CN115568873B - 一种ct影像自动调整方法 - Google Patents
一种ct影像自动调整方法 Download PDFInfo
- Publication number
- CN115568873B CN115568873B CN202211561555.4A CN202211561555A CN115568873B CN 115568873 B CN115568873 B CN 115568873B CN 202211561555 A CN202211561555 A CN 202211561555A CN 115568873 B CN115568873 B CN 115568873B
- Authority
- CN
- China
- Prior art keywords
- value
- point
- histogram
- voxel
- energy
- 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
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000000399 orthopedic effect Effects 0.000 abstract description 4
- 210000001519 tissue Anatomy 0.000 description 9
- 210000000988 bone and bone Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003902 lesion Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004705 lumbosacral region Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/545—Control of apparatus or devices for radiation diagnosis involving automatic set-up of acquisition parameters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种CT影像自动调整方法,包括步骤:根据CT影像各体素点的CT值生成直方图,根据目标组织搜索直方图中满足设定条件的峰值位置,并依据所述峰值位置与直方图最右侧区间点确定几何凸性拐点;根据所述几何凸性拐点处对应的CT值得到CT值的最小阈值和最大阈值,并据此对CT影像进行调整。本发明可快速完成影像的阈值/窗位窗宽调整,缩短医生诊断及规划、手术的时间,在骨科相关手术领域中具有广泛的应用场景。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种CT影像自动调整方法。
背景技术
CT影像数据是医生进行病理判断的主要使用数据,具有影像数据完整、影像精度高、数据细节丰富的特点,是目前骨科手术导航定位机器人所常用的影像数据。在CT检查中不同密度的正常组织或病变的组织结构或病变具有不同的CT值,因此欲显示某一组织结构细节时,应选择适合观察该组织或病变的CT值范围以获得最佳显示,然而由于拍摄CT的设备多种多样,用以显示CT影像的软件也有很多种类,仅仅通过固定的CT值范围筛选往往无法得到想要观察的组织结构。例如,医生在查看CT影像数据时一般需要手动调整影像阈值以便于看到更清晰的骨骼部分特征。
发明内容
发明目的:针对上述不足,本发明提供一种基于直方图几何特征的CT影像自动调整方法,可快速完成影像的阈值/窗位窗宽调整,缩短医生诊断及规划、手术的时间,在骨科相关手术领域中具有广泛的应用场景。
技术方案:
一种CT影像自动调整方法,包括步骤:
根据CT影像各体素点的CT值生成直方图,根据目标组织搜索直方图中满足设定条件的峰值位置,并依据所述峰值位置与直方图最右侧区间点确定几何凸性拐点;
根据所述几何凸性拐点处对应的CT值得到CT值的最小阈值和最大阈值,并据此对CT影像进行调整。
所述依据峰值位置与直方图最右侧区间点之间确定几何凸性拐点具体如下:
在直方图上从峰值位置向右侧遍历每个区间点,计算该点到峰值位置与直方图最右侧区间点之间连线的距离;
找出到所述连线距离最大的点即为所述几何凸性拐点。
根据所述几何凸性拐点处对应的CT值得到CT值的最小阈值和最大阈值具体为:
以所述几何凸性拐点对应的能量值区间左边界值得到最小阈值;
在所述直方图上以凸性拐点为起点向右侧遍历每组直方图,记录第i组直方图的体素点个数及其后m组直方图的的体素点个数,并计算其算术平均值,将得到的算术平均值除以凸性拐点处的体素点个数,结果记为E,判断第i组直方图对应的E是否小于设定阈值;
若小于则停止搜索,以第i组直方图对应区间的右边界值作为最大阈值;若不小于则继续向右搜索直至得到对应的E是否小于设定阈值,并以其对应区间的右边界值作为最大阈值。
