CN113160417B - 一种基于泌尿系统的多器官三维重建控制方法 - Google Patents
一种基于泌尿系统的多器官三维重建控制方法 Download PDFInfo
- Publication number
- CN113160417B CN113160417B CN202110392993.1A CN202110392993A CN113160417B CN 113160417 B CN113160417 B CN 113160417B CN 202110392993 A CN202110392993 A CN 202110392993A CN 113160417 B CN113160417 B CN 113160417B
- Authority
- CN
- China
- Prior art keywords
- urinary system
- vertex
- contour line
- adjacent
- dimensional reconstruction
- 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
- 230000002485 urinary effect Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000009877 rendering Methods 0.000 claims abstract description 14
- 238000009499 grossing Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 3
- 210000000056 organ Anatomy 0.000 abstract description 15
- 230000000694 effects Effects 0.000 abstract description 7
- 230000001788 irregular Effects 0.000 abstract description 7
- 206010028980 Neoplasm Diseases 0.000 abstract description 2
- 210000001625 seminal vesicle Anatomy 0.000 abstract description 2
- 201000010653 vesiculitis Diseases 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 7
- 238000002595 magnetic resonance imaging Methods 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 238000002372 labelling Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Generation (AREA)
Abstract
本发明涉及一种基于泌尿系统的多器官三维重建控制方法,具体包括以下步骤:S1、获取泌尿系统医学影像,经分割处理后得到标注数据文件;S2、根据标注数据文件,通过基于深度优先遍历和轮廓线插值的面绘制算法,生成泌尿系统医学影像的三角面片网格模型;S3、通过基于距离加权和线性插值的拉普拉斯网格平滑算法,对三角面片网格模型进行多次迭代优化;S4、根据优化后的三角面片网格模型,通过纹理映射算法渲染出泌尿系统医学影像的三维重建模型。与现有技术相比,本发明具有有效解决泌尿系统中精囊和肿瘤器官不规则形状及多区域而无法插值的问题、更好地消除三维重建模型表面的鳞状效应等优点。
Description
技术领域
本发明涉及三维器官重建技术领域,尤其是涉及一种基于泌尿系统的多器官三维重建控制方法。
背景技术
目前,为实现三维器官的可视化,研究者开发出较多的医学图像处理工具包,其中以VTK+ITK和MITK最为常见。它们能将大脑皮层、脚踝、肺实质、血管、心脏等CT、MRI影像经面绘制或体绘制渲染出三维器官模型,重建效果不错,但对具有复杂不规则形状的多器官重建工作却很少涉及。而像泌尿系统等人体部位中的部分器官具有不规则复杂的形状以及现有VTK可视化技术重建的器官存在鳞状效应,这都为多器官精细三维重建及交互带来了挑战。
发明内容
本发明的目的就是为了克服上述现有技术存在的无法对存在不规则形状的器官进行有效处理、重建器官中存在的鳞状效应的缺陷而提供一种基于泌尿系统的多器官三维重建控制方法。
本发明的目的可以通过以下技术方案来实现:
一种基于泌尿系统的多器官三维重建控制方法,具体包括以下步骤:
S1、获取泌尿系统医学影像,经分割处理后得到标注数据文件;
S2、根据所述标注数据文件,通过基于深度优先遍历和轮廓线插值的面绘制算法,生成泌尿系统医学影像的三角面片网格模型;
S3、通过基于距离加权和线性插值的拉普拉斯网格平滑算法,对所述三角面片网格模型进行多次迭代优化;
S4、根据优化后的三角面片网格模型,通过纹理映射算法渲染出泌尿系统医学影像的三维重建模型。
所述泌尿系统医学影像具体为泌尿系统的MRI影像,所述标注数据文件具体为NIFTI标注数据文件。
所述步骤S4中通过Unity3D平台中的纹理映射算法渲染出泌尿系统医学影像的三维重建模型。
所述步骤S2中基于深度优先遍历和轮廓线插值的面绘制算法具体包括以下步骤:
S201、获取标注数据文件中相邻两张待插值的二值断层图像,提取所述二值断层图像中的边缘轮廓线;
S202、分别计算两张所述二值断层图像所对应的边缘轮廓线的质心坐标;
S203、将所述质心坐标作为圆心将二值断层图像划分成四个象限,每个象限中分别匹配相应的边缘轮廓线;
S204、对每个象限的边缘轮廓线进行深度优先遍历,去除孤立点,筛选出一条最长的边缘轮廓线作为该象限的最佳轮廓线;
S205、根据所述最佳轮廓线的端点值、中心点值和两张二值断层图像之间需要内插的层数,通过匹配函数进行递归计算,得到每层内的内插轮廓线;
S206、通过二次插值法填充所述内插轮廓线和最佳轮廓线的轮廓点,再通过基于中值法改进的Marching Cubes算法进行面绘制,得到三角面片网格模型。
进一步地,所述NIFTI标注数据文件的格式头文件pixdim体素维度字段中保留的相邻断层的层间间隔以及每个断层的厚度值,以此计算得到相邻二值断层图像之间需要内插的层数。
进一步地,所述质心坐标的计算公式如下所示:
其中,(x0,y0)为质心坐标,N为边缘轮廓线上像素点的个数,(xi,yi)为边缘轮廓线上像素点的坐标。
所述步骤S3中基于距离加权和线性插值的拉普拉斯网格平滑算法具体包括以下步骤:
S301、获取三角面片网格模型的等值面中的目标顶点,计算所述目标顶点的邻接点集及邻接顶点的数量;
S302、分别计算邻接点集中每个邻接顶点与目标顶点的间距;
S303、根据邻接顶点与目标顶点的间距,分别计算每个邻接顶点的权重,根据所述权重计算目标顶点与邻接顶点之间内插点的坐标;
S304、根据所述目标顶点与邻接顶点之间内插点的坐标,通过伞状算子更新目标顶点的坐标;
S305、遍历等值面中所有的目标顶点,重复步骤S301~S304,计算得到所有目标顶点的更新位置,完成一次三角面片网格模型的平滑优化。
所述邻接顶点与目标顶点的间距具体为邻接顶点与目标顶点的欧氏距离。
进一步地,所述邻接顶点的权重的计算公式如下所示:
其中,n为邻接顶点的数量,wi为第i个邻接顶点的权重,di为第i个邻接顶点与目标顶点的欧氏距离。
进一步地,所述内插点的坐标的计算公式如下所示:
qi=wip+(1-wi)ji
其中,qi为第i个内插点的坐标值,p为目标顶点的坐标值,ji为第i个邻接顶点的坐标值。
进一步地,所述伞状算子的坐标更新公式如下所示:
其中,U(p)为目标顶点经伞状算子更新后的坐标值。
与现有技术相比,本发明具有以下有益效果:
1.本发明通过深度优先遍历轮廓线插值的面绘制算法,解决了现有基于轮廓线插值的局限,可应用于不规则形状的线性插值,有效解决了泌尿系统中精囊和肿瘤器官不规则形状及多区域而无法插值的问题,扩宽了三维重建模型的适用范围。
2.本发明通过基于距离加权和线性插值的拉普拉斯平滑算法,引入原目标顶点的位置信息,根据距离加权的策略更新目标顶点的坐标,能够更好地消除三维重建模型表面的鳞状效应,提高了泌尿系统多器官的三维重建模型的准确性。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
如图1所示,一种基于泌尿系统的多器官三维重建控制方法,能反映器官真实结构,重建后的三维曲面更加平滑,包括数据预处理、面绘制、网格平滑、Unity3D模型渲染共4个阶段,具体包括以下步骤:
S1、获取泌尿系统医学影像,经分割处理后得到标注数据文件;
S2、根据标注数据文件,通过基于深度优先遍历和轮廓线插值的面绘制算法,生成泌尿系统医学影像的三角面片网格模型;
S3、通过基于距离加权和线性插值的拉普拉斯网格平滑算法,对三角面片网格模型进行多次迭代优化;
S4、根据优化后的三角面片网格模型,通过纹理映射算法渲染出泌尿系统医学影像的三维重建模型。
泌尿系统医学影像具体为泌尿系统的MRI影像,标注数据文件具体为NIFTI标注数据文件。
步骤S4中通过Unity3D平台中的纹理映射算法渲染出泌尿系统医学影像的三维重建模型。
步骤S2中基于深度优先遍历和轮廓线插值的面绘制算法具体包括以下步骤:
S201、获取标注数据文件中相邻两张待插值的二值断层图像,起始图像记为S,另一记为T,S与T之间需要内插的层数记为M,第i层内插结果记为Ri,i∈[1,M],提取二值断层图像中的边缘轮廓线;
S202、分别计算两张二值断层图像所对应的边缘轮廓线的质心坐标;
S203、将质心坐标作为圆心将二值断层图像划分成四个象限,每个象限中分别匹配相应的边缘轮廓线;
S204、对每个象限的边缘轮廓线进行深度优先遍历,去除孤立点,筛选出一条最长的边缘轮廓线作为该象限的最佳轮廓线;
