CN109523507A - 一种病变图像生成的方法、装置及计算机可读存储介质 - Google Patents
一种病变图像生成的方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109523507A CN109523507A CN201811126098.XA CN201811126098A CN109523507A CN 109523507 A CN109523507 A CN 109523507A CN 201811126098 A CN201811126098 A CN 201811126098A CN 109523507 A CN109523507 A CN 109523507A
- Authority
- CN
- China
- Prior art keywords
- image
- lesion
- medical image
- pathological tissues
- subset
- 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
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
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了一种病变图像生成的方法、装置及计算机可读存储介质,涉及计算机领域,特别是医学图像处理领域,所述方法包括:获取病变医学图像;将所述医学图像分割,得到分割图像;将病变医学图像中的病变组织提取出来;对提取了病变组织后的相应器官病变医学图像进行修复;将从同一器官中提取出来的病变组织图像归集在一起组成病变组织图像集;将经修复的同一器官非病变医学图像归集在一起非病变医学图像集;病变组织图像集与非病变医学图像集进行错位融合,生成该器官新的病变医学图像。本发明还提供了一种病变图像生成装置及计算机可读存储介质。本发明利用原始病变医学图像快速生成大量病变医学图像,极大提高了获取病变医学图像效率。
Description
【技术领域】
本发明涉及计算机领域,特别涉及一种病变图像生成的方法、装置及计算机可读存储介质。
【技术背景】
数字医学图像技术是现代医学最重要的诊断手段之一,随着数字医学图像诊断技术的不断发展及普及,医生对医学图像诊断的要求也越来越高,除了看二维平面图,还要求看三维模型图,更进一步的还要进行定量分析、模拟以及与AR/VR结合使用等。医学影像三维重建是将二维影像图片转换为三维模型的重要技术,如需进行定量分析,则需要将不同器官/组织进行分割后再单独重建,才可以对器官或组织进行定量分析或模拟。
由于符合DICOM3.0标准的医学图像是基于灰度值的二维图像,各元素/组织间是通过不同的灰阶来区分,加上噪音的影响,使得有些器官/组织间的边界并不清晰,所以对医学图像进行分割,不管对医护人员还是对科技工作者,都是件麻烦而复杂的事,完成一个完整器官/组织的分割,需要花费大量的时间及精力,而对于非医学背景的工作者,更是难于完成分割的工作。
随着大数据及深度学习/机器学习技术的应用,越来越多的工作借助人工智能技术来完成,而要完成深度学习/机器学习的训练,需要提供大量被标识的数据,对于图像分割技术亦如此,需要大量的分割图像数据来训练图像分割技术。但我们知道,由于医学信息的保密性,我们难于获取大量可供使用的医学图像,加之图像分割费时费力,使得完成图像分割技术训练的工作量巨大,进而影响了该技术的发展。
【发明内容】
有鉴于此,本发明提供一种病变图像生成的方法、装置及计算机可读存储介质所要解决的问题是:利用较少数量的原始医学图像,高效的生成大量分割图像数据,极大的提高分割图像获取效率。
根据本公开的一些实施例,提供的一种病变图像生成的方法,包括:获取病变医学图像;将所述医学图像按不同器官和/或组织进行分割,得到不同器官/组织及病变组织的分割图像;将不同器官的病变医学图像中的病变组织提取出来,组成病变组织图像;对提取了病变组织后的相应器官病变医学图像进行修复,使之成为非病变医学图像;将从同一器官中提取出来的病变组织图像归集在一起,组成该器官的病变组织图像子集;将经修复的同一器官非病变医学图像归集在一起,组成该器官的非病变医学图像子集;将同一器官的病变组织图像子集归集在一起组成病变组织图像集,将该器官的非病变医学图像子集归集在一起组成非病变医学图像集;同一器官的病变组织图像集与非病变医学图像集进行错位融合,生成该器官新的病变医学图像。
根据本公开的一些实施例,获取的所述病变医学图像包括含有病变组织的电子计算机断层扫描CT图像,或磁共振MRI图像,或B超图像中的一种及其组合。
根据本公开的一些实施例,按不同器官/组织,将每一层图像中所包含的器官/组织分别标识并分割出来,得到同器官/组织及病变组织的分割图像。
根据本公开的一些实施例,所述修复方法为采用病变组织区域临近图像填补被提取了病变组织区域,使得原病变医学图像变为不含病变组织的非病变医学图像。
根据本公开的一些实施例,所述病变组织图像集中的各病变图像子集为相互独立整体,所述非病变医学图像集中的各非病变医学图像子集为相互独立整体。
