CN110503715A - 一种医学影像的三维重建方法、装置及电子设备和存储介质 - Google Patents
一种医学影像的三维重建方法、装置及电子设备和存储介质 Download PDFInfo
- Publication number
- CN110503715A CN110503715A CN201910729793.3A CN201910729793A CN110503715A CN 110503715 A CN110503715 A CN 110503715A CN 201910729793 A CN201910729793 A CN 201910729793A CN 110503715 A CN110503715 A CN 110503715A
- Authority
- CN
- China
- Prior art keywords
- image
- binary
- combined
- dimensional
- primitive medicine
- 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.)
- Withdrawn
Links
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本申请公开了一种医学影像的三维重建方法、装置及一种电子设备和计算机可读存储介质，该方法包括：获取多张原始医学影像和每张所述原始医学影像的位置信息，并将所述原始医学影像转化为目标维度的待处理图像；利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，并对所述二值化图像进行影像形态处理得到待组合图像；确定三维模型框架，并根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。由此可见，本申请可以将多张二维的原始医学影像重建为三维影像，有利于提高医学上观察病变部位的准确性及便利性。
Description
技术领域
本申请涉及医学成像技术领域，更具体地说，涉及一种医学影像的三维重建方法、装置及一种电子设备和一种计算机可读存储介质。
背景技术
目前的医学影像皆以二维的影像观察身体，若要找出身体内病变的部位及其大小，需要多张二维影像反复来回的观察，这样多次反复翻阅影像的动作是非常不方便。
因此，如何对多张二维影像进行三维重建是本领域技术人员需要解决的技术问题。
发明内容
本申请的目的在于提供一种医学影像的三维重建方法、装置及一种电子设备和一种计算机可读存储介质，实现了对多张二维影像进行三维重建。
为实现上述目的，本申请提供了一种医学影像的三维重建方法，包括：
获取多张原始医学影像和每张所述原始医学影像的位置信息，并将所述原始医学影像转化为目标维度的待处理图像；
利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，并对所述二值化图像进行影像形态处理得到待组合图像；
确定三维模型框架，并根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。
其中，所述利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，包括：
利用Matlab中的Label函数确定二值化处理的临界值；
基于所述临界值利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像。
其中，对所述二值化图像进行影像形态处理得到待组合图像，包括：
对所述二值化图像进行边缘检测得到所述二值化图像中的物体轮廓；
去除所述物体轮廓内部和外部的噪点，并将所述物体轮廓的内部填满；
对所述物体轮廓进行边缘平滑处理得到所述待组合图像。
其中，所述原始医学影像包括核磁共振成像。
其中，若所述三维模型框架具体为头颅模型，则所述确定三维模型框架，包括：
利用Matlab中的Label函数区别头颅和大脑的像素质，以便得到所述头颅模型。
为实现上述目的，本申请提供了一种医学影像的三维重建装置，包括：
获取模块，用于获取多张原始医学影像和每张所述原始医学影像的位置信息，并将所述原始医学影像转化为目标维度的待处理图像；
处理模块，用于利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，并对所述二值化图像进行影像形态处理得到待组合图像；
填充模块，用于确定三维模型框架，并根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。
其中，所述处理模块包括：
确定单元，用于利用Matlab中的Label函数确定二值化处理的临界值；
二值化处理单元，用于基于所述临界值利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像；
形态处理单元，用于对所述二值化图像进行影像形态处理得到待组合图像。
其中，所述形态处理单元包括：
边缘检测子单元，用于对所述二值化图像进行边缘检测得到所述二值化图像中的物体轮廓；
去除噪点子单元，用于去除所述物体轮廓内部和外部的噪点，并将所述物体轮廓的内部填满；
边缘平滑子单元，用于对所述物体轮廓进行边缘平滑处理得到所述待组合图像。
为实现上述目的，本申请提供了一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述医学影像的三维重建方法的步骤。
为实现上述目的，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述医学影像的三维重建方法的步骤。
通过以上方案可知，本申请提供的一种医学影像的三维重建方法，包括：获取多张原始医学影像和每张所述原始医学影像的位置信息，并将所述原始医学影像转化为目标维度的待处理图像；利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，并对所述二值化图像进行影像形态处理得到待组合图像；确定三维模型框架，并根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。
