CN109360213B - 一种基于脊柱超声冠状面图像的自动化椎体识别方法 - Google Patents
一种基于脊柱超声冠状面图像的自动化椎体识别方法 Download PDFInfo
- Publication number
- CN109360213B CN109360213B CN201811529726.9A CN201811529726A CN109360213B CN 109360213 B CN109360213 B CN 109360213B CN 201811529726 A CN201811529726 A CN 201811529726A CN 109360213 B CN109360213 B CN 109360213B
- Authority
- CN
- China
- Prior art keywords
- characteristic
- vertebral body
- spine
- ultrasonic
- vertebral
- 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
Images
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
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- 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
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
Abstract
一种基于脊柱超声冠状面图像的自动化椎体识别方法,所述方法包括以下步骤:1)利用超声图像分割技术实现目标脊柱节段超声图像中椎体的逐节分割;2)根据特征性解剖结构、特征椎体和椎体特征结构予以识别,并根据特征性解剖结构判断识别特征椎体,再由特征椎体推算其他椎体;3)通过特征性解剖结构和椎体特征进行验证校准。本发明兼顾超声骨质图像特征的准确与高效识别,以原创性脊柱超声图像分割技术方法,识别脊柱不同节段脊椎的特征性解剖结构,并由此判断识别特征椎体,进而按照脊柱长轴方向,由特征椎体计数推导其它椎体,直至目标手术节段,最后通过双向计数推导识别特征性解剖结构和特征椎体,完成识别验证与校准。
Description
技术领域
本发明属于医学图像处理领域,涉及一种基于脊柱超声冠状面图像的自动化椎体识别方法。
背景技术
随着计算机导航系统的蓬勃发展,脊椎脊髓术中导航日益得到广泛关注,其通过精准定位有望极大解决脊柱脊髓相关手术,尤其微创手术中的定位难题,降低技术门槛进而促进这一先进技术的推广和普及。与此同时,为解决当前主流导航技术中的辐射损害,基于超声图像的导航方法逐渐成为业内研究热点。尽管超声具有无损伤、无辐射、实时和经济等诸多优势,但其对骨质结构存在较大的衰减和衍射,导致图像有效信息少而无效噪声多。因此,如何提高超声骨质图像质量,使其满足术中导航所需的精度,成为促进超声导航临床应用的关键所在。
基于现有主要技术思想,提升超声骨质图像质量的主要方法有二。第一是超声成像技术,即从超声成像原理出发,通过调整成像参数、处理声波等对底层原始数据处理,进而改变超声成像技术特征,实现对骨质结构成像的优化。基于成像技术的调整有望从根本上解决超声骨质成像这一技术难题,但底层原始数据量过于庞大,目前尚缺少完备的技术模型和相应程序算法支持,因此,从原理技术层面,将面对极高难度、较长周期的挑战,距离实际临床可用性尚为遥远。第二是图像处理技术,基于目前临床应用较成熟的超声导航技术,通过图像分割识别特征性区域、结构,进而图像融合匹配,完成定位导航是可行的,相关技术路线在人体肝脏、甲状腺、乳腺等器官均已得到应用。然而,相比上述器官组织,人体脊柱结构更为复杂,使本身并不“擅长”骨质成像的超声技术越发受限。脊柱具有多节段、多曲度、多形态的总特征,人体脊柱可分为颈、胸、腰、骶四部分,具体包括7节颈椎,12节胸椎,5节腰椎和5节合一的骶椎,构成脊椎的基本解剖结构还包括棘突、横突、关节突、椎板、椎弓根等,且不同节段脊椎的结构存在较大差异,若直接根据当前脊柱超声图像,采用已有图像分割算法进行处理,将无法得到临床可用的处理结果。
医学图像分割的主流技术思路是,基于图像灰度、文理、亮度、对比度等特征,识别被分割目标的感兴趣区域和特征性解剖结构,在此过程中所面临的挑战主要在于图像伪影的识别处理、灰度相近的不同组织结构的边界识别提取、图像边缘等成像不清晰部位的精确拟合等。与此同时,随着人工智能和机器学习算法的日益发展,通过确定数学模型,建立学习集,基于卷积神经网络的深度学习算法有望实现脊椎节段的准确识别与分割。遗憾的是,至今尚无成熟的模型和算法得到应用,其主要难点在于学习集全面性与高效性的矛盾,有监督分割的繁琐性与无监督分割的可靠性矛盾。因此,目前尚无针对人体脊柱超声图像的有效分割方法,能够兼顾超声骨质图像特征的准确与高效识别。
