CN110853082B - 医学图像配准方法、装置、电子设备及计算机存储介质 - Google Patents
医学图像配准方法、装置、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN110853082B CN110853082B CN201910999961.0A CN201910999961A CN110853082B CN 110853082 B CN110853082 B CN 110853082B CN 201910999961 A CN201910999961 A CN 201910999961A CN 110853082 B CN110853082 B CN 110853082B
- Authority
- CN
- China
- Prior art keywords
- image sequence
- registered
- registration
- nodule
- organ
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 210000000056 organ Anatomy 0.000 claims abstract description 116
- 230000008859 change Effects 0.000 claims abstract description 54
- 238000000547 structure data Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 210000004072 lung Anatomy 0.000 description 22
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- 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
-
- 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
- G06T2207/20081—Training; 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30064—Lung nodule
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种医学图像配准方法、装置、电子设备及计算机存储介质,通过获取目标用户的目标器官的基准图像序列和待配准图像序列;并根据所述基准图像序列的整体结构特征矫正所述待配准图像序列,得到第一配准图像序列;再根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列。可以排除病灶体积变化的干扰,大大提升了多期医学图像配准的准确率。
Description
技术领域
本申请涉及医学图像配准领域,特别是一种医学图像配准方法、装置、电子设备及计算机存储介质。
背景技术
随着社会的发展,医疗技术也越来越进步,医学影像成为辅助医生进行诊断的得力帮手,现在检查身体常常会用到X线摄片、电子计算机断层扫描(Computed Tomography,CT)以及核磁共振等方法,如CT就是利用精确准直的X线束、γ射线、超声波等,与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描,具有扫描时间快,图像清晰等特点,可用于多种疾病的检查。
受拍摄环境等因素的影响,同一个患者的多期数据之间不是完全匹配的,现有的医学影像配准方法受患者拍摄时的身体情况与拍摄角度影响,病灶体积的变化情况较难估计,若在配准时,体积计算所得结果与真实结果误差较大,则误差会逐步累积,无法纠正,从而得到误差较大的结果,影响医生判断。
发明内容
基于上述问题,本申请提出了一种医学图像配准方法、装置、电子设备及计算机存储介质,可以排除病灶体积变化的干扰,大大提升了多期医学图像配准的准确率。
本申请实施例第一方面提供了一种医学图像配准方法,所述方法包括:
获取目标用户的目标器官的基准图像序列和待配准图像序列;
根据所述基准图像序列的整体结构特征矫正所述待配准图像序列,得到第一配准图像序列;
根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列。
本申请实施例第二方面提供了一种医学图像配准装置,所述装置包括处理单元和通信单元,所述处理单元用于:
获取目标用户的目标器官的基准图像序列和待配准图像序列;
根据所述基准图像序列的整体结构特征矫正所述待配准图像序列,得到第一配准图像序列;
根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列。
本申请实施例第三方面提供了一种电子设备,包括应用处理器、存储器,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述应用处理器执行,所述程序包括用于执行如本申请实施例第一方面所描述的方法中的步骤的指令。
本申请实施例第四方面提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如本申请实施例第一方面任一项所描述的方法。
本申请实施例第五方面提供了一种计算机产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
通过实施上述申请实施例,可以得到以下有益效果:
