CN112908451A - 图像处理方法、装置和存储介质 - Google Patents
图像处理方法、装置和存储介质 Download PDFInfo
- Publication number
- CN112908451A CN112908451A CN202110411580.3A CN202110411580A CN112908451A CN 112908451 A CN112908451 A CN 112908451A CN 202110411580 A CN202110411580 A CN 202110411580A CN 112908451 A CN112908451 A CN 112908451A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- rendering
- watermark
- preprocessed
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000007781 pre-processing Methods 0.000 claims abstract description 46
- 238000009877 rendering Methods 0.000 claims description 50
- 238000005070 sampling Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004043 dyeing Methods 0.000 claims description 10
- 210000000056 organ Anatomy 0.000 claims description 10
- 238000005192 partition Methods 0.000 claims description 10
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 239000002904 solvent Substances 0.000 claims description 4
- 239000003623 enhancer Substances 0.000 claims description 3
- 238000001647 drug administration Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 210000004027 cell Anatomy 0.000 description 5
- 239000003086 colorant Substances 0.000 description 5
- 239000000975 dye Substances 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 210000002216 heart Anatomy 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 210000001320 hippocampus Anatomy 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 210000004248 oligodendroglia Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Computer Graphics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本公开提出一种图像处理方法、装置和存储介质，涉及图像处理技术领域。本公开的一种图像处理方法，包括：获取待处理图像，其中，待处理图像为基于三维医学图像生成的多层二维图像；对待处理图像进行预处理，获取预处理图像；根据指定图像层数从预处理图像中获取目标区域的图像；生成包括目标区域的图像的文件，其中，文件的文件名中包括目标区域的标识。通过这样的方法，能够便于在后续对于对应身体部位分析时能够使用提取出的图像，提高了医学图像的利用率，也提高了查找相应图像文件进行使用的效率。
Description
技术领域
本公开涉及图像处理技术领域，特别是一种图像处理方法、装置和存储介质。
背景技术
在人体治疗、医学研究过程中，需要获取患者或者部分身体组织的三维图像，进而对三维图像进行观察和分析，这样的方式有利于数据的收集、存储。同时，这样的数据也能够作为后续医学研究的数据基础，能够在不同机构间分享。
由于数据采集条件、采集场合的不同，数据的精度、格式，以及包含的区域等多种多样，具有较大的差异性；在数据数量较多时处理会造成较大的处理负担。
发明内容
本公开的一个目的在于提高医学图像的利用率和使用效率。
根据本公开的一些实施例的一个方面，提出一种图像处理方法，包括：获取待处理图像，其中，待处理图像为基于三维医学图像生成的多层二维图像；对待处理图像进行预处理，获取预处理图像；根据指定图像层数从预处理图像中获取目标区域的图像；生成包括目标区域的图像的文件，其中，文件的文件名中包括目标区域的标识。
在一些实施例中，对待处理图像进行预处理包括：确定待处理图像的获取通道，其中，不同通道图像在获取对应的三维医学数据阶段采用的荧光标记物发射光波长不同；根据获取待处理图像的发射光通道确定渲染色；通过渲染色渲染待处理图像，获取渲染图像，以便根据渲染图像获取预处理图像。
在一些实施例中，根据渲染后的待处理图像获取预处理图像包括：将渲染后的待处理图像作为预处理图像；或对渲染图像做降采样处理，获取预处理图像；或对渲染后的待处理图像做降采样处理，获取渲染降采样图像；根据对比度增强参数或亮度增强参数中的至少一种处理渲染降采样图像，获取预处理图像。
在一些实施例中，对待处理图像进行预处理还包括：通过轮廓识别算法识别待处理图像中的轮廓，确定待处理图像中的有效信息区域；通过渲染色渲染待处理图像为：提取有效信息区域图像作为待处理图像，通过渲染色渲染待处理图像。
在一些实施例中，对待处理图像进行预处理还包括：在渲染图像的预定水印位置，获取与水印尺寸相符的图像；将获取的与水印尺寸相符的图像与水印融合，获取融合水印图像；将融合水印图像还原至与水印尺寸相符的图像的提取位置，获取添加水印的渲染图像，以便根据添加水印的渲染图像获取预处理图像。