发明内容
为了克服已有技术尚无针对人体脊柱超声图像的有效分割的不足,本发明提供了一种兼顾超声骨质图像特征的准确与高效识别的基于脊柱超声冠状面图像的自动化椎体识别方法,以原创性脊柱超声图像分割技术方法,识别脊柱不同节段脊椎的特征性解剖结构,并由此判断识别特征椎体,进而按照脊柱长轴方向,由特征椎体计数推导其它椎体,直至目标手术节段,最后通过双向计数推导识别特征性解剖结构和特征椎体,完成识别验证与校准。
本发明解决其技术问题所采用的技术方案是:
一种基于脊柱超声冠状面图像的自动化椎体识别方法,所述方法包括以下步骤:
1)利用超声图像分割技术实现目标脊柱节段超声图像中椎体的逐节分割;
2)根据特征性解剖结构、特征椎体和椎体特征结构予以识别,并根据特征性解剖结构判断识别特征椎体,再由特征椎体推算其他椎体;
3)通过特征性解剖结构和椎体特征进行验证校准;
所述脊柱超声冠状面图像是指通过具有空间定位功能的超声探头扫描获取的人体脊柱骨质超声图像,根据空间位置信息完成三维重建,对重建图像按照不同深度进行冠状面切割所得图像,所述具有空间定位功能的超声探头是指带有磁定位标记的二维超声线阵探头或固定于都自由度机械手的二维超声线阵探头;所述不同深度是指距离人体背部体表的深度,不同深度下超声图像所包含图像内容不同,成像最浅表为人体背部皮肤轮廓,成像最深为脊椎骨质信息。
进一步,所述步骤1)中,所述超声图像分割过程为:
根据超声探头扫查所得人体脊柱骨质超声图像中的图像信息,通过识别特征结构信息,完成每一节脊椎的准确辨识和分割的相关技术。所述图像信息是指扫查所得图像中人体脊柱的骨骼图像信息;所述特征结构信息是指人体脊椎的解剖结构、空间排列和其他毗邻组织的特征信息,其中人体脊椎的解剖结构是指每节脊椎的解剖结构特征,优选为棘突和横突,脊椎的空间排列是指正常生理状态下人体每节脊椎的排列顺序和脊柱的曲度,具体表现为自上而下颈椎、胸椎、腰椎、骶椎的排布和颈曲、胸曲、腰曲、骶曲特征,其他毗邻组织的特征信息是指脊柱毗邻其他组织的解剖标志和形状特征,为第10,11,12肋骨和骶髂关节。
再进一步,所述步骤1)中,所述目标脊柱节段是指临床治疗目标病变所在的脊柱节段,根据病变的大小和范围,是某一节脊椎或者某几节相邻或不相邻的脊椎。
再进一步,所述步骤2)中,所述特征性解剖结构是指用于超声图像分割技术中具有特征的人体解剖结构,包括特定器官组织和特征性解剖位置关系,特定器官组织为人体脊椎、肋骨和骶骨,特征性解剖位置关系优选为不同节段胸椎与相应肋骨的位置关系、第五节腰椎与骶骨、骶髂关节的位置关系。
更进一步,所述步骤2)中,所述特征椎体是指根据解剖特征差异将人体脊椎各节段逐一区分,其中最具有特征性的为寰椎、枢椎、第7节颈椎和骶椎,第3到6节颈椎、12节胸椎之间、5节腰椎之间均具有相似度。
所述步骤2)中,所述椎体特征结构是指每节椎体具有特征性并有辨识度的解剖结构,为棘突和横突;所述特征性和辨识度均指超声图像。
所述步骤2)中,所述根据特征性解剖结构判断识别特征椎体的方法是指:根据椎体特征结构和具有特征的人体解剖结构,通过图像分割技术识别具体脊椎节段、肋骨、骶骨及其特征性位置关系,确定分割的起止点并完成分割。
所述步骤2)中,所述根据特征椎体推算其他椎体的方法是指:完成特征性解剖结构判断识别特征椎体后,根据其他椎体与特征椎体的空间排列关系,通过计数推导直至找到目标脊柱节段。
所述步骤3)中,所述通过特征性解剖结构和椎体特征进行验证校准的方法是指:从目标脊柱节段出发,通过计数推导分别找到其上位和下位的特征椎体,并与该特征椎体进行特征性解剖结构比对,从而验证特征椎体的正确性,进而验证或校准目标脊柱阶段的方法;所述上位和下位的特征椎体分别是指根据人体正常生理解剖特征判断,位于目标脊柱节段头侧和尾侧的特征椎体。
本发明的有益效果主要表现在:第一,实现基于脊柱超声冠状面图像的脊椎逐节快速、准确识别与分割,规避了基于超声骨质成像底层技术改进的挑战和现有图像分割技术精度与效率难以兼容的难题;第二,实现对脊椎特征性解剖结构的准确识别,并基于其确定特征椎体进而定位目标手术节段,以双向计数推导与特征验证相结合的方法完成目标手术节段定位准确性的检验与校准。
应用本发明提供的基于脊柱超声冠状面图像的自动化椎体识别方法,将极大推动当今脊柱脊髓微创手术术中导航的发展和应用,有利于发挥超声成像无损伤、无辐射、实时和经济的优势,消除当今临床主流导航技术的穿刺损伤和辐射损害,实现目标手术节段的准确定位。
附图说明
图1为本发明的系统流程图;
图2为本发明实施例的脊柱超声冠状面图像获取流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1和图2,一种基于脊柱超声冠状面图像的自动化椎体识别方法,所述方法包括以下步骤:
1)利用超声图像分割技术实现目标脊柱节段超声图像中椎体的逐节分割;
2)根据特征性解剖结构、特征椎体和椎体特征结构予以识别,并根据特征性解剖结构判断识别特征椎体,再由特征椎体推算其他椎体;
3)通过特征性解剖结构和椎体特征进行验证校准;
所述脊柱超声冠状面图像是指通过具有空间定位功能的超声探头扫描获取的人体脊柱骨质超声图像,根据空间位置信息完成三维重建,对重建图像按照不同深度进行冠状面切割所得图像,所述具有空间定位功能的超声探头是指带有磁定位标记的二维超声线阵探头或固定于都自由度机械手的二维超声线阵探头;所述不同深度是指距离人体背部体表的深度,不同深度下超声图像所包含图像内容不同,成像最浅表为人体背部皮肤轮廓,成像最深为脊椎骨质信息。
进一步,所述步骤1)中,所述超声图像分割过程为:
根据超声探头扫查所得人体脊柱骨质超声图像中的图像信息,通过识别特征结构信息,完成每一节脊椎的准确辨识和分割的相关技术。所述图像信息是指扫查所得图像中人体脊柱的骨骼图像信息;所述特征结构信息是指人体脊椎的解剖结构、空间排列和其他毗邻组织的特征信息,其中人体脊椎的解剖结构是指每节脊椎的解剖结构特征,优选为棘突和横突,脊椎的空间排列是指正常生理状态下人体每节脊椎的排列顺序和脊柱的曲度,具体表现为自上而下颈椎、胸椎、腰椎、骶椎的排布和颈曲、胸曲、腰曲、骶曲特征,其他毗邻组织的特征信息是指脊柱毗邻其他组织的解剖标志和形状特征,为第10,11,12肋骨和骶髂关节。
再进一步,所述步骤1)中,所述目标脊柱节段是指临床治疗目标病变所在的脊柱节段,根据病变的大小和范围,是某一节脊椎或者某几节相邻或不相邻的脊椎。
再进一步,所述步骤2)中,所述特征性解剖结构是指用于超声图像分割技术中具有特征的人体解剖结构,包括特定器官组织和特征性解剖位置关系,特定器官组织为人体脊椎、肋骨和骶骨,特征性解剖位置关系优选为不同节段胸椎与相应肋骨的位置关系、第五节腰椎与骶骨、骶髂关节的位置关系。
更进一步,所述步骤2)中,所述特征椎体是指根据解剖特征差异将人体脊椎各节段逐一区分,其中最具有特征性的为寰椎、枢椎、第7节颈椎和骶椎,第3到6节颈椎、12节胸椎之间、5节腰椎之间均具有相似度。
所述步骤2)中,所述椎体特征结构是指每节椎体具有特征性并有辨识度的解剖结构,为棘突和横突;所述特征性和辨识度均指超声图像。
所述步骤2)中,所述根据特征性解剖结构判断识别特征椎体的方法是指:根据椎体特征结构和具有特征的人体解剖结构,通过图像分割技术识别具体脊椎节段、肋骨、骶骨及其特征性位置关系,确定分割的起止点并完成分割。
所述步骤2)中,所述根据特征椎体推算其他椎体的方法是指:完成特征性解剖结构判断识别特征椎体后,根据其他椎体与特征椎体的空间排列关系,通过计数推导直至找到目标脊柱节段。
所述步骤3)中,所述通过特征性解剖结构和椎体特征进行验证校准的方法是指:从目标脊柱节段出发,通过计数推导分别找到其上位和下位的特征椎体,并与该特征椎体进行特征性解剖结构比对,从而验证特征椎体的正确性,进而验证或校准目标脊柱阶段的方法;所述上位和下位的特征椎体分别是指根据人体正常生理解剖特征判断,位于目标脊柱节段头侧和尾侧的特征椎体。
本实施例通过带有磁定位标记或固定于六自由度机械手的二维超声线阵探头,扫描人体脊柱,获取到人体脊柱的骨质超声图像。由于安装了磁定位装置,所以探头不仅可以采集到脊柱信息,还可以采集到空间位置信息。
根据收集到的空间位置信息,就可以完成脊柱超声图像的三维重建,得到一个三维的超声图像。然后再对重建出来的图像按照距离人体背部体表的深度不同进行冠状面切割。
根据扫查图像中人体脊柱的骨骼图像信息,通过识别特征结构,例如每节脊椎的解剖结构特征、常态下人体脊椎的排列顺序和曲度等信息,完成治疗目标病变所在脊柱段每一节脊椎的辨识和分割。
分割完成后就要进行识别过程。利用一些具有特征的辨识度较高的人体解剖结构,再根据这些解剖结构的特征差异,就可以通过图像分割技术识别出不同特征部分、确定分割的起止点,将人体脊椎各节段逐一划分出来。
完成判断识别特征椎体后,根据其他椎体和特征椎体的空间排列关系,就可以通过计数推导直至找到目标脊柱节段。
从目标脊柱节段出发,通过计数推导,可以推导出目标脊柱头侧和尾侧的特征椎体,并且将特征椎体和特征性解剖结构进行比对,从而验证特征椎体的正确性,进一步验证出目标脊柱节段。而颈椎、肋骨和骶骨与骶髂关节的验证过程只需进行上下验证即可,通过正向推导和反向校准过程来进行验证。
Claims (4)
1.一种基于脊柱超声冠状面图像的自动化椎体识别方法,所述方法包括以下步骤:
1)利用超声图像分割技术实现目标脊柱节段超声图像中椎体的逐节分割;
2)根据特征性解剖结构、特征椎体和椎体特征结构予以识别,并根据特征性解剖结构判断识别特征椎体,再由特征椎体推算其他椎体;
