CN111243082A - 获得数字影像重建图像的方法、系统、装置及存储介质 - Google Patents
获得数字影像重建图像的方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN111243082A CN111243082A CN202010024121.5A CN202010024121A CN111243082A CN 111243082 A CN111243082 A CN 111243082A CN 202010024121 A CN202010024121 A CN 202010024121A CN 111243082 A CN111243082 A CN 111243082A
- Authority
- CN
- China
- Prior art keywords
- image
- obtaining
- curved surface
- target object
- projection
- 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 58
- 230000036961 partial effect Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 38
- 230000015654 memory Effects 0.000 claims description 33
- 210000000988 bone and bone Anatomy 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 9
- 210000000056 organ Anatomy 0.000 claims description 7
- 210000004872 soft tissue Anatomy 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 2
- 238000003384 imaging method Methods 0.000 description 28
- 238000004891 communication Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 210000001519 tissue Anatomy 0.000 description 11
- 208000010392 Bone Fractures Diseases 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 210000001991 scapula Anatomy 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 210000000626 ureter Anatomy 0.000 description 2
- 206010017076 Fracture Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- XQPRBTXUXXVTKB-UHFFFAOYSA-M caesium iodide Chemical compound [I-].[Cs+] XQPRBTXUXXVTKB-UHFFFAOYSA-M 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了获得数字影像重建图像的方法、系统、装置及存储介质。所述方法包括:获取目标对象的曲面重建图像集;将所述曲面重建图像集中的至少部分图像按照目标方向进行融合,得到数字影像重建图像。本申请基于曲面重建图像集获取数字影像重建图像,可以实现一片式操作及观察,十分便捷。
Description
技术领域
本申请涉及图像处理领域,特别涉及一种获得数字影像重建图像的方法、系统、装置及存储介质。
背景技术
基于传统成像技术所得图像具有低维度、低分辨率、不易存储等缺点,多平面重建(MPR)方法可以在一定程度上获得目标对象的三维立体结构,显示目标对象的更多隐藏结构,然而由于人体器官或骨骼等目标对象会有弯曲、前后叠加等结构特征,均可干扰成像效果。为适应更高的观察要求,现有技术提出曲面重建(CPR)方法,经一系列的处理,得到目标对象的可视化展开或拉伸结果。但是,利用CPR方法观察目标对象,仍需要在众多的切片层间操作选择浏览,增加了观察难度。
发明内容
本申请的第一方面提供一种获得数字影像重建图像的方法,所述方法由至少一个处理器执行,所述方法包括:获取目标对象的曲面重建图像集;将所述曲面重建图像集中的至少部分图像按照目标方向进行融合,得到数字影像重建图像。
在一些实施例中,所述目标对象包括骨骼、器官和/或软组织。在一些实施例中,所述获得目标对象的曲面重建图像集,包括:获取目标对象所在区域的曲面重建图像集;对目标对象所在区域的曲面重建图像集中的图像进行如下处理,以得到目标对象的曲面重建图像集:提取图像中满足设定条件的像素点,得到目标对象的曲面重建图像集。
在一些实施例中,所述将所述曲面重建图像集中的至少部分图像按照目标方向进行融合,得到数字影像重建图像,包括:将所述至少部分图像沿目标方向排列得到多层图像;基于所述目标方向确定若干投影路径,获得各投影路径通过的各层图像中的体素的图像数据,根据各投影路径通过的各层图像中的体素的图像数据计算与所述投影路径对应的投影点的图像数据;基于各投影路径对应的投影点的图像数据获得所述数字影像重建图像。
在一些实施例中,所述体素的图像数据为所述体素的像素值、为像素值在所述体素处的梯度或根据所述梯度和所述体素的像素值计算得出。
本申请的第二方面提供一种获得数字影像重建图像的系统,包括:获取模块,用于获取目标对象的曲面重建图像集;融合模块,用于将所述曲面重建图像集中的至少部分图像按照目标方向进行融合,得到数字影像重建图像。
