CN112184629B - 一种pet色彩化肿瘤体旋转显示方法 - Google Patents
一种pet色彩化肿瘤体旋转显示方法 Download PDFInfo
- Publication number
- CN112184629B CN112184629B CN202010926198.1A CN202010926198A CN112184629B CN 112184629 B CN112184629 B CN 112184629B CN 202010926198 A CN202010926198 A CN 202010926198A CN 112184629 B CN112184629 B CN 112184629B
- Authority
- CN
- China
- Prior art keywords
- matrix
- tumor
- dimensional
- tissue
- rearrangement
- 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
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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明涉及一种PET色彩化肿瘤体旋转显示方法,包括以下步骤:输入多层PET二维灰度图像,合成一个三维图像矩阵;对所述三维图像矩阵进行分割,确定正常组织区域和异常组织区域;根据分割结果,将所述三维图像矩阵分解成正常组织矩阵和异常组织矩阵;分别对正常组织矩阵和异常组织矩阵依次进行逐层投影、重排、层间插值和灰度归一化处理,得到正常组织重排插值归一化矩阵和异常组织重排插值归一化矩阵;将正常组织重排插值归一化矩阵和异常组织重排插值归一化矩阵分解成三色RGB矩阵,并将两者相加,得到一个四维矩阵,对四维矩阵重排后对前三维进行三维色彩矩阵的静态显示和动态旋转显示(以第四维为旋转角度)。本发明具有较高的适用性。
Description
技术领域
本发明涉及断层成像技术领域,特别是涉及一种PET色彩化肿瘤体旋转显示方法。
背景技术
正电子发射型断层成像(Positron Emission Computed Tomography,PET)图像显示的是各种组织以及肿瘤组织的放射性药物浓度(或者活度)的分布图。如果肿瘤组织对某种药物的特异性吸收能力越强(即药物被肿瘤组织吸收越多,其他组织吸收越少),则图像对比度越高,功能诊断价值越高。一般组织活度越高的区域,像素值越高。为更好的对比显示,往往采用彩色图像而非灰度图像。在PET色彩图像上,代谢兴奋的肿瘤组织活度越高,色彩越暖色调,比如越黄甚至橙红色,称为热区。当然也有一些代谢减低的组织(放射性药物不能被吸收进组织内),活度较低,体现为冷色调,称为冷区。临床核医学诊断就是通过判断异常的冷区或热区来给出代谢兴奋或者代谢低下的功能异常结论。
相比二维断层显示,三维显示对于诊断更有价值。三维显示有两种:一种是三维重构立体显示,只取出肿瘤组织,并进行三维等值面重绘后展示肿瘤组织的三维结构,并可调节观察角度。这种方法只能显示肿瘤的结构,无法显示肿瘤在整个受检区内的空间结构关系。另一种三维显示就是体旋转显示:受检区内的正常组织显示为灰度,肿瘤组织显示为色彩,二者融合后,沿着某个轴(比如人体长轴)进行360度旋转显示,这样即可以显示肿瘤的三维结构,同时可以显示肿瘤周围的组织情况。
四维矩阵的体旋转采用GPU或专用的显卡程序可以很方便实现,但这些特殊硬件要求会增加成本,也不便于与PET软件的集成。
发明内容
本发明所要解决的技术问题是提供一种PET色彩化肿瘤体旋转显示方法,具有较高的适用性。
本发明解决其技术问题所采用的技术方案是:提供一种PET色彩化肿瘤体旋转显示方法,包括以下步骤:
(1)输入多层PET二维灰度图像,合成一个三维图像矩阵I(x,y,z),其中,x和y为二维层面坐标,z为层数;
(2)对所述三维图像矩阵I(x,y,z)进行分割,确定正常组织区域和异常组织区域;
(3)根据分割结果,将所述三维图像矩阵I(x,y,z)分解成正常组织矩阵I_without_tumor(x,y,z)和异常组织矩阵I_tumor(x,y,z);
(4)分别对正常组织矩阵I_without_tumor(x,y,z)和异常组织矩阵I_tumor(x,y,z)依次进行逐层投影、重排、层间插值和灰度归一化处理,得到正常组织重排插值归一化矩阵P(2)_without_tumor(z',x',y')和异常组织重排插值归一化矩阵P(2)_tumor(z',x',y');