在一些实施例中，图像处理方法还包括以下至少一项：获取目标坐标区域参数；根据目标坐标区域参数截取预处理图像；或根据预处理图像和预存图像参数进行目标坐标区域估计，获取估计区域信息；根据估计区域信息截取预处理图像；根据指定图像层数从预处理图像中获取目标区域的图像为：根据指定图像层数从截取后的预处理图像中获取目标区域的图像。
在一些实施例中，图像处理方法还包括：获取目标区域信息，目标区域信息包括目标区域分类、疾病类型、月龄、组织器官、组织细胞类型、视图维度、分组、用户类型、后端编号、横截面、分区、亚分区、层数、编号、品系名称、给药名称、溶剂名称、实验方法或图片类型中的一项或多项；根据目标区域信息和目标区域标识生成文件的文件名。
在一些实施例中，图像处理方法还包括：通过OpenCV将三维医学图像进行分层处理，转化为多张二维图像，生成待处理图像。
通过这样的方法，能够将基于三维医学图像的分层二维图像在进行预处理后，通过分层提取获得与身体部位对应的区域的多层二维图像，进而通过在命名中添加标识的方式构建提取出的分层图像组与身体部位的对应关系，从而便于在后续对于对应身体部位分析时能够使用提取出的图像，提高了医学图像的利用率，也提高了查找相应图像文件进行使用的效率。
根据本公开的一些实施例的一个方面，提出一种图像处理装置，包括：图像获取单元，被配置为获取待处理图像，其中，待处理图像为基于三维医学图像生成的多层二维图像；图像预处理单元，被配置为对待处理图像进行预处理，获取预处理图像；目标图像获取单元，被配置为根据指定图像层数从预处理图像中获取目标区域的图像；文件生成单元，被配置为生成包括目标区域的图像的文件，其中，文件的文件名中包括目标区域的标识。
在一些实施例中，图像预处理单元包括：通道确定子单元，被配置为确定待处理图像的获取通道，其中，不同通道图像在获取对应的三维医学数据阶段采用的荧光标记物发射光波长不同；渲染子单元，被配置为根据获取待处理图像的发射光通道确定渲染色；通过渲染色渲染待处理图像，获取渲染图像，以便根据渲染图像获取预处理图像。
在一些实施例中，渲染图像为预处理图像；或图像预处理单元还包括：降采样子单元，被配置为对渲染图像做降采样处理，获取预处理图像；或图像预处理单元还包括：降采样子单元，被配置为对渲染后的待处理图像做降采样处理，获取渲染降采样图像；增强子单元，被配置为根据对比度增强参数或亮度增强参数中的至少一种处理渲染降采样图像，获取预处理图像。
在一些实施例中，图像预处理单元还包括：轮廓识别子单元，被配置为通过轮廓识别算法识别待处理图像中的轮廓，确定待处理图像中的有效信息区域；渲染子单元被配置为提取有效信息区域的图像作为待处理图像，通过渲染色渲染待处理图像。
在一些实施例中，图像预处理单元还包括水印添加子单元，被配置为：在渲染图像的预定水印位置，获取与水印尺寸相符的图像；将获取的与水印尺寸相符的图像与水印融合，获取融合水印图像；将融合水印图像还原至与水印尺寸相符的图像的提取位置，获取添加水印的渲染图像，以便根据添加水印的渲染图像获取预处理图像。
在一些实施例中，图像处理装置还包括：区域截取单元，被配置为执行以下至少一项：获取目标坐标区域参数；根据目标坐标区域参数截取预处理图像；或根据预处理图像和预存图像参数进行目标坐标区域估计，获取估计区域信息；根据估计区域信息截取预处理图像；目标图像获取单元被配置为：根据指定图像层数从截取后的预处理图像中获取目标区域的图像。
根据本公开的一些实施例的一个方面，提出一种图像处理装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行上文中任意一种图像处理方法。
这样的装置能够将基于三维医学成像得到的三维医学图像的分层二维图像在进行预处理后，通过分层提取获得与身体部位对应的区域的多层二维图像，进而通过在命名中添加标识的方式确定提取出的分层图像组与身体部位的对应关系，从而便于在后续对于对应身体部位分析时能够使用提取出的图像，且方便各个机构、人员交互图像资源，提高分享的便捷度和效率，提高了医学图像的利用率，也提高了文件查找和使用的效率。
根据本公开的一些实施例的一个方面，提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上文中任意一种图像处理方法的步骤。
通过执行这样的存储介质上的指令，能够将基于三维医学图像的分层二维图像在进行预处理后，通过分层提取获得与身体部位对应的区域的多层二维图像，进而通过在命名中添加标识的方式确定提取出的分层图像组与身体部位的对应关系，从而便于在后续对于对应身体部位分析时能够使用提取出的图像，提高了医学图像的利用率，也提高了查找相应图像文件进行使用的效率。
附图说明
此处所说明的附图用来提供对本公开的进一步理解，构成本公开的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1为本公开的图像处理方法的一些实施例的流程图。
图2为本公开的图像处理方法的另一些实施例的流程图。
图3为本公开的图像处理方法对应的操作页面的一些实施例的示意图。
图4为本公开的图像处理方法中预处理的一些实施例的流程图。
图5为本公开的图像处理装置的一些实施例的示意图。
图6为本公开的图像处理装置中预处理单元的一些实施例的示意图。
图7为本公开的图像处理装置的另一些实施例的示意图。
图8为本公开的图像处理装置的又一些实施例的示意图。
具体实施方式
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
本公开的图像处理方法的一些实施例的流程图如图1所示。
在步骤101中，获取待处理图像。待处理图像为基于三维医学图像生成的多层二维图像。三维医学图像可以为CT图像，B超图像、核磁共振图像等。在一些实施例中，三维医学图像可以为治疗过程中产生的图像，如医学成像数据；也可以为对标本进行扫描生成的图像，如科研成像数据；或者两者兼有。在一些实施例中，三维医学图像可以为对添加了荧光标记物的身体组织进行扫描获取的图像。
在步骤102中，对待处理图像进行预处理，获取预处理图像。在一些实施例中，图像预处理可以包括清除干扰点、提高亮度对比度等操作，提高图像的有效信息量比例。
在步骤103中，根据指定图像层数从预处理图像中获取目标区域的图像。在一些实施例中，指定图像层数可以由人机交互端口获取，也可以为预存值，例如对于包括整个人体的待处理图像，提取其中的1～50层，作为脑部0.1范围内的图像。在一些实施例中，目标区域可以指的是图像中的被采集图像的对象的部位，可以包括全组织或器官，或者两者兼有，例如脑、肺、肝脏等。在一些实施例中，可以根据需求指定一个或多个器官作为目标区域，也可以根据需求划定组织范围。
在步骤104中，生成包括目标区域的图像的文件。文件的文件名中包括目标区域的标识，例如直接标注对应的目标区域名称，提高用户友好度。在一些实施例中，文件名中还可以包括其对应的源文件(即待处理图像的文件)的标识，便于得知图像来源。
通过这样的方法，能够将基于三维医学图像的分层二维图像在进行预处理后，通过分层提取获得与身体部位对应的区域的多层二维图像，进而通过在命名中添加标识的方式确定提取出的分层图像组与身体部位的对应关系，从而便于在后续对于对应身体部位分析时能够使用提取出的图像，提高了医学图像的利用率，也提高了查找相应图像文件进行使用的效率。
在一些实施例中，由于同一层的图像中可以包括不同部位，或者目标部位在一层图像中只占用较小、且较为集中的区域。例如：脑部的图像包括小脑、大脑、神经等各部位，当需求的目标身体区域仅为大脑时，则需要对数据进行ROI(Region of Interest，感兴趣区域)提取；或者在人体横截面扫描中同一张图像中可能会出现肺和心脏，若目标仅为心脏，则可以进行ROI提取。可以通过指定目标坐标区域参数的方式，在每层图像中截取其中的一部分区域，提高目标区域的图像在各层图像中所占的比例。在一些实施例中，目标坐标区域参数可以包括起点坐标、宽度和高度。
通过这样的方法，能够提高目标信息在图像文件中所占的比例，降低文件中的信息干扰量，进一步提高后续对文件的使用效率。
在一些实施例中，针对每层的二维图像，可以根据预处理图像和预存图像参数进行目标坐标区域估计，获取估计区域信息，进而根据估计区域信息截取预处理图像。在一些实施例中，可以通过预定形状匹配或预定位置匹配的方式获取估计区域信息。
通过这样的方法，无需人为指定截取图像的坐标区域，提高了处理效率。
在一些实施例中，本公开的图像处理方法还可以包括在初始获得三维医学图像基础上进行的图像分层处理操作，从而降低了对于初始数据的要求，提高了对于医学影像资源的利用率。
本公开的图像处理方法的一些实施例的流程图如图2所示。
在步骤201中，获取三维医学图像。在一些实施例中，可以通过实验人员采集三维医学图像，在一些实施例中，三维医学图像可以为3D Tiff格式。
在步骤202中，将三维医学图像进行分层处理，转化为多张二维图像，生成待处理图像。在一些实施例中，可以使用OpenCV中的Libtiff库加载三维医学图像，调用TIFFReadScanline函数将3D Tiff图转化为多张的2D tif图片。
在步骤203中，获取待处理图像。在一些实施例中，可以根据需求从目标通道获得待处理图像。在一些实施例中，待处理图像可以通过多个通道获取，例如通道CH1、CH2、CH3和CH4，每个通道中待处理图像所基于的三维医学图像，其采集过程中采用的荧光标记物的发射光波长不同，在呈像时对应的灰度或色彩也会有所区别。
在步骤204中，对待处理图像进行预处理，获取预处理图像。在一些实施例中，预处理操作可以包括冗余点删除、渲染、清晰度调整等。
在步骤205中，获取需要在各张二维图像中截取的属于目标区域的图像位置信息。在一些实施例中，可以通过人机交互接口获取目标坐标区域参数(针对各张二维图像，其目标坐标区域参数可以相同，也可以不同)。在另一些实施例中，可以根据预处理图像和预存图像参数进行目标坐标区域估计，获取估计区域信息。
在步骤206中，根据目标坐标区域参数或估计区域信息截取预处理图像，得到包含目标区域信息的图像。
在步骤207中，根据指定图像层数从截取后的预处理图像中获取目标区域的图像。
在一些实施例中，层数的选择根据由三维医学图像转化为多层二维图像后的图像层数决定(例如用户填写的指定图像层数为50，代表需要截取0～50层图像的图像投影。在一些实施例中，为方便用户使用，降低操作负担，可以以等差数列的形式提供指定图像层数，例如50、100、150、200、250。
在步骤208中，获取目标区域信息。在一些实施例中，目标区域信息包括目标区域分类、疾病类型、月龄、组织器官、组织细胞类型、视图维度、分组、用户类型、后端编号、横截面、分区、亚分区、层数、编号、品系名称、给药名称、溶剂名称、实验方法或图片类型中的一项或多项。在一些实施例中，可以通过人机交互接口获取目标区域信息，如图3所示。在一些实施例中，可以显示每类信息中的可选选项，供用户选择，从而提高用户处理效率。图3中，疾病类型列表中包括各类型的疾病，例如AD(Alzheimer Disease，阿尔茨海默症)，PD(Parkinson’s disease，帕金森氏症)等；分类包括：界、门、纲、目、科、属、种，例如哺乳纲下的大鼠视图，小鼠视图，非人灵长类视图，人组织视图等；组织器官的选项中包括各类生物的各种器官，如大脑、肺、心等；分区中包括全组织或器官下的各分区，例如海马，皮层；分区中包括全组织或器官下的各分区下小分区，例如海马的CA1区，组织细胞类型中包括各类组织或细胞，例如脑组织的神经元，少突胶质细胞，血管等；各个截面对应的方向为：xy→冠状面、xz→水平面、yz→矢状面；实验方法中标注图像的成像方式：例如confocal(共焦)，clearing(透明)等。另外，图中右侧的灰度图像仅做效果示意，其灰度不同并不提供额外信息。
在步骤209中，生成包括目标区域的图像的文件，根据目标区域信息和目标区域标识生成文件的文件名。在一些实施例中，可以将获得的信息以预定的顺序排列，进而对文件命名。在一些实施例中，针对同一个医学三维图像或同样的目标区域的文件可以自动存储于同一文件夹下，方便用户查询和使用。在一些实施例中，可以将目标区域的文件上传至共享数据存储空间，例如云存储空间、允许授权用户访问的服务器或数据库等，便于不同用户分享和使用。在一些实施例中，可以使用千乘镜像TD DATA数据库数据上传。
通过这样的方法，能够实现对于三维医学图像的分层处理，并按照目标区域的区域进行图像的提取，提高图像文件中所包含的有效信息浓度，提高后续使用分析中的用户友好度，也有利于提高图像文件的利用率。
在一些实施例中，在图像预处理过程中，可以通过轮廓识别算法识别待处理图像中的轮廓，确定待处理图像中的有效信息区域。在一些实施例中，可以调用OpenCV中的findContours函数查找轮廓，并利用mask掩膜提取有效信息区域，会有些无效信息存在，再利用开运算、闭运算消除提取完成后边角的无效信息点。
