CN109509198A - 校正损伤的设备和方法 - Google Patents
校正损伤的设备和方法 Download PDFInfo
- Publication number
- CN109509198A CN109509198A CN201910031384.6A CN201910031384A CN109509198A CN 109509198 A CN109509198 A CN 109509198A CN 201910031384 A CN201910031384 A CN 201910031384A CN 109509198 A CN109509198 A CN 109509198A
- Authority
- CN
- China
- Prior art keywords
- damage
- frame
- reference image
- image frame
- boundary
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012937 correction Methods 0.000 claims abstract description 187
- 238000003709 image segmentation Methods 0.000 claims description 35
- 230000003902 lesion Effects 0.000 claims description 13
- 230000006735 deficit Effects 0.000 abstract description 80
- 238000000605 extraction Methods 0.000 abstract description 38
- 238000010586 diagram Methods 0.000 description 30
- 239000000284 extract Substances 0.000 description 25
- 230000006870 function Effects 0.000 description 24
- 238000012545 processing Methods 0.000 description 17
- 238000007689 inspection Methods 0.000 description 11
- 230000004044 response Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T2207/10072—Tomographic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Endoscopes (AREA)
- Image Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Processing Or Creating Images (AREA)
Abstract
提供了一种校正损伤的设备和方法。提取候选图像帧的设备包括:产生单元,被配置为产生表示形成3维图像的多个2维图像帧的每一个中包括的损伤的特性的至少一个损伤值;提取单元,被配置为基于所述至少一个损伤值从图像帧中提取可用于校正损伤的边界的至少一个候选图像帧。
Description
本申请是申请日为2012年6月19日,申请号为“201210208649.3”,标题为“校正损伤的设备和方法”的发明专利申请的分案申请。
本申请要求于2011年10月17日在韩国知识产权局提交的第10-2011-0106052号韩国专利申请的利益,该申请的整个公开包含于此以资参考。
技术领域
下面的描述涉及从3维图像中检测损伤的技术。
背景技术
难以准确地检测具有噪声、低分辨率和低对比度的图像中的损伤。图像中的损伤的复杂和模糊边界使得难以在图像中检测准确的损伤。因为检测的损伤可能是不准确的,所以必须对检测的损伤进行校正。然而,因为3维图像包括多个2维图像,所以难以检测3维图像中包括的损伤。因此,需要一种新的容易且准确地校正3维图像中包括的损伤的技术。
发明内容
根据一方面,一种选择候选图像帧的设备包括:产生单元,被配置为产生表示形成3维图像的多个2维图像帧的每一个中包括的损伤的特性的至少一个损伤值;提取单元,被配置为基于所述至少一个损伤值从图像帧中提取能够用于校正损伤的边界的至少一个候选图像帧。
提取单元还可被配置为:通过将所述至少一个损伤值相加到一起以获得损伤值之和,或者通过向所述至少一个损伤值中的每一个应用各自的权重并将加权的至少一个损伤值相加到一起以获得损伤值之和;基于损伤值之和从图像帧中提取至少一个候选图像帧。
提取单元还可被配置为从图像帧中的具有损伤值之和的局部最大值的图像帧中提取至少一个候选图像帧。
提取单元还可被配置为:确定提取的至少一个候选图像帧是否包括图像帧中包括的所有损伤;从图像帧中的包括没有包括在提取的至少一个候选图像帧中的损伤的图像帧中提取进一步的候选图像帧。
损伤的特性可包括以下中的任何一个或以下中的任何组合:损伤的数值、损伤大小、损伤形状、损伤的边界表面、损伤的边界线和损伤的边界线上的点的位置信息。
根据一方面,一种校正损伤的设备包括:设置单元,被配置为响应于形成3维图像的多个2维图像帧中的至少一个图像帧中包括的损伤的校正,将包括校正损伤的所述至少一个图像帧设置为至少一个参考图像帧;校正单元,被配置为基于所述至少一个参考图像帧中包括的校正损伤校正除了所述至少一个参考图像帧之外的图像帧的每一个中包括的损伤,除了所述至少一个参考图像帧之外的图像帧构成图像帧的剩余图像帧。
校正单元可还被配置为基于校正损伤的特性对每个剩余图像帧执行图像分割,以校正每个剩余图像帧中包括的损伤。
校正单元还可被配置为:基于所述至少一个参考图像帧的参考图像帧中的校正损伤的特性对与所述参考图像帧邻近的剩余图像帧的第一图像帧执行图像分割,以校正第一图像帧中包括的损伤;基于所述参考图像帧中包括的校正损伤的特性和/或第一图像帧中包括的校正损伤的特性来对与第一图像帧邻近的剩余图像帧的第二图像帧执行图像分割,以校正第二图像帧中包括的损伤。
校正单元还可被配置为:如果所述至少一个参考图像帧包括至少两个参考图像帧,则关于图像帧设置至少两个区间,以使所述至少两个区间的每个区间包括所述至少两个参考图像帧中的不同参考图像帧和一些剩余图像帧;基于所述至少两个区间的各个区间中包括的参考图像帧来校正所述至少两个区间的每个区间内的剩余图像帧的每个图像帧中包括的损伤。
校正单元还可被配置为将所述至少两个区间设置得彼此不重叠,以使没有剩余图像帧被包括在所述至少两个区间的多于一个区间中。
校正单元还可被配置为:将所述至少两个区间的两个区间设置得彼此重叠,以使剩余图像帧的至少一个剩余图像帧包括在由所述两个区间的重叠部分所形成的重叠区间中;基于所述两个区间中包括的参考图像帧校正重叠区间内的至少一个剩余图像帧的每一个中的损伤。
所述设备还可包括:合并单元,被配置为在逐个图像帧的基础上合并重叠区间内的至少一个剩余图像帧的每一个中包括的校正损伤。
根据一方面,一种校正损伤的设备包括:产生单元,被配置为产生表示形成3维图像的多个2维图像帧的每一个中包括的损伤的特性的至少一个损伤值;提取单元,被配置为基于所述至少一个损伤值从图像帧中提取能够用于校正损伤的边界的至少一个候选图像帧;设置单元,被配置为响应于所述至少一个候选图像帧中包括的损伤的校正,将包括校正损伤的至少一个候选图像帧设置为至少一个参考图像帧;校正单元,被配置为基于所述至少一个参考图像帧中包括的校正损伤校正除了所述至少一个参考图像帧之外的图像帧的每一个中包括的损伤,除了所述至少一个参考图像帧之外的图像帧构成图像帧的剩余图像帧。
提取单元还可被配置为:通过将所述至少一个损伤值相加到一起以获得损伤值之和,或者通过向所述至少一个损伤值中的每一个应用各自的权重并将加权的至少一个损伤值相加到一起以获得损伤值之和;基于损伤值之和从图像帧中提取至少一个候选图像帧。
提取单元还可被配置为:确定提取的至少一个候选图像帧是否包括图像帧中包括的所有损伤;从图像帧中的包括没有包括在提取的至少一个候选图像帧中的损伤的图像帧提取进一步的候选图像帧。
校正单元还可被配置为基于校正损伤的特性对每个剩余图像帧执行图像分割,以校正每个剩余图像帧中包括的损伤。
所述设备还可包括:检查单元,被配置为检查对剩余图像帧的每一个图像帧是否已正常执行了图像分割;重新校正单元,被配置为,当检查单元确定对剩余图像帧的图像帧没有正常执行图像分割时,重新校正所述图像帧中包括的损伤。
校正单元还可被配置为:基于至少一个参考图像帧的参考图像帧中的校正损伤的特性对与所述参考图像帧邻近的剩余图像帧的第一图像帧执行图像分割,以校正第一图像帧中包括的损伤;基于所述参考图像帧中包括的校正损伤的特性和/或第一图像帧中包括的校正损伤的特性来对与第一图像帧邻近的剩余图像帧的第二图像帧执行图像分割,以校正第二图像帧中包括的损伤。
校正单元还可被配置为:如果所述至少一个参考图像帧包括至少两个参考图像帧,则关于图像帧设置至少两个区间,以使所述至少两个区间的每个区间包括所述至少两个参考图像帧中的不同参考图像帧和一些剩余图像帧;基于所述至少两个区间的各个区间中包括的参考图像帧来校正所述至少两个区间的每个区间内的剩余图像帧中的损伤。
根据一方面,一种选择候选图像帧的方法包括以下步骤:产生表示形成3维图像的多个2维图像帧的每一个中包括的损伤的特性的至少一个损伤值;基于所述至少一个损伤值从图像帧中提取能够用于校正损伤的边界的至少一个候选图像帧。