(5)将正常组织重排插值归一化矩阵P(2)_without_tumor(z',x',y')分解成RGB三色矩阵,得到正常组织重排插值归一化RGB矩阵P(3)_without_tumor(z',x',y',1:3);将异常组织重排插值归一化矩阵P(2)_tumor(z',x',y')分解成RGB三色矩阵,得到异常组织重排插值归一化RGB矩阵P(3)_tumor(z',x',y',1:3);
(6)将正常组织重排插值归一化RGB矩阵P(3)_without_tumor(z',x',y',1:3)和异常组织重排插值归一化RGB矩阵P(3)_tumor(z',x',y',1:3)进行相加,得到一个四维矩阵P(4)(z',x',y',1:3);
(7)对四维矩阵P(4)(z',x',y',1:3)进行重排得到矩阵P(5)(z',x',1:3,y');
(8)对矩阵P(5)(z',x',1:3,y')的前三维进行三维色彩矩阵的静态显示或动态旋转显示。
所述步骤(1)中的PET二维灰度图像为实际PET设备采集重建的多层二维图像,或为数值计算仿真得到的多层二维图像。
所述步骤(2)中对所述三维图像矩阵I(x,y,z)进行分割时采用最大值阈值法、种子点生长法、分水岭阈值分割方法或自适应分割方法。
所述步骤(3)中正常组织矩阵I_without_tumor(x,y,z)是将所述三维图像矩阵I(x,y,z)中正常组织区域维持原值,其余位置像素置0,异常组织矩阵I_tumor(x,y,z)将所述三维图像矩阵I(x,y,z)中异常组织区域维持原值,其余位置像素置0。
所述步骤(4)中逐层投影处理采用投影变换函数radon函数来实现。
所述步骤(4)中重排处理时将矩阵的第三维重排成第一维,将矩阵原来的第一维变成第二维,将矩阵原来的第二维变成第三维。
所述步骤(4)中层间插值处理时,设层间分辨率为层内分辨率的1/K,通过imresize函数实现插值。
所述步骤(4)中灰度归一化处理时,两种组织矩阵的归一化最大值不同。
所述步骤(5)中正常组织重排插值归一化矩阵P(2)_without_tumor(z',x',y')分别赋值给P(3)_without_tumor(z',x',y',1),P(3)_without_tumor(z',x',y',2)和P(3)_without_tumor(z',x',y',3);异常组织重排插值归一化矩阵P(2)_tumor(z',x',y')赋值给P(3)_tumor(z',x',y',1)、P(3)_tumor(z',x',y',2)和P(3)_tumor(z',x',y',3)中的一个或两个。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明通过对多层PET二维图像进行分割分离,得到两种状态的图像组织矩阵,并分别对两种状态的图像组织矩阵进行投影、重排及RGB编码后,再将两种状态的图像组织矩阵相加重排,实现体旋转显示。整个过程不受具体实现程序或者平台的影响,不受输入图像的矩阵大小和分辨率影响,也不受层间距插值比例的影响,只需常用的计算机CPU系统即可实现,具有较高的适用性。
附图说明
图1是本发明的流程图;
图2为原始PET图像(第12层)灰度显示和色彩显示(对比明显)图;
图3为肿瘤分割后的分离矩阵(第12层)(左图:正常组织;右图:肿瘤组织)图;
图4为投影矩阵(第12层)(左图:正常组织;右图:肿瘤组织)图;
图5为投影矩阵重排后(第12个旋转步进)(左图:正常组织;右图:肿瘤组织)图;
图6为投影矩阵重排并层间插值后(第12个旋转步进)(左图:正常组织;右图:肿瘤组织)图;
图7为正常组织投影矩阵重排后插值分离RGB三通道(第12个旋转步进)图;
图8为肿瘤组织投影矩阵重排后插值分离RGB三通道(第12个旋转步进)图;
图9为叠加后矩阵的RGB三通道信息显示(第12个旋转步进)图;
图10为体旋转的不同角度图像的RGB通道综合显示(角度分别为12,60,132,160)图;
图11为模拟设置的三个肿瘤显示以及模拟采集的正弦图数(第12层)图;
图12为三维等值面重构显示的三个肿瘤结构图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于投影重排RGB编码的PET色彩化肿瘤体旋转显示方法,如图1所示,包括以下步骤:
第一步:输入:
输入多层PET二维灰度图像,实际上是一个三维图像矩阵I(x,y,z),其中,x和y为二维层面坐标,z为层数。该输入可以为实际PET设备采集重建的多层二维图像,也可以是数值计算仿真得到的多层二维图像。
第二步:肿瘤分割:
计算三维图像矩阵I(x,y,z)中所有像素的最大值记位Imax,设定k*Imax=Imin,即确定肿瘤组织的像素值的范围。即像素值在[Imin,Imax]之间的,认为是肿瘤组织区域。本步骤也可以采用其他常用组织分割方法实现,比如种子点生长法、分水岭阈值分割方法、自适应分割方法。