所述特征性解剖结构是指用于超声图像分割技术中具有特征的人体解剖结构,包括特定器官组织和特征性解剖位置关系,特定器官组织为人体脊椎、肋骨和骶骨,特征性解剖位置关系为不同节段胸椎与相应肋骨的位置关系、第五节腰椎与骶骨、骶髂关节的位置关系;
所述特征椎体是指根据解剖特征差异将人体脊椎各节段逐一区分,其中最具有特征性的为寰椎、枢椎、第7节颈椎和骶椎,第3到6节颈椎、12节胸椎之间、5节腰椎之间均具有较高相似度;
所述椎体特征结构是指每节椎体具有特征性并有辨识度的解剖结构,为棘突和横突;所述特征性和辨识度均指超声图像;
所述根据特征性解剖结构判断识别特征椎体的方法是指:根据椎体特征结构和具有特征的人体解剖结构,通过图像分割技术识别具体脊椎节段、肋骨、骶骨及其特征性位置关系,确定分割的起止点并完成分割;
所述根据特征椎体推算其他椎体的方法是指:完成特征性解剖结构判断识别特征椎体后,根据其他椎体与特征椎体的空间排列关系,通过计数推导直至找到目标脊柱节段;
3)通过特征性解剖结构和椎体特征进行验证校准;
所述脊柱超声冠状面图像是指通过具有空间定位功能的超声探头扫描获取的人体脊柱骨质超声图像,根据空间位置信息完成三维重建,对重建图像按照不同深度进行冠状面切割所得图像,所述具有空间定位功能的超声探头是指带有磁定位标记的二维超声线阵探头或固定于多 自由度机械手的二维超声线阵探头;所述不同深度是指距离人体背部体表的深度,不同深度下超声图像所包含图像内容不同,成像最浅表为人体背部皮肤轮廓,成像最深为脊椎骨质信息。
2.如权利要求1所述的基于脊柱超声冠状面图像的自动化椎体识别方法,其特征在于,所述步骤1)中,所述超声图像分割过程为:
根据超声探头扫查所得人体脊柱骨质超声图像中的图像信息,通过识别特征结构信息,完成每一节脊椎的准确辨识和分割的相关技术;所述图像信息是指扫查所得图像中人体脊柱的骨骼图像信息;所述特征结构信息是指人体脊椎的解剖结构、空间排列和其他毗邻组织的特征信息,其中人体脊椎的解剖结构是指每节脊椎的解剖结构特征,为棘突和横突,脊椎的空间排列是指正常生理状态下人体每节脊椎的排列顺序和脊柱的曲度,具体表现为自上而下颈椎、胸椎、腰椎、骶椎的排布和颈曲、胸曲、腰曲、骶曲特征,其他毗邻组织的特征信息是指脊柱毗邻其他组织的解剖标志和形状特征,为第10,11,12肋骨和骶髂关节。
3.如权利要求1或2所述的基于脊柱超声冠状面图像的自动化椎体识别方法,其特征在于,所述步骤1)中,所述目标脊柱节段是指临床治疗目标病变所在的脊柱节段,根据病变的大小和范围,是某一节脊椎或者某几节相邻或不相邻的脊椎。
4.如权利要求1或2所述的基于脊柱超声冠状面图像的自动化椎体识别方法,其特征在于,所述步骤3)中,所述通过特征性解剖结构和椎体特征进行验证校准的方法是指:从目标脊柱节段出发,通过计数推导分别找到其上位和下位的特征椎体,并与该特征椎体进行特征性解剖结构比对,从而验证特征椎体的正确性,进而验证或校准目标脊柱阶段的方法;所述上位和下位的特征椎体分别是指根据人体正常生理解剖特征判断,位于目标脊柱节段头侧和尾侧的特征椎体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529726.9A CN109360213B (zh) | 2018-12-14 | 2018-12-14 | 一种基于脊柱超声冠状面图像的自动化椎体识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811529726.9A CN109360213B (zh) | 2018-12-14 | 2018-12-14 | 一种基于脊柱超声冠状面图像的自动化椎体识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109360213A CN109360213A (zh) | 2019-02-19 |
CN109360213B true CN109360213B (zh) | 2020-10-30 |
Family
ID=65328763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811529726.9A Active CN109360213B (zh) | 2018-12-14 | 2018-12-14 | 一种基于脊柱超声冠状面图像的自动化椎体识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109360213B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934824B (zh) * | 2019-03-27 | 2021-02-12 | 清华大学 | 颈椎脊髓高信号的检测方法及系统 |
CN109965910B (zh) * | 2019-04-12 | 2021-07-02 | 东南大学 | 一种基于三维超声脊柱体数据的矢状面投影成像方法 |
