000018152 Cerebral disease Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供了一种基于磁共振影像的大脑解剖教学系统,通过导入预先进行过自动分割及三维重建的真实个案的脑磁共振影像数据,以多窗口的方式分别对不同的脑区结构进行关联显示,实现对二维图像与三维脑解剖结构的一键交互,并且提供任意单脑区、多脑区组合的二维分割结构显示和数字三维模型演示,为基于真实个案的脑解剖教学提供了方案。
Description
技术领域
本发明属于医学影像处理技术和医学教学领域,特别涉及一种基于磁 共振影像的大脑解剖教学系统。
背景技术
随着医学影像数据采集、数字图像处理等计算机技术在医学领域内的 深入应用,数字化教学在医学教学中获得越来越高的地位,在近年来取得 了迅速的发展。医学教学作为医学领域的重要组成部分,也逐步向数字化 和虚拟化的方向转变。在医学教学和科研中,人体解剖学是一门重要的基 础课程,是学习了解人体结构和医学研究的必经之路。
现有已存在的人体脑解剖教学的形式包括使用尸体标本进行解剖实 践、使用图谱影像进行脑组织演示、使用计算机数字三维模型进行演示教 学等。
使用尸体标本进行解剖教学最为直观,但是由于标本资源有限,无法 满足当前教学数量的需求。使用脑图谱影像进行教学,最节省成本,也是 运用最广泛的方式,但是由于目前人脑解剖与影像学教育是分离的,学员 在学习过程中需要通过自己的想象才能建立二维影像与三维脑结构之间的 关联,一些精细脑分区在影像中的识别本身就非常困难,而解剖学与影像 学教学的分离更是加大了学习难度。
使用计算机数字三维模型进行演示教学是现在最热门、最常用的方 式,但还是存在着诸多缺陷:首先,单纯的数字三维模型中的结构无法和 实际拿到的二维图像进行结构关联确认,在教学过程中,只能靠想象。其 次,使用固定模型进行教学太局限,无法对实际临床个案进行分析,因其 教学使用的三维模型都为固定单一的基本模型,在临床医学实际情况中, 不同年龄、性别、种族的患者之间存在很大的个体差异,而不同疾病的影 像表现及脑结构变化亦存在显著不同。所以,结合实际不同个体案例进行 教学和研究才能最大化的提升医学教学质量和科研价值。
综上,在医学影像学的教学中,对影像的识别技术(技能)采用标注 和圈点的方式来讲授已经满足不了现代医学的教学要求(水平),无论是教 学的准确性还是学生的理解程度,均达不到理想的效果。借助计算机技术, 重建真实的个案模型,分割到各个组织结构的最小功能体,定位到具体病 灶,才能做到最精准的教学。
发明内容
针对现有技术中存在的缺陷或不足,本发明所要解决的技术问题是: 目前市场上没有类似的专门针对脑磁共振图像或者分割图像进行显示的专 业软件,即使有可以代替其他附属软件,也没有二维与三维图像的结构关 联显示功能,包括基于个案的教学方式。
为了实现上述目的,本发明采取的技术方案为提供一种基于磁共振影 像的大脑解剖教学系统,包括数据获取模块、数据处理模块和呈现模块; 其中,数据获取模块用于对原始的脑磁共振影像进行自动分割和三维重建, 得到了分割好的横断面、矢状面、冠状面三种二维图像数据组以及重建好 的三维模型数据组;数据处理模块,用于在导入所述数据组之后,对所述 数据组进行分析和整理,即:自动识别各脑区并分别对分割好的横断面、矢状面、冠状面三种二维视角的各脑分区进行编号标记,并对每个二维视 角的数据组提供对应的编号表;对三维模型数组中的各脑区三维重建模型 进行编号标记,并提供对应的编号表;在不同的编号表中对横断面、矢状 面、冠状面中对相同的脑分区使用与三维重建模型相同的编号进行标记; 呈现模块,用于在使用过程中,当用户通过鼠标指针移动到任意感兴趣的 脑区时,以编号表中的编号为对象实时同步搜索其他视角数据组对应的脑 区数据,并在各二维视角窗口中对相同的脑分区用相同的颜色高亮显示出 来。
作为本发明的进一步改进,所述对原始的脑磁共振影像进行自动分割 采用大形变微分同胚配准方法。
作为本发明的进一步改进,得到二维分割图像数据组后,对每一个分 割好的脑区进行三维重建,即可得到单个脑区的数字三维模型数据组。
作为本发明的进一步改进,所述编号可以是纯数字,也可以是数字和 字母的组合。
