CN110766735B - 一种图像的匹配方法、装置、设备及存储介质 - Google Patents

一种图像的匹配方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110766735B
CN110766735B CN201911001697.3A CN201911001697A CN110766735B CN 110766735 B CN110766735 B CN 110766735B CN 201911001697 A CN201911001697 A CN 201911001697A CN 110766735 B CN110766735 B CN 110766735B
Authority
CN
China
Prior art keywords
image sequence
image
frame
sequence
acquiring
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.)
Active
Application number
CN201911001697.3A
Other languages
English (en)
Other versions
CN110766735A (zh
Inventor
孙蒙蒙
王少康
陈宽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Infervision Medical Technology Co Ltd
Original Assignee
Infervision Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Infervision Co Ltd filed Critical Infervision Co Ltd
Priority to CN201911001697.3A priority Critical patent/CN110766735B/zh
Publication of CN110766735A publication Critical patent/CN110766735A/zh
Priority to PCT/CN2020/094875 priority patent/WO2021077759A1/zh
Priority to EP20880082.1A priority patent/EP3910592A4/en
Priority to JP2021548143A priority patent/JP7190059B2/ja
Application granted granted Critical
Publication of CN110766735B publication Critical patent/CN110766735B/zh
Priority to US17/398,790 priority patent/US11954860B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06T7/30—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
    • 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
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • 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
    • G06T7/38—Registration of image sequences
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/30061—Lung
    • 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)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种图像的匹配方法、装置、设备及存储介质，获取第一影像序列以及第二影像序列，由此得到分别基于第一影像序列和第二影像序列重建生成的第一对象和第二对象。由于，第一影像序列与第二影像序列为对同一对象采集的图像帧序列，因此，第一对象和第二对象均为采集该对象得到的结果，即，第一对象和第二对象具有高度相似的形态。所以，进一步配准第一对象和第二对象，得到配准结果，并依据配准结果，得到的映射关系可以指示第一影像序列中的图像帧与第二影像序列中的图像帧的对应关系。综上，由本图像的匹配方法得到第一影像序列中的图像帧与第二影像序列中的图像帧的对应关系，相比于人为设置差值，大大提高了匹配的准确度。

