CN110060227A - 多模态影像融合显示方法和装置 - Google Patents
多模态影像融合显示方法和装置 Download PDFInfo
- Publication number
- CN110060227A CN110060227A CN201910288081.2A CN201910288081A CN110060227A CN 110060227 A CN110060227 A CN 110060227A CN 201910288081 A CN201910288081 A CN 201910288081A CN 110060227 A CN110060227 A CN 110060227A
- Authority
- CN
- China
- Prior art keywords
- image
- institutional framework
- coordinate system
- medical image
- threedimensional model
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000000007 visual effect Effects 0.000 title claims abstract description 22
- 210000001519 tissue Anatomy 0.000 claims abstract description 56
- 210000003462 vein Anatomy 0.000 claims description 27
- 210000000988 bone and bone Anatomy 0.000 claims description 17
- 206010028980 Neoplasm Diseases 0.000 claims description 16
- 239000003086 colorant Substances 0.000 claims description 10
- 210000004126 nerve fiber Anatomy 0.000 claims description 10
- 238000009877 rendering Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000002792 vascular Effects 0.000 claims description 8
- 238000002601 radiography Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 2
- 210000001154 skull base Anatomy 0.000 abstract description 6
- 210000005036 nerve Anatomy 0.000 description 24
- 210000001367 artery Anatomy 0.000 description 16
- 210000004204 blood vessel Anatomy 0.000 description 13
- 238000007917 intracranial administration Methods 0.000 description 13
- 238000002583 angiography Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000010968 computed tomography angiography Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 239000002872 contrast media Substances 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000005311 nuclear magnetism Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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 using two or more images, e.g. averaging or 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
- 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
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例提供一种多模态影像融合显示方法和装置。所述方法包括:获取包含颅内各组织结构的医学影像;将所述医学影像进行分割,得到不同组织结构的图像;根据所述不同组织结构的图像重建各组织结构的三维模型;将重建后的各组织结构的三维模型转换到同一坐标系中;对在同一坐标系中的各组织结构进行融合显示。本发明实施例通过将不同组织结构的三维模型叠加显示在同一张图像上,能够提供全面直观的颅底组织结构信息,精确获取不同结构的位置关系。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种多模态影像融合显示方法和装置。
背景技术
由于颅内遍布着血管、神经等重要结构,颅底手术需要对其进行精准定位,避免手术器械触碰到重要组织结构。DSA(Digital Subtraction Angiography,数字减影血管造影)、CTA(Computed Topographic angiography,CT血管造影)、CTV(Computed TopographicVenography,CT静脉造影)等血管造影图像可以提供清楚的动脉、静脉、神经等组织结构信息。