上述医学图像配准方法、装置、电子设备及计算机存储介质,通过获取目标用户的目标器官的基准图像序列和待配准图像序列;并根据所述基准图像序列的整体结构特征矫正所述待配准图像序列,得到第一配准图像序列;再根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列。可以排除病灶体积变化的干扰,大大提升了多期医学图像配准的准确率。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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为本申请实施例提供的医学图像配准方法的系统架构图;
图2为本申请实施例提供的一种医学图像配准方法的流程示意图;
图3为本申请实施例提供的肺部医学图像示意图;
图4为本申请实施例提供的肺部医学图像层级示意图;
图5为本申请实施例提供的一种电子设备的结构示意图;
图6为本申请实施例提供的一种医学图像配准装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子设备可以是具备通信能力的电子设备,该电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(User Equipment,UE),移动台(Mobile Station,MS),终端设备(terminal device)等等。
下面结合图1对本申请实施例中医学图像配准方法的系统架构作详细说明,图1为本申请实施例提供的医学图像配准方法的系统架构图,包括图像获取设备110、服务器120以及配准输出设备130,其中,上述图像获取设备110可以为电子计算机断层扫描(ComputedTomography,CT)设备等可以获取身体内部的医学图像的医疗设备,上述医学图像可以包括CT图像、X光图像、核磁共振图像等,在此不做具体限定;上述服务器120可以内置医学图像配准的相关算法,用于配准多期医学图像;上述配准输出设备130可以集成在上述图像获取设备110上,可以以电子图像的方式输出配准后的医学图像,也可以打印出实体图像输出配准后的医学图像。上述图像获取设备110与服务器120有线或无线连接,可以将获取到的同一用户同一部位的多期医学图像发送到上述服务器120进行配准,上述服务器120与上述配准输出设备130有线或无线连接,在接收到上述多期医学图像后可以基于内置的相关算法进行多期医学图像配准,并发送到上述配准输出设备130上,上述配准输出设备130可以显示最终的配准后的医学图像供医生观看。
通过上述系统架构,可以准确获取到目标用户的医学图像数据,并自动进行配准,输出配准后的医学图像,使医生无需通过观看多期医学图像人工配准,提升诊断效率。
下面结合图2对本申请实施例中一种医学图像配准方法作详细说明,图2为本申请实施例提供的一种医学图像配准方法的流程示意图,具体包括以下步骤:
步骤201,获取目标用户的目标器官的基准图像序列和待配准图像序列。
其中,可以通过具备图像拍摄功能的医学设备获取到上述目标用户的目标器官的多期医学图像序列,上述目标器官可以为身体内的任意一个器官,上述多期医学图像序列可以为符合医学影像成像和通讯标准(Digital imaging and Communications inMedicine,DICOM)的多张医学图像,每期医学图像序列都可以包括多张DICOM格式的医学图像,此时可以选定任意一期医学图像序列作为基准图像序列,上述基准图像序列用于作为医学图像配准的参考值,一般可以选定拍摄角度较正的一期医学图像序列作为上述基准图像序列,选定方式可以人工选定也可以基于图像识别技术自动选定,在此不做具体限定。需要说明的是,上述基准图像序列选定后,上述多期医学图像序列中除了上述基准图像序列之外的其余医学图像序列则为待配准图像序列,上述待配准图像序列可以为多期待配准的医学图像序列,将每一期待配准图像序列与基准图像序列依次进行配准即可得到配准后的医学图像序列。
通过获取目标用户的目标器官的基准图像序列和待配准图像序列,可以将获取到的医学图像序列划分为一期基准图像序列和多期待配准图像序列,方便后续进行配准。
步骤202,根据所述基准图像序列的整体结构特征矫正所述待配准图像序列,得到第一配准图像序列。
其中,上述基准图像序列的整体结构特征可以包括基准图像序列中目标器官的结构特征,上述第一配准图像序列可以表示根据上述目标器官进行配准得到的初步配准结果。
其中,可以根据上述基准图像序列确定上述目标器官的基准结构数据,以及,根据上述待配准图像序列确定上述目标器官的待配准结构数据;再根据上述基准结构数据和上述待配准结构数据矫正上述待配准图像序列,得到上述第一配准图像序列。上述基准结构数据可以包括上述目标器官的基准体积变化量和基准体积值,上述待配准结构数据包括上述目标器官的待配准体积变化量和待配准体积值。
具体的,首先,可以通过分割上述基准图像序列得到基准器官图像序列,以及,通过分割上述待配准图像序列得到待配准器官图像序列。以图3为例,图3为本申请实施例提供的肺部医学图像示意图,分布在图3中间两边的阴影区域即为肺部区域,可以通过肺部区域识别模型提取出肺部区域的三维图像,上述肺部区域识别模型可以为预先训练好的神经网络模型,也可以采用连通成分分析、轮廓查找、面积筛查等方法得到肺部区域的三维图像,在此不做具体限定。需要说明的是,从基准图像序列中分割出的肺部区域图像即为基准器官图像序列,从待配准图像序列中分割出的肺部区域图像即为待配准器官图像序列,可见,通过分割出肺部区域可以排除医学图像序列中肺部之外外区域的干扰,提高配准的准确性;