提取至少一个候选图像帧的步骤可包括:通过将所述至少一个损伤值相加到一起以获得损伤值之和,或者通过向所述至少一个损伤值中的每一个应用各自的权重并将加权的至少一个损伤值相加到一起以获得损伤值之和;基于损伤值之和从图像帧中提取至少一个候选图像帧。
提取至少一个候选图像帧的步骤还可包括:从图像帧中的具有损伤值之和的局部最大值的图像帧中提取至少一个候选图像帧。
提取至少一个候选图像帧的步骤可包括:确定提取的至少一个候选图像帧是否包括图像帧中包括的所有损伤;从图像帧中的包括没有包括在提取的至少一个候选图像帧中的损伤的图像帧中提取进一步的候选图像帧。
损伤的特性可包括以下中的任何一个或以下中的任何组合:损伤的数值、损伤大小、损伤形状、损伤的边界表面、损伤的边界线和损伤的边界线上的点的位置信息。
根据一方面,一种校正损伤的方法包括以下步骤:响应于形成3维图像的多个2维图像帧中的至少一个图像帧中包括的损伤的校正,将包括校正损伤的至少一个图像帧设置为至少一个参考图像帧;基于所述至少一个参考图像帧中包括的校正损伤校正除了所述至少一个参考图像帧之外的图像帧的每一个中包括的损伤,除了所述至少一个参考图像帧之外的图像帧构成图像帧的剩余图像帧。
校正损伤的步骤可包括:基于校正损伤的特性对每个剩余图像帧执行图像分割,以校正每个剩余图像帧中包括的损伤。
校正损伤的步骤可包括:基于所述至少一个参考图像帧的参考图像帧中的校正损伤的特性对与所述参考图像帧邻近的剩余图像帧的第一图像帧执行图像分割,以校正第一图像帧中包括的损伤;基于所述参考图像帧中包括的校正损伤的特性和/或第一图像帧中的校正损伤的特性来对与第一图像帧邻近的剩余图像帧的第二图像帧执行图像分割,以校正第二图像帧中包括的损伤。
校正损伤的步骤可包括:如果所述至少一个参考图像帧包括至少两个参考图像帧,则关于图像帧设置至少两个区间,以使所述至少两个区间的每个区间包括所述至少两个参考图像帧中的不同参考图像帧和一些剩余图像帧;基于所述至少两个区间的各个区间中包括的参考图像帧来校正所述至少两个区间的每个区间内的剩余图像帧的每个图像帧中包括的损伤。
校正损伤的步骤还可包括:将所述至少两个区间设置得彼此不重叠,以使剩余图像帧中没有剩余图像帧被包括在所述至少两区间的多于一个区间中。
校正损伤的步骤还可包括:将所述至少两个区间的两个区间设置得彼此重叠,以使剩余图像帧的至少一个剩余图像帧包括在由所述两个区间的重叠部分所形成的重叠区间中;基于所述两个区间中包括的参考图像帧校正重叠区间内的至少一个剩余图像帧的每一个中包括的损伤。
所述方法还可包括如下步骤:在逐个图像帧的基础上合并重叠区间内的至少一个剩余图像帧的每一个中包括的校正损伤。
根据一方面,一种校正损伤的方法包括以下步骤:产生表示形成3维图像的多个2维图像帧的每一个中包括的损伤的特性的至少一个损伤值;基于所述至少一个损伤值从图像帧中提取能够用于校正损伤的边界的至少一个候选图像帧;响应于所述至少一个候选图像帧中包括的损伤的校正,将包括校正损伤的至少一个候选图像帧设置为至少一个参考图像帧;基于所述至少一个参考图像帧中包括的校正损伤校正除了所述至少一个参考图像帧之外的图像帧的每一个中包括的损伤,除了所述至少一个参考图像帧之外的图像帧构成图像帧的剩余图像帧。
提取至少一个候选图像帧的步骤可包括:通过将所述至少一个损伤值相加到一起以获得损伤值之和,或者通过向所述至少一个损伤值中的每一个应用各自的权重并将加权的至少一个损伤值相加到一起以获得损伤值之和;基于损伤值之和从图像帧中提取至少一个候选图像帧。
提取至少一个候选图像帧的步骤可包括:确定提取的至少一个候选图像帧是否包括图像帧中包括的所有损伤;从图像帧中的包括没有包括在提取的至少一个候选图像帧中的损伤的图像帧中提取进一步的候选图像帧。
校正损伤的步骤可包括:基于校正损伤的特性对每个剩余图像帧执行图像分割,以校正每个剩余图像帧中包括的损伤。
所述方法还可包括如下步骤:检查对剩余图像帧的每一个图像帧是否已正常执行了图像分割;当检查的结果为对图像帧没有正常执行图像分割时,重新校正剩余图像帧的图像帧中包括的损伤。
校正损伤的步骤可包括:基于所述至少一个参考图像帧的参考图像帧中的校正损伤的特性对与所述参考图像帧邻近的剩余图像帧的第一图像帧执行图像分割,以校正第一图像帧中包括的损伤;基于参考图像帧中包括的校正损伤的特性和/或第一图像帧中包括的校正损伤的特性来对与第一图像帧邻近的剩余图像帧的第二图像帧执行图像分割,以校正第二图像帧中包括的损伤。
校正损伤的步骤可包括:如果所述至少一个参考图像帧包括至少两个参考图像帧,则关于图像帧设置至少两个区间,以使所述至少两个区间的每个区间包括所述至少两个参考图像帧中的不同参考图像帧和一些剩余图像帧;基于所述至少两个区间的各个区间中包括的参考图像帧来校正所述至少两个区间的每个区间内的剩余图像帧中的损伤。
其他特征和方面从下面的详细描述、附图和权利要求书将是清楚的。
附图说明
图1是示出选择候选图像帧的设备的示例的示图。
图2是描述图1中示出的设备的操作的示例的示图。
图3是描述图1中示出的设备的操作的另一示例的示图。
图4是示出校正损伤的设备的示例的示图。
图5A和图5B是描述校正图像帧中包括的损伤的过程的示图。
图6是示出由图4中示出的校正单元设置为不重叠的区间的示例的示图。
图7是示出用于描述校正单元使用图6中示出的参考图像帧校正剩余图像帧的过程的图像帧的示例的示图。
图8是示出由图4中示出的校正单元设置为重叠的区间的示例的示图。
图9是示出由图4中示出的校正单元校正后的并由图4中示出的合并单元合并的校正损伤的示例的示图。
图10是示出校正损伤的设备的另一示例的示图。
图11是示出在图10中示出的用于校正损伤的设备中校正损伤的方法的示例的流程图的示图。
具体实施方式
提供下面的描述以帮助读者获得对这里描述的方法、设备和/或系统的全面理解。因此,这里描述的方法、设备和/或系统的各种改变、修改和等同物将被暗示给本领域的普通技术人员。另外,为了更清晰和简要,可省略对公知功能和结构的描述。
贯穿附图和详细的描述,相同的标号表示相同的元件。为了清晰、示出和方便,可能夸大这些元件的相对的大小和绘图。
图1是示出选择候选图像帧的设备的示例的示图。参照图1,选择候选图像帧的设备100包括产生单元110和提取单元120。
产生单元110从形成3维图像的多个2维图像帧的每一个中检测损伤,并产生表示检测的损伤的特性的至少一个损伤值。例如,产生单元110可在2维图像之中基于像素值的差来检测损伤的边界,并可将检测的边界内的内部区域确定为损伤。作为另一示例,当2维图像的像素的值大于参考像素值时,产生单元110可将该像素确定为损伤。产生单元110可对每个2维图像帧中的所有像素执行以上操作,从而检测损伤。然而,产生单元110用于检测损伤的方法不限于这些示例,可使用各种其他方法。损伤的特性可包括以下中的任何一个或组合:损伤的数量、损伤大小、损伤形状、损伤的边界表面、损伤的边界线和关于位于损伤的边界线上的点的位置信息。然而,损伤的特性不限于这些示例,可使用各种特性。
为了检测损伤,产生单元110可使用自动损伤检测算法,或者用户可将损伤位置手动输入到产生单元110。
自动损伤检测算法在本领域是公知的,因此为了简要这里将不再详细描述。2维图像的检测算法的其他示例包括直方图阈值类型的算法、超像素类型的算法、网格类型的算法,但可使用任何其他现有的2维损伤检测算法。可以以预定间隔在每个2维图像中粗略检测损伤,然后在检测到损伤的2维图像中的范围内进一步准确地检测损伤。在这种情况下,可同时并迭代地执行损伤检测和损伤区域提取。在从一些帧中检测到损伤之后,可通过使用可由产生单元110提取的先前帧的准确的损伤区域信息来从另一帧中检测损伤。
在手动损伤位置输入方法中,用户查看一些或所有的2维图像,以识别损伤,并将损伤的位置手动地输入到产生单元110。
产生单元110通过数值来表示检测到的损伤的特性,以产生损伤值。例如,损伤的数值可以是1、2、3等,可以以mm2或cm2为单位表示损伤大小,可通过基于损伤的曲线的曲度而确定的数值来表示损伤形状。例如,损伤的轮廓弯曲地越规则,损伤形状的值会越高。可用指示损伤的边界线的清晰度的数值来表示损伤的边界线。例如,可基于亮度梯度来确定损伤的边界线的清晰度,其中,可基于损伤边界周围的边界区域的像素值来计算亮度梯度。损伤的边界越不清晰,损伤的边界线的值会越高。
提取单元120基于由产生单元110产生的损伤值来提取至少一个候选图像帧。候选图像帧是可由图4中示出的校正单元用于校正损伤的图像帧的候选。
例如,提取单元120可将由产生单元110产生的损伤值简单地相加,或者向所述损伤值应用各自的权重,然后将作为结果的加权的损伤值相加。例如,如果存在表示一个2维图像帧中包括的损伤的特性的损伤值A、B和C,则提取单元120可将损伤值A、B和C简单地相加到一起,以获得(A+B+C),或者可向损伤值A、B和C应用各自的权重,并将作为结果的加权的损伤值相加以获得(α×A+β×B+γ×C)。可由制造商或用户任意设置权重α、β和γ。
提取单元120可基于损伤值之和或者加权的损伤值之和来从多个2维图像帧中提取候选图像帧。具体地讲,例如,提取单元120可从损伤值之和或者加权的损伤值之和为局部最大值的图像帧中提取候选图像帧。
提取单元120可确定2维图像帧中包括的所有损伤是否包括在提取的候选图像帧中。如果不是所有的损伤都包括在提取的候选图像帧中,则提取单元120可从包括现有的候选图像帧中没有包括的损伤的图像帧中提取进一步的候选图像帧。
例如,如果在所有2维图像帧中一共存在三处损伤,则提取单元120可确定所有这三处损伤是否都包括在候选图像帧中。如果不是所有的这三处损伤都包括在候选图像帧中,则提取单元120可从图像帧(所述图像帧中的每一个包括在现在的候选图像帧中没有发现的损伤)中提取进一步的候选图像帧。
