CN110706336A - 一种基于医疗影像数据的三维重建方法及系统 - Google Patents
一种基于医疗影像数据的三维重建方法及系统 Download PDFInfo
- Publication number
- CN110706336A CN110706336A CN201910933519.8A CN201910933519A CN110706336A CN 110706336 A CN110706336 A CN 110706336A CN 201910933519 A CN201910933519 A CN 201910933519A CN 110706336 A CN110706336 A CN 110706336A
- Authority
- CN
- China
- Prior art keywords
- image data
- dimensional
- interest
- region
- sampled
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 238000002591 computed tomography Methods 0.000 claims abstract description 12
- 230000000694 effects Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000011002 quantification Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 abstract description 10
- 230000000007 visual effect Effects 0.000 abstract description 6
- 206010018852 Haematoma Diseases 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 4
- 210000005013 brain tissue Anatomy 0.000 description 4
- 210000004126 nerve fiber Anatomy 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于医疗影像数据的三维重建方法及系统，其中，该方法包括：读取计算机断层扫描的二维影像数据，并对所述二维影像数据进行采样，获得采样后的二维影像数据；根据采样后的二维影像数据划分感兴趣区域；对感兴趣区域进行三维重建，获得重建后的三维模型；对重建后的三维模型进行量化，获得感兴趣区域的表面积信息和体积信息；生成包含表面积信息和体积信息的感兴趣区域相应的三维模型信息。在本发明实施例中，对传统医疗影像数据进行三维重建，获取医疗影像数据的三维图像，能够提供更加直观的图像数据，提供更全面的影像诊断方式，为术前规划、术中导航、远程协助、模拟手术等应用方式提供有力支撑。
Description
技术领域
本发明涉及医学图像处理、计算机图像处理技术领域，尤其涉及一种基于医疗影像数据的三维重建方法及系统。
背景技术
随着现代医学成像技术的发展，先后出现了计算机断层扫描（ComputedTomography，CT）、核磁共振成像（Magnetic Resonance Imaging，MRI）、正电子发射计算机断层扫描（Positron Emission Computed Tomography，PET），超声等。但这些医学影像设备只能提供人体内部组织或器官断面的二维图像，不能提供连续的三维形式的图像。在目前的医疗诊断中，主要是通过观察一组CT、MRI的二维切片图像去发现病灶，只能凭借医生的读片经验去估计病灶的形状和大小，缺乏直观性，难以达到准确的判断。
传统二维影像数据的阅读难度大，影像的显示效果受到不同机器扫描层厚度影响，二维影像数据无法给出直观的信息，误诊率偏高，需要一定时间培训的医生才可对于影像数据进行诊断，并且给出影像诊断报告，医生从业经验时长也会影响诊断准确度；同时，利用二维影像数据进行的病灶手术定位精准度存在很大的误差；传统影像数据缺乏交互性、直观性，对于需要计算三维空间坐标信息的情况所能提供的信息量不够。
另外，现有技术中也存在针对影像数据定位的影像导航，但价格昂贵，只有少数医院有能力采购相关设备，同时影像设备使用费用也比较高。
现有的影像诊断方式不支持远程协同诊断（平等医疗）或者不能同时多人进行基于影像数据的手术规划。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于医疗影像数据的三维重建方法及系统，可对传统医疗影像数据进行三维重建，获取医疗影像数据的三维图像，能够提供更加直观的图像数据，提供更全面的影像诊断方式。
为了解决上述问题，本发明提出了一种基于医疗影像数据的三维重建方法，所述方法包括：