根据本公开的一些实施例,所述同一器官的病变组织图像集中的任一病变组织图像子集错位融合到所述非病变医学图像集中的任一非病变医学图像子集,生成该器官新的病变医学图像。
根据本公开的一些实施例,所述错位融合的方法,包括:将任一病变组织图像子集放入到任一非病变医学图像子集中,病变组织图像子集的顶部不可超出非病变医学图像子集的顶部,病变组织图像子集的底部不可超出非病变医学图像子集的底部,病变组织图像子集的任一边界可超出但不可脱离非病变医学图像子集的边界,在此范围内,在任意位置作一次融合,即生成一组新的病变医学图像。
根据本公开的另一些实施例,包括:图像获取模块,用于获取病变医学图像;图像分割模块,用于对所述医学图像进行分割,以获得分割图像;病变组织提取模块,用于将病变组织从病变医学图像中提取出来;修复模块,用于对提取了病变组织后的相应器官病变医学图像进行修复;归集模块,用于将病变组织图像及非病变医学图像归集在一起,组成病变组织图像集与非病变医学图像集;图像生成模块,用于将病变组织图像集与非病变医学图像集进行错位融合,生成新的病变医学图像。
根据本公开的另一些实施例,所述图像获取模块获取病变医学图像后,将所述病变医学图像传输至所述图像分割模块,进行图像分割,以获得分割图像,完成分割的图像传输至所述病变组织提取模块,将病变组织从病变医学图像中提取出来,得到病变组织图像,然后传输到所述修复模块,对提取了病变组织后的相应器官病变医学图像进行修复,得到非病变医学图像,将病变组织图像及非病变医学图像传输至归集模块,将病变组织图像及非病变医学图像归集在一起,组成病变组织图像集与非病变医学图像集,再传输至图像生成模块,将病变组织图像集与非病变医学图像集进行错位融合,生成新的病变医学图像。
根据本公开的另一些实施例,提供的一种病变图像生成的装置,其特征在于,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器设备中的指令,执行如前述任一项任一个实施例的图像分割的方法。
根据本公开的又一些实施例,提供的一种病变图像生成的计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如前述任一项任一个实施例的图像分割的方法的步骤。
本公开发明的有益效果在于:利用较少数量的原始医学图像,高效的生成大量病变医学图像数据,极大的提高病变医学图像的获取效率,同时降低了对原始图像数据量的要求,降低对特定患者的需求。
【附图说明】
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本公开的一些实施例,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示出本公开的一些实施例的病变图像生成的方法的流程示意图。
图2示出本公开的一些实施例的病变图像生成的装置的结构示意图。
图3示出本公开的另一些实施例的病变图像生成的装置的结构示意图。
图4示出本公开的又一些实施例的病变图像生成的装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,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,都属于本公开保护的范围。
本公开提供的一种图像分割的方法,将结合图1进行描述。
如图1所示的一些实施例的病变图像生成的方法的流程示意图。包括步骤S101~S106:
S101,获取图像:
在一些实施例中,获取的所述图像为包含病变组织的电子计算机断层扫描CT图像;
在一些实施例中,获取的所述图像为包含病变组织的磁共振MRI图像;
在一些实施例中,获取的所述图像为包含病变组织的B超图像;
在一些实施例中,获取的所述图像为包含病变组织的电子计算机断层扫描CT图像及包含病变组织的磁共振MRI图像。
S102,分割图像:
在一些实施例中,将所述医学图像按不同器官和/或组织进行分割,得到不同器官/组织及病变组织的分割图像。
S103,提取病变组织:
在一些实施例中,将不同器官的病变医学图像中的病变组织提取出来,组成病变组织图像。
S104,修复图像:
在一些实施例中,对提取了病变组织后的相应器官病变医学图像进行修复,使之成为非病变医学图像。
S105,归集图像:
在一些实施例中,将从同一器官中提取出来的病变组织图像归集在一起,组成该器官的病变组织图像子集;将经修复的同一器官非病变医学图像归集在一起,组成该器官的非病变医学图像子集;将同一器官的病变组织图像子集归集在一起组成病变组织图像集,将该器官的非病变医学图像子集归集在一起组成非病变医学图像集。
S106,生成图像:
在一些实施例中,同一器官的病变组织图像集与非病变医学图像集进行错位融合,生成该器官新的病变医学图像。
在一些实施例中,所述错位融合的方法为:在病变组织图像子集的顶部不可超出非病变医学图像子集的顶部,病变组织图像子集的底部不可超出非病变医学图像子集的底部,病变组织图像子集的任一边界可超出但不可脱离非病变医学图像子集的边界的范围中,将任一病变组织图像子集放入到任一非病变医学图像子集各图像边界之内,然后前后和/或左右和/或上下平稳任意位置一次并作图像融合,即生成一组新的病变医学图像。