更具体地讲,如果第一损伤和第二损伤包括在候选图像帧中,则提取单元120还可提取包括第三损伤的图像帧作为新的候选图像帧。第一损伤、第二损伤和第三损伤可以是相同种类的损伤,或者可以是不同种类的损伤。
提取单元120可提取预定数量的候选图像帧。例如,如果制造商或用户预先设置了将提取三个候选图像帧,则提取单元120可提取三个候选图像帧。
用于选择候选图像帧的设备可基于损伤值提取将用于损伤边界的候选图像帧,以准确地校正损伤的边界。因此,用户(例如,医生)不需要校正多个图像帧的任意图像帧中包括的损伤,而仅需要校正由设备提取的候选图像帧中包括的损伤。结果,设备能够通过使用包括校正损伤的候选图像帧来校正其他图像帧中存在的损伤,从而与通过使用用户任意选择的图像帧校正另一图像帧中存在的损伤的情况下相比,更准确地校正损伤。
图2是描述图1中示出的设备的操作的示例的示图。该示例假设存在三处损伤,并且多个图像帧中的一个图像帧包括所有这三处损伤。
参照图1和图2的(a),用于选择候选图像帧的设备100产生损伤值,该损伤值表示形成3维图像的多个2维图像帧中的每一个中包括的每处损伤的特性。该示例假设损伤值包括损伤的数值和损伤大小。
在图2中,(b)是示出在每个2维图像帧中损伤的数值的示图,(c)至(e)是示出在每个2维图像帧中损伤A、B和C的大小的示图。
设备100可将图2的(b)至(e)中示出的损伤值简单地相加,或者向损伤值应用各自的权重,并将作为结果的加权的损伤值相加。例如,如果存在损伤值A、B和C,则设备100可将未改变的损伤值A、B和C相加,以获得(A+B+C),或者可向损伤值A、B和C应用各自的权重α、β和γ,并将加权的损伤值相加以获得(α×A+β×B+γ×C)。
在图2中,(f)是示出每个2维图像帧的损伤值之和的示图。参照图2的(f),设备100基于损伤值之和提取候选图像帧。例如,设备100可从分别具有损伤值之和的局部最大值250、260和270的图像帧中提取候选图像帧。
在图2中,(g)是示出具有局部最大值的图像帧的示图。参照图(g),例如,设备100可通过从分别具有局部最大值250、260和270的提取的图像帧251、261和271中提取一个图像帧来确定候选图像帧。
例如,设备100可提取预定数量的候选图像帧,其中,由用户设置所述预定数量。如果用户将候选图像帧的预定数量设置为2,则设备100从多个图像帧中提取两个候选图像帧。例如,设备100可将具有第一局部最大值和第二局部最大值的两个图像帧确定为候选图像帧。
作为另一示例,设备100可提取包括2维图像帧中存在的所有损伤的候选图像帧。在图2的(g)示出的示例中,设备100可提取包括所有三处损伤A、B和C并且具有局部最大值260的图像帧261作为候选图像帧。
当确定提取的候选图像帧中存在所有2维图像帧中包括的所有损伤时,设备100可停止提取候选图像帧。
再参照图2的(g),提取的图像帧261包括所有损伤A、B和C,因此,设备100不再进一步提取候选图像帧。
包括在所有2维图像帧中发现所有损伤的候选图像帧允许设备100在损伤的任何未来校正中尽可能准确地校正损伤。
图3是描述图1中示出的设备的操作的另一示例的示图。该示例假设存在三处损伤,并且没有图像帧包括所有三处损伤。
参照图1和图3的(a),设备100产生损伤值,该损伤值表示形成3维图像的多个2维图像帧中的每一个中包括的损伤的特性。该示例假设损伤值包括损伤的数值和损伤大小。
在图3中,(b)是示出在每个2维图像帧中损伤的数值的示图,(c)至(e)是示出在每个2维图像帧中损伤A、B和C的大小的示图。
设备100可将图3的(b)至(e)中示出的损伤值简单地相加,或者向损伤值应用各自的权重,并将作为结果的加权的损伤值相加。
在图3中,(f)是示出每个2维图像帧中的损伤值之和的示图。参照图3的(f),设备100可基于损伤值之和提取候选图像帧。例如,设备100可从分别具有损伤值之和的局部最大值350、360和370的图像帧中提取候选图像帧。
在图3中,(g)是示出具有局部最大值的图像帧。参照图3的(g),例如,设备100可从分别具有局部最大值350、360和370的图像帧351、361和371中提取至少一个候选图像帧。
例如,设备100可提取预定数量的候选图像帧,其中,由用户等设置所述预定数量。如果用户设置预定数量为两个候选图像帧,则设备100从多个图像帧中提取两个候选图像帧。例如,设备100可提取具有第一局部最大值和第二局部最大值的图像帧作为候选图像帧。
在另一示例中,设备100可提取一起包括2维图像帧中存在的所有损伤的候选图像帧。
再参照图3的(g),设备100提取具有最大局部最大值360的图像帧361作为候选图像帧。图像帧361仅包括损伤A和损伤B。因此,设备100可进一步提取包括损伤B和损伤C并且具有局部最大值371的图像帧371作为候选图像帧。或者,设备100可提取仅包括损伤C的图像帧作为进一步的候选图像帧。
损伤值和一起包括2维图像帧中存在的所有损伤的候选图像帧的使用允许设备100在损伤的任何未来校正中尽可能准确地校正损伤。
图4是示出校正损伤的设备的示例的示图。参照图4,用于校正损伤的设备400包括设置单元410、校正单元420和合并单元430。
用户可校正形成3维图像的多个2维图像帧中的至少一个图像帧中包括的损伤。例如,用户可校正图像帧中包括的损伤的边界,或者可指定新的损伤。
响应于用户校正形成3维图像的多个2维图像帧中的至少一个图像帧中包括的损伤,设置单元410将包括校正损伤的图像帧设置为参考图像帧。
校正单元420基于参考图像帧中包括的校正损伤来校正剩余图像帧中包括的损伤。例如,校正单元420可基于参考图像帧中的校正损伤边界来校正剩余图像帧中包括的损伤的边界,或者可基于添加到参考图像帧的新的损伤来在剩余图像帧中添加所述新的损伤。
校正单元420基于校正损伤的特性来对剩余图像帧执行图像分割,从而校正剩余图像帧中包括的损伤。例如,校正损伤的特性可包括关于损伤的边界上的点的位置的信息、图像帧之中的位置信息的差异和损伤形状。
例如,校正单元420可基于校正损伤的特性对与参考图像帧邻近的第一图像帧执行图像分割,从而校正第一图像帧中包括的损伤。然后,校正单元420可基于参考图像帧和第一图像帧中包括的校正损伤的至少一个特性来对与第一图像帧邻近的第二图像帧执行图像分割,从而校正第二图像帧中包括的损伤。校正单元420可基于参考图像帧、第一图像帧和第二图像帧中包括的损伤的至少一个特性来对与第二图像帧邻近的第三图像帧执行图像分割,从而校正第三图像帧中包括的损伤。
通过重复以上图像分割,校正单元420可校正所有剩余图像帧中包括的损伤。
在存在至少两个参考图像帧的情况下,校正单元420可关于图像帧设置至少两个区间(section)。每个区间可包括一个参考图像帧。基于每个区间中包括的参考图像帧,校正单元420可校正相应区间中的剩余图像帧中包括的损伤。例如,如果第一参考图像帧包括在第一区间中,并且第二参考图像帧包括在第二区间中,则基于第一参考图像帧,校正单元420可校正第一区间中的剩余图像帧中包括的损伤。另外,基于第二参考图像帧,校正单元420可校正第二区间中的剩余图像帧中包括的损伤。根据校正单元420如何设置区间,区间可重叠或者可以不重叠。
合并单元430在逐个图像帧的基础上合并在重叠区间内的图像帧中包括的校正损伤。例如,在包括第一参考图像帧的第一区间与包括第二参考图像帧的第二区间彼此重叠的情况下,重叠区间中包括的图像帧中包括的损伤可基于第一参考图像帧被校正一次,然后基于第二参考图像帧被另一次校正(因此,总共两次的损伤校正)。合并单元430将包括基于第一参考图像帧而校正损伤的图像帧和包括基于第二参考图像帧而校正损伤的图像帧合并成一个图像帧。稍后将参照图6和图8提供合并的详细描述。
设备100可仅使用形成3维图像的多个2维图像帧中的包括校正损伤的一些图像帧(参考图像帧),以准确并容易地校正剩余图像帧中包括的损伤。
图5A和图5B是描述校正图像帧中包括的损伤的过程的示图。参照图4和图5A,用户可校正形成3维图像的多个2维图像帧510、511和512中的至少一个图像帧中包括的损伤。例如,用户(例如,医生)可校正图像帧510和512中包括的损伤的边界,或者添加新边界以添加新损伤,从而产生校正图像帧520和530。校正图像帧520可包括校正损伤边界521,校正图像帧530可包括添加的损伤531。设置单元410可将校正图像帧520和530设置为参考图像帧。
参照图4和图5B,用户可通过使用各种方法指示用户确定包括损伤的区域,以将损伤添加到图像帧。例如,检查者可用自由曲线535、矩形540、椭圆形550或点560指示区域。设备400可使用边界提取算法提取用户指示的区域中包括的损伤的边界570。因此,损伤可被添加到图像帧(例如,图5A中的包括添加的损伤531的校正图像帧530)。设置单元410可将校正图像帧520和530(参照图5A)设置为参考图像帧。边界提取算法在本领域是公知的,因此这里将不再描述。
图6是示出由图4中示出的校正单元420设置为不重叠的区间的示例的示图。这假设了存在包括两个参考图像帧(第一参考图像帧和第二参考图像帧)的200个图像帧,但帧的数量以及参考图像帧的数量不限于此。
参照图4和图6,针对200个图像帧,校正单元420以包括第一参考图像帧700的第一区间600和包括第二参考图像帧750的第二区间610彼此不重叠的方式来设置第一区间600和第二区间610。如图6所示,在第一参考图像帧700是第50图像帧以及第二参考图像帧750是第150图像帧的情况下,校正单元420设置第一区间600包括第1图像帧至第100图像帧,并设置第二区间610包括第101图像帧至第200图像帧。然而,这仅为示例,校正单元420可设置第一区间600和第二区间610包括与图6中示出的图像帧的范围不同的图像帧的范围。