但是不同造影图像中突出显示的结构不同,例如DSA是通过计算机把血管造影片上的骨骼与软组织的影像消除,仅在影像片上突出血管,CTA在数字成像过程中突出显示动脉,而CTV则突出显示静脉。不同造影图像均不能提供全面直观的颅底组织结构信息,虽然通过分别观察不同造影图像能够得到想要的结构信息,但是由于不同图像的坐标系不同,凭借医生的经验观察还是会有位置的偏差,而且需要切换视图观察,这将导致操作上的不便,不利于获取不同结构的前后位置关系及更多颅内结构信息。
发明内容
针对现有技术问题,本发明实施例提供一种多模态影像融合显示方法和装置。
本发明实施例提供一种多模态影像融合显示方法,包括:
获取包含颅内各组织结构的医学影像;
将所述医学影像进行分割,得到不同组织结构的图像;
根据所述不同组织结构的图像重建各组织结构的三维模型;
将重建后的各组织结构的三维模型转换到同一坐标系中;
对在同一坐标系中的各组织结构进行融合显示。
本发明实施例提供一种多模态影像融合显示装置,包括:
获取单元,用于获取包含颅内各组织结构的医学影像;
分割单元,用于将所述医学影像进行分割,得到不同组织结构的图像;
重建单元,用于根据所述不同组织结构的图像重建各组织结构的三维模型;
转换单元,用于将重建后的各组织结构的三维模型转换到同一坐标系中;
显示单元,用于对在同一坐标系中的各组织结构进行融合显示。
本发明实施例还提供一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述多模态影像融合显示方法。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述多模态影像融合显示方法。
本发明实施例提供的多模态影像融合显示方法和装置,通过将不同组织结构的三维模型叠加显示在同一张图像上,能够提供全面直观的颅底组织结构信息,精确获取不同结构的位置关系。
附图说明
为了更清楚地说明本发明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一简单地介绍,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为本发明一实施例提供的多模态影像融合显示方法的流程示意图;
图2为本发明一实施例提供的不同组织结构图像的融合叠加示意图;
图3为本发明一实施例提供的多模态影像融合显示装置的结构示意图;
图4为本发明一实施例提供的电子设备的结构示意图。
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,下面将结合本发明实施例中的附图,对本发明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作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。
图1示出了本发明实施例提供的一种多模态影像融合显示方法的流程示意图。
如图1所示,本发明实施例提供的多模态影像融合显示方法具体包括以下步骤:
S11、获取包含颅内各组织结构的医学影像;
其中,所述医学影像包括突出显示不同组织结构的造影图像,所述造影图像包括突出显示动脉血管的造影图像和突出显示静脉血管的造影图像。
具体地,医学影像包括电子计算机断层扫描(Computed Tomography,CT)、核磁共振成像(Magnetic Resonance,MR)、数字减影血管造影DSA、动脉造影CTA、静脉造影CTV等。
其中,动脉造影CTA和静脉造影CTV是采用血管造影技术对颅内血管进行增强显示,再将血管造影剂注射到患者体内,在数字成像过程中血管结构受到造影剂的影响高亮显示。
S12、将所述医学影像进行分割,得到不同组织结构的图像;
具体地,使用CT/MR图像的血管分割技术,划分出高亮显示的颅内血管,得到动脉血管图像、静脉血管图像。
识别出CT/MR图像中颅内的神经等重要组织,划分出神经组织图像。
S13、根据所述不同组织结构的图像重建各组织结构的三维模型;
具体地,根据识别划分出的各组织结构的图像分别建立组织结构的三维模型,使用造影图像建立的血管模型具有较高的精度,可用于实现多模态图像融合的精准定位,提升手术导航系统的可靠性。
S14、将重建后的各组织结构的三维模型转换到同一坐标系中;
具体地,不同造影图像的三维模型建立后,由于不同造影图像的坐标系不同,直接对这些三维模型叠加会引起位置的偏差,因此需要将这些图像重建的动脉、静脉及神经结构三维模型转换在同一坐标系下。
本发明使用多模态图像配准技术,对不同模态图像进行位置校准,准确获取图像中不同组织结构的相对位置关系。
S15、对在同一坐标系中的各组织结构进行融合显示。
具体地,将不同造影图像3D重建的血管、神经等组织结构显示在同一图像中,进行渲染叠加显示,可以得到它们在人体内的位置分布信息。
在三维视图中,颅内结构的骨骼、肿瘤等组织也被三维重建,用不同颜色渲染不同的组织结构,并且在渲染过程中对虚拟图像设置一定的透明度,在不影响观察不同组织结构的前后位置关系的情况下能够获取更多的信息。由于造影图像重建的三维结构具有高精度的特点,观察到的虚拟血管、神经等结构也恰好对应它们存在的实际位置,并且能够通过三维结构显示的颜色直观地辨认其属性,确定这些重要组织结构与病灶的位置关系。
本发明实施例提供的多模态影像融合显示方法,通过将不同组织结构的三维模型叠加显示在同一张图像上,能够提供全面直观的颅底组织结构信息,精确获取不同结构的位置关系。
在上述实施例的基础上,S12具体包括:
从所述造影图像中分割出突出显示的动脉组织的图像和静脉组织的图像;
识别所述医学影像中的神经组织、骨骼和肿瘤,并划分出神经组织图像、骨骼图像以及肿瘤图像。
具体地,使用CT/MR图像的血管分割技术,划分出高亮显示的颅内血管,得到动脉血管图像、静脉血管图像。
CT/MR图像中的颅内神经、骨骼、肿瘤等重要组织也被识别,从而能够分割出神经组织图像、骨骼图像、肿瘤图像等。
在上述实施例的基础上,S15具体包括:
对所述在同一坐标系中的各组织结构的三维模型进行不同颜色的渲染,并叠加显示在同一张图像上。
图2示出了本发明实施例提供的不同组织结构图像的融合叠加示意图。
具体地,通过在三维重建的视图上渲染叠加动脉、静脉、神经的3D模型,可以得到这些结构在患者体内的位置信息。
本发明实施例对动脉、静脉、神经等组织使用不同颜色进行渲染叠加,例如动脉在图像上使用红色显示,静脉使用蓝色显示,神经使用黄色显示,并且在渲染过程中对虚拟图像设置一定的透明度,在不影响观察不同结构的前后位置关系的情况下能够获取更多的信息。在三维视图中,颅内结构的骨骼、肿瘤等组织也被三维重建,通过将不同颜色渲染的动脉、静脉、神经等结构叠加到图像中,可以得到它们在人体内的位置分布信息。由于造影图像重建的三维结构具有高精度的特点,观察到的虚拟血管、神经等结构也恰好对应它们存在的实际位置,并且能够通过三维结构显示的颜色直观地辨认其属性,确定这些重要组织结构与病灶的位置关系,更为方便地获取颅内组织结构信息。
图3示出了本发明实施例提供的一种多模态影像融合显示装置的结构示意图。
如图3所示,本发明实施例提供的多模态影像融合显示装置包括:获取单元11、分割单元12、重建单元13、转换单元14及显示单元15,其中:
所述获取单元11,用于获取包含颅内各组织结构的医学影像;
其中,所述医学影像包括突出显示不同组织结构的造影图像,所述造影图像包括突出显示动脉血管的造影图像和突出显示静脉血管的造影图像。
具体地,医学影像包括电子计算机断层扫描(Computed Tomography,CT)、核磁共振成像(Magnetic Resonance,MR)、数字减影血管造影DSA、动脉造影CTA、静脉造影CTV等。
其中,动脉造影CTA和静脉造影CTV是采用血管造影技术对颅内血管进行增强显示,再将血管造影剂注射到患者体内,在数字成像过程中血管结构受到造影剂的影响高亮显示。
所述分割单元12,用于将所述医学影像进行分割,得到不同组织结构的图像;
具体地,使用CT/MR图像的血管分割技术,划分出高亮显示的颅内血管,得到动脉血管图像、静脉血管图像。
识别出CT/MR图像中颅内的神经等重要组织,划分出神经组织图像。
所述重建单元13,用于根据所述不同组织结构的图像重建各组织结构的三维模型;
具体地,根据识别划分出的各组织结构的图像分别建立组织结构的三维模型,使用造影图像建立的血管模型具有较高的精度,可用于实现多模态图像融合的精准定位,提升手术导航系统的可靠性。
所述转换单元14,用于将重建后的各组织结构的三维模型转换到同一坐标系中;
具体地,不同造影图像的三维模型建立后,由于不同造影图像的坐标系不同,直接对这些三维模型叠加会引起位置的偏差,因此需要将这些图像重建的动脉、静脉及神经结构三维模型转换在同一坐标系下。
本发明使用多模态图像配准技术,对不同模态图像进行位置校准,准确获取图像中不同组织结构的相对位置关系。
所述显示单元15,用于对在同一坐标系中的各组织结构进行融合显示。
具体地,将不同造影图像3D重建的血管、神经等组织结构显示在同一图像中,进行渲染叠加显示,可以得到它们在人体内的位置分布信息。
在三维视图中,颅内结构的骨骼、肿瘤等组织也被三维重建,用不同颜色渲染不同的组织结构,并且在渲染过程中对虚拟图像设置一定的透明度,在不影响观察不同组织结构的前后位置关系的情况下能够获取更多的信息。由于造影图像重建的三维结构具有高精度的特点,观察到的虚拟血管、神经等结构也恰好对应它们存在的实际位置,并且能够通过三维结构显示的颜色直观地辨认其属性,确定这些重要组织结构与病灶的位置关系。
本发明实施例提供的多模态影像融合显示装置,通过将不同组织结构的三维模型叠加显示在同一张图像上,能够提供全面直观的颅底组织结构信息,精确获取不同结构的位置关系。
在上述实施例的基础上,所述分割单元12包括:
第一分割模块,用于从所述造影图像中分割出突出显示的动脉组织的图像和静脉组织的图像;
识别模块,用于识别所述医学影像中的神经组织、骨骼和肿瘤;
第二分割模块,用于划分出神经组织图像、骨骼图像以及肿瘤图像。
具体地,使用CT/MR图像的血管分割技术,划分出高亮显示的颅内血管,得到动脉血管图像、静脉血管图像。
CT/MR图像中的颅内神经、骨骼、肿瘤等重要组织也被识别,从而能够分割出神经组织图像、骨骼图像、肿瘤图像等。
在上述实施例的基础上,所述显示单元15,用于对所述在同一坐标系中的各组织结构的三维模型进行不同颜色的渲染,并叠加显示在同一张图像上。
参考图2,通过在三维重建的视图上渲染叠加动脉、静脉、神经的3D模型,可以得到这些结构在患者体内的位置信息。
本发明实施例对动脉、静脉、神经等组织使用不同颜色进行渲染叠加,例如动脉在图像上使用红色显示,静脉使用蓝色显示,神经使用黄色显示,并且在渲染过程中对虚拟图像设置一定的透明度,在不影响观察不同结构的前后位置关系的情况下能够获取更多的信息。在三维视图中,颅内结构的骨骼、肿瘤等组织也被三维重建,通过将不同颜色渲染的动脉、静脉、神经等结构叠加到图像中,可以得到它们在人体内的位置分布信息。由于造影图像重建的三维结构具有高精度的特点,观察到的虚拟血管、神经等结构也恰好对应它们存在的实际位置,并且能够通过三维结构显示的颜色直观地辨认其属性,确定这些重要组织结构与病灶的位置关系,更为方便地获取颅内组织结构信息。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;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:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
举个例子如下:
图4示例了一种服务器的实体结构示意图,如图4所示,该服务器可以包括:处理器(processor)21、通信接口(Communications Interface)22、存储器(memory)23和通信总线24,其中,处理器21,通信接口22,存储器23通过通信总线24完成相互间的通信。处理器21可以调用存储器23中的逻辑指令,以执行如下方法:获取包含颅内各组织结构的医学影像;将所述医学影像进行分割,得到不同组织结构的图像;根据所述不同组织结构的图像重建各组织结构的三维模型;将重建后的各组织结构的三维模型转换到同一坐标系中;对在同一坐标系中的各组织结构进行融合显示。
此外,上述的存储器23中的逻辑指令可以通过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。
Claims (10)
1.一种多模态影像融合显示方法,其特征在于,包括:
获取包含颅内各组织结构的医学影像;
将所述医学影像进行分割,得到不同组织结构的图像;
根据所述不同组织结构的图像重建各组织结构的三维模型;
将重建后的各组织结构的三维模型转换到同一坐标系中;
对在同一坐标系中的各组织结构进行融合显示。
2.根据权利要求1所述的方法,其特征在于,所述医学影像包括突出显示不同组织结构的造影图像,所述造影图像包括突出显示动脉血管的造影图像和突出显示静脉血管的造影图像。
3.根据权利要求2所述的方法,其特征在于,所述将所述医学影像进行分割,得到不同组织结构的医学影像包括:
从所述造影图像中分割出突出显示的动脉组织的图像和静脉组织的图像;
识别所述医学影像中的神经组织、骨骼和肿瘤,并划分出神经组织图像、骨骼图像以及肿瘤图像。
4.根据权利要求1所述的方法,其特征在于,所述对在同一坐标系中的各组织结构进行融合显示包括:
对所述在同一坐标系中的各组织结构的三维模型进行不同颜色的渲染,并叠加显示在同一张图像上。
5.一种多模态影像融合显示装置,其特征在于,包括:
获取单元,用于获取包含颅内各组织结构的医学影像;
分割单元,用于将所述医学影像进行分割,得到不同组织结构的图像;
重建单元,用于根据所述不同组织结构的图像重建各组织结构的三维模型;
转换单元,用于将重建后的各组织结构的三维模型转换到同一坐标系中;
显示单元,用于对在同一坐标系中的各组织结构进行融合显示。
6.根据权利要求5所述的装置,其特征在于,所述医学影像包括突出显示不同组织结构的造影图像,所述造影图像包括突出显示动脉血管的造影图像和突出显示静脉血管的造影图像。
7.根据权利要求6所述的装置,其特征在于,所述分割单元包括:
第一分割模块,用于从所述造影图像中分割出突出显示的动脉组织的图像和静脉组织的图像;
识别模块,用于识别所述医学影像中的神经组织、骨骼和肿瘤;
第二分割模块,用于划分出神经组织图像、骨骼图像以及肿瘤图像。
8.根据权利要求5所述的装置,其特征在于,所述显示单元,用于对所述在同一坐标系中的各组织结构的三维模型进行不同颜色的渲染,并叠加显示在同一张图像上。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至4任一项所述多模态影像融合显示方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述多模态影像融合显示方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910288081.2A CN110060227A (zh) | 2019-04-11 | 2019-04-11 | 多模态影像融合显示方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910288081.2A CN110060227A (zh) | 2019-04-11 | 2019-04-11 | 多模态影像融合显示方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110060227A true CN110060227A (zh) | 2019-07-26 |
Family
ID=67317627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910288081.2A Pending CN110060227A (zh) | 2019-04-11 | 2019-04-11 | 多模态影像融合显示方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060227A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717961A (zh) * | 2019-09-17 | 2020-01-21 | 上海联影医疗科技有限公司 | 多模态图像重建方法、装置、计算机设备和存储介质 |
CN112308888A (zh) * | 2020-10-15 | 2021-02-02 | 复旦大学附属中山医院 | 基于深度学习体征结构的全模态医学影像序列分组方法 |
CN113450294A (zh) * | 2021-06-07 | 2021-09-28 | 刘星宇 | 多模态医学图像配准融合方法、装置及电子设备 |
CN113506334A (zh) * | 2021-06-07 | 2021-10-15 | 刘星宇 | 基于深度学习的多模态医学图像融合方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103932796A (zh) * | 2014-04-13 | 2014-07-23 | 北京师范大学 | 一种基于多模态医学影像数据融合的颅内电极个体化定位的方法 |
CN103942772A (zh) * | 2014-05-15 | 2014-07-23 | 北京思创贯宇科技开发有限公司 | 一种多模态多维度的血管融合方法及系统 |
CN103961178A (zh) * | 2013-01-30 | 2014-08-06 | 深圳先进技术研究院 | 远程手术规划与导航系统 |
CN109523500A (zh) * | 2018-11-19 | 2019-03-26 | 复旦大学附属华山医院 | 颅内外血流重建术的搭桥血管确定方法及系统 |
