CN113538606A - 图像关联方法、联动显示方法及相关产品 - Google Patents

图像关联方法、联动显示方法及相关产品 Download PDF

Info

Publication number
CN113538606A
CN113538606A CN202110941770.6A CN202110941770A CN113538606A CN 113538606 A CN113538606 A CN 113538606A CN 202110941770 A CN202110941770 A CN 202110941770A CN 113538606 A CN113538606 A CN 113538606A
Authority
CN
China
Prior art keywords
image
voxel
coding
images
points
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
Application number
CN202110941770.6A
Other languages
English (en)
Other versions
CN113538606B (zh
Inventor
肖月庭
阳光
郑超
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.)
Shukun Shenzhen Intelligent Network Technology Co ltd
Original Assignee
Shukun Beijing Network Technology 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 Shukun Beijing Network Technology Co Ltd filed Critical Shukun Beijing Network Technology Co Ltd
Priority to CN202110941770.6A priority Critical patent/CN113538606B/zh
Publication of CN113538606A publication Critical patent/CN113538606A/zh
Application granted granted Critical
Publication of CN113538606B publication Critical patent/CN113538606B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00Image coding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/20ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本申请实施例公开了一种图像关联方法、联动显示方法及相关产品,其中,图像关联方法包括:获取多个图像;对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息;根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。本申请实施例可以通过对体素点进行编码,实现图像之间的自动关联,提高查阅相关联图像的便利性。

Description

图像关联方法、联动显示方法及相关产品
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像关联方法、联动显示方法及相关产品。
背景技术
随着医疗诊断对准确性和效率的要求,医学图像的数量和类型(CT图像、MR图像、超声图像等等)逐渐增多,各种医疗图像被广泛地应用于各个医疗临床检查领域。
目前,得到受检者的医疗图像后,默认的图像的显示方式为按照图像序列依次显示受检者的医疗图像,当医生想要查看与某张图像关联的其他图像时,需要先寻找关联的图像,然后手动调整使得关联的图像显示出来,使得医生无法方便地查阅相关联的图像。
发明内容
本申请实施例提供一种图像关联方法、联动显示方法及相关产品,能够提高查阅相关联图像的便利性。
本申请实施例提供一种图像关联方法,其中,图像关联方法包括:
获取多个图像;
对于每一图像,确定所述图像中的体素点,并对所述图像中的体素点进行编码,得到各体素点的编码信息;
根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。
本申请实施例还提供一种关联显示方法,其中,关联显示方法包括:
在显示图像时,若所述图像的显示位置发生更新,则根据所述图像与其他图像的体素点之间的关联关系更新所述其他图像的显示位置,以实现图像之间的联动显示,其中,所述关联关系为使用本申请实施例提供的任一种图像关联方法建立的关联关系。
本申请实施例还提供一种图像关联装置,其中,图像关联装置包括:
获取模块,用于获取多个图像;
编码模块,用于对于每一图像,确定所述图像中的体素点,并对所述图像中的体素点进行编码,得到各体素点的编码信息;
关联模块,用于根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。
本申请实施例还提供一种联动显示装置,其中,联动显示装置包括:
联动显示模块,用于在显示图像时,若所述图像的显示位置发生更新,则根据所述图像与其他图像的体素点之间的关联关系更新所述其他图像的显示位置,以实现图像之间的联动显示,其中,所述关联关系为使用本申请实施例提供的任一种图像关联方法建立的关联关系。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行以实现本申请实施例提供的任一种图像关联方法或联动显示方法中的步骤。
本申请实施例还提供一种电子设备,电子设备包括处理器、存储器以及存储于存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序以实现本申请实施例提供的任一种图像关联方法或联动显示方法中的步骤。
本申请实施例中,首先获取多个图像;对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息;然后根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。本申请实施例可以通过对体素点进行编码,实现图像之间的自动关联,提高查阅相关联图像的便利性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的图像关联方法的第一种流程示意图。
图2为本申请实施例提供的图像关联的第一示意图。
图3为本申请实施例提供的图像关联的第二示意图。
图4为本申请实施例提供的第一种编码示意图。
图5为本申请实施例提供的第二种编码示意图。
图6为本申请实施例提供的图像关联的第三示意图。
图7为本申请实施例提供的图像关联方法的第二种流程示意图。
图8为本申请实施例提供的编码顺序的示意图。
图9为本申请实施例提供的联动显示方法的第一种流程示意图。
图10为本申请实施例提供的联动显示方法的第二种流程示意图。
图11为本申请实施例提供的图像关联装置的第一种结构示意图。
图12为本申请实施例提供的图像关联装置的第一种结构示意图。
图13为本申请实施例提供的联动显示装置的第一种结构示意图。
图14为本申请实施例提供的联动显示装置的第一种结构示意图。
图15为本申请实施例提供的电子设备的第一种结构示意图。
图16为本申请实施例提供的电子设备的第二种结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有付出创造性劳动前提下所获得的的所有实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书以及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应当理解,这样描述的对象在适当情况下可以互换。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤的过程、方法或包含了一系列模块或单元的装置、终端、系统不必限于清楚地列出的那些步骤或模块和单元,还可以包括没有清楚地列出的步骤或模块或单元,也可以包括对于这些过程、方法、装置、终端或系统固有的其它步骤或模块或单元。
本申请实施例首先提供一种图像关联方法。该图像关联方法的执行主体可以是本申请实施例提供的图像关联装置,或者集成了该图像关联装置的电子设备,该图像关联装置可以采用硬件或者软件的方式实现,电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等配置有处理器而具有处理能力的设备。
请参照图1,图1为本申请实施例提供的图像关联方法的流程示意图。本申请实施例提供的图像关联方法可以包括以下步骤:
110、获取多个图像。
多个图像可以包括不同类型的图像、不同形变的图像、不同角度的图像、不同分辨率的图像和/或不同序列的图像等。其中,不同类型的图像可以包括CT(ComputedTomography,电子计算机断层扫描)图像、MR(Magnetic Resonance,磁共振)图像、超声图像等,不同形变的图像可以包括彼此之间通过形变或者几何变换得到的图像,不同角度的图像可以包括使用不同角度拍摄相同对象得到的图像,不同分辨率的图像可以包括通过调整分辨率得到的图像,不同序列的图像可以包括采用CTA(CT abgiography,CT血管成像)、CTP(CT perfusion,CT灌注扫描)、MR等手段获取的图像中不同序列的图像。获取多个图像的方式包括但不限于通过摄像头拍摄、从网络上下载、或者通过合成得到,等等。
任意两个图像中可以包括相同的拍摄对象,也可以包括不同的拍摄对象,也可以既包括相同的拍摄对象,又包括不同的拍摄对象。例如,获取的多个图像可以包括不同类型的医学图像,由于拍摄方式和拍摄角度、放大比例等不同,获取的多个图像中,图像1中包括1号生理组织和2号生理组织,图像2中包括2号生理组织和3号生理组织,而图像3中仅包含3号生理组织。需要说明的是,本申请实施例全文所指的生理组织,均可以包括病灶(发生病变的生理组织),此后不再赘述。
在一实施例中,患者前来就诊,上述图像1、图像2和图像3为通过各项检测后获取到的图像,其中2号生理组织和3号生理组织中存在病灶。医生在观察患者的医学图像时,希望对所有包含2号生理组织和3号生理组织的医学图像进行观察,以确定患者的患病情况。
本申请实施例中,可以将图像1和图像2中的2号生理组织进行关联,将图像2和图像3中的3号生理组织进行关联,医生在观察2号生理组织时,可以同时观察到图像1和图像2中的2号生理组织,在观察3号生理组织时,可以同时观察到图像2和图像3中的3号生理组织,免去一张张查阅图像的不便。下面介绍在不同图像间建立关联的方式。
120、对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息。
本申请实施例中,可以通过编码的方式在不同图像之间建立关联。获取的多个图像中,每个图像都包含多个体素点。为通过编码实现不同图像间的关联,可以先确定出每个图像中的体素点,对每个图像中的体素点进行编码。
在为图像的体素点进行编码时,任意图像可以采取任意的预设编码策略实现编码。其中,预设编码策略中包含对体素点进行编码所采取的一系列措施,例如如何选择编码起始点、采用怎样的编码顺序进行编码,等等。
其中,在采用预设编码策略对图像中的体素点进行编码,得到各体素点的编码信息时,可以采用以下任意一种方式:
将图像中的所有体素点确定为待编码体素点;根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息;或者
确定出图像中的目标区域;将目标区域中包含的体素点确定为待编码体素点;根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息;或者
确定出图像中的目标区域;将目标区域划分为多个目标子区域;对于每一目标子区域,将目标子区域中包含的体素点确定为待编码体素点;根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息。
在一实施例中,采用上述任意一种方式进行编码时,根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码时,编码策略可以采用以下任意一种:
(1)确定出待编码体素点中的编码起始点;从编码起始点开始,根据预设编码顺序对待编码像素点进行编码,得到待编码体素点的编码信息。
请参阅图2,图2为本申请实施例提供的图像关联的第一示意图。图2中的两张图像是同一生理组织不同角度的医学图像,其中图2(a)为正面拍摄的图像,图2(b)为侧面拍摄的图像,图中黑点指示该生理组织中包含的病灶。如图2所示,在对图2(a)和图2(b)中所示的矩形目标区域(图中数字1~8所在区域)进行编码时,首先确定编码起始点(数字1所在位置),然后从编码起始点开始,根据预设编码顺序对待编码体素点进行编码,得到编码信息。由于图2(a)和图2(b)采用了相同的编码策略,其中起始点确定方式、编码顺序等均相同,因而,在图2(a)和图2(b)中均得到编码信息1~8。
(2)从待编码体素点中确定出关键体素点和次关键体素点;根据预设编码顺序对关键体素点进行编码,得到关键体素点的编码信息;根据关键体素点的编码信息,对次关键体素点进行编码,得到次关键体素点的编码信息。
在对某个图像、目标区域或目标子区域进行编码时,可以首先从待编码体素点中确定出关键体素点和次关键体素点。
确定出关键体素点后,根据预设编码顺序对关键体素点进行编码,得到关键体素点的编码信息,然后,再根据关键体素点的编码信息,对次关键体素点进行编码,得到次关键点的编码信息。其中,该次关键点可以根据关键点确定。例如,若将冠脉的关键分叉点确定为关键体素点,则可以将冠脉的其他分叉点确定为次关键点。
请参阅图3,图3为本申请实施例提供的图像关联的第二示意图。如图3所示,先从图2(a)和图2(b)中确定出关键体素点,根据预设编码顺序对关键体素点进行编码,得到图中所示“病灶1”、“病灶2”的编码信息,然后,基于已经确定的病灶1的编码信息,可以对病灶中包含的一些次关键体素点进行编码,得到次关键点的编码信息(图中未示出),例如可以为病灶(1,1)、病灶(1,2),病灶(2,1)、病灶(2,2)等。在得到关键体素点和次关键体素点的编码信息后,可选的,还可以根据关键体素点和次关键体素点的编码信息对除关键体素点和次关键体素点以外的其他待编码体素点进行编码,得到其他待编码体素点的编码信息。
在一实施例中,编码信息可以包括编码坐标、编码序号、相对偏差量和/或编码图。
其中,编码坐标为体素点在一定区域(例如整个图像、图像的区域或图像的子区域)中所处的位置坐标,例如,图像中某个体素点的编码信息可以表示为(27,32,22)的编码坐标。
编码序号为按照一定顺序编码得到的有序的数值或数组,例如,图像中所有体素点的编码信息可以表示为1,2,3,…的编码序号。
请参阅图4,图4为本申请实施例提供的第一种编码示意图。相对偏差量可以包括如图4中所示的三种形式:
(a)以一定区域中某个体素点为参考点,区域中任一体素点的相对偏差量为该体素点与该参考点的坐标偏差量。
(b)在一定区域中以多个体素点为参考点,每个体素点的相对偏差量为该体素点与其对应子区域中的参考点的坐标偏差量。
(c)以预设的参考模板为参照,一定区域中任一体素点的相对偏差量为该体素点与参考模板中对应体素点的坐标偏差量。
请继续参阅图5,图5为本申请实施例提供的第二种编码示意图。编码得到的编码图如图5所示。编码图中包含若干编码数值,以N*N个体素点作为一编码单元(N为正整数),编码图中的一个编码数值代表一个编码单元的灰度。例如,用0和1对图像中的编码单元进行编码,每个编码单元均用0或1表示,实现了图像到数字的转换,所有编码单元的编码数值组成空间灰度编码,得到如图5所示的编码图。
虽然图5中没有示出,但是对各编码单元进行空间灰度编码的方式不限于0和1,也可以用0、63、127、191、255等对各编码单元进行编码。其中0、63、127、191、255等分别代表不同等级的灰度。
在一实施例中,编码得到的编码信息可以包括一维编码信息、二维编码信息和/或三维编码信息,其中,一维编码信息可以记为1,2,3……,二维编码信息可以记为(1,1),(1,2),(1,3)……,三维编码信息可以记为(1,1,1),(1,1,2),(1,1,3)……
以二维编码信息为例,采取第一种编码策略得到的编码信息可以依次记为(1,1)、(1,2)、(1,3)……,采取第二种编码策略得到的编码信息可以依次记为(2,1)、(2,2)、(2,3)……,以此类推,一维编码信息和三维编码信息同理。
需要说明的是,本申请实施例在编码时,采用的编码策略中,编码对象、编码方式、起始点确定方式、编码顺序等均不限于上述举例。当编码时的编码对象、编码方式、起始点确定方式、编码顺序等均相同时,可视为采取了同一编码策略。
130、根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。
由于存在以上多种编码方式,每种编码方式中又可以采取多种编码策略,因而,在对多个图像进行编码时,不同图像采取的编码策略可以不同,同一图像的不同目标区域采取的编码策略也可以不同,同一目标区域的不同目标子区域采取的编码策略也可以不同,这使得多张图像中的编码策略多种多样。既可以在同一图像中采取多种编码策略,也可以在不同图像间采取相同的编码策略。
为建立各图像的体素点之间的关联关系,在一实施例中,可以根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系,例如,可以根据不同图像之间采用同一预设编码策略得到的编码信息建立各图像的体素点之间的关联关系。
例如,在图像A中的目标区域A1中,体素点的编码信息依次为(1,1,1)、(1,1,2)、(1,1,3)……(1,1,56)、(1,1,57),在图像B的目标区域B2中,体素点的编码信息依次为(1,1,1)、(1,1,2)、(1,1,3)……(1,1,56)、(1,1,57)、(1,1,58)。根据体素点编码信息,可以确认这两组编码信息是采用同一预设编码策略得到的。尽管目标区域A1中的编码信息和目标区域B2中的编码信息并不完全一致,但只要是采用统一预设编码策略得到的,都可以在图像A和图像B之间建立起关联关系。进一步的,该关联关系可以是图像A的目标区域A1与图像B的目标区域B2的关联关系。再进一步的,该关联关系也可以是图像A的目标区域A1中编码信息(1,1,1)~(1,1,56)对应的体素点与图像B的目标区域B2中编码信息(1,1,1)~(1,1,56)对应的体素点的关联关系。
请继续参阅图2,图2(a)和图2(b)中采用的编码方式相同,都是确定出待编码体素点中的编码起始点,从编码起始点开始,根据预设编码顺序对待编码像素点进行编码,得到待编码体素点的编码信息,且编码起始点的确定方式也相同。因而,图2(a)和图2(b)中的编码信息可视为采用同一编码策略得到的编码信息,进而,可以根据两张图像中的体素点的编码信息,在这两张图像间建立关联关系,进一步的,两张图像中的相同编码信息指示的体素点之间也可以建立关联关系,例如,图2(a)中编码信息1所在位置与图2(b)中编码信息1所在位置相关联,图2(a)中编码信息2所在位置与图2(b)中编码信息2所在位置相关联,图2(a)中编码信息3所在位置与图2(b)中编码信息3所在位置相关联,以此类推。
请继续参阅图3,图3(a)和图3(b)中采用的编码方式相同,都是从待编码体素点中确定出关键体素点和次关键体素点;根据预设编码顺序对关键体素点进行编码,得到关键体素点的编码信息;根据关键体素点的编码信息,对次关键体素点进行编码,得到次关键体素点的编码信息。且图3(a)和图2(b)中确定出关键体素点和次关键体素点的防水也相同。因而,图3(a)和图3(b)中的编码信息可视为采用同一编码策略得到的编码信息,进而,可以根据两张图像中的体素点的编码信息,在这两张图像间建立关联关系,进一步的,两张图像中的病灶1所在区域之间可以建立关联关系,两张图像中的病灶2所在区域之间也可以建立关联关系。
请继续参阅图6,图6为本申请实施例提供的图像关联的第三示意图。由于可以对图像中的不同目标区域分别编码,因而,在一实施例中,可能存在一张图像中的不同目标区域分别与不同图像相关联的情况。如图6所示,其中图6(a)中对病灶1采用了code1的编码策略,对病灶2采用了code2的编码策略,而图6(b)中包含有同样采用了code1编码策略的病灶1,图6(c)中包含有同样采用了code2编码策略的病灶2。在得到图6(a)、图6(b)和图6(c)的编码信息后,可以根据采用同一编码策略得到的编码信息,将图6(a)中的病灶1与图6(b)中的病灶1关联起来,将图6(a)中的病灶2与图6(c)中的病灶2关联起来,建立图6(a)与图6(b)、图6(a)与图6(c)的关联关系。
根据图6(a)与图6(b)、图6(a)与图6(c)的关联关系,在查阅图6(a)中的病灶1时,图6(b)中的病灶1可以与图6(a)中的病灶1联动显示,在查阅图6(a)中的病灶2时,图6(c)中的病灶2可以与图6(a)中的病灶2联动显示,方便用于查阅。
请继续参阅图7,图7为本申请实施例提供的图像关联方法的第二种流程示意图。该图像关联方法可以包括以下步骤:
210、获取多个图像。
多个图像可以包括不同类型的图像、不同形变的图像、不同角度的图像、不同分辨率的图像和/或不同序列的图像等。
任意两个图像中可以包括相同的拍摄对象,也可以包括不同的拍摄对象,也可以既包括相同的拍摄对象,又包括不同的拍摄对象。
220、对于每一图像,确定图像中的体素点,并采用预设编码策略对图像中的体素点进行编码,得到各体素点的编码信息。
在为图像的体素点进行编码时,任意图像可以采取任意的预设编码策略实现编码。其中,预设编码策略中包含对体素点进行编码所采取的一系列措施,例如如何选择编码起始点、采用怎样的编码顺序进行编码,等等。
其中,在采用预设编码策略对图像中的体素点进行编码,得到各体素点的编码信息时,可以采用以下任意一种方式:
(1)将图像中的所有体素点确定为待编码体素点;根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息。
即,可以将整个图像的体素点当成整体,采取一种预设编码策略对整个图像的体素点进行整体编码。不同的图像可以分别使用不同的编码策略进行整体编码。对于医学图像而言,整体编码的编码策略可以用于整个医学图像中只有一个生理组织的时候,例如,当图像为某生理组织的局部放大图时,可以根据预设编码策略对该图像进行整体编码。
(2)确定出图像中的目标区域;将目标区域中包含的体素点确定为待编码体素点;根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息。
除了对整张图像采取一种整体编码策略外,还可以采取部分编码的方式,先从图像中确定出目标区域,再根据预设编码策略对目标区域包含的体素点进行编码。该目标区域可以是图像中生理组织所在的区域。
在一实施例中,确定出图像中的目标区域的步骤可以包括:将图像输入已训练的分割模型,根据分割模型从图像分割出多个区域,其中每个区域包含多个体素点;将每个区域分别确定为图像中的目标区域。
即,在对同一图像进行编码时,可以首先通过已训练的分割模型分割出图像的不同区域,对图像的不同区域进行分别编码。在对某一区域进行编码时,将该区域确定为目标区域,将该区域中包含的体素点确定为待编码体素点,在对下一区域进行编码时,下一区域则作为目标区域,将该下一区域中包含的体素点确定为待编码体素点。
其中,每个目标区域采取的编码策略可以相同也可以不同,本领域技术人员可以根据需求对同一图像的不同目标区域采取不同的编码策略,从而,同一图像中可以采取一种、两种或者多种编码策略。
在一实施例中,同一图像中采取的编码策略和分割出的区域可以一一对应。例如,在医学图像中,若医学图像同时包含多种生理组织,则可以根据生理组织所在的位置,将每一种生理组织分割为一个区域,对每一种生理组织采取一种编码策略。或者,每种生理组织中可能包括多个同种的生理组织,则也可以将同种生理组织中的每一个生理组织分别分割为一个区域,对每一个生理组织采取一种编码策略,从而得到图像中各体素点的编码信息。
(3)确定出图像中的目标区域;将目标区域划分为多个目标子区域;对于每一目标子区域,将目标子区域中包含的体素点确定为待编码体素点;根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息。
在对目标区域进行编码时,除了上述第(2)种方式中提到的对整个目标区域一起编码外,还可以将目标区域划分为多个目标子区域,对每个目标子区域中包含的体素点分别编码,从而,对各个目标子区域分别进行编码。
其中,每个目标子区域在进行编码时,将该目标子区域中包含的体素点确定为待编码体素点。例如,在对某一目标子区域进行编码时,将该目标子区域中包含的体素点确定为待编码体素点,在对下一目标子区域进行编码时,则将下一目标子区域中包含的体素点确定为待编码体素点。
可以理解的是,在对多个图像的体素点进行编码时,既可以以整个图像为单位进行编码,也可以为图像中包含的目标区域为单位进行编码,还可以以目标区域中包含的目标子区域为单位进行编码。每个单位可以对应于一种编码策略,得到一组编码信息。
在一实施例中,采用上述(1)、(2)、(3)中的任意一种方式进行编码时,根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码时,编码策略中可以采用以下任意一种:
(1)确定出待编码体素点中的编码起始点;从编码起始点开始,根据预设编码顺序对待编码像素点进行编码,得到待编码体素点的编码信息。
在对某个图像、目标区域或目标子区域进行编码时,可以首先从待编码体素点中确定出编码起始点,其中,确定出待编码体素点中的编码起始点的步骤,可以包括:
(1.1)将待编码体素点中的生理组织特征点确定为编码起始点。
对于生理组织图像,可以将待编码体素点中具有代表性的生理组织特征点确定为编码起始点,例如,可以将冠脉分叉点或者心脏、肝脏等生理组织的中心点确定为编码起始点。
(1.2)将待编码体素点所在区域的几何中心或重心确定为编码起始点.
待编码体素点所在区域即编码时的单位:整个图像、整个目标区域或者整个目标子区域。在一实施例中,可以将整个图像、整个目标区域或者整个目标子区域的几何中心或重心确定为编码起始点。
(1.3)将待编码体素点中的病灶特征点确定为编码起始点。
病灶即生理组织中存在病变的区域。当某个生理组织中存在病灶时,对该生理组织所在的图像、目标区域或者目标子区域进行编码时,可以以病灶的病灶特征点作为编码起始点。病灶特征点即该病灶的代表性的特征点,例如,该病灶的中心点或者病变最严重的位置。
确定编码起始点之后,就可以根据预设编码顺序对待编码像素点进行编码,得到待编码体素点的编码信息。
请参阅图2,图2为本申请实施例提供的图像关联的第一示意图。图2中的两张图像是同一生理组织不同角度的医学图像,其中图2(a)为正面拍摄的图像,图2(b)为侧面拍摄的图像,图中黑点指示该生理组织中包含的病灶。如图2所示,在对图2(a)和图2(b)中所示的矩形目标区域(图中数字1~8所在区域)进行编码时,首先确定编码起始点(数字1所在位置),然后从编码起始点开始,根据预设编码顺序对待编码体素点进行编码,得到编码信息。由于图2(a)和图2(b)采用了相同的编码策略,其中起始点确定方式、编码顺序等均相同,因而,在图2(a)和图2(b)中均得到编码信息1~8。
(2)从待编码体素点中确定出关键体素点和次关键体素点;根据预设编码顺序对关键体素点进行编码,得到关键体素点的编码信息;根据关键体素点的编码信息,对次关键体素点进行编码,得到次关键体素点的编码信息。
在对某个图像、目标区域或目标子区域进行编码时,可以首先从待编码体素点中确定出关键体素点和次关键体素点。例如,可以将图像输入已训练的关键点识别模型,通过关键点识别模型确定出图像中包含的关键体素点。
该关键点模型在训练时,使用已标注真实关键点的图像样本作为训练样本,利用深度学习神经网络(如U-net网络、V-net网络等)模型进行多次学习,得到已训练的关键点识别模型。
确定出关键体素点后,根据预设编码顺序对关键体素点进行编码,得到关键体素点的编码信息,然后,再根据关键体素点的编码信息,对次关键体素点进行编码,得到次关键点的编码信息。其中,该次关键点可以根据关键点确定。例如,若将冠脉的关键分叉点确定为关键体素点,则可以将冠脉的其他分叉点确定为次关键点。
请参阅图3,图3为本申请实施例提供的图像关联的第二示意图。如图3所示,先从图2(a)和图2(b)中确定出关键体素点,根据预设编码顺序对关键体素点进行编码,得到图中所示“病灶1”、“病灶2”的编码信息,然后,基于已经确定的病灶1的编码信息,可以对病灶中包含的一些次关键体素点进行编码,得到次关键点的编码信息(图中未示出),例如可以为病灶(1,1)、病灶(1,2),病灶(2,1)、病灶(2,2)等。在得到关键体素点和次关键体素点的编码信息后,可选的,还可以根据关键体素点和次关键体素点的编码信息对除关键体素点和次关键体素点以外的其他待编码体素点进行编码,得到其他待编码体素点的编码信息。
在一实施例中,编码顺序可以包括但不限于雷达型、直线型等编码顺序。请参阅图8,图8为本申请实施例提供的编码顺序的示意图。图8中示出了雷达型和直线型的编码顺序形成的形状。其中,雷达型编码顺序指以编码起始点(或关键体素点/次关键体素点)为中心,由内向外对体素点一圈一圈地进行编码,一圈体素点编码完成后才开始下一圈。直线型编码顺序指从编码起始点(或关键体素点/次关键体素点)开始,对从左到右对所在行的体素点进行编码,一行编码完成后才开始下一行。
需要说明的是,本申请实施例在编码时,采用的编码策略中,编码对象、编码方式、起始点确定方式、编码顺序等均不限于上述举例。当编码时的编码对象、编码方式、起始点确定方式、编码顺序等均相同时,可视为采取了同一编码策略。
230、根据不同图像之间采用同一预设编码策略得到的编码信息建立各图像的体素点之间的关联关系。
由于存在以上多种编码方式,每种编码方式中又可以采取多种编码策略,因而,在对多个图像进行编码时,不同图像采取的编码策略可以不同,同一图像的不同目标区域采取的编码策略也可以不同,同一目标区域的不同目标子区域采取的编码策略也可以不同,这使得多张图像中的编码策略多种多样。既可以在同一图像中采取多种编码策略,也可以在不同图像间采取相同的编码策略。
为建立各图像的体素点之间的关联关系,在一实施例中,可以根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系,例如,可以根据不同图像之间采用同一预设编码策略得到的编码信息建立各图像的体素点之间的关联关系。
请继续参阅图2,图2(a)和图2(b)中采用的编码方式相同,都是确定出待编码体素点中的编码起始点,从编码起始点开始,根据预设编码顺序对待编码像素点进行编码,得到待编码体素点的编码信息,且编码起始点的确定方式也相同。因而,图2(a)和图2(b)中的编码信息可视为采用同一编码策略得到的编码信息,进而,可以根据两张图像中的体素点的编码信息,在这两张图像间建立关联关系,进一步的,两张图像中的相同编码信息指示的体素点之间也可以建立关联关系,例如,图2(a)中编码信息1所在位置与图2(b)中编码信息1所在位置相关联,图2(a)中编码信息2所在位置与图2(b)中编码信息2所在位置相关联,图2(a)中编码信息3所在位置与图2(b)中编码信息3所在位置相关联,以此类推。
请继续参阅图3,图3(a)和图2(b)中采用的编码方式相同,都是从待编码体素点中确定出关键体素点和次关键体素点;根据预设编码顺序对关键体素点进行编码,得到关键体素点的编码信息;根据关键体素点的编码信息,对次关键体素点进行编码,得到次关键体素点的编码信息。且图3(a)和图2(b)中确定出关键体素点和次关键体素点的防水也相同。因而,图3(a)和图3(b)中的编码信息可视为采用同一编码策略得到的编码信息,进而,可以根据两张图像中的体素点的编码信息,在这两张图像间建立关联关系,进一步的,两张图像中的病灶1所在区域之间可以建立关联关系,两张图像中的病灶2所在区域之间也可以建立关联关系。
请继续参阅图6,图6为本申请实施例提供的图像关联的第三示意图。由于可以对图像中的不同目标区域分别编码,因而,在一实施例中,可能存在一张图像中的不同目标区域分别与不同图像相关联的情况。如图6所示,其中图6(a)中对病灶1采用了code1的编码策略,对病灶2采用了code2的编码策略,而图6(b)中包含有同样采用了code1编码策略的病灶1,图6(c)中包含有同样采用了code2编码策略的病灶2。在得到图6(a)、图6(b)和图6(c)的编码信息后,可以根据采用同一编码策略得到的编码信息,将图6(a)中的病灶1与图6(b)中的病灶1关联起来,将图6(a)中的病灶2与图6(c)中的病灶2关联起来,建立图6(a)与图6(b)、图6(a)与图6(c)的关联关系。
240、当任一图像的显示位置发生更新时,根据关联关系更新其他图像的显示位置,以实现图像之间的联动显示。
在一实施例中,采用本申请实施例提供的图像关联方法实现图像之间的关联后,可以根据图像之间的关联关系,将相关联的图像同步显示。即,当查阅图像A时,若存在与图像A相关联的图像B,则将图像B同步显示。在同步显示时,图像B的显示位置即为与图像B中与图像A相关联的体素点所在的位置。例如,若图像B中的目标区域B与图像A中的目标区域A相关联,则在显示图像A中的区域A时,可以将图像B中的目标区域B同步显示。
在同步显示时,当任一图像的显示位置发生更新时,根据关联关系更新其他图像的显示位置,以实现图像之间的联动显示。例如,上述图像A和图像B均为三维图像,在图像A与图像B同步显示时,转动图像A的显示角度,使得图像A的显示位置发生了变化,则根据图像A与图像B中体素点的关联关系,图像B的显示角度也将发生转动,以更新图像B的显示位置。显示位置更新后的图像B中显示的体素点与显示位置更新后的图像A中显示的体素点存在关联关系。
例如,根据图6(a)与图6(b)、图6(a)与图6(c)的关联关系,在查阅图6(a)时,若显示位置移动到病灶1,则图6(b)会对应显示,且图6(b)中的病灶1位于显示位置。当转动图6(a)的显示角度,使得显示位置移动到病灶2时,图6(b)和图6(c)的显示位置均发生更新,图6(b)从显示病灶1更新为不显示,图6(c)从不显示更新为显示病灶2。当继续转动图6(a)的显示角度,以不同的角度观察图6(a)中的病灶2时,图6(c)中的显示位置也会同步更新,其中的病灶2的显示角度也跟着转动,从而实现图像之间的联动显示。
在一实施例中,通过对编码信息进行解算,可以实现如下的联动方式:
(1)位置联动
例如,在显示图像A时,获取图像A中病灶1的中心体素点所在的位置坐标,根据关联关系确定图像A中病灶1的关联图像以及病灶1在关联图像中的中心体素点的位置坐标,根据图像A与图像B中该病灶1的中心体素点的位置坐标更新图像B的显示位置,以实现图像B与图像A联动显示。
(2)范围联动
例如,例如,在显示图像A时,获取图像A中病灶1的所在的目标区域A,根据关联关系确定图像A中病灶1的关联图像以及病灶1在关联图像中所在的目标区域B,当显示图像A中的目标区域A时,联动显示图像B中的目标区域B,以实现图像B与图像A联动显示。
(3)角度联动
例如,第一图像与第二图像之间建立有关联关系,当任一目标图像的显示位置发生更新时,根据关联关系更新其他目标图像的显示位置,以实现目标图像之间的联动显示的步骤可以包括:
确定第一图像的第一编码平面;
确定与第一编码平面对应的第二编码平面;
当第一图像的显示位置发生更新时,确定显示位置更新后的第一编码平面与更新前的第一编码平面之间的第一空间夹角;
根据第一空间夹角更新第二图像的显示位置,以使得更新后的第二编码平面与更新前的第二编码平面之间的第二空间夹角等于第一空间夹角。
例如,在实现第一图像和第二图像的联动显示时,确定第一图像中多个体素点的编码信息对应的多个第一位置坐标,根据多个第一位置坐标确定出第一图像的第一编码平面。然后,根据关联关系,确定第二图像中与多个体素点的编码信息对应的多个第二位置坐标,根据多个第二位置坐标确定出第二图像的第二编码平面。
当第一图像的显示位置更新时,确定显示位置更新后的第一编码平面与更新前的第一编码平面之间的第一空间夹角,根据第一空间夹角更新第二图像的显示位置,以使得更新后的第二编码平面与更新前的第二编码平面的第二空间夹角等于第一空间夹角,从而实现第一图像和第二图像的联动显示。
其中,当编码信息为三维编码信息时,根据多个第一位置坐标确定出第一图像的第一编码向量,根据多个第二位置坐标确定出第二编码向量。
当第一图像的显示位置更新时,确定显示位置更新后的第一编码向量与原第一编码向量之间的第一空间夹角,根据第一空间夹角更新第二图像的显示位置,以使得更新后的第二编码向量与原第二编码向量的第二空间夹角等于第一空间夹角,从而实现第一图像和第二图像的联动显示。
由上可知,本申请实施例提供的图像关联方法首先获取多个图像;对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息;然后根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。本申请实施例可以通过对体素点进行编码,实现图像之间的自动关联,提高查阅相关联图像的便利性。
本申请实施例还提供一种联动显示方法。该联动显示方法的执行主体可以是本申请实施例提供的联动显示装置,或者集成了该联动显示装置的电子设备,该联动显示装置可以采用硬件或者软件的方式实现,电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等配置有处理器而具有处理能力的设备。
请继续参阅图9,图9为本申请实施例提供的联动显示方法的第一种流程示意图。该联动显示方法可以包括以下步骤:
310、在显示图像时,若图像的显示位置发生更新,则根据图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示,其中,关联关系为使用本申请实施例提供的图像关联方法建立的关联关系。
本申请实施例可以根据图像之间的关联关系,将相关联的图像联动显示。即,当查阅图像A时,若存在与图像A相关联的图像B,则将图像B同步显示。在同步显示时,图像B的显示位置即为与图像B中与图像A相关联的体素点所在的位置。例如,若图像B中的目标区域B与图像A中的目标区域A相关联,则在显示图像A中的区域A时,可以将图像B中的目标区域B同步显示。
其中,在同步显示图像时,若任一图像的显示位置发生更新,则图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示。例如,上述图像A和图像B均为三维图像,在图像A与图像B同步显示时,转动图像A的显示角度,使得图像A的显示位置发生了变化,则根据图像A与图像B中体素点的关联关系,图像B的显示角度也将发生转动,以更新图像B的显示位置。显示位置更新后的图像B中显示的体素点与显示位置更新后的图像A中显示的体素点存在关联关系。其中所指的关联关系为使用本申请实施例提供的图像关联方法建立的关联关系。图像关联方法的相关说明参见前述实施例的描述,在此不再赘述。
请参阅图6,根据图6(a)与图6(b)、图6(a)与图6(c)的关联关系,在查阅图6(a)时,若显示位置移动到病灶1,则图6(b)会对应显示,且图6(b)中的病灶1位于显示位置。当转动图6(a)的显示角度,使得显示位置移动到病灶2时,图6(b)和图6(c)的显示位置均发生更新,图6(b)从显示病灶1更新为不显示,图6(c)从不显示更新为显示病灶2。当继续转动图6(a)的显示角度,以不同的角度观察图6(a)中的病灶2时,图6(c)中的显示位置也会同步更新,其中的病灶2的显示角度也跟着转动,从而实现图像之间的联动显示。
请参阅图10,图10为本申请实施例提供的联动显示方法的第二种流程示意图。在一实施例中,第一图像与第二图像之间建立有关联关系,若图像的显示位置发生更新,则根据图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示的步骤可以包括:
3101、确定第一图像的第一编码平面。
3102、确定与第一编码平面对应的第二编码平面。
3103、当第一图像的显示位置发生更新时,确定显示位置更新后的第一编码平面与更新前的第一编码平面之间的第一空间夹角。
3104、根据第一空间夹角更新第二图像的显示位置,以使得更新后的第二编码平面与更新前的第二编码平面之间的第二空间夹角等于第一空间夹角。
例如,在实现第一图像和第二图像的联动显示时,确定第一图像中多个体素点的编码信息对应的多个第一位置坐标,根据多个第一位置坐标确定出第一图像的第一编码平面。然后,根据关联关系,确定第二图像中与多个体素点的编码信息对应的多个第二位置坐标,根据多个第二位置坐标确定出第二图像的第二编码平面。
当第一图像的显示位置更新时,确定显示位置更新后的第一编码平面与更新前的第一编码平面之间的第一空间夹角,根据第一空间夹角更新第二图像的显示位置,以使得更新后的第二编码平面与更新前的第二编码平面的第二空间夹角等于第一空间夹角,从而实现第一图像和第二图像的联动显示。
其中,当编码信息为三维编码信息时,根据多个第一位置坐标确定出第一图像的第一编码向量,根据多个第二位置坐标确定出第二编码向量。
当第一图像的显示位置更新时,确定显示位置更新后的第一编码向量与原第一编码向量之间的第一空间夹角,根据第一空间夹角更新第二图像的显示位置,以使得更新后的第二编码向量与原第二编码向量的第二空间夹角等于第一空间夹角,从而实现第一图像和第二图像的联动显示。
本申请实施例提供的联动显示方法,在显示图像时,若图像的显示位置发生更新,则根据图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示,其中,关联关系为使用本申请实施例提供的图像关联方法建立的关联关系。从而,根据图像间建立的关联关系,实现“图像动、关联的图像跟着动”的联动显示效果,能够提高查阅相关联图像的便利性。
本申请实施例还提供一种图像关联装置。请参照图11,图11为本申请实施例提供的图像关联装置400的第一种结构示意图。该图像关联装置包括获取模块401、编码模块402以及关联模块403,如下:
获取模块401,用于获取多个图像;
编码模块402,用于对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息;
关联模块403,用于根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。
请一并参阅图12,图12为本申请实施例提供的图像关联装置400的第二种结构示意图。在一实施例中,图像关联装置400还包括联动模块404:
联动模块404,用于当任一图像的显示位置发生更新时,根据关联关系更新其他图像的显示位置,以实现图像之间的联动显示。
在一实施例中,在对图像中的体素点进行编码时,编码模块402可以用于:
采用预设编码策略对图像中的体素点进行编码,得到各体素点的编码信息;
在根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系时,关联模块403可以用于:
根据不同图像之间采用同一预设编码策略得到的编码信息建立各图像的体素点之间的关联关系。
在一实施例中,在采用预设编码策略对图像中的体素点进行编码,得到各体素点的编码信息时,编码模块402可以用于:
将图像中的所有体素点确定为待编码体素点;
根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息。
在一实施例中,在采用预设编码策略对图像中的体素点进行编码,得到各体素点的编码信息时,编码模块402可以用于:
确定出图像中的目标区域;
将目标区域中包含的体素点确定为待编码体素点;
根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息。
在一实施例中,在采用预设编码策略对图像中的体素点进行编码,得到各体素点的编码信息时,编码模块402可以用于:
确定出图像中的目标区域;
将目标区域划分为多个目标子区域;
对于每一目标子区域,将目标子区域中包含的体素点确定为待编码体素点;
根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息。
在一实施例中,在确定出图像中的目标区域时,编码模块402可以用于:
将图像输入已训练的分割模型;
根据分割模型从图像中分割出多个区域;
将每个区域分别确定为图像中的目标区域。
在一实施例中,在根据预设编码策略对待编码体素点进行编码,得到待编码体素点的编码信息时,编码模块402可以用于:
确定出待编码体素点中的编码起始点;
从编码起始点开始,根据预设编码顺序对待编码像素点进行编码,得到待编码体素点的编码信息;或者
从待编码体素点中确定出关键体素点和次关键体素点;
根据预设编码顺序对关键体素点进行编码,得到关键体素点的编码信息;
根据关键体素点的编码,对次关键体素点进行编码,得到次关键体素点的编码信息。
在一实施例中,在确定出待编码体素点中的编码起始点时,编码模块402可以用于:
将待编码体素点中的生理组织特征点确定为编码起始点;或者
将待编码体素点所在区域的几何中心或重心确定为编码起始点;或者
将待编码体素点中的病灶特征点确定为编码起始点。
在一实施例中,在从待编码体素点中确定出关键体素点和次关键体素点时,编码模块402可以用于:
将图像输入已训练的关键点识别模型,通过关键点识别模型确定处待编码体素点中的关键体素点;
根据关键体素点确定次关键体素点。
由上可知,本申请实施例提供的图像关联装置首先获取模块401获取多个图像;编码模块402对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息;然后关联模块403根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。本申请实施例可以通过对体素点进行编码,实现图像之间的自动关联,提高查阅相关联图像的便利性。
本申请实施例还提供一种联动显示装置。请参照图13,图13为本申请实施例提供的图像关联装置500的第一种结构示意图。该图像关联装置包括联动显示模块501,如下:
联动显示模块501,用于在显示图像时,若图像的显示位置发生更新,则根据图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示,其中,关联关系为使用本申请实施例提供的任一种图像关联方法建立的关联关系。
请继续参照图14,图14为本申请实施例提供的图像关联装置500的第二种结构示意图。在一实施例中,联动显示模块501可以包括:
第一确定单元5011,用于确定第一图像的第一编码平面;
第二确定单元5012,用于确定与第一编码平面对应的第二编码平面;
第三确定单元5013,用于当第一图像的显示位置发生更新时,确定显示位置更新后的第一编码平面与更新前的第一编码平面之间的第一空间夹角;
更新单元5014,用于,用于根据第一空间夹角更新第二图像的显示位置,以使得更新后的第二编码平面与更新前的第二编码平面之间的第二空间夹角等于第一空间夹角,以实现第一图像和第二图像之间的联动显示。
本申请实施例提供的联动显示装置,在显示图像时,若图像的显示位置发生更新,则联动显示模块501根据图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示,其中,关联关系为使用本申请实施例提供的任一种图像关联方法建立的关联关系。从而,根据图像间建立的关联关系,实现“图像动、关联的图像跟着动”的联动显示效果,能够提高查阅相关联图像的便利性。
本申请实施例还提供一种电子设备。电子设备可以是智能手机、平板电脑、游戏设备、AR(Augmented Reality,增强现实)设备、汽车、车辆周边障碍检测装置、音频播放装置、视频播放装置、笔记本、桌面计算设备、可穿戴设备诸如手表、眼镜、头盔、电子手链、电子项链、电子衣物等设备。
参考图15,图15为本申请实施例提供的电子设备600的第一种结构示意图。其中,电子设备600包括处理器601和存储器602。处理器601与存储器402电性连接。
处理器601是电子设备600的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或调用存储在存储器602内的计算机程序,以及调用存储在存储器602内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。
存储器602可用于存储应用程序和数据。存储器602存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。
在本实施例中,电子设备600中的处理器601可以按照上述图像关联方法中的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器602中,并由处理器601来运行存储在存储器602中的计算机程序,从而实现步骤:
获取多个图像;
对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息;
根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。
或者实现步骤:
在显示图像时,若图像的显示位置发生更新,则根据图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示,其中,关联关系为使用本申请实施例提供的任一种图像关联方法建立的关联关系。
请继续参考图16,图16为本申请实施例提供的电子设备600的第二种结构示意图。其中,电子设备600还包括:显示屏603、控制电路604、输入单元605、传感器606以及电源607。其中,处理器601分别与显示屏603、控制电路604、输入单元605、传感器606以及电源607电性连接。
显示屏603可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图像、文本、图标、视频和其任意组合来构成。
控制电路604与显示屏603电性连接,用于控制显示屏603显示信息。
输入单元605可用于接收输入的数字、字符信息或用户特征信息(例如指纹),以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。其中,输入单元605可以包括指纹识别模组。
传感器606用于采集电子设备自身的信息或者用户的信息或者外部环境信息。例如,传感器606可以包括距离传感器、磁场传感器、光线传感器、加速度传感器、指纹传感器、霍尔传感器、位置传感器、陀螺仪、惯性传感器、姿态感应器、气压计、心率传感器等多个传感器。
电源607用于给电子设备600的各个部件供电。在一些实施例中,电源607可以通过电源管理系统与处理器601逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管图15及图16中未示出,电子设备600还包括摄像头,还可以包括蓝牙模块等,在此不再赘述。
在一实施例中,电子设备600中的处理器601可以按照上述图像关联方法中的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器602中,并由处理器601来运行存储在存储器602中的计算机程序,从而实现步骤:
获取多个图像;
对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息;
根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。
在一实施例中,电子设备600中的处理器601可以按照上述联动显示方法中的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器602中,并由处理器601来运行存储在存储器602中的计算机程序,从而实现步骤:
在显示图像时,若图像的显示位置发生更新,则根据图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示,其中,关联关系为使用本申请实施例提供的任一种图像关联方法建立的关联关系。
由上可知,本申请实施例提供了一种电子设备,电子设备中的处理器执行以下步骤:首先获取多个图像;对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息;然后根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。本申请实施例可以通过对体素点进行编码,实现图像之间的自动关联,提高查阅相关联图像的便利性。或者,电子设备中的处理器执行以下步骤:在显示图像时,若图像的显示位置发生更新,则根据图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示,其中,关联关系为使用本申请实施例提供的图像关联方法建立的关联关系。从而,根据图像间建立的关联关系,实现“图像动、关联的图像跟着动”的联动显示效果,能够提高查阅相关联图像的便利性。
本申请实施例还提供一种存储介质,存储介质中存储有计算机程序,当计算机程序在计算机上运行时,计算机执行上述任一实施例的图像关联方法或者联动显示方法。
例如,在一些实施例中,当计算机程序在计算机上运行时,计算机执行以下步骤:
获取多个图像;
对于每一图像,确定图像中的体素点,并对图像中的体素点进行编码,得到各体素点的编码信息;
根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。
或者,在一些实施例中,当计算机程序在计算机上运行时,计算机执行以下步骤:
在显示图像时,若图像的显示位置发生更新,则根据图像与其他图像的体素点之间的关联关系更新其他图像的显示位置,以实现图像之间的联动显示,其中,关联关系为使用本申请实施例提供的任一种图像关联方法建立的关联关系。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
需要说明的是,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储于计算机可读存储介质中,存储介质可以包括但不限于:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上对本申请实施例所提供的图像关联方法、联动显示方法及相关产品进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。

Claims (19)

1.一种图像关联方法,其特征在于,包括:
获取多个图像;
对于每一图像,确定所述图像中的体素点,并对所述图像中的体素点进行编码,得到各体素点的编码信息;
根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。
2.根据权利要求1所述的图像关联方法,其特征在于,所述根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系之后,还包括:
当任一目标图像的显示位置发生更新时,根据所述关联关系更新其他目标图像的显示位置,以实现目标图像之间的联动显示。
3.根据权利要求2所述的图像关联方法,其特征在于,所述对所述图像中的体素点进行编码包括:
采用预设编码策略对所述图像中的体素点进行编码,得到各体素点的编码信息;
所述根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系包括:
根据不同图像之间采用同一预设编码策略得到的编码信息建立各图像的体素点之间的关联关系。
4.根据权利要求3所述的图像关联方法,其特征在于,所述采用预设编码策略对所述图像中的体素点进行编码,得到各体素点的编码信息包括:
将所述图像中的所有体素点确定为待编码体素点;
根据预设编码策略对所述待编码体素点进行编码,得到所述待编码体素点的编码信息。
5.根据权利要求3所述的图像关联方法,其特征在于,所述采用预设编码策略对所述图像中的体素点进行编码,得到各体素点的编码信息包括:
确定出所述图像中的目标区域;
将所述目标区域中包含的体素点确定为待编码体素点;
根据预设编码策略对所述待编码体素点进行编码,得到所述待编码体素点的编码信息。
6.根据权利要求3所述的图像关联方法,其特征在于,所述采用预设编码策略对所述图像中的体素点进行编码,得到各体素点的编码信息包括:
确定出所述图像中的目标区域;
将所述目标区域划分为多个目标子区域;
对于每一目标子区域,将所述目标子区域中包含的体素点确定为待编码体素点;
根据预设编码策略对所述待编码体素点进行编码,得到所述待编码体素点的编码信息。
7.根据权利要求5或6所述的图像关联方法,其特征在于,所述确定出所述图像中的目标区域包括:
将所述图像输入已训练的分割模型;
根据所述分割模型从所述图像中分割出多个区域;
将每个区域分别确定为所述图像中的目标区域。
8.根据权利要求4-6任一项所述的图像关联方法,其特征在于,所述根据预设编码策略对所述待编码体素点进行编码,得到所述待编码体素点的编码信息包括:
确定出所述待编码体素点中的编码起始点;
从所述编码起始点开始,根据预设编码顺序对所述待编码像素点进行编码,得到所述待编码体素点的编码信息;或者
从所述待编码体素点中确定出关键体素点和次关键体素点;
根据预设编码顺序对所述关键体素点进行编码,得到所述关键体素点的编码信息;
根据关键体素点的编码,对所述次关键体素点进行编码,得到所述次关键体素点的编码信息。
9.根据权利要求8所述的图像关联方法,其特征在于,所述确定出所述待编码体素点中的编码起始点包括:
将所述待编码体素点中的生理组织特征点确定为编码起始点;或者
将所述待编码体素点所在区域的几何中心或重心确定为编码起始点;或者
将所述待编码体素点中的病灶特征点确定为编码起始点。
10.根据权利要求8所述的图像关联方法,其特征在于,所述从所述待编码体素点中确定出关键体素点和次关键体素点包括:
将所述图像输入已训练的关键点识别模型,通过所述关键点识别模型确定处所述待编码体素点中的关键体素点;
根据所述关键体素点确定所述次关键体素点。
11.根据权利要求2所述的图像关联方法,其特征在于,第一图像和第二图像的体素点间建立有所述关联关系,所述当任一目标图像的显示位置发生更新时,根据所述关联关系更新其他目标图像的显示位置,以实现目标图像之间的联动显示包括:
确定所述第一图像的第一编码平面;
确定与所述第一编码平面对应的第二编码平面;
当所述第一图像的显示位置发生更新时,确定所述显示位置更新后的第一编码平面与更新前的第一编码平面之间的第一空间夹角;
根据所述第一空间夹角更新所述第二图像的显示位置,以使得更新后的第二编码平面与更新前的第二编码平面之间的第二空间夹角等于所述第一空间夹角,以实现第一图像和第二图像之间的联动显示。
12.根据权利要求11所述的图像关联方法,其特征在于,所述确定所述第一图像的第一编码平面包括:
确定所述第一图像中的多个体素点的编码信息对应的多个第一位置坐标;
根据所述多个第一位置坐标确定所述第一图像的第一编码平面;
所述确定与所述第一编码平面对应的第二编码平面包括:
根据所述关联关系,确定出所述第二图像中与所述多个体素点的编码信息对应的多个第二位置坐标;
根据所述多个第二位置坐标确定所述第二图像的第二编码平面。
13.一种联动显示方法,其特征在于,包括:
在显示图像时,若所述图像的显示位置发生更新,则根据所述图像与其他图像的体素点之间的关联关系更新所述其他图像的显示位置,以实现图像之间的联动显示,其中,所述关联关系为使用权利要求1至12任一项所述的图像关联方法建立的关联关系。
14.根据权利要求13所述的联动显示方法,其特征在于,第一图像和第二图像的体素点间建立有所述关联关系,所述若所述图像的显示位置发生更新,则根据所述图像与其他图像的体素点之间的关联关系更新所述其他图像的显示位置,以实现图像之间的联动显示包括:
确定所述第一图像的第一编码平面;
确定与所述第一编码平面对应的第二编码平面;
当所述第一图像的显示位置发生更新时,确定所述显示位置更新后的第一编码平面与更新前的第一编码平面之间的第一空间夹角;
根据所述第一空间夹角更新所述第二图像的显示位置,以使得更新后的第二编码平面与更新前的第二编码平面之间的第二空间夹角等于所述第一空间夹角,以实现第一图像和第二图像之间的联动显示。
15.根据权利要求14所述的联动显示方法,其特征在于,所述确定所述第一图像的第一编码平面包括:
确定所述第一图像中的多个体素点的编码信息对应的多个第一位置坐标;
根据所述多个第一位置坐标确定所述第一图像的第一编码平面;
所述确定与所述第一编码平面对应的第二编码平面包括:
根据所述关联关系,确定出所述第二图像中与所述多个体素点的编码信息对应的多个第二位置坐标;
根据所述多个第二位置坐标确定所述第二图像的第二编码平面。
16.一种图像关联装置,其特征在于,包括:
获取模块,用于获取多个图像;
编码模块,用于对于每一图像,确定所述图像中的体素点,并对所述图像中的体素点进行编码,得到各体素点的编码信息;
关联模块,用于根据各图像中体素点的编码信息建立各图像的体素点之间的关联关系。
17.一种联动显示装置,其特征在于,包括:
联动显示模块,用于在显示图像时,若所述图像的显示位置发生更新,则根据所述图像与其他图像的体素点之间的关联关系更新所述其他图像的显示位置,以实现图像之间的联动显示,其中,所述关联关系为使用权利要求1至12任一项所述的图像关联方法建立的关联关系。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行,以实现如权利要求1至12任一项所述的图像关联方法中的步骤或者如权利要求13至15任一项所述的联动显示方法中的步骤。
19.一种电子设备,其特征在于,所述电子设备包括处理器、存储器以及存储于所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序,以实现如权利要求1至12任一项所述的图像关联方法中的步骤或者如权利要求13至15任一项所述的联动显示方法中的步骤。
CN202110941770.6A 2021-08-17 2021-08-17 图像关联方法、装置、计算机可读存储介质及电子设备 Active CN113538606B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110941770.6A CN113538606B (zh) 2021-08-17 2021-08-17 图像关联方法、装置、计算机可读存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110941770.6A CN113538606B (zh) 2021-08-17 2021-08-17 图像关联方法、装置、计算机可读存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN113538606A true CN113538606A (zh) 2021-10-22
CN113538606B CN113538606B (zh) 2022-07-22

Family

ID=78091724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110941770.6A Active CN113538606B (zh) 2021-08-17 2021-08-17 图像关联方法、装置、计算机可读存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN113538606B (zh)

Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101297321A (zh) * 2005-10-25 2008-10-29 布拉科成像S.P.A.公司 配准图像的方法,用于执行配准图像的方法的算法,用于使用所述算法配准图像的程序以及处理生物医学图像以减少由对象移动导致的成像伪影的方法
CN101299270A (zh) * 2008-05-27 2008-11-05 东南大学 三维扫描系统中的多个摄像机同步快速标定方法
CN103345753A (zh) * 2013-07-10 2013-10-09 深圳先进技术研究院 脑部图像处理方法和系统
US20140112572A1 (en) * 2012-10-23 2014-04-24 Dror Reif Fast correlation search for stereo algorithm
CN105427326A (zh) * 2015-12-08 2016-03-23 上海图漾信息科技有限公司 图像匹配方法和装置以及深度数据测量方法和系统
WO2017197826A1 (zh) * 2016-05-17 2017-11-23 乐视控股(北京)有限公司 图像特征关系的匹配方法、装置和系统
US20180012358A1 (en) * 2015-02-26 2018-01-11 Brainlab Ag Adaptation of Image Data Sets to an Updated Atlas-Based Reference System
CN107918943A (zh) * 2016-10-10 2018-04-17 西门子保健有限责任公司 与解剖图像数据相关的结果图的产生
US10127662B1 (en) * 2014-08-11 2018-11-13 D.R. Systems, Inc. Systems and user interfaces for automated generation of matching 2D series of medical images and efficient annotation of matching 2D medical images
CN109074639A (zh) * 2015-10-19 2018-12-21 上海联影医疗科技有限公司 医学成像系统中的图像配准系统和方法
CN109102865A (zh) * 2018-09-29 2018-12-28 联想(北京)有限公司 一种图像处理方法及装置、设备、存储介质
CN109493396A (zh) * 2018-11-07 2019-03-19 上海联影医疗科技有限公司 一种ct图像显示方法、装置、设备及介质
CN109872332A (zh) * 2019-01-31 2019-06-11 广州瑞多思医疗科技有限公司 一种基于u-net神经网络的三维医学图像配准方法
CN110021025A (zh) * 2019-03-29 2019-07-16 上海联影智能医疗科技有限公司 感兴趣区域的匹配和显示方法、装置、设备及存储介质
CN110147864A (zh) * 2018-11-14 2019-08-20 腾讯科技(深圳)有限公司 编码图案的处理方法和装置、存储介质、电子装置
CN110322444A (zh) * 2019-05-31 2019-10-11 上海联影智能医疗科技有限公司 医疗图像处理方法、装置、存储介质及计算机设备
CN110838104A (zh) * 2019-10-30 2020-02-25 上海联影智能医疗科技有限公司 多时间点的感兴趣区域匹配方法、设备和存储介质
CN110998602A (zh) * 2017-06-30 2020-04-10 普罗马顿控股有限责任公司 使用深度学习方法对3d牙颌面结构的分类和3d建模
CN111149363A (zh) * 2017-09-29 2020-05-12 索尼公司 信息处理设备和方法
CN111257809A (zh) * 2020-01-23 2020-06-09 上海东软医疗科技有限公司 磁共振成像方法、装置、存储介质及医疗设备
CN111340109A (zh) * 2020-02-25 2020-06-26 深圳市景阳科技股份有限公司 图像匹配方法、装置、设备及存储介质
CN111815557A (zh) * 2020-06-04 2020-10-23 上海联影智能医疗科技有限公司 图像分析方法、装置、设备及存储介质
CN112348863A (zh) * 2020-11-09 2021-02-09 Oppo广东移动通信有限公司 图像对齐方法、图像对齐装置及终端设备
CN113012204A (zh) * 2021-04-09 2021-06-22 福建自贸试验区厦门片区Manteia数据科技有限公司 多模态图像的配准方法、装置、存储介质及处理器
CN113128543A (zh) * 2020-01-15 2021-07-16 阿里巴巴集团控股有限公司 图像匹配方法、应用测试方法及装置和系统
CN113221658A (zh) * 2021-04-13 2021-08-06 卓尔智联(武汉)研究院有限公司 图像处理模型的训练方法、装置、电子设备及存储介质

Patent Citations (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101297321A (zh) * 2005-10-25 2008-10-29 布拉科成像S.P.A.公司 配准图像的方法,用于执行配准图像的方法的算法,用于使用所述算法配准图像的程序以及处理生物医学图像以减少由对象移动导致的成像伪影的方法
CN101299270A (zh) * 2008-05-27 2008-11-05 东南大学 三维扫描系统中的多个摄像机同步快速标定方法
US20140112572A1 (en) * 2012-10-23 2014-04-24 Dror Reif Fast correlation search for stereo algorithm
CN103345753A (zh) * 2013-07-10 2013-10-09 深圳先进技术研究院 脑部图像处理方法和系统
US10127662B1 (en) * 2014-08-11 2018-11-13 D.R. Systems, Inc. Systems and user interfaces for automated generation of matching 2D series of medical images and efficient annotation of matching 2D medical images
US20180012358A1 (en) * 2015-02-26 2018-01-11 Brainlab Ag Adaptation of Image Data Sets to an Updated Atlas-Based Reference System
CN109074639A (zh) * 2015-10-19 2018-12-21 上海联影医疗科技有限公司 医学成像系统中的图像配准系统和方法
CN105427326A (zh) * 2015-12-08 2016-03-23 上海图漾信息科技有限公司 图像匹配方法和装置以及深度数据测量方法和系统
WO2017197826A1 (zh) * 2016-05-17 2017-11-23 乐视控股(北京)有限公司 图像特征关系的匹配方法、装置和系统
CN107918943A (zh) * 2016-10-10 2018-04-17 西门子保健有限责任公司 与解剖图像数据相关的结果图的产生
CN110998602A (zh) * 2017-06-30 2020-04-10 普罗马顿控股有限责任公司 使用深度学习方法对3d牙颌面结构的分类和3d建模
CN111149363A (zh) * 2017-09-29 2020-05-12 索尼公司 信息处理设备和方法
CN109102865A (zh) * 2018-09-29 2018-12-28 联想(北京)有限公司 一种图像处理方法及装置、设备、存储介质
CN109493396A (zh) * 2018-11-07 2019-03-19 上海联影医疗科技有限公司 一种ct图像显示方法、装置、设备及介质
CN110147864A (zh) * 2018-11-14 2019-08-20 腾讯科技(深圳)有限公司 编码图案的处理方法和装置、存储介质、电子装置
CN109872332A (zh) * 2019-01-31 2019-06-11 广州瑞多思医疗科技有限公司 一种基于u-net神经网络的三维医学图像配准方法
CN110021025A (zh) * 2019-03-29 2019-07-16 上海联影智能医疗科技有限公司 感兴趣区域的匹配和显示方法、装置、设备及存储介质
CN110322444A (zh) * 2019-05-31 2019-10-11 上海联影智能医疗科技有限公司 医疗图像处理方法、装置、存储介质及计算机设备
CN110838104A (zh) * 2019-10-30 2020-02-25 上海联影智能医疗科技有限公司 多时间点的感兴趣区域匹配方法、设备和存储介质
CN113128543A (zh) * 2020-01-15 2021-07-16 阿里巴巴集团控股有限公司 图像匹配方法、应用测试方法及装置和系统
CN111257809A (zh) * 2020-01-23 2020-06-09 上海东软医疗科技有限公司 磁共振成像方法、装置、存储介质及医疗设备
CN111340109A (zh) * 2020-02-25 2020-06-26 深圳市景阳科技股份有限公司 图像匹配方法、装置、设备及存储介质
CN111815557A (zh) * 2020-06-04 2020-10-23 上海联影智能医疗科技有限公司 图像分析方法、装置、设备及存储介质
CN112348863A (zh) * 2020-11-09 2021-02-09 Oppo广东移动通信有限公司 图像对齐方法、图像对齐装置及终端设备
CN113012204A (zh) * 2021-04-09 2021-06-22 福建自贸试验区厦门片区Manteia数据科技有限公司 多模态图像的配准方法、装置、存储介质及处理器
CN113221658A (zh) * 2021-04-13 2021-08-06 卓尔智联(武汉)研究院有限公司 图像处理模型的训练方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SOON-YONG PARK AND MURALI SUBBARAO: ""Automatic 3D Model Reconstruction Using Voxel Coding and Pose Integration"", 《IEEE ICIP 2002》 *

Also Published As

Publication number Publication date
CN113538606B (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
US11030237B2 (en) Method and apparatus for identifying input features for later recognition
US20210406591A1 (en) Medical image processing method and apparatus, and medical image recognition method and apparatus
JP6921768B2 (ja) 仮想試着システム、仮想試着方法、仮想試着プログラム、および情報処理装置
US8290303B2 (en) Enhanced system and method for volume based registration
CN109754396B (zh) 图像的配准方法、装置、计算机设备和存储介质
CN102567728B (zh) 医用图像处理装置及方法和程序
JP2022500754A (ja) 画像セグメンテーション方法、装置、コンピュータ機器およびコンピュータプログラム
CN111091576A (zh) 图像分割方法、装置、设备及存储介质
US11954860B2 (en) Image matching method and device, and storage medium
CN108701220A (zh) 用于处理多模态图像的系统和方法
JP2017174039A (ja) 画像分類装置、方法およびプログラム
Legg et al. Feature neighbourhood mutual information for multi-modal image registration: an application to eye fundus imaging
JP2002306483A (ja) 医用画像診断装置及びその方法
US20230401706A1 (en) Method for detecting a rib with a medical image, device, and medium
CN113570645A (zh) 图像配准方法、装置、计算机设备及介质
JP2019028887A (ja) 画像処理方法
CN107633478B (zh) 图像处理装置、图像处理方法以及计算机可读介质
WO2018025825A1 (ja) 撮像システム
CN113538606B (zh) 图像关联方法、装置、计算机可读存储介质及电子设备
US20100037182A1 (en) User interface for displaying mri images
US20220245815A1 (en) Apparatus and method for identifying real-time biometric image
CN113724191A (zh) 图像识别方法、装置、设备及存储介质
Gong et al. Intensity-mosaic: automatic panorama mosaicking of disordered images with insufficient features
CN112837426A (zh) 人体信息展示方法、装置、设备及计算机可读存储介质
CN113781593B (zh) 四维ct图像的生成方法、装置、终端设备及存储介质

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

Effective date of registration: 20230112

Address after: 518026 Rongchao Economic and Trade Center A308-D9, No. 4028, Jintian Road, Fuzhong Community, Lianhua Street, Futian District, Shenzhen, Guangdong Province

Patentee after: Shukun (Shenzhen) Intelligent Network Technology Co.,Ltd.

Address before: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing

Patentee before: Shukun (Beijing) Network Technology Co.,Ltd.

TR01 Transfer of patent right