基于第一区间600中包括的第一参考图像帧700,校正单元420校正第一区间600中的剩余图像帧中包括的损伤。
图7是示出用于描述校正单元使用图6中示出的参考图像帧校正剩余图像帧的过程的图像帧的示例的示图。参照图4、图6和图7,这些示例假设第一参考图像帧700包括校正损伤702,校正损伤702的大小大于现有的损伤701的大小。
如图7的(a)所示,校正单元420基于第一区间600中包括的作为第50图像帧的第一参考图像帧700中包括的校正损伤702的特性来对第51图像帧710执行图像分割。第51图像帧710与第一参考图像帧邻近。因此,第51图像帧710中包括的现有损伤711被校正成校正损伤712。通过对每个接连的图像帧重复以上操作,校正单元420将图像分割从第52图像帧(未示出)拓展(propagate)到第100图像帧720。校正单元420基于第99图像帧(未示出)中包括的校正损伤(未示出)的特性来对第100图像帧720执行图像分割。因此,第100图像帧720中包括的现有损伤721被校正成校正损伤722。结果,第51图像帧710至第100图像帧720中包括的损伤被校正。为了解释的简要,省略了由校正单元420对第52图像帧至第99图像帧执行的图像分割的描述。
另外,如图7的(b)所示,校正单元420基于作为第50图像帧的第一参考图像帧700中包括的校正损伤702的特性来对第49图像帧730执行图像分割。第49图像帧730与第一参考图像帧邻近。因此,第49图像帧730中包括的现有损伤731被校正成校正损伤732。通过对每个前面的图像帧重复以上操作,校正单元420将图像分割从第48图像帧(未示出)拓展到第1图像帧740。校正单元420基于第2图像帧(未示出)中包括的校正损伤(未示出)的特性来对第1图像帧740执行图像分割。因此,第1图像帧740中包括的现有损伤741被校正为校正损伤742。结果,第49图像帧730至第1图像帧740中包括的损伤被校正。为了解释的简要,省略了由校正单元420对第48图像帧至第2图像帧执行的图像分割的描述。
如上所述,校正单元420基于第一区间600中包括的第一参考图像帧700来校正第一区间600中包括的第1图像帧至第49图像帧以及第51图像帧至第100图像帧中的损伤。以类似的方式,校正单元420基于第二区间610中包括的第二参考图像帧750校正第二区间610中包括的第101图像帧至第149图像帧以及第151图像帧至第200图像帧中包括的损伤。
基于至少两个参考图像帧,设备400可校正除了所述至少两个参考图像帧之外的剩余图像帧中包括的损伤,因此可更准确并容易地校正剩余图像帧中的损伤。
图8是示出由图4中示出的校正单元420设置为重叠的区间的示例的示图。参照图8,该示例假设存在包括两个参考图像帧(第一参考图像帧和第二参考图像帧)的200个图像帧,但帧的数量以及参考图像帧的数量不限于此。
参照图4和图8,校正单元420以包括第一参考图像帧830的第一区间800和包括第二参考图像帧840的第二区间810彼此重叠的方式来设置第一区间800和第二区间810。如图8所示,在第一参考图像帧830是第50图像帧以及第二参考图像帧840是第150图像帧的情况下,校正单元420设置第一区间800包括第1图像帧至第149图像帧,并设置第二区间810包括第51图像帧至第200图像帧。因此,作为第一区间800和第二区间810的重叠的重叠区间820包括第51图像帧至第149图像帧。然而,这仅为示例,校正单元420可设置第一区间800和第二区间810包括与图8中示出的图像帧的范围不同的图像帧的范围。
校正单元420基于第一区间800中包括的第一参考图像帧830校正第一区间800中包括的第1图像帧至第49图像帧以及第51图像帧至第149图像帧中包括的损伤。除了图像帧的数量之外,校正损伤的方法与以上参照图7描述的校正损伤的方法相同,因此,为了简要省略详细描述。
校正单元420基于第二区间810中包括的第二参考图像帧840校正第二区间810中包括的第51图像帧至第149图像帧以及第151图像帧至第200图像帧中包括的损伤。校正损伤的方法与以上参照图7描述的校正损伤的方法相同,因此,为了简要省略详细描述。
图9是示出由图4中示出的校正单元420校正后的并由图4中示出的合并单元430合并的校正损伤的示例的示图。参照图4、图8和图9,合并单元430通过合并重叠区间中的相应的图像帧(每个图像帧包括校正损伤)来合并校正损伤。例如,重叠区间820中包括的第51图像帧至第149图像帧中包括的损伤基于第一参考图像帧830被校正一次,和基于第二参考图像帧840被另一次校正。因此,第51图像帧至第149图像帧中包括的损伤总共被校正两次。
例如,如图9所示,第一区间800中包括的第100图像帧900包括已基于第一参考图像帧830被校正后的校正损伤901。另外,第二区间810中包括的第100图像帧910包括已基于第二参考图像帧840被校正后的校正损伤902。合并单元430合并基于第一参考图像帧8300校正后的校正损伤901和基于第二参考图像帧840校正后的校正损伤902,以产生包括合并后的校正损伤921的第100图像帧920,在所述合并后的校正损伤921中已经合并了校正损伤901和902。通过重复以上操作,合并单元430将第一区间800中包括的第50图像帧至第150图像帧的每一个中的校正损伤和第二区间810中包括的第50图像帧至第150图像帧的每一个中的校正损伤合并成校正损伤。
合并单元430可通过对合并的校正损伤921创建合并的损伤边界来合并校正损伤901和902,所述合并的校正损伤921包括校正损伤901中包括的全部区域和校正损伤902中包括的全部区域,或者仅包括校正损伤901和校正损伤902二者都包括的区域,或者是校正损伤901和校正损伤902的边界的平均值。然而,这仅为示例,各种其他方法可用于合并校正损伤901和902。
基于至少两个参考图像帧,设备400可校正除参考图像帧之外的剩余图像帧中包括的损伤,因此可更准确且容易地校正剩余图像帧中包括的损伤。
图10是示出校正损伤的设备的另一示例的示图。参照图10,校正损伤的设备1000包括产生单元1010、提取单元1020、设置单元1030、校正单元1040、合并单元1050、检查单元1060和重新校正单元1070。
产生单元1010产生至少一个损伤值,所述损伤值表示形成3维图像的多个2维图像帧的每一个中包括的损伤的特性。
提取单元1020基于由产生单元1010产生的损伤值提取至少一个候选图像帧。所述候选图像帧是校正单元1040用于校正损伤的图像帧的候选。
产生单元1010和提取单元1020的操作和配置可与图1中示出的产生单元110和提取单元120的操作和配置相同。因此,为了简要将省略对其的详细描述。
用户可校正由提取单元1020提取的候选图像帧中的至少一个候选图像帧中包括的损伤。例如,用户可校正图像帧中包括的损伤的边界,或者可指定新损伤。
响应于用户校正由提取单元1020提取的候选图像帧中的至少一个候选图像帧中包括的损伤,设置单元1030将包括校正损伤的所述至少一个候选图像帧设置为至少一个参考图像帧。
校正单元1040基于所述至少一个参考图像帧中包括的校正损伤来校正除了参考图像帧之外的剩余图像帧中包括的损伤。
合并单元1050将重叠区间中包括的每个图像帧中的校正损伤合并成合并的校正损伤。
设置单元1030、校正单元1040和合并单元1050的操作和配置与图4中示出的设置单元410、校正单元420和合并单元430的操作和配置相同。因此,为了简要将省略对其详细描述。
检查单元1060检查校正单元1040是否已经正常执行了图像分割。
例如,如果检查目标图像帧(即,作为检查目标的图像帧)中包括的损伤和邻近图像帧中包括的损伤之间的豪斯多夫(Hausdorff)距离大于预先定义的值,则检查单元1060可确定校正单元1040对检查目标图像帧没有正常执行图像分割。
作为另一示例,如果检查目标图像帧中包括的损伤和邻近图像帧中包括的损伤之间的重叠面积小于预先定义的大小,则检查单元1060可确定校正单元1040对检查目标图像帧没有正常执行图像分割。
然而,除了以上示例之外,检查单元1060可使用各种其他方法确定校正单元1040是否正常执行了图像分割。
响应于确定校正单元1040没有正常执行图像分割,重新校正单元1070重新校正检查目标图像帧中包括的损伤,在由重新校正单元1070执行的重新校正操作中检查目标图像帧将被称为重新校正目标图像帧。
例如,重新校正单元1070可对重新校正目标图像帧重复图像分割,从而对重新校正目标图像帧中包括的损伤进行重新校正。
作为另一示例,重新校正单元1070可基于在重新校正目标图像帧之前的图像帧中包括的损伤的特性以及在重新校正目标图像帧之后的图像帧中包括的损伤的特性来校正重新校正目标图像帧中包括的损伤。例如,重新校正单元1070可将重新校正目标图像帧中包括的损伤校正为具有前面图像帧和后面图像帧中包括的损伤的边界值的中间值。中间值可以是平均值或者任何其他种类的中间值。
设备1000可使用形成3维图像的多个2维图像帧中损伤已被校正的一些图像帧作为用于校正剩余图像帧中包括的损伤的参考图像帧,从而准确且容易地校正剩余图像帧中包括的损伤。
另外,设备1000可检查剩余图像帧中包括的损伤是否已经被准确地校正,如果不是,则可重新校正损伤,从而通过使用参考图像帧更准确地校正剩余图像帧中包括的损伤。
图11是示出在图10中示出的用于校正损伤的设备1000中校正损伤的方法的示例的流程图的示图。参照图10和图11,在1110,设备1000产生至少一个损伤值,所述损伤值表示形成3维图像的多个2维图像帧的每一个中包括的损伤的特性。