作为本发明的进一步改进,当用户在任意二维窗口里用鼠标指针指到 任意感兴趣的脑区时,会自动对该感兴趣区域里面分割好的脑区进行结构 关联提示,并在其它两个二维视角窗口中对该脑区用相同的颜色实时高亮 显示出来;当用户在任意二维视角窗口里用鼠标单击选中了任意感兴趣脑 分区或者在脑区管理列表树中勾选了任意脑区的复选框后,在各二维视角 窗口中对选中的脑区用相同的颜色高亮显示出来,即实现了各二维视角窗 口下各脑区的关联显示;当用户在任意二维视角窗口里用鼠标单击选中了 任意脑分区或者在脑区管理列表树中勾选了任意脑区的复选框,在三维视 角窗口中自动搜索对应的三维脑区模型并展示出来,即实现了二维脑影像 与三维脑结构之间的关联显示;
作为本发明的进一步改进,所述原始的脑磁共振影像为场强1.5T以上 磁共振设备采集的3D T1序列DICOM灰度图像文件。
作为本发明的进一步改进,所述原始的脑磁共振影像为随机采集的任 意个体的脑磁共振影像数据。
本发明的有益效果是:目前,现有的教学系统多为固定二维图像看图 软件或者数字三维模型展示软件、或是单纯的基于脑磁共振影像阅图的附 属软件,暂无人类大脑方面详细的基于磁共振影像的结构分割和重建的三 维影像演示系统。本发明的系统通过导入预先进行过自动分割及三维重建 的真实个案的脑磁共振影像数据,以多窗口的方式分别对不同的脑区结构 做关联,实现对二维图像与三维脑解剖结构的一键交互,并且提供任意单 脑区、多脑区组合的二维分割结构显示和数字三维模型演示,为基于真实 个案的脑解剖教学提供了方案。
附图说明
图1是本发明的基于脑磁共振影像解剖教学系统框图;
图2是本发明实现各二维视角窗口下各脑区的关联显示的原理图;
图3是本发明的第一实施例的呈现界面示意图;
图4是二维脑区脑区分割效果图和三维脑区模型效果图。
具体实施方式
下面结合附图说明及具体实施方式对本发明进一步说明。
图1所示,本发明的基于脑磁共振影像解剖教学系统,包括数据获取 模块、数据处理模块和呈现模块。
其中,数据获取模块用于对原始的脑磁共振影像进行自动分割和三维 重建,得到分割好的横断面、矢状面、冠状面三种二维图像数据组以及重 建好的三维模型数据组。
对原始的脑磁共振影像进行自动分割可基于大形变微分同胚 (LDDMM)配准分割算法,得到各脑区横断面、矢状面和冠状面的二维 分割图像数据组。当然,也可以采用其他脑区分割和配准方法来得到各脑 区横断面、矢状面和冠状面的二维分割图像数据组,如改进的LDDMM算 法等,在这里不做限定。
得到二维分割图像数据组后,对每一个分割好的脑区进行三维重建, 即可得到单个脑区的数字三维模型数据组。
数据处理模块,用于在导入所述数据组之后,对所述数据组进行分析 和整理,即:自动识别各脑区并分别对分割好的横断面、矢状面、冠状面 三种二维视角的各脑分区进行编号标记,并对每个二维视角的数据组提供 对应的编号表(例如:横断面对应第一编号表、矢状面对应第二编号表、 冠状面对应第三编号表);对三维模型数组中的各脑区三维重建模型进行编 号标记,并提供第四编号表;在不同的编号表中对横断面、矢状面、冠状 面中对相同的脑分区使用与三维重建模型相同的编号进行标记,如图2所 示。
编号可以是纯数字,也可以是数字和字母的组合。
呈现模块,用于在使用过程中,当用户通过鼠标指针移动到任意感兴 趣的脑区时,以编号表中的编号为对象实时同步搜索其他视角数据组对应 的脑区数据,并在各二维视角窗口中对相同的脑分区用相同的颜色高亮显 示出来。
具体地,当用户在任意二维窗口里用鼠标指针指到任意感兴趣的脑区 时,会自动对该感兴趣区域里面分割好的脑区进行结构关联提示,并在其 它两个二维视角窗口中对该脑区用相同的颜色实时高亮显示出来;当用户 在任意二维视角窗口里用鼠标单击选中了任意感兴趣脑分区或者在脑区管 理列表树中勾选了任意脑区的复选框后,在各二维视角窗口中对选中的脑 区用相同的颜色高亮显示出来,即实现了各二维视角窗口下各脑区的关联 显示;当用户在任意二维视角窗口里用鼠标单击选中了任意脑分区或者在 脑区管理列表树中勾选了任意脑区的复选框,在三维视角窗口中自动搜索 对应的三维脑区模型并展示出来,即实现了二维脑影像与三维脑结构之间 的关联显示。
[第一实施例]
本实例为随机采集的任意个体的脑磁共振影像数据。原始脑磁共振影 像数据提供了横断面、矢状面和冠状面三组标准的DICOM灰度图像文件。
取得该数据文件之后,我们使用脑图谱法对脑区进行分割,其方法是 利用配准将需要分割的图像映射到已经分割好的模板上,然后通过数学逆 变换算子将分割结果变换到原图空间,从而获得原始输入图像的分割结果。 利用这些分割结果进行三维重建,可以获得单个脑区的三维模型数据,采 用固定的计算方法,可以对每个脑区进行独立分析,并获得相关量化数据。
大形变微分同胚(LDDMM)配准分割算法目的为将带有标签(Label) 的各个T 1脑图谱图像(A)配准至目标图像(T)。LDDMM的算法思想 为通过优化每一次迭代过程中在流场力作用下各个空间点的矢量速度场, 使得该次全局流体形变能量达到最小化,从而获得最终形变的位移矢量场 D。