第三步:分离:
将三维图像矩阵I(x,y,z)的所有像素分别做像素值是否在[Imin,Imax]范围内的判断,输出两个三维矩阵:肿瘤组织I_tumor(x,y,z)和正常组织I_without_tumor(x,y,z)。肿瘤组织I_tumor(x,y,z)是将三维图像矩阵I(x,y,z)中符合[Imin,Imax]范围的维持原值,不符合的像素都置0。I_without_tumor(x,y,z)则相反,将三维图像矩阵I(x,y,z)中符合[Imin,Imax]范围的置0,不符合的像素维持原值。
第四步:投影:
分别对I_without_tumor(x,y,z)和I_tumor(x,y,z)进行逐层的旋转投影,分别得到正常组织投影矩阵P_without_tumor(x',y',z)和肿瘤组织投影矩阵P_tumor(x',y',z)。旋转投影可用通用的投影变换函数radon函数来实现。P和I的层数相同,即z相同。但x和y不同,y为旋转投影的步进数。如果旋转角度一般为180度,如果步进值1度,则y'为180。如果步进值2度,则y'为90。x'与投影计算相关,一般比x值要大。
第五步:矩阵重排:
分别将P_without_tumor(x',y',z)和P_tumor(x',y',z)的第三维重排成第一维,原来的第一维变成第二维,原来的第二维变成第三维。可采用常用矩阵重排函数permute(A,[3 1 2])实现。分别输出矩阵为正常组织重排矩阵P(1)_without_tumor(z,x',y')和肿瘤组织重排矩阵P(1)_tumor(z,x',y')。
第六步:层间数据插值:
PET图像层内分辨率往往高于层间分辨率。本步骤进行层间数据插值,即将层间方向进行插值实现与层内相同的分辨率。设层间分辨率为层内分辨率的1/K(如一个体素的尺寸为1mm*1mm*Kmm),则可通过imresize函数对正常组织重排矩阵P(1)_without_tumor(z,x',y')和肿瘤组织重排矩阵P(1)_tumor(z,x',y')实现插值:imresize(P(1)_without_tumor(z,x',y'),[z*k,x’,y’]);imresize(P(1)_tumor(z,x',y'),[z*k,x’,y’]),得到正常组织重排插值矩阵P(1)_without_tumor(z',x',y')和肿瘤组织重排插值矩阵P(1)_tumor(z',x',y')。
第七步:灰度归一化:
分别将P(1)_without_tumor(z',x',y')和P(1)_tumor(z',x',y')进行像素值归一化。P(1)_without_tumor(z',x',y')归一化为最大值为1,得到正常组织重排插值归一化矩阵P(2)_without_tumor(z',x',y');P(1)_tumor(z',x',y')归一化为最大值为254,得到肿瘤组织重排插值归一化矩阵P(2)_tumor(z',x',y')。此步骤中,具体归一化的值可以根据实际情况调整,其比例可以改变正常组织的透明度效果。
第八步:肿瘤色彩化:将正常组织重排插值归一化矩阵P(2)_without_tumor(z',x',y')分解成RGB三色矩阵,得到正常组织重排插值归一化RGB矩阵P(3)_without_tumor(z',x',y',1:3)(四维矩阵),将P(2)_without_tumor(z',x',y')分别赋值给P(3)_without_tumor(z',x',y',1)、P(3)_without_tumor(z',x',y',2)和P(3)_without_tumor(z',x',y',3)。因每个颜色通道的矩阵完全相同,故合成后仍为灰度图像。
将肿瘤组织重排插值归一化矩阵P(2)_tumor(z',x',y')分解成RGB三色矩阵,得到肿瘤组织重排插值归一化RGB矩阵P(3)_tumor(z',x',y',1:3)(四维矩阵)。只将P(2)_tumor(z',x',y')赋值给P(3)_tumor(z',x',y',1),而将P(3)_tumor(z',x',y',2)和P(3)_tumor(z',x',y',3)矩阵全部置为0。由于只有R矩阵有值,GB矩阵都为0,故合成显示时只显示红色,故肿瘤为红色。不同活度的肿瘤像素,红色分量值不同,红色体现出深浅差异。
当然也可以将肿瘤设置显示成不同的颜色,比如蓝色、绿色或其他颜色等。只需要设置不同的P(3)_tumor(z',x',y',2)和P(3)_tumor(z',x',y',3)的值。
第九步:矩阵相加:
将正常组织重排插值归一化RGB矩阵P(3)_without_tumor(z',x',y',1:3)和肿瘤组织重排插值归一化RGB矩阵P(3)_tumor(z',x',y',1:3)进行矩阵相加。即将肿瘤组织和正常组织信息叠加为一个四维矩阵P(4)(z',x',y',1:3)。