读取计算机断层扫描的二维影像数据，并对所述二维影像数据进行采样，获得采样后的二维影像数据；
根据所述采样后的二维影像数据划分感兴趣区域；
对所述感兴趣区域进行三维重建，获得重建后的三维模型；
对重建后的三维模型进行量化，获得所述感兴趣区域的表面积信息和体积信息；
生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息。
优选地，所述根据所述采样后的二维影像数据划分感兴趣区域的步骤，包括：
对所述采样后的二维影像数据进行灰度化处理，获得所述采样后的二维影像数据的灰度值；
根据所述采样后的二维影像数据的灰度值划分感兴趣区域。
优选地，所述根据所述采样后的二维影像数据的灰度值划分感兴趣区域的步骤，包括：
根据所述采样后的二维影像数据的灰度值建立待配准图像和基准参考图像之间的相似性度量；
采用序贯相似性算法计算出使得相似度量达到最优值的变换模型参数；
采用直接配准法进行配准，获得所述感兴趣区域。
优选地，所述采用直接配准法进行配准，获得所述感兴趣区域的步骤，包括：
隔行选取所述待配准图像进行配准；
对剩余待配准图像进行配准。
优选地，所述生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息的步骤，包括：
为不同的感兴趣区域为输出的模型选择一个效果标签；
结合所述效果标签生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息。
相应地，本发明还提供一种基于医疗影像数据的三维重建系统，所述系统包括：
采样模块，用于读取计算机断层扫描的二维影像数据，并对所述二维影像数据进行采样，获得采样后的二维影像数据；
划分模块，用于根据所述采样后的二维影像数据划分感兴趣区域；
三维重建模块，对所述感兴趣区域进行三维重建，获得重建后的三维模型；
量化模块，用于对重建后的三维模型进行量化，获得所述感兴趣区域的表面积信息和体积信息；
生成模块，用于生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息。
优选地，所述划分模块包括：
灰度化处理单元，用于对所述采样后的二维影像数据进行灰度化处理，获得所述采样后的二维影像数据的灰度值；
划分单元，用于根据所述采样后的二维影像数据的灰度值划分感兴趣区域。
优选地，所述划分单元包括：
建立子单元，用于根据所述采样后的二维影像数据的灰度值建立待配准图像和基准参考图像之间的相似性度量；
计算子单元，用于采用序贯相似性算法计算出使得相似度量达到最优值的变换模型参数；
配准子单元，用于采用直接配准法进行配准，获得所述感兴趣区域。
优选地，所述配准子单元还用于隔行选取所述待配准图像进行配准；对剩余待配准图像进行配准。
优选地，所述生成模块包括：
选择单元，用于为不同的感兴趣区域为输出的模型选择一个效果标签；
生成单元，用于结合所述效果标签生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息。
在本发明实施例中，对传统医疗影像数据进行三维重建，获取医疗影像数据的三维图像，能够提供更加直观的图像数据，提供更全面的影像诊断方式，为术前规划、术中导航、远程协助、模拟手术等应用方式提供有力支撑，还解决了现在技术中采用影像导航产生高额费用的问题。
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简单地介绍，显而易见地，下面描述中的附图仅仅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它的附图。
图1是本发明实施例的基于医疗影像数据的三维重建方法的流程示意图；
图2是本发明实施例中划分感兴趣区域的流程示意图；
图3是本发明实施例中生成三维模型的流程示意图；
图4是本发明实施例的基于医疗影像数据的三维重建系统的结构组成示意图。
具体实施方式
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，所描述的实施例仅仅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是本发明实施例的基于医疗影像数据的三维重建方法的流程示意图，如图1所示，该方法包括：
S1，读取计算机断层扫描的二维影像数据，并对二维影像数据进行采样，获得采样后的二维影像数据；
S2，根据采样后的二维影像数据划分感兴趣区域；
S3，对感兴趣区域进行三维重建，获得重建后的三维模型；
S4，对重建后的三维模型进行量化，获得感兴趣区域的表面积信息和体积信息；
S5，生成包含表面积信息和体积信息的感兴趣区域相应的三维模型信息。
在S1中，通过视觉化工具函式库（VTK，Visualization Toolkit）读取CT的二维影像数据，并对读取到的数据进行连续采样。
进一步地，如图2所示，S2包括：