定义第N次迭代过程中的空间单位时间内瞬时速度场为Vn,位移场为 Dn,分别定义在上且满足D:T→A,即 有算法步骤如下:
1、将目标图像T通过线性配准至预定义MNI空间T 1标准化模版, 与图谱A保持空间定义一致性。
2、定义弹性力全局能量函数其中 差分算子L=-α▽2+γI3×3,α、γ均为与力场相关的参数,▽2为空间拉普拉 斯算子,λ为第一项的权重,A0=A。
3、利用梯度下降法,计算更新返回至步骤2用于下次迭代求解速度场。
4、给定收敛条件极小正值ε,当满足条件时,在 第K次迭代时停止,则最终的配准结果应为:
将分割、重建以及量化分析好的脑磁共振影像数据导入本发明的教学 系统,系统会自动对各分割好的脑区二维影像数据组和三维模型数据组进 行编号处理,同时自动载入到控制单元。
如图3所示,本发明的系统采用了二行二列4窗口的布局方式分别对 处理好的三维模型、横断面、矢状面、冠状面进行显示。
控制单元在接收到自动分割及三维重建完成的脑磁共振影像数据后, 在第2、第3、第4窗口分别对脑磁共振影像数据的横断面、矢状面、冠状 面图像进行显示,第一窗口为重建的三维模型显示窗口。
通过移动鼠标指针指到第2、第3、第4窗口的脑磁共振影像的任意感 兴趣区域,系统会自动对该感兴趣区域里面分割好的脑区进行结构关联提 示,并对该脑区用相同的颜色分别在第2、第3、第4窗口标注显示出来。
通过鼠标单机选中第2、第3、第4窗口的脑磁共振影像的任意感兴趣 区域内分割好的单个或者多个脑区,或者在右侧脑区管理模块通过脑区搜 索或展开脑区列表树的方式选中已经分割好的单个或者多个脑区,系统会 自动对不同的脑区用不同的颜色高亮显示出来,并在第1窗口显示该脑区 的数字三维模型,第一窗口里的脑区数字三维模型可通过鼠标操作进行任 意视角的透明化,旋转,平衡,放大,缩小等操作,并提供对所有脑区的知识内容介绍。
通过以上操作可以清楚的看到脑磁共振二维影像与三维脑结构之间的 关联情况,在数字三维模型中也可以对脑区的形状、大小、位置有一个清 楚的认识。通过测量工具对脑区病灶位置的定位,可以为脑疾病的手术规 划设计、手术入路设计、手术风险评估、手术演练和模拟等提供很好的帮 助。
本发明的系统为一套独立的影像解剖教学系统软件,通过导入预先进 行过自动分割及三维重建的脑磁共振影像数据,可实现对二维图像与三维 脑解剖结构的一键交互,并配有相关脑区的知识介绍。传统的脑解剖教学 系统多基于固定标准的三维模型,本发明的系统所采用的三维解剖数据均 基于真实磁共振扫描数据重建获得,可导入不同年龄段、不同性别、不同 疾病的真实数据,且数据获取成本较低,并可实现活体数据采集,真正实现了基于真实影像与解剖数据的同源性及素材库的易扩展性。并且实现了 二维影像与三维脑解剖结构直接关联,让学员直观了解二维影像特征与三 维解剖结构的对应关系,将极大提升影像学学习的效率和质量。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说 明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术 领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若 干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (7)
1.一种基于磁共振影像的大脑解剖教学系统,其特征在于:所述系统包括数据获取模块、数据处理模块和呈现模块;其中,
所述数据获取模块用于对原始的脑磁共振影像进行自动分割和三维重建,得到了分割好的横断面、矢状面、冠状面三种二维图像数据组以及重建好的三维模型数据组;
所述数据处理模块,用于在导入所述数据组之后,对所述数据组进行分析和整理,即:自动识别各脑区并分别对分割好的横断面、矢状面、冠状面三种二维视角的各脑分区进行编号标记,并对每个二维视角的数据组提供对应的编号表;对三维模型数组中的各脑区三维重建模型进行编号标记,并提供对应的编号表;在不同的编号表中对横断面、矢状面、冠状面中对相同的脑分区使用与三维重建模型相同的编号进行标记;
所述呈现模块,用于在使用过程中,当用户通过鼠标指针移动到任意感兴趣的脑区时,以编号表中的编号为对象实时同步搜索其他视角数据组对应的脑区数据,并在各二维视角窗口中对相同的脑分区用相同的颜色高亮显示出来。
2.根据权利要求1所述的系统,其特征在于:所述对原始的脑磁共振影像进行自动分割采用大形变微分同胚配准方法。