在一些实施例中,所述目标对象包括骨骼、器官和/或软组织。在一些实施例中,所述获取模块包括:第一获取子模块,用于获取目标对象所在区域的曲面重建图像集;提取子模块,用于对目标对象所在区域的曲面重建图像集中的图像进行如下处理,以得到目标对象的曲面重建图像集:提取图像中满足设定条件的像素点,得到目标对象的曲面重建图像集。
在一些实施例中,所述融合模块具体用于:将所述至少部分图像沿目标方向排列得到多层图像;基于所述目标方向确定若干投影路径,获得各投影路径通过的各层图像中的体素的图像数据,根据各投影路径通过的各层图像中的体素的图像数据计算与所述投影路径对应的投影点的图像数据;基于各投影路径对应的投影点的图像数据获得所述数字影像重建图像。
在一些实施例中,所述体素的图像数据为所述体素的像素值、为像素值在所述体素处的梯度或根据所述梯度和所述体素的像素值计算得出。
本申请的第三方面提供一种获得数字影像重建图像的装置,包括处理器,所述处理器用于执行如第一方面所述的方法。
本申请的第四方面提供一种存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如第一方面所述的方法。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的成像系统的示例性应用场景图;
图2是根据本申请的一些实施例所示的计算设备的示例图;
图3是根据本申请的一些实施例所示的纹理增强前后的人体肋骨的DRR图像;
图4是根据本申请一些实施例所示的获得数字影像重建图像的系统的模块图;
图5是根据本申请一些实施例所示的获得数字影像重建图像的方法的示例性流程图;
图6是根据本申请的一些实施例所示的一种示例性数字影像重建算法的原理示意图;以及
图7是根据本申请的一些实施例所示的将CPR图像集转换成DRR图像的示例性流程图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”是用于区分不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于观察各种生物对象的结构和空间信息,以确定生物对象的正常状况。在一些实施例中,生物对象可以包括但不限于生物的骨骼、器官、软组织等或其任意组合。在一些实施例中,生物可以指人、动物、植物等。应当理解的是,本申请的系统及方法的应用场景仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。虽然本申请主要以人体的肋骨为例进行了描述,但需要注意的是,本申请的原理也可应用于各种生物的各种骨骼、器官、软组织等或其任意组合。
图1是根据本申请一些实施例所示的成像系统100的示例性应用场景示意图。
如图1所示,成像系统100可以包括扫描设备110、网络120、终端130、处理设备140和存储设备150。成像系统100的各组件之间的连接方式是可变的。仅作为示例说明,扫描设备110可以如图1所示通过网络120与处理设备140连接。在一些实施例中,扫描设备110也可以与处理设备140直接连接。
扫描设备110可以获得扫描对象的投影数据。扫描设备110可以包括机架111、探测器112、探测区域113、治疗床114和放射扫描源115。机架111可以支撑探测器112和放射扫描源115。对象可以放置于治疗床114上用于扫描。放射扫描源115可以发出放射线束到对象。探测器112可以探测从探测区域113发出的放射物(例如,伽马光子)。在一些实施例中,探测器112可以包括一个或多个探测单元。所述探测器单元可以包括一个闪烁探测器(例如,一个碘化铯探测器)和一个其他探测器等。探测器单元可以是和/或包括单排探测器和/或多排探测器。在一些实施例中,扫描设备110可以包括CT(计算机断层显像)扫描仪、PET(正电子发射型计算机断层显像)扫描仪、CAT(计算机轴向断层显像)扫描仪、核磁共振扫描仪等中的一种或多种的组合。
网络120可以包括有助于成像系统100交换信息和/或数据的任何适合的网络。在一些实施例中,成像系统100的一个或多个其他组件(例如,扫描设备110、终端130、处理设备140、存储设备150等)可以通过网络120相互交互信息和/或数据。例如,处理设备140可以通过网络120从扫描设备110获取图像数据。又例如,处理设备140可以通过网络120获取来自终端130的用户指令。网络120可以是和/或包括公共网络(例如,互联网)、专用网络(例如,局域网(LAN)、广域网(WAN)等)、有线网络(例如,以太网)、无线网络(例如,802.11网络、Wi-Fi网络等)、蜂窝网络(例如,LTE网络)、帧中继网络、虚拟专用网络(“VPN”)、卫星网络、电话网络、路由器、集线器、转换器、服务器计算机和/或其中的一种或多种的组合。例如,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、局域网、无线局域网(WLAN)、城域网(MAN)、公用电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信网络(NFC)等中的一种或多种的组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括有线和/或无线网络接入点,如基站和/或成像系统100的一个或多个组件可以被接入到网络120以进行交换数据和/或信息所通过的网络交换点。