Description

一种图像的匹配方法、装置、设备及存储介质
技术领域
本申请涉及信息处理技术领域，更具体地说，涉及一种图像的匹配方法、装置、设备及存储介质。
背景技术
在医学影像领域，需要对照多次拍摄的医学影像序列中的图像帧，以做出更加准确的诊断。例如，病人在第一次被影像诊断出病灶之后，经临床医生诊断不需要立即做处理，要求病人一定时间内继续复查，病人在复查时，会拍摄随访影像，医生会基于两次影像中的病灶对比，再次做出诊断，以判断病人的患病情况。因为每次拍摄的影像均为一组包括多张图像帧的影像序列(例如CT影像序列)，所以在对比查看时，需要确定两组影像序列中图像帧的对应关系，通常，不同的影像序列中，包括被拍摄组织中的同一个区域(对于CT影像序列而言，区域可以为一个扫描层)的图像帧，称为对应的图像帧，对应关系即为图像帧间的对应关系。例如，上一次拍摄的影像序列中的第3帧中包括的扫描层，对应在该次拍摄的影像序列的第5帧中出现，则上一次拍摄的影像序列中的第3帧和该次拍摄的影像序列的第5帧对应。
目前，确定图像帧对应关系的方法为，根据经验人为设置图像帧编号差值，以对应查看编号符合差值的两张图像帧。例如，人为依据经验基于对组织(如病灶)的观察，确定上一次拍摄的影像序列中的第3帧，对应该次拍摄的影像序列的第5帧，则将差值设定为2，依据差值，该次拍摄的影像序列的第8帧，对应上一次拍摄的影像序列中的第6帧。但是，每次拍摄的影像序列具有差异性，例如，病人内部脏器的变化(例如呼吸运动)可能造成脏器在不同影像序列中的图像帧分布差异较大，所以适用于两个图像帧之间的差值，不一定适用于两个影响序列中所有图像帧，例如，该次拍摄的影像序列的第8帧，很有可能与上一次拍摄的影像序列中的第6帧中包括的扫描层不同。因此，由人为设置差值得到的图像帧的对应关系的准确度低。
发明内容
有鉴于此，本申请提供了一种图像的匹配方法、装置、设备及存储介质，以得到具有高准确度的图像帧的对应关系，如下：
一种图像的匹配方法，包括：
获取第一影像序列以及第二影像序列，所述第一影像序列与所述第二影像序列为对同一对象采集的图像帧序列；
获取第一对象和第二对象，所述第一对象为使用所述第一影像序列重建得到的所述对象，所述第二对象为使用所述第二影像序列重建得到的所述对象；
配准所述第一对象和所述第二对象，得到配准结果，所述配准结果包括所述第一对象上的任意一个像素点，与所述第二对象上的像素点的一一对应关系；
依据所述配准结果，得到映射关系，所述映射关系用于指示所述第一影像序列中的图像帧与所述第二影像序列中的图像帧的对应关系；
在展示所述第一影像序列中的目标图像帧的情况下，依据所述映射关系，对应展示对照图像帧，所述对照图像帧为所述第二影像序列中，与所述目标图像帧对应的图像帧，所述目标图像帧为所述第一影像序列中的任一图像帧。
可选地，获取第一影像序列以及第二影像序列，包括：
接收所述第一影像序列；
从历史影像序列中采集与所述第一影像序列具有相同标识的影像序列，作为所述第二影像序列。
可选地，接收所述第一影像序列包括：
在影像序列成像设备生成所述第一影像序列的情况下，从所述影像序列成像设备获取所述第一影像序列。
可选地，配准所述第一对象和所述第二对象，得到配准结果包括：
将所述第一对象和所述第二对象分别划分为多份；
将第一外接多边体和第二外接多边体的顶点进行配对，得到匹配点，所述第一外接多边体为所述第一对象划分得到的每一份的外接多边体，所述第二外接多边体为所述第二对象划分得到的每一份的外接多边体；
依据所述匹配点确定配准矩阵方程；
通过使用最小二乘法求解所述配准矩阵方程，得到所述配准结果。
可选地，本方法还包括：
获取第一病灶信息和第二病灶信息；所述第一病灶信息表示基于所述第一影像序列得到的病灶的诊断信息；所述第二病灶信息表示基于所述第二影像序列得到的病灶的诊断信息；
对应展示所述第一病灶信息和所述第二病灶信息中的相同项的内容。
可选地，本方法还包括：
获取第二帧标识，所述第二帧标识为病灶在所述第二影像序列中所处的图像帧的标识；
依据所述第二帧标识和所述映射关系，确定第一帧标识，所述第一帧标识为所述病灶在所述第一影像序列中所处的图像帧的标识，所述第一影像序列的获取时间，晚于所述第二影像序列的获取时间。
一种图像的匹配装置，包括：
影像序列获取单元，用于获取第一影像序列以及第二影像序列，所述第一影像序列与所述第二影像序列为对同一对象采集的图像帧序列；
对象获取单元，用于获取第一对象和第二对象，所述第一对象为使用所述第一影像序列重建得到的所述对象，所述第二对象为使用所述第二影像序列重建得到的所述对象；
配准单元，用于配准所述第一对象和所述第二对象，得到配准结果，所述配准结果包括所述第一对象上的任意一个像素点，与所述第二对象上的像素点的一一对应关系；
映射关系获取单元，用于依据所述配准结果，得到映射关系，所述映射关系用于指示所述第一影像序列中的图像帧与所述第二影像序列中的图像帧的对应关系；
图像展示单元，用于在展示所述第一影像序列中的目标图像帧的情况下，依据所述映射关系，对应展示对照图像帧，所述对照图像帧为所述第二影像序列中，与所述目标图像帧对应的图像帧，所述目标图像帧为所述第一影像序列中的任一图像帧。
可选地，影像序列获取单元用于获取第一影像序列以及第二影像序列，包括：所述影像序列获取单元具体用于：
接收所述第一影像序列；
从历史影像序列中采集与所述第一影像序列具有相同标识的影像序列，作为所述第二影像序列。
可选地，影像序列获取单元用于接收所述第一影像序列，包括：
所述影像序列获取单元具体用于，在影像序列成像设备生成所述第一影像序列的情况下，从所述影像序列成像设备获取所述第一影像序列。
可选地，配准单元用于配准所述第一对象和所述第二对象，得到配准结果，包括：所述配准单元具体用于：
将所述第一对象和所述第二对象分别划分为多份；
将第一外接多边体和第二外接多边体的顶点进行配对，得到匹配点，所述第一外接多边体为所述第一对象划分得到的每一份的外接多边体，所述第二外接多边体为所述第二对象划分得到的每一份的外接多边体；
依据所述匹配点确定配准矩阵方程；
通过使用最小二乘法求解所述配准矩阵方程，得到所述配准结果。
可选地，本装置还包括：
病灶信息获取单元，用于获取第一病灶信息和第二病灶信息；所述第一病灶信息表示基于所述第一影像序列得到的病灶的诊断信息；所述第二病灶信息表示基于所述第二影像序列得到的病灶的诊断信息；
病灶信息展示单元，用于对应展示所述第一病灶信息和所述第二病灶信息中的相同项的内容。
可选地，本装置还包括：
第二帧标识获取单元，用于获取第二帧标识，所述第二帧标识为病灶在所述第二影像序列中所处的图像帧的标识；
第一帧标识获取单元，用于依据所述第二帧标识和所述映射关系，确定第一帧标识，所述第一帧标识为所述病灶在所述第一影像序列中所处的图像帧的标识，所述第一影像序列的获取时间，晚于所述第二影像序列的获取时间。
一种图像的匹配设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如上所述的图像的匹配方法的各个步骤。