3.根据权利要求2所述的系统,其特征在于:得到二维分割图像数据组后,对每一个分割好的脑区进行三维重建,即可得到单个脑区的数字三维模型数据组。
4.根据权利要求1-3任一项所述的系统,其特征在于:所述编号为纯数字,或者是数字和字母的组合。
5.根据权利要求1-3任一项所述的系统,其特征在于:当用户在任意二维视角窗口里用鼠标单击选中了任意感兴趣脑分区或者在脑区管理列表树中勾选了任意脑区的复选框后,在各二维视角窗口中对选中的脑区用相同的颜色高亮显示出来,即实现了各二维视角窗口下各脑区的关联显示;当用户在任意二维视角窗口里用鼠标单击选中了任意脑分区或者在脑区管理列表树中勾选了任意脑区的复选框,在三维视角窗口中自动搜索对应的三维脑区模型并展示出来,即实现了二维脑影像与三维脑结构之间的关联显示;当用户通过鼠标指针移动到三维模型中任意感兴趣的脑区时,在各二维视角窗口中对选中的脑区用相同的颜色高亮显示出来,即实现了三维脑结构与各二维视角窗口下各脑区的关联显示。
6.根据权利要求1-3任一项所述的系统,其特征在于:所述原始的脑磁共振影像为场强1.5T以上磁共振设备采集的3D T1序列DICOM灰度图像文件。
7.根据权利要求6所述的系统,其特征在于:所述原始的脑磁共振影像为采集的任意个体的脑磁共振影像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811002695.1A CN109308680A (zh) | 2018-08-30 | 2018-08-30 | 一种基于磁共振影像的大脑解剖教学系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811002695.1A CN109308680A (zh) | 2018-08-30 | 2018-08-30 | 一种基于磁共振影像的大脑解剖教学系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109308680A true CN109308680A (zh) | 2019-02-05 |
Family
ID=65224078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811002695.1A Pending CN109308680A (zh) | 2018-08-30 | 2018-08-30 | 一种基于磁共振影像的大脑解剖教学系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109308680A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949322A (zh) * | 2019-03-27 | 2019-06-28 | 中山大学 | 一种基于磁共振t1增强图像的脑血管图像分割方法 |
CN110660068A (zh) * | 2019-09-10 | 2020-01-07 | 华中科技大学苏州脑空间信息研究院 | 三维细胞构筑图像的半自动脑区分割方法 |
CN111408066A (zh) * | 2020-03-19 | 2020-07-14 | 山东大学 | 基于磁共振影像的肿瘤位置标定系统及设备 |
CN111429765A (zh) * | 2020-04-27 | 2020-07-17 | 裴欣瑶 | 脑解剖vr学习系统及方法 |
CN111798983A (zh) * | 2020-03-27 | 2020-10-20 | 同济大学 | 一种脑功能模型构建及教学系统 |
CN112037238A (zh) * | 2020-09-01 | 2020-12-04 | 北京推想科技有限公司 | 一种图像显示方法、装置、设备及介质 |
CN112308964A (zh) * | 2019-12-23 | 2021-02-02 | 首都医科大学附属北京友谊医院 | 针对单侧颞骨的空间数据处理及定位方法、装置及设备 |
WO2024037109A1 (zh) * | 2022-08-16 | 2024-02-22 | 珠海赛纳数字医疗技术有限公司 | 显示方法、装置、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017088816A1 (zh) * | 2015-11-27 | 2017-06-01 | 广州聚普科技有限公司 | 一种基于dti的颅内神经纤维束的三维重建方法 |