通过这样的方法，能够消除待提取图像中的无效信息，例如由于将三维医学图像转化为待处理图像的过程中由于亮度过曝等原因产生的信息点冗余，提高图像中的有效信息比例，避免无效信息影响分析使用，提高图像文件的可靠性。
在一些实施例中，图像预处理操作中可以包括对图像的渲染。在一些实施例中，待处理图像可以通过多个通道获取，例如通道CH1、CH2、CH3和CH4四个通道，或更多的通道。每个通道中待处理图像所基于的三维医学图像，其采集过程中采用的荧光标记物的发射光波长不同，因此在呈像时对应的灰度或色彩也会不同。在一些实施例中，可以针对不同的通道设定不同的渲染色，采用待处理图像的来源通道对应的渲染色来渲染待处理图像，获得渲染图像。在一些实施例中，渲染操作可以包括利用遍历图像的像素点，将每个像素点的R(红)、G(绿)、B(蓝)三通道值分别乘以目标颜色对应的R、G、B归一化值。在一些实施例中，获得的渲染图像可以作为预处理图像使用。在一些实施例中，也可以将不同渲染色的处理结果融合，例如将对同一个目标的不同发射光通道图像执行merge指令，生成融合色图像，从而便于从中解析出不同通道图像的异同点，便于解析出更加丰富的信息，提高信息利用率。
通过这样的方法，能够针对不同获取方式的图像进行不同的处理，一方面提高后续处理的匹配度，另一方面也便于通过渲染色来区分最终生成的文件中图像的获取方式，提高文件携带的信息量，降低数据处理中的信息损失。
在一些实施例中，由于部分待处理图像的尺寸过大，像素点过多，图像预处理操作中还可以包括降采样处理。在一些实施例中，可以遍历图像中的像素点，将目标像素点周围(可以为相邻的，或预定像素距离范围内)的像素值与目标像素点的像素值合并求均值，从而降低图像的像素尺寸，提高后续的处理效率。在一些实施例中，可以根据目标像素尺寸大小执行一次或多次合并求均值的操作，从而获得目标像素尺寸的图像，提高处理效率的可控性；另外，降低像素尺寸也使得最终生成的文件的大小在可控范围内，便于文件的分享。
在一些实施例中，图像预处理操作中还可以包括对于图像亮度或对比度中至少一项的增强，从而提高有效信息的可见度，提高文件中的图片质量。
在一些实施例中，图像预处理操作中还可以包括水印添加的操作，例如，可以通过OpenCV中的图像融合功能，在被处理的图像中预定需要添加水印标识(如logo)的位置(可以预先指定坐标、宽度width和高度height)抠出与水印标识大小匹配的图像，并将抠出的图像与水印融合，进而还原至被处理图像的抠图处，完成图像水印的添加。在另一些实施例中，可调用画笔Qpainter库在图像中添加文字水印。在一些实施例中，水印的字体、内容、透明度、尺寸均可通过人机交互界面获取。
通过这样的方法，可以使得生成的图像文件中具有水印，提高对图像的版权保护。
在一些实施例中，上文中的每项预处理均可为可选项，通过人机交互界面获取用户指定执行的预处理项，以及获取用户指定的相关执行参数，从而提高可控性。
在一些实施中，上述步骤本公开的图像处理方法中预处理的一些实施例的流程图如图4所示。
在步骤401中，通过轮廓识别算法识别待处理图像中的轮廓，确定待处理图像中的有效信息区域。在一些实施例中，可以通过轮廓识别算法识别待处理图像中的轮廓，确定待处理图像中的有效信息区域，如通过OpenCV中的findContours函数查找轮廓，并利用mask掩膜提取有效信息区域。通过有效信息区域提取在待处理图像中删除有效信息区域外的信息点，在一些实施例中，利用开运算、闭运算消除提取完成后边角的无效信息点。
在步骤402中，确定待处理图像的获取通道，根据获取通道确定渲染色。在一些实施例中，可以通过通道与渲染色之间的预定对应关系确定渲染色。
在步骤403中，将有效信息区域的图像作为待处理图像，通过渲染色渲染该待处理图像，获取渲染图像。在一些实施例中，可以利用遍历图像的像素点，将每个像素点的R、G、B三通道值分别乘以目标颜色对应的R，G，B归一化值。
在步骤404中，对渲染后的待处理图像做降采样处理，获取渲染降采样图像。在一些实施例中，可以遍历图像中的像素点，将目标像素点周围(可以为相邻的，或预定像素距离范围内)的像素值与目标像素点的像素值合并求均值，从而降低图像的像素尺寸。
在步骤405～407中，在渲染图像的预定水印位置，获取与水印尺寸相符的图像；将获取的与水印尺寸相符的图像与水印融合，获取融合水印图像；将融合水印图像还原至与水印尺寸相符的图像的提取位置，获取添加水印的渲染图像。
在步骤408中，根据对比度增强参数或亮度增强参数中的至少一种处理添加水印的渲染降采样图像，获取预处理图像。
通过这样的方法，能够通过冗余点删除、色彩渲染、降采样、水印添加以及亮度和对比度的添加，使得预处理图像的清晰度提高，提高有效信息量占比，提高图像质量，降低废弃的、难以使用的三维医学图像的比例，使得三维医学图像中的信息得到有效利用。
本公开的图像处理装置的一些实施例的示意图如图5所示。
图像获取单元51能够获取待处理图像。待处理图像为基于三维医学图像生成的多层二维图像。三维医学图像可以为CT图像，B超图像、核磁共振图像、PET图像，质谱图像，近红外图像，组织显微光学断层切片图像，显微平铺光片图像，共聚焦图像，双光子图像等。在一些实施例中，三维医学图像可以为治疗过程中产生的医学图像，也可以为对标本进行扫描生成的科研图像。在一些实施例中，三维医学图像可以为对添加了荧光标记物的身体组织进行扫描获取的图像。对于三维医学图像进行处理，得到待处理的二层多为图像，供后续单元处理。
图像预处理单元52能够对待处理图像进行预处理，获取预处理图像。在一些实施例中，图像预处理可以包括清除干扰点、提高亮度对比度等操作，提高图像的有效信息量比例。
目标图像获取单元53能够根据指定图像层数从预处理图像中获取目标区域的图像。在一些实施例中，指定图像层数可以由人机交互端口获取，也可以为预存值，例如对于包括整个人体的待处理图像，提取其中的1～50层，作为脑部0.1mm范围的图像。
文件生成单元54能够生成包括目标区域的图像的文件。文件的文件名中包括目标区域的标识，例如直接标注对应的目标区域名称，提高用户友好度。在一些实施例中，文件名中还可以包括其对应的源文件(即待处理图像的文件)的标识，便于得知图像来源。
这样的装置能够将基于三维医学图像的分层二维图像在进行预处理后，通过分层提取获得与身体部位对应的区域的多层二维图像，进而通过在命名中添加标识的方式确定提取出的分层图像组与身体部位的对应关系，从而便于在后续对于对应身体部位分析时能够使用提取出的图像，提高了医学图像的利用率，也提高了查找相应图像文件进行使用的效率。
在一些实施例中，如图5所示，图像处理装置还包括区域截取单元55，能够通过指定目标坐标区域参数的方式，在每层图像中截取其中的一部分区域，提高目标区域的图像在各层图像中所占的比例。在一些实施例中，目标坐标区域参数可以包括起点坐标、宽度和高度。
这样的装置能够提高目标信息在图像文件中所占的比例，降低文件中的信息干扰量，进一步提高后续对文件的使用效率。
在一些实施例中，区域截取单元55可以针对每层的二维图像，根据预处理图像和预存图像参数进行目标坐标区域估计，获取估计区域信息，进而根据估计区域信息截取预处理图像。在一些实施例中，可以通过预定形状匹配或预定位置匹配的方式获取估计区域信息。
这样的装置无需人为指定截取图像的坐标区域，提高了处理效率。
在一些实施例中，如图5所示，图像处理装置还包括信息获取单元56，能够获取目标区域信息。在一些实施例中，目标区域信息包括目标区域分类、疾病类型、月龄、组织器官、组织细胞类型、视图维度、分组、用户类型、后端编号、横截面、分区、亚分区、层数、编号、品系名称、给药名称、溶剂名称、实验方法或图片类型中的一项或多项。在一些实施例中，可以通过人机交互接口获取目标区域信息，如图3所示。在一些实施例中，可以显示每类信息中的可选选项，供用户选择，从而提高用户处理效率。
文件生成单元54能够生成包括目标区域的图像的文件，根据目标区域信息和目标区域标识生成文件的文件名。在一些实施例中，可以将获得的信息以预定的顺序排列，进而对文件命名。在一些实施例中，针对同一个医学三维图像或同样的目标区域的文件可以自动存储于同一文件夹下，方便用户查询和使用。
这样的装置能够增加图像文件的文件名中所包含的有效信息量，提高后续使用分析中的用户友好度，方便用户查询和使用，有利于提高图像文件的利用率。
在一些实施例中，如图5所示，图像处理装置还包括待处理图像生成单元57，能够获取三维医学图像，进而将三维医学图像进行分层处理，转化为多张二维图像，生成待处理图像。
这样的装置能够在三维医学图像的基础上转化为进一步处理用的多层二维图像，提高图像分析的准确度，扩大能够处理的医学数据范围。
本公开的图像处理装置中预处理单元62的一些实施例的示意图如图6所示。
通道确定子单元621能够确定待处理图像的获取通道，根据获取通道确定渲染色。在一些实施例中，可以通过通道与渲染色之间的预定对应关系确定渲染色。渲染子单元622能够通过渲染色渲染待处理图像，获取渲染图像。在一些实施例中，可以利用遍历图像的像素点，将每个像素点的R、G、B三通道值分别乘以目标颜色对应的R，G，B归一化值。在一些实施例中，渲染子单元622也可以将对不同渲染色的处理结果融合，例如将对同一个目标的不同发射光通道图像执行merge指令，生成融合色图像，从而便于从中解析出不同通道图像的异同点，便于解析出更加丰富的信息，提高信息利用率。
这样的装置能够针对不同获取方式的图像进行不同的处理，一方面提高后续处理的匹配度，另一方面也便于通过渲染色来区分最终生成的文件中图像的获取方式，提高文件携带的信息量，降低数据处理中的信息损失。
在一些实施例中，预处理单元62中还可以包括降采样子单元623，能够遍历图像中的像素点，将目标像素点周围(可以为相邻的，或预定像素距离范围内)的像素值与目标像素点的像素值合并求均值，从而降低图像的像素尺寸，提高后续的处理效率。在一些实施例中，降采样子单元623可以根据目标像素尺寸大小执行一次或多次合并求均值的操作，从而获得目标像素尺寸的图像，提高处理效率的可控性；另外，降低像素尺寸也使得最终生成的文件的大小在可控范围内，便于文件的分享。
在一些实施例中，预处理单元62中还可以包括增强子单元624，能够对于图像亮度或对比度中至少一项的增强，从而提高有效信息的可见度，提高文件中的图片质量。
在一些实施例中，预处理单元62中还可以包括轮廓识别子单元625，能够通过轮廓识别算法识别待处理图像中的轮廓，确定待处理图像中的有效信息区域，在后续操作中将该有效信息区域内的图像作为待处理图像，从而实现删除有效信息区域外的信息点。在一些实施例中，可以调用OpenCV中的findContours函数查找轮廓，并利用mask掩膜提取有效信息区域，会有些无效信息存在，再利用开运算、闭运算消除提取完成后边角的无效信息点。
这样的装置能够消除待提取图像中的无效信息，例如由于将三维医学图像转化为待处理图像的过程中由于亮度过曝等原因产生的信息点冗余，提高图像中的有效信息比例，避免无效信息影响分析使用，提高图像文件的可靠性。
在一些实施例中，预处理单元62中还可以包括水印添加子单元626，能够通过OpenCV中的图像融合功能，在被处理的图像中预定需要添加水印标识(如logo)的位置(可以预先指定坐标、宽度width和高度height)抠出与水印标识大小匹配的图像，并将抠出的图像与水印融合，进而还原至被处理图像的抠图处，完成图像水印的添加。在另一些实施例中，可调用画笔Qpainter库在图像中添加文字水印。
这样的装置可以使得生成的图像文件中具有水印，提高对图像的版权保护。
本公开图像处理装置的一个实施例的结构示意图如图7所示。图像处理装置包括存储器701和处理器702。其中：存储器701可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储上文中图像处理方法的对应实施例中的指令。处理器702耦接至存储器701，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器702用于执行存储器中存储的指令，能够提高医学图像的利用率，以及提高查找相应图像文件进行使用的效率。
在一个实施例中，还可以如图8所示，图像处理装置800包括存储器801和处理器802。处理器802通过BUS总线803耦合至存储器801。该图像处理装置800还可以通过存储接口804连接至外部存储装置805以便调用外部数据，还可以通过网络接口806连接至网络或者另外一台计算机系统(未标出)。此处不再进行详细介绍。
在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，能够提高医学图像的利用率，以及提高查找相应图像文件进行使用的效率。