接着,根据上述基准器官图像序列确定上述基准体积变化量,以及,根据上述待配准器官图像序列确定上述待配准体积变化量。由于基准器官图像序列和每一期待配准器官图像序列都是一个时间段内的多张图像的集合,所以器官会存在一定的体积变化,上述基准体积变化量为基准器官图像序列的器官体积在竖直方向上的变化数据,上述待配准体积变化量为待配准器官图像序列的器官体积在竖直方向上的变化数据,具体的,可以设定统一的三维坐标系来表示基准图像序列和待配准图像序列,以图4为例,图4为本申请实施例提供的肺部医学图像层级示意图,以x表示横轴方向的图像,y表示竖轴方向的图像,z表示纵轴方向的层级图像,设定x方向的转换系数为spacing1、y方向的转换系数spacing2、z方向的转换系数为spacing3,可以将基准图像序列和待配准图像序列的像素坐标转换到上述统一的三维坐标系中,获取到上述基准器官图像序列和上述待配准器官图像序列的坐标信息,上述坐标信息包括纵轴坐标信息、横轴坐标信息和竖轴坐标信息,根据上述基准器官图像序列的横轴坐标信息和竖轴坐标信息可以得到基准器官图像序列在z方向的面积数据,将该面积与上述纵轴坐标信息的变化量相乘即可确定上述基准体积变化量,同理可以得到上述待配准体积变化量,之后可以根据基准体积变化量确定基准体积值,以及,根据上述待配准体积变化量确定待配准体积值,上述基准体积值和上述待配准体积值表示的是目标器官的体积大小;
之后,可以根据上述基准体积值与上述待配准体积值之比、上述基准体积变化量和上述待配准体积变化量确定竖直方向的纵轴配准参数,上述纵轴配准参数即为基准图像序列与待配准图像序列在竖直方向上的体积对应关系。具体的,可以先计算上述基准体积值和每一期待配准体积值之比,用于排除器官体积变化带来的体积差异的影响,并将基准图像序列和待配准图像序列在z方向上划分为相同层数的多层图像,层数可以根据目标器官的不同进行调整;举例来说,若目标器官为肺部,则可以将肺部区域的基准图像序列和待配准图像序列划分为5层,将上述基准体积值与上述待配准体积值之比设定为R,以z_fix1表示基准图像序列中的一层,以z_moving1、z_moving2、z_moving3、z_moving4、z_moving5分别表示待配准图像序列中的5个层级,以V_fix1表示上述z_fix1的体积值,以V_moving1、V_moving2、V_moving3、V_moving4、V_moving5分别表示上述z_moving1到z_moving5的体积值,将上述z_moving1到z_moving5的体积值依次与R相乘,得到的数值与V_fix1差值最小的层级即为与z_fix1对应的层,将其与z_fix1进行配准,同理,可以按照上述步骤将待配准图像序列剩余的层依次进行配准,如此可以在排除目标器官体积的干扰后将待配准器官图像序列在竖直方向上进行配准,大大提高了配准的精度;
可选的,还可以对肺部区域外的部分进行配准,将上述基准图像序列和待配准图像序列的肺部区域外的部分划分为多层图像,举例来说,基准图像序列中肺外区域的层数为N_fix,待配准图像序列中肺外区域的层数为N_moving,若此时N_fix>N_moving,则可以计算N_fix与N_moving的比值A,将上述待配准图像中肺外区域的每一层m与A相乘后四舍五入,得到的值m即为与每一层m对应的基准图像序列的层级,可见,将肺外区域的层级进行配准可以提升配准的完整性;
在竖直方向的配准完成之后,需要进行水平方向的配准,可以先获取上述基准器官图像序列中上述目标器官的基准关键点点集,以及,获取上述待配准器官图像序列中上述目标器官的待配准关键点点集,并根据上述基准关键点点集和上述待配准关键点点集确定水平方向的横竖轴配准参数,上述横竖轴配准参数可以为基准图像序列和待配准图像序列的旋转平移关系,上述基准关键点点集可以包括基准器官图像序列中肺部区域的起始点、结束点以及重心点组成的点集,上述待配准关键点点集可以包括待配准器官图像序列中肺部区域的起始点、结束点以及重心点组成的点集,具体可以通过最小化二乘法将上述基准关键点点集和待配准关键点点集之间的误差的平方和最小化,需要说明的是,此处的计算方法可以为其他迭代算法,最小二乘法并不构成对本申请的限定;
最后,上述经过竖直方向和水平方向配准的待配准图像序列即为第一配准图像序列,通过上述方法可以大大提高配准的准确性。
步骤203,根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列。
其中,上述第二配准图像序列为将上述第一配准图像序列在纵轴方向进行矫正后得到的最终配准的医学图像,可以首先获取上述基准图像序列中的基准结节数据,以及,获取上述待配准图像序列中的待配准结节数据,上述结节为目标器官内的病灶,在医学图像中表现为异常阴影,上述基准结节数据和上述待配准结节数据可以包括结节体积、结节位置以及结节长短径等,可以通过深度神经网络模型对上述基准图像序列和上述待配准图像序列进行分析确定上述基准结节数据和上述待配准结节数据,深度神经网络结构可采用U-net、SSD(Single Shot MultiBox Detector)、fully-CNN等,在此不做具体限定。具体的,可以筛选出结节中比较典型的结节作为基准结节和待配准结节,典型结节即为体积较大,长径较长的结节,如此可以过滤掉太小的结节,提高配准的准确性;
接着,可以根据上述基准结节数据、上述待配准结节数据和上述第一配准图像序列确定结节配准图像序列;上述结节配准图像为目标器官内结节配准后的图像,具体的,可以先对基准结节和待配准结节的位置坐标进行标准化处理,举例来说,若基准图像序列有D个基准结节,一期待配准图像序列有E个待配准结节,可以得到基准结节的位置坐标依次为(Xfixed1,Yfixed1,Zfixed1)…(XfixedD,YfixedD,ZfixedD),待配准结节的位置坐标依次为(Xmoving1,Ymoving1,Zmoving1)…(XmovingE,YmovingE,ZmovingE),标准化处理即为分别减去目标器官区域各个方向坐标点的最小值,可以降低外部环境对目标器官位置的影响,提高配准的准确性,之后可以根据第一配准图像序列中基准图像序列和待配准图像序列的在竖直方向的坐标对应关系修改Zmoving1到ZmovingE,再根据第一图像序列中基准图像序列与待配准图像的旋转平移关系确定水平方向的变换关系矩阵,上述变换关系矩阵可以为:
和/>
根据上述变换关系矩阵修改(Xmoving1,Ymoving1)得到:
如此可以得到坐标全部变换过的待配准图像序列的待配准结节数据,此时需要选取基准图像序列中的结节进行匹配,筛选出与每个待配准结节的纵坐标在一定范围内且欧式距离最小的基准结节作为与上述待配准结节进行匹配的结节,上述欧式距离可以通过计算坐标间的差的平方和再开根号得到,若某待配准结节无法找到对应的基准结节进行匹配,则将该待配准结节标记为新增结节,同理,将无法找到对应待配准结节的基准结节标记为消失结节,上述匹配成功的待配准结节可以被标记为匹配结节,根据匹配结节可以得到结节配准图像序列;
上述匹配结节可以表示同一个结节在不同时期的医学图像序列中的位置发生了偏移,将上述消失结节和新增结节暂时删去,此时可以确定匹配结节的个数为N,根据上述匹配结节的个数将上述第一配准图像序列分为M层,上述M为N+1;将上述M层的第一配准图像在竖直方向上进行逐层配准,得到上述第二配准图像序列,举例来说,若存在两个匹配结节,则先获取两个匹配结节的纵轴坐标为(ZmovingI,ZmovingJ),并获取到与两个匹配结节对应的基准结节的纵轴坐标为(ZfixedI,ZfixedJ),根据匹配结节的坐标将第一配准图像序列划分为开始层ZmovingStart、中间层和结束层ZmovingEnd,同理可以根据对应的基准结节的坐标将基准图像序列划分为开始层ZfixedStart、中间层和结束层ZfixedEnd,之后进行分段的层级配准,即[ZfixedStart,ZfixedI]与[ZmovingStart,ZmovingI]的配准,[ZfixedI,ZfixedJ]与[ZmovingI,ZmovingJ]配准,[ZfixedJ,ZfixedEnd]与[ZmovingJ,ZmovingEnd]配准,需要说明的是,可以先对每一层的体积进行标准化处理,即将每一层的体积归一化到0~1之间,具体的配准方法与步骤202中Z方向的配准相同,即根据体积进行配准,在此不再赘述;
最后,将分段配准的结果进行拼接,即可得到第二配准图像序列,需要说明的是,上述第二配准图像序列是每一期待配准图像序列都配准之后得到的集合,通过上述步骤,进一步纠正了第一配准图像序列在竖直方向上可能存在的误差,使得医生在浏览同一患者的多期数据时可以更直观且同步的浏览到对应结节的变化。且对竖直方向配准的纠正步骤可重复使用前面计算得到的信息,计算方法简单,不需要复杂的迭代计算,即可得到更准确的医学配准图像序列。
下面结合图5对本申请实施例中一种电子设备500进行说明,图5为本申请实施例提供的一种电子设备500的结构示意图,包括应用处理器501、通信接口502和存储器503,所述应用处理器501、通信接口502和存储器503通过总线504相互连接,总线504可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。总线504可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。其中,所述存储器503用于存储计算机程序,所述计算机程序包括程序指令,所述应用处理器501被配置用于调用所述程序指令,执行以下步骤的方法:
获取目标用户的目标器官的基准图像序列和待配准图像序列;
根据所述基准图像序列的整体结构特征矫正所述待配准图像序列,得到第一配准图像序列;
根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列。
在一个可能的示例中,在所述根据所述基准图像序列的整体结构特征矫正所述待配准图像序列,得到第一配准图像序列方面,所述程序中的指令具体用于执行以下操作:根据所述基准图像序列确定所述目标器官的基准结构数据,以及,根据所述待配准图像序列确定所述目标器官的待配准结构数据;
根据所述基准结构数据和所述待配准结构数据矫正所述待配准图像序列,得到所述第一配准图像序列。
在一个可能的示例中,所述基准结构数据包括所述目标器官的基准体积变化量和基准体积值,所述待配准结构数据包括所述目标器官的待配准体积变化量和待配准体积值,在所述根据所述基准图像序列确定所述目标器官的基准结构数据,以及,根据所述待配准图像序列确定所述目标器官的待配准结构数据方面,所述程序中的指令具体用于执行以下操作:通过分割所述基准图像序列得到基准器官图像序列,以及,通过分割所述待配准图像序列得到待配准器官图像序列;
根据所述基准器官图像序列确定所述基准体积变化量,以及,根据所述待配准器官图像序列确定所述待配准体积变化量;
根据所述基准体积变化量确定所述基准体积值,以及,根据所述待配准体积变化量确定所述待配准体积值。
在一个可能的示例中,在所述根据所述基准器官图像序列确定所述基准体积变化量,以及,根据所述待配准器官图像序列确定所述待配准体积变化量方面,所述程序中的指令具体用于执行以下操作:获取所述基准器官图像序列和所述待配准器官图像序列的坐标信息,所述坐标信息包括纵轴坐标信息、横轴坐标信息和竖轴坐标信息;
根据所述基准器官图像序列的纵轴坐标信息变化得到所述基准体积变化量;
根据所述待配准器官图像序列的纵轴坐标信息变化得到所述待配准体积变化量。
在一个可能的示例中,在所述根据所述基准结构数据和所述待配准结构数据矫正所述待配准图像序列,得到所述第一配准图像序列方面,所述程序中的指令具体用于执行以下操作:根据所述基准体积值与所述待配准体积值之比、所述基准体积变化量和所述待配准体积变化量确定竖直方向的纵轴配准参数;
获取所述基准器官图像序列中所述目标器官的基准关键点点集,以及,获取所述待配准器官图像序列中所述目标器官的待配准关键点点集;
根据所述基准关键点点集和所述待配准关键点点集确定水平方向的横竖轴配准参数;
根据所述纵轴配准参数和所述横竖轴配准参数矫正所述待配准图像序列,得到所述第一配准图像序列。
在一个可能的示例中,在所述根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列方面,所述程序中的指令具体用于执行以下操作:获取所述基准图像序列中的基准结节数据,以及,获取所述待配准图像序列中的待配准结节数据;