终端130可以包括移动设备131、平板电脑132、笔记本电脑133等中的一种或多种的组合。在一些实施例中,移动设备131可以包括智能家庭设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等中的一种或多种的组合。在一些实施例中,智能家用设备可以包括智能照明装置、智能电器控制装置、智能监控装置、智能电视、智能摄像机、对讲机等中的一种或多种的组合。在一些实施例中,可穿戴设备可能包括手环、鞋袜、眼镜、头盔、手表、服装、背包、智能配件等一种或多种的组合。在一些实施例中,移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑、台式机等中的一种或多种的组合。在一些实施例中,虚拟现实设备和/或增强现实装置可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等中的一种或多种的组合。例如,虚拟现实设备和/或增强现实设备可以包括GoogleGlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中,终端130可以是处理设备140的一部分。
处理设备140可以处理从扫描设备110、终端130和/或存储设备150中获得的数据和/或信息。例如,处理设备140可以处理投影数据产生图像。在一些实施例中,处理设备140可以是服务器或服务器群组。所述服务器群组可以是集中式的或者分布式的。在一些实施例中,处理设备140可以是本地的或远程的。例如,处理设备140可以通过网络120访问存储在扫描设备110、终端130和/或存储设备150的信息和/或数据。例如,处理设备140可以直接与扫描设备110、终端130和/或存储设备150连接从而访问其存储的信息和/或数据。在一些实施例中,处理设备140可以在云平台上被执行。例如,云平台可以包括云平台私有云、公有云、混合云、社区云、分布式云、互联云、多重云等中的一种或多种的组合。在一些实施例中,处理设备140可以由具有一个或多个组件的计算设备300(如图3所示)执行。
存储设备150可以存储数据、指令和/或其他信息。在一些实施例中,存储设备150可以存储从终端130和/或处理设备140中获得的数据。在一些实施例中,存储设备150可以存储处理设备140为执行本申请中描述的示例性方法所执行或使用的数据和/或指令。在一些实施例中,存储设备150可以包括大容量存储器、可移动存储器、易失读写存储器、只读存储器(ROM)等中的一种或多种的组合。示例性的大容量存储器可包括磁盘、光盘、固态驱动器等。示例性的可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、拉链盘、磁带等。示例性的易失读写存储器可以包括随机存取存储器(RAM)。示例性的随机存取存储器RAM可以包括动态随机存储器(DRAM)、双倍数据率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性的只读存储器(ROM)可以包括掩模只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CDROM)和数字多用途光盘等。在一些实施例中,存储设备150可以在云平台上被执行。例如,云平台可以包括云平台私有云、公有云、混合云、社区云、分布式云、互联云、多重云等等中的一种或多种的组合。
在一些实施例中,存储设备150可以连接到网络120与成像系统100中的一个或多个其他组件(例如,处理设备140、终端130等)进行通信。成像系统100中的一个或多个组件可以通过网络120访问存储在存储设备150中的数据或指令。在一些实施例中,存储设备150可以直接与成像系统100中的一种或多个其他组件(例如,处理设备140、终端130等)连接或通信。在一些实施例中,存储设备150可以是处理设备140的一部分。
图2是根据本申请的一些实施例所示的计算设备300的示例图。如图2所示:
数据处理设备140可以在该计算设备300上实施。如图2所示,计算设备300可以包括处理器310、存储器320、I/O(输入/输出)模块330和通信端口340。
处理器310可以根据本申请所描述的技术执行计算机指令(例如,程序代码)和处理设备140的功能。计算机指令可以包括例如执行本申请描述的特定功能的例程、程序、对象、组件、数据结构、过程和模块。例如,处理器310可以处理从扫描设备110、终端130、存储设备150和/或成像系统100的任何其他组件中获得的图像数据。在一些实施例中,处理器310可以包括一个或多个硬件处理器,诸如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、应用特定指令集成处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件(PLD)、能够执行一个或多个功能的任何电路或处理器等中的一种或多种的组合。
仅仅为了说明,在计算设备300中仅描述了一个处理器。然而,应当注意的是,本申请中的计算设备300还可以包括多个处理器,因此本申请中描述的处理器执行的操作和/或方法步骤也可以由多个处理器联合或单独执行。例如,如果在本申请中,计算设备300的处理器执行步骤A和步骤B,则应当理解,步骤A和步骤B也可以由计算设备300的两个或多个不同的处理器共同或分开执行(例如,第一处理器执行步骤A、第二处理器执行步骤B或者第一和第二处理器共同执行步骤A和B)。
存储器320可以存储从扫描设备110、终端130、存储设备150和/或成像系统100的任何其他组件中获得的数据/信息。在一些实施例中,存储器320可以包括大容量存储器、易失性读写存储器、只读存储器(ROM)等中的一种或多种的组合。例如,大容量存储器可以包括磁盘、光盘、固态驱动器等。可移除存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。易失性读写存储器可以包括随机存取存储器(RAM)。随机存取存储器可以包括动态随机存取存储器(DRAM)、双倍数据率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。只读存储器可以包括掩模只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字通用盘只读存储器等。在一些实施例中,存储器320可以存储一个或多个程序和/或指令以执行在本申请中描述的示例性方法。例如,存储器320可以存储用于处理投影数据或图像数据的处理设备140的程序。
