CN111768374B - 一种肺部图像辅助呈现方法 - Google Patents

一种肺部图像辅助呈现方法 Download PDF

Info

Publication number
CN111768374B
CN111768374B CN202010576278.9A CN202010576278A CN111768374B CN 111768374 B CN111768374 B CN 111768374B CN 202010576278 A CN202010576278 A CN 202010576278A CN 111768374 B CN111768374 B CN 111768374B
Authority
CN
China
Prior art keywords
image
lung
server
preprocessing
result
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
CN202010576278.9A
Other languages
English (en)
Other versions
CN111768374A (zh
Inventor
何斌军
张康
胡汶斌
孙小军
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.)
Affiliated Hospital of Shaoxing University
Original Assignee
Affiliated Hospital of Shaoxing University
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 Affiliated Hospital of Shaoxing University filed Critical Affiliated Hospital of Shaoxing University
Priority to CN202010576278.9A priority Critical patent/CN111768374B/zh
Publication of CN111768374A publication Critical patent/CN111768374A/zh
Application granted granted Critical
Publication of CN111768374B publication Critical patent/CN111768374B/zh
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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • G06T2207/30064—Lung nodule
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及一种肺部图像辅助呈现方法，所述方法包括：步骤S1：原始数据采集；步骤S2：进行CT图像预处理以提高图像的清晰性；步骤S3：对预处理结果进行分割；步骤S4：基于分割结果进行肺部图像重建。本发明通过取高质量的薄层胸部增强CT影像，基于肺部部位的特点计算重建肺叶、段、亚段的支气管、肺动脉、肺静脉和病灶的三维影像，进行肺叶重建和肺段划分，并基于二维CT影像来评估重建图像的准确性，作成电子版三维图像模型，从而大大的提高了肺部图像的辨识度。

