CN112089438B - 基于二维超声图像的四维重建方法及装置 - Google Patents

基于二维超声图像的四维重建方法及装置 Download PDF

Info

Publication number
CN112089438B
CN112089438B CN202010894324.XA CN202010894324A CN112089438B CN 112089438 B CN112089438 B CN 112089438B CN 202010894324 A CN202010894324 A CN 202010894324A CN 112089438 B CN112089438 B CN 112089438B
Authority
CN
China
Prior art keywords
slice
dimensional
image
continuity
breathing
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
CN202010894324.XA
Other languages
English (en)
Other versions
CN112089438A (zh
Inventor
付天宇
李静舒
杨健
范敬凡
宋红
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202010894324.XA priority Critical patent/CN112089438B/zh
Publication of CN112089438A publication Critical patent/CN112089438A/zh
Application granted granted Critical
Publication of CN112089438B publication Critical patent/CN112089438B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Image Analysis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

基于二维超声图像的四维重建方法及装置，利用机械臂夹持系统固定2D US探头分别采集训练数据以及测试数据，测试数据采集过程中利用贴在患者左腹部的定位磁片实时记录该位置处的空间位置信息，针对采集到的训练数据根据相邻位置切片间的连续性进行正样本对以及负样本对的划分，建立连续性预测网络，在重建阶段，结合呼吸信号的相似性以及图像内容的连续性实现对2D US切片序列的4D重建，建立插值网络，将不存在切片缺失的重建图像叠加人为生成的掩模版后提取矢状面切片作为网络输入，以未叠加掩模版的原始重建图像矢状面切片作为金标准进行学习，获得插值模型，在测试阶段实现对待插值图像的补全。

Description

基于二维超声图像的四维重建方法及装置
技术领域
本发明涉及医学图像处理的技术领域，尤其涉及一种基于二维超声图像的四维重建方法，以及基于二维超声图像的四维重建装置，适用于四维超声成像领域与基于超声图像引导的微创手术领域。
背景技术
近年来，4D(四维)成像的发展为研究者和医生提供了三维器官或病灶的呼吸运动，在临床阶段具有优异的病变检测能力。4D成像能采集到不同呼吸阶段下器官或病灶部位的3D图像，组成一个具有3D运动的4D(3D+t)的图像序列。例如4D核磁共振成像(MRI)、4D计算机断层扫描(CT)，将人体内部的三维呼吸运动可视化，更好的辅助医生掌握其器官运动的规律。
目前医学图像领域常用的成像技术主要有：电子计算机断层扫描成像(CT)、磁共振成像(MR)以及超声成像(US)。而在4D图像中，MR/CT具有高分辨率成像的能力使得组织结构变得清晰。但其缺点在于两类图像除了漫长的采集过程外，CT成像过程中的辐射会对人体造程二次伤害，而MR成像成本高价格，相对昂贵，加大了患者的经济负担。相比之下，超声以实时性、安全性和低成本的独特优势在肝脏肿瘤治疗中得到了广泛的应用。受呼吸影响，肝脏会周期性地沿头足方向发生移动。传统的2D超声图像无法完全跟踪肝脏器官的这种3D运动。因此，时间依赖性结构重建(即4D重建)对于捕获呼吸诱导的肝脏运动具有重要意义。此外，目前3D US探头可以提取到实时性较好的3D US图像，但相比于传统的2D US，3D US探头的价格昂贵，所获取的3D US图像视野有限、分辨率低，且具有高声阻抗的结构会导致遮挡，使得图像采集不完全。
发明内容
为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种基于二维超声图像的四维重建方法，其能够避免治疗中对患者造成的二次伤害，降低成本的同时简化操作，利用普通的2D US探头进行重建数据的采集，以提供大视角、高质量的4D US图像。
本发明的技术方案是：这种基于二维超声图像的四维重建方法，其包括以下步骤：
(1)利用机械臂夹持系统固定2D US探头分别采集训练数据以及测试数据，测试数据采集过程中利用贴在患者左腹部的定位磁片实时记录该位置处的空间位置信息；
(2)针对获得的磁片记录信息，利用主成分分析法PCA对其进行降维得到一维信号，作为该患者的呼吸信号并对呼吸信号进行分段处理；针对采集到的训练数据根据相邻位置切片间的连续性进行正样本对以及负样本对的划分；
(3)建立连续性预测网络，将制作好的正样本对以及负样本对作为网络输入，分别以1和0作为标签进行学习，获得连续性预测模型；在重建阶段，结合呼吸信号的相似性以及图像内容的连续性实现对2D US切片序列的4D重建；
(4)建立插值网络，针对重建过程中由于引入呼吸信号限制而导致个别呼吸相位下某些位置处缺少合标准切片的现象，对重建图像进行插值补全；将不存在切片缺失的重建图像叠加人为生成的掩模版后提取矢状面切片作为网络输入，以未叠加掩模版的原始重建图像矢状面切片作为金标准进行学习，获得插值模型，在测试阶段实现对待插值图像的补全。
本发明利用利用机械臂夹持系统固定2D US探头分别采集训练数据以及测试数据，测试数据采集过程中利用贴在患者左腹部的定位磁片实时记录该位置处的空间位置信息，针对采集到的训练数据根据相邻位置切片间的连续性进行正样本对以及负样本对的划分，建立连续性预测网络，在重建阶段，结合呼吸信号的相似性以及图像内容的连续性实现对2D US切片序列的4D重建，建立插值网络，将不存在切片缺失的重建图像叠加人为生成的掩模版后提取矢状面切片作为网络输入，以未叠加掩模版的原始重建图像矢状面切片作为金标准进行学习，获得插值模型，在测试阶段实现对待插值图像的补全，因此能够避免治疗中对患者造成的二次伤害，降低成本的同时简化操作，利用普通的2D US探头进行重建数据的采集，以提供大视角、高质量的4D US图像。
还提供了基于二维超声图像的四维重建装置，其包括：
数据采集模块，其配置来利用机械臂夹持系统固定2D US探头分别采集训练数据以及测试数据，测试数据采集过程中利用贴在患者左腹部的定位磁片实时记录该位置处的空间位置信息；
连续性划分模块，其配置来针对获得的磁片记录信息，利用主成分分析法PCA对其进行降维得到一维信号，作为该患者的呼吸信号并对呼吸信号进行分段处理；针对采集到的训练数据根据相邻位置切片间的连续性进行正样本对以及负样本对的划分；
连续性预测网络建立模块，其配置来将制作好的正样本对以及负样本对作为网络输入，分别以1和0作为标签进行学习，获得连续性预测模型；在重建阶段，结合呼吸信号的相似性以及图像内容的连续性实现对2D US切片序列的4D重建；
插值网络建立模块，其配置来针对重建过程中由于引入呼吸信号限制而导致个别呼吸相位下某些位置处缺少合标准切片的现象，对重建图像进行插值补全；将不存在切片缺失的重建图像叠加人为生成的掩模版后提取矢状面切片作为网络输入，以未叠加掩模版的原始重建图像矢状面切片作为金标准进行学习，获得插值模型，在测试阶段实现对待插值图像的补全。
附图说明
图1是根据本发明的基于二维超声图像的四维重建方法的流程图。
具体实施方式
如图1所示，这种基于二维超声图像的四维重建方法，其包括以下步骤：
(1)利用机械臂夹持系统固定2D US探头分别采集训练数据以及测试数据，测试数据采集过程中利用贴在患者左腹部的定位磁片实时记录该位置处的空间位置信息；
(2)针对获得的磁片记录信息，利用主成分分析法PCA对其进行降维得到一维信号，作为该患者的呼吸信号并对呼吸信号进行分段处理；针对采集到的训练数据根据相邻位置切片间的连续性进行正样本对(两切片连续)以及负样本对(两切片不连续)的划分；
(3)建立连续性预测网络，将制作好的正样本对以及负样本对作为网络输入，分别以1和0作为标签进行学习，获得连续性预测模型；在重建阶段，结合呼吸信号的相似性以及图像内容的连续性实现对2D US切片序列的4D重建；
(4)建立插值网络，针对重建过程中由于引入呼吸信号限制而导致个别呼吸相位下某些位置处缺少合标准切片的现象，对重建图像进行插值补全；将不存在切片缺失的重建图像叠加人为生成的掩模版后提取矢状面切片作为网络输入，以未叠加掩模版的原始重建图像矢状面切片作为金标准进行学习，获得插值模型，在测试阶段实现对待插值图像的补全。
本发明利用利用机械臂夹持系统固定2D US探头分别采集训练数据以及测试数据，测试数据采集过程中利用贴在患者左腹部的定位磁片实时记录该位置处的空间位置信息，针对采集到的训练数据根据相邻位置切片间的连续性进行正样本对以及负样本对的划分，建立连续性预测网络，在重建阶段，结合呼吸信号的相似性以及图像内容的连续性实现对2D US切片序列的4D重建，建立插值网络，将不存在切片缺失的重建图像叠加人为生成的掩模版后提取矢状面切片作为网络输入，以未叠加掩模版的原始重建图像矢状面切片作为金标准进行学习，获得插值模型，在测试阶段实现对待插值图像的补全，因此能够避免治疗中对患者造成的二次伤害，降低成本的同时简化操作，利用普通的2D US探头进行重建数据的采集，以提供大视角、高质量的4D US图像。
优选地，所述步骤(1)中，采集实验所需训练数据及测试数据。在采集训练数据时，为保证所得2D US序列连续性已知，要求采集过程中被采集者屏住呼吸，同时减少2D US探头在每一采集位置处的停留时间，在每一采集位置处只采集一张切片。探头平行于轴向平面放置，并在机械臂的控制下沿头脚方向自动移动，移动过程中时刻保持运动轨迹始终位于同一水平线并且不发生任何偏转。采集的开始位置在肝脏的上边缘附近。最终位置在对象的中腹部附近。这种方式下采集得到的一组2D US序列即为已知连续性的数据(沿头足方向依次连续)。
优选地，所述步骤(1)中，在采集测试数据时，被采集者保持均匀呼吸，并于左腹部贴上用于定位的磁片，实时记录磁片在空间中的三维坐标；在每个采集位置处探头自动停留10s；根据呼吸周期的时间，所获取的图像序列在每个采集位置处覆盖三个呼吸周期。
优选地，所述步骤(2)中，使用PCA方法对定位磁片记录的三维空间坐标进行降维，得到一维呼吸信号。得到呼吸信号后，每个序列将通过高斯平滑滤波器进行平滑处理，最终得到平滑的呼吸信号曲线。由于磁片采集的是一系列离散的坐标点，故得到的呼吸信号不连续，不同呼吸周期间的呼吸信号很难存在严格相等。因此，对呼吸信号进行分段处理，即按一定范围将呼吸信号分为不同段，处在同一段内的呼吸信号被认为是处于同一呼吸状态。
优选地，所述步骤(2)中，对采集到的原始训练数据，将得到的2D US序列按照是否连续的标准两两配对，彼此连续的图像对记为正样本，对应的标签为1；彼此不连续的图像对记为负样本，对应的标签为-1；在确定正负样本时，为提高训练得到的连续性预测的精准度，严格规定解剖结构上彼此相邻的两张切片为连续切片对，记作正样本，除这种情况之外均为负样本。
优选地，所述步骤(3)中，将得到的正负样本分别以各自标签输入连续性预测网络进行模型训练，通过学习，最终获得连续性预测模型。在测试时，要同时兼顾图像的连续性和呼吸信号的相似性，以提高重建的准确性。在呼吸信号的限制下，位置n处的2D US序列经过连续性预测模型计算得到的连续性最高(与位置n-1所选切片最连续)的切片将作为重建图像中的第n张切片，并作为基准参与下一位置处的最连续切片的选择。以此类推，最终实现各呼吸相位下的3D US重建，即4D US重建。
优选地，所述步骤(4)中，重建过程中为提高重建准确性，引入呼吸信号相似性作为限制。导致由于被采集者无法始终保持均匀呼吸，呼吸有时过深有时过浅，故采集到的2DUS序列会在某些呼吸相位(尤其是呼气及吸气末端处)不存在处于所需呼吸相位下的切片，这在该呼吸相位下的重建3D图像中表现为某一位置处的切片缺失。基于此，构建基于GAN的插值网络对该类图像进行插值补全。
优选地，所述步骤(4)中，首先对重建好的图像根据完整与否分成训练数据集与测试数据集，并提取矢状面切片；对训练数据的矢状面切片叠加人工生成的掩模版，构造有对应金标准的待插值图像；将制作好的待插值图像及对应金标准送入插值网络进行学习，最终将测试数据的矢状面切片送入训练好的网络实现插值补全，再将相同呼吸相位下的各矢状面切片按顺序组装成3D US图像，最终实现4D US的补全。
本领域普通技术人员可以理解，实现上述实施例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，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而所述的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。因此，与本发明的方法相对应的，本发明还同时包括一种基于二维超声图像的四维重建装置，该装置通常以与方法各步骤相对应的功能模块的形式表示。该装置包括：
数据采集模块，其配置来利用机械臂夹持系统固定2D US探头分别采集训练数据以及测试数据，测试数据采集过程中利用贴在患者左腹部的定位磁片实时记录该位置处的空间位置信息；
连续性划分模块，其配置来针对获得的磁片记录信息，利用主成分分析法PCA对其进行降维得到一维信号，作为该患者的呼吸信号并对呼吸信号进行分段处理；针对采集到的训练数据根据相邻位置切片间的连续性进行正样本对以及负样本对的划分；
连续性预测网络建立模块，其配置来将制作好的正样本对以及负样本对作为网络输入，分别以1和0作为标签进行学习，获得连续性预测模型；在重建阶段，结合呼吸信号的相似性以及图像内容的连续性实现对2D US切片序列的4D重建；
插值网络建立模块，其配置来针对重建过程中由于引入呼吸信号限制而导致个别呼吸相位下某些位置处缺少合标准切片的现象，对重建图像进行插值补全；将不存在切片缺失的重建图像叠加人为生成的掩模版后提取矢状面切片作为网络输入，以未叠加掩模版的原始重建图像矢状面切片作为金标准进行学习，获得插值模型，在测试阶段实现对待插值图像的补全。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。

Claims (8)

1.基于二维超声图像的四维重建方法，其特征在于：其包括以下步骤：
(1)利用机械臂夹持系统固定2D US探头分别采集训练数据以及测试数据，测试数据采集过程中利用贴在患者左腹部的定位磁片实时记录该位置处的空间位置信息；
(2)针对获得的磁片记录信息，利用主成分分析法PCA对其进行降维得到一维信号，作为该患者的呼吸信号并对呼吸信号进行分段处理；针对采集到的训练数据根据相邻位置切片间的连续性进行正样本对以及负样本对的划分；
(3)建立连续性预测网络，将制作好的正样本对以及负样本对作为网络输入，分别以1和0作为标签进行学习，获得连续性预测模型；在重建阶段，在呼吸信号的限制下，位置n处的2D US序列经过连续性预测模型计算得到的连续性最高的切片作为重建图像中的第n张切片，并作为基准参与下一位置处的最连续切片的选择；
(4)建立插值网络，针对重建过程中由于引入呼吸信号限制而导致个别呼吸相位下某些位置处缺少合标准切片的现象，对重建图像进行插值补全；将不存在切片缺失的重建图像叠加人为生成的掩模版后提取矢状面切片作为网络输入，以未叠加掩模版的原始重建图像矢状面切片作为金标准进行学习，获得插值模型，在测试阶段实现对待插值图像的补全。
2.根据权利要求1所述的基于二维超声图像的四维重建方法，其特征在于：所述步骤(1)中，在采集训练数据时，为保证所得2D US序列连续性已知，要求采集过程中被采集者屏住呼吸，同时减少2D US探头在每一采集位置处的停留时间，在每一采集位置处只采集一张切片；探头平行于轴向平面放置，并在机械臂的控制下沿头脚方向自动移动，移动过程中时刻保持运动轨迹始终位于同一水平线并且不发生任何偏转；采集的开始位置在肝脏的上边缘附近，最终位置在对象的中腹部附近。
3.根据权利要求2所述的基于二维超声图像的四维重建方法，其特征在于：所述步骤(1)中，在采集测试数据时，被采集者保持均匀呼吸，并于左腹部贴上用于定位的磁片，实时记录磁片在空间中的三维坐标；在每个采集位置处探头自动停留10s；根据呼吸周期的时间，所获取的图像序列在每个采集位置处覆盖三个呼吸周期。
4.根据权利要求3所述的基于二维超声图像的四维重建方法，其特征在于：所述步骤(2)中，使用PCA方法对定位磁片记录的三维空间坐标进行降维，得到一维呼吸信号；得到呼吸信号后，每个序列将通过高斯平滑滤波器进行平滑处理，最终得到平滑的呼吸信号曲线；对呼吸信号进行分段处理，按一定范围将呼吸信号分为不同段，处在同一段内的呼吸信号被认为是处于同一呼吸状态。
5.根据权利要求4所述的基于二维超声图像的四维重建方法，其特征在于：所述步骤(2)中，对采集到的原始训练数据，将得到的2D US序列按照是否连续的标准两两配对，彼此连续的图像对记为正样本，对应的标签为1；彼此不连续的图像对记为负样本，对应的标签为0；在确定正负样本时，为提高训练得到的连续性预测的精准度，严格规定解剖结构上彼此相邻的两张切片为连续切片对，记作正样本，除这种情况之外均为负样本。
6.根据权利要求5所述的基于二维超声图像的四维重建方法，其特征在于：所述步骤(4)中，在某些呼吸相位不存在处于所需呼吸相位下的切片，这在该呼吸相位下的重建3D图像中表现为某一位置处的切片缺失，构建基于GAN的插值网络对该类图像进行插值补全。
7.根据权利要求6所述的基于二维超声图像的四维重建方法，其特征在于：所述步骤(4)中，首先对重建好的图像根据完整与否分成训练数据集与测试数据集，并提取矢状面切片；对训练数据的矢状面切片叠加人工生成的掩模版，构造有对应金标准的待插值图像；将制作好的待插值图像及对应金标准送入插值网络进行学习，最终将测试数据的矢状面切片送入训练好的网络实现插值补全，再将相同呼吸相位下的各矢状面切片按顺序组装成3DUS图像，最终实现4DUS的补全。
8.基于二维超声图像的四维重建装置，其特征在于：其包括：
数据采集模块，其配置来利用机械臂夹持系统固定2D US探头分别采集训练数据以及测试数据，测试数据采集过程中利用贴在患者左腹部的定位磁片实时记录该位置处的空间位置信息；
连续性划分模块，其配置来针对获得的磁片记录信息，利用主成分分析法PCA对其进行降维得到一维信号，作为该患者的呼吸信号并对呼吸信号进行分段处理；针对采集到的训练数据根据相邻位置切片间的连续性进行正样本对以及负样本对的划分；
连续性预测网络建立模块，其配置来将制作好的正样本对以及负样本对作为网络输入，分别以1和0作为标签进行学习，获得连续性预测模型；在重建阶段，在呼吸信号的限制下，位置n处的2D US序列经过连续性预测模型计算得到的连续性最高的切片作为重建图像中的第n张切片，并作为基准参与下一位置处的最连续切片的选择；
插值网络建立模块，其配置来针对重建过程中由于引入呼吸信号限制而导致个别呼吸相位下某些位置处缺少合标准切片的现象，对重建图像进行插值补全；将不存在切片缺失的重建图像叠加人为生成的掩模版后提取矢状面切片作为网络输入，以未叠加掩模版的原始重建图像矢状面切片作为金标准进行学习，获得插值模型，在测试阶段实现对待插值图像的补全。
CN202010894324.XA 2020-08-31 2020-08-31 基于二维超声图像的四维重建方法及装置 Active CN112089438B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010894324.XA CN112089438B (zh) 2020-08-31 2020-08-31 基于二维超声图像的四维重建方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010894324.XA CN112089438B (zh) 2020-08-31 2020-08-31 基于二维超声图像的四维重建方法及装置

Publications (2)

Publication Number Publication Date
CN112089438A CN112089438A (zh) 2020-12-18
CN112089438B true CN112089438B (zh) 2021-07-30

Family

ID=73758343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010894324.XA Active CN112089438B (zh) 2020-08-31 2020-08-31 基于二维超声图像的四维重建方法及装置

Country Status (1)

Country Link
CN (1) CN112089438B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114881937B (zh) * 2022-04-15 2022-12-09 北京医准智能科技有限公司 一种针对超声切面的检测方法、装置及计算机可读介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101529471A (zh) * 2006-10-17 2009-09-09 皇家飞利浦电子股份有限公司 展示周期运动的多个阶段的区域的四维重建
CN103077550A (zh) * 2012-12-10 2013-05-01 华北电力大学（保定） 一种非门控icus图像序列中血管的四维重建方法
WO2016134127A1 (en) * 2015-02-20 2016-08-25 University Of Florida Research Foundation, Inc. Common-mask guided image reconstruction for enhanced four-dimensional come-beam computed tomography
CN206209898U (zh) * 2016-12-06 2017-05-31 中国科学院深圳先进技术研究院 三维心脏图像重建系统
CN109716434A (zh) * 2017-08-24 2019-05-03 冯艳 基于非再入型二次扭曲(nrqd)光栅和棱栅的四维多平面宽带成像系统
CN110070576A (zh) * 2019-04-29 2019-07-30 成都思多科医疗科技有限公司 一种基于深度学习网络的超声采图智能定位方法和系统
CN110279429A (zh) * 2019-06-13 2019-09-27 北京理工大学 四维超声重建方法及装置
CN111528901A (zh) * 2019-11-08 2020-08-14 深圳迈瑞生物医疗电子股份有限公司 四维的超声成像方法、超声成像方法及相关系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8121669B2 (en) * 2008-04-07 2012-02-21 Mitsubishi Electric Research Laboratories, Inc. Method for tracking soft tissue masses in images using directed graphs
CN104306021B (zh) * 2014-10-15 2016-08-24 北京理工大学 全局匹配优化的超声图像三维重建方法
US10925510B2 (en) * 2015-05-08 2021-02-23 Cedars-Sinai Medical Center Characterization of respiratory motion in the abdomen using a 4D MRI technique with 3D radial sampling and respiratory self-gating
US10803987B2 (en) * 2018-11-16 2020-10-13 Elekta, Inc. Real-time motion monitoring using deep neural network
CN111507462B (zh) * 2020-04-15 2022-05-10 华中科技大学鄂州工业技术研究院 一种端对端的三维医学图像超分辨率重建方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101529471A (zh) * 2006-10-17 2009-09-09 皇家飞利浦电子股份有限公司 展示周期运动的多个阶段的区域的四维重建
CN103077550A (zh) * 2012-12-10 2013-05-01 华北电力大学（保定） 一种非门控icus图像序列中血管的四维重建方法
WO2016134127A1 (en) * 2015-02-20 2016-08-25 University Of Florida Research Foundation, Inc. Common-mask guided image reconstruction for enhanced four-dimensional come-beam computed tomography
CN206209898U (zh) * 2016-12-06 2017-05-31 中国科学院深圳先进技术研究院 三维心脏图像重建系统
CN109716434A (zh) * 2017-08-24 2019-05-03 冯艳 基于非再入型二次扭曲(nrqd)光栅和棱栅的四维多平面宽带成像系统
CN110070576A (zh) * 2019-04-29 2019-07-30 成都思多科医疗科技有限公司 一种基于深度学习网络的超声采图智能定位方法和系统
CN110279429A (zh) * 2019-06-13 2019-09-27 北京理工大学 四维超声重建方法及装置
CN111528901A (zh) * 2019-11-08 2020-08-14 深圳迈瑞生物医疗电子股份有限公司 四维的超声成像方法、超声成像方法及相关系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Subject-specific and respiration-corrected 4D liver model from real-time ultrasound image sequences;Cheng Li;《Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization》;20181231;全文 *
基于光学定位系统三维B超快速定标方法及呼吸相关模型的研究;周含;《中国优秀硕士论文全文数据库 信息科技辑》;20151215;全文 *

Also Published As

Publication number Publication date
CN112089438A (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
US8942455B2 (en) 2D/3D image registration method
CN102512209B (zh) 超声诊断设备
US7346381B2 (en) Method and apparatus for medical intervention procedure planning
KR102114415B1 (ko) 의료 영상 정합 방법 및 장치
CN109646089B (zh) 一种基于多模式医学融合图像的脊柱脊髓体表穿刺入路点智能定位系统及方法
CN109381212A (zh) 一种成像控制方法和系统
US20110245651A1 (en) Medical image playback device and method, as well as program
US9050054B2 (en) Medical image diagnostic apparatus
JP2014161734A (ja) 医療画像を整合する方法及びその装置
JP6824125B2 (ja) 医用撮像装置及び画像処理方法
JP2012205899A (ja) ３次元的モデルを利用した身体臓器の映像生成方法及び装置並びにコンピュータ読み取り可能な記録媒体
US20120287131A1 (en) Image processing apparatus and image registration method
KR20120111871A (ko) 3차원적 모델을 이용한 신체 장기의 영상 생성 방법 및 장치
CN101422378B (zh) 超声诊断设备
KR20140126815A (ko) 호흡 주기 동안 체내 장기의 변화를 추적하는 방법, 장치 및 시스템.
JP2018501005A (ja) 解剖学的オブジェクトをセグメント化する超音波画像装置及び方法
CN110123453A (zh) 一种基于无标记增强现实的手术导航系统
KR20140100648A (ko) 일 호흡 주기에 따른 장기의 형상 및 위치의 변화를 나타내는 모델을 생성하는 방법, 장치 및 시스템.
CN112089438B (zh) 基于二维超声图像的四维重建方法及装置
EP1542165A1 (en) Method and apparatus for motion correction in 3-D medical image sequence
JP6692817B2 (ja) 対象物体の変位を計算する方法及びシステム
Liu et al. Automatic probe artifact detection in MRI-guided cryoablation
Viola et al. High-Quality 3D Visualization of In-Situ Ultrasonography.
Handels et al. BVM 2009 Advances and recent developments in medical image computing
US20240005495A1 (en) Image processing device, method, and program

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