CN113658332B - 一种基于超声影像的腹直肌智能分割重建方法及装置 - Google Patents
一种基于超声影像的腹直肌智能分割重建方法及装置 Download PDFInfo
- Publication number
- CN113658332B CN113658332B CN202110976525.9A CN202110976525A CN113658332B CN 113658332 B CN113658332 B CN 113658332B CN 202110976525 A CN202110976525 A CN 202110976525A CN 113658332 B CN113658332 B CN 113658332B
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- image
- segmentation
- rectus abdominis
- images
- 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
- 230000011218 segmentation Effects 0.000 title claims abstract description 45
- 210000003205 muscle Anatomy 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000003187 abdominal effect Effects 0.000 title claims abstract description 21
- 210000001139 rectus abdominis Anatomy 0.000 claims abstract description 52
- 238000002604 ultrasonography Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 239000000523 sample Substances 0.000 claims description 15
- 210000001015 abdomen Anatomy 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000010008 shearing Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 abstract description 3
- 210000000579 abdominal fat Anatomy 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000012084 abdominal surgery Methods 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 210000001835 viscera Anatomy 0.000 description 2
- 239000013585 weight reducing agent Substances 0.000 description 2
- 206010060954 Abdominal Hernia Diseases 0.000 description 1
- 208000008035 Back Pain Diseases 0.000 description 1
- 208000019804 backache Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000003903 pelvic floor Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000002700 urine Anatomy 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
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明公开了一种基于超声影像的腹直肌智能分割重建方法及装置，所述装置包括采集模块、预处理模块、分割模块和三维重建模块。所述重建方法包括：使用器械装置采集腹部超声图像；对初始的腹部超声图像进行预处理；使用人工智能的方法分割预处理图像中的腹直肌，得到图像中一个或两个腹直肌的位置与形态信息；对连续的多张腹直肌超声图像进行自动分割，并进行三维重建，得到最终的腹直肌的三维立体图像。本发明实现了基于超声影像的腹直肌的三维重建，量化腹直肌的分离状况，提高了对腹直肌分离检测方面的严谨性与科学性，使得产妇在产后复健过程中有了较为科学的指导准则。
Description
技术领域
本发明涉及腹直肌分离图像处理技术领域，具体涉及一种基于超声影像的腹直肌智能分割重建方法及装置。
背景技术
产后恢复问题是大多数产妇迫切想要解决的。腹直肌分离是产后发生率极高的一种生理现象，其不仅会影响女性形体，还会容易发生腰酸背痛现象，严重者会引发腹壁疝等疾病。此外，腹直肌支撑力不足，也会导致脏器长期压迫膀胱及盆底肌，造成“漏尿”，因此产后恢复训练是非常有必要的。腹直肌分离程度的监测成为产后恢复训练效果评估的一大指标。