CN107590856A (zh) * | 2017-09-06 | 2018-01-16 | 刘立军 | 神经外科手术导航系统中解剖图谱的三维可视化应用方法 |
CN107993293A (zh) * | 2017-11-09 | 2018-05-04 | 大连理工大学 | 一种包含中国人群差异的三维可交互式解剖教学方法 |
CN108182687A (zh) * | 2016-12-08 | 2018-06-19 | 复旦大学 | 一种基于脑肿瘤医学影像的交互式三维分割方法 |
-
2018
- 2018-08-30 CN CN201811002695.1A patent/CN109308680A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017088816A1 (zh) * | 2015-11-27 | 2017-06-01 | 广州聚普科技有限公司 | 一种基于dti的颅内神经纤维束的三维重建方法 |
CN108182687A (zh) * | 2016-12-08 | 2018-06-19 | 复旦大学 | 一种基于脑肿瘤医学影像的交互式三维分割方法 |
CN107590856A (zh) * | 2017-09-06 | 2018-01-16 | 刘立军 | 神经外科手术导航系统中解剖图谱的三维可视化应用方法 |
CN107993293A (zh) * | 2017-11-09 | 2018-05-04 | 大连理工大学 | 一种包含中国人群差异的三维可交互式解剖教学方法 |
Non-Patent Citations (1)
Title |
---|
李七渝等: "人体大脑数字化解剖模型的构建及可视化", 《解剖学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949322A (zh) * | 2019-03-27 | 2019-06-28 | 中山大学 | 一种基于磁共振t1增强图像的脑血管图像分割方法 |
CN110660068A (zh) * | 2019-09-10 | 2020-01-07 | 华中科技大学苏州脑空间信息研究院 | 三维细胞构筑图像的半自动脑区分割方法 |
CN110660068B (zh) * | 2019-09-10 | 2022-06-03 | 华中科技大学苏州脑空间信息研究院 | 三维细胞构筑图像的半自动脑区分割方法 |
CN112308964A (zh) * | 2019-12-23 | 2021-02-02 | 首都医科大学附属北京友谊医院 | 针对单侧颞骨的空间数据处理及定位方法、装置及设备 |
CN111408066A (zh) * | 2020-03-19 | 2020-07-14 | 山东大学 | 基于磁共振影像的肿瘤位置标定系统及设备 |
CN111408066B (zh) * | 2020-03-19 | 2021-04-16 | 山东大学 | 基于磁共振影像的肿瘤位置标定系统及设备 |
CN111798983A (zh) * | 2020-03-27 | 2020-10-20 | 同济大学 | 一种脑功能模型构建及教学系统 |
CN111429765A (zh) * | 2020-04-27 | 2020-07-17 | 裴欣瑶 | 脑解剖vr学习系统及方法 |
CN112037238A (zh) * | 2020-09-01 | 2020-12-04 | 北京推想科技有限公司 | 一种图像显示方法、装置、设备及介质 |
WO2024037109A1 (zh) * | 2022-08-16 | 2024-02-22 | 珠海赛纳数字医疗技术有限公司 | 显示方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109308680A (zh) | 一种基于磁共振影像的大脑解剖教学系统 | |
CN103230283B (zh) | 一种超声探头成像平面空间位置标定的优化方法 | |
US10713856B2 (en) | Medical imaging system based on HMDS | |
Swanson | Mapping the human brain: past, present, and future | |