-
2019
- 2019-04-11 CN CN201910288081.2A patent/CN110060227A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103961178A (zh) * | 2013-01-30 | 2014-08-06 | 深圳先进技术研究院 | 远程手术规划与导航系统 |
CN103932796A (zh) * | 2014-04-13 | 2014-07-23 | 北京师范大学 | 一种基于多模态医学影像数据融合的颅内电极个体化定位的方法 |
CN103942772A (zh) * | 2014-05-15 | 2014-07-23 | 北京思创贯宇科技开发有限公司 | 一种多模态多维度的血管融合方法及系统 |
CN109523500A (zh) * | 2018-11-19 | 2019-03-26 | 复旦大学附属华山医院 | 颅内外血流重建术的搭桥血管确定方法及系统 |
Non-Patent Citations (1)
Title |
---|
顾树南: "《现代胆道外科学》", 31 October 2017, 复旦大学出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110717961A (zh) * | 2019-09-17 | 2020-01-21 | 上海联影医疗科技有限公司 | 多模态图像重建方法、装置、计算机设备和存储介质 |
CN110717961B (zh) * | 2019-09-17 | 2023-04-18 | 上海联影医疗科技股份有限公司 | 多模态图像重建方法、装置、计算机设备和存储介质 |
CN112308888A (zh) * | 2020-10-15 | 2021-02-02 | 复旦大学附属中山医院 | 基于深度学习体征结构的全模态医学影像序列分组方法 |
CN113450294A (zh) * | 2021-06-07 | 2021-09-28 | 刘星宇 | 多模态医学图像配准融合方法、装置及电子设备 |
CN113506334A (zh) * | 2021-06-07 | 2021-10-15 | 刘星宇 | 基于深度学习的多模态医学图像融合方法及系统 |
WO2022257344A1 (zh) * | 2021-06-07 | 2022-12-15 | 刘星宇 | 图像配准融合方法及装置、模型训练方法及电子设备 |
CN113506334B (zh) * | 2021-06-07 | 2023-12-15 | 刘星宇 | 基于深度学习的多模态医学图像融合方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060227A (zh) | 多模态影像融合显示方法和装置 | |
US11642171B2 (en) | Systems and methods for an interactive tool for determining and visualizing a functional relationship between a vascular network and perfused tissue | |
JP7309986B2 (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 | |
US10497123B1 (en) | Isolation of aneurysm and parent vessel in volumetric image data | |
CN108701220A (zh) | 用于处理多模态图像的系统和方法 | |
US11017531B2 (en) | Shell-constrained localization of vasculature | |
US20150243055A1 (en) | Image Display Device And Method, And Medium Containing Program | |
Hansen et al. | Risk maps for liver surgery | |
CN107170021B (zh) | 时变数据的细化重构 | |
JP6703315B2 (ja) | 組織変形の存在下において手術を支援するためのシステム及び方法 | |
US20220000442A1 (en) | Image orientation setting apparatus, image orientation setting method, and image orientation setting program | |
CN112862827A (zh) | 一种左心耳的开口参数确定方法、装置、终端及存储介质 | |
CN111340934A (zh) | 用于生成组合式组织-血管表示的方法和计算机系统 | |
JP6494942B2 (ja) | 画像処理装置、及び、画像処理方法 | |
CN109199418B (zh) | 至少一个特征变量的可视化 | |
WO2022223042A1 (zh) | 手术路径处理系统、方法、装置、设备及存储介质 | |
JP2023173520A (ja) | 医用画像処理装置及び医用画像処理方法 | |
WO2020161956A1 (ja) | 開頭術シミュレーション装置、方法およびプログラム | |
JP2023044939A (ja) | 医用画像処理装置、方法及びプログラム |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190726 |
|
RJ01 | Rejection of invention patent application after publication |