Description

一种肺部图像辅助呈现方法
【技术领域】
本发明属于图像处理技术领域，尤其涉及一种肺部图像辅助呈现方法。
【背景技术】
目前国内大部分医院，术前仅仅根据术前薄层CT扫描影像难以明确靶段肺动静脉、支气管的精细解剖结构，实施精准切除困难。近年来随着医学影像技术的发展，计算机辅助设计技术的不断开发及应用，三维CT支气管血管成像(Three-dimensional Computedtomography Bronchography and Angiography,3D-CTBA)技术亦逐渐运用于胸腔镜肺部切除的术前规划评估、手术方案制定、术中指导肺血管和支气管的识别等诸多方面，该项技术不仅能非常生动、精确地显示肺叶、肺段及亚段的解剖结构，包括肺动脉、肺静脉、气管、病灶及其周围组织，同时将虚拟的数字影像转换成实际的物理结构，真实地再现三维图像模型，能为术者提供更加详细、直观的病变及其周围的解剖，有利于手术前明确有解剖无变异，辨认支气管、血管走向，进行更准确的术前评估，指导个体化的手术方案，精准指导术中结节的定位，肺血管和支气管的识别，从而达到精准手术的目的。但是二维CT的呈现一般，在现有图像的基础上利用肺部部位的特点，通过辅助呈现增强呈现效果，是待解决的问题。本发明通过取高质量的薄层胸部增强CT影像，基于肺部部位的特点计算重建肺叶、段、亚段的支气管、肺动脉、肺静脉和病灶的三维影像，进行肺叶重建和肺段划分，并基于二维CT影像来评估重建图像的准确性，作成电子版三维图像模型，从而大大的提高了肺部图像的辨识度。
【发明内容】
为了解决现有技术中的上述问题，本发明提出了一种肺部图像辅助呈现方法，所述方法包含：
步骤S1：原始数据采集；
步骤S2：进行CT图像预处理以提高图像的清晰性；
步骤S3：对预处理结果进行分割；
步骤S4：基于分割结果进行肺部图像重建；
进一步的，所述步骤S1具体为：CT设备选取的患者行胸部薄层增强螺旋CT扫描图像，生成CT图像编号，并将所述关联于所述CT图像编号的CT图像同时发送给终端和服务器。
进一步的，所述服务器包括计算服务器和存储服务器。
进一步的，所述薄层为1cm。
进一步的，所述扫描为平扫加增强。
进一步的，所述媒介为PPT，WORD等呈现媒介。
进一步的，所述方法还包括步骤S5X：评估重建图像的准确性，具体的；根据步骤S4的3D重建结果反复对比二维CT影像，评估重建的准确性。找出可能存在错误的肺动脉及肺静脉，并修改。
进一步的，终端在接收到CT图像后选择性的存储；例如：通过查询预约使用记录来判断是否需要进行图像的存储，所述CT图像没有预约使用记录，则在端口缓存处就将所述CT图像数据丢弃。
进一步的，所述步骤S5具体为：将步骤S4中重建得到的各个肺部部位分别呈现在呈现媒介中，将结节部位和相邻部位按照位置关系区分性的呈现在媒介中。
进一步的，在得到服务器返回的重建结果后，根据覆盖的顺序读取重建结果数据，并分区域的进行重建结果呈现。
本发明的有益效果包括：
(1)通过取高质量的薄层胸部增强CT影像，基于肺部部位的特点计算重建肺叶、段、亚段的支气管、肺动脉、肺静脉和病灶的三维影像，进行肺叶重建和肺段划分，大大的提高了肺部图像的辨识度。
(2)基于二维CT影像来评估重建图像的准确性，作成电子版三维图像模型，提高了重建图像的准确度。
(3)考虑本地资源进行图像重建，选择性的进行图像各个处理步骤的部署，尽可能的选取最优的重建方式；
(4)考虑个性化信息和肺部特征进行图像的预处理和分割，在不增加软硬件资源需求的情况下大大的提高了图像处理的效率；
(5)采用简单的图像分割和预处理方式进行本地处理，支持了上述方式固化实现的可能性，进一步的提高了图像处理的效率，满足了老旧设备的需求，老旧设备仅仅需要小尺寸的软硬件升级即可支持图像重建处理；
(6)设置本地、扫描设备和存储计算服务器架构，支持简单的基于图像ID进行请求复杂计算的请求，精简本地设备需求，方法适用性强。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：
图1为本发明的肺部图像辅助呈现方法示意图。
图2为本发明的肺部图像辅助呈现效果示意图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
采用本法本发明能够尽可能的保持本地的常规运行速度，附图2是仅仅采用本地处理方式后的辅助呈现效果，可以看到本发明对于大的结节和异常组织的呈现效果还是可以的。
对本发明所应用的一种肺部图像辅助呈现方法进行详细说明，如附图1所示，所述方法包含如下步骤：