现如今进行腹直肌分离程度的测评方法还停留在使用手指探入腹白线位置进行大致估计的阶段，并未出现较为科学的评估方法。目前为止，对脏器进行面积较大的超声扫描的装置只有乳腺全容积扫描装置，简称ABUS，它能够自动采集每侧乳房三个标准切面图像，快速获得更为清晰标准的全容积的超声图像，超声科医师可以在工作站对图像进行远程阅片并可进行三维重建。ABUS解决了传统手持式超声缺乏标准化流程，对医师操作手法及诊断水平依赖过高等因素。但是鉴于扫描部位的软硬度、表面弧度等因素的影响，ABUS的设计并不适合于腹部扫描，其方法也不适合腹直肌三维重建，因此，亟需一种能将腹部超声影像采集与人工智能分割、三维重建相结合的装置和方法。因此本发明开创性地使用了基于超声影像的人工智能腹直肌分割方法，并对其进行三维重建，从而能够客观、准确地对腹直肌分离程度进行评估。
发明内容
为解决现有技术中存在的问题，本发明提供了一种基于超声影像的腹直肌智能分割重建方法及装置，将腹部超声影像采集与人工智能分割、三维重建相结合，形成了一套完整的基于超声影像的腹直肌智能分割及重建方法和装置，本发明提供的方法高效准确，创造性地实现了对腹直肌的三维重建，直观地展现出腹直肌的结构状态，解决了上述背景技术中提到的问题。
为实现上述目的，本发明提供如下技术方案：一种基于超声影像的腹直肌智能分割重建方法，包括如下步骤：
S1、利用采集模块采集初始超声视频并进行剪切和图像化处理，得到超声图像；
S2、通过预处理模块对超声图像进行预处理，得到含腹直肌的初始系列超声图像；
S3、利用分割模块对初始系列超声图像进行自动分割，得到腹直肌的分割结果；
S4、通过三维重建模块对分割结果进行三维重建，得到三维的腹直肌图像。
优选的，所述步骤S1中的剪切具体是将初始超声视频按帧剪切为连续的超声图像。
优选的，所述步骤S1中的图像化处理具体是对剪切后的连续超声图像进行下采样，得到一定数量的超声图像。
优选的，所述步骤S2中的预处理具体是使用图像处理方法对超声图像进行噪声的抑制。
优选的，所述步骤S3中的进行自动分割是使用多级的卷积神经网络训练出的模型实现对初始系列超声图像的自动分割；所述腹直肌的分割结果具体是腹直肌的形态和位置的回归图像。
优选的，所述的使用多级的卷积神经网络训练出的模型实现对初始系列超声图像的自动分割的具体步骤如下：
S31、将超声图像作为输入，设置输入层通道数为1，对输入图像中的每个像素点进行第一次编码，其中第一层卷积核大小为3×3，stride为1，无填充，所述卷积核个数为32，第二、三层卷积核及数量与第一层一致，输出结果为第一层的特征图谱；
S32、对步骤S31所得特征图谱进行pool操作，然后进行第二次编码，卷积核大小与步骤S31保持所述一致，而卷积核个数变为原来的两倍，再进行三次卷积操作，得到第二个特征图谱。
S33、重复步骤S31、步骤S32的操作，直至卷积核个数增加至1024，到此为止共进行了五次编码操作，得到了最底层的特征图谱；
S34、对步骤S33所得特征图谱进行解码，其中将最后一次编码所得特征矩阵进行dropout操作，使其尺寸与第一次解码的输入尺寸相同，随后将其与第一次解码结果一起作为输入进行三次卷积操作，所述卷积核大小为3×3，卷积核个数为512；
S35、重复步骤S34的操作四次，其中，卷积核大小为3×3，卷积核个数为256，输出腹直肌的形态和位置的回归图像。
优选的，所述步骤S4中的三维重建是对分割结果进行插值处理，使图像的长宽高比例符合物理尺寸，再将插值后结果依次联合，得到三维的腹直肌图像。
一种基于超声影像的腹直肌智能分割装置，所述装置包括用于采集初始超声视频的采集模块、用于对超声图像进行斑点噪声抑制的预处理模块、用于对初始系列超声图像进行自动分割的分割模块和用于对分割结果进行重建的三维重建模块。
优选的，所述的采集模块包括支撑装置、驱动装置和扫描装置；所述的扫描装置是超声探头；所述的支撑装置用于支撑并固定超声探头的位置，确保超声探头能够贴合人体腹部进行扫描，得到腹部连续的超声影像；所述的驱动装置是用电机驱动超声探头扫描腹部。
本发明的有益效果是：本发明将腹部超声影像采集与人工智能分割、三维重建相结合，形成了一套完整的基于超声影像的腹直肌智能分割及重建方法和装置。与现有技术相比，本发明提供的方法高效准确，创造性地实现了对腹直肌的三维重建，直观地展现出腹直肌的结构状态，量化腹直肌的分离状况，提高了对腹直肌分离检测方面的严谨性与科学性，使得产妇在产后复健过程中有了较为科学的指导准则。还可以实现对腹部整块脂肪进行分割和三维重建，同时对其尺寸，如厚度，进行测算。对脂肪的重建结果在医美，如减肥、塑形等方面有着指导性的意义。此外，在腹部手术的术前规划方面，此方法有着辅助作用，同时还可以对术后的效果评估也有所助益。
附图说明
图1为本发明方法步骤流程示意图；
图2为本发明网络模型自动切割流程示意图；
图3为本发明装置结构示意图；
图4为实施例中腹直肌与腹部脂肪示意图。
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。
请参阅图1-图4，本发明提供一种技术方案：一种基于超声影像的腹直肌智能分割装置，装置结构如图3所示，所述装置包括用于采集初始超声视频的采集模块、用于对超声图像进行斑点噪声抑制的预处理模块、用于对初始系列超声图像进行自动分割的分割模块和用于对分割结果进行重建的三维重建模块。