CN110772257A (zh) * | 2019-10-31 | 2020-02-11 | 朱志斌 | 手持式脊柱静态曲率的检测装置 |
CN113516614A (zh) * | 2020-07-06 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 脊柱影像的处理方法、模型训练方法、装置及存储介质 |
CN112349392B (zh) * | 2020-11-25 | 2021-08-03 | 北京大学第三医院(北京大学第三临床医学院) | 一种人体颈椎医学图像处理系统 |
CN113850763B (zh) * | 2021-09-06 | 2024-01-23 | 脊客医疗科技(广州)有限公司 | 一种基于脊柱医学影像的图像处理方法、装置、设备及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108309334A (zh) * | 2017-12-08 | 2018-07-24 | 李书纲 | 一种脊柱x线影像的数据处理方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7191175B2 (en) * | 2004-02-13 | 2007-03-13 | Attenex Corporation | System and method for arranging concept clusters in thematic neighborhood relationships in a two-dimensional visual display space |
EP2639763B1 (en) * | 2012-03-15 | 2015-10-21 | Agfa Healthcare | Method, Apparatus and System for Localizing a Spine |
EP2690596B1 (en) * | 2012-07-24 | 2018-08-15 | Agfa Healthcare | Method, apparatus and system for automated spine labeling |
EP2756804A1 (en) * | 2013-01-22 | 2014-07-23 | Agfa Healthcare | Method, apparatus and system for identifying a specific part of a spine in an image |
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 |
CN105719273A (zh) * | 2014-12-05 | 2016-06-29 | Ge医疗系统环球技术有限公司 | 一种在医学影像上测量脊椎的旋转参数的方法及装置 |
CN105433988B (zh) * | 2015-12-28 | 2018-10-16 | 深圳开立生物医疗科技股份有限公司 | 一种目标图像识别方法、装置及其超声设备 |
CN106327495A (zh) * | 2016-08-26 | 2017-01-11 | 穆达文 | 一种生物骨骼识别方法、装置及系统 |
CN106600609B (zh) * | 2016-11-30 | 2020-02-07 | 上海联影医疗科技有限公司 | 一种医学图像中脊柱的分割方法及系统 |
CN206832476U (zh) * | 2017-05-10 | 2018-01-02 | 中国汽车技术研究中心 | 一种假人肋骨位置测量定位装置 |
-
2018
- 2018-12-14 CN CN201811529726.9A patent/CN109360213B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108309334A (zh) * | 2017-12-08 | 2018-07-24 | 李书纲 | 一种脊柱x线影像的数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109360213A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109360213B (zh) | 一种基于脊柱超声冠状面图像的自动化椎体识别方法 | |
US11304680B2 (en) | Spinal image generation system based on ultrasonic rubbing technique and navigation positioning system for spinal surgery | |