根据所述基准结节数据、所述待配准结节数据和所述第一配准图像序列确定结节配准图像序列;
根据所述结节配准图像序列矫正所述第一配准图像序列,得到第二配准图像序列。
在一个可能的示例中,在所述根据所述基准结节数据、所述待配准结节数据和所述第一配准图像序列确定结节配准图像序列方面,所述程序中的指令具体用于执行以下操作:根据所述第一配准图像确定基准结节和待配准结节的相对距离;
根据所述相对距离确定所述待配准结节的种类,所述种类包括匹配结节、新增结节和消失结节;
将所述匹配结节和所述待配准结节进行对齐,得到所述结节配准图像序列。
在一个可能的示例中,在所述根据所述结节配准图像序列矫正所述第一配准图像序列,得到第二配准图像序列方面,所述程序中的指令具体用于执行以下操作:根据所述结节配准图像序列确定所述匹配结节的个数N,所述N为正整数;
根据所述匹配结节的个数将所述第一配准图像序列分为M层,所述M为N+1;
将所述M层的第一配准图像在竖直方向上进行逐层配准,得到所述第二配准图像序列。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
图6是本申请实施例提供的一种医学图像配准装置600的功能单元组成框图。所述医学图像配准装置600应用于电子设备,包括处理单元601、通信单元602和存储单元603,其中,所述处理单元601,用于执行如上述方法实施例中的任一步骤,且在执行诸如发送等数据传输时,可选择的调用所述通信单元602来完成相应操作。下面进行详细说明。
所述处理单元601,用于获取目标用户的目标器官的基准图像序列和待配准图像序列;
根据所述基准图像序列的整体结构特征矫正所述待配准图像序列,得到第一配准图像序列;
根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列。
在一个可能的示例中,在所述根据所述基准图像序列的整体结构特征矫正所述待配准图像序列,得到第一配准图像序列方面,所述处理单元601具体用于:根据所述基准图像序列确定所述目标器官的基准结构数据,以及,根据所述待配准图像序列确定所述目标器官的待配准结构数据;
根据所述基准结构数据和所述待配准结构数据矫正所述待配准图像序列,得到所述第一配准图像序列。
在一个可能的示例中,所述基准结构数据包括所述目标器官的基准体积变化量和基准体积值,所述待配准结构数据包括所述目标器官的待配准体积变化量和待配准体积值;在所述根据所述基准图像序列确定所述目标器官的基准结构数据,以及,根据所述待配准图像序列确定所述目标器官的待配准结构数据方面,所述处理单元601具体用于:通过分割所述基准图像序列得到基准器官图像序列,以及,通过分割所述待配准图像序列得到待配准器官图像序列;
根据所述基准器官图像序列确定所述基准体积变化量,以及,根据所述待配准器官图像序列确定所述待配准体积变化量;
根据所述基准体积变化量确定所述基准体积值,以及,根据所述待配准体积变化量确定所述待配准体积值。
在一个可能的示例中,在所述根据所述基准器官图像序列确定所述基准体积变化量,以及,根据所述待配准器官图像序列确定所述待配准体积变化量方面,所述处理单元601具体用于:获取所述基准器官图像序列和所述待配准器官图像序列的坐标信息,所述坐标信息包括纵轴坐标信息、横轴坐标信息和竖轴坐标信息;
根据所述基准器官图像序列的纵轴坐标信息变化得到所述基准体积变化量;
根据所述待配准器官图像序列的纵轴坐标信息变化得到所述待配准体积变化量。
在一个可能的示例中,在所述根据所述基准结构数据和所述待配准结构数据矫正所述待配准图像序列,得到所述第一配准图像序列方面,所述处理单元601具体用于:根据所述基准体积值与所述待配准体积值之比、所述基准体积变化量和所述待配准体积变化量确定竖直方向的纵轴配准参数;
获取所述基准器官图像序列中所述目标器官的基准关键点点集,以及,获取所述待配准器官图像序列中所述目标器官的待配准关键点点集;
根据所述基准关键点点集和所述待配准关键点点集确定水平方向的横竖轴配准参数;
根据所述纵轴配准参数和所述横竖轴配准参数矫正所述待配准图像序列,得到所述第一配准图像序列。
在一个可能的示例中,在所述根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列方面,所述处理单元601具体用于:
获取所述基准图像序列中的基准结节数据,以及,获取所述待配准图像序列中的待配准结节数据;
根据所述基准结节数据、所述待配准结节数据和所述第一配准图像序列确定结节配准图像序列;
根据所述结节配准图像序列矫正所述第一配准图像序列,得到第二配准图像序列。
在一个可能的示例中,在所述根据所述基准结节数据、所述待配准结节数据和所述第一配准图像序列确定结节配准图像序列方面,所述处理单元601具体用于:
根据所述第一配准图像确定基准结节和待配准结节的相对距离;
根据所述相对距离确定所述待配准结节的种类,所述种类包括匹配结节、新增结节和消失结节;
将所述匹配结节和所述待配准结节进行对齐,得到所述结节配准图像序列。
在一个可能的示例中,在所述根据所述结节配准图像序列矫正所述第一配准图像序列,得到第二配准图像序列方面,所述处理单元601具体用于:根据所述结节配准图像序列确定所述匹配结节的个数N,所述N为正整数;
根据所述匹配结节的个数将所述第一配准图像序列分为M层,所述M为N+1;
将所述M层的第一配准图像在竖直方向上进行逐层配准,得到所述第二配准图像序列。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以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器中。基于这样的理解,本申请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全部或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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