在一些实施例中,所述错位融合的方法为:限定在病变组织图像子集的顶部不可超出非病变医学图像子集的顶部,病变组织图像子集的底部不可超出非病变医学图像子集的底部,病变组织图像子集的任一边界可超出但不可脱离非病变医学图像子集的边界的范围中,将任一病变组织图像子集放入到任一非病变医学图像子集各图像边界上,然后前后和/或左右和/或上下平稳任意位置一次并作图像融合,再生成新边界,即生成一组新的病变医学图像。
本公开还提供的一种病变图像生成的装置,结合图2进行描述。
图2为本公开病变图像生成的装置的一些实施例的结构图,如图2所示,该实施例的病变图像生成的装置20包括:
图像获取模块201,用于获取病变医学图像;图像分割模块202,用于对所述医学图像进行分割,以获得分割图像;病变组织提取模块203,用于将病变组织从病变医学图像中提取出来;修复模块204,用于对提取了病变组织后的相应器官病变医学图像进行修复;归集模块205,用于将病变组织图像及非病变医学图像归集在一起,组成病变组织图像集与非病变医学图像集;图像生成模块206,用于将病变组织图像集与非病变医学图像集进行错位融合,生成新的病变医学图像。
所述图像获取模块201获取病变医学图像后,将所述病变医学图像传输至所述图像分割模块202,进行图像分割,以获得分割图像,完成分割的图像传输至所述病变组织提取模块203,将病变组织从病变医学图像中提取出来,得到病变组织图像,然后传输到所述修复模块204,对提取了病变组织后的相应器官病变医学图像进行修复,得到非病变医学图像,将病变组织图像及非病变医学图像传输至归集模块205,将病变组织图像及非病变医学图像归集在一起,组成病变组织图像集与非病变医学图像集,再传输至图像生成模块206,将病变组织图像集与非病变医学图像集进行错位融合,生成新的病变医学图像。
根据本公开的另一些实施例,提供的一种病变图像生成的装置,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器设备中的指令,执行如前述任一项任一个实施例的病变图像生成的方法。
本公开的实施例中的病变图像生成的装置可各由各种计算设备或计算机系统来实现,下面结合图3以及图4进行描述。
图3为本公开病变图像生成的装置的一些实施例的结构图。如图3所示,该实施例的装置30包括:存储器301以及耦接至该存储器301的处理器302,处理器302被配置为基于存储在存储器301中的指令,执行本公开中任意一些实施例中的病变图像生成的方法。
其中,存储器302例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图4为本公开病变图像生成的装置的另一些实施例的结构图。如图4所示,该实施例的装置40包括:总线401,存储器404以及处理器402,分别与存储器301以及处理器302类似。还可以包括输入输出接口403、存储接口405、网络接口406等。这些接口403,405,406以及存储器404和处理器402之间例如可以通过总线401连接。其中,输入输出接口403为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。存储接口405为SD卡、U盘等外置存储设备提供连接接口。网络接口406为各种联网设备提供连接接口,例如可以连接到数据库服务器或者云端存储服务器等。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述任一个实施例的病变图像生成的方法的步骤。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种病变图像生成的方法,其特征在于,包括:
获取病变医学图像;
将所述医学图像按不同器官和/或组织进行分割,得到不同器官/组织及病变组织的分割图像;
将不同器官的病变医学图像中的病变组织提取出来,组成病变组织图像;
对提取了病变组织后的相应器官病变医学图像进行修复,使之成为非病变医学图像;
将从同一器官中提取出来的病变组织图像归集在一起,组成该器官的病变组织图像子集;
将经修复的同一器官非病变医学图像归集在一起,组成该器官的非病变医学图像子集;
将同一器官的病变组织图像子集归集在一起组成病变组织图像集,将该器官的非病变医学图像子集归集在一起组成非病变医学图像集;
同一器官的病变组织图像集与非病变医学图像集进行错位融合,生成该器官新的病变医学图像。
2.如权利要求1所述的方法,其特征在于,获取的所述病变医学图像包括含有病变组织的电子计算机断层扫描CT图像,或磁共振MRI图像,或B超图像中的一种或其组合。
3.如权利要求1所述的方法,其特征在于,按不同器官/组织,将每一层图像中所包含的器官/组织分别标识并分割出来,得到不同器官/组织及病变组织的分割图像。
4.如权利要求1所述的方法,其特征在于,所述修复方法为采用病变组织区域临近图像填补被提取了病变组织区域,使得原病变医学图像变为不含病变组织的非病变医学图像。