一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的图像的匹配方法的各个步骤。
从上述的技术方案可以看出，本申请提供的图像的匹配方法、装置、设备及存储介质，获取第一影像序列以及第二影像序列，由此得到分别基于第一影像序列和第二影像序列重建生成的第一对象和第二对象。由于，第一影像序列与第二影像序列为对同一对象采集的图像帧序列，因此，第一对象和第二对象均为采集该对象得到的结果，即，第一对象和第二对象具有高度相似的形态。所以，进一步配准第一对象和第二对象，得到配准结果，并依据配准结果，得到的映射关系可以指示第一影像序列中的图像帧与第二影像序列中的图像帧的对应关系。进一步，本方法可以依据该映射关系，对应展示目标图像帧以及对照图像帧。综上，由本图像的匹配方法得到第一影像序列中的图像帧与第二影像序列中的图像帧的对应关系，相比于人为设置差值，大大提高了匹配的准确度。
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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的图像的匹配方法的流程示意图；
图2为本申请实施例提供的一种配准第一对象和第二对象的方法流程示意图；
图3为本申请实施例提供的一种图像的匹配装置的结构示意图；
图4为本申请实施例提供的一种图像的匹配设备的结构示意图。
具体实施方式
本申请公开的技术方案，适用但不限于医学图像。
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，都属于本申请保护的范围。
图1为本申请实施例公开的一种图像的匹配方法的流程图，具体包括：
S101、获取第一影像序列以及第二影像序列。
具体地，每一影像序列包括多个连续的图像帧。本步骤获取的第一影像序列与第二影像序列为对同一对象采集的图像帧序列。
获取第一影像序列和第二影像序列的方法可以包括多种。
可选的一种获取方法为直接选取第一影像序列和第二影像序列。
具体地，以医学影像中的CT影像序列为例，第一影像序列可以为病人的随访CT影像序列，第二影像序列可以为病人的历史CT影像序列，其中历史CT影像序列可以包括多次的CT影像序列。可以理解的是，每一影像序列均为针对病人的同一部位拍摄的CT影像序列。此时，可以直接根据病人的信息，从PACS(picture archiving and communicationsystem，医学影像存档与通讯系统)中调取该病人的多次CT影像序列，以进行后续的图像的匹配方法。
可选地，本申请实施例提供了一种自动获取第一影像序列和第二影像序列的方法，如下：
A1、接收第一影像序列。
可选地，接收第一影像序列的方法可以为，在影像序列成像设备生成第一影像序列的情况下，从影像序列成像设备获取第一影像序列。
具体地，本方法可以通过与前端影像序列成像设备(如CT成像设备)直连监测成像设备的动态，当有影像序列成像时，自动接收成像设备发送的该影像序列，将其作为第一影像序列。
或者，接收第一影像序列的方法可以为，本方法通过与PACS直连，监测影像序列的存储动态，当有新的影像序列存入时，自动接收PACS设备发送的该影像序列，将其作为第一影像序列。
A2、从历史影像序列中采集与第一影像序列具有相同标识的影像序列，作为第二影像序列。
可以理解的是，每一影像序列都具有唯一的标识，该标识表征影像序列所属的用户。可选地，该标识可以包括第一影像序列所属的病人的个人信息(姓名、性别、年龄等)以及影像类型(腹部CT、胸部CT、头部CT等)。
其中，历史影像序列存储于PACS中，每一历史影像序列都对应于唯一的标，在不同时间点拍摄的同一类型的影像序列。
可选地，还可以预设其他采集条件(例如拍摄时间)，以进一步从多组历史影像序列中，筛选符合预期的第二影像序列。
以病人的随访影片序列为例，病人在医生的指导下拍摄随访CT影像序列，本方法直接从CT设备采集该随访CT影像序列，作为第一影像序列。同时得到该随访CT影像序列的个人信息：姓名张三、性别男、年龄30，以及影像类型：腹部CT。进一步，采集PACS中的符合上述个人信息、以及影像类型的历史CT影像序列，作为第二影像序列。进一步，可以预先设置筛选条件为采集时间两年，则，采集PACS中的符合上述个人信息、以及影像类型的历史CT影像序列，并在上述历史CT影像序列中筛选出两年内的历史CT影像序列，作为第二影像序列。
S102、获取第一对象和第二对象。
上述可知，第一影像序列与第二影像序列为对同一对象采集的图像帧序列，所以，第一对象为使用第一影像序列重建得到的该对象，第二对象为使用第二影像序列重建得到该对象。例如，基于病人张三的两次腹部CT影像序列，针对同一对象(例如肺部)，重建得到的第一对象和第二对象均为病人张三肺部的三维重建结果。
可选地，本步骤可以使用传统阈值法，分水岭法，或者基于深度学习的分割算法得到对象区域，再由对象区域重建，得到第一对象和第二对象。
S103、配准第一对象和第二对象，得到配准结果。
可以理解的是，第一对象和第二对象为同一对象，所以第一对象和第二对象的形态具有高度相似性。又因为，第一对象的点可以用基于第一影像序列建立的空间中的坐标表示。第二对象的点可以用基于第二影像序列建立的空间中的坐标表示。由此，可以基于空间坐标的变换，配准第一对象和第二对象中的各个点。
可选地，可以依据空间坐标变换方法，将第一对象中的任一点，与第二对象中的、位于对象相同位置的点进行配准。通过配准多个点，得到第一对象和第二对象的配准结果。
S104、依据配准结果，得到映射关系。
具体地，配准结果表征第一对象和第二对象的配准关系，该配准关系为第一对象和第二对象中的点的空间映射关系(对于对象中的任意一个真实点，配准关系为，该点在第一对象中的坐标点与在第二对象中的坐标点之间的对应关系)。由于，图像帧为影像序列中的一帧画面，第一对象对应于第一影像序列中的多个图像帧，第二对象对应于第二影像序列中的多个图像帧。所以，本步骤可以通过空间映射关系和物理映射关系的变换，依据配准结果，得到第一影像序列中的每一帧图像帧以及第二影像序列中的每一帧图像帧的对应关系。
需要说明的是，空间映射关系和物理映射关系的变换可参照现有的变换方法，本申请实施例对此不做限定。
可选地，影像序列中的每一图像帧都对应于一个帧标识，图像帧的帧标识表示该图像帧在影像序列中的位置。所以，该对应关系可以存储为图像帧的帧标识的对应关系表。
S105、在展示第一影像序列中的目标图像帧的情况下，依据映射关系，对应展示对照图像帧。
其中，目标图像帧为第一影像序列中的任一图像帧，对照图像帧为第二影像序列中，与目标图像帧对应的图像帧。
可选地，展示第一影像序列中的目标图像帧的情况可以为，基于用户的操作触发展示第一影像序列中的任一图像帧，该帧图像帧即为目标图像帧。此时，可以依据本方法得到上述映射关系从第二影像序列中获取与目标图像帧对应的图像帧，即为对照图像帧。进一步，展示目标图像帧以及对照图像帧。