在1120,设备1000基于所述至少一个损伤值提取可用于校正损伤的边界的至少一个候选图像帧。例如,设备1000可通过将所述至少一个损伤值相加到一起以获得损伤值之和,或者向所述至少一个损伤值中的每一个应用各自的权重并将加权的至少一个损伤值相加到一起以获得损伤值之和。设备1000可基于损伤值之和提取候选图像帧。
在1130,设备1000确定提取的至少一个候选图像帧是否包括图像帧中包括的所有损伤。
在1140,响应于确定在提取的至少一个候选图像帧中不包括所有损伤,设备1000从图像帧中的包括提取的至少一个候选图像帧没有包括的损伤的图像帧提取进一步的候选图像帧。另一方面,响应于确定提取的至少一个候选图像帧包括图像帧中包括的所有损伤,设备1000停止提取候选图像帧。
在1150,响应于至少一个候选图像帧中包括的损伤的校正,设备1000将包括校正损伤的至少一个候选图像帧设置为至少一个参考图像帧。
在1160,设备1000基于至少一个参考图像帧中包括的校正损伤来校正剩余图像帧中包括的损伤。例如,设备1000可基于参考图像帧中包括的校正损伤的特性来对剩余图像帧执行图像分割,以校正剩余图像帧中包括的损伤。更具体地讲,设备1000可基于参考图像帧中包括的校正损伤的特性对与参考图像帧邻近的剩余图像帧的第一图像帧执行图像分割,以校正第一图像帧中包括的损伤,并基于参考图像帧中包括的校正损伤的特性和/或第一图像帧中包括的校正损伤的特性来对与第一图像帧邻近的剩余图像帧的第二图像帧执行图像分割,以校正第二图像帧中包括的损伤。通过重复以上操作,可校正每个剩余图像帧中包括的所有损伤。
如上所述,所述方法可使用形成3维图像的多个2维图像帧中的损伤已被校正的至少一个图像帧作为参考图像帧,以准确且容易地校正每个剩余图像帧中包括的损伤。
以上描述的方法和/或操作可被记录、存储或固定在包括程序指令的一个或多个非暂时计算机可读存储介质中,所述程序指令将被计算机执行以使得处理器运行或执行所述程序指令。所述介质还可单独包括程序指令、数据文件、数据结构等,或者可包括程序指令、数据文件、数据结构等的组合。非暂时计算机可读存储介质的示例包括:磁性介质,例如,硬盘、软盘和磁带;光学介质,例如,CD-ROM盘和DVD;磁光介质,例如,光盘;和硬件装置,被专门配置为存储和执行程序命令,例如,只读存储器(ROM)、随机存取存储器(RAM)、闪存等。程序命令的示例包括例如由编译器产生的机器码和包含可通过使用解释器由计算机执行的高级代码的文件。描述的硬件装置可被配置为用作一个或多个软件模块,以执行如上所述的操作和方法,反之亦然。另外,非暂时计算机可读存储介质可在联网的计算机系统中分布,计算机可读代码或程序可以以分散方式被存储和执行。
具体地讲,图1、图4和图10中示出的各个单元可通过使用硬件部件和/或软件部件被实现。可通过处理装置来实现软件模块,所述处理装置可通过使用一个或多个通用或专用计算机,例如,处理器、控制器和算术逻辑单元、数字信号处理器、微型计算机、现场可编程阵列、可编程逻辑电路、微型处理器或能够以定义的方式响应和执行指令的任何其他装置。处理装置可运行操作系统(OS)和在OS上运行的一个或多个软件应用程序。处理装置还可响应于软件的执行来访问、存储、操纵、处理和创建数据。为了简化的目的,处理装置的描述被用作单数;然而,本领域的技术人员将理解,处理装置可包括多个处理元件和多种处理元件。例如,处理装置可包括多个处理器或一个处理器和一个控制器。另外,不同的处理配置(例如,并行处理器)是可以的。
如这里所使用的,被配置为实现功能A的处理装置包括被编程运行特定软件的处理器。另外,被配置为实现功能A、功能B和功能C的处理装置可包括诸如如下配置,例如,被配置为实现功能A、功能B和功能C的处理器;被配置为实现功能A的第一处理器和被配置为实现功能B和功能C的第二处理器;被配置为实现功能A和功能B的第一处理器和被配置为实现功能C的第二处理器;被配置为实现功能A的第一处理器、被配置为实现功能B的第二处理器和被配置为实现功能C的第三处理器;被配置为实现功能A、功能B和功能C的第一处理器以及被配置为实现功能A、功能B和功能C的第二处理器;等。
软件可包括用于单独或共同指示或配置处理装置如所期望地运行的计算机程序、一段代码、指令或计算机程序、一段代码、指令的一些组合。软件和数据可以以任何种类的机器、部件、物理或虚拟等同物、计算机存储介质或装置被永久或临时实现,或以能够将指令或数据提供到处理装置或被处理装置解释的传播的信号波被永久或临时实现。软件还可以被分布在联网的计算机系统,以使软件以分布式方式被存储和执行。
具体地讲,软件和数据可通过一个或多个非暂时计算机可读存储介质被存储。非暂时计算机可读存储介质可包括可存储其后可被计算机系统或处理装置读取的数据的任何数据存储装置。非暂时计算机可读存储介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光学数据存储装置。另外,示例所属领域的编程人员可基于和使用附图的流程图和框图以及这里提供的它们的相应描述容易地解释用于实现这里公开的示例的功能程序、代码和代码段。
以上已经描述了一些示例。然而,应该理解,在这些示例中可进行各种修改。例如,如果描述的技术以不同顺序被执行和/或如果描述的系统、架构、装置或电路中的部件以不同的方式被组合和/或被其他部件或其等同物被替换或补充,可实现合适的结果。因此,其他实施在权利要求及其等同物的范围内。
Claims (15)
1.一种用于校正医学图像的设备,所述设备包括:
显示器;
处理器,被配置为执行以下操作:
在形成3维图像的多个2维图像帧中设置能够用于对至少一个损伤的边界进行校正的至少一个参考图像帧;
基于表示在所述至少一个参考图像帧中包括的损伤的特性的至少一个像素值,在所述至少一个参考图像帧中检测至少一个损伤的边界;
在除了所述至少一个参考图像帧之外的多个2维图像帧之中的至少一个图像帧中,基于所述至少一个像素值来检测至少一个损伤的边界;
接收用于对所述至少一个参考图像帧中的至少一个损伤的边界进行校正的输入;
控制显示器显示所述至少一个参考图像帧中的至少一个损伤的校正后的边界;
基于所述至少一个参考图像帧中的至少一个损伤的校正后的边界来校正在所述除了所述至少一个参考图像帧之外的多个2维图像帧之中的所述至少一个图像帧中的至少一个损伤的边界。
2.如权利要求1所述的设备,其中,损伤的特性包括损伤的数量、损伤大小、损伤形状、损伤的边界表面、损伤的边界线和损伤的边界线上的点的位置信息中的任何一个或任何组合。
3.如权利要求1所述的设备,其中,处理器还被配置为:
接收用于对不同于所述至少一个参考图像帧的第一图像帧中的至少一个损伤的边界进行重新校正的输入;
基于包括在第一图像帧中的至少一个损伤的重新校正后的边界,对包括在不同于第一图像帧的第二图像帧中的至少一个损伤的边界进行重新校正;
控制显示器显示第一图像帧中的至少一个损伤的重新校正后的边界。
4.如权利要求3所述的设备,其中,第一图像帧与所述至少一个参考图像帧相邻,第二图像帧与第一图像帧相邻。
5.如权利要求1所述的设备,其中,处理器还被配置为:
基于包括在所述至少一个参考图像帧中的被校正了边界的至少一个损伤的特性对在所述除了所述至少一个参考图像帧之外的多个2维图像帧之中的所述至少一个图像帧执行图像分割。
6.如权利要求1所述的设备,其中,处理器还被配置为:如果在多个2维图像帧中包括的至少一个损伤的边界被校正,则将包括被校正了边界的至少一个损伤的至少一个图像帧确定为所述至少一个参考图像帧。
7.如权利要求1所述的设备,其中,处理器还被配置为:
如果所述至少一个参考图像帧包括至少两个参考图像帧,则关于多个2维图像帧设置至少两个区间,使得所述至少两个区间中的每个区间包括所述至少两个参考图像帧中的不同参考图像帧;
基于所述至少两个区间中的各个区间中包括的参考图像帧来校正所述至少两个区间中的至少一个区间内的至少一个图像帧中的至少一个损伤的边界。
8.一种校正医学图像的方法,所述方法包括:
在形成3维图像的多个2维图像帧中设置能够用于对至少一个损伤的边界进行校正的至少一个参考图像帧;
基于表示在所述至少一个参考图像帧中包括的损伤的特性的至少一个像素值,在所述至少一个参考图像帧中检测至少一个损伤的边界;
在除了所述至少一个参考图像帧之外的多个2维图像帧之中的至少一个图像帧中,基于所述至少一个像素值来检测至少一个损伤的边界;
接收用于对所述至少一个参考图像帧中的至少一个损伤的边界进行校正的输入;
显示所述至少一个参考图像帧中的至少一个损伤的校正后的边界;
基于所述至少一个参考图像帧中的至少一个损伤的校正后的边界来校正在所述除了所述至少一个参考图像帧之外的多个2维图像帧之中的所述至少一个图像帧中的至少一个损伤的边界。
9.如权利要求8所述的方法,损伤的特性包括损伤的数量、损伤大小、损伤形状、损伤的边界表面、损伤的边界线和损伤的边界线上的点的位置信息中的任何一个或任何组合。
10.如权利要求8所述的方法,还包括:
接收用于对不同于所述至少一个参考图像帧的第一图像帧中的至少一个损伤的边界进行重新校正的输入;
基于包括在第一图像帧中的至少一个损伤的重新校正后的边界,对包括在不同于第一图像帧的第二图像帧中的至少一个损伤的边界进行重新校正;
显示第一图像帧中的至少一个损伤的重新校正后的边界。
11.如权利要求10所述的方法,其中,第一图像帧与所述至少一个参考图像帧相邻,第二图像帧与第一图像帧相邻。
12.如权利要求8所述的方法,还包括:
基于包括在所述至少一个参考图像帧中的被校正了边界的至少一个损伤的特性对在所述除了所述至少一个参考图像帧之外的多个2维图像帧之中的所述至少一个图像帧执行图像分割。
13.如权利要求8所述的方法,其中,设置步骤包括:
如果多个2维图像帧中包括的至少一个损伤的边界被校正,则将包括被校正了边界的至少一个损伤的至少一个图像帧确定为所述至少一个参考图像帧。
14.如权利要求8所述的方法,还包括:
如果所述至少一个参考图像帧包括至少两个参考图像帧,则关于多个2维图像帧设置至少两个区间,使得所述至少两个区间中的每个区间包括所述至少两个参考图像帧中的不同参考图像帧;
基于所述至少两个区间中的各个区间中包括的参考图像帧来校正所述至少两个区间中的至少一个区间内的至少一个图像帧中的至少一个损伤的边界。
15.一种存储计算机可读程序的非暂时性计算机可读存储介质,所述计算机可读程序包括被配置为在被计算装置执行时促使所述计算装置进行以下操作的指令:
在形成3维图像的多个2维图像帧中设置能够用于对至少一个损伤的边界进行校正的至少一个参考图像帧;
基于表示在所述至少一个参考图像帧中包括的损伤的特性的至少一个像素值,在所述至少一个参考图像帧中检测至少一个损伤的边界;
在除了所述至少一个参考图像帧之外的多个2维图像帧之中的至少一个图像帧中,基于所述至少一个像素值来检测至少一个损伤的边界;
接收用于对所述至少一个参考图像帧中的至少一个损伤的边界进行校正的输入;
显示所述至少一个参考图像帧中的至少一个损伤的校正后的边界;
基于所述至少一个参考图像帧中的至少一个损伤的校正后的边界来校正在所述除了所述至少一个参考图像帧之外的多个2维图像帧之中的所述至少一个图像帧中的至少一个损伤的边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910031384.6A CN109509198B (zh) | 2011-10-17 | 2012-06-19 | 校正损伤的设备和方法 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110106052A KR101916855B1 (ko) | 2011-10-17 | 2011-10-17 | 병변 수정 장치 및 방법 |
KR10-2011-0106052 | 2011-10-17 | ||
CN201210208649.3A CN103049900B (zh) | 2011-10-17 | 2012-06-19 | 校正损伤的设备和方法 |
CN201910031384.6A CN109509198B (zh) | 2011-10-17 | 2012-06-19 | 校正损伤的设备和方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210208649.3A Division CN103049900B (zh) | 2011-10-17 | 2012-06-19 | 校正损伤的设备和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109509198A true CN109509198A (zh) | 2019-03-22 |
CN109509198B CN109509198B (zh) | 2023-08-22 |
Family
ID=47602763
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910031384.6A Active CN109509198B (zh) | 2011-10-17 | 2012-06-19 | 校正损伤的设备和方法 |
CN201210208649.3A Active CN103049900B (zh) | 2011-10-17 | 2012-06-19 | 校正损伤的设备和方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210208649.3A Active CN103049900B (zh) | 2011-10-17 | 2012-06-19 | 校正损伤的设备和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9396549B2 (zh) |
EP (3) | EP2584528B1 (zh) |
JP (1) | JP2013089228A (zh) |
KR (1) | KR101916855B1 (zh) |
CN (2) | CN109509198B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10251621B2 (en) | 2010-07-19 | 2019-04-09 | Qview Medical, Inc. | Automated breast ultrasound equipment and methods using enhanced navigator aids |
US9826958B2 (en) | 2009-11-27 | 2017-11-28 | QView, INC | Automated detection of suspected abnormalities in ultrasound breast images |
US10603007B2 (en) | 2009-11-27 | 2020-03-31 | Qview Medical, Inc. | Automated breast ultrasound equipment and methods using enhanced navigator aids |
US9439621B2 (en) | 2009-11-27 | 2016-09-13 | Qview, Medical Inc | Reduced image reading time and improved patient flow in automated breast ultrasound using enchanced, whole breast navigator overview images |
KR101916855B1 (ko) * | 2011-10-17 | 2019-01-25 | 삼성전자주식회사 | 병변 수정 장치 및 방법 |
KR102204437B1 (ko) | 2013-10-24 | 2021-01-18 | 삼성전자주식회사 | 컴퓨터 보조 진단 방법 및 장치 |
JP6246287B1 (ja) * | 2016-08-31 | 2017-12-13 | Psp株式会社 | 医用画像処理装置及びプログラム |
USD830393S1 (en) * | 2017-02-02 | 2018-10-09 | Google Llc | Computer display screen or portion thereof with animated graphical user interface |
USD841019S1 (en) | 2017-02-02 | 2019-02-19 | Google Llc | Computer display screen or portion thereof with animated graphical user interface |
USD841020S1 (en) | 2017-02-02 | 2019-02-19 | Google Llc | Computer display screen or portion thereof with animated graphical user interface |
USD829232S1 (en) * | 2017-02-02 | 2018-09-25 | Google Llc | Computer display screen or portion thereof with animated graphical user interface |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020106118A1 (en) * | 2000-12-12 | 2002-08-08 | Osamu Ozaki | Detection of ribcage boundary from digital chest image |
US20040258285A1 (en) * | 2001-10-03 | 2004-12-23 | Hansen Johan Dore | Assessment of lesions in an image |
US20040264749A1 (en) * | 2001-05-18 | 2004-12-30 | Skladnev Victor Nickolaevick | Boundary finding in dermatological examination |
US20060274928A1 (en) * | 2005-06-02 | 2006-12-07 | Jeffrey Collins | System and method of computer-aided detection |
US20090279755A1 (en) * | 2008-05-06 | 2009-11-12 | Gindele Edward B | Statistics collection for lesion segmentation |
US20100157041A1 (en) * | 2007-03-08 | 2010-06-24 | Sync-Rx, Ltd. | Automatic stabilization of an image stream of a moving organ |
US20110188722A1 (en) * | 2008-07-29 | 2011-08-04 | Board Of Trustees Of Michigan State University | System and method for differentiating benign from malignant contrast-enhanced lesions |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754374B1 (en) * | 1998-12-16 | 2004-06-22 | Surgical Navigation Technologies, Inc. | Method and apparatus for processing images with regions representing target objects |
US6385332B1 (en) | 1999-02-19 | 2002-05-07 | The John P. Roberts Research Institute | Automated segmentation method for 3-dimensional ultrasound |
US7466848B2 (en) * | 2002-12-13 | 2008-12-16 | Rutgers, The State University Of New Jersey | Method and apparatus for automatically detecting breast lesions and tumors in images |
DE10344805A1 (de) | 2003-09-26 | 2005-04-28 | Siemens Ag | Verfahren zur automatischen Objektmarkierung in der medizinischen Bildgebung |
US20050129297A1 (en) | 2003-12-15 | 2005-06-16 | Kamath Vidya P. | Classification of breast lesion method and system |
US20050254720A1 (en) * | 2004-05-17 | 2005-11-17 | Kar-Han Tan | Enhanced surgical visualizations with multi-flash imaging |
DE102004038670B4 (de) | 2004-08-09 | 2014-06-26 | Siemens Aktiengesellschaft | Verfahren zur Segmentierung eines medizinischen Datensatzes |
JP2008521462A (ja) * | 2004-11-27 | 2008-06-26 | ブラッコ イメージング エス.ピー.エー. | 2次元/3次元の統合されたコンターエディター |
US20080292194A1 (en) * | 2005-04-27 | 2008-11-27 | Mark Schmidt | Method and System for Automatic Detection and Segmentation of Tumors and Associated Edema (Swelling) in Magnetic Resonance (Mri) Images |
ATE412950T1 (de) * | 2005-05-03 | 2008-11-15 | Koninkl Philips Electronics Nv | Quantifizierug auf basis virtueller läsionen |
US8014576B2 (en) | 2005-11-23 | 2011-09-06 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images |
KR100870412B1 (ko) | 2005-12-01 | 2008-11-26 | 주식회사 메디슨 | Svm 기반 질감분류를 이용하여 추출된 태아의 표면영상을 기초로 태아의 3차원 초음파 영상을 형성하는초음파 시스템 및 방법 |
US8929621B2 (en) * | 2005-12-20 | 2015-01-06 | Elekta, Ltd. | Methods and systems for segmentation and surface matching |
US7804989B2 (en) | 2006-10-30 | 2010-09-28 | Eigen, Inc. | Object recognition system for medical imaging |
US7773791B2 (en) * | 2006-12-07 | 2010-08-10 | Carestream Health, Inc. | Analyzing lesions in a medical digital image |
US7844087B2 (en) * | 2006-12-19 | 2010-11-30 | Carestream Health, Inc. | Method for segmentation of lesions |
US20080281182A1 (en) | 2007-05-07 | 2008-11-13 | General Electric Company | Method and apparatus for improving and/or validating 3D segmentations |
WO2009111580A2 (en) | 2008-03-04 | 2009-09-11 | Tomotherapy Incorporated | Method and system for improved image segmentation |
US8005264B2 (en) | 2008-06-09 | 2011-08-23 | Arcsoft, Inc. | Method of automatically detecting and tracking successive frames in a region of interesting by an electronic imaging device |
JP4635077B2 (ja) * | 2008-07-07 | 2011-02-16 | 東芝医用システムエンジニアリング株式会社 | コンピュータ支援診断装置 |
JP5690327B2 (ja) * | 2010-03-09 | 2015-03-25 | オリンパス株式会社 | 蛍光内視鏡装置 |
JP5558178B2 (ja) * | 2010-04-07 | 2014-07-23 | オリンパス株式会社 | 蛍光観察装置 |
JP5844093B2 (ja) * | 2010-09-15 | 2016-01-13 | 株式会社東芝 | 医用画像処理装置及び医用画像処理方法 |
US20120253170A1 (en) * | 2011-03-29 | 2012-10-04 | Samsung Electronics Co., Ltd. | Method and apparatus for generating medical image of body organ by using 3-d model |
JP5950619B2 (ja) * | 2011-04-06 | 2016-07-13 | キヤノン株式会社 | 情報処理装置 |
CN103841876B (zh) * | 2011-10-06 | 2016-03-09 | 奥林巴斯株式会社 | 荧光观察装置 |
KR101916855B1 (ko) * | 2011-10-17 | 2019-01-25 | 삼성전자주식회사 | 병변 수정 장치 및 방법 |
KR101899866B1 (ko) * | 2011-11-03 | 2018-09-19 | 삼성전자주식회사 | 병변 경계의 오류 검출 장치 및 방법, 병변 경계의 오류 수정 장치 및 방법 및, 병변 경계의 오류 검사 장치 |
JP6106259B2 (ja) * | 2012-03-21 | 2017-03-29 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 医用イメージングと生検データとを統合する臨床ワークステーション及びこれを使用する方法 |
CN103677513A (zh) * | 2012-09-21 | 2014-03-26 | 西门子公司 | 在显示数字医学数据组时信息字段的放置 |
-
2011
- 2011-10-17 KR KR1020110106052A patent/KR101916855B1/ko active IP Right Grant
-
2012
- 2012-04-03 US US13/438,367 patent/US9396549B2/en active Active
- 2012-06-19 JP JP2012137421A patent/JP2013089228A/ja active Pending
- 2012-06-19 CN CN201910031384.6A patent/CN109509198B/zh active Active