在所述直方图上向右搜索到最后一个区间的前m+1个区间得到的对应的E不小于设定阈值,则以最后一个区间的右边界值作为最大阈值。
所述m=9。
所述设定阈值取0.02。
所述设定条件如下:
Di+1=Ni+1-Ni<-K
Di=Ni-Ni-1>K
Ni≥P
Ni>Ni-2
Ni>Ni-1
Ni>Ni+1
Ni>Ni+2
其中,Ni表示第i组直方图中体素点个数;Di+1、Di分别为第i+1、i个组直方图与前一组直方图之间体素点个数的差值;K为差值阈值;P为临界值,P=2*Nsum/N,Nsum为体素点总数;Ni-2、Ni-1、Ni+1、Ni+2分别为第i-2、i-1、i+1、i+2组直方图中体素点个数。
所述根据CT影像各体素点的CT值生成直方图具体为:
判断CT影像中各体素点的CT值是否存在负数;
若不存在负数,则不作处理,直接以各体素点的CT值作为其能量值;
若存在负数,则遍历CT影像中所有体素点的CT值得到其中最小值的绝对值,将各体素点的CT值加上该最小值的绝对值得到对应体素点的能量值;
以前述得到的各体素点的能量值生成其能量值直方图。
将各体素点的能量值分布范围进行N等分,遍历所有体素点及其能量值,以能量值表示横轴,以等分后对应能量值区间的体素点个数作为纵轴构建得到能量值直方图。
在得到所述最小阈值和最大阈值后,计算相应的窗位窗宽,对所述CT影像进行窗位窗宽调整。
有益效果:本发明可快速完成影像的阈值/窗位窗宽调整,缩短医生诊断及规划、手术的时间,在骨科相关手术领域中具有广泛的应用场景。
附图说明
图1为本发明的CT影像自动调整方法的流程图;
图2为脊椎(腰椎部位)CT扫描影像示意图;
图3为构建的能量值直方图示意图;
图4为刻度放大后的能量值直方图示意图,其中选取与图3不同能量值区间得到对应的直方图;
图5为筛选得到的峰值及其右侧部分直方图示意图;
图6为直方图凸性拐点的示意图;
图7为自动阈值调整后的CT影像的示意图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明。
图1为本发明的CT影像自动调整方法的流程图,如图1所示,本发明的CT影像自动调整方法包括如下步骤:
(1)获取CT影像中的体素信息;
如图2所示为患者脊柱CT扫描影像中的腰椎部分,通过读取该影像CT序列文件,可以获得影像的空间分辨率及影像的体素信息;
本发明具体实施例中,影像的空间分辨率为512*512*142,即在影像坐标系的X、Y、Z方向的像素范围分别为0~511、0~511、0~141,X方向为人体右手指向左手方向,Y方向为人体前胸指向后背方向,Z方向为人体脚指向头部方向,均符合DICOM(Digital Imaging andCommunications in Medicine,医学数字成像和通信)标准;
影像的体素信息包括影像中512*512*142个体素点的坐标信息及其能量值,其中能量值是对各体素点的CT值进行重新定标得到,如下:
根据DICOM标准,CT影像的CT值标准范围是-1024~3071Hu(Hu是CT值的单位),不同的人体组织对应的CT值不同。但是不同厂家的螺旋CT设备可能因为其自身或扫描设置的原因导致其扫描出的CT影像的CT值范围并不在上述标准范围内,因此需要将CT值转换为能量值进行处理,具体转换如下;由于CT值可能为正数也可能为负数,如若CT影像中各体素点的CT值均不为负数,则不作处理,直接以各体素点的CT值作为其能量值;如若CT影像中各体素点的CT值存在负数,为便于处理,将所有体素点的CT值转换为能量值进行后续处理,具体转换方法如下:遍历512*512*142个体素点的CT值得到其中的最小值Vmin的绝对值,将其中各体素点的CT值加上最小值Vmin的绝对值得到的值记为对应体素点的能量值,从而得到各体素点的能量值及对应的能量值分布范围。
本发明通过能量值进行分析以确定合适的阈值,即确定的能量值分布范围内确定合适的最大和最小能量阈值,从而对影像进行调整获取清晰的病灶部分影像;本发明中,该CT影像中各体素点的能量值分布范围为0~2102。
(2)根据CT影像的体素信息生成直方图;
根据步骤(1)得到的各体素点的能量值生成其能量值直方图,具体如下:
将步骤(1)得到的各体素点的能量值分布范围进行N等分(本发明中,N=1000),遍历所有体素点及其能量值,判断每个体素点的能量值属于上述能量值区间中的哪一个并记录,统计所有能量值区间内的体素点个数,以能量值表示横轴,以等分后对应能量值区间的体素点个数作为纵轴构建能量值直方图,如图3所示;
由于体素点分布差异较大不易看清,对纵轴的刻度进行放大,如图4所示,可以较为清晰的看到直方图主要分布特征。
(3)根据目标组织搜索步骤(2)生成的能量值直方图中峰值位置;
要对能量值直方图进行分析,首先要确定能量值直方图中目标组织(如软组织、骨骼等)的峰值位置,根据图4可以看出,能量值直方图可能存在多个峰值,因此需要确定合适的峰值判断条件以挑选合适的峰值位置,本发明具体实施例中设定的具体峰值判断条件如下:
在能量值直方图上遍历每组直方图,判断第i组直方图中体素点个数Ni是否满足以下条件:
Di+1=Ni+1-Ni<-K
Di=Ni-Ni-1>K
Ni≥P
Ni>Ni-2
Ni>Ni-1
Ni>Ni+1
Ni>Ni+2
其中,Di+1、Di分别为第i+1、i个组直方图与前一组直方图之间体素点个数的差值;K为差值阈值,一般取0~10以内的数值;P为临界值,P=2*Nsum/N,Nsum为体素点总数,本发明中,为512*512*142;Ni-2、Ni-1、Ni+1、Ni+2分别为第i-2、i-1、i+1、i+2组直方图中体素点个数;
在本发明具体实施例是针对骨骼进行阈值提取,而骨骼的CT值比较大,因此,在能量值直方图上遍历每组直方图采用从能量值直方图的右侧向左侧依次遍历每组直方图能够更快地找到对应的峰值位置。
当遍历到某一组直方图中体素点个数满足上述条件时,即可停止搜索,记下该组直方图所在的区间序号p、能量值区间(a,b]及对应的体素点数Np;
如图5所示,图中纵轴坐标值最大的区间点即为得到的峰值点,可以得到该点处对应的直方图的体素点数Np=115047,区间序号p=529,后续能量值直方图分析主要针对该峰值右侧部分进行分析。
(4)根据步骤(3)得到的能量值直方图的峰值位置确定其几何凸性拐点;
为便于分析能量值直方图的几何特性,将步骤(3)得到能量值直方图的峰值位置转换为能量值直方图上的二维几何坐标点P0,则其坐标记为 (p,Np),即该点的x坐标为区间序号p,y坐标为对应体素点数Np;
类似地,将能量值直方图上位于峰值位置右侧的区间点全部转换为对应的二维几何坐标点,则第j个区间点记为Pj(j,Nj),最后一个区间点记为Pe(e,Ne),显然e =1000;
如图6所示,能量值直方图近似为图中的虚线,因此图中箭头所示位置的点即为能量值直方图的凸性拐点,图中的点划线为连接点P0和点Pe生成的线段L,则可按照如下方法确定直方图的几何凸性拐点:
从峰值位置向右侧遍历每个区间点Pj(j,Nj),计算该点Pj到线段L的距离并记录,找出到线段L距离最大的点Pf(f,Nf)即为能量值直方图的几何凸性拐点;
如图6所示,本发明具体实施例中,能量值直方图的凸性拐点Pf的坐标为(556,13339)。
(5)根据步骤(4)得到的能量值直方图的几何凸性拐点计算影像阈值;
根据步骤(4)得到的能量值直方图的几何凸性拐点对应的能量值区间左边界值得到最小能量阈值,在能量值直方图上以凸性拐点Pf为起点向右侧遍历能量值直方图的每组直方图,记录第i组直方图的体素点个数Ni及其后9组直方图的的体素点个数,并计算其算术平均值,将得到的算术平均值除以凸性拐点Pf处的体素点个数(本发明实施例中即为13339),结果记为E,判断第i组直方图对应的E小于设定阈值(本发明具体实施例中取0.02)是否成立,如成立则停止搜索,记录此时第i组直方图对应的能量区间右边界值,即为最大能量阈值;如不成立则继续向右搜索,如向右搜索到第991个能量区间仍未停止搜索,则最大能量阈值为最后一个能量区间的右边界,即2102。
根据得到的最小能量阈值和最大能量阈值对CT影像进行影像调整,包括进行窗位窗宽调整。
本发明具体实施例中,几何凸性拐点为第556个能量值区间,即其左边界值即为最小能量阈值,为1168.712,从该能量值区间向直方图右侧搜索,搜索至第828个能量区间时停止,可确定最大能量阈值为1742.558,图7所示即为使用最大最小阈值(1168.712,1742.558)调整后的影像,可较为清晰的看到脊椎骨骼部分特征。
本发明可快速完成影像的阈值/窗位窗宽调整,缩短医生诊断及规划、手术的时间,在骨科相关手术领域中具有广泛的应用场景。
以上详细描述了本发明的优选实施方式,但是本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等),这些等同变换均属于本发明的保护范围。
Claims (6)
1.一种CT影像自动调整方法,其特征在于:包括步骤:
根据CT影像各体素点的CT值进行统一定标,具体为:
若CT影像中各体素点的CT值均不为负数,则不作处理,直接以各体素点的CT值作为其能量值;
若CT影像中各体素点的CT值存在负数,将所有体素点的CT值转换为能量值,具体转换方法如下:遍历所有体素点的CT值得到其中的最小值的绝对值,将其中各体素点的CT值加上最小值的绝对值得到的值记为对应体素点的能量值,从而得到各体素点的能量值及对应的能量值分布范围;
根据各体素点的能量值及对应的能量值分布范围得到能量值直方图,从能量值直方图的右侧向左侧依次遍历,根据目标组织搜索直方图中满足设定条件的峰值位置,并依据所述峰值位置与直方图最右侧区间点确定几何凸性拐点;
在直方图上从峰值位置向右侧遍历每个区间点,计算该点到峰值位置与直方图最右侧区间点之间连线的距离,找出到所述连线的距离最大的点即为所述几何凸性拐点;
所述设定条件如下:
Di+1=Ni+1-Ni<-K
Di=Ni-Ni-1>K
Ni≥P
Ni>Ni-2
Ni>Ni-1
Ni>Ni+1
Ni>Ni+2
其中,Ni表示第i组直方图中体素点个数;Di+1、Di分别为第i+1、i个组直方图与前一组直方图之间体素点个数的差值;K为差值阈值;P为临界值,P=2*Nsum/N,Nsum为体素点总数;Ni-2、Ni-1、Ni+1、Ni+2分别为第i-2、i-1、i+1、i+2组直方图中体素点个数;
根据所述几何凸性拐点处对应的CT值得到CT值的最小阈值和最大阈值,并据此对CT影像进行调整,具体为:
以所述几何凸性拐点对应的能量值区间左边界值得到最小阈值;
在所述直方图上以凸性拐点为起点向右侧遍历每组直方图,记录第i组直方图的体素点个数及其后m组直方图的的体素点个数,并计算其算术平均值,将得到的算术平均值除以凸性拐点处的体素点个数,结果记为E,判断第i组直方图对应的E是否小于设定阈值;
若小于则停止搜索,以第i组直方图对应区间的右边界值作为最大阈值;若不小于则继续向右搜索直至得到对应的E小于设定阈值,并以其对应区间的右边界值作为最大阈值。
2.根据权利要求1所述的CT影像自动调整方法,其特征在于:在所述直方图上向右搜索到最后一个区间的前m个区间得到的对应的E不小于设定阈值,则以最后一个区间的右边界值作为最大阈值。
3.根据权利要求1所述的CT影像自动调整方法,其特征在于:所述m=9。
4.根据权利要求1所述的CT影像自动调整方法,其特征在于:所述设定阈值取0.02。
5.根据权利要求1所述的CT影像自动调整方法,其特征在于:将各体素点的能量值分布范围进行N等分,遍历所有体素点及其能量值,以能量值表示横轴,以等分后对应能量值区间的体素点个数作为纵轴构建得到能量值直方图。
6.根据权利要求1所述的CT影像自动调整方法,其特征在于:在得到所述最小阈值和最大阈值后,计算相应的窗位窗宽,对所述CT影像进行窗位窗宽调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211561555.4A CN115568873B (zh) | 2022-12-07 | 2022-12-07 | 一种ct影像自动调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211561555.4A CN115568873B (zh) | 2022-12-07 | 2022-12-07 | 一种ct影像自动调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115568873A CN115568873A (zh) | 2023-01-06 |
CN115568873B true CN115568873B (zh) | 2023-08-22 |
Family
ID=84590322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211561555.4A Active CN115568873B (zh) | 2022-12-07 | 2022-12-07 | 一种ct影像自动调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115568873B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035203A (zh) * | 2018-06-25 | 2018-12-18 | 青岛海信医疗设备股份有限公司 | 医学图像处理方法、装置、设备及存储介质 |
CN111915543A (zh) * | 2020-08-04 | 2020-11-10 | 深圳蓝韵医学影像有限公司 | 基于组织提取的dr图像窗宽窗位自适应调整方法及系统 |
CN112562829A (zh) * | 2021-02-19 | 2021-03-26 | 南京景三医疗科技有限公司 | 一种自适应生成dicom影像默认窗宽窗位的方法 |
WO2022011480A1 (en) * | 2020-07-16 | 2022-01-20 | Sridhar Krishnan | System and method for saliency detection in long-term ecg monitoring |
FR3116979A1 (fr) * | 2020-11-30 | 2022-06-03 | Orange | Assistance pour l’aide à l’identification de dispositifs dysfonctionnels |
CN114972067A (zh) * | 2022-04-14 | 2022-08-30 | 重庆师范大学 | 一种x光小牙片图像增强方法 |
-
2022
- 2022-12-07 CN CN202211561555.4A patent/CN115568873B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035203A (zh) * | 2018-06-25 | 2018-12-18 | 青岛海信医疗设备股份有限公司 | 医学图像处理方法、装置、设备及存储介质 |
WO2022011480A1 (en) * | 2020-07-16 | 2022-01-20 | Sridhar Krishnan | System and method for saliency detection in long-term ecg monitoring |
CN111915543A (zh) * | 2020-08-04 | 2020-11-10 | 深圳蓝韵医学影像有限公司 | 基于组织提取的dr图像窗宽窗位自适应调整方法及系统 |
FR3116979A1 (fr) * | 2020-11-30 | 2022-06-03 | Orange | Assistance pour l’aide à l’identification de dispositifs dysfonctionnels |
CN112562829A (zh) * | 2021-02-19 | 2021-03-26 | 南京景三医疗科技有限公司 | 一种自适应生成dicom影像默认窗宽窗位的方法 |
CN114972067A (zh) * | 2022-04-14 | 2022-08-30 | 重庆师范大学 | 一种x光小牙片图像增强方法 |
Non-Patent Citations (1)
Title |
---|
Automatic detection of misleading blood flow values in CT perfusion studies of lung cancer;Alessandro Bevilacqua;《Biomedical Signal Processing and Control》;20160128;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115568873A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109493325B (zh) | 基于ct影像的肿瘤异质性分析系统 | |
JP5643304B2 (ja) | 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法 | |
JP4728627B2 (ja) | Ct血管造影法における構造を領域分割する方法及び装置 | |
US7747056B2 (en) | Image data area extracting system and image data area extracting method | |
US20050111757A1 (en) | Auto-image alignment system and method based on identified anomalies | |
CN105719324A (zh) | 图像处理装置以及图像处理方法 | |
CN107545584A (zh) | 医学图像中定位感兴趣区域的方法、装置及其系统 | |
CN110503652B (zh) | 下颌智齿与邻牙及下颌管关系确定方法、装置、存储介质及终端 | |
CN104254874A (zh) | 用于辅助2d-3d图像配准的方法及系统 | |
JP3167363B2 (ja) | 関心領域設定方法及び画像処理装置 | |
CN106709920B (zh) | 血管提取方法及其装置 | |
CN110706241B (zh) | 一种三维病灶区域提取方法和装置 | |
CN107194909A (zh) | 医用图像处理装置及医用图像处理程序 | |
CN111214255A (zh) | 一种医学超声图像计算机辅助诊断方法 | |
CN110288698B (zh) | 基于mri的半月板三维重建系统 | |
CN113989407B (zh) | Ct影像中肢体部位识别模型训练方法及系统 | |
JP5296981B2 (ja) | アフィン変換を用いたモダリティ内医療体積画像の自動位置合わせ | |
CN113712594A (zh) | 医用图像处理装置以及医用摄像装置 | |
JP7275961B2 (ja) | 教師画像生成プログラム、教師画像生成方法、および教師画像生成システム | |
CN115568873B (zh) | 一种ct影像自动调整方法 | |
JP4807819B2 (ja) | 画像処理装置 | |
CN112190275B (zh) | 扫描方法、装置及系统 | |
JP7382059B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN109993754B (zh) | 从图像上进行颅骨分割的方法和系统 | |
US8090208B2 (en) | Robust segmentation of a mass candidate in digital mammography images |
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 |