例如，医生在获取病人的随访影像序列后，需要对照查看随访影像序列以及前次影像序列，以得到更准确地诊断。此时，医生可以选择展示随访影像序列中的任一图像帧，本方法可以基于映射关系，确定前次影像序列中与该图像帧对应的对照图像帧。基于此，同时展示该图像帧以及该图像帧的对照图像帧。
需要说明的是，展示的具体实现方式可以为通过与预设的显示界面连接，该显示界面可以提供用户联动查看各个图像帧，并具有对图像帧的操作(放大、缩小、平移等)功能。
从上述的技术方案可以看出，本申请提供的图像的匹配方法、装置、设备及存储介质，获取第一影像序列以及第二影像序列，由此得到分别基于第一影像序列和第二影像序列重建生成的第一对象和第二对象。由于，第一影像序列与第二影像序列为对同一对象采集的图像帧序列，因此，第一对象和第二对象均为采集该对象得到的结果，即，第一对象和第二对象具有高度相似的形态。所以，进一步配准第一对象和第二对象，得到配准结果，并依据配准结果，得到的映射关系可以指示第一影像序列中的图像帧与第二影像序列中的图像帧的对应关系。进一步，本方法可以依据该映射关系，对应展示目标图像帧以及对照图像帧，综上，由本图像的匹配方法得到第一影像序列中的图像帧与第二影像序列中的图像帧的对应关系，相比于人为设置差值，大大提高了匹配的准确度。
图2为本申请实施例公开的一种配准第一对象和第二对象的方法流程示意图。本申请实施例以第一影像序列和第二影像序列为腹部CT影像序列、对象为肺部为例，对第一对象和第二对象的配准过程进行说明。具体可以包括：
S201、将第一对象和第二对象分别划分为多份。
其中，第一影像序列为随访CT影像序列记为DICOM1，第二影像序列为前次CT影像序列记为DICOM2。将第一对象(肺部)表示为LUNG1，第二对象(肺部)表示为LUNG2。
本步骤可以将LUNG1和LUNG2分别沿人体长轴方向等分为k份。可以理解的是，由于LUNG1和LUNG2为同一对象，所以，LUNG1的第i(1≤i≤k)份与LUNG2的第i份形态高度相似。
S202、将第一外接多边体和第二外接多边体的顶点进行配对，得到匹配点。
具体地，计算上述第一对象与第二对象划分得到的多份对象的外接多边体。其中，第一外接多边体可以为第一对象LUNG1划分得到的每一份的最小包围立方体，第二外接多边体可以为第二对象LUNG2划分得到的每一份的最小包围立方体。上述已知，第i份第一外接多边体与第i份第二外接多边体为同一对象的相同部分，由此将每一份第一外接多边体的顶点和其对应的第二外接多边体的顶点进行配对。得到多个匹配点。
例如，第一外接多边体包括k个，记为LUNG11、LUNG12、…、LUNG1k，以及第一外接多边体包括k个，记为LUNG21、LUNG22、…、LUNG2k。
进一步，分别将LUNG11与LUNG21、LUNG12与LUNG22、...、LUNG1k与LUNG2k的中各个顶点两两配对，得到8k对匹配点。以LUNG11与LUNG21为例，LUNG11中包括8个顶点，将该8个顶点与LUNG21中的相应位置的8个顶点两两配对，由此得到LUNG11与LUNG21的8对匹配点。
S203、依据匹配点确定配准矩阵方程。
具体地，可将每一对象中的8k个顶点的坐标排列为8k×3大小的顶点矩阵V，如下：
Figure BDA0002241529710000101
其中xij表示对象中第i(1≤i≤k)份外接多边体的第j(1≤j≤8)个顶点坐标。
本步骤用Vtar表示第一对象的顶点矩阵，
Figure BDA0002241529710000111
表示顶点矩阵Vtar的第r行第1列元素(1≤r≤8k)，即，Vtar中的第r个顶点的x坐标，
Figure BDA0002241529710000112
表示顶点矩阵Vtar的第r行第2列元素，即，Vtar中的第r个顶点的y坐标，
Figure BDA0002241529710000113
表示顶点矩阵Vtar的第r行第3列元素，即，Vtar中的第r个顶点的z坐标。基于上述表示方法，将Vtar变换矩阵形式得到第一对象的顶点矩阵W，如下：
Figure BDA0002241529710000114
用Vorg表示第二对象的顶点矩阵，
Figure BDA0002241529710000115
表示顶点矩阵Vorg的第r行。
可以假设映射关系式为12维向量T，T＝[A1 b1 A2 b2 A3 b3]T，其中，A1＝[a11 a12a13]、A2＝[a21 a22 a23]、A3＝[a31 a32 a33]。基于坐标变换，对第一对象和第二对象进行配准，配准矩阵方程如下：
Figure BDA0002241529710000116
S204、通过使用最小二乘法求解配准矩阵方程，得到配准结果。
具体地，使用最小二乘法求解上述配准矩阵方程，即可计算得到映射关系式T＝[A1 b1 A2 b2 A3 b3]T。
该映射关系式为利用第一对象和第二对象的8k个配准点经过坐标变换得到，所以该映射关系式也可表示第一对象和第二对象中位于对象相同位置的两个点的配准关系。也即，第一对象中的任一点，均可通过该点在第一对象中的坐标，以及映射关系式，计算得到该点的配准点的在第二对象中的坐标。
可选地，本方法还可以展示第一影像序列以及第二影像序列的病灶信息，具体的展示方法为：
首先，获取第一病灶信息和第二病灶信息。
其中，第一病灶信息表示基于第一影像序列得到的病灶的诊断信息；第二病灶信息表示基于第二影像序列得到的病灶的诊断信息；
每一病灶信息包括多个信息项。例如，诊断信息的信息项可以为病灶的物理诊断信息(大小、形态、范围等)、人工诊断信息(病灶性质、程度等)。诊断信息中的各信息项可以从PACS中获取，或者可以依据影像序列的标识，从其他的信息系统例如诊断系统中获取。
可以理解的是，第一病灶信息和第二病灶信息中会包括相同的信息项，为了便于用户直观的对比第一影像序列以及第二影像序列的各项信息，可以进一步对应展示第一病灶信息和第二病灶信息中的相同项的内容。
可选地，可以生成信息项的对应关系表，表中相同项对应排列，不同项单独排列即可。在基于用户的操作展示第一影像序列的第一病灶信息的情况下，展示该对应关系表。
综上，本技术方案进一步提供展示方法，可以同时展示第一影像序列以及第二影像序列中的具有映射关系的两个图像帧，便于用户对图像帧中的影像进行对比观察，并且，可以对应展示第一病灶信息和第二病灶信息中的相同项，可以简单清晰的对比多次的诊断结果，得出病灶的变化信息，由此提供用户进一步诊断的依据，进一步可以提高诊断的准确度。
当接收第一影像序列后，为了避免用户在多张图像帧中查找病灶导致的低效率，本方法还包括：
获取第二帧标识，并依据第二帧标识和映射关系，确定第一帧标识。
其中，第二帧标识为病灶在第二影像序列中所处的图像帧的标识。第一帧标识为病灶在第一影像序列中所处的图像帧的标识，需要说明的是，第一影像序列的获取时间，晚于第二影像序列的获取时间。