在另一些实施例中，本公开还提出一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图像处理方法对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法以及装置。例如，可通过软件(包括在线处理软件或客户端)、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法以及装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
最后应当说明的是：以上实施例仅用以说明本公开的技术方案而非对其限制；尽管参照较佳实施例对本公开进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本公开的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本公开技术方案的精神，其均应涵盖在本公开请求保护的技术方案范围当中。
Claims (16)
1.一种图像处理方法，包括：
获取待处理图像，其中，所述待处理图像为基于三维医学图像生成的多层二维图像；
对所述待处理图像进行预处理，获取预处理图像；
根据指定图像层数从所述预处理图像中获取目标区域的图像；
生成包括所述目标区域的图像的文件，其中，所述文件的文件名中包括所述目标区域的标识。
2.根据权利要求1所述的方法，其中，所述对所述待处理图像进行预处理包括：
确定所述待处理图像的获取通道，其中，不同通道图像在获取对应的三维医学数据阶段采用的荧光标记物发射光波长不同；
根据所述获取通道确定渲染色；
通过所述渲染色渲染所述待处理图像，获取渲染图像，以便根据所述渲染图像获取所述预处理图像。
3.根据权利要求2所述的方法，其中，所述根据渲染后的所述待处理图像获取所述预处理图像包括：
将渲染后的所述待处理图像作为所述预处理图像；或
对所述渲染图像做降采样处理，获取所述预处理图像；或
对渲染后的所述待处理图像做降采样处理，获取渲染降采样图像；根据对比度增强参数或亮度增强参数中的至少一种处理所述渲染降采样图像，获取所述预处理图像。
4.根据权利要求2所述的方法，其中，所述对所述待处理图像进行预处理还包括：
通过轮廓识别算法识别所述待处理图像中的轮廓，确定所述待处理图像中的有效信息区域；
所述通过所述渲染色渲染所述待处理图像为：提取所述有效信息区域的图像作为所述待处理图像，通过所述渲染色渲染所述待处理图像。
5.根据权利要求2～4任意一项所述的方法，其中，
所述对所述待处理图像进行预处理还包括：
在所述渲染图像的预定水印位置，获取与水印尺寸相符的图像；
将获取的所述与水印尺寸相符的图像与水印融合，获取融合水印图像；
将所述融合水印图像还原至所述与水印尺寸相符的图像的提取位置，获取添加水印的所述渲染图像，以便根据添加水印的所述渲染图像获取所述预处理图像。
6.根据权利要求1所述的方法，
还包括以下至少一项：
获取目标坐标区域参数；根据所述目标坐标区域参数截取所述预处理图像；或
根据所述预处理图像和预存图像参数进行目标坐标区域估计，获取估计区域信息；根据所述估计区域信息截取所述预处理图像；
所述根据指定图像层数从所述预处理图像中获取目标区域的图像为：根据指定图像层数从截取后的所述预处理图像中获取目标区域的图像。
7.根据权利要求1所述的方法，还包括：
获取目标区域信息，所述目标区域信息包括目标区域分类、疾病类型、月龄、组织器官、组织细胞类型、视图维度、分组、用户类型、后端编号、横截面、分区、亚分区、层数、编号、品系名称、给药名称、溶剂名称、实验方法或图片类型中的一项或多项；
根据所述目标区域信息和所述目标区域标识生成文件的文件名。
8.根据权利要求1所述的方法，还包括：
获取三维医学图像；
将所述三维医学图像进行分层处理，转化为多张二维图像，生成所述待处理图像。
9.一种图像处理装置，包括：
图像获取单元，被配置为获取待处理图像，其中，所述待处理图像为基于三维医学图像生成的多层二维图像；
图像预处理单元，被配置为对所述待处理图像进行预处理，获取预处理图像；
目标图像获取单元，被配置为根据指定图像层数从所述预处理图像中获取目标区域的图像；
文件生成单元，被配置为生成包括所述目标区域的图像的文件，其中，所述文件的文件名中包括所述目标区域的标识。
10.根据权利要求9所述的装置，其中，所述图像预处理单元包括：
通道确定子单元，被配置为确定所述待处理图像的获取通道，其中，不同通道图像在获取对应的三维医学数据阶段采用的荧光标记物发射光波长不同；
渲染子单元，被配置为根据所述获取通道确定渲染色；通过所述渲染色渲染所述待处理图像，获取渲染图像，以便根据所述渲染图像获取所述预处理图像。
11.根据权利要求10所述的装置，其中，
所述渲染图像为所述预处理图像；或
所述图像预处理单元还包括：降采样子单元，被配置为对所述渲染图像做降采样处理，获取所述预处理图像；或
所述图像预处理单元还包括：
降采样子单元，被配置为对渲染后的所述待处理图像做降采样处理，获取渲染降采样图像；
增强子单元，被配置为根据对比度增强参数或亮度增强参数中的至少一种处理所述渲染降采样图像，获取所述预处理图像。
12.根据权利要求10所述的装置，其中，所述图像预处理单元还包括：
轮廓识别子单元，被配置为通过轮廓识别算法识别所述待处理图像中的轮廓，确定所述待处理图像中的有效信息区域；
所述渲染子单元被配置为提取所述有效信息区域的图像作为所述待处理图像，通过所述渲染色渲染所述待处理图像。
13.根据权利要求10～12任意一项所述的装置，其中，所述图像预处理单元还包括水印添加子单元，被配置为：
在所述渲染图像的预定水印位置，获取与水印尺寸相符的图像；
将获取的所述与水印尺寸相符的图像与水印融合，获取融合水印图像；
将所述融合水印图像还原至所述与水印尺寸相符的图像的提取位置，获取添加水印的所述渲染图像，以便根据添加水印的所述渲染图像获取所述预处理图像。
14.根据权利要求9所述的装置，还包括：
区域截取单元，被配置为执行以下至少一项：
获取目标坐标区域参数；根据所述目标坐标区域参数截取所述预处理图像；或
根据所述预处理图像和预存图像参数进行目标坐标区域估计，获取估计区域信息；根据所述估计区域信息截取所述预处理图像；
所述目标图像获取单元被配置为：根据指定图像层数从截取后的所述预处理图像中获取目标区域的图像。