- 2012-06-19 CN CN201210208649.3A patent/CN103049900B/zh active Active
- 2012-10-17 EP EP12188824.2A patent/EP2584528B1/en active Active
- 2012-10-17 EP EP18179595.6A patent/EP3407298B1/en active Active
- 2012-10-17 EP EP16207373.8A patent/EP3171333B1/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020106118A1 (en) * | 2000-12-12 | 2002-08-08 | Osamu Ozaki | Detection of ribcage boundary from digital chest image |
US20040264749A1 (en) * | 2001-05-18 | 2004-12-30 | Skladnev Victor Nickolaevick | Boundary finding in dermatological examination |
US20040258285A1 (en) * | 2001-10-03 | 2004-12-23 | Hansen Johan Dore | Assessment of lesions in an image |
CN1589449A (zh) * | 2001-10-03 | 2005-03-02 | 雷蒂纳尔兹丹麦公司 | 评估图像中的损伤 |
US20060274928A1 (en) * | 2005-06-02 | 2006-12-07 | Jeffrey Collins | System and method of computer-aided detection |
CN101203170A (zh) * | 2005-06-02 | 2008-06-18 | 美的派特恩公司 | 计算机辅助检测系统和方法 |
US20100157041A1 (en) * | 2007-03-08 | 2010-06-24 | Sync-Rx, Ltd. | Automatic stabilization of an image stream of a moving organ |
US20090279755A1 (en) * | 2008-05-06 | 2009-11-12 | Gindele Edward B | Statistics collection for lesion segmentation |
US20110188722A1 (en) * | 2008-07-29 | 2011-08-04 | Board Of Trustees Of Michigan State University | System and method for differentiating benign from malignant contrast-enhanced lesions |
Non-Patent Citations (2)
Title |
---|
FENG, S 等: "Search for the best matching ultrasound frame based on spatial and temporal saliencies", 《SPIE MEDICAL IMAGING. INTERNATIONAL SOCIETY FOR OPTICS AND PHOTONICS》 * |
FENG, S 等: "Search for the best matching ultrasound frame based on spatial and temporal saliencies", 《SPIE MEDICAL IMAGING. INTERNATIONAL SOCIETY FOR OPTICS AND PHOTONICS》, 4 March 2011 (2011-03-04), pages 1 - 38 * |
Also Published As
Publication number | Publication date |
---|---|
KR101916855B1 (ko) | 2019-01-25 |
EP2584528B1 (en) | 2018-04-04 |
EP2584528A3 (en) | 2013-12-04 |
CN103049900B (zh) | 2019-02-12 |
EP3407298A1 (en) | 2018-11-28 |
US20130094766A1 (en) | 2013-04-18 |
JP2013089228A (ja) | 2013-05-13 |
KR20130041654A (ko) | 2013-04-25 |
CN109509198B (zh) | 2023-08-22 |
EP2584528A2 (en) | 2013-04-24 |
EP3407298B1 (en) | 2021-12-01 |
EP3171333A1 (en) | 2017-05-24 |
EP3171333B1 (en) | 2018-08-15 |
CN103049900A (zh) | 2013-04-17 |
US9396549B2 (en) | 2016-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103049900B (zh) | 校正损伤的设备和方法 | |
US20210073982A1 (en) | Medical image processing method and apparatus, electronic device, and storage medium | |
Sekuboyina et al. | Attention-driven deep learning for pathological spine segmentation | |
CN110136224A (zh) | 图像融合方法和设备 | |
JP2022539162A (ja) | 画像識別方法およびその関連装置、機器 | |
US11348229B2 (en) | Determining regions of hyperdense lung tissue in an image of a lung | |
Ghassabi et al. | Colour retinal fundus image registration by selecting stable extremum points in the scale‐invariant feature transform detector | |
WO2015075718A1 (en) | Method and system for tracking a region in a video image | |
US11922624B2 (en) | Brain lesion information provision device and method | |
EP4191536A1 (en) | Method and apparatus for generating texture image | |
CN113378611A (zh) | 活性检测方法和设备 | |
JP5558793B2 (ja) | 画像処理方法、画像処理装置及びプログラム | |
US20150363054A1 (en) | Medical image display apparatus, method for controlling the same | |
JP5122650B2 (ja) | 経路近傍レンダリング | |
US20180025511A1 (en) | Apparatus and method for ct data reconstruction based on motion compensation | |
CN115294493A (zh) | 视角路径获取方法、装置、电子设备及介质 | |
JP2023546581A (ja) | 画像データにおける脊椎の検出 | |
US8873818B1 (en) | System and method for image analysis with characteristic curves | |
KR101627974B1 (ko) | 영상 블러에 강인한 영상 특징 기술자 생성 방법 및 장치 | |
KR102655362B1 (ko) | 의료 이미지 스티칭 방법 및 장치 | |
Bopp et al. | Automatic finger joint detection for volumetric hand imaging | |
Zhang et al. | DSA image registration based on 3D space-time detection | |
JPH08167020A (ja) | マスク生成方法及びマスク生成装置並びに画像処理装置 | |
JP2012045263A (ja) | 医用画像処理装置及び医用画像処理プログラム |
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 | ||
TG01 | Patent term adjustment |