可以理解的是，第二影像序列为历史影像序列，该第二影像序列已经通过用户诊断得到其中病灶的具体位置，即，病灶在第二影像序列中所处的图像帧的标识。又因为，上述实施例获得了第一影像序列中的每一帧图像帧以及第二影像序列中的每一帧图像帧的对应关系，所以，可以依据第二帧标识查找第一影像序列中，与该第二帧标识指示的图像帧对应的图像帧，并得到该图像帧的帧标识，作为帧标识。
可以理解的是，可以直接选择第一帧标识指示的图像帧，即可查看病灶。不需要人工逐张查看所有图像帧以得到病灶所在的图像帧。由此提高工作效率。
需要说明的是，本方法可以应用于智能电子设备，例如手机、IPAD、计算机等，可以以独立软件的形式运行，此时需要连接PACS系统、其他信息系统或显示系统等。或者，可以嵌入现有的系统，例如，嵌入PACS系统。并且，本方法可以存储上述各个实施例中得到的映射关系、第一病灶信息、第二病灶信息、或对应关系表等结果。
本申请实施例还提供了一种图像的匹配装置，下面对本申请实施例提供的图像的匹配装置进行描述，下文描述的图像的匹配装置与上文描述的图像的匹配方法可相互对应参照。
请参阅图3，示出了本申请实施例提供的一种图像的匹配装置的结构示意图，如图3所示，该装置可以包括：
影像序列获取单元301，用于获取第一影像序列以及第二影像序列，所述第一影像序列与所述第二影像序列为对同一对象采集的图像帧序列；
对象获取单元302，用于获取第一对象和第二对象，所述第一对象为使用所述第一影像序列重建得到的所述对象，所述第二对象为使用所述第二影像序列重建得到的所述对象；
配准单元303，用于配准所述第一对象和所述第二对象，得到配准结果，所述配准结果包括所述第一对象上的任意一个像素点，与所述第二对象上的像素点的一一对应关系；
映射关系获取单元304，用于依据所述配准结果，得到映射关系，所述映射关系用于指示所述第一影像序列中的图像帧与所述第二影像序列中的图像帧的对应关系；
图像展示单元305，用于在展示所述第一影像序列中的目标图像帧的情况下，依据所述映射关系，对应展示对照图像帧，所述对照图像帧为所述第二影像序列中，与所述目标图像帧对应的图像帧，所述目标图像帧为所述第一影像序列中的任一图像帧。
可选地，影像序列获取单元用于获取第一影像序列以及第二影像序列，包括：所述影像序列获取单元具体用于：
接收所述第一影像序列；
从历史影像序列中采集与所述第一影像序列具有相同标识的影像序列，作为所述第二影像序列。
可选地，影像序列获取单元用于接收所述第一影像序列，包括：
所述影像序列获取单元具体用于，在影像序列成像设备生成所述第一影像序列的情况下，从所述影像序列成像设备获取所述第一影像序列。
可选地，配准单元用于配准所述第一对象和所述第二对象，得到配准结果，包括：所述配准单元具体用于：
将所述第一对象和所述第二对象分别划分为多份；
将第一外接多边体和第二外接多边体的顶点进行配对，得到匹配点，所述第一外接多边体为所述第一对象划分得到的每一份的外接多边体，所述第二外接多边体为所述第二对象划分得到的每一份的外接多边体；
依据所述匹配点确定配准矩阵方程；
通过使用最小二乘法求解所述配准矩阵方程，得到所述配准结果。
可选地，本装置还包括：
病灶信息获取单元，用于获取第一病灶信息和第二病灶信息；所述第一病灶信息表示基于所述第一影像序列得到的病灶的诊断信息；所述第二病灶信息表示基于所述第二影像序列得到的病灶的诊断信息；
病灶信息展示单元，用于对应展示所述第一病灶信息和所述第二病灶信息中的相同项的内容。
可选地，本装置还包括：
第二帧标识获取单元，用于获取第二帧标识，所述第二帧标识为病灶在所述第二影像序列中所处的图像帧的标识；
第一帧标识获取单元，用于依据所述第二帧标识和所述映射关系，确定第一帧标识，所述第一帧标识为所述病灶在所述第一影像序列中所处的图像帧的标识，所述第一影像序列的获取时间，晚于所述第二影像序列的获取时间。
本申请实施例还提供了一种图像的匹配设备，请参阅图4，示出了该图像的匹配设备的结构示意图，该设备可以包括：至少一个处理器401，至少一个通信接口402，至少一个存储器403和至少一个通信总线404；
在本申请实施例中，处理器401、通信接口402、存储器403、通信总线404的数量为至少一个，且处理器401、通信接口402、存储器403通过通信总线404完成相互间的通信；
处理器401可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器403可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
获取第一影像序列以及第二影像序列，所述第一影像序列与所述第二影像序列为对同一对象采集的图像帧序列；
获取第一对象和第二对象，所述第一对象为使用所述第一影像序列重建得到的所述对象，所述第二对象为使用所述第二影像序列重建得到的所述对象；
配准所述第一对象和所述第二对象，得到配准结果，所述配准结果包括所述第一对象上的任意一个像素点，与所述第二对象上的像素点的一一对应关系；
依据所述配准结果，得到映射关系，所述映射关系用于指示所述第一影像序列中的图像帧与所述第二影像序列中的图像帧的对应关系；
在展示所述第一影像序列中的目标图像帧的情况下，依据所述映射关系，对应展示对照图像帧，所述对照图像帧为所述第二影像序列中，与所述目标图像帧对应的图像帧，所述目标图像帧为所述第一影像序列中的任一图像帧。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：
获取第一影像序列以及第二影像序列，所述第一影像序列与所述第二影像序列为对同一对象采集的图像帧序列；
获取第一对象和第二对象，所述第一对象为使用所述第一影像序列重建得到的所述对象，所述第二对象为使用所述第二影像序列重建得到的所述对象；
配准所述第一对象和所述第二对象，得到配准结果，所述配准结果包括所述第一对象上的任意一个像素点，与所述第二对象上的像素点的一一对应关系；
依据所述配准结果，得到映射关系，所述映射关系用于指示所述第一影像序列中的图像帧与所述第二影像序列中的图像帧的对应关系；
在展示所述第一影像序列中的目标图像帧的情况下，依据所述映射关系，对应展示对照图像帧，所述对照图像帧为所述第二影像序列中，与所述目标图像帧对应的图像帧，所述目标图像帧为所述第一影像序列中的任一图像帧。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
最后，还需要说明的是，在本文中，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。
本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。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (12)