I/O(输入/输出)模块330可以输入和/或输出信号、数据、信息等。在一些实施例中,I/O(输入/输出)模块330可以使用户能够与处理设备140进行交互。在一些实施例中,I/O(输入/输出)模块330可以包括输入装置和输出装置。示例性的输入设备可以包括键盘、鼠标、触摸屏、麦克风等中的一种或多种的组合。示例性的输出设备可以包括显示设备、扬声器、打印机、投影仪等中的一种或多种的组合。示例性的显示装置可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、弯曲屏幕、电视设备、阴极射线管(CRT)、触摸屏幕等中的一种或多种的组合。
通信端口340可以连接到网络(例如,网络120)以便于数据通信。通信端口340可以建立处理设备140与扫描设备110、终端130和/或存储设备150之间的连接。连接可以是有线连接、无线连接、任何其他可以实现数据传输和/或接收的通信连接等中的一种或多种的组合。有线连接可以包括例如,电缆、光缆、电话线等中的一种或多种的组合。无线连接可以包括诸如蓝牙TM连接、Wi-FiTM连接、WiMaxTM连接、无线局域网连接、ZigBee连接、移动网络连接(例如,3G、4G、5G等)等中的一种或多种的组合。在一些实施例中,通信端口340可以是和/或包括标准化通信端口,诸如RS232、RS485等。在一些实施例中,通信端口340可以是专门设计的通信端口。例如,通信端口340可以根据医学数字成像和通信(DICOM)协议进行设计。
图4是根据本申请一些实施例所示的获得数字影像重建图像的系统400的模块图。在一些实施例中,获得数字影像重建图像的系统400可以在处理设备140上实施。
如图4所示,获得数字影像重建图像的系统400可以包括获取模块410、融合模块420和显示模块。在一些实施例中,获得数字影像重建图像的系统400也可以不包括显示模块。
获取模块410可以用于获取目标对象的曲面重建图像集。在一些实施例中,目标对象可以包括骨骼、输尿管、血管或神经。在一些实施例中,获取模块410可以包括第一获取子模块412和提取子模块414。其中,第一获取子模块412用于获取目标对象所在区域的曲面重建图像集。提取子模块414用于对目标对象所在区域的曲面重建图像集中的图像进行如下处理,以得到目标对象的曲面重建图像集:提取图像中满足设定的像素阈值条件的像素点,得到目标对象的曲面重建图像集。
在一些实施例中,融合模块420具体可以用于:将所述至少部分图像沿目标方向排列得到多层图像;基于所述目标方向确定若干投影路径,获得各投影路径通过的各层图像中的体素的图像数据,根据各投影路径通过的各层图像中的体素的图像数据计算与所述投影路径对应的投影点的图像数据;基于各投影路径对应的投影点的图像数据获得所述数字影像重建图像。在一些实施例中,所述体素的图像数据为所述体素的像素值、为像素值在所述体素处的梯度或根据所述梯度和所述体素的像素值计算得出。
显示模块可以用于将所述数字影像重建图像发送至显示设备。在一些实施例中,所述显示设备可以包括于成像系统100中。在一些实施例中,所述显示设备也可以是成像系统100的外部设备。
关于获取模块410、融合模块420和显示模块的详细说明可以参照图5及其相关描述。
应当理解,图4所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于获得数字影像重建图像的系统400及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,图4中披露的获得模块410、融合模块420可以是一个系统中的不同模块,也可以是一个模块实现上述的两个模块的功能。又例如,数字影像重建图像系统400还可以包括通信模块,用来与其他部件通信,例如用于将图像发送至检测人员终端。获得数字影像重建图像的系统400中各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
图5是根据本申请一些实施例所示的获得数字影像重建图像的方法的示例性流程图。
如图5所示,所述方法可以包括以下步骤:
步骤510,获取目标对象的曲面重建图像集。在一些实施例中,步骤510可以由获取模块410执行。
在一些实施例中,所述目标对象可以包括具有曲面结构的骨骼、器官、软组织等或其任意组合。在一些实施例中,所述目标对象可以包括头部、胸部、脊椎、肋骨、输尿管、血管、神经等或其任意组合。在一些实施例中,所述骨骼可以包括脊椎、肩胛骨、肋骨、盆骨、头骨或其任意组合。
曲面重建图像集是一种通过曲面重建技术获得的三维图像数据集。曲面重建(CPR)技术是对多平面重建(MPR)技术的延伸。MPR技术通过将若干体素组成的原始三维图像数据集映射到不同方向的截面上,得到各体素沿该截面排列的呈扁平形态的三维图像数据集。值得说明的是,体素是一个三维概念,是指某个像素代表的三维图像上的立体单位。CPR技术根据生物组织结构上的弯曲情况确定一曲面,再将原始三维图像数据集映射到该曲面上,得到各体素沿该曲面排列的呈扁平形态的三维图像数据集,最终通过体素在空间中的重新排列,将各体素沿该曲面排列的三维图像数据集转换成沿平面排列的三维图像数据集。需要注意的是,转换前后的三维图像数据集均呈扁平形态。通过CPR技术,获得的CPR(曲面重建)图像集可以将弯曲的组织结构伸展成较为平直的状态(以下简称为拉直或展平)进行呈现。
值得说明的是,尽管MPR三维图像数据集和CPR三维图像数据集都呈现扁平形态,但两者均包括沿观察方向叠加的多层图像数据。每层图像数据以一个体素为厚度,亦可称为一个切片。
在一些实施例中,获取模块410可以对扫描设备110获得的投影数据进行处理以获得所述原始三维数据。在一些实施例中,获取模块410也可以从其他设备处直接获取所述原始三维数据。