Yamada et al. | Graphic and movie illustrations of human prenatal development and their application to embryological education based on the human embryo specimens in the Kyoto collection | |
Morone et al. | Virtual, 3-dimensional temporal bone model and its educational value for neurosurgical trainees | |
CN102436584A (zh) | 基于字典学习的胃部ct图像感兴趣区域检测系统 | |
CN107993293A (zh) | 一种包含中国人群差异的三维可交互式解剖教学方法 | |
CN110993067A (zh) | 医学影像标注系统 | |
CN104112384A (zh) | 一种神经外科虚拟手术训练系统 | |
CN103345774B (zh) | 一种三维多尺度矢量化的建模方法 | |
Hanalioglu et al. | Development and validation of a novel methodological pipeline to integrate neuroimaging and photogrammetry for immersive 3D cadaveric neurosurgical simulation | |
CN103745473B (zh) | 一种脑组织提取方法 | |
CN101404046A (zh) | 虚拟手术图像处理系统及其处理方法 | |
Nowinski et al. | A new presentation and exploration of human cerebral vasculature correlated with surface and sectional neuroanatomy | |
CN101176683A (zh) | 人体立体解剖图象的制作方法与应用 | |
CN102609981B (zh) | 构建三维脑模型的方法 | |
Li et al. | Construction and visualization of high-resolution three-dimensional anatomical structure datasets for Chinese digital human | |
Shin et al. | Surface reconstruction and optimization of cerebral cortex for application use | |
Saroul et al. | Distance preserving flattening of surface sections | |
Hacker et al. | Representation and visualization of variability in a 3D anatomical atlas using the kidney as an example | |
Senger | Visualizing and segmenting large volumetric data sets | |
Kang et al. | The visible man: three-dimensional interactive musculoskeletal anatomic atlas of the lower extremity | |
Mastrangelo Jr et al. | Inclusion of 3-D computed tomography rendering and immersive VR in a third year medical student surgery curriculum | |
Imielinska et al. | Technical challenges of 3D visualization of large color data sets |
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 |
Application publication date: 20190205 |
|
RJ01 | Rejection of invention patent application after publication |