1.一种图像的匹配方法，其特征在于，包括：
获取第一影像序列以及第二影像序列，所述第一影像序列与所述第二影像序列为对同一对象采集的图像帧序列；
获取第一对象和第二对象，所述第一对象为使用所述第一影像序列重建得到的所述对象，所述第二对象为使用所述第二影像序列重建得到的所述对象；
配准所述第一对象和所述第二对象，得到配准结果，所述配准结果包括所述第一对象上的任意一个像素点，与所述第二对象上的像素点的一一对应关系；其中，所述配准所述第一对象和所述第二对象，得到配准结果包括：将所述第一对象和所述第二对象分别划分为多份；将第一外接多边体和第二外接多边体的顶点进行配对，得到匹配点，所述第一外接多边体为所述第一对象划分得到的每一份的外接多边体，所述第二外接多边体为所述第二对象划分得到的每一份的外接多边体；依据所述匹配点确定配准矩阵方程；通过使用最小二乘法求解所述配准矩阵方程，得到所述配准结果；
依据所述配准结果，得到映射关系，所述映射关系用于指示所述第一影像序列中的图像帧与所述第二影像序列中的图像帧的对应关系；
在展示所述第一影像序列中的目标图像帧的情况下，依据所述映射关系，对应展示对照图像帧，所述对照图像帧为所述第二影像序列中，与所述目标图像帧对应的图像帧，所述目标图像帧为所述第一影像序列中的任一图像帧。
2.根据权利要求1所述的方法，其特征在于，所述获取第一影像序列以及第二影像序列，包括：
接收所述第一影像序列；
从历史影像序列中采集与所述第一影像序列具有相同标识的影像序列，作为所述第二影像序列。
3.根据权利要求2所述的方法，其特征在于，所述接收所述第一影像序列包括：
在影像序列成像设备生成所述第一影像序列的情况下，从所述影像序列成像设备获取所述第一影像序列。
4.根据权利要求1所述的方法，其特征在于，还包括：
获取第一病灶信息和第二病灶信息；所述第一病灶信息表示基于所述第一影像序列得到的病灶的诊断信息；所述第二病灶信息表示基于所述第二影像序列得到的病灶的诊断信息；
对应展示所述第一病灶信息和所述第二病灶信息中的相同项的内容。
5.根据权利要求1所述的方法，其特征在于，还包括：
获取第二帧标识，所述第二帧标识为病灶在所述第二影像序列中所处的图像帧的标识；
依据所述第二帧标识和所述映射关系，确定第一帧标识，所述第一帧标识为所述病灶在所述第一影像序列中所处的图像帧的标识，所述第一影像序列的获取时间，晚于所述第二影像序列的获取时间。
6.一种图像的匹配装置，其特征在于，包括：
影像序列获取单元，用于获取第一影像序列以及第二影像序列，所述第一影像序列与所述第二影像序列为对同一对象采集的图像帧序列；
对象获取单元，用于获取第一对象和第二对象，所述第一对象为使用所述第一影像序列重建得到的所述对象，所述第二对象为使用所述第二影像序列重建得到的所述对象；
配准单元，用于配准所述第一对象和所述第二对象，得到配准结果，所述配准结果包括所述第一对象上的任意一个像素点，与所述第二对象上的像素点的一一对应关系；其中，所述配准单元用于配准所述第一对象和所述第二对象，得到配准结果，包括：所述配准单元具体用于：将所述第一对象和所述第二对象分别划分为多份；将第一外接多边体和第二外接多边体的顶点进行配对，得到匹配点，所述第一外接多边体为所述第一对象划分得到的每一份的外接多边体，所述第二外接多边体为所述第二对象划分得到的每一份的外接多边体；依据所述匹配点确定配准矩阵方程；通过使用最小二乘法求解所述配准矩阵方程，得到所述配准结果；
映射关系获取单元，用于依据所述配准结果，得到映射关系，所述映射关系用于指示所述第一影像序列中的图像帧与所述第二影像序列中的图像帧的对应关系；
图像展示单元，用于在展示所述第一影像序列中的目标图像帧的情况下，依据所述映射关系，对应展示对照图像帧，所述对照图像帧为所述第二影像序列中，与所述目标图像帧对应的图像帧，所述目标图像帧为所述第一影像序列中的任一图像帧。
7.根据权利要求6所述的装置，其特征在于，所述影像序列获取单元用于获取第一影像序列以及第二影像序列，包括：所述影像序列获取单元具体用于：
接收所述第一影像序列；
从历史影像序列中采集与所述第一影像序列具有相同标识的影像序列，作为所述第二影像序列。
8.根据权利要求6所述的装置，其特征在于，所述影像序列获取单元用于接收所述第一影像序列，包括：
所述影像序列获取单元具体用于，在影像序列成像设备生成所述第一影像序列的情况下，从所述影像序列成像设备获取所述第一影像序列。
9.根据权利要求6所述的装置，其特征在于，还包括：
病灶信息获取单元，用于获取第一病灶信息和第二病灶信息；所述第一病灶信息表示基于所述第一影像序列得到的病灶的诊断信息；所述第二病灶信息表示基于所述第二影像序列得到的病灶的诊断信息；
病灶信息展示单元，用于对应展示所述第一病灶信息和所述第二病灶信息中的相同项的内容。
10.根据权利要求6所述的装置，其特征在于，还包括：
第二帧标识获取单元，用于获取第二帧标识，所述第二帧标识为病灶在所述第二影像序列中所处的图像帧的标识；
第一帧标识获取单元，用于依据所述第二帧标识和所述映射关系，确定第一帧标识，所述第一帧标识为所述病灶在所述第一影像序列中所处的图像帧的标识，所述第一影像序列的获取时间，晚于所述第二影像序列的获取时间。
11.一种图像的匹配设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1～5中任一项所述的图像的匹配方法的各个步骤。
12.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1～5中任一项所述的图像的匹配方法的各个步骤。
CN201911001697.3A 2019-10-21 2019-10-21 一种图像的匹配方法、装置、设备及存储介质 Active CN110766735B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201911001697.3A CN110766735B (zh) 2019-10-21 2019-10-21 一种图像的匹配方法、装置、设备及存储介质
PCT/CN2020/094875 WO2021077759A1 (zh) 2019-10-21 2020-06-08 一种图像的匹配方法、装置、设备及存储介质
EP20880082.1A EP3910592A4 (en) 2019-10-21 2020-06-08 IMAGE MATCHING METHOD, APPARATUS AND DEVICE, AND STORAGE MEDIA
JP2021548143A JP7190059B2 (ja) 2019-10-21 2020-06-08 画像のマッチング方法、装置、デバイス及び記憶媒体
US17/398,790 US11954860B2 (en) 2019-10-21 2021-08-10 Image matching method and device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911001697.3A CN110766735B (zh) 2019-10-21 2019-10-21 一种图像的匹配方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110766735A CN110766735A (zh) 2020-02-07
CN110766735B true CN110766735B (zh) 2020-06-26