S21，对采样后的二维影像数据进行灰度化处理，获得采样后的二维影像数据的灰度值；
S22，根据采样后的二维影像数据的灰度值划分感兴趣区域。
在本发明实施例中，感兴趣区域指：血肿、血管、骨骼等需要重建的区域，可根据转化后不同部位的灰度值进行划分。感兴趣区域可以人工选择或者自动预先设置所需要重建的区域。
S22进一步包括：
根据采样后的二维影像数据的灰度值建立待配准图像和基准参考图像之间的相似性度量；
采用序贯相似性算法计算出使得相似度量达到最优值的变换模型参数；
采用直接配准法进行配准，获得感兴趣区域。
本发明实施例中，通过ITK（医学图像处理工具）进行图像配准。
具体地，配准过程，包括：
隔行选取待配准图像进行配准；
对剩余待配准图像进行配准。
配准图像时，检测到读取的图像过多时，先采用粗配准：隔行选取子图进行配准，之后再对剩余图像进行配准。这样的配准方式可以大幅提高计算配准速度，进而缩短三维重建的时间，提高了效率。
具体地，如图3所示，S5进一步包括：
S51为不同的感兴趣区域为输出的模型选择一个效果标签；
S52，结合效果标签生成包含表面积信息和体积信息的感兴趣区域相应的三维模型信息。
在实际操作中，表面积信息和体积信息可以用于肿瘤或血肿的判断，可根据表面积信息和体积信息计算出肿瘤或血肿的大小，在模拟手术过程中，表面积信息和体积信息可以以数字的形式展现。
在具体实施中，预先设置了三种效果标签：血管、脑组织、神经纤维束。选择不同的效果标签导出的三维模型呈现的效果是不同的。
例如：
1、血管：可模拟血液在内部的流动效果；
2、脑组织：可模拟脑脊液流出后的形变效果；
3、神经纤维束：可模拟电信号在纤维束之间的传递以及损伤之后对身体各组织造成的影响。
在本发明方法实施例中，对传统医疗影像数据进行三维重建，获取医疗影像数据的三维图像，能够提供更加直观的图像数据，提供更全面的影像诊断方式，为术前规划、术中导航、远程协助、模拟手术等应用方式提供有力支撑，还解决了现在技术中采用影像导航产生高额费用的问题。
相应地，本发明实施例还提供一种基于医疗影像数据的三维重建系统，如图4所示，该系统包括：
采样模块1，用于读取计算机断层扫描的二维影像数据，并对二维影像数据进行采样，获得采样后的二维影像数据；
划分模块2，用于根据采样后的二维影像数据划分感兴趣区域；
三维重建模块3，对感兴趣区域进行三维重建，获得重建后的三维模型；
量化模块4，用于对重建后的三维模型进行量化，获得感兴趣区域的表面积信息和体积信息；
生成模块5，用于生成包含表面积信息和体积信息的感兴趣区域相应的三维模型信息。
具体地，采样模块1通过VTK读取CT的二维影像数据，并对读取到的数据进行连续采样。
进一步地，划分模块2包括：
灰度化处理单元，用于对采样后的二维影像数据进行灰度化处理，获得采样后的二维影像数据的灰度值；
划分单元，用于根据采样后的二维影像数据的灰度值划分感兴趣区域。
在本实施例中，感兴趣区域指：血肿、血管、骨骼等需要重建的区域，可根据转化后不同部位的灰度值进行划分。感兴趣区域可以人工选择或者自动预先设置所需要重建的区域。
进一步地，划分单元包括：
建立子单元，用于根据采样后的二维影像数据的灰度值建立待配准图像和基准参考图像之间的相似性度量；
计算子单元，用于采用序贯相似性算法计算出使得相似度量达到最优值的变换模型参数；
配准子单元，用于采用直接配准法进行配准，获得感兴趣区域。
本实施例中，通过ITK（医学图像处理工具）进行图像配准。
配准子单元还用于隔行选取待配准图像进行配准；对剩余待配准图像进行配准。配准图像时，检测到读取的图像过多时，先采用粗配准：隔行选取子图进行配准，之后再对剩余图像进行配准。这样的配准方式可以大幅提高计算配准速度，进而缩短三维重建的时间，提高了效率。
生成模块5进一步包括：
选择单元，用于为不同的感兴趣区域为输出的模型选择一个效果标签；
生成单元，用于结合效果标签生成包含表面积信息和体积信息的感兴趣区域相应的三维模型信息。
在实际操作中，表面积信息和体积信息可以用于肿瘤或血肿的判断，可根据表面积信息和体积信息计算出肿瘤或血肿的大小，在模拟手术过程中，表面积信息和体积信息可以以数字的形式展现。
在具体实施中，预先设置了三种效果标签：血管、脑组织、神经纤维束。选择不同的效果标签导出的三维模型呈现的效果是不同的。
例如：
1、血管：可模拟血液在内部的流动效果；
2、脑组织：可模拟脑脊液流出后的形变效果；
3、神经纤维束：可模拟电信号在纤维束之间的传递以及损伤之后对身体各组织造成的影响。
具体地，本发明系统相关功能模块的工作原理可参见方法实施例的实现过程的相关描述，这里不再赘述。
在本发明系统实施例中，对传统医疗影像数据进行三维重建，获取医疗影像数据的三维图像，能够提供更加直观的图像数据，提供更全面的影像诊断方式，为术前规划、术中导航、远程协助、模拟手术等应用方式提供有力支撑，还解决了现在技术中采用影像导航产生高额费用的问题。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁盘或光盘等。