对于具有曲面结构的目标对象而言,由于单一图像对应的观察方向是固定的,采用传统的方法成像时出现的情形包括但不限于:一,弯曲结构投影后尺寸会收缩导致弯曲结构上的微小特征被缩小而容易被忽略;二,弯曲结构沿观察方向互成遮挡的部位成像后叠加在一起,观察者无法辨别观察到的特征属于其中哪个部位。以人体肋骨为例,观察人体肋骨通常采用冠状面图像,图像中人体肋骨身体左右两侧的部位成像后不仅尺寸发生收缩且前后叠加,影响观察者对肋骨的正常状况(例如,是否发生骨折、骨裂等)的判断。
有鉴于上述情形,若采用能够将弯曲的组织结构拉直后呈现的曲面重建图像集获得组织的观察图像,则可以有效避免上述情形的发生。
在一些实施例中,获取模块410首先获取的是目标对象所在区域的曲面重建图像集,而目标对象所在区域内可能还包括其他对象,成像后这些对象可能会影响对所述目标对象的观察,例如,成像后人体肋骨所在区域的肩胛骨和脊柱可能会与人体肋骨产生部分叠加。因此,获取模块410还需要从目标对象所在区域的曲面重建图像集中提取所述目标对象的曲面重建图像集。在一些实施例中,获取模块410可以采用模板配准的方式提取目标对象的曲面重建图像集。例如,可以将待处理图像和对应的模板进行配准,提取目标对象区域。在一些实施例中,可以采用多模板配准的方式提取目标对象区域。例如,可以将图像按照生理结构划分成不同的区域,例如,肩胛骨、脊柱等,然后将不同区域的待处理图像和对应区域的模板进行配准,以提取目标对象。在一些实施例中,获取模块410可以采用基于分类器的方法提取目标对象的曲面重建图像集。例如,可以提取图像特征(例如,图像灰度值、梯度值、增强值、形状等中的一种或多种),利用分类器对所提取的图像特征进行分析,确定目标对象。在一些实施例中,获取模块410可以通过机器学习的方式(例如通过机器学习模型)提取目标对象的曲面重建图像集。例如,机器学习模型可以包括一个或多个与提取目标对象相关的参数,可以通过历史数据对机器学习模型进行训练,进而确定所述参数,并进一步通过所述参数确定目标对象。
在一些实施例中,获取模块410可以提取图像中满足设定条件的像素点,得到目标对象的曲面重建图像集。在一些实施例中,设定条件可以包括像素阈值条件或梯度阈值条件。在一些实施例中,设定的像素阈值条件可以是高于或低于设定的像素阈值。在一些实施例中,设定的梯度阈值条件可以是高于或低于设定的梯度阈值条件。在一些实施例中,设定的条件可以是系统默认值,也可以由用户设定。
步骤520,将所述曲面重建图像集中的至少部分图像按照目标方向进行融合,得到数字影像重建图像。在一些实施例中,步骤520可以由融合模块420执行。
在一些实施例中,所述目标方向可以是矢状面方向、横断面方向、冠状面方向或其他观察方向。
通过数字影像重建(DRR)可以将三维图像数据集映射成二维图像数据集,即可以得到二维的所述数字影像重建图像。下面结合图6介绍一种示例性数字影像重建算法的原理。
图6是根据本申请的一些实施例所示的一种示例性数字影像重建算法的原理示意图。
如图6所示,该算法模拟传统X射线成像的原理来获取DRR(数字影像重建)图像:首先利用计算机模拟一个虚拟点光源610,该点光源用于表示传统X射线光源,然后从该点光源处发射出若干条虚拟X射线620,射线穿过三维图像数据集630,照射到垂直于各X射线的中心轴线的投影平面640(以下称为DRR平面)上。如此,DRR平面上所有射线的投影点即为DRR图像的所有像素点。在穿透过程中,射线每经过一层图像数据(一个切片),算法都会模拟真实X射线穿过观察对象时的衰减而得到一个CT值(衰减值)。最终将每条射线上的所有交点的CT值累加,通过一定的转换方式将累加值转换成像素值,从而得到了DRR图像。
采用CPR图像集生成DRR图像,至少具有以下有益效果:一,由能够将弯曲的组织结构拉直后呈现的CPR图像集获得DRR图像,可以有效避免因弯曲组织成像后尺寸收缩以及不同部位的图像叠加而影响观察;二,相对于CPR图像集,DRR图像能够从整体上体现目标物的结构特征,便于观察发现目标物的异常之处;三,生物组织的细微特征(例如,细微的骨折裂痕)在三维空间呈现为不规则的蜿蜒形态,可以近似看作在三维空间的三个基准方向上均有分量的三维曲线,若通过MPR图像集或CPR图像集的沿某一截面的切片来观察该细微特征,呈现在切片上的结果通常可近似为一个点从而容易被忽略,而DRR成像可以将“三维曲线”投影成“二维曲线”,尽管在长度上可能会有所损失但相对于“点”的呈现而言不容易被忽略。
关于将CPR图像集转换成DRR图像的具体计算方式,可以参照图7及其相关描述。
图7是根据本申请的一些实施例所示的将CPR图像集转换成DRR图像的示例性流程图。如图7所示,步骤520可以包括如下步骤:
步骤522,将所述至少部分图像沿目标方向排列得到多层图像。
在一些实施例中,沿目标方向排列可以是指沿着目标方向依照原图像集中的次序依次进行排列。在一些实施例中,多层图像可以包括垂直于目标方向的截面图像。
步骤524,基于所述目标方向确定若干投影路径,获得各投影路径通过的各层图像中的体素的图像数据,根据各投影路径通过的各层图像中的体素的图像数据计算与所述投影路径对应的投影点的图像数据。
步骤526,基于各投影路径对应的投影点的图像数据获得所述数字影像重建图像。
在一些实施例中,参照图6所示的DRR成像原理,处理设备140融合模块420可以分别获得各投影路径对应的投影点的图像数据,再根据各投影路径对应的投影点的图像数据生成DRR图像。其中,每个投影路径对应的投影点的图像数据由该投影路径通过的各层图像(各切片层)中的体素的图像数据决定。
在一些实施例中,体素的图像数据可以是该体素的像素值。在一些实施例中,可以将投影路径通过的各层图像中的体素的像素值累加,得到的累加值作为该投影路径对应的投影点的图像数据以获得DRR图像。