5.如权利要求1所述的方法,其特征在于,所述病变组织图像集中的各病变图像子集为相互独立整体,所述非病变医学图像集中的各非病变医学图像子集为相互独立整体。
6.如权利要求1所述的方法,其特征在于,所述同一器官的病变组织图像集中的任一病变组织图像子集错位融合到所述非病变医学图像集中的任一非病变医学图像子集,生成该器官新的病变医学图像。
7.如权利要求6所述的方法,其特征在于,所述错位融合的方法,包括:将任一病变组织图像子集放入到任一非病变医学图像子集中,病变组织图像子集的顶部不可超出非病变医学图像子集的顶部,病变组织图像子集的底部不可超出非病变医学图像子集的底部,病变组织图像子集的任一边界可超出但不可脱离非病变医学图像子集的边界,在此范围内,在任意位置作一次融合,即生成一组新的病变医学图像。
8.一种病变图像生成的装置,其特征在于,包括:
图像获取模块,用于获取病变医学图像;
图像分割模块,用于对所述医学图像进行分割,以获分割图像;
病变组织提取模块,用于将病变组织从病变医学图像中提取出来;
修复模块,用于对提取了病变组织后的相应器官病变医学图像进行修复;
归集模块,用于将病变组织图像及非病变医学图像归集在一起,组成图像集;
图像生成模块,用于将病变组织图像集与非病变医学图像集进行错位融合,生成新的病变医学图像。
9.一种病变图像生成的装置,其特征在于,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器设备中的指令,执行如前述任一项任一个实施例的病变图像生成的方法。
10.一种病变图像生成计算机可读存储介质 ,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811126098.XA CN109523507B (zh) | 2018-09-26 | 2018-09-26 | 一种病变图像生成的方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811126098.XA CN109523507B (zh) | 2018-09-26 | 2018-09-26 | 一种病变图像生成的方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109523507A true CN109523507A (zh) | 2019-03-26 |
CN109523507B CN109523507B (zh) | 2023-09-19 |
Family
ID=65771564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811126098.XA Active CN109523507B (zh) | 2018-09-26 | 2018-09-26 | 一种病变图像生成的方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109523507B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197712A (zh) * | 2019-06-05 | 2019-09-03 | 桂林电子科技大学 | 一种医学图像储存系统及储存方法 |
CN111260670A (zh) * | 2020-02-18 | 2020-06-09 | 广州柏视医疗科技有限公司 | 基于深度学习网络的三维影像的管状结构分割图断裂修复方法及系统 |
CN113873945A (zh) * | 2019-06-19 | 2021-12-31 | 株式会社岛津制作所 | 骨部图像解析方法和学习方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020136439A1 (en) * | 2001-03-09 | 2002-09-26 | Ruchala Kenneth J. | System and method for fusion-aligned reprojection of incomplete data |
US20100220914A1 (en) * | 2009-03-02 | 2010-09-02 | Canon Kabushiki Kaisha | Image processing apparatus and method for controlling the same |
US20120033862A1 (en) * | 2010-08-06 | 2012-02-09 | Sony Corporation | Systems and methods for segmenting digital images |
US20120288186A1 (en) * | 2011-05-12 | 2012-11-15 | Microsoft Corporation | Synthesizing training samples for object recognition |