另外，以上对本发明实施例所提供的基于医疗影像数据的三维重建方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于医疗影像数据的三维重建方法，其特征在于，所述方法包括：
读取计算机断层扫描的二维影像数据，并对所述二维影像数据进行采样，获得采样后的二维影像数据；
根据所述采样后的二维影像数据划分感兴趣区域；
对所述感兴趣区域进行三维重建，获得重建后的三维模型；
对重建后的三维模型进行量化，获得所述感兴趣区域的表面积信息和体积信息；
生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息。
2.如权利要求1所述的基于医疗影像数据的三维重建方法，其特征在于，所述根据所述采样后的二维影像数据划分感兴趣区域的步骤，包括：
对所述采样后的二维影像数据进行灰度化处理，获得所述采样后的二维影像数据的灰度值；
根据所述采样后的二维影像数据的灰度值划分感兴趣区域。
3.如权利要求2所述的基于医疗影像数据的三维重建方法，其特征在于，所述根据所述采样后的二维影像数据的灰度值划分感兴趣区域的步骤，包括：
根据所述采样后的二维影像数据的灰度值建立待配准图像和基准参考图像之间的相似性度量；
采用序贯相似性算法计算出使得相似度量达到最优值的变换模型参数；
采用直接配准法进行配准，获得所述感兴趣区域。
4.如权利要求3所述的基于医疗影像数据的三维重建方法，其特征在于，所述采用直接配准法进行配准，获得所述感兴趣区域的步骤，包括：
隔行选取所述待配准图像进行配准；
对剩余待配准图像进行配准。
5.如权利要求1所述的基于医疗影像数据的三维重建方法，其特征在于，所述生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息的步骤，包括：
为不同的感兴趣区域为输出的模型选择一个效果标签；
结合所述效果标签生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息。
6.一种基于医疗影像数据的三维重建系统，其特征在于，所述系统包括：
采样模块，用于读取计算机断层扫描的二维影像数据，并对所述二维影像数据进行采样，获得采样后的二维影像数据；
划分模块，用于根据所述采样后的二维影像数据划分感兴趣区域；
三维重建模块，对所述感兴趣区域进行三维重建，获得重建后的三维模型；
量化模块，用于对重建后的三维模型进行量化，获得所述感兴趣区域的表面积信息和体积信息；
生成模块，用于生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息。
7.如权利要求6所述的基于医疗影像数据的三维重建系统，其特征在于，所述划分模块包括：
灰度化处理单元，用于对所述采样后的二维影像数据进行灰度化处理，获得所述采样后的二维影像数据的灰度值；
划分单元，用于根据所述采样后的二维影像数据的灰度值划分感兴趣区域。
8.如权利要求7所述的基于医疗影像数据的三维重建系统，其特征在于，所述划分单元包括：
建立子单元，用于根据所述采样后的二维影像数据的灰度值建立待配准图像和基准参考图像之间的相似性度量；
计算子单元，用于采用序贯相似性算法计算出使得相似度量达到最优值的变换模型参数；
配准子单元，用于采用直接配准法进行配准，获得所述感兴趣区域。
9.如权利要求8所述的基于医疗影像数据的三维重建系统，其特征在于，所述配准子单元还用于隔行选取所述待配准图像进行配准；对剩余待配准图像进行配准。
10.如权利要求6所述的基于医疗影像数据的三维重建系统，其特征在于，所述生成模块包括：
选择单元，用于为不同的感兴趣区域为输出的模型选择一个效果标签；
生成单元，用于结合所述效果标签生成包含表面积信息和体积信息的所述感兴趣区域相应的三维模型信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910933519.8A CN110706336A (zh) | 2019-09-29 | 2019-09-29 | 一种基于医疗影像数据的三维重建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910933519.8A CN110706336A (zh) | 2019-09-29 | 2019-09-29 | 一种基于医疗影像数据的三维重建方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110706336A true CN110706336A (zh) | 2020-01-17 |
Family
ID=69198088