在一些实施例中,体素的图像数据可以与像素值在所述体素处的梯度相关。像素值在一体素处的梯度指的是像素值在所述体素处的最大(绝对值最大)变化率,能够表现图像中某一位置与周围的色彩对比(例如,明暗对比),进而能够反映图像的纹理(细节)信息。以骨骼为例,通常情况下连续生长的骨骼的图像数据的变化平缓,而图像数据变化较为尖锐处较大可能发生了骨折/骨裂。基于此,为了增强图像的纹理信息(凸显生物组织的细节特征),可以根据像素值在一体素处的梯度和该体素的像素值计算该体素的图像数据,再根据投影路径通过的各层图像中的体素的图像数据计算该投影路径对应的投影点的图像数据。在一些实施例中,可以将像素值在一体素处的梯度作为该体素的像素值的权重,并对投影路径通过的各层图像中的体素的像素值进行加权求和,以加权求和的结果为该投影路径对应的投影点的图像数据。
在一些实施例中,为了实现纹理增强,融合模块420也可以直接将像素值在一体素处的梯度作为该体素的图像数据,再根据投影路径通过的各层图像中的体素的图像数据计算该投影路径对应的投影点的图像数据。在一些实施例中,融合模块420可以将投影路径通过的各层图像中的体素的梯度累加,以累加值为该投影路径对应的投影点的图像数据。
在一些实施例中,本申请提及的像素值可以是灰度值。在一些实施例中,本申请提及的梯度可以是任意一维方位的梯度、任意二维方位的梯度和三维空间的梯度中的一种或多种的最大值。
图3是根据本申请的一些实施例所示的纹理增强前后的人体肋骨的DRR图像。图3用于说明纹理增强前后的显像效果对比。
如图3所示,其中310为纹理增强前的DRR图像,320为纹理增强后的DRR图像。可以看出标记处的明暗对比效果得到了增强,能够有效避免观察者对图像中可能发生细微骨折/骨裂处的忽略。
在一些实施例中,还可以通过显示设备对获得的数字影像重建图像进行显示。
在一些实施例中,将所述数字影像重建图像发送至显示设备。
在一些实施例中,所述显示设备可以包括于成像系统100中。在一些实施例中,所述显示设备也可以是成像系统100的外部设备。
应当注意的是,上述有关方法的流程的描述仅仅是为了示例和说明,而不限定本申请的适用范围。对于本领域技术人员来说,在本申请的指导下可以对方法的流程进行各种修正和改变。然而,这些修正和改变仍在本申请的范围之内。
本申请实施例可能带来的有益效果包括但不限于:
(1)由能够将弯曲的组织结构拉直后呈现的CPR图像集获得DRR图像,可以有效避免因弯曲组织成像后尺寸收缩以及不同部位的图像叠加而影响观察;
(2)相对于CPR图像集,DRR图像能够从整体上体现目标物的结构特征,便于观察发现目标物的异常之处;
(3)相对包含多个切片的CPR图像集而言DRR图像可以实现一片式操作及观察,十分便捷;
(4)生物组织的细微特征(例如,细微的骨折裂痕)在三维空间呈现为不规则的蜿蜒形态,可以近似看作在三维空间的三个基准方向上均有分量的三维曲线,若通过MPR图像集或CPR图像集的沿某一截面的切片来观察该细微特征,呈现在切片上的结果通常可近似为一个点从而容易被忽略,而DRR成像可以将“三维曲线”投影成“二维曲线”,尽管在长度上会有所损失但相对于“点”的呈现而言不容易被忽略。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (12)
1.一种获得数字影像重建图像的方法,所述方法由至少一个处理器执行,其特征在于,包括:
获取目标对象的曲面重建图像集;
将所述曲面重建图像集中的至少部分图像按照目标方向进行融合,得到数字影像重建图像。
2.根据权利要求1所述的获得数字影像重建图像的方法,其特征在于,所述目标对象包括骨骼、器官和/或软组织。
3.根据权利要求1所述的获得数字影像重建图像的方法,其特征在于,所述获得目标对象的曲面重建图像集,包括:
获取目标对象所在区域的曲面重建图像集;
对目标对象所在区域的曲面重建图像集中的图像进行如下处理,以得到目标对象的曲面重建图像集:
提取图像中满足设定条件的像素点,得到目标对象的曲面重建图像集。
4.根据权利要求1所述的获得数字影像重建图像的方法,其特征在于,所述获得目标对象的曲面重建图像集,还包括:
获取目标对象所在区域的曲面重建图像集;
采用模板配准的方法、基于分类器的方法和/或机器学习的方式,得到目标对象的曲面重建图像集。
5.根据权利要求1至4任一所述的获得数字影像重建图像的方法,其特征在于,所述将所述曲面重建图像集中的至少部分图像按照目标方向进行融合,得到数字影像重建图像,包括:
将所述至少部分图像沿目标方向排列得到多层图像;
基于所述目标方向确定若干投影路径,获得各投影路径通过的各层图像中的体素的图像数据,根据各投影路径通过的各层图像中的体素的图像数据计算与所述投影路径对应的投影点的图像数据;
基于各投影路径对应的投影点的图像数据获得所述数字影像重建图像。
6.根据权利要求5所述的获得数字影像重建图像的方法,其特征在于,所述体素的图像数据为所述体素的像素值、为像素值在所述体素处的梯度或根据所述梯度和所述体素的像素值计算得出。
7.一种获得数字影像重建图像的系统,其特征在于,包括:
获取模块,用于获取目标对象的曲面重建图像集;
融合模块,用于将所述曲面重建图像集中的至少部分图像按照目标方向进行融合,得到数字影像重建图像。
8.根据权利要求7所述的系统,其特征在于,所述获取模块包括:
第一获取子模块,用于获取目标对象所在区域的曲面重建图像集;
提取子模块,用于对目标对象所在区域的曲面重建图像集中的图像进行如下处理,以得到目标对象的曲面重建图像集:
提取图像中满足设定条件的像素点,得到目标对象的曲面重建图像集。
9.根据权利要求7所述的获得数字影像重建图像的系统,其特征在于,所述融合模块具体用于:
将所述至少部分图像沿目标方向排列得到多层图像;
基于所述目标方向确定若干投影路径,获得各投影路径通过的各层图像中的体素的图像数据,根据各投影路径通过的各层图像中的体素的图像数据计算与所述投影路径对应的投影点的图像数据;
基于各投影路径对应的投影点的图像数据获得所述数字影像重建图像。
10.根据权利要求9所述的获得数字影像重建图像的系统,其特征在于,所述体素的图像数据为所述体素的像素值、为像素值在所述体素处的梯度或根据所述梯度和所述体素的像素值计算得出。