US20150187144A1 (en) * | 2013-12-26 | 2015-07-02 | Flir Systems Ab | Augmented image generation |
US20150193929A1 (en) * | 2012-07-17 | 2015-07-09 | Hoya Corporation | Image processing device and endoscope device |
CN107491633A (zh) * | 2017-06-30 | 2017-12-19 | 上海联影医疗科技有限公司 | 一种图像处理的方法及装置 |
US20180114087A1 (en) * | 2015-05-11 | 2018-04-26 | Siemens Aktiengesellschaft | A system and method for surgical guidance and intra-operative pathology through endo-microscopic tissue differentiation |
CN108109152A (zh) * | 2018-01-03 | 2018-06-01 | 深圳北航新兴产业技术研究院 | 医学图像分类和分割方法和装置 |
CN108492343A (zh) * | 2018-03-28 | 2018-09-04 | 东北大学 | 一种扩充目标识别的训练数据的图像合成方法 |
CN108550176A (zh) * | 2018-04-19 | 2018-09-18 | 咪咕动漫有限公司 | 图像处理方法、设备及存储介质 |
-
2018
- 2018-09-26 CN CN201811126098.XA patent/CN109523507B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020136439A1 (en) * | 2001-03-09 | 2002-09-26 | Ruchala Kenneth J. | System and method for fusion-aligned reprojection of incomplete data |
US20100220914A1 (en) * | 2009-03-02 | 2010-09-02 | Canon Kabushiki Kaisha | Image processing apparatus and method for controlling the same |
US20120033862A1 (en) * | 2010-08-06 | 2012-02-09 | Sony Corporation | Systems and methods for segmenting digital images |
US20120288186A1 (en) * | 2011-05-12 | 2012-11-15 | Microsoft Corporation | Synthesizing training samples for object recognition |
US20150193929A1 (en) * | 2012-07-17 | 2015-07-09 | Hoya Corporation | Image processing device and endoscope device |
US20150187144A1 (en) * | 2013-12-26 | 2015-07-02 | Flir Systems Ab | Augmented image generation |
US20180114087A1 (en) * | 2015-05-11 | 2018-04-26 | Siemens Aktiengesellschaft | A system and method for surgical guidance and intra-operative pathology through endo-microscopic tissue differentiation |
CN107491633A (zh) * | 2017-06-30 | 2017-12-19 | 上海联影医疗科技有限公司 | 一种图像处理的方法及装置 |
CN108109152A (zh) * | 2018-01-03 | 2018-06-01 | 深圳北航新兴产业技术研究院 | 医学图像分类和分割方法和装置 |
CN108492343A (zh) * | 2018-03-28 | 2018-09-04 | 东北大学 | 一种扩充目标识别的训练数据的图像合成方法 |
CN108550176A (zh) * | 2018-04-19 | 2018-09-18 | 咪咕动漫有限公司 | 图像处理方法、设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197712A (zh) * | 2019-06-05 | 2019-09-03 | 桂林电子科技大学 | 一种医学图像储存系统及储存方法 |