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910933519.8A Pending CN110706336A (zh) | 2019-09-29 | 2019-09-29 | 一种基于医疗影像数据的三维重建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110706336A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111415404A (zh) * | 2020-03-16 | 2020-07-14 | 广州柏视医疗科技有限公司 | 术中预设区域的定位方法、装置、存储介质及电子设备 |
| CN113870339A (zh) * | 2020-06-30 | 2021-12-31 | 上海微创电生理医疗科技股份有限公司 | 图像处理方法、装置、计算机设备、存储介质及标测系统 |
| CN118071869A (zh) * | 2024-04-22 | 2024-05-24 | 有方（合肥）医疗科技有限公司 | 图像处理方法、电子设备、可读存储介质及程序产品 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101849813A (zh) * | 2009-03-31 | 2010-10-06 | 上海交通大学医学院附属新华医院 | 三维心脏超声虚拟内窥镜系统 |
| US20110176716A1 (en) * | 2008-08-08 | 2011-07-21 | University of Pittsburgh-Of he Commonwealth System of Higher Education | Establishing compatibility between two- and three-dimensional optical coherence tomography scans |
| CN103218797A (zh) * | 2012-01-19 | 2013-07-24 | 中国科学院上海生命科学研究院 | 血管图像处理与分析的方法和系统 |
| CN103337077A (zh) * | 2013-07-01 | 2013-10-02 | 武汉大学 | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 |
| CN103473805A (zh) * | 2013-09-18 | 2013-12-25 | 内蒙古科技大学 | 基于改进区域生长算法测量三维重建肝脏模型体积的方法 |
-
2019
- 2019-09-29 CN CN201910933519.8A patent/CN110706336A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110176716A1 (en) * | 2008-08-08 | 2011-07-21 | University of Pittsburgh-Of he Commonwealth System of Higher Education | Establishing compatibility between two- and three-dimensional optical coherence tomography scans |
| CN101849813A (zh) * | 2009-03-31 | 2010-10-06 | 上海交通大学医学院附属新华医院 | 三维心脏超声虚拟内窥镜系统 |
| CN103218797A (zh) * | 2012-01-19 | 2013-07-24 | 中国科学院上海生命科学研究院 | 血管图像处理与分析的方法和系统 |
| CN103337077A (zh) * | 2013-07-01 | 2013-10-02 | 武汉大学 | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 |
| CN103473805A (zh) * | 2013-09-18 | 2013-12-25 | 内蒙古科技大学 | 基于改进区域生长算法测量三维重建肝脏模型体积的方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111415404A (zh) * | 2020-03-16 | 2020-07-14 | 广州柏视医疗科技有限公司 | 术中预设区域的定位方法、装置、存储介质及电子设备 |
| CN111415404B (zh) * | 2020-03-16 | 2021-06-29 | 广州柏视医疗科技有限公司 | 术中预设区域的定位方法、装置、存储介质及电子设备 |
| CN113870339A (zh) * | 2020-06-30 | 2021-12-31 | 上海微创电生理医疗科技股份有限公司 | 图像处理方法、装置、计算机设备、存储介质及标测系统 |