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器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
Claims (9)
1.一种医学图像配准方法,其特征在于,所述方法包括:
获取目标用户的目标器官的基准图像序列和待配准图像序列;
根据所述基准图像序列确定所述目标器官的基准结构数据,以及,根据所述待配准图像序列确定所述目标器官的待配准结构数据,所述基准结构数据包括所述目标器官的基准体积变化量和基准体积值,所述待配准结构数据包括所述目标器官的待配准体积变化量和待配准体积值;
根据所述基准体积值与所述待配准体积值之比、所述基准体积变化量和所述待配准体积变化量确定竖直方向的纵轴配准参数;
获取所述基准器官图像序列中所述目标器官的基准关键点点集,以及,获取所述待配准器官图像序列中所述目标器官的待配准关键点点集;
根据所述基准关键点点集和所述待配准关键点点集确定水平方向的横竖轴配准参数;
根据所述纵轴配准参数和所述横竖轴配准参数矫正所述待配准图像序列,得到第一配准图像序列;
根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列。
2.根据权利要求1所述的方法,其特征在于,所述根据所述基准图像序列确定所述目标器官的基准结构数据,以及,根据所述待配准图像序列确定所述目标器官的待配准结构数据,包括:
通过分割所述基准图像序列得到基准器官图像序列,以及,通过分割所述待配准图像序列得到待配准器官图像序列;
根据所述基准器官图像序列确定所述基准体积变化量,以及,根据所述待配准器官图像序列确定所述待配准体积变化量;
根据所述基准体积变化量确定所述基准体积值,以及,根据所述待配准体积变化量确定所述待配准体积值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述基准器官图像序列确定所述基准体积变化量,以及,根据所述待配准器官图像序列确定所述待配准体积变化量,包括:
获取所述基准器官图像序列和所述待配准器官图像序列的坐标信息,所述坐标信息包括纵轴坐标信息、横轴坐标信息和竖轴坐标信息;
根据所述基准器官图像序列的纵轴坐标信息变化得到所述基准体积变化量;
根据所述待配准器官图像序列的纵轴坐标信息变化得到所述待配准体积变化量。
4.根据权利要求1所述的方法,其特征在于,所述根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列,包括:
获取所述基准图像序列中的基准结节数据,以及,获取所述待配准图像序列中的待配准结节数据;
根据所述基准结节数据、所述待配准结节数据和所述第一配准图像序列确定结节配准图像序列;
根据所述结节配准图像序列矫正所述第一配准图像序列,得到第二配准图像序列。
5.根据权利要求1~4任一项所述的方法,其特征在于,所述根据所述基准结节数据、所述待配准结节数据和所述第一配准图像序列确定结节配准图像序列,包括:
根据所述第一配准图像确定基准结节和待配准结节的相对距离;
根据所述相对距离确定所述待配准结节的种类,所述种类包括匹配结节、新增结节和消失结节;
将所述匹配结节和所述待配准结节进行对齐,得到所述结节配准图像序列。
6.根据权利要求5所述的方法,其特征在于,所述根据所述结节配准图像序列矫正所述第一配准图像序列,得到第二配准图像序列,包括:
根据所述结节配准图像序列确定所述匹配结节的个数N,所述N为正整数;
根据所述匹配结节的个数将所述第一配准图像序列分为M层,所述M为N+1;
将所述M层的第一配准图像在竖直方向上进行逐层配准,得到所述第二配准图像序列。
7.一种医学图像配准装置,其特征在于,所述装置包括处理单元和通信单元,所述处理单元用于:
获取目标用户的目标器官的基准图像序列和待配准图像序列;
根据所述基准图像序列确定所述目标器官的基准结构数据,以及,根据所述待配准图像序列确定所述目标器官的待配准结构数据,所述基准结构数据包括所述目标器官的基准体积变化量和基准体积值,所述待配准结构数据包括所述目标器官的待配准体积变化量和待配准体积值;
根据所述基准体积值与所述待配准体积值之比、所述基准体积变化量和所述待配准体积变化量确定竖直方向的纵轴配准参数;
获取所述基准器官图像序列中所述目标器官的基准关键点点集,以及,获取所述待配准器官图像序列中所述目标器官的待配准关键点点集;
根据所述基准关键点点集和所述待配准关键点点集确定水平方向的横竖轴配准参数;
根据所述纵轴配准参数和所述横竖轴配准参数矫正所述待配准图像序列,得到第一配准图像序列;
根据所述基准图像序列中结节的关联特征矫正所述第一配准图像序列,得到第二配准图像序列。
8.一种电子设备,其特征在于,包括应用处理器、存储器,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述应用处理器执行,所述程序包括用于执行如权利要求1~6任一项所述的方法中的步骤的指令。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1~6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910999961.0A CN110853082B (zh) | 2019-10-21 | 2019-10-21 | 医学图像配准方法、装置、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910999961.0A CN110853082B (zh) | 2019-10-21 | 2019-10-21 | 医学图像配准方法、装置、电子设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110853082A CN110853082A (zh) | 2020-02-28 |