本申请提供的医学影像的三维重建方法，通过OSTU算法和影像形态处理对原始医学影像进行处理，并将处理后的图像依据其位置信息填充至预先确定的三维模型框架中。由此可见，本申请可以将多张二维的原始医学影像重建为三维影像，有利于提高医学上观察病变部位的准确性及便利性。本申请还公开了一种医学影像的三维重建装置及一种电子设备和一种计算机可读存储介质，同样能实现上述技术效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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。附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1为根据一示例性实施例示出的一种医学影像的三维重建方法的流程图；
图2为根据一示例性实施例示出的另一种医学影像的三维重建方法的流程图；
图3为根据一示例性实施例示出的一种三维图像的示意图；
图4为根据一示例性实施例示出的一种医学影像的三维重建装置的结构图；
图5为根据一示例性实施例示出的一种电子设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例公开了一种医学影像的三维重建方法，实现了对多张二维影像进行三维重建。
参见图1，根据一示例性实施例示出的一种医学影像的三维重建方法的流程图，如图1所示，包括：
S101：获取多张原始医学影像和每张所述原始医学影像的位置信息，并将所述原始医学影像转化为目标维度的待处理图像；
在本实施例中，不对原始医学图像进行具体限定，例如可以为核磁共振成像(NMRI，Nuclear Magnetic Resonance Imaging)，其依据所释放的能量在物质内部不同结构环境中不同的衰减，通过外加梯度磁场检测所发射出的电磁波，即可得知构成这一物体原子核的位置和种类，据此可以绘制成物体内部的结构图像。
对于多张原始医学图像，需要确定其各自的位置信息，以便后续步骤依据该位置信息进行三维重建。另外，由于原始医学图像的剖面图可能不是三维重建时需要的观测面，因此还需将各原始医学图像转化为相同的维度，即目标维度，得到各原始医学影像对于的待处理图像，以便进行观察和三维重建。
S102：利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，并对所述二值化图像进行影像形态处理得到待组合图像；
在本步骤中，利用OSTU算法(大津法或最大类间方差法)对上一步骤中得到的待处理图像进行二值化处理，得到每个待处理图像对应的二值化图像。其中，二值化处理的临界值可以由Matlab中的Label函数进行确定，即所述利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像的步骤可以包括：利用Matlab中的Label函数确定二值化处理的临界值；基于所述临界值利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像。Matlab是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。除了矩阵运算、绘制函数/数据图像等常用功能外，Matlab还可以用来创建用户界面及与调用其它语言编写的程序。
对于二值化图像，对其进行影像形态处理得到待组合图像。形态学原指生物学中讨论动植物的形态与架构，影像型态处理为一种可以取出影像成分的区域形状描述的一种工具，包括扩张(dilation)、腐蚀(erosion)、打开(opening)、关闭(closing)。
优选的，对所述二值化图像进行影像形态处理得到待组合图像的步骤可以包括：对所述二值化图像进行边缘检测得到所述二值化图像中的物体轮廓；去除所述物体轮廓内部和外部的噪点，并将所述物体轮廓的内部填满；对所述物体轮廓进行边缘平滑处理得到所述待组合图像。
S103：确定三维模型框架，并根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。
在本步骤中，三维模型框架例如头颅模型、胃部模型等，在此不进行具体限定。若所述三维模型框架具体为头颅模型，则所述确定三维模型框架的步骤可以包括：利用Matlab中的Label函数区别头颅和大脑的像素质，以便得到所述头颅模型。
在具体实施中，为了分割人体头颅内部分的器官，可将头颅与周围皮肤分离只剩骨骼，或者更深入分割至人的大脑器官，可以利用Matlab中的Label函数来将过大的像素区块和过小像素区块去除，并将去除后的结果在以影像显方式显示出来。
确定三维模型框架后，按照各待组合图像的位置信息进行填充，完成二维原始医学影像的三维重建。
本申请实施例提供的医学影像的三维重建方法，通过OSTU算法和影像形态处理对原始医学影像进行处理，并将处理后的图像依据其位置信息填充至预先确定的三维模型框架中。由此可见，本申请实施例可以将多张二维的原始医学影像重建为三维影像，有利于提高医学上观察病变部位的准确性及便利性。
本申请实施例公开了一种医学影像的三维重建方法，相对于上一实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
参见图2，根据一示例性实施例示出的另一种医学影像的三维重建方法的流程图，如图2所示，包括：
S201：获取多张原始医学影像和每张所述原始医学影像的位置信息，并将所述原始医学影像转化为目标维度的待处理图像；
S202：利用Matlab中的Label函数确定二值化处理的临界值；
S203：基于所述临界值利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像。
S204：对所述二值化图像进行边缘检测得到所述二值化图像中的物体轮廓；
S205：去除所述物体轮廓内部和外部的噪点，并将所述物体轮廓的内部填满；
S206：对所述物体轮廓进行边缘平滑处理得到所述待组合图像。
S207：确定三维模型框架，并根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。
下面介绍本申请的一种应用实施例，可以包括以下步骤：
步骤一：读取多张医学影像，交换影像的维度；
步骤二：使用最佳影像分割(Image Segmentation)技术进行二值化处理；
步骤三：使用优化影像分割技术；
经Segmentation后可发现影像只剩下黑白两色，白色区域较广的地方有许多黑色杂点，此外黑色的外圈线条是很粗糙的，为了同时改善以上两个缺陷还需让影像做优化，即可去除影像内部与外部噪声之Mask(屏蔽)，将原图与Mask做乘积就可达到去噪声后的完美影像。