进一步的，所述的采集模块包括支撑装置、驱动装置和扫描装置；所述的扫描装置是超声探头，超声探头的尺寸约为10cm；所述的支撑装置用于支撑并固定超声探头的位置，确保超声探头能够贴合人体腹部进行扫描，得到腹部连续的超声影像；所述的驱动装置是用电机驱动超声探头扫描腹部。
一种基于超声影像的腹直肌智能分割重建方法，包括将采集所得的初始超声视频进行剪切，得到连续的超声图像，所述初始的超声视频是采自超声探头的一段完整的灰度视频，包括了腹直肌以及腹部其他组织器官；
对连续的超声图像进行预处理，得到含腹直肌的初始系列超声图像；
使用人工智能对所述初始系列超声图像进行自动分割，自动得到腹直肌的分割结果；
将系列超声图像腹直肌的分割结果按照对应的顺序与物理间隔进行三维重建，得到所述腹直肌三维立体图像。
具体流程如图1所示，步骤S1-S4如下所示：
步骤S1：将得到的超声视频按帧进行视频转图像操作(剪切)，得到腹部连续的一组超声图像，为了加快运算速度，需要再对这组超声图像进行倍数适当的下采样，最终得到一定数量(为原来的1/3-1/4)的超声图像；
步骤S2：图像预处理步骤，使用图像处理方法对超声图像进行噪声的抑制；
具体图像处理方法为：在对原始超声图像进行处理时，克服了高斯模糊的缺陷并保留了图像边缘。具体实施过程为，根据当前像素和周围像素的关系，来确定是否要向周围扩散。若某个邻域像素和当前像素相差极大，则代表这个像素可能是某个边界，扩散停止并保留此像素作为边界。
步骤S3：使用多级的卷积神经网络训练出的模型实现对腹直肌的自动分割，如图2所示，得到腹直肌的形态和位置的回归结果；
步骤S31：将超声图像作为输入，设置输入层通道数为1，对输入图像中的每个像素点进行第一次编码，其中第一层卷积核大小为3×3，stride为1，无填充，所述卷积核个数为32，第二、三层卷积核及数量与第一层一致，输出结果为第一层的特征图谱；
步骤S32：对步骤S31所得特征图谱进行pool操作，然后进行第二次编码，卷积核大小与步骤S31保持所述一致，而卷积核个数变为原来的两倍，再进行三次卷积操作，得到第二个特征图谱。
步骤S33：重复步骤S31、步骤S32的操作，直至卷积核个数增加至1024，到此为止共进行了五次编码操作，得到了最底层的特征图谱；
步骤S34：对步骤S33所得特征图谱进行解码，其中将最后一次编码所得特征矩阵进行dropout操作，使其尺寸与第一次解码的输入尺寸相同，随后将其与第一次解码结果一起作为输入进行三次卷积操作，所述卷积核大小为3×3，卷积核个数为512；
步骤S35：重复步骤S34的操作四次，其中，卷积核大小为3×3，卷积核个数为256，输出腹直肌的形态和位置的回归图像。
步骤S4：对腹直肌分割结果进行插值，使其长宽高比例符合物理尺寸(物理上腹直肌的长宽以及深度比例)，并且将插值后结果依次联合(依次按照扫描的时间轴为基准进行拼接)，得到所述三维重建结果。
进一步地，由于腹直肌与腹部脂肪在解剖上是相邻的，如图4所示，因此本方法在准确分割出腹直肌后，即可对腹部脂肪进行定位，因此本方法也可以实现对腹部整块脂肪进行分割和三维重建，同时对其尺寸，如厚度，进行测算。对脂肪的重建结果在医美，如减肥、塑形等方面有着指导性的意义。此外，在腹部手术的术前规划方面，此方法有着辅助作用，同时还可以对术后的效果评估也有所助益。
本发明实现了基于超声影像的腹直肌的三维重建，量化腹直肌的分离状况，提高了对腹直肌分离检测方面的严谨性与科学性，使得产妇在产后复健过程中有了较为科学的指导准则。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于超声影像的腹直肌智能分割重建方法，其特征在于，包括如下步骤：
S1、利用采集模块采集初始超声视频并进行剪切和图像化处理，得到超声图像；
S2、通过预处理模块对超声图像进行预处理，得到含腹直肌的初始系列超声图像；
S3、利用分割模块对初始系列超声图像进行自动分割，得到腹直肌的分割结果；
S4、通过三维重建模块对分割结果进行三维重建，得到三维的腹直肌图像；
所述步骤S3中的进行自动分割是使用多级的卷积神经网络训练出的模型实现对初始系列超声图像的自动分割；所述腹直肌的分割结果具体是腹直肌的形态和位置的回归图像；
所述的使用多级的卷积神经网络训练出的模型实现对初始系列超声图像的自动分割的具体步骤如下：
S31、将超声图像作为输入，设置输入层通道数为1，对输入图像中的每个像素点进行第一次编码，其中第一层卷积核大小为3×3，stride为1，无填充，所述卷积核个数为32，第二、三层卷积核及数量与第一层一致，输出结果为第一层的特征图谱；
S32、对步骤S31所得特征图谱进行pool操作，然后进行第二次编码，卷积核大小与步骤S31保持所述一致，而卷积核个数变为原来的两倍，再进行三次卷积操作，得到第二个特征图谱；
S33、重复步骤S31、步骤S32的操作，直至卷积核个数增加至1024，到此为止共进行了五次编码操作，得到了最底层的特征图谱；
S34、对步骤S33所得特征图谱进行解码，其中将最后一次编码所得特征矩阵进行dropout操作，使其尺寸与第一次解码的输入尺寸相同，随后将其与第一次解码结果一起作为输入进行三次卷积操作，所述卷积核大小为3×3，卷积核个数为512；
S35、重复步骤S34的操作四次，其中，卷积核大小为3×3，卷积核个数为256，输出腹直肌的形态和位置的回归图像。
