CN115100067A - 图像重建方法及装置 - Google Patents
图像重建方法及装置 Download PDFInfo
- Publication number
- CN115100067A CN115100067A CN202210769695.4A CN202210769695A CN115100067A CN 115100067 A CN115100067 A CN 115100067A CN 202210769695 A CN202210769695 A CN 202210769695A CN 115100067 A CN115100067 A CN 115100067A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- reconstruction
- target
- target area
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
- G06T2207/10124—Digitally reconstructed radiograph [DRR]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种图像重建方法及系统,包括:采集至少两幅第一图像;确定每一幅第一图像中的目标区域;根据至少两个目标区域获得一分割区域;根据所述分割区域分割每一幅第一图像,获得与其对应的第二图像;及对所述第二图像进行重建获得第三图像。本发明通过将图像目标区域单独分割出来进行重建,并对分割出来的目标区域先进行扩展,再进行重建,保证了在投影图像上的每个像素值都是真实有效,这样不仅可保证后续进行重建的物体的完整性,又可以尽可能减少不必要的非重建目标的像素点,加快重建速度。
Description
本发明专利申请是申请日为2016年01月29日,申请号为2016100666844,名称为“图像重建方法及装置”的中国发明专利申请的分案申请。
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图像重建方法及装置。
背景技术
图像重建技术是一种根据物体横剖面的一组投影数据,经过计算机处理后得到物体该横剖面的图像,已被广泛地应用于医学成像、工业无损检测等各种领域,尤其是在医学成像领域,图像重建技术获得了非常广泛的应用,也成为医生进行疾病诊断的重要依据。
在X射线成像领域中,图像重建技术尽管使用高性能显卡或其他计算密集型的协处理器进行重建,但处理速度仍然不够理想,而随着平板探测器技术的发展,高分辨率成像的需求越来越迫切,如乳腺图像中对于小钙化点的微小病灶信息的确认需要高分辨率的图像。高分辨率(现有乳腺断层图像分辨率可达2816*3584)成像会增加处理图像所需的存储量,对于显卡处理效率的要求也越来越高。
现有技术中,通常是将整幅投影图像输入处理系统中进行重建,或者是将整幅投影图像分成背景区域和目标区域进行分别重建后再融合,这两种方法需要较大的计算数据量,导致重建的处理时间会延长,同时也会导致数据存储量增加等问题,使整个重建过程效率低下,影响整体诊断效率,进而影响医院的患者接待量,使患者拍片排期增长,患者有可能因此而错过最佳治疗时间。
因此,如何能提高图像重建效率,缩短患者的检查周期,减少硬件的负荷,成为目前亟待解决的问题之一。
发明内容
基于此,有必要针对上述技术问题,提供一种可以有效的减少图像重建时间并减小图像存储量的方法,以提高图像重建效率,使患者可以获得更及时的诊断和治疗。
为了达到所述目的,本发明提供一种重建区域的确定方法,包括:
采集至少两幅第一图像;
确定每一幅第一图像中的目标区域;
根据所述目标区域获得重建区域。
可选的,所述确定每一幅第一图像中的目标区域包括:
计算所述第一图像的灰度值均值;
将所述第一图像中所有像素点灰度值与灰度值均值进行比较;
以像素点灰度值大于灰度值均值的像素点区域作为目标区域。
可选的,所述的重建区域的确定方法,
在第一图像的灰度值大于灰度值均值的像素点区域中以最大边缘作为目标区域边缘。
可选的,所述目标区域边缘是通过种子填充法获得。
可选的,所述重建区域为所述至少两幅第一图像目标区域的并集。
可选的,所述第一图像的宽度为X轴,高度为Y轴时,所述分割区域为相对的两个点A(X1,Y1)和B(X2,Y2)构成的矩形区域,其中X1、Y1、X2、Y2分别为在所有第一图像的目标区域像素点中,像素点横坐标最大时对应的值;像素点纵坐标最小时对应的值;像素点横坐标最小时对应的值;像素点纵坐标最大时对应的值。
可选的,所述第一图像的宽度为X轴,高度为Y轴时,所述分割区域为相对的两个点A(X1,Y1)和B(X2,Y2)构成的矩形区域,其中:
X1,为所有第一图像的目标区域像素点中,像素点横坐标最大时对应的值,Y1为0,X2为0,Y2为所述第一图像高度对应的的纵坐标值;
或者,
X1为所述第一图像宽度对应的横坐标值,Y1为0,X2为0,Y2为所有第一图像的目标区域像素点中,像素点纵坐标最大时对应的值。
可选的,确定所述目标区域采用边缘检测、阈值分割、区域分割或直方图分割方法中的一种。
可选的,所述第一图像为乳腺投影图像。
本发明还提供一种图像重建方法,包括:
采集至少两幅第一图像;
确定每一幅第一图像中的目标区域;
根据所述目标区域获得坐标模板;
根据所述坐标模板重建,获得第三图像。
本发明还提供另一种图像重建方法,包括:
采集至少两幅第一图像;
确定每一幅第一图像中的目标区域;
根据至少两个目标区域获得一分割区域;
根据所述分割区域分割每一幅第一图像,获得与其对应的第二图像;及
对所述第二图像进行重建获得第三图像。
可选的,所述图像重建方法,还包括:
根据所述第一图像的大小对所述第三图像进行扩充。
可选的,所述扩充采用与目标区域边缘有灰度差的单一灰度值进行扩充。
本发明还提供一种图像重建装置,包括:
采集单元,用于采集至少两幅第一图像;
目标区域确定单元,用于确定每一幅第一图像中的目标区域;
分割区域获取单元,用于根据至少两个目标区域获得一分割区域;
分割单元,用于根据所述分割区域分割每一幅第一图像,获得与其对应的第二图像;
重建单元,用于对所述第二图像进行重建获得第三图像。
可选的,所述的图像重建装置,还包括:
扩充单元,用于根据所述第一图像的大小对所述第三图像进行扩充。
与现有技术相比,本发明仅对投影图像中的分割区域进行重建,通过减少计算量,提高重建速度,并节约了设备的存储空间。
进一步,为了保证重建图像完整性,本发明采用了对确定的分割区域进行取交集的方法或采用最大边框的方法,以保证投影图像的每个有效像素点不会被遗漏。
另外本发明还采用通过重建模板的方法,降低重建计算量,同样达到了提高重建速度和节约存储空间的目的。
根据本发明的重建方法可以减少约一半的存储量和三分之一的重建时间,较好的提升显卡重建效率,进而提高医院的诊断速度,减少患者等待时间。
附图说明
图1是乳腺成像设备采集的投影图像示意图;
图2是本发明实施例的投影图像二值化流程示意图;
图3是本发明实施例的种子填充法流程示意图;
图4是本发明实施例的目标区域取并集的过程示意图;
图5是本发明实施例的矩形分割区域分割示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图和实施例对本发明的具体实施方式作详细的说明。显然,所述的实施例仅仅是本发明可实施方式的一部分,而不是其全部。根据这些实施例,本领域的普通技术人员在无需创造性劳动的前提下可获得的所有其它实施方式,都属于本发明的保护范围。
由背景技术可知,采用现有的图像重建方法,计算数据量大,重建速度较慢、对硬件的要求高。对于用于临床诊断的医学图像中,有近一半的图像区域是不需要重建的无效区域。如在乳腺成像过程中,除乳房组织结构以外的其他区域是无效区域,这部分区域与临床诊断无关。若在重建过程中将无关的区域去掉,只对临床诊断有必要的区域进行重建,势必能提高重建速度,减轻对硬件造成的负担。
图1是现有乳腺投影图像。如图1所示,该图中灰度值偏高的部分为乳腺组织部分10,而右侧灰度值偏低的部分为背景部分20,即无效区域。就该图像而言,无效区域超过了整个重建图像的一半以上,也就是在重建过程中有一半以上的计算过程是没有临床诊断意义的。
本发明中,在采集到的投影图像中,只针对人体组织的有效部分进行重建,可减少计算量,加快重建速度,减轻设备硬件的负荷。
以下根据附图,对本发明的图像重建方法进行详细说明。在本实施例中以乳腺断层摄影系统为例进行说明,但不限于此,在其他计算机断层扫描系统或医学影像系统都可以采用该方法对医学图像进行重建。
本发明的图像重建方法包括:
采集至少两幅第一图像;
确定每一幅第一图像中的目标区域;
根据至少两个目标区域获得一分割区域;
根据所述分割区域分割每一幅第一图像,获得与其对应的第二图像;及
对所述第二图像进行重建获得第三图像。
所述第一图像在乳腺断层成像中为投影图像,乳腺断层系统包括发射X射线的球管及设置在球管相对位置的探测器,球管和探测器围绕着乳房为中心进行旋转并拍摄,一般来讲在乳腺成像过程中以竖直方向为0°的±15°范围内每隔1°拍摄一张投影图像,故可以获得31张不同投影角度的投影图像。在其他一些乳腺断层摄影系统中,也可以以竖直方向为0°的±25°范围内每隔2°拍摄一张投影图像,在此不做限定。
按照本发明所提供的图像重建方法,要在多幅投影图像中先确定目标区域即感兴趣区域,在本实施例中,目标区域的确定采用二值化方法。如图2所示,二值化方法的具体步骤为:S11,在所述投影图像中计算出所有像素点的灰度值均值;S12,对所述投影图像中所有像素点的灰度值与灰度值均值比较,若大于所述灰度值均值则将该像素点标注为1,若小于所述灰度值均值则将该像素点标注为0;S13,根据所述标注结果计算最大目标区域边缘,其中像素点标注为1的区域为图像目标区域。
在实际处理过程中,所确定的目标区域中有可能存在灰度值为0的像素点,而为了确保目标区域的完整性,在二值化结果中确定目标区域时以含有灰度值为1的像素点区域的最大边缘作为目标区域的边缘。在本实施例中目标区域的边缘是通过种子填充法完成的,具体如下:如图3所示,S21,在二值化以后的投影图像中,以标注为1的像素点为初始种子点(一般以左上角或左下角的标记为1的像素点为初始种子点);S22,搜索其3×3×3邻域内的像素点;S23,判断是否有标注为0的像素点;S24,若S23中判断结果为“是”,将该像素点标记为边界点;S25,若S23中判断结果为“否”,将该点标记为内部点;S26,继续判断在种子像素点的3×3×3的邻域内是否有标注为1,且没进行内/外部标记的像素点;S27,若S26中判断结果为“是”,将该标注为1,并未标记过的点设为种子,并回到S22继续循环;在S26中判断结果为“否”,则结束运算。通过上述步骤可将二值化的投影图像中的所有标注为1的像素点进行标记,并找出边界点,并将相邻的边界点连接一起就可以组成边缘,当存在多个边缘的时将最大的边缘作为目标区域的边缘。
需要说明的是,本实施例中目标区域的确定方法采用的是二值化方法,而在其他实施例中还可以采用边缘检测、阈值分割、区域分割或直方图分割等其他分割方法,在此不作限定。
将目标区域确定后,根据所述目标区域获取分割区域,为了使乳腺组织边缘上可能存在的病灶点不被遗漏,所述分割区域要完全包括所有投影图像中的所有目标区域。具体的,所述分割区域是对全部投影图像的目标区域取并集。
如图4所示(图中的目标区域的形状只是为了方便说明对目标区域取并集的方式而示意性绘出),其中图a1、a2、a3分别是三幅投影图像中的目标区域示意图;图b是三个目标区域取并集时的示意图;图c是根据目标区域的并集最终生成的分割区域示意图。如图所示,根据并集运算获得的分割区域涵盖了所有投影图像的目标区域,根据所述分割区域分割投影图像以后进行重建所得到的重建图像将包含所有乳腺组织的病灶信息,很好的降低了重建过程的计算量,也减小了数据存储量。
除上述对目标区域取并集的方法获得分割区域以外,在其他实施例中,还可以采用其他方法获得分割区域。如图5所示,在本发明的另一实施例中,目标区域的像素点已标注为1,并且其像素点的坐标位置也是确定的,因此采用由坐标A(X1,Y1)和B(X2,Y2)两个对角点构成的矩形框出的区域S为所述分割区域。其中,坐标A(X1,Y1)的X1是所有投影图像进行二值化以后标注为1的像素点中像素点横坐标最大时对应的值,Y1是所有投影图像进行二值化以后标注为1的像素点中像素点纵坐标最小时对应的值;坐标B(X2,Y2)的X2是所有投影图像进行二值化以后标注为1的像素点中像素点横坐标最小时对应的值,Y2是所有投影图像进行二值化以后标注为1的像素点中像素点纵坐标最大时对应的值。在乳腺成像中,以站立式拍摄时X2置为零,以趴卧式拍摄时Y1置为零。
在又一实施例中,为了简化上述实施例中获得矩形分割区域的计算步骤,以站立式拍摄为例,所述矩形分割区域只考虑像素点中像素点横坐标最大时对应的值,对于坐标A(X1,Y1)和B(X2,Y2)而言,X1是所有投影图像进行二值化以后标注为1的像素点中像素点横坐标最大时对应的值,Y1、X2则等于零,Y2=Ymax(Ymax为投影图像的高对应的纵坐标值)。这种方法获得的分割区域可能不如上一实施例中获得的矩形分割区域精确,但是可以简化生成分割区域的计算步骤。
在又一实施例中,所述目标区域只要完全覆盖目标组织(所要检查的对象)即可,并不限于矩形框,还可以是事先设定好的与目标组织轮廓一致的其他任意形状。
接着,将根据所述分割区域分割后获得的分割图像输入到系统中进行重建。进一步地,为了方便后续处理,重建图像大小还原至与图像分割前一致。具体的,背景区域是与人体组织无关的区域,对于非目标区域的背景区域以固定灰度值的像素点填充,并获得完整的重建图像供医生参考诊断。
需要说明的是,在本实施例中进行图像分割步骤时采用的是并行方式,即采集完第n幅投影图像后,继续采集第n+1幅投影图像,同时系统确定第n幅投影图像的目标区域,而不是等全部投影图像采集完毕后再开始确定其目标区域,有效的提升了数据处理速度。
本发明的其他实施例中,还可以采用通过坐标模板进行重建的方法。如,采用0-1坐标模板,即在坐标模板中将乳腺区域置为1,背景区域置为0。该坐标模板可以通过上述过程中的根据目标区域取并集的方式获取,通过该坐标模板进行重建,在进行重建时依据坐标模板只将目标区域进行重建。在进行重建时判断像素点的坐标是否在乳腺区域(目标区域)内部,如果在,则进行重建,否则忽略。
对应于以上的图像重建方法,本发明实施例还提供一种图像重建装置,包括:
采集单元,用于采集至少两幅第一图像;
目标区域确定单元,用于确定每一幅第一图像中的目标区域;
分割区域获取单元,用于根据至少两个目标区域获得一分割区域;
分割单元,用于根据所述分割区域分割每一幅第一图像,获得与其对应的第二图像;
重建单元,用于对所述第二图像进行重建获得第三图像。
本实施例中,所述图像重建装置还包括:扩充单元,用于根据所述第一图像的大小对所述第三图像进行扩充,以方便后续处理。
所述图像重建装置的具体实施方法可以参考图像重建方法的实施,此处不再赘述。
根据本发明的仅针对目标区域进行重建的方法,相对于现有技术而言,有效的减少了后续重建过程中的数据处理量,很好的减轻对显卡的负担,提高整体处理效率。经验证,采用本发明的图像重建方法可以在重建系统中减少约一半的存储量和1/3的重建时间。
本发明虽然已以较佳的实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案作出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
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流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上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。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (15)
1.一种重建区域的确定方法,其特征在于,所述方法包括:
采集至少两幅第一图像;
确定每一幅第一图像中的目标区域;
根据所述目标区域获得重建区域,其中,所述重建区域为用于图像重建的有效区域。
2.根据权利要求1所述的方法,其特征在于,所述确定每一幅第一图像中的目标区域包括:
计算所述第一图像的灰度值均值;
将所述第一图像中所有像素点灰度值与灰度值均值进行比较;
以像素点灰度值大于灰度值均值的像素点区域作为目标区域。
3.根据权利要求2所述的方法,其特征在于,在第一图像的灰度值大于灰度值均值的像素点区域中以最大边缘作为目标区域边缘。
4.根据权利要求3所述的方法,其特征在于,所述目标区域边缘是通过种子填充法获得。
5.根据权利要求2所述的方法,其特征在于,所述重建区域为所述至少两幅第一图像目标区域的并集。
6.根据权利要求2所述的方法,其特征在于,所述第一图像的宽度为X轴,高度为Y轴时,所述分割区域为相对的两个点A(X1,Y1)和B(X2,Y2)构成的矩形区域,其中X1、Y1、X2、Y2分别为在所有第一图像的目标区域像素点中,像素点横坐标最大时对应的值;像素点纵坐标最小时对应的值;像素点横坐标最小时对应的值;像素点纵坐标最大时对应的值。
7.根据权利要求2所述的方法,其特征在于,所述第一图像的宽度为X轴,高度为Y轴时,所述分割区域为相对的两个点A(X1,Y1)和B(X2,Y2)构成的矩形区域,其中:
X1,为所有第一图像的目标区域像素点中,像素点横坐标最大时对应的值,Y1为0,X2为0,Y2为所述第一图像高度对应的的纵坐标值;
或者,
X1为所述第一图像宽度对应的横坐标值,Y1为0,X2为0,Y2为所有第一图像的目标区域像素点中,像素点纵坐标最大时对应的值。
8.根据权利要求1所述的方法,其特征在于,确定所述目标区域采用边缘检测、阈值分割、区域分割或直方图分割方法中的一种。
9.根据权利要求1所述的方法,其特征在于,所述第一图像为乳腺投影图像。
10.一种图像重建方法,其特征在于,包括:
采集至少两幅第一图像;
确定每一幅第一图像中的目标区域;
根据所述目标区域获得坐标模板;其中,所述坐标模板包括用于图像重建的有效区域;
根据所述坐标模板重建,获得第三图像。
11.一种图像重建方法,其特征在于,包括:
采集至少两幅第一图像;
确定每一幅第一图像中的目标区域;
根据至少两个目标区域获得一分割区域;
根据所述分割区域分割每一幅第一图像,获得与其对应的第二图像;及
对所述第二图像进行重建获得第三图像,其中,所述第二图像包括用于图像重建的有效区域。
12.根据权利要求10或11所述的图像重建方法,其特征在于,所述方法还包括:
根据所述第一图像的大小对所述第三图像进行扩充。
13.根据权利要求12所述的图像重建方法,其特征在于,
所述扩充采用与目标区域边缘有灰度差的单一灰度值进行扩充。
14.一种图像重建装置,其特征在于,包括:
采集单元,用于采集至少两幅第一图像;
目标区域确定单元,用于确定每一幅第一图像中的目标区域;
分割区域获取单元,用于根据至少两个目标区域获得一分割区域;
分割单元,用于根据所述分割区域分割每一幅第一图像,获得与其对应的第二图像,其中,所述第二图像包括用于图像重建的有效区域;
重建单元,用于对所述第二图像进行重建获得第三图像。
15.根据权利要求14所述的图像重建装置,其特征在于,还包括:
扩充单元,用于根据所述第一图像的大小对所述第三图像进行扩充。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210769695.4A CN115100067A (zh) | 2016-01-29 | 2016-01-29 | 图像重建方法及装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210769695.4A CN115100067A (zh) | 2016-01-29 | 2016-01-29 | 图像重建方法及装置 |
CN201610066684.4A CN105761217A (zh) | 2016-01-29 | 2016-01-29 | 图像重建方法及装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610066684.4A Division CN105761217A (zh) | 2015-09-15 | 2016-01-29 | 图像重建方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115100067A true CN115100067A (zh) | 2022-09-23 |
Family
ID=56342850
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210769695.4A Pending CN115100067A (zh) | 2016-01-29 | 2016-01-29 | 图像重建方法及装置 |
CN202210768228.XA Pending CN115100066A (zh) | 2016-01-29 | 2016-01-29 | 图像重建方法及装置 |
CN201610066684.4A Pending CN105761217A (zh) | 2015-09-15 | 2016-01-29 | 图像重建方法及装置 |
CN202210769189.5A Pending CN115082348A (zh) | 2016-01-29 | 2016-01-29 | 图像重建方法及装置 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210768228.XA Pending CN115100066A (zh) | 2016-01-29 | 2016-01-29 | 图像重建方法及装置 |
CN201610066684.4A Pending CN105761217A (zh) | 2015-09-15 | 2016-01-29 | 图像重建方法及装置 |
CN202210769189.5A Pending CN115082348A (zh) | 2016-01-29 | 2016-01-29 | 图像重建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (4) | CN115100067A (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10140735B2 (en) | 2015-09-15 | 2018-11-27 | Shanghai United Imaging Healthcare Co., Ltd. | Image reconstruction system and method |
US9697623B1 (en) | 2015-09-15 | 2017-07-04 | Shanghai United Imaging Healthcare Co., Ltd. | Image reconstruction system and method |
CN107545551B (zh) * | 2017-09-07 | 2018-11-16 | 广州华端科技有限公司 | 数字乳腺体层合成图像的重建方法和系统 |
CN109961471B (zh) * | 2017-12-14 | 2021-05-28 | 北京猎户星空科技有限公司 | 一种图像中物体位置的标注方法、装置及电子设备 |
CN112948371A (zh) * | 2019-12-10 | 2021-06-11 | 广州极飞科技股份有限公司 | 数据处理方法、装置、存储介质、处理器 |
CN111242877A (zh) * | 2019-12-31 | 2020-06-05 | 北京深睿博联科技有限责任公司 | 乳腺x射线影像配准方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186886B (zh) * | 2011-12-31 | 2017-04-05 | 西门子(深圳)磁共振有限公司 | 磁共振成像的图像重建方法及图像重建装置 |
CN104794744B (zh) * | 2014-01-16 | 2019-03-05 | 上海联影医疗科技有限公司 | 一种医学图像的多平面重建成像方法 |
-
2016
- 2016-01-29 CN CN202210769695.4A patent/CN115100067A/zh active Pending
- 2016-01-29 CN CN202210768228.XA patent/CN115100066A/zh active Pending
- 2016-01-29 CN CN201610066684.4A patent/CN105761217A/zh active Pending
- 2016-01-29 CN CN202210769189.5A patent/CN115082348A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN105761217A (zh) | 2016-07-13 |
CN115082348A (zh) | 2022-09-20 |
CN115100066A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107622492B (zh) | 肺裂分割方法及系统 | |
CN115100067A (zh) | 图像重建方法及装置 | |
US10339648B2 (en) | Quantitative predictors of tumor severity | |
Ko et al. | Computer-aided diagnosis and the evaluation of lung disease | |
US9384555B2 (en) | Motion correction apparatus and method | |
EP3447733B1 (en) | Selective image reconstruction | |
US8068650B2 (en) | Lesion quantification and tracking using multiple modalities | |
US10497123B1 (en) | Isolation of aneurysm and parent vessel in volumetric image data | |
US9478048B2 (en) | Prior image based three dimensional imaging | |
CN110717961B (zh) | 多模态图像重建方法、装置、计算机设备和存储介质 | |
JP2008503303A (ja) | 気管気管支樹を表示する方法及び装置 | |
US10460508B2 (en) | Visualization with anatomical intelligence | |
CN108320314B (zh) | 一种基于ct横断图像的图像处理方法和装置、显示系统 | |
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 | |
JP2007135858A (ja) | 画像処理装置 | |
CN111340825A (zh) | 一种纵膈淋巴结分割模型的生成方法及系统 | |
JP2013223620A (ja) | 医用画像のレジストレーション処理装置、方法およびプログラム | |
US9082193B2 (en) | Shape-based image segmentation | |
CN114943714A (zh) | 医学图像处理系统、装置、电子设备及存储介质 | |
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 | |
US11317875B2 (en) | Reconstruction of flow data | |
CN113724264B (zh) | 图像分割方法、系统和可读存储介质 | |
Smistad et al. | GPU-based airway segmentation and centerline extraction for image guided bronchoscopy | |
JP2014161388A (ja) | 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体 | |
JP7515502B2 (ja) | 陽電子放射断層撮影を用いた腫瘍セグメンテーションのための深層畳み込みニューラルネットワーク |
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 |