步骤四：确定头颅模型；
利用Matlab中的Label指令来将头颅与大脑之间，过大及过小的像素区块移除，以便于区别头颅与大脑的像素质，并将去除像素区块后的结果在以影像显方式显示出来，以完成分割头颅与大脑的动作。
步骤五：将分割后的大脑二维影像图填充至头颅模型中，重建成三维立体图形，以完成大脑立体化，结果如图3所示，3(a)为仰视图，3(b)为俯视图。
优选的，还可以进行GUI窗口化接口设计，将二维影像的处理方式以窗口化的接口呈现。透过滚动条、下拉式选单、窗体等窗口化的接口使处理二维影像的处理更具人性化。其功能可以包括：载入档案、档案路径名称、选取多个文件名细目、显示档案原图、显示转换维度图、显示优化影像图、三维重建按钮和显示三维重建图等。
下面对本申请实施例提供的一种医学影像的三维重建装置进行介绍，下文描述的一种医学影像的三维重建装置与上文描述的一种医学影像的三维重建方法可以相互参照。
参见图4，根据一示例性实施例示出的一种医学影像的三维重建装置的结构图，如图4所示，包括：
获取模块401，用于获取多张原始医学影像和每张所述原始医学影像的位置信息，并将所述原始医学影像转化为目标维度的待处理图像；
处理模块402，用于利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，并对所述二值化图像进行影像形态处理得到待组合图像；
填充模块403，用于确定三维模型框架，并根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。
本申请实施例提供的医学影像的三维重建装置，通过OSTU算法和影像形态处理对原始医学影像进行处理，并将处理后的图像依据其位置信息填充至预先确定的三维模型框架中。由此可见，本申请实施例可以将多张二维的原始医学影像重建为三维影像，有利于提高医学上观察病变部位的准确性及便利性。
在上述实施例的基础上，作为一种优选实施方式，所述处理模块402包括：
确定单元，用于利用Matlab中的Label函数确定二值化处理的临界值；
二值化处理单元，用于基于所述临界值利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像；
形态处理单元，用于对所述二值化图像进行影像形态处理得到待组合图像。
在上述实施例的基础上，作为一种优选实施方式，所述形态处理单元包括：
边缘检测子单元，用于对所述二值化图像进行边缘检测得到所述二值化图像中的物体轮廓；
去除噪点子单元，用于去除所述物体轮廓内部和外部的噪点，并将所述物体轮廓的内部填满；
边缘平滑子单元，用于对所述物体轮廓进行边缘平滑处理得到所述待组合图像。
在上述实施例的基础上，作为一种优选实施方式，所述原始医学影像包括核磁共振成像。
在上述实施例的基础上，作为一种优选实施方式，若所述三维模型框架具体为头颅模型，则所述填充模块403包括：
确定单元，用于利用Matlab中的Label函数区别头颅和大脑的像素质，以便得到所述头颅模型；
填充单元，用于根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本申请还提供了一种电子设备，参见图5，本申请实施例提供的一种电子设备500的结构图，如图5所示，可以包括处理器11和存储器12。该电子设备500还可以包括多媒体组件13，输入/输出(I/O)接口14，以及通信组件15中的一者或多者。
其中，处理器11用于控制该电子设备500的整体操作，以完成上述的医学影像的三维重建方法中的全部或部分步骤。存储器12用于存储各种类型的数据以支持在该电子设备500的操作，这些数据例如可以包括用于在该电子设备500上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器12可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件13可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器12或通过通信组件15发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口14为处理器11和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件15用于该电子设备500与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件15可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的医学影像的三维重建方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述医学影像的三维重建方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器12，上述程序指令可由电子设备500的处理器11执行以完成上述的医学影像的三维重建方法。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种医学影像的三维重建方法，其特征在于，包括：
获取多张原始医学影像和每张所述原始医学影像的位置信息，并将所述原始医学影像转化为目标维度的待处理图像；
利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，并对所述二值化图像进行影像形态处理得到待组合图像；
确定三维模型框架，并根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。
2.根据权利要求1所述三维重建方法，其特征在于，所述利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，包括：
利用Matlab中的Label函数确定二值化处理的临界值；
基于所述临界值利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像。
3.根据权利要求1所述三维重建方法，其特征在于，对所述二值化图像进行影像形态处理得到待组合图像，包括：
对所述二值化图像进行边缘检测得到所述二值化图像中的物体轮廓；