2.根据权利要求1所述的基于超声影像的腹直肌智能分割重建方法，其特征在于：所述步骤S1中的剪切具体是将初始超声视频按帧剪切为连续的超声图像。
3.根据权利要求1所述的基于超声影像的腹直肌智能分割重建方法，其特征在于：所述步骤S1中的图像化处理具体是对剪切后的连续超声图像进行下采样，得到一定数量的超声图像。
4.根据权利要求1所述的基于超声影像的腹直肌智能分割重建方法，其特征在于：所述步骤S2中的预处理具体是使用图像处理方法对超声图像进行噪声的抑制。
5.根据权利要求1所述的基于超声影像的腹直肌智能分割重建方法，其特征在于：所述步骤S4中的三维重建是对分割结果进行插值处理，使图像的长宽高比例符合物理尺寸，再将插值后结果依次联合，得到三维的腹直肌图像。
6.一种根据权利要求1-5中任一项所述的基于超声影像的腹直肌智能分割重建方法的装置，其特征在于：所述装置包括用于采集初始超声视频的采集模块、用于对超声图像进行斑点噪声抑制的预处理模块、用于对初始系列超声图像进行自动分割的分割模块和用于对分割结果进行重建的三维重建模块。
7.根据权利要求6所述的装置，其特征在于：所述的采集模块包括支撑装置、驱动装置和扫描装置；所述的扫描装置是超声探头；所述的支撑装置用于支撑并固定超声探头的位置，确保超声探头能够贴合人体腹部进行扫描，得到腹部连续的超声影像；所述的驱动装置是用电机驱动超声探头扫描腹部。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110976525.9A CN113658332B (zh) | 2021-08-24 | 2021-08-24 | 一种基于超声影像的腹直肌智能分割重建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110976525.9A CN113658332B (zh) | 2021-08-24 | 2021-08-24 | 一种基于超声影像的腹直肌智能分割重建方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113658332A CN113658332A (zh) | 2021-11-16 |
| CN113658332B true CN113658332B (zh) | 2023-04-11 |
Family
ID=78492738
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110976525.9A Active CN113658332B (zh) | 2021-08-24 | 2021-08-24 | 一种基于超声影像的腹直肌智能分割重建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113658332B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI779963B (zh) * | 2021-12-10 | 2022-10-01 | 長庚醫療財團法人林口長庚紀念醫院 | 營養狀態評估方法及營養狀態評估系統 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109064443A (zh) * | 2018-06-22 | 2018-12-21 | 哈尔滨工业大学 | 一种基于腹部超声图像的多模型器官分割方法及系统 |
| CN110807829A (zh) * | 2019-11-05 | 2020-02-18 | 张东海 | 一种基于超声成像构建三维心脏模型的方法 |
| CN112102321A (zh) * | 2020-08-07 | 2020-12-18 | 深圳大学 | 一种基于深度卷积神经网络的病灶图像分割方法及系统 |
| CN112950611A (zh) * | 2021-03-18 | 2021-06-11 | 西安智诊智能科技有限公司 | 一种基于ct图像的肝脏血管分割方法 |
| CN113052849A (zh) * | 2021-04-16 | 2021-06-29 | 中国科学院苏州生物医学工程技术研究所 | 腹部组织图像自动分割方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200194117A1 (en) * | 2018-12-13 | 2020-06-18 | University Of Maryland, College Park | Systems, methods, and media for remote trauma assessment |
-
2021
- 2021-08-24 CN CN202110976525.9A patent/CN113658332B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109064443A (zh) * | 2018-06-22 | 2018-12-21 | 哈尔滨工业大学 | 一种基于腹部超声图像的多模型器官分割方法及系统 |
| CN110807829A (zh) * | 2019-11-05 | 2020-02-18 | 张东海 | 一种基于超声成像构建三维心脏模型的方法 |