11.一种获得数字影像重建图像的装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于处理所述计算机程序,所述计算机程序被处理器处理时,执行如权利要求1~6中任一项所述的方法。
12.一种存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010024121.5A CN111243082A (zh) | 2020-01-08 | 2020-01-08 | 获得数字影像重建图像的方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010024121.5A CN111243082A (zh) | 2020-01-08 | 2020-01-08 | 获得数字影像重建图像的方法、系统、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111243082A true CN111243082A (zh) | 2020-06-05 |
Family
ID=70864256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010024121.5A Pending CN111243082A (zh) | 2020-01-08 | 2020-01-08 | 获得数字影像重建图像的方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111243082A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968952A (zh) * | 2022-05-11 | 2022-08-30 | 沈阳东软智能医疗科技研究院有限公司 | 医学影像数据压缩方法、渲染方法、装置和介质 |
CN115239890A (zh) * | 2022-09-19 | 2022-10-25 | 腾讯科技(深圳)有限公司 | 骨骼构建方法、装置和存储介质及电子设备 |
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 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060214930A1 (en) * | 2005-03-23 | 2006-09-28 | Ziosoft, Inc. | Image processing method and computer readable medium |
CN105913479A (zh) * | 2016-04-05 | 2016-08-31 | 苏州润心医疗科技有限公司 | 一种基于心脏ct图像的血管曲面重建方法 |
CN106169190A (zh) * | 2016-07-01 | 2016-11-30 | 南京邮电大学 | 一种冠状动脉的分层显示方法 |
CN106600683A (zh) * | 2016-11-28 | 2017-04-26 | 淮阴工学院 | 一种面向骨骼ct序列图像的网格模型自适应重建方法 |
CN106780654A (zh) * | 2017-01-24 | 2017-05-31 | 沈阳东软医疗系统有限公司 | 一种图像重建方法和装置 |
CN107464223A (zh) * | 2017-07-19 | 2017-12-12 | 西安理工大学 | 一种基于切片的点云孔洞修补方法 |
CN108320314A (zh) * | 2017-12-29 | 2018-07-24 | 北京优视魔方科技有限公司 | 一种基于ct横断图像的图像处理方法和装置、肋骨图像显示系统 |
CN108922601A (zh) * | 2018-07-09 | 2018-11-30 | 成都数浪信息科技有限公司 | 一种医学影像处理系统 |
CN110126279A (zh) * | 2019-05-07 | 2019-08-16 | 西安交通大学 | 一种面向曲面3d打印的随形切层及路径规划方法 |
CN110599494A (zh) * | 2018-06-12 | 2019-12-20 | 中国科学院深圳先进技术研究院 | 肋骨图像重建系统及方法、终端及可读存储介质 |
-
2020
- 2020-01-08 CN CN202010024121.5A patent/CN111243082A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060214930A1 (en) * | 2005-03-23 | 2006-09-28 | Ziosoft, Inc. | Image processing method and computer readable medium |
CN105913479A (zh) * | 2016-04-05 | 2016-08-31 | 苏州润心医疗科技有限公司 | 一种基于心脏ct图像的血管曲面重建方法 |
CN106169190A (zh) * | 2016-07-01 | 2016-11-30 | 南京邮电大学 | 一种冠状动脉的分层显示方法 |
CN106600683A (zh) * | 2016-11-28 | 2017-04-26 | 淮阴工学院 | 一种面向骨骼ct序列图像的网格模型自适应重建方法 |
CN106780654A (zh) * | 2017-01-24 | 2017-05-31 | 沈阳东软医疗系统有限公司 | 一种图像重建方法和装置 |
CN107464223A (zh) * | 2017-07-19 | 2017-12-12 | 西安理工大学 | 一种基于切片的点云孔洞修补方法 |