CN109646089B (zh) | 一种基于多模式医学融合图像的脊柱脊髓体表穿刺入路点智能定位系统及方法 | |
Gill et al. | Biomechanically constrained groupwise ultrasound to CT registration of the lumbar spine | |
US7194120B2 (en) | Methods and systems for image-guided placement of implants | |
US8150132B2 (en) | Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program | |
CN114129240B (zh) | 一种引导信息生成方法、系统、装置及电子设备 | |
CN110946652B (zh) | 一种骨螺钉的钉道规划方法和装置 | |
CN105405129A (zh) | 医学图像的重建方法及其装置 | |
CN113870098A (zh) | 一种基于脊柱分层重建的Cobb角自动测量方法 | |
CN113469935B (zh) | 一种基于ct图像的髂后上棘自动检测与定位方法 | |
Patel et al. | Improved automatic bone segmentation using large-scale simulated ultrasound data to segment real ultrasound bone surface data | |
CN116570370B (zh) | 一种脊柱针刀穿刺导航系统 | |
Rasoulian et al. | A statistical multi-vertebrae shape+ pose model for segmentation of CT images | |
CN112089438B (zh) | 基于二维超声图像的四维重建方法及装置 | |
Winter et al. | Toward registration of 3D ultrasound and CT images of the spine in clinical praxis: design and evaluation of a data acquisition protocol | |
Khallaghi et al. | Biomechanically constrained groupwise statistical shape model to ultrasound registration of the lumbar spine | |
WO2023133929A1 (zh) | 一种基于超声的人体组织对称性检测分析方法 | |
Muratore et al. | Vertebral surface extraction from ultrasound images for technology-guided therapy | |
Zeng et al. | Automatic segmentation of vertebral features on ultrasound spine images using Stacked Hourglass Network | |
Nagpal et al. | CT to US registration of the lumbar spine: a clinical feasibility study | |
Dekomien et al. | System architecture for intraoperative ultrasound registration in image-based medical navigation | |
CN116385756B (zh) | 基于增强标注和深度学习的医学图像识别方法及相关装置 | |
Huang et al. | Multi-modality registration of preoperative MR and intraoperative long-length tomosynthesis using GAN synthesis and 3D-2D registration | |
Duc et al. | Fused visualization of 3D Ultrasound and CT image on navigation system for Water-filled Laparo-endoscopic Surgery |
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 |