| CN113870339B (zh) * | 2020-06-30 | 2024-10-18 | 上海微创电生理医疗科技股份有限公司 | 图像处理方法、装置、计算机设备、存储介质及标测系统 |
| CN118071869A (zh) * | 2024-04-22 | 2024-05-24 | 有方（合肥）医疗科技有限公司 | 图像处理方法、电子设备、可读存储介质及程序产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106456125B (zh) | 用于将医学图像中的特征链接到解剖结构模型的系统以及其操作方法 | |
| US8526691B2 (en) | System and method for passive medical device navigation under real-time MRI guidance | |
| CN101336844B (zh) | 医用图像处理装置以及医用图像诊断装置 | |
| CN107067398B (zh) | 用于三维医学模型中缺失血管的补全方法及装置 | |
| CN109073725A (zh) | 用于规划和执行重复介入流程的系统和方法 | |
| WO2011122035A1 (ja) | 投影画像生成装置、投影画像生成プログラムおよび投影画像生成方法 | |
| US20050080328A1 (en) | Method and apparatus for medical intervention procedure planning and location and navigation of an intervention tool | |
| EP1988511A2 (en) | Method and apparatus for volume rendering | |
| JP7132299B2 (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 | |
| CN110706336A (zh) | 一种基于医疗影像数据的三维重建方法及系统 | |
| US20070118100A1 (en) | System and method for improved ablation of tumors | |
| US20160030008A1 (en) | System and method for registering ultrasound information to an x-ray image | |
| CN115830017B (zh) | 基于图文多模态融合的肿瘤检测系统、方法、设备及介质 | |
| CN115105207A (zh) | 基于混合现实的手术全息导航方法及系统 | |
| EP2256652A2 (en) | Radiographic image display apparatus, and its method and computer program product | |
| CN111369675B (zh) | 基于肺结节脏层胸膜投影的三维可视模型重建方法及装置 | |
| EP4148670A1 (en) | Image processing method and apparatus, and computer device, storage medium and mapping system | |
| JP2014064824A (ja) | 管状構造の最短経路探索装置および方法並びにプログラム | |
| US8331638B2 (en) | Creation of motion compensated MRI M-mode images of the myocardial wall | |
| CA2519616A1 (en) | Computation of wall thickness | |
| US20120078101A1 (en) | Ultrasound system for displaying slice of object and method thereof | |
| Advincula et al. | Development and future trends in the application of visualization toolkit (VTK): the case for medical image 3D reconstruction | |
| CN109788991A (zh) | 用于基于识别点之间的空间关系来规划和执行介入流程的系统和方法 | |
| CN110718284A (zh) | 一种三维医疗影像数据的交互方法及系统 | |
| JP6734111B2 (ja) | 所見情報作成装置及びシステム |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |