CN113077474B - 基于ct影像的床板去除方法、系统、电子设备及存储介质 - Google Patents

基于ct影像的床板去除方法、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN113077474B
CN113077474B CN202110229147.8A CN202110229147A CN113077474B CN 113077474 B CN113077474 B CN 113077474B CN 202110229147 A CN202110229147 A CN 202110229147A CN 113077474 B CN113077474 B CN 113077474B
Authority
CN
China
Prior art keywords
human body
bed board
image
bed
contacted
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
CN202110229147.8A
Other languages
English (en)
Other versions
CN113077474A (zh
Inventor
王兴维
邰从越
刘慧芳
刘龙
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.)
Xiaorui Medical Technology Dalian Co ltd
Original Assignee
Senyint International Digital Medical System Dalian Co ltd
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 Senyint International Digital Medical System Dalian Co ltd filed Critical Senyint International Digital Medical System Dalian Co ltd
Priority to CN202110229147.8A priority Critical patent/CN113077474B/zh
Publication of CN113077474A publication Critical patent/CN113077474A/zh
Application granted granted Critical
Publication of CN113077474B publication Critical patent/CN113077474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了基于CT影像的床板去除方法、系统、电子设备及存储介质，涉及医疗图像分割技术领域。其方法包括将CT影像采用小数据体方式输入到至少一个进程内，所述进程之间采用并行处理模式；通过低阈值方式去除与人体不接触的床板部位；再通过高阈值方式去除与人体接触的床板部位。本发明利用多进程并行的方式，采用小数据体计算，解决了数据体量大、耗时等问题，有利于产品化，提高了实用性。根据床板和人体结构特征，首先去除与人体不接触的部位，再去除与人体接触的部位，避免了单一阈值导致分割不准确问题。本发明解决了床板与人体粘连的难题，并且方法简单、快速、有效。

Description

基于CT影像的床板去除方法、系统、电子设备及存储介质
技术领域
本发明涉及医疗图像分割技术领域，具体涉及基于CT影像的床板去除方法、系统、电子设备及存储介质。
背景技术
随着医疗水平提高及人们对自身健康的重视，医用检影设备的普及率大幅提升。电子计算机X射线断层扫描CT机是目前用于临床诊断的重要设备。CT机扫描影像时需要患者躺在扫描床上，当医生使用三维影像后处理工作站诊断时，就会受到床板的干扰，即头颈部、胸腹部、四肢等各个部位的影像诊断都会受到床板干扰，并且床板具有多样性，给诊断带来更大的困扰。目前，去除床板方式主要依靠医生手动操作或者半自动操作，其工作量大，易产生疲劳。也存在一些自动去床方法，但是临床使用中对准确率和速度的要求是非常高的，这些方法没有进行实践和论证，不一定能达到临床应用的标准。
基于阈值、区域生长方法是一种常见分割方法并且取得了不错效果。但是床板的样式多样化，导致床板在影像中的显示不规则，并且床板和人体组织存在粘连等，很难用单一的方法实现CT影像的去床。应用到临床上对速度和精度的要求又为去床增添了难度。现有技术中，发明名称为基于CT影像的床板去除方法、系统、可读存储介质和设备，申请号为201911225985.7的专利文件中提到一种去床方法。该方法依赖硬件采集CT图像时需要采集空的床板参数。使CT空床扫描图像和待处理的CT扫描图像匹配，从而得到待处理的CT扫描图像的去床图像,不适用于常见的三维影像后处理工作站。发明名称为一种自动提取床板的方法，申请号为201210458339.7的专利文件中使用阈值和区域生长方法提取床板。但是床板与人体接触，故会有粘连的部位，很难用单一的方法提取完整。
发明内容
为了解决床板与人体粘连难以去除的问题，本发明提供一种基于CT影像的床板去除方法、系统、电子设备及存储介质，先通过低阈值去除与人体不接触的床板部位，再使用高阈值去除与人体接触的床板部位，该种床板去除方式速度快，分割准确，可以满足实际需求。其技术方案如下：
一种基于CT影像的床板去除方法，包括：
将CT影像采用小数据体方式输入到至少一个进程内，所述进程之间采用并行处理模式；
通过低阈值方式去除与人体不接触的床板部位；
再通过高阈值方式去除与人体接触的床板部位。
可选地，通过低阈值方式去除与人体不接触的床板部位，具体为：
使用低阈值分割人体与人体外床板部位；
获取低阈值三维体的连通特性；
提取人体部位；
提取与人体不接触的床板部位。
可选地，提取人体部位，具体为：
设判定条件为：F＝(Vcon1-Vcon2)/Vcon2，Vcon1、Vcon2分别为最大的两个三维体连通域体积；
判断所述三维体连通域体积Vcon1与Vcon2的关系，若F大于等于设定值，则判定为人体部位并进行提取操作；
对提取出的所述人体部位进行形态学填充孔洞操作，填充肺部及人体组织内部的空气孔洞等，得到的人体部位图像定义为image。
可选地，提取与人体不接触的床板部位，具体为：
设判定条件为：F＝(Vcon1-Vcon2)/Vcon2，Vcon1、Vcon2分别为最大的两个三维体连通域体积；
判断所述三维体连通域体积Vcon1与Vcon2的关系，若F小于设定值，则判定为与人体不接触的床板部位并进行提取操作，定义为bed。
可选地，再通过高阈值方式去除与人体接触的床板部位，具体为：
使用高阈值分割床板与人体粘连的部位；
获取高阈值三维体的连通特性；
提取粘连的所述床板特征；
分割所述床板和人体部位。
可选地，提取粘连的所述床板特征，具体为：
获取连通体数据的外接立方体bbox中心位置bbox_z,bbox_r,bbox_c和质心坐标位置centriod_z,centriod_r,centriod_c，原始图像中心位置为img_z,img_r,img_c；
设判定条件为：
(a)外接立方体bbox_c与质心cetroid_c的距离小于设定值A；
(b)原始图像中心img_c与质心centriod_c的距离小于设定值B；
(c)经过孔洞填充的连通域体积与实际获取的连通域体积小于设定值C；
(d)实际获取的连通域体积大于设定值D；
(e)外接立方体的z方向高度大于设定值E；
(f)外接立方体的y方向高度大于设定值F；
(g)外接立方体bbox_r小于1/N原始图像高度；
若连通域的特征同时满足上述判定条件，则判定为床板，定义为bed_1，否则判定为人体部位image_1。
可选地，分割所述床板和人体部位，具体为：
得到的人体外床板部位bed和粘连的床板bed_1总和为床板；
得到的人体部位image和粘连的人体部位image_1总和为人体部位。
一种基于CT影像的床板去除系统，包括：
输入模块，用于将CT影像采用小数据体方式输入到至少一个进程内，所述进程之间采用并行处理模式；
不接触去除模块，通过低阈值方式去除与人体不接触的床板部位；
粘连去除模块，通过高阈值方式去除与人体接触的床板部位。
一种基于CT影像的床板去除的电子设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现所述基于CT影像的床板去除方法的各个步骤。
一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述基于CT影像的床板去除方法的各个步骤。
经由上述方案可知，本申请提供的一种基于CT影像的床板去除方法、系统、电子设备及存储介质，将CT影像采用小数据体方式输入到至少一个进程内，所述进程之间采用并行处理模式；通过低阈值方式去除与人体不接触的床板部位；再通过高阈值方式去除与人体接触的床板部位。由于上述过程可知，本申请实施例提供的基于CT影像的床板去除方法，可以自动提取人体，去掉人体外包括床板等的干扰，并且提取的全程是无需用户任何操作的，节约了时间成本。利用多进程并行的方式，采用小数据体计算，解决了数据体量大、耗时等问题，有利于产品化，提高了实用性。根据床板和人体结构特征，首先去除与人体不接触的部位，再去除与人体接触的部位，避免了单一阈值导致分割不准确问题。本发明解决了床板与人体粘连的难题，并且方法简单、快速、有效。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的示例性计算机断层成像设备的示意图；
图2为本申请实施例提供的在其上实现处理引擎的示例性计算设备的示例性硬件和/或软件组件的示意图；
图3为本申请实施例提供的在其上实现终端的示例性移动设备的示例性硬件和/或软件组件的示意图；
图4为本申请实施例提供的基于CT影像的床板去除方法流程示意图；
图5为本申请实施例提供的通过低阈值方式去除与人体不接触的床板部位流程示意图；
图6为本申请实施例提供的某层原始图像与人体不接触部位图像对比图；
图7为本申请实施例提供的再通过高阈值方式去除与人体接触的床板部位流程示意图；
图8为本申请实施例提供的某层原始图像与人体接触部位图像对比图；
图9为本申请实施例提供的三维原始图像与去除人体外干扰的三维图像对比图；
图10为本申请实施例提供的基于CT影像的床板去除系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
CT影像的去床结果最终要集成到开发的影像系统中，一个序列的CT影像高达几百张甚至上千张，计算量大。但是，CT影像的去床过程必须快速分割完毕，否则达不到实际应用效果。当前已经存在的去床方法，有的对硬件依赖性高，需要获取CT空床图像。有的只用单一提取方法，床板与人体存在粘连的部位没有处理和论证。
本申请实施例的系统中某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在影像系统和/或处理器上。模块仅是说明性的，并且系统和方法的不同方面可以使用不同模块。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他的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例系统所执行的操作。应当理解的是，前面或下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种步骤。同时，或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。
图1为本申请实施例提供的示例性计算机断层成像设备100的示意图。参考图1所示，计算机断层成像设备100可包括扫描仪110、网络120、一个或多个终端130、处理引擎140、以及存储器150。计算机断层成像设备100中的所有组件都可以通过网络120互相连接。
扫描仪110可扫描对象并且生成与该扫描对象相关的扫描数据。在一些实施例中，扫描仪110可以是医学成像设备，例如CT设备、PET设备、SPECT设备、MRI设备等或其任意组合(例如，PET-CT设备或CT-MRI设备)。在本申请中，该医学成像设备优选地为CT设备。
本发明中提到的“影像”可以指2D影像、3D影像、4D影像和/或任何相关数据(例如，小数据体、对应于CT数据的投影小数据体)，这并不是为了限制本发明的范围。对于本领域的技术人员来说，在本发明的指导下可以进行各种修正和改变。
扫描仪110可包括机架111、探测器112、检测区域113和工作台114。在一些实施例中，扫描仪110还可包括放射性扫描源115。机架111可支承探测器112和放射性扫描源115。扫描对象可被置于工作台114上以用于扫描。放射性扫描源115可向该扫描对象发射放射性射线。探测器112可以检测从检测区域113发射的辐射事件(例如，γ光子)。在一些实施例中，扫描仪110可以是MRI扫描设备，并且探测器112可以包括用于检测和接收RF信号的电路。
网络120可包括任意合适的网络，该网络能协助计算机断层成像设备100交换信息和/或数据。在一些实施例中，计算机断层成像设备100的一个或多个组件(例如，扫描仪110、终端130、处理引擎140、存储器150等)可通过网络120与计算机断层成像设备100的一个或多个其他组件传递信息和/或数据。例如，处理引擎140可通过网络120从扫描仪110获得图像数据。作为另一示例，处理引擎140可通过网络120从终端130获得用户指令。网络120可以包括公共网络(例如，因特网)、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，长期演进(LTE)网络)、帧中继网络、虚拟专用网(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任意组合。仅作为示例，网络120可包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局域网(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙网络、ZigBee网络、近场通信(NFC)网络等或者其任意组合。在一些实施例中，网络120可包括一个或多个网络接入点。例如，网络120可包括有线和/或无线网络接入点，诸如基站和/或因特网交换点，计算机断层成像设备100的一个或多个组件可通过这些接入点来连接到网络120以交换数据和/或信息。
一个或多个终端130包括移动设备131、平板电脑132、笔记本电脑133等或其任意组合。在一些实施例中，移动设备131可包括智能家用设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等或其任意组合。在一些实施例中，智能家用设备可包括智能照明设备、智能电器的控制设备、智能监视设备、智能电视、智能摄像机、互联电话等或其任意组合。在一些实施例中，可穿戴设备可包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智能饰物等或其任意组合。在一些实施例中，移动设备131可包括移动电话、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、台式机等或者其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如，虚拟现实设备和/或增强现实设备可包括Google Glass、Oculus Rift、Hololens、Gear VR等。在一些实施例中，终端130可以是处理引擎140的一部分。
处理引擎140可以处理从扫描仪110、终端130和/或存储器150获得的数据和/或信息。在一些实施例中，处理引擎140可以是单个服务器或服务器组。服务器组可以是集中式的或者分布式的。在一些实施例中，处理引擎140可以是本地的或远程的。例如，处理引擎140可通过网络120来访问存储在扫描仪110、终端130和/或存储器150中的信息和/或数据。
作为另一示例，处理引擎140可以直接连接到扫描仪110、终端130和/或存储器150以访问所存储的信息和/或数据。在一些实施例中，处理引擎140可在云平台上实现。仅作为示例，云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等或者其任意组合。在一些实施例中，处理引擎140可由图2中所示的具有一个或多个组件的计算设备200来实现。
存储器150可存储数据、指令、和/或任何其他信息。在一些实施例中，存储器150可以存储从终端130和/或处理引擎140获得的数据。在一些实施例中，存储器150可存储数据和/或指令，处理引擎140可以执行或使用该数据和/或指令以执行本发明中所描述的床板去除方法。在一些实施例中，存储器150可包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储设备可包括磁盘、光盘、固态驱动器等。示例性的可移动存储器可包括闪存驱动器、软盘、光盘、存储器卡、压缩盘、磁带等。示例性的易失性读写存储器可包括随机存取存储器(RAM)。示例性的RAM可包括动态RAM(DRAM)、双倍数据率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。示例性的ROM可包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)、以及数字多用磁盘ROM等。在一些实施例中，存储器150可在云平台上实现。仅作为示例，云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等或者其任意组合。
在一些实施例中，存储器150可连接到网络120，以便与计算机断层成像设备100中的一个或多个其他组件(例如，处理引擎140、终端130等)通信。计算机断层成像设备100中的一个或多个组件可通过网络120来访问存储在存储器150中的数据或指令。在一些实施例中，存储器150可直接连接到计算机断层成像设备100中的一个或多个其他组件(例如，处理引擎140、终端130等)或与这些组件通信。在一些实施例中，存储器150可以是处理引擎140的一部分。
图2为本申请实施例提供的在其上实现处理引擎的示例性计算设备的示例性硬件和/或软件组件的示意图。如图2所示，计算设备200可以包括内部通信总线210、处理器(processor)220、只读存储器(ROM)230、随机存取存储器(RAM)240、通信端口250、输入/输出组件260、硬盘270以及用户界面280。
内部通信总线210可以实现计算设备200组件间的数据通信。
处理器220可根据本文所描述的技术来执行计算机指令(例如，程序代码)并执行处理引擎140的各功能。计算机指令可包括例如执行本文所描述的特定功能的例程、程序、扫描对象、组件、数据结构、过程、模块以及函数。在一些实施例中，处理器220可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)、专用指令集处理器(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意电路或处理器等或其任意组合。
仅为了说明，在计算设备200中仅描述了一个处理器220。然而，应当注意，本发明中的计算设备200也可包括多个处理器，因此本发明中所描述的由一个处理器执行的操作和/或方法步骤也可由多个处理器联合地或分别地执行。
只读存储器(ROM)230和随机存取存储器(RAM)240可存储从扫描仪110、终端130、存储器150、和/或计算机断层成像设备100的任何其他组件获得的数据/信息。只读存储器(ROM)230可包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)、以及数字多用磁盘ROM等。随机存取存储器(RAM)240可包括动态RAM(DRAM)、双倍数据率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。在一些实施例中，只读存储器(ROM)230和随机存取存储器(RAM)240可存储用于执行本发明中所描述的床板去除方法的一个或多个程序和/或指令。
通信端口250可连接到网络(例如，网络120)以协助数据通信。通信端口250可在处理引擎140和扫描仪110、终端130和/或存储器150之间建立连接。该连接可以是有线连接、无线连接、能够实现数据传送和/或接收的任意其他通信连接、和/或这些连接的任意组合。有线连接可包括例如电缆、光缆、电话线等或者其任意组合。无线连接可包括例如蓝牙链路、Wi-Fi链路、WiMax链路、WLAN链路、ZigBee链路、移动网络链路(例如，3G，4G，5G等)等或其组合。在一些实施例中，通信端口250可以是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250可以是专门设计的通信端口。例如，通信端口250可根据医学数字成像和通信(DICOM)协议来设计。
输入/输出组件260支持计算设备200与其他部件之间的输入/输出数据流。在一些实施例中，输入/输出组件260可包括输入设备和输出设备。输入设备的示例可包括键盘、鼠标、触摸屏、话筒等或其组合。输出设备的示例可包括显示设备、扬声器、打印机、投影仪等或其组合。显示设备的示例可包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)、触摸屏等或其组合。
计算设备200还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘270，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器220所执行的可能的程序指令。
用户界面280可以实现计算设备200和用户之间的交互和信息交换。
图3为本申请实施例提供的在其上实现终端的示例性移动设备的示例性硬件和/或软件组件的示意图。如图3所示，移动设备300可包括天线310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、输入输出单元(I/O)350、内存360以及存储器390。在一些实施例中，移动设备300中还可包括任何其他合适的组件，包括但不限于系统总线或控制器(未示出)。在一些实施例中，移动操作系统370(例如，iOS、Android、Windows Phone等)和一个或多个应用380可从存储器390被加载到内存360中以便由CPU340执行。应用380可包括浏览器或任意其它合适的移动应用以用于接收和绘制与图像处理相关的信息或来自处理引擎140的其它信息。用户与信息流的交互可通过I/O350来实现并通过网络120提供给处理引擎140和/或计算机断层成像设备100的其他组件。
为了实现本发明中所描述的各种模块、单元及其功能，计算机硬件平台可被用作本实施例所描述的一个或多个元件的(诸)硬件平台。具有用户界面元件的计算机可被用于当作个人计算机(PC)或任何其他类型的工作站或终端设备。如果进行适当的编程，计算机也可以充当服务器。在计算机断层成像设备100中可以实现CT影像的床板去除方法、系统等。
参见图4所示，为本发明一个实施例的基于CT影像的床板去除方法流程示意图；该实施例中基于CT影像的床板去除方法包括以下步骤：
S1.将CT影像采用小数据体方式输入到至少一个进程内，所述进程之间采用并行处理模式；
在本步骤中，小数据体为选择一个CT序列的部分层，一个CT序列普遍高达几百层甚至上千层，在对整个数据体计算过程中，参数很多计算量较大并且比较耗时，故采用小数据体的方式。本发明使用多进程并行加速的方法，在一个进程内，采用输入小数据体的方式进行，即一个进程内处理部分层的方式。本发明后续的算法大部分在三维上进行的，小数据体的计算不会影响整体去床效果。
S2.通过低阈值方式去除与人体不接触的床板部位；
在本步骤中，CT值范围一般是从-1000HU到+1000HU。CT值是人体密度的反应，在此定义低阈值，是指低的CT值(是一个相对值，在此认为小于人体组织的CT值为低阈值)。对于获取的CT影像，不管是头颈部，胸腹部，四肢等部位扫描，还是整体扫描，人体部分都会受到外部床板的干扰。由于各个部位CT值不同及窗宽窗位调节，呈现的影像显示为两种方式，分别是：外部床板和人体有接触、外部床板和人体不接触。
S3.再通过高阈值方式去除与人体接触的床板部位。
在本步骤中，CT值范围一般是从-1000HU到+1000HU。CT值是人体密度的反应，在此定义高阈值，是指高的CT值(是一个相对值，在此认为高于人体组织的CT值为高阈值)。床板与人体难免会有接触，即床板与人体部位存在粘连，故通过高阈值方式去除与人体接触的床板部位。
在本实施例中，利用多进程并行计算的方式，当一个CT序列层数较多时，采用一个进程处理部分层的方式进行加速。通过获取小数据体方式，可以解决三维体计算量过大及速度慢的问题；根据床板及人体特性，采用多阈值方法可以有效去除与人体不接触部位，去除与人体接触部位的床板。解决了床板与人体粘连难以去除的问题，方法简单，实用性更加广泛。
需要说明的是，上述基于CT影像的床板去除方法可以在CT设备的后处理工作站上执行，也可以在CT设备的控制台上执行，也可以或在能与CT设备通信的终端130上实现处理引擎的示例性计算设备200上执行，且不局限于此，可以根据实际应用的需要进行变化调整。
参见图5所示，为本发明一个实施例的通过低阈值方式去除与人体不接触的床板部位流程示意图，该实施例中通过低阈值方式去除与人体不接触的床板部位包括以下步骤：
S21.使用低阈值分割人体与人体外床板部位；
具体的，人体软组织的CT值范围为40～60HU，脂肪CT值为-80～-120HU，空气CT值为-1000HU。在CT影像中，床板和人体一般通过空气等隔开，床板和人体的CT值要高于空气，呈现的结果就是人体和床板等不接触。
需要说明的是，根据CT影像的CT值分布特征，设定低阈值，在此可以取-250，进行二值化操作，分割人体和人体外部分。
S22.获取低阈值三维体的连通特性；
具体的，计算CT体数据的三维连通特性，一般人体的体积最大，床板次之。故计算出最大的两个连通域体积，分别定义为Vcon1,Vcon2；
设定判定条件：
F＝(Vcon1-Vcon2)/Vcon2。
S23.提取人体部位；
S24.提取与人体不接触的床板部位。
具体的，如图6所示，其左图为某层的原始图像，右图为去除与人体不接触部位的图像。
在一个实施例中，提取人体部位，可以为：
判断所述三维体连通域体积Vcon1与Vcon2的关系，若F大于等于设定值(可以为0.3)，则判定为人体部位并进行提取操作，人体部位之外定义为bed。
对提取出的所述人体部位进行形态学填充孔洞操作，填充肺部及人体组织内部的空气孔洞，得到的人体部位图像定义为image。
在一个实施例中，提取与人体不接触的床板部位，可以为：
判断所述三维体连通域体积Vcon1与Vcon2的关系，若F小于设定值(可以为0.3)，则判定为与人体不接触的床板部位并进行提取操作，定义为bed。
参见图7所示，为本发明一个实施例的再通过高阈值方式去除与人体接触的床板部位流程示意图；该实施例中再通过高阈值方式去除与人体接触的床板部位包括以下步骤：
S31.使用高阈值分割床板与人体粘连的部位；
具体的，人体与床板粘连的部位多是皮肤、肌肉组织等。皮肤、肌肉组织的CT值要小于床板和骨骼组织的CT值，所以通过高阈值来分割床板和人体粘连的部位。
需要说明的是，设定高阈值，在此可以取200，进行二值化操作，分割人体和人体粘连的部分，此时床板和人体部分区域分隔开。
S32.获取高阈值三维体的连通特性；
具体的，获取高阈值数据体的三维连通特性，计算连通体数据的外接立方体bbox,质心centriod，连通域数据体的体积area等特征。
S33.提取粘连的所述床板特征；
具体的，设定判定条件，提取出粘连部位的床板。
S34.分割所述床板和人体部位。
具体的，如图8所示，其左图为某层的原始图像，右图为去除床板与人体接触部位的图像。
在一个实施例中，提取粘连的所述床板特征，可以为：
获取连通体数据的外接立方体bbox中心位置bbox_z,bbox_r,bbox_c和质心坐标位置centriod_z,centriod_r,centriod_c，原始图像中心位置为img_z,img_r,img_c；
设判定条件为：
(a)外接立方体bbox_c与质心cetroid_c的距离小于设定值A，可以为5；
(b)原始图像中心img_c与质心centriod_c的距离小于设定值B，可以为15；
(c)经过孔洞填充的连通域体积与实际获取的连通域体积小于设定值C，可以为3；
(d)实际获取的连通域体积大于设定值D，可以为10；
(e)外接立方体的z方向高度大于设定值E，可以为10；
(f)外接立方体的y方向高度大于设定值F，可以为30；
(g)外接立方体bbox_r小于1/N原始图像高度，N可以为3；
若连通域的特征同时满足上述判定条件，则判定为床板，定义为bed_1，否则判定为人体部位image_1。
在一个实施例中，分割所述床板和人体部位，可以为：
得到的人体外床板部位bed和粘连的床板bed_1总和为床板；
得到的人体部位image和粘连的人体部位image_1总和为人体部位。
具体的，如图9所示，其左图为某层的原始图像，右图为去除床板与人体接触部位的图像。
参见图10所示，为本发明一个实施例的基于CT影像的床板去除系统的结构框图，该实施例中基于CT影像的床板去除系统包括：
输入模块41，用于将CT影像采用小数据体方式输入到至少一个进程内，所述进程之间采用并行处理模式；
不接触去除模块42，通过低阈值方式去除与人体不接触的床板部位；
粘连去除模块43，通过高阈值方式去除与人体接触的床板部位。
在本实施例中，利用多进程并行计算的方式，当一个CT序列层数较多时，采用一个进程处理部分层的方式进行加速。通过获取小数据体方式，可以解决三维体计算量过大及速度慢的问题；根据床板及人体特性，采用多阈值方法可以有效去除与人体不接触部位，去除与人体接触部位的床板。解决了床板与人体粘连难以去除的问题，系统结构简单，实用性更加广泛。
在一个实施例中，不接触去除模块42，可以包括：
低阈值分割模块，使用低阈值分割人体与人体外床板部位；
低阈值连通特性获取模块，获取低阈值三维体的连通特性；
人体部位获取模块，用于提取人体部位；
床板获取模块，用于提取与人体不接触的床板部位。
在一个实施例中，人体部位获取模块，实现方式可以为：
设判定条件为：F＝(Vcon1-Vcon2)/Vcon2，Vcon1、Vcon2分别为最大的两个三维体连通域体积；
判断所述三维体连通域体积Vcon1与Vcon2的关系，若F大于等于设定值，则判定为人体部位并进行提取操作；
对提取出的所述人体部位进行形态学填充孔洞操作，填充肺部及人体组织内部的空气孔洞，得到的人体部位图像定义为image。
在一个实施例中，床板获取模块，实现方式可以为：
设判定条件为：F＝(Vcon1-Vcon2)/Vcon2，Vcon1、Vcon2分别为最大的两个三维体连通域体积；
判断所述三维体连通域体积Vcon1与Vcon2的关系，若F小于设定值，则判定为与人体不接触的床板部位并进行提取操作，定义为bed。
在一个实施例中，粘连去除模块43，可以包括：
高阈值分割模块，使用高阈值分割床板与人体粘连的部位；
高阈值连通特性获取模块，获取高阈值三维体的连通特性；
床板特征获取模块，用于提取粘连的所述床板特征；
结果分割模块，用于分割所述床板和人体部位。
在一个实施例中，床板特征获取模块，实现方式可以为：
获取连通体数据的外接立方体bbox中心位置bbox_z,bbox_r,bbox_c和质心坐标位置centriod_z,centriod_r,centriod_c，原始图像中心位置为img_z,img_r,img_c；
设判定条件为：
(a)外接立方体bbox_c与质心cetroid_c的距离小于设定值A；
(b)原始图像中心img_c与质心centriod_c的距离小于设定值B；
(c)经过孔洞填充的连通域体积与实际获取的连通域体积小于设定值C；
(d)实际获取的连通域体积大于设定值D；
(e)外接立方体的z方向高度大于设定值E；
(f)外接立方体的y方向高度大于设定值F；
(g)外接立方体bbox_r小于1/N原始图像高度；
若连通域的特征同时满足上述判定条件，则判定为床板，定义为bed_1，否则判定为人体部位image_1。
在一个实施例中，结果分割模块，实现方式可以为：
得到的人体外床板部位bed和粘连的床板bed_1总和为床板；
得到的人体部位image和粘连的人体部位image_1总和为人体部位。
本发明实施例的基于CT影像的床板去除系统与上述基于CT影像的床板去除方法一一对应，在上述基于CT影像的床板去除方法的实施例阐述的技术特征及其有益效果均适用于基于CT影像的床板去除系统的实施例中。
一种基于CT影像的床板去除的电子设备，包括存储器和处理器，存储器存储有可执行程序，处理器执行可执行程序时实现上述的基于CT影像的床板去除方法的步骤。
上述基于CT影像的床板去除的电子设备，通过在处理器上运行可执行程序，可以实现无需对实际应用中的CT扫描图像进行扫描床的识别，不受识别算法的影响，可以对待处理的CT扫描图像进行准确地去床，提高了CT扫描图像的整体去床效果。
基于CT影像的床板去除设备可以设置在计算机断层成像设备100中，也可以设置在终端130或处理引擎140中。
一种可读存储介质，其上存储有可执行程序，可执行程序被处理器执行时实现上述的基于CT影像的床板去除方法的步骤。
上述可读存储介质，通过其存储的可执行程序，可以实现无需对实际应用中的CT扫描图像进行扫描床的识别，不受识别算法的影响，可以对待处理的CT扫描图像进行准确地去床，提高了CT扫描图像的整体去床效果。
本领域普通技术人员可以理解实现上述实施例用于基于CT影像的床板去除方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，程序可存储于一非易失性的计算机可读取存储介质中，如实施例中，该程序可存储于计算机系统的存储介质中，并被该计算机系统中的至少一个处理器执行，以实现包括如上述基于CT影像的床板去除方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
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可读取存储介质中。该程序在执行时，包括上述方法所述的步骤。所述的存储介质，包括：ROM/RAM、磁碟、光盘等。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.基于CT影像的床板去除方法，其特征在于，包括：
将CT影像采用小数据体方式输入到至少一个进程内，所述进程之间采用并行处理模式；
通过低阈值方式去除与人体不接触的床板部位；
再通过高阈值方式去除与人体接触的床板部位；
通过低阈值方式去除与人体不接触的床板部位，具体为：
使用低阈值分割人体与人体外床板部位；
获取低阈值三维体的连通特性；
提取人体部位；
提取与人体不接触的床板部位；
再通过高阈值方式去除与人体接触的床板部位，具体为：
使用高阈值分割床板与人体粘连的部位；
获取高阈值三维体的连通特性；
提取粘连的所述床板特征；
分割所述床板和人体部位。
2.根据权利要求1所述基于CT影像的床板去除方法，其特征在于，提取人体部位，具体为：
设判定条件为：F＝(Vcon1-Vcon2)/Vcon2，Vcon1、Vcon2分别为最大的两个三维体连通域体积；
判断所述三维体连通域体积Vcon1与Vcon2的关系，若F大于等于设定值，则判定为人体部位并进行提取操作；
对提取出的所述人体部位进行形态学填充孔洞操作，填充肺部及人体组织内部的空气孔洞，得到的人体部位图像定义为image。
3.根据权利要求1所述基于CT影像的床板去除方法，其特征在于，提取与人体不接触的床板部位，具体为：
设判定条件为：F＝(Vcon1-Vcon2)/Vcon2，Vcon1、Vcon2分别为最大的两个三维体连通域体积；
判断所述三维体连通域体积Vcon1与Vcon2的关系，若F小于设定值，则判定为与人体不接触的床板部位并进行提取操作，定义为bed。
4.根据权利要求1所述基于CT影像的床板去除方法，其特征在于，提取粘连的所述床板特征，具体为：
获取连通体数据的外接立方体bbox中心位置bbox_z,bbox_r,bbox_c和质心坐标位置centriod_z,centriod_r,centriod_c，原始图像中心位置为img_z,img_r,img_c；
设判定条件为：
(a)外接立方体bbox_c与质心cetroid_c的距离小于设定值A；
(b)原始图像中心img_c与质心centriod_c的距离小于设定值B；
(c)经过孔洞填充的连通域体积与实际获取的连通域体积小于设定值C；
(d)实际获取的连通域体积大于设定值D；
(e)外接立方体的z方向高度大于设定值E；
(f)外接立方体的y方向高度大于设定值F；
(g)外接立方体bbox_r小于1/N原始图像高度；
若连通域的特征同时满足上述判定条件，则判定为床板，定义为bed_1，否则判定为人体部位image_1。
5.根据权利要求1所述基于CT影像的床板去除方法，其特征在于，分割所述床板和人体部位，具体为：
得到的人体外床板部位bed和粘连的床板bed_1总和为床板；
得到的人体部位image和粘连的人体部位image_1总和为人体部位。
6.一种基于CT影像的床板去除系统，其特征在于，包括：
输入模块，用于将CT影像采用小数据体方式输入到至少一个进程内，所述进程之间采用并行处理模式；
不接触去除模块，通过低阈值方式去除与人体不接触的床板部位；
粘连去除模块，通过高阈值方式去除与人体接触的床板部位；
所述不接触去除模块，包括：
低阈值分割模块，使用低阈值分割人体与人体外床板部位；
低阈值连通特性获取模块，获取低阈值三维体的连通特性；
人体部位提取模块，用于提取人体部位；
床板部位提取模块，提取与人体不接触的床板部位；
所述粘连去除模块，具体为：
高阈值分割模块，使用高阈值分割床板与人体粘连的部位；
高阈值连通特性获取模块，获取高阈值三维体的连通特性；
床板特征提取模块，用于提取粘连的所述床板特征；
床板和人体分割模块，用于分割所述床板和人体部位。
7.一种基于CT影像的床板去除的电子设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1-5任一项所述基于CT影像的床板去除方法的各个步骤。
8.一种可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-5任一项所述基于CT影像的床板去除方法的各个步骤。
CN202110229147.8A 2021-03-02 2021-03-02 基于ct影像的床板去除方法、系统、电子设备及存储介质 Active CN113077474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110229147.8A CN113077474B (zh) 2021-03-02 2021-03-02 基于ct影像的床板去除方法、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110229147.8A CN113077474B (zh) 2021-03-02 2021-03-02 基于ct影像的床板去除方法、系统、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113077474A CN113077474A (zh) 2021-07-06
CN113077474B true CN113077474B (zh) 2024-05-17

Family

ID=76609800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110229147.8A Active CN113077474B (zh) 2021-03-02 2021-03-02 基于ct影像的床板去除方法、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113077474B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3136553A1 (fr) * 2022-06-13 2023-12-15 Ecole Normale Superieure Paris-Saclay Procédé, dispositif et programme d’ordinateur de contrôle dimensionnel d’une pièce réelle

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102324090A (zh) * 2011-09-05 2012-01-18 东软集团股份有限公司 一种从cta图像中去除扫描床的方法及装置
CN103784158A (zh) * 2012-10-29 2014-05-14 株式会社日立医疗器械 Ct 装置及ct 图像生成方法
CN103886621A (zh) * 2012-11-14 2014-06-25 上海联影医疗科技有限公司 一种自动提取床板的方法
CN104240198A (zh) * 2014-08-29 2014-12-24 西安华海盈泰医疗信息技术有限公司 一种ct图像中床板的去除方法及系统
CN104463840A (zh) * 2014-09-29 2015-03-25 北京理工大学 基于pet/ct影像的发热待查计算机辅助诊断方法
CN105931251A (zh) * 2016-05-12 2016-09-07 中国科学院深圳先进技术研究院 一种ct图像扫描床去除方法及装置
CN105976339A (zh) * 2016-05-11 2016-09-28 妙智科技（深圳）有限公司 一种基于高斯模型自动去除ct图像中床板的方法及装置
CN109087296A (zh) * 2018-08-07 2018-12-25 东北大学 一种提取ct图像中人体区域的方法
CN110610497A (zh) * 2019-08-05 2019-12-24 汉世伟食品集团有限公司 一种基于ct图像处理的活体猪胴体组织含量测定方法
CN111127475A (zh) * 2019-12-04 2020-05-08 上海联影智能医疗科技有限公司 Ct扫描图像处理方法、系统、可读存储介质和设备
CN111513745A (zh) * 2020-04-21 2020-08-11 南通大学 一种用于高危环境下的智能化无接触ct体位识别装置
CN112164073A (zh) * 2020-09-22 2021-01-01 江南大学 一种基于深度神经网络的影像三维组织分割与测定方法
CN112164074A (zh) * 2020-09-22 2021-01-01 江南大学 一种基于深度学习的3d ct床快速分割方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102324090A (zh) * 2011-09-05 2012-01-18 东软集团股份有限公司 一种从cta图像中去除扫描床的方法及装置
CN103784158A (zh) * 2012-10-29 2014-05-14 株式会社日立医疗器械 Ct 装置及ct 图像生成方法
CN103886621A (zh) * 2012-11-14 2014-06-25 上海联影医疗科技有限公司 一种自动提取床板的方法
CN104240198A (zh) * 2014-08-29 2014-12-24 西安华海盈泰医疗信息技术有限公司 一种ct图像中床板的去除方法及系统
CN104463840A (zh) * 2014-09-29 2015-03-25 北京理工大学 基于pet/ct影像的发热待查计算机辅助诊断方法
CN105976339A (zh) * 2016-05-11 2016-09-28 妙智科技（深圳）有限公司 一种基于高斯模型自动去除ct图像中床板的方法及装置
CN105931251A (zh) * 2016-05-12 2016-09-07 中国科学院深圳先进技术研究院 一种ct图像扫描床去除方法及装置
CN109087296A (zh) * 2018-08-07 2018-12-25 东北大学 一种提取ct图像中人体区域的方法
CN110610497A (zh) * 2019-08-05 2019-12-24 汉世伟食品集团有限公司 一种基于ct图像处理的活体猪胴体组织含量测定方法
CN111127475A (zh) * 2019-12-04 2020-05-08 上海联影智能医疗科技有限公司 Ct扫描图像处理方法、系统、可读存储介质和设备
CN111513745A (zh) * 2020-04-21 2020-08-11 南通大学 一种用于高危环境下的智能化无接触ct体位识别装置
CN112164073A (zh) * 2020-09-22 2021-01-01 江南大学 一种基于深度神经网络的影像三维组织分割与测定方法
CN112164074A (zh) * 2020-09-22 2021-01-01 江南大学 一种基于深度学习的3d ct床快速分割方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
从CT图像中自动分割出肺部区域的算法研究;吴龙海;周荷琴;张鹿;李传富;;航天医学与医学工程(第05期);全文 *
基于图像配准的CT定位像床板影校正;张力新;安会霞;林旻;邢占峰;曹玉珍;;天津大学学报(第11期);全文 *
基于多阈值分割和B样条插值的CT图像金属伪影去除方法研究;李长春;李元金;;电子测量与仪器学报(第07期);全文 *
多阈值和标记分水岭相融合的肺部CT图像分割方法;肖雪;龚恒;陈钟;激光杂志(第009期);全文 *
梁晓坤 ; 张志诚 ; 陈思宇 ; 谢耀钦.基于L0范数平滑和图像分割的CT图像阴影校正技术研究.集成技术.2017,(第002期),全文. *

Also Published As

Publication number Publication date
CN113077474A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
US11935654B2 (en) Systems and methods for image processing
CN107798682B (zh) 图像分割系统、方法、装置和计算机可读存储介质
US10692272B2 (en) System and method for removing voxel image data from being rendered according to a cutting region
CN111462020B (zh) 心脏图像的运动伪影校正方法、系统、存储介质和设备
CN109060849B (zh) 一种确定辐射剂量调制线的方法、系统和装置
US9600890B2 (en) Image segmentation apparatus, medical image device and image segmentation method
CN109712217B (zh) 一种医学图像可视化方法和系统
Wang et al. Automated segmentation of CBCT image using spiral CT atlases and convex optimization
US11813103B2 (en) Methods and systems for modulating radiation dose
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
CN112001979B (zh) 运动伪影处理方法、系统、可读存储介质和设备
CN115100066A (zh) 图像重建方法及装置
US12073508B2 (en) System and method for image processing
CN111127475A (zh) Ct扫描图像处理方法、系统、可读存储介质和设备
CN113077474B (zh) 基于ct影像的床板去除方法、系统、电子设备及存储介质
CN115601811A (zh) 面部痤疮的检测方法和装置
CN111462139A (zh) 医学图像显示方法、装置、计算机设备和可读存储介质
CN109077746B (zh) 一种确定辐射剂量调制线的方法、系统和装置
CN111243082A (zh) 获得数字影像重建图像的方法、系统、装置及存储介质
CN110084866B (zh) 一种计算机断层成像方法和装置
CN115147360B (zh) 一种斑块分割方法、装置、电子设备及可读存储介质
CN112767314B (zh) 医学图像处理方法、装置、设备及存储介质
CN110766686B (zh) Ct投影数据处理方法、系统、可读存储介质和设备
CN114913191A (zh) Pet图像分析方法、装置、计算机设备和存储介质
CN109363695B (zh) 一种成像方法和系统

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240731

Address after: No. 1012, 20th Floor, No.1 Huangpu Road, Ganjingzi District, Dalian City, Liaoning Province 116000

Patentee after: Xiaorui Medical Technology (Dalian) Co.,Ltd.

Country or region after: China

Address before: 116023 403-404A, 3, 5 East Road, software park, Dalian hi tech Industrial Park, Liaoning

Patentee before: SENYINT INTERNATIONAL DIGITAL MEDICAL SYSTEM (DALIAN) Co.,Ltd.

Country or region before: China