S205、在每个象限中,将S中的最佳轮廓线的两端分别记为S0和E0,中心点为M0;T中的最佳轮廓线的两端分别记为S2和E2,中心点为M2,通过匹配函数interpolation(S0,S2,E0,E2,i,M)进行递归计算,得到每层内的内插轮廓线;
S206、通过二次插值法填充内插轮廓线和最佳轮廓线的轮廓点,再通过基于中值法改进的Marching Cubes算法进行面绘制,得到三角面片网格模型。
本实施例中,调用NiBabel包将NIFTI标注数据文件转换成png格式的二值断层图像序列。
本实施例中,调用COCO数据集来进行标注数据文件到png格式的格式转换,其中使用binary_mask_to_polygon函数以list的数据结构提取二值断层图像的边缘轮廓线。
步骤S205具体包括以下步骤:
S2051、判断两条最佳轮廓线是否均有中心点,若是则计算M0和M2的坐标,否则仅对端点计算内插值并逐级返回;
S2052、将S0与S2、M0与M2、E0与E2分别作为一对匹配点,利用线性插值计算内插的对应像素点S1、M1、E1;
S2053、递归计算interpolation(S0,S2,M0,M2,i,M);
S2054、递归计算interpolation(M0,M2,E0,E2,i,M)。
NIFTI标注数据文件的格式头文件pixdim体素维度字段中保留的相邻断层的层间间隔以及每个断层的厚度值,以此计算得到相邻二值断层图像之间需要内插的层数。
质心坐标的计算公式如下所示:
其中,(x0,y0)为质心坐标,N为边缘轮廓线上像素点的个数,(xi,yi)为边缘轮廓线上像素点的坐标。
步骤S3中基于距离加权和线性插值的拉普拉斯网格平滑算法具体包括以下步骤:
S301、获取三角面片网格模型的等值面中的目标顶点,计算目标顶点的邻接点集及邻接顶点的数量;
S302、分别计算邻接点集中每个邻接顶点与目标顶点的间距;
S303、根据邻接顶点与目标顶点的间距,分别计算每个邻接顶点的权重,根据权重计算目标顶点与邻接顶点之间内插点的坐标;
S304、根据目标顶点与邻接顶点之间内插点的坐标,通过伞状算子更新目标顶点的坐标;
S305、遍历等值面中所有的目标顶点,重复步骤S301~S304,计算得到所有目标顶点的更新位置,完成一次三角面片网格模型的平滑优化。
邻接顶点与目标顶点的间距具体为邻接顶点与目标顶点的欧氏距离。
邻接顶点的权重的计算公式如下所示:
其中,n为邻接顶点的数量,wi为第i个邻接顶点的权重,di为第i个邻接顶点与目标顶点的欧氏距离。
内插点的坐标的计算公式如下所示:
qi=wip+(1-wi)ji
其中,qi为第i个内插点的坐标值,p为目标顶点的坐标值,ji为第i个邻接顶点的坐标值。
伞状算子的坐标更新公式如下所示:
其中,U(p)为目标顶点经伞状算子更新后的坐标值。
本实施例中,目标数据集采用prostate数据库中的103病例,在拉普拉斯平滑算法的基础上,利用基于距离加权和线性插值的网格平滑算法进行10次迭代优化。该算法结合原顶点p的位置信息,并引入加权策略,根据内插点的位置信息计算伞状算子,使得平滑结果更真实曲面化,最终使得三维器官重建的鳞状效应明显减少。
在MITK交互式医学图像处理平台上利用Volume Visualization插件对泌尿系统MRI影像进行三维可视化,其中共有3种渲染模式:Default、RayCast、GPU。但MITK对具有不规则多器官的泌尿系统无法较好地重建出正确的可视化结果。因此,要想实现泌尿系统MRI影像的三维可视化,单单依靠MITK医学图像处理平台是无法完成预期效果的。在分析可视化工具包VTK和医学图像DICOM文件基础上,对具有多器官泌尿系统标注数据基于面绘制算法进行三维重建,并进行1000次的迭代优化。但是基于VTK实现的泌尿系统面绘制重建结果即便经过1000次迭代优化仍存在鳞状效应,平面化严重,无法真实还原泌尿系统的三维表面。而本发明实现的结果仅经过10次改进后的网格平滑算法迭代优化,就能更真实地反映器官真实信息,使三维曲面更加平滑。
此外,需要说明的是,本说明书中所描述的具体实施例,所取名称可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等小变化或者简单变化,均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种基于泌尿系统的多器官三维重建控制方法,其特征在于,具体包括以下步骤:
S1、获取泌尿系统医学影像,经分割处理后得到标注数据文件;
S2、根据所述标注数据文件,通过基于深度优先遍历和轮廓线插值的面绘制算法,生成泌尿系统医学影像的三角面片网格模型;
S3、通过基于距离加权和线性插值的拉普拉斯网格平滑算法,对所述三角面片网格模型进行多次迭代优化;
S4、根据优化后的三角面片网格模型,通过纹理映射算法渲染出泌尿系统医学影像的三维重建模型;
所述步骤S3中基于距离加权和线性插值的拉普拉斯网格平滑算法具体包括以下步骤:
S301、获取三角面片网格模型的等值面中的目标顶点,计算所述目标顶点的邻接点集及邻接顶点的数量;
S302、分别计算邻接点集中每个邻接顶点与目标顶点的间距;
S303、根据邻接顶点与目标顶点的间距,分别计算每个邻接顶点的权重,根据所述权重计算目标顶点与邻接顶点之间内插点的坐标;
S304、根据所述目标顶点与邻接顶点之间内插点的坐标,通过伞状算子更新目标顶点的坐标;
S305、遍历等值面中所有的目标顶点,重复步骤S301~S304,计算得到所有目标顶点的更新位置,完成一次三角面片网格模型的平滑优化。
2.根据权利要求1所述的一种基于泌尿系统的多器官三维重建控制方法,其特征在于,所述泌尿系统医学影像具体为泌尿系统的MRI影像,所述标注数据文件具体为NIFTI标注数据文件。
3.根据权利要求1所述的一种基于泌尿系统的多器官三维重建控制方法,其特征在于,所述步骤S4中通过Unity3D平台中的纹理映射算法渲染出泌尿系统医学影像的三维重建模型。
4.根据权利要求1所述的一种基于泌尿系统的多器官三维重建控制方法,其特征在于,所述步骤S2中基于深度优先遍历和轮廓线插值的面绘制算法具体包括以下步骤:
S201、获取标注数据文件中相邻两张待插值的二值断层图像,提取所述二值断层图像中的边缘轮廓线;
S202、分别计算两张所述二值断层图像所对应的边缘轮廓线的质心坐标;
S203、将所述质心坐标作为圆心将二值断层图像划分成四个象限,每个象限中分别匹配相应的边缘轮廓线;
S204、对每个象限的边缘轮廓线进行深度优先遍历,去除孤立点,筛选出一条最长的边缘轮廓线作为该象限的最佳轮廓线;
S205、根据所述最佳轮廓线的端点值、中心点值和两张二值断层图像之间需要内插的层数,通过匹配函数进行递归计算,得到每层内的内插轮廓线;
S206、通过二次插值法填充所述内插轮廓线和最佳轮廓线的轮廓点,再通过基于中值法改进的Marching Cubes算法进行面绘制,得到三角面片网格模型。
6.根据权利要求1所述的一种基于泌尿系统的多器官三维重建控制方法,其特征在于,所述邻接顶点与目标顶点的间距具体为邻接顶点与目标顶点的欧氏距离。
8.根据权利要求7所述的一种基于泌尿系统的多器官三维重建控制方法,其特征在于,所述内插点的坐标的计算公式如下所示:
qi=wip+(1-wi)ji
其中,qi为第i个内插点的坐标值,p为目标顶点的坐标值,ji为第i个邻接顶点的坐标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110392993.1A CN113160417B (zh) | 2021-04-13 | 2021-04-13 | 一种基于泌尿系统的多器官三维重建控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110392993.1A CN113160417B (zh) | 2021-04-13 | 2021-04-13 | 一种基于泌尿系统的多器官三维重建控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160417A CN113160417A (zh) | 2021-07-23 |
CN113160417B true CN113160417B (zh) | 2022-08-05 |
Family
ID=76890125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110392993.1A Active CN113160417B (zh) | 2021-04-13 | 2021-04-13 | 一种基于泌尿系统的多器官三维重建控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160417B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116110597B (zh) * | 2023-01-30 | 2024-03-22 | 深圳市平行维度科技有限公司 | 一种基于数字孪生的患者病症类别智能分析方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109998709A (zh) * | 2019-04-15 | 2019-07-12 | 杭州美齐科技有限公司 | 一种基于牙齿特征点的牙齿倒凹自动填充打印方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6226542B1 (en) * | 1998-07-24 | 2001-05-01 | Biosense, Inc. | Three-dimensional reconstruction of intrabody organs |
US6987511B2 (en) * | 2002-10-17 | 2006-01-17 | International Business Machines Corporation | Linear anisotrophic mesh filtering |
JP4590256B2 (ja) * | 2004-05-20 | 2010-12-01 | 富士フイルム株式会社 | 超音波撮像装置、超音波画像処理方法、及び、超音波画像処理プログラム |
US9460241B2 (en) * | 2012-01-30 | 2016-10-04 | The United States Of America, As Represented By The Secretary Of The Navy | System and method for nesting a nonhydrostatic model in a hydrostatic model |
CN106408648A (zh) * | 2015-08-03 | 2017-02-15 | 青岛海信医疗设备股份有限公司 | 一种医学组织的切片图像三维重建的方法及设备 |
US10282888B2 (en) * | 2016-01-28 | 2019-05-07 | Biosense Webster (Israel) Ltd. | High definition coloring of heart chambers |
CN109410335A (zh) * | 2018-09-21 | 2019-03-01 | 浙江理工大学 | 一种基于可复用拉普拉斯矩阵的高效网格融合方法 |
-
2021
- 2021-04-13 CN CN202110392993.1A patent/CN113160417B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109998709A (zh) * | 2019-04-15 | 2019-07-12 | 杭州美齐科技有限公司 | 一种基于牙齿特征点的牙齿倒凹自动填充打印方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113160417A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5584441B2 (ja) | ボリュームデータ間の対応付け方法 | |
CN113112609A (zh) | 一种面向肺部活检支气管镜的导航方法和系统 | |
CN109285225B (zh) | 一种基于医学影像的虚拟现实辅助手术的建立方法 | |
CN112258514B (zh) | 一种ct影像肺血管的分割方法 | |
CN111275712B (zh) | 一种面向大尺度图像数据的残差语义网络训练方法 | |
CN112614169B (zh) | 基于深度学习网络的2d/3d脊椎ct层级配准方法 | |
CN112991365B (zh) | 一种冠状动脉分割方法、系统及存储介质 | |
CN112802193B (zh) | 一种基于mc-t算法的ct图像三维重建方法 | |
CN107154038A (zh) | 一种肋骨可视化的肋骨骨折辅助诊断方法 | |
CN109191510B (zh) | 一种病理切片的3d重建方法及其装置 | |
CN115830016B (zh) | 医学图像配准模型训练方法及设备 | |
CN113160417B (zh) | 一种基于泌尿系统的多器官三维重建控制方法 | |
Liu et al. | 3-D prostate MR and TRUS images detection and segmentation for puncture biopsy | |
Hastreiter et al. | Registration techniques for the analysis of the brain shift in neurosurgery | |
CN111127488B (zh) | 一种基于统计形状模型自动构建患者解剖结构模型的方法 | |
EP3651115B1 (en) | Liver segmentation method and apparatus | |
CN111105476B (zh) | 一种基于Marching Cubes的CT图像三维重建方法 | |
CN116051553B (zh) | 一种在三维医学模型内部进行标记的方法和装置 | |
CN117152173A (zh) | 一种基于DUNetR模型的冠状动脉分割方法和系统 | |
WO2022183851A1 (zh) | 一种基于数字人技术的肺叶分割方法 | |
CN116797519A (zh) | 脑胶质瘤分割和三维可视化模型训练方法及系统 | |
CN115294264A (zh) | 一种骨科手术导板设计方法 | |
CN114596286A (zh) | 图像分割方法、系统、装置和存储介质 | |
CN111145353B (zh) | 通过图像分割和网格特征点提取算法生成3d点云的方法 | |
CN114782504A (zh) | 一种组织器官图像空间配准方法 |
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 |