去除所述物体轮廓内部和外部的噪点，并将所述物体轮廓的内部填满；
对所述物体轮廓进行边缘平滑处理得到所述待组合图像。
4.根据权利要求1所述三维重建方法，其特征在于，所述原始医学影像包括核磁共振成像。
5.根据权利要求1所述三维重建方法，其特征在于，若所述三维模型框架具体为头颅模型，则所述确定三维模型框架，包括：
利用Matlab中的Label函数区别头颅和大脑的像素质，以便得到所述头颅模型。
6.一种医学影像的三维重建装置，其特征在于，包括：
获取模块，用于获取多张原始医学影像和每张所述原始医学影像的位置信息，并将所述原始医学影像转化为目标维度的待处理图像；
处理模块，用于利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像，并对所述二值化图像进行影像形态处理得到待组合图像；
填充模块，用于确定三维模型框架，并根据所述待组合图像对应的原始医学影像的位置信息将所述待组合图像填充至所述三维模型框架中。
7.根据权利要求6所述三维重建装置，其特征在于，所述处理模块包括：
确定单元，用于利用Matlab中的Label函数确定二值化处理的临界值；
二值化处理单元，用于基于所述临界值利用OSTU算法对所述待处理图像进行二值化处理得到二值化图像；
形态处理单元，用于对所述二值化图像进行影像形态处理得到待组合图像。
8.根据权利要求7所述三维重建装置，其特征在于，所述形态处理单元包括：
边缘检测子单元，用于对所述二值化图像进行边缘检测得到所述二值化图像中的物体轮廓；
去除噪点子单元，用于去除所述物体轮廓内部和外部的噪点，并将所述物体轮廓的内部填满；
边缘平滑子单元，用于对所述物体轮廓进行边缘平滑处理得到所述待组合图像。
9.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述医学影像的三维重建方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述医学影像的三维重建方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910729793.3A CN110503715A (zh) | 2019-08-08 | 2019-08-08 | 一种医学影像的三维重建方法、装置及电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910729793.3A CN110503715A (zh) | 2019-08-08 | 2019-08-08 | 一种医学影像的三维重建方法、装置及电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110503715A true CN110503715A (zh) | 2019-11-26 |
Family
ID=68587123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910729793.3A Withdrawn CN110503715A (zh) | 2019-08-08 | 2019-08-08 | 一种医学影像的三维重建方法、装置及电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110503715A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111179157A (zh) * | 2019-12-30 | 2020-05-19 | 东软集团股份有限公司 | 医学影像中面部区域的处理方法、装置及相关产品 |
| CN111369672A (zh) * | 2020-03-18 | 2020-07-03 | 西安翼展电子科技有限公司 | 用于三维医学影像切面重建的方法及装置、电子设备 |
| CN112907726A (zh) * | 2021-01-25 | 2021-06-04 | 重庆金山医疗器械有限公司 | 一种图像处理方法、装置、设备及计算机可读存储介质 |
| CN113075599A (zh) * | 2020-01-03 | 2021-07-06 | 上海联影医疗科技股份有限公司 | 磁共振信号采集方法、磁共振系统及介质 |
| CN114067965A (zh) * | 2022-01-17 | 2022-02-18 | 深圳市爱云信息科技有限公司 | 医学影像展示方法、装置、系统与计算机可读存储介质 |
| WO2022206025A1 (zh) * | 2021-03-29 | 2022-10-06 | 中国科学院深圳先进技术研究院 | 生物力学建模方法、装置、电子设备及存储介质 |
| CN115409835A (zh) * | 2022-10-31 | 2022-11-29 | 成都浩目科技有限公司 | 三维成像方法、装置、电子设备、系统和可读存储介质 |
-
2019
- 2019-08-08 CN CN201910729793.3A patent/CN110503715A/zh not_active Withdrawn
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111179157A (zh) * | 2019-12-30 | 2020-05-19 | 东软集团股份有限公司 | 医学影像中面部区域的处理方法、装置及相关产品 |
| CN111179157B (zh) * | 2019-12-30 | 2023-09-05 | 东软集团股份有限公司 | 医学影像中面部区域的处理方法、装置及相关产品 |
| CN113075599A (zh) * | 2020-01-03 | 2021-07-06 | 上海联影医疗科技股份有限公司 | 磁共振信号采集方法、磁共振系统及介质 |
| CN111369672A (zh) * | 2020-03-18 | 2020-07-03 | 西安翼展电子科技有限公司 | 用于三维医学影像切面重建的方法及装置、电子设备 |
| CN111369672B (zh) * | 2020-03-18 | 2024-01-30 | 西安翼展电子科技有限公司 | 用于三维医学影像切面重建的方法及装置、电子设备 |