步骤S1：原始数据采集；具体的：CT设备选取的患者行胸部薄层增强螺旋CT扫描图像，生成CT图像编号，并将所述关联于所述CT图像编号的CT图像同时发送给终端和服务器；
不清晰的图像会对医生的诊断结果产生严重的影响，同时图像的边界不清晰也会加大器官分割与轮廓线提取的难度及准确性，因此CT图像预处理其实非常重要；
优选的：终端在接收到CT图像后选择性的存储；例如：通过查询预约使用记录来判断是否需要进行图像的存储，所述CT图像没有预约使用记录，则在端口缓存处就将所述CT图像数据丢弃；
优选的：所述薄层为1cm；
优选的：所述扫描为平扫加增强；
步骤S2：进行CT图像预处理以提高图像的清晰性；具体的：检测本地计算和存储资源，如果本地计算和存储资源满足资源阈值，则采用第一方式在本地进行图像的预处理，否则请求服务器进行预处理；这里，如果计算、通信，计算所需要的存储资源都满足资源要求阈值，则认为满足资源阈值；这里的资源阈值是根据当前CT图像大小情况下采用第二方式对资源的需求情况计算得到的；
优选的：所述第一方式为简单的预处理方法并且在本地进行，具体的：将CT图像存入本地缓冲区中，选取灰度阈值对CT图像进行二值化；对形成的二值图像进行形态学闭操作以填充血管和气管壁等空洞，并用填充后得到图像作为掩膜从二值化前的CT图像中提取出肺部实质；由于肺部CT图像的各个组织器官像素灰度的差异性不明显，很容易产生分割错误；因此，不做任何的预处理效果非常的差，直接采用二值化处理就可见简单粗糙的克服这一问题；
所述请求服务器进行预处理，具体为：向计算服务器发送预处理请求，所述预处理请求中包含CT图像编号，计算服务器根据所述CT图像编号获取CT图像，并采用第二方式进行所述CT图像的预处理；其中：所述计算服务器为用于进行CT图像处理的独立于所述本地终端的硬件装置；
优选的：所述第二方式的计算复杂度、存储复杂度均高于所述第一方式；
优选的：计算服务器和存储服务器和CT设备、用户终端通信互连，计算服务器用于进行CT图像的计算处理，存储服务器用于存储所述CT图像，在完成CT扫描后，CT扫描设备生成CT图像编号，并将所述关联于所述CT图像编号的CT图像同时发送给终端和服务器，存储服务器保存所述CT图像；这里的保存为存档性保存；可替换的：计算服务器和存储服务器为位于同一硬件设备中；
所述采用第二方式进行所述CT图像的预处理，具体包含如下步骤：
步骤S21：从存储服务器读取CT图像并存入待处理缓冲中；
步骤S22：按照特定图案的顺序对每个像素点进行处理，当邻域内其他像素的平均灰度高于邻域的中心像素灰度时，则减少邻域的中心像素灰度；当邻域内其他像素的平均灰度低于邻域的中心像素灰度时，则增加邻域的中心像素灰度；
优选的：所述处理为利用拉普拉斯锐化模板对邻域进行卷积求和处理；
优选的：所述图案为黑白棋盘格，按照黑白颜色，依次选择一个颜色进行像素点的遍历，例如白色，在白色均遍历完后，进行黑点对应像素点的遍历；
优选的：根据CT图像对应患者的个性化信息选择特定图案，个性化信息包括：身高、体重等；特定图案为相应个性化信息对应大小的肺部图案，所述图案中非肺部部分的图案颜色不同于肺部的像素；在进行处理时需要进行图案的对齐处理，或者可选择的拉伸处理；
步骤S23：利用调整值和CT图像调整步骤S22的处理结果以得到调整结果；具体的：采用下式计算每个像素点的调整结果；
PAi＝(POi+(X×P22i))×AJ；其中:PAi为调整结果中第i像素点的像素值；POi为原CT图像中第i像素点的像素值；P22i为步骤S22的处理结果中第i像素点的像素值；AJ为调整值，例如：1.5；X为步骤S22的处理结果的衰减调整值，基于P22的像素平均值或区域像素平均值和原始CT图像的平均像素值或区域像素平均值的插值来调整所述X的默认值以得到X的衰减调整值；可以在步骤S22执行后计算所述X的值；
优选的：当调整结果像素值超过极值时，将所述超过极值的像素值设置为极值；
步骤S24：将所述调整结果作为预处理结果；
在进行预处理阶段，CT图像数据的来源并不是一个位置，本地在进行CT图像的预处理时，CT图像数据本身已位于终端设备中，在使用完毕的一段时间后可能会被删除，而计算服务器计算所需数据直接从存储服务器获取即可，避免不必要的通信开销，给计算预留了时间；为了进一步的进行预留计算时间，根据终端的CT图像使用情况，终端发送预加载请求给计算服务器，计算服务器提前读取和/或预处理所述CT图像；另外基于图案规律的像素点遍历避免了传统的顺序像素处理带来的固有弊端，消除处理值和处理顺序之间的相关性。通过个性化信息提高了预处理的准确度；
优选的；所述向服务器发送请求以进行预处理之前，进行通信开销评估；
步骤S3：对预处理结果进行分割；具体为：如果执行分割所针对的预处理结果是计算服务器返回的，则计算本地资源执行第二分割方法的执行时间，如果执行时间小于第一时间阈值，则在本地执行第二分割方法；如果执行时间超过第一时间阈值，则请求计算服务器以第二分割方法分割并获取分割结果；否则，如果执行分割所针对的预处理结果是本地预处理结果，则采用第一分割方法进行分割；其中：第一时间阈值是给定值；这里直接对执行时间进行两次评估，避免了再次进行本地资源评估增加的评估复杂度；第一时间阈值是用于能够接受的分割时间长度，超过第一时间阈值能够直接反映出本地资源是不够用的；这里需要根据CT图像和当前可用的计算资源来计算执行时间；
优选的：获取最近第一时间段内可用资源情况，根据所述可用资源情况和CT扫描所针对的部位查询对照表以获取和可用资源情况对应的执行时间；由于在本地进行预估时，设备本身返回的图像本身是固定的，实际上执行时间和部位会有一定的相关性，直接通过查询对照表的方式能够大大的提高查询时间；
优选的：在执行该步骤前，如果接收服务器返回的预处理结果，基于服务器返回的预处理结果执行分割；否则，基于本地与处理结果执行分割；
所述采用第一分割方法进行分割，具体为：确定感兴趣对象，并仅对感兴趣对象进行分割；其中：所述感兴趣区域为结节；确定感兴趣对象的方式为在CT图像中人工圈定感兴趣对象；上述第一分割方式的执行时间比较快，但是精确度不高，可能会遗漏结节；
可替换的，所述采用第一分割方法进行分割，具体为：根据CT图像对应患者的个性化信息选择图像模板，基于所述图像模板确定感兴趣对象，并仅对所述感兴趣对象进行分割；通过个性化参数能够得到和患者非常近似的健康肺部CT图像，将所述健康肺部CT图像和CT进行对比以确定感兴趣区域，并对所述感兴趣区域进行分割；由于两者的身高，体重等信息均类似，因此肺部的形状大小形态应该是大致一致的，通过这样的方式能够大大的提高分割的速度并保证精度；优选的：所述健康肺部CT图像和所述CT图像来自同一或统一类型的CT设备；
所述第二分割方法，具体为：采用基于形变模型、基于边缘、基于区域的分割方法对整个肺部的关键组织进行分割；其中，关键组织包括气管、两肺五个肺叶、两肺五个肺叶、肺静脉、肺结节；
优选的：在第二分割方法中，基于形变模型进行分割，在CT图像序列中选取关键CT图像，手工绘制初始轮廓，采用Snake模型不断进行迭代，直至找到关键组织的轮廓，保存所述轮廓信息；其中，关键点CT图像为根据肺部特点选择的，似得所述关键CT图像能够涉及所有所述关键组织；这里，所述手工绘制初始轮廓，可替换的为：基于和个性化信息对应的图像模板绘制初始轮廓，在初始轮廓的基础上选择性的进行手工加工；
步骤S4：基于分割结果进行肺部重建；具体的：如果步骤S3中为在计算服务器中执行第二分割方法，则请求计算服务器继续进行重建并等待计算服务器的重建结果；否则，如果步骤S3中为在本地执行第一分割方法，则基于所述第一分割方法的分割结果进行快速重建，等待服务器的重建结果进行快速重建结果的覆盖；否则，基于本地执行的第二分割方法的分割结果进行重建，并请求服务器停止进行关于所述CT图像的计算；
可替换的：如果步骤S3为基于本地执行的第二分割方法的分割结果进行重建，继续请求服务器进行关于CT图像的计算；
所述基于所述第一分割方法的分割结果进行快速重建，具体为：获取和个性化信息对应的3D图像模板；基于第一分割方法的分割结果对感兴趣对象进行重建，基于感兴趣对象的位置将所述感兴趣对象和所述3D图像模板进行融合，将所述融合后的结果作为快速重建结果；这里融合的方式可以简单的是，将感兴趣对象的像素替换相同位置的3D图像的像素；可替换的：将3D图像根据感兴趣对象的位置进行像素坐标移动，并将感兴趣对象的像素替换移动后的坐标位置；此时得到的3D图像是一个经过拉伸的图像；
所述等待服务器的重建结果进行快速重建结果的覆盖，具体为：基于服务器返回的重建结果分区域的覆盖快速重建结果，并最终呈现计算服务器返回的重建结果；分区域的方式为逐层覆盖、分部位的覆盖等；
步骤S5：呈现重建结果；具体的：将步骤S4中重建得到的各个肺部部位分别呈现在呈现媒介中，将结节部位和相邻部位按照位置关系区分性的呈现在媒介中；在得到服务器返回的重建结果后，根据覆盖的顺序读取重建结果数据，并分区域的进行重建结果呈现；
优选的：所述媒介为PPT，WORD等呈现媒介。
优选的：所述方法还包括如下步骤：
步骤S5X：评估重建图像的准确性，具体的；根据步骤S4的3D重建结果反复对比二维CT影像，评估重建的准确性。找出可能存在错误的肺动脉及肺静脉，并修改。
上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。

Claims (9)

1.一种肺部图像辅助呈现方法，其特征在于，所述方法包含：
步骤S1：原始数据采集；具体的：CT设备选取的患者行胸部薄层增强螺旋CT扫描图像，生成CT图像编号，并将关联于所述CT图像编号的CT图像同时发送给终端和服务器；
步骤S2：进行CT图像预处理以提高图像的清晰性；
步骤S3：对预处理结果进行分割；如果接收服务器返回的预处理结果，基于服务器返回的预处理结果执行分割；否则，基于本地与处理结果执行分割；
步骤S4：基于分割结果进行肺部图像重建；
所述步骤S2具体为：检测本地计算和存储资源，如果本地计算和存储资源满足资源阈值，则采用第一方式在本地进行图像的预处理，否则请求服务器进行预处理；
所述第一方式在本地进行，具体的：将CT图像存入本地缓冲区中，选取灰度阈值对CT图像进行二值化；对形成的二值图像进行形态学闭操作以填充血管和气管壁空洞，并用填充后得到图像作为掩膜从二值化前的CT图像中提取出肺部实质；
所述请求服务器进行预处理，具体为：向计算服务器发送预处理请求，所述预处理请求中包含CT图像编号，计算服务器根据所述CT图像编号获取CT图像，并采用第二方式进行所述CT图像的预处理；其中：所述计算服务器为用于进行CT图像处理的独立于本地终端的硬件装置；
所述采用第二方式进行所述CT图像的预处理，具体包含如下步骤：
步骤S21：从存储服务器读取CT图像并存入待处理缓冲中；
步骤S22：按照特定图案的顺序对每个像素点进行处理，当邻域内其他像素的平均灰度高于邻域的中心像素灰度时，则减少邻域的中心像素灰度；当邻域内其他像素的平均灰度低于邻域的中心像素灰度时，则增加邻域的中心像素灰度；根据CT图像对应患者的个性化信息选择特定图案；
步骤S23：利用调整值和CT图像调整步骤S22的处理结果以得到调整结果；
步骤S24：将所述调整结果作为预处理结果。
2.根据权利要求1所述的肺部图像辅助呈现方法，其特征在于，所述服务器包括计算服务器和存储服务器。
3.根据权利要求2所述的肺部图像辅助呈现方法，其特征在于，所述薄层为1cm。
4.根据权利要求3所述的肺部图像辅助呈现方法，其特征在于，所述扫描为平扫加增强。
5.根据权利要求4所述的肺部图像辅助呈现方法，其特征在于，呈现媒介为PPT，WORD。
6.根据权利要求5所述的肺部图像辅助呈现方法，其特征在于，所述方法还包括步骤S5X：评估重建图像的准确性，具体的；根据步骤S4的3D重建结果反复对比二维CT影像，评估重建的准确性；找出可能存在错误的肺动脉及肺静脉，并修改。
7.根据权利要求6所述的肺部图像辅助呈现方法，其特征在于，终端在接收到CT图像后选择性的存储；通过查询预约使用记录来判断是否需要进行图像的存储，所述CT图像没有预约使用记录，则在端口缓存处就将所述CT图像数据丢弃。
8.根据权利要求7所述的肺部图像辅助呈现方法，其特征在于，所述步骤S5具体为：将步骤S4中重建得到的各个肺部部位分别呈现在呈现媒介中，将结节部位和相邻部位按照位置关系区分性的呈现在媒介中。
9.根据权利要求8所述的肺部图像辅助呈现方法，其特征在于，在得到服务器返回的重建结果后，根据覆盖的顺序读取重建结果数据，并分区域的进行重建结果呈现。
CN202010576278.9A 2020-06-22 2020-06-22 一种肺部图像辅助呈现方法 Active CN111768374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010576278.9A CN111768374B (zh) 2020-06-22 2020-06-22 一种肺部图像辅助呈现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010576278.9A CN111768374B (zh) 2020-06-22 2020-06-22 一种肺部图像辅助呈现方法