第十步:矩阵重排:
对矩阵P(4)(z',x',y',1:3)进行重排,调换第三维和第四维的顺序。可用常用函数permute来实现:permute(P(4)(z',x',y',1:3),[1,2,4,3]),输出矩阵P(5)(z',x',1:3,y');
第十一步:体旋转显示
对P(5)(z',x',1:3,y')的前三维进行三维色彩矩阵的静态显示。
以y'(比如180)为范围,设置步进值,对P(5)(z',x',1:3,y')的前三维数据依次进行连续的立体显示,即可实现肿瘤区域红色显示、正常组织灰度显示的体旋转效果。
本方法也可以实现冷区色彩化,其方法相同,只需要在第二步中对输入数据进行冷区分割后即可,其余步骤相同。本发明中,对于每个步骤的实现方法给出了matlab的函数实例。但任何可以实现该功能的函数或者程序都属于保护的范围。该方法不受具体实现程序或者平台的影响。本发明不受输入图像的矩阵大小和分辨率影响,也不受层间距插值比例的影响。
下面通过过程效果截图来进一步说明本发明。由于是多维矩阵且为动态过程,难以全部显示。故每个过程仅以其中的一个二维断面进行数据变化的效果展示。本实施方式输入为数值模拟仿真PET软件产生的PET图像。原始输入PET图像矩阵为130*130*23,即层面矩阵为130*130,层数为23层,中间层为第12层,后面均以12层显示为方法实施效果图。最后体旋转为动态显示,故只选取几个层面作为展示。
图2为原始PET图像(第12层)灰度显示和色彩显示(对比明显);图3为肿瘤分割后的分离矩阵(第12层)(左图:正常组织;右图:肿瘤组织);图4为投影矩阵(第12层)(左图:正常组织;右图:肿瘤组织);图5为投影矩阵重排后(第12个旋转步进)(左图:正常组织;右图:肿瘤组织);图6为投影矩阵重排并层间插值后(第12个旋转步进)(左图:正常组织;右图:肿瘤组织);图7为正常组织投影矩阵重排后插值分离RGB三通道(第12个旋转步进);图8为肿瘤组织投影矩阵重排后插值分离RGB三通道(第12个旋转步进);图9为叠加后矩阵的RGB三通道信息显示(第12个旋转步进);图10为体旋转的不同角度图像的RGB通道综合显示(角度分别为12,60,132,160);图11为模拟设置的三个肿瘤显示以及模拟采集的正弦图数(第12层);图12为三维等值面重构显示的三个肿瘤结构。
Claims (6)
1.一种PET色彩化肿瘤体旋转显示方法,其特征在于,包括以下步骤:
(1)输入多层PET二维灰度图像,合成一个三维图像矩阵I(x,y,z),其中,x和y为二维层面坐标,z为层数;
(2)对所述三维图像矩阵I(x,y,z)进行分割,确定正常组织区域和异常组织区域;
(3)根据分割结果,将所述三维图像矩阵I(x,y,z)分解成正常组织矩阵I_without_tumor(x,y,z)和异常组织矩阵I_tumor(x,y,z);其中,正常组织矩阵I_without_tumor(x,y,z)是将所述三维图像矩阵I(x,y,z)中正常组织区域维持原值,其余位置像素置0,异常组织矩阵I_tumor(x,y,z)将所述三维图像矩阵I(x,y,z)中异常组织区域维持原值,其余位置像素置0;
(4)分别对正常组织矩阵I_without_tumor(x,y,z)和异常组织矩阵I_tumor(x,y,z)依次进行逐层投影、重排、层间插值和灰度归一化处理,得到正常组织重排插值归一化矩阵P(2)_without_tumor(z',x',y')和异常组织重排插值归一化矩阵P(2)_tumor(z',x',y');其中,重排处理是将矩阵的第三维重排成第一维,将矩阵原来的第一维变成第二维,将矩阵原来的第二维变成第三维;
(5)将正常组织重排插值归一化矩阵P(2)_without_tumor(z',x',y')分解成RGB三色矩阵,得到正常组织重排插值归一化RGB矩阵P(3)_without_tumor(z',x',y',1:3);将异常组织重排插值归一化矩阵P(2)_tumor(z',x',y')分解成RGB三色矩阵,得到异常组织重排插值归一化RGB矩阵P(3)_tumor(z',x',y',1:3);其中,正常组织重排插值归一化矩阵P(2)_without_tumor(z',x',y')分别赋值给P(3)_without_tumor(z',x',y',1),P(3)_without_tumor(z',x',y',2)和P(3)_without_tumor(z',x',y',3);异常组织重排插值归一化矩阵P(2)_tumor(z',x',y')赋值给P(3)_tumor(z',x',y',1)、P(3)_tumor(z',x',y',2)和P(3)_tumor(z',x',y',3)中的一个或两个;