Family

ID=69332872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911001697.3A Active CN110766735B (zh) 2019-10-21 2019-10-21 一种图像的匹配方法、装置、设备及存储介质

Country Status (5)

Country Link
US (1) US11954860B2 (zh)
EP (1) EP3910592A4 (zh)
JP (1) JP7190059B2 (zh)
CN (1) CN110766735B (zh)
WO (1) WO2021077759A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766735B (zh) 2019-10-21 2020-06-26 北京推想科技有限公司 一种图像的匹配方法、装置、设备及存储介质
CN111462083B (zh) * 2020-03-31 2023-05-02 北京东软医疗设备有限公司 图像处理方法、装置、电子设备及存储介质
CN111462203B (zh) * 2020-04-07 2021-08-10 广州柏视医疗科技有限公司 Dr病灶演化分析装置和方法
CN111696649A (zh) * 2020-06-10 2020-09-22 杭州联众医疗科技股份有限公司 一种实现病种控费的手术前后影像数据比对的系统
CN112686866A (zh) * 2020-12-31 2021-04-20 安徽科大讯飞医疗信息技术有限公司 基于医学影像的随访方法、装置及计算机可读存储介质
CN114241075B (zh) * 2021-12-22 2024-08-02 沈阳东软智能医疗科技研究院有限公司 Ct序列的联动关系建立方法、装置、存储介质和设备
CN115546174B (zh) * 2022-10-20 2023-09-08 数坤(北京)网络科技股份有限公司 图像处理方法、装置、计算设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104750951A (zh) * 2013-11-21 2015-07-01 上海联影医疗科技有限公司 一种医疗图像数据的分析处理方法及装置
CN104881568A (zh) * 2015-04-27 2015-09-02 苏州敏宇医疗科技有限公司 一种基于云计算的肿瘤治疗疗效早期评价的系统和方法
CN106157282A (zh) * 2015-03-31 2016-11-23 深圳迈瑞生物医疗电子股份有限公司 图像处理系统及方法
CN106934807A (zh) * 2015-12-31 2017-07-07 深圳迈瑞生物医疗电子股份有限公司 一种医学影像分析方法、系统及医疗设备
CN107292872A (zh) * 2017-06-16 2017-10-24 艾松涛 图像处理方法/系统、计算机可读存储介质及电子设备
CN107454389A (zh) * 2017-08-30 2017-12-08 苏州科达科技股份有限公司 待测系统的视频质量评价方法及系统
CN107465940A (zh) * 2017-08-30 2017-12-12 苏州科达科技股份有限公司 视频对准方法、电子设备及存储介质
CN107595390A (zh) * 2017-10-19 2018-01-19 青岛大学附属医院 一种超声影像与ct影像的实时匹配融合方法
CN109035234A (zh) * 2018-07-25 2018-12-18 腾讯科技（深圳）有限公司 一种结节检测方法、装置和存储介质
CN110021025A (zh) * 2019-03-29 2019-07-16 上海联影智能医疗科技有限公司 感兴趣区域的匹配和显示方法、装置、设备及存储介质