15.一种图像处理装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至8任一项所述的方法。
16.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至8任意一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110411580.3A CN112908451B (zh) | 2021-04-16 | 2021-04-16 | 图像处理方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110411580.3A CN112908451B (zh) | 2021-04-16 | 2021-04-16 | 图像处理方法、装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112908451A true CN112908451A (zh) | 2021-06-04 |
| CN112908451B CN112908451B (zh) | 2023-12-26 |
Family
ID=76110474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110411580.3A Active CN112908451B (zh) | 2021-04-16 | 2021-04-16 | 图像处理方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112908451B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113362215A (zh) * | 2021-06-07 | 2021-09-07 | 展讯通信（上海）有限公司 | 图像处理方法、装置、设备、存储介质及程序产品 |
| CN114219863A (zh) * | 2021-12-16 | 2022-03-22 | 重庆傲雄在线信息技术有限公司 | 基于重建开操作的印章检测方法、存储介质及电子设备 |
| CN115080531A (zh) * | 2022-05-16 | 2022-09-20 | 重庆紫光华山智安科技有限公司 | 基于分布式存储图像处理方法、系统、设备及介质 |
| CN115831324A (zh) * | 2022-11-29 | 2023-03-21 | 北京医准智能科技有限公司 | 一种医学图像筛选方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0773291A (ja) * | 1993-09-02 | 1995-03-17 | Res Dev Corp Of Japan | 画像処理装置 |
| KR20090072263A (ko) * | 2007-12-28 | 2009-07-02 | 주식회사 케이티 | 계층적인 구조의 영상 모델을 이용한 3차원 영상 생성방법과 장치, 이를 이용한 영상 인식 방법과 특징점 추출방법 그리고 상기 방법들을 수행하는 프로그램이 기록된기록매체 |
| CN103460245A (zh) * | 2011-04-06 | 2013-12-18 | 佳能株式会社 | 信息处理设备 |
| JP2017174039A (ja) * | 2016-03-23 | 2017-09-28 | 富士フイルム株式会社 | 画像分類装置、方法およびプログラム |
| US20200035350A1 (en) * | 2017-02-21 | 2020-01-30 | Koh Young Technology Inc. | Method and apparatus for processing histological image captured by medical imaging device |
| JPWO2019167453A1 (ja) * | 2018-02-28 | 2021-03-18 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、およびプログラム |
-
2021
- 2021-04-16 CN CN202110411580.3A patent/CN112908451B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0773291A (ja) * | 1993-09-02 | 1995-03-17 | Res Dev Corp Of Japan | 画像処理装置 |
| KR20090072263A (ko) * | 2007-12-28 | 2009-07-02 | 주식회사 케이티 | 계층적인 구조의 영상 모델을 이용한 3차원 영상 생성방법과 장치, 이를 이용한 영상 인식 방법과 특징점 추출방법 그리고 상기 방법들을 수행하는 프로그램이 기록된기록매체 |
| CN103460245A (zh) * | 2011-04-06 | 2013-12-18 | 佳能株式会社 | 信息处理设备 |
| JP2017174039A (ja) * | 2016-03-23 | 2017-09-28 | 富士フイルム株式会社 | 画像分類装置、方法およびプログラム |
| US20200035350A1 (en) * | 2017-02-21 | 2020-01-30 | Koh Young Technology Inc. | Method and apparatus for processing histological image captured by medical imaging device |
| JPWO2019167453A1 (ja) * | 2018-02-28 | 2021-03-18 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、およびプログラム |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113362215A (zh) * | 2021-06-07 | 2021-09-07 | 展讯通信（上海）有限公司 | 图像处理方法、装置、设备、存储介质及程序产品 |