(6)将正常组织重排插值归一化RGB矩阵P(3)_without_tumor(z',x',y',1:3)和异常组织重排插值归一化RGB矩阵P(3)_tumor(z',x',y',1:3)进行相加,得到一个四维矩阵P(4)(z',x',y',1:3);
(7)对四维矩阵P(4)(z',x',y',1:3)进行重排得到矩阵P(5)(z',x',1:3,y');
(8)对矩阵P(5)(z',x',1:3,y')的前三维进行三维色彩矩阵的静态显示或动态旋转显示。
2.根据权利要求1所述的PET色彩化肿瘤体旋转显示方法,其特征在于,所述步骤(1)中的PET二维灰度图像为实际PET设备采集重建的多层二维图像,或为数值计算仿真得到的多层二维图像。
3.根据权利要求1所述的PET色彩化肿瘤体旋转显示方法,其特征在于,所述步骤(2)中对所述三维图像矩阵I(x,y,z)进行分割时采用最大值阈值法、种子点生长法、分水岭阈值分割方法或自适应分割方法。
4.根据权利要求1所述的PET色彩化肿瘤体旋转显示方法,其特征在于,所述步骤(4)中逐层投影处理采用投影变换函数radon函数来实现。
5.根据权利要求1所述的PET色彩化肿瘤体旋转显示方法,其特征在于,所述步骤(4)中层间插值处理时,设层间分辨率为层内分辨率的1/K,通过imresize函数实现插值。
6.根据权利要求1所述的PET色彩化肿瘤体旋转显示方法,其特征在于,所述步骤(4)中灰度归一化处理时,两种组织矩阵的归一化最大值不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010926198.1A CN112184629B (zh) | 2020-09-07 | 2020-09-07 | 一种pet色彩化肿瘤体旋转显示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010926198.1A CN112184629B (zh) | 2020-09-07 | 2020-09-07 | 一种pet色彩化肿瘤体旋转显示方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184629A CN112184629A (zh) | 2021-01-05 |
CN112184629B true CN112184629B (zh) | 2022-08-09 |
Family
ID=73924863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010926198.1A Active CN112184629B (zh) | 2020-09-07 | 2020-09-07 | 一种pet色彩化肿瘤体旋转显示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184629B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366389A (zh) * | 2013-04-27 | 2013-10-23 | 中国人民解放军北京军区总医院 | Ct图像重建方法 |
CN107037385A (zh) * | 2017-05-22 | 2017-08-11 | 上海培云教育科技有限公司 | 数字mri图谱的构建方法及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2012063653A1 (ja) * | 2010-11-12 | 2014-05-12 | 株式会社日立メディコ | 医用画像表示装置及び医用画像表示方法 |
-
2020
- 2020-09-07 CN CN202010926198.1A patent/CN112184629B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366389A (zh) * | 2013-04-27 | 2013-10-23 | 中国人民解放军北京军区总医院 | Ct图像重建方法 |
CN107037385A (zh) * | 2017-05-22 | 2017-08-11 | 上海培云教育科技有限公司 | 数字mri图谱的构建方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112184629A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7505037B2 (en) | Direct volume rendering of 4D deformable volume images | |