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050135707A1 (en) * 2003-12-18 2005-06-23 Turek Matthew W. Method and apparatus for registration of lung image data
JP4797173B2 (ja) * 2005-06-21 2011-10-19 国立大学法人金沢大学 Ｘ線診断支援装置、プログラム及び記録媒体
CN101616310B (zh) * 2009-07-17 2011-05-11 清华大学 可变视角及分辨率的双目视觉系统目标图像稳定化方法
US8848990B2 (en) * 2010-09-28 2014-09-30 Siemens Aktiengesellschaft Automatic registration of image series with varying contrast based on synthetic images derived from intensity behavior model
KR101932721B1 (ko) * 2012-09-07 2018-12-26 삼성전자주식회사 의료 영상들의 정합 방법 및 장치
CN103927746B (zh) * 2014-04-03 2017-02-15 北京工业大学 一种三维网格序列的配准及压缩方法
KR20160028273A (ko) * 2014-09-03 2016-03-11 삼성전자주식회사 병변 검출 보간 장치 및 방법
EP3423865B1 (en) * 2016-03-01 2024-03-06 Brightway Vision Ltd. Gated imaging apparatus, system and method
JP2018011807A (ja) * 2016-07-22 2018-01-25 株式会社日立製作所 画像表示装置、ｘ線画像診断装置、及び画像表示方法
US10380763B2 (en) * 2016-11-16 2019-08-13 Seiko Epson Corporation Hybrid corner and edge-based tracking
CN106815832B (zh) * 2016-12-20 2019-05-21 华中科技大学 一种表面贴装技术的钢网图像自动配准方法和系统
WO2019023382A1 (en) * 2017-07-26 2019-01-31 Canon U.S.A., Inc. METHOD FOR EVALUATING CARDIAC MOVEMENT USING ANGIOGRAPHIC IMAGE
US10510145B2 (en) * 2017-12-27 2019-12-17 Industrial Technology Research Institute Medical image comparison method and system thereof
US11017548B2 (en) * 2018-06-21 2021-05-25 Hand Held Products, Inc. Methods, systems, and apparatuses for computing dimensions of an object using range images
CN110766735B (zh) * 2019-10-21 2020-06-26 北京推想科技有限公司 一种图像的匹配方法、装置、设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104750951A (zh) * 2013-11-21 2015-07-01 上海联影医疗科技有限公司 一种医疗图像数据的分析处理方法及装置
CN106157282A (zh) * 2015-03-31 2016-11-23 深圳迈瑞生物医疗电子股份有限公司 图像处理系统及方法
CN104881568A (zh) * 2015-04-27 2015-09-02 苏州敏宇医疗科技有限公司 一种基于云计算的肿瘤治疗疗效早期评价的系统和方法
CN106934807A (zh) * 2015-12-31 2017-07-07 深圳迈瑞生物医疗电子股份有限公司 一种医学影像分析方法、系统及医疗设备
CN107292872A (zh) * 2017-06-16 2017-10-24 艾松涛 图像处理方法/系统、计算机可读存储介质及电子设备
CN107454389A (zh) * 2017-08-30 2017-12-08 苏州科达科技股份有限公司 待测系统的视频质量评价方法及系统
CN107465940A (zh) * 2017-08-30 2017-12-12 苏州科达科技股份有限公司 视频对准方法、电子设备及存储介质
CN107595390A (zh) * 2017-10-19 2018-01-19 青岛大学附属医院 一种超声影像与ct影像的实时匹配融合方法
CN109035234A (zh) * 2018-07-25 2018-12-18 腾讯科技（深圳）有限公司 一种结节检测方法、装置和存储介质
CN110021025A (zh) * 2019-03-29 2019-07-16 上海联影智能医疗科技有限公司 感兴趣区域的匹配和显示方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2021077759A1 (zh) 2021-04-29
EP3910592A4 (en) 2022-05-11
EP3910592A1 (en) 2021-11-17
US11954860B2 (en) 2024-04-09
CN110766735A (zh) 2020-02-07
JP7190059B2 (ja) 2022-12-14
US20210366121A1 (en) 2021-11-25
JP2022520480A (ja) 2022-03-30

Similar Documents

Publication Publication Date Title
CN110766735B (zh) 一种图像的匹配方法、装置、设备及存储介质
JP7225295B2 (ja) 医用画像表示装置、方法およびプログラム
CN107133946B (zh) 医学图像处理方法、装置及设备
EP3998579B1 (en) Medical image processing method, apparatus and device, medium and endoscope
Hernandez-Matas et al. Retinal image registration under the assumption of a spherical eye
CN103324853A (zh) 基于医学图像特征的相似度计算系统及方法
KR20170096088A (ko) 영상처리장치, 영상처리방법 및 이를 기록한 기록매체
US8494242B2 (en) Medical image management apparatus and method, and recording medium
CN111462048A (zh) 多标签多示例的图像检测方法、装置、设备及存储介质
CN114092475B (zh) 病灶长径确定方法、图像标注方法、装置及计算机设备
CN107392976A (zh) 数据处理方法、装置及设备
JP7409624B2 (ja) 情報処理装置、情報処理方法、及びプログラム
CN112862827B (zh) 一种左心耳的开口参数确定方法、装置、终端及存储介质
US11836923B2 (en) Image processing apparatus, image processing method, and storage medium
CN115690486A (zh) 识别图像中病灶方法、装置、设备及存储介质
JP5491237B2 (ja) 医用画像表示装置及び医用画像表示方法
JP7106096B2 (ja) 心機能解析装置、解析方法、プログラムおよび記録媒体
CN110415239B (zh) 图像处理方法、装置、设备、医疗电子设备以及介质
CN111476768B (zh) 图像配准方法、装置、路径规划方法、装置、系统及介质
CN110853043B (zh) 影像分割方法、装置、可读存储介质及电子设备
WO2023060735A1 (zh) 图像生成模型训练及图像生成方法、装置、设备和介质
JP2023092327A (ja) 情報処理装置及びプログラム
CN114446446A (zh) 医学影像图像产生方法和装置、电子设备
CN118334036A (zh) 基于深度学习的多模态医学影像质检系统
CN116013465A (zh) 表面配准误差确定方法、装置、电子设备及可读存储介质

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
CP03 Change of name, title or address

Address after: Room B401, floor 4, building 1, Shangdi Information 12, Haidian District, Beijing 100085

Patentee after: Tuxiang Medical Technology Co., Ltd

Address before: Room B401, floor 4, building 1, No. 12, Shangdi Information Road, Haidian District, Beijing 100085

Patentee before: Beijing Tuoxiang Technology Co.,Ltd.

CP03 Change of name, title or address