CN110853082B true CN110853082B (zh) | 2023-12-01 |
Family
ID=69597026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910999961.0A Active CN110853082B (zh) | 2019-10-21 | 2019-10-21 | 医学图像配准方法、装置、电子设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110853082B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112951381B (zh) * | 2020-05-28 | 2023-02-28 | 福州宜星大数据产业投资有限公司 | 肝脏ct、mri多期增强检查图像的配准方法 |
CN113808181A (zh) * | 2020-10-30 | 2021-12-17 | 上海联影智能医疗科技有限公司 | 医学图像的处理方法、电子设备和存储介质 |
CN113298831B (zh) * | 2021-06-30 | 2022-03-29 | 上海联影医疗科技股份有限公司 | 图像分割方法、装置、电子设备及存储介质 |
CN113744387B (zh) * | 2021-07-27 | 2024-02-09 | 上海交通大学 | 一种医学图像三维重建方法、介质及电子设备 |
CN113808175B (zh) * | 2021-08-31 | 2023-03-10 | 数坤(北京)网络科技股份有限公司 | 一种图像配准方法、装置、设备及可读存储介质 |
CN113724243B (zh) * | 2021-09-14 | 2022-12-09 | 首都医科大学附属北京天坛医院 | 图像处理方法、装置、电子设备及存储介质 |
CN113920114B (zh) * | 2021-12-13 | 2022-04-22 | 杭州太美星程医药科技有限公司 | 图像处理方法、装置、计算机设备、存储介质及程序产品 |
WO2024130705A1 (zh) * | 2022-12-23 | 2024-06-27 | 深圳华大生命科学研究院 | 一种图像配准方法、装置、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016182550A1 (en) * | 2015-05-11 | 2016-11-17 | Siemens Aktiengesellschaft | Method and system for registration of 2d/2.5d laparoscopic and endoscopic image data to 3d volumetric image data |
CN107123137A (zh) * | 2017-04-28 | 2017-09-01 | 上海联影医疗科技有限公司 | 医学图像处理方法及设备 |
CN108629803A (zh) * | 2018-04-17 | 2018-10-09 | 杭州依图医疗技术有限公司 | 一种结节倍增时间的确定方法及装置 |
CN109377522A (zh) * | 2018-10-19 | 2019-02-22 | 北京青燕祥云科技有限公司 | 一种肺结节医学影像配准方法及其装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8731255B2 (en) * | 2008-11-05 | 2014-05-20 | University Of Louisville Research Foundation, Inc. | Computer aided diagnostic system incorporating lung segmentation and registration |
EP3495805A3 (en) * | 2014-01-06 | 2019-08-14 | Body Vision Medical Ltd. | Surgical devices and methods of use thereof |
CN106056537B (zh) * | 2016-05-20 | 2019-05-17 | 东软医疗系统股份有限公司 | 一种医学图像拼接方法及装置 |
US10980509B2 (en) * | 2017-05-11 | 2021-04-20 | Siemens Medical Solutions Usa, Inc. | Deformable registration of preoperative volumes and intraoperative ultrasound images from a tracked transducer |
-
2019
- 2019-10-21 CN CN201910999961.0A patent/CN110853082B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016182550A1 (en) * | 2015-05-11 | 2016-11-17 | Siemens Aktiengesellschaft | Method and system for registration of 2d/2.5d laparoscopic and endoscopic image data to 3d volumetric image data |