US7839403B2 (en) | Simultaneous generation of different data sets from a single acquisition run and dual rendering of images | |
US8659602B2 (en) | Generating a pseudo three-dimensional image of a three-dimensional voxel array illuminated by an arbitrary light source by a direct volume rendering method | |
JP6854919B2 (ja) | 3d画像をカラーで結合するシステム及び方法 | |
US20060103670A1 (en) | Image processing method and computer readable medium for image processing | |
JPS6324478A (ja) | 三次元デ−タセツトを表す二次元デ−タ表示を発生する方法 | |
EP3545500B1 (en) | System and method for rendering complex data in a virtual reality or augmented reality environment | |
CN103325139A (zh) | 医用图像处理装置及医用图像处理方法 | |
EP2038847A2 (de) | Verfahren und vorrichtung zur darstellung von 3d bilddatensätzen auf 2d bildern | |
US9224236B2 (en) | Interactive changing of the depiction of an object displayed using volume rendering | |
JP2013531322A (ja) | 多重画像の融合 | |
EP2084667B1 (en) | Fused perfusion and functional 3d rotational angiography rendering | |
US20080118182A1 (en) | Method of Fusing Digital Images | |
US7818042B2 (en) | Method and apparatus for uniquely identifying tissue pathology | |
TR201815866T4 (tr) | 3D Hacimsel gösterime karşı tıbbi verilerin görsel anonimleştirmesi. | |
CN112184629B (zh) | 一种pet色彩化肿瘤体旋转显示方法 | |
US9996929B2 (en) | Visualization of deformations using color overlays | |
CN114282588A (zh) | 提供分类解释和生成函数 | |
Rojas et al. | Image fusion in neuroradiology: three clinical examples including MRI of Parkinson disease | |
Levin et al. | Techniques for efficient, real-time, 3D visualization of multi-modality cardiac data using consumer graphics hardware | |
CN108573514B (zh) | 一种图像的三维融合方法及装置、计算机存储介质 | |
CN108573532A (zh) | 一种混合模型的展示方法及装置、计算机存储介质 | |
Tory et al. | Visualization of time-varying MRI data for MS lesion analysis | |
Wu et al. | Toward a multimodal diagnostic exploratory visualization of focal cortical dysplasia | |
EP1923838A1 (en) | Method of fusing digital images |
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 |