| CN113362215B (zh) * | 2021-06-07 | 2022-12-06 | 展讯通信（上海）有限公司 | 图像处理方法、装置、设备、存储介质 |
| CN114219863A (zh) * | 2021-12-16 | 2022-03-22 | 重庆傲雄在线信息技术有限公司 | 基于重建开操作的印章检测方法、存储介质及电子设备 |
| CN115080531A (zh) * | 2022-05-16 | 2022-09-20 | 重庆紫光华山智安科技有限公司 | 基于分布式存储图像处理方法、系统、设备及介质 |
| CN115080531B (zh) * | 2022-05-16 | 2024-07-23 | 重庆紫光华山智安科技有限公司 | 基于分布式存储图像处理方法、系统、设备及介质 |
| CN115831324A (zh) * | 2022-11-29 | 2023-03-21 | 北京医准智能科技有限公司 | 一种医学图像筛选方法、装置、设备及存储介质 |
| CN115831324B (zh) * | 2022-11-29 | 2023-12-15 | 浙江医准智能科技有限公司 | 一种医学图像筛选方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112908451B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112908451A (zh) | 图像处理方法、装置和存储介质 | |
| KR102507711B1 (ko) | 의료용 화상 처리 장치, 의료용 화상 처리 방법, 및 컴퓨터 판독가능 매체 | |
| US9558558B2 (en) | Interactive follow-up visualization | |
| JP7434447B2 (ja) | 医用画像処理装置、医用画像処理方法及びプログラム | |
| CN105074775B (zh) | 医学图像的配准 | |
| WO2020183799A1 (ja) | 医用画像処理装置、医用画像処理方法及びプログラム | |
| JP6855850B2 (ja) | 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法 | |
| US9466117B2 (en) | Segmentation highlighter | |
| US20110054295A1 (en) | Medical image diagnostic apparatus and method using a liver function angiographic image, and computer readable recording medium on which is recorded a program therefor | |
| US20190251714A1 (en) | Methods and Systems for Accelerated Rreading of a 3D Medical Volume | |
| US20110007954A1 (en) | Method and System for Database-Guided Lesion Detection and Assessment | |
| US20150003708A1 (en) | Clinically driven image fusion | |
| JP2020166813A (ja) | 医用画像処理装置、医用画像処理方法及びプログラム | |
| US10970875B2 (en) | Examination support device, examination support method, and examination support program | |
| CN108876783B (zh) | 图像融合方法及系统、医疗设备和图像融合终端 | |
| JP2009045286A (ja) | 医用画像処理装置、医用画像診断装置、及びプログラム | |
| Cabrera et al. | Segmentation of axillary and supraclavicular tumoral lymph nodes in PET/CT: A hybrid CNN/component-tree approach | |
| US12112481B2 (en) | Simultaneous implementation method of 3D subtraction arteriography, 3D subtraction venography, and 4D color angiography through post-processing of image information of 4D magnetic resonance angiography, and medical imaging system | |
| JPH08161520A (ja) | 三次元画像の対象部分抽出方法 | |
| JP6533687B2 (ja) | 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム | |
| JP2011067594A (ja) | 肝機能造影像を用いた医用画像診断装置および方法、並びにプログラム | |
| JP4801892B2 (ja) | 医用画像表示装置 | |
| WO2016128965A2 (en) | Imaging system of a mammal | |
| US9349177B2 (en) | Extracting bullous emphysema and diffuse emphysema in E.G. CT volume images of the lungs | |
| JP2020058629A (ja) | 医用画像処理装置、医用画像処理方法及びプログラム |
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 |