| CN112907726A (zh) * | 2021-01-25 | 2021-06-04 | 重庆金山医疗器械有限公司 | 一种图像处理方法、装置、设备及计算机可读存储介质 |
| WO2022206025A1 (zh) * | 2021-03-29 | 2022-10-06 | 中国科学院深圳先进技术研究院 | 生物力学建模方法、装置、电子设备及存储介质 |
| CN114067965A (zh) * | 2022-01-17 | 2022-02-18 | 深圳市爱云信息科技有限公司 | 医学影像展示方法、装置、系统与计算机可读存储介质 |
| CN115409835A (zh) * | 2022-10-31 | 2022-11-29 | 成都浩目科技有限公司 | 三维成像方法、装置、电子设备、系统和可读存储介质 |
| CN115409835B (zh) * | 2022-10-31 | 2023-02-17 | 成都浩目科技有限公司 | 三维成像方法、装置、电子设备、系统和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110503715A (zh) | 一种医学影像的三维重建方法、装置及电子设备和存储介质 | |
| Lou et al. | Generation of anatomically realistic numerical phantoms for photoacoustic and ultrasonic breast imaging | |
| Fang et al. | Tetrahedral mesh generation from volumetric binary and grayscale images | |
| Ferreira et al. | Segmentation algorithms for ear image data towards biomechanical studies | |
| CN108416776A (zh) | 图像识别方法、图像识别装置、计算机产品和可读存储介质 | |
| Caban et al. | Rapid development of medical imaging tools with open-source libraries | |
| AU2019430369B2 (en) | VRDS 4D medical image-based vein Ai endoscopic analysis method and product | |
| CN106709929A (zh) | 医学图像感兴趣区域显示方法及装置 | |
| Urschler et al. | Forensic-case analysis: from 3D imaging to interactive visualization | |
| CN107194163A (zh) | 一种显示方法和系统 | |
| CN112967786A (zh) | 基于多模影像与交互设备的解剖导航的构建方法及系统 | |
| Patel | An overview and application of deep convolutional neural networks for medical image segmentation | |
| CN116563246B (zh) | 一种用于医学影像辅助诊断的训练样本生成方法及装置 | |
| Yu et al. | Quantification of the bone lacunocanalicular network from 3D X‐ray phase nanotomography images | |
| TWI632479B (zh) | 醫學影像建模系統以及醫學影像建模方法 | |
| Mantini et al. | Modern morphometry: new perspectives in physical anthropology | |
| CN113177953B (zh) | 肝脏区域分割方法、装置、电子设备及存储介质 | |
| Toriwaki et al. | Recent progress in medical image processing-Virtualized human body and computer-aided surgery | |
| JPWO2005111944A1 (ja) | データ表示方法、データ表示装置、データ表示プログラム及びそれを記録したコンピュータ読み取り可能な記録媒体 | |
| Amara et al. | Augmented reality for medical practice: a comparative study of deep learning models for ct-scan segmentation | |
| Selvamanikkam et al. | High-Resolution Stereoscopic Visualization of Pediatric Echocardiography Data on Microsoft HoloLens 2 | |
| Toriwaki et al. | Visualization of the human body toward the navigation diagnosis with the virtualized human body | |
| CN108885905A (zh) | 人或动物躯干的生物力学模型生成 | |
| AU2019430854B2 (en) | VRDS 4D medical image-based artery and vein Ai processing method and product | |
| Wai et al. | Automated volume sampling optimization for direct volume deformation in patient-specific surgical simulation |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191126 |
|
| WW01 | Invention patent application withdrawn after publication |