| CN112102321A (zh) * | 2020-08-07 | 2020-12-18 | 深圳大学 | 一种基于深度卷积神经网络的病灶图像分割方法及系统 |
| CN112950611A (zh) * | 2021-03-18 | 2021-06-11 | 西安智诊智能科技有限公司 | 一种基于ct图像的肝脏血管分割方法 |
| CN113052849A (zh) * | 2021-04-16 | 2021-06-29 | 中国科学院苏州生物医学工程技术研究所 | 腹部组织图像自动分割方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| Qi Zhang 等.A new technique for the 3D reconstruction of the incisional hernia: A pilot study.Clinical Imaging.2020,第67卷第91-94页. * |
| 于凌涛 等.用于腹部CT肝脏分割的边界监督模型.华中科技大学学报(自然科学版).2020,第48卷(第09期),第76-81,88页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113658332A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10762637B2 (en) | Vascular segmentation using fully convolutional and recurrent neural networks | |
| US6251072B1 (en) | Semi-automated segmentation method for 3-dimensional ultrasound | |
| CN113781439B (zh) | 超声视频病灶分割方法及装置 | |
| DE102018218751A1 (de) | Machinengestützter arbeitsablauf bei der ultraschallbildgebung | |
| JP2002515772A (ja) | 対象の運動を相殺する画像装置および方法 | |
| KR20190061041A (ko) | 이미지 프로세싱 | |
| WO2008035444A1 (fr) | Système de diagnostic de sein à ultrasons | |
| EP1198200A1 (en) | Intravascular ultrasonic analysis using active contour method and system | |
| US11455720B2 (en) | Apparatus for ultrasound diagnosis of liver steatosis using feature points of ultrasound image and remote medical-diagnosis method using the same | |
| CN111325759A (zh) | 血管分割方法、装置、计算机设备及可读存储介质 | |
| CN107427279A (zh) | 使用具有用户控制的心脏模型腔室的心脏功能的超声诊断 | |
| CN114145719B (zh) | 双模冠脉血管图像三维融合的方法和融合系统 | |
| CN113658332B (zh) | 一种基于超声影像的腹直肌智能分割重建方法及装置 | |
| KR20220064408A (ko) | 시공간 데이터에 기초하여 의료 이미지를 분석하기 위한 시스템 및 방법 | |
| CN116188677A (zh) | 血管介入手术区域三维重建方法、系统及装置 | |
| CN115553816A (zh) | 一种便携式三维颈动脉超声自动诊断系统以及方法 | |
| KR102084138B1 (ko) | 영상 처리 장치 및 방법 | |
| CN110738633A (zh) | 一种机体组织的三维图像处理方法及相关设备 | |
| US7668370B2 (en) | Segmenting a series of 2D or 3D images | |
| Loizou et al. | Segmentation of atherosclerotic carotid plaque in ultrasound video | |
| CN112562058B (zh) | 一种基于迁移学习的颅内血管模拟三维模型快速建立方法 | |
| JP2801536B2 (ja) | 超音波画像処理装置 | |
| EP4329621A1 (en) | Methods, systems, and storage mediums for image generation | |
| CN114224388B (zh) | 基于多频率超声的颈动脉三维重建方法及系统 | |
| Said et al. | Automatic Measurement of Spinous Process Angle on Ultrasound Spinal Column Image |
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 |