CN108320314A (zh) * | 2017-12-29 | 2018-07-24 | 北京优视魔方科技有限公司 | 一种基于ct横断图像的图像处理方法和装置、肋骨图像显示系统 |
CN110599494A (zh) * | 2018-06-12 | 2019-12-20 | 中国科学院深圳先进技术研究院 | 肋骨图像重建系统及方法、终端及可读存储介质 |
CN108922601A (zh) * | 2018-07-09 | 2018-11-30 | 成都数浪信息科技有限公司 | 一种医学影像处理系统 |
CN110126279A (zh) * | 2019-05-07 | 2019-08-16 | 西安交通大学 | 一种面向曲面3d打印的随形切层及路径规划方法 |
Non-Patent Citations (3)
Title |
---|
YUE DU ET AL: "Generation of multiple angels curved planar reformation", 《2016 2ND IEEE INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATIONS (ICCC)》 * |
侯贺: "心脏冠状动脉曲面重建技术研究", 《中国优秀硕士学位论文全文数据库电子期刊 信息科技辑》 * |
吕桥荣: "基于CTA影像的血管可视化技术研究", 《中国博士学位论文全文数据库电子期刊 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114968952A (zh) * | 2022-05-11 | 2022-08-30 | 沈阳东软智能医疗科技研究院有限公司 | 医学影像数据压缩方法、渲染方法、装置和介质 |
CN114968952B (zh) * | 2022-05-11 | 2023-06-16 | 沈阳东软智能医疗科技研究院有限公司 | 医学影像数据压缩方法、渲染方法、装置和介质 |
CN115239890A (zh) * | 2022-09-19 | 2022-10-25 | 腾讯科技(深圳)有限公司 | 骨骼构建方法、装置和存储介质及电子设备 |
CN115239890B (zh) * | 2022-09-19 | 2023-03-14 | 腾讯科技(深圳)有限公司 | 骨骼构建方法、装置和存储介质及电子设备 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107808379B (zh) | 图像处理系统、方法、装置和计算机可读介质 | |
US11935654B2 (en) | Systems and methods for image processing | |
US20210104055A1 (en) | Systems and methods for object positioning and image-guided surgery | |
CN109060849B (zh) | 一种确定辐射剂量调制线的方法、系统和装置 | |
US11295450B2 (en) | System and method for medical image visualization | |
US10580181B2 (en) | Method and system for generating color medical image based on combined color table | |
US11094094B2 (en) | System and method for removing hard tissue in CT image | |
CN111243082A (zh) | 获得数字影像重建图像的方法、系统、装置及存储介质 | |
WO2021136304A1 (en) | Systems and methods for image processing | |
CN111260703B (zh) | 一种获取脊柱拉直图像集的方法、系统、介质及存储介质 | |
CN111542827A (zh) | 一种患者定位的系统和方法 | |
US11779298B2 (en) | Systems and methods for limited view imaging | |
US11200727B2 (en) | Method and system for fusing image data | |
CN109077746B (zh) | 一种确定辐射剂量调制线的方法、系统和装置 | |
US20240037762A1 (en) | Systems and methods for image processing | |
CN111161371B (zh) | 成像系统和方法 | |
Jainek et al. | Illustrative hybrid visualization and exploration of anatomical and functional brain data | |
US20240032881A1 (en) | Systems and methods for limited view imaging | |
US11995837B2 (en) | System and method for medical image visualization | |
US20210257108A1 (en) | Systems and methods for data synchronization |
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: 20200605 |
|
RJ01 | Rejection of invention patent application after publication |