CN107123137A (zh) * | 2017-04-28 | 2017-09-01 | 上海联影医疗科技有限公司 | 医学图像处理方法及设备 |
CN108629803A (zh) * | 2018-04-17 | 2018-10-09 | 杭州依图医疗技术有限公司 | 一种结节倍增时间的确定方法及装置 |
CN109377522A (zh) * | 2018-10-19 | 2019-02-22 | 北京青燕祥云科技有限公司 | 一种肺结节医学影像配准方法及其装置 |
Non-Patent Citations (7)
Title |
---|
A voxel-based morphometric study of ageing in 465 normal adult human brains;Catriona D. Good等;Neuroimage;第14卷(第1期);全文 * |
Pulmonary nodule registration in serial CT scans using global rib matching and nodule template matching;Jo HH等;Computers in Biology and Medicine;第45卷;全文 * |
Yoshiki Kawata等.Tracking interval changes of pulmonary nodules using a sequence of three-dimensional thoracic images.PROCEEDINGS OF SPIE.2000,第3979卷全文. * |
信息科技辑》.2018,(2018年第12期),全文. * |
基于仿射变换与B样条自由形变的医学图像配准;杭利华;蒋佩钊;邓冲;;兰州交通大学学报(第03期);全文 * |
张浩.基于CT图像的肺结节良恶性辅助诊断研究.《中国优秀硕士学位论文全文数据库 医药卫生科技辑 * |
章新友.医学成像及处理技术.中国铁道出版社,2011,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110853082A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110853082B (zh) | 医学图像配准方法、装置、电子设备及计算机存储介质 | |
RU2589383C2 (ru) | Двухрежимное формирование изображения, включающее в себя метрики качества | |
CN107133946B (zh) | 医学图像处理方法、装置及设备 | |
JP6833444B2 (ja) | 放射線撮影装置、放射線撮影システム、放射線撮影方法、及びプログラム | |
CN111008984B (zh) | 医学影像中正常器官的轮廓线自动勾画方法 | |
CN111160367B (zh) | 图像分类方法、装置、计算机设备和可读存储介质 | |
EP2693951B1 (en) | Image analysis for specific objects | |
US7903852B2 (en) | Automatic determination of parameters of an imaging geometry | |
CN109741312B (zh) | 一种肺结节鉴别方法、装置、设备及介质 | |
CN107480677A (zh) | 一种识别三维ct图像中感兴趣区域的方法及装置 | |
CN110782489B (zh) | 影像数据的匹配方法、装置、设备及计算机可读存储介质 | |
CN110706791B (zh) | 一种医学影像处理方法及装置 | |
CN110246580B (zh) | 基于神经网络和随机森林的颅侧面影像分析方法和系统 | |
CN111080584A (zh) | 医学图像的质控方法、计算机设备和可读存储介质 | |
CN109741395B (zh) | 双心室量化方法、装置、电子设备及存储介质 | |
CN111260647B (zh) | 一种基于图像检测的ct扫描辅助方法、计算机可读存储介质、ct扫描装置 | |
CN107752979B (zh) | 人工投影的自动生成方法、介质和投影图像确定装置 | |
CN112598649B (zh) | 基于生成对抗网络的2d/3d脊椎ct非刚性配准方法 | |
JP7101809B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN109754397B (zh) | 血管段中心路径的提取方法、装置、终端设备及存储介质 | |
US11779288B2 (en) | Methods, systems, and apparatus for determining radiation doses | |
EP3872755B1 (en) | Method for providing airway information | |
CN115311258A (zh) | 一种spect平面图像中自动分割器官的方法和系统 | |
US20230013508A1 (en) | Key points detection using multiple image modalities | |
CN113177953B (zh) | 肝脏区域分割方法、装置、电子设备及存储介质 |
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 |