Publications (2)

Publication Number Publication Date
CN111768374A CN111768374A (zh) 2020-10-13
CN111768374B true CN111768374B (zh) 2023-02-10

Family

ID=72721536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010576278.9A Active CN111768374B (zh) 2020-06-22 2020-06-22 一种肺部图像辅助呈现方法

Country Status (1)

Country Link
CN (1) CN111768374B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115661149B (zh) * 2022-12-26 2023-03-10 天津医科大学总医院 一种基于肺部组织数据的肺部影像处理系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101705197B1 (ko) * 2015-05-29 2017-02-22 주식회사 코어라인소프트 로컬 서버 장치 및 그의 데이터 중계 방법
CN105468912A (zh) * 2015-11-26 2016-04-06 四川长虹电器股份有限公司 基于图像和语音识别的饮食健康管理系统
CN111080794B (zh) * 2019-12-10 2022-04-05 华南农业大学 一种耕地现场边云协同的三维重建方法

Also Published As

Publication number Publication date
CN111768374A (zh) 2020-10-13

Similar Documents

Publication Publication Date Title
US11816837B2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
US7822461B2 (en) System and method for endoscopic path planning
CN107133959A (zh) 一种快速的血管边界三维分割方法及系统
CN113168734B (zh) 管状结构的切割面显示
WO2008121367A1 (en) Lesion quantification and tracking using multiple modalities
CN109740602B (zh) 肺动脉期血管提取方法及系统
US20090141968A1 (en) Coronary reconstruction from rotational x-ray projection sequence
CN107103605A (zh) 一种乳房组织的分割方法
US11189030B2 (en) Method and device for determining liver segments in a medical image
CN105761217A (zh) 图像重建方法及装置
JP2005505397A (ja) 自動枝ラベリング方法
US8098917B2 (en) Automatically updating a geometric model
CN116797612B (zh) 基于弱监督深度活动轮廓模型的超声图像分割方法及装置
CN111768374B (zh) 一种肺部图像辅助呈现方法
CN109767458A (zh) 一种半自动分段的顺序优化配准方法
CN113888698A (zh) 一种面向肝切除术的动态三维重建方法及系统
CN111627023B (zh) 一种冠脉投影图像生成的方法、装置及计算机可读介质
CN113160248B (zh) 一种图像处理方法、装置、设备及可读存储介质
CN112669449A (zh) 基于3d重建技术的cag和ivus精准联动分析方法及系统
CN111784751B (zh) 基于3d/2d配准的导丝3d模拟跟踪方法及装置
JP2023027751A (ja) 医用画像処理装置及び医用画像処理方法
CN114596275A (zh) 肺血管分割方法、装置、存储介质及电子设备
Swift et al. Adaptive axes-generation algorithm for 3D tubular structures
EP4129182A1 (en) Technique for real-time volumetric imaging from multiple sources during interventional procedures
CN118411478B (zh) 超声心动图辅助ct动态重建方法、系统、设备及介质

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