CN110197712B (zh) * | 2019-06-05 | 2023-09-15 | 桂林电子科技大学 | 一种医学图像储存系统及储存方法 |
CN113873945A (zh) * | 2019-06-19 | 2021-12-31 | 株式会社岛津制作所 | 骨部图像解析方法和学习方法 |
CN111260670A (zh) * | 2020-02-18 | 2020-06-09 | 广州柏视医疗科技有限公司 | 基于深度学习网络的三维影像的管状结构分割图断裂修复方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109523507B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355023A (zh) | 基于医学影像的开放式定量分析方法与系统 | |
CN109523507A (zh) | 一种病变图像生成的方法、装置及计算机可读存储介质 | |
JP2023139022A (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
CN105872046A (zh) | 一种ct设备的云端虚拟机控制系统及方法 | |
CN109447120A (zh) | 一种图像自动分割的方法、装置及计算机可读存储介质 | |
CN107126257B (zh) | 一种心脏模型对结构性心脏病手术进行模拟与评估的方法 | |
CN105512467A (zh) | 数字可视化移动终端医疗的方法 | |
CN110517238A (zh) | Ct医学影像ai三维重建与人机交互可视化网络系统 | |
US10019794B2 (en) | Method and apparatus for breast lesion diagnosis | |
CN110443839A (zh) | 一种骨骼模型空间配准方法及装置 | |
KR20200131020A (ko) | 의료기계 학습 시스템 | |
CN101887487A (zh) | 针对心脏病的模型产生器 | |
CN111178420A (zh) | 一种二维造影图像上冠脉段标注方法及系统 | |
US20160300017A1 (en) | Method and apparatus for providing surgery-related anatomical information | |
KR20210100248A (ko) | 진단 및 진료계획 수립 방법 및 이를 위한 3차원 치과영상 제공장치 | |
JPWO2020085336A1 (ja) | 重み画像生成装置、方法およびプログラム、判別器学習装置、方法およびプログラム、領域抽出装置、方法およびプログラム並びに判別器 | |
CN109345545A (zh) | 一种分割图像生成的方法、装置及计算机可读存储介质 | |
TWI632479B (zh) | 醫學影像建模系統以及醫學影像建模方法 | |
CN105225257A (zh) | 用于来自医学扫描的人类骨架的可视化方法 | |
Simmons-Ehrhardt et al. | Open-source tools for dense facial tissue depth mapping of computed tomography models | |
CN109377477B (zh) | 一种图像分类的方法、装置及计算机可读存储介质 | |
CN116747017A (zh) | 脑出血手术规划系统及方法 | |
WO2022206024A1 (zh) | 一种内部组织模型的构建方法及终端设备 | |
CN111127636B (zh) | 一种智能的复杂关节内骨折桌面级三维诊断系统 | |
CN109410217B (zh) | 一种图像分割的方法、装置及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200115 Address after: 215028 unit 301, floor 3, No.288, Dongping street, Suzhou Industrial Park, Suzhou area, China (Jiangsu) pilot Free Trade Zone, Suzhou City, Jiangsu Province Applicant after: Suzhou Liulian Technology Co.,Ltd. Address before: 528100 No. eleven, 422 C, 21 complex building F2, B area, Sanshui center, Foshan, Guangdong. Applicant before: FOSHAN HUANYUN TECHNOLOGY CO.,LTD. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |