CN115953406B - 用于医学图像配准的匹配方法、装置、设备及可读介质 - Google Patents
用于医学图像配准的匹配方法、装置、设备及可读介质 Download PDFInfo
- Publication number
- CN115953406B CN115953406B CN202310241159.1A CN202310241159A CN115953406B CN 115953406 B CN115953406 B CN 115953406B CN 202310241159 A CN202310241159 A CN 202310241159A CN 115953406 B CN115953406 B CN 115953406B
- Authority
- CN
- China
- Prior art keywords
- medical image
- sequence
- medical
- similarity
- sub
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种用于医学图像配准的匹配方法、装置、设备及可读介质,该匹配方法包括:获取目标对象的第一医学图像序列和第二医学图像序列;计算第一医学图像序列中的第一医学图像与第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度;基于骨像素相似度、非骨像素相似度和权重系数,确定第一医学图像在第二医学图像序列中是否存在待配准医学图像;若存在,基于第一医学图像在第一医学图像序列中的位置、及第一医学图像的待配准医学图像在第二医学图像序列中的位置,建立第一医学图像序列和第二医学图像序列中各医学图像的匹配关系。本发明提供的用于医学图像配准的匹配方法,可在医学图像序列之间建立更精准的匹配关系。
Description
技术领域
本发明是关于医学图像处理领域,特别是关于一种用于医学图像配准的匹配方法、装置、电子设备及可读介质。
背景技术
受试者在进行身体检查时,有时会进行多项检查,如在一次身体检查过程中会对头部和胸部都进行检查。受到呼吸或者位姿不同的影响,不同访视图像序列之间难免会有一些小位移存在,比如一个人拍两次CT(或MR),肺部受到呼吸或者位姿不同的影响会有些许形变。
医学图像配准可将不同访视图像序列的位置是对应起来,可以方便医生对病灶的大小形态进行测量。在医学图像配准之前,需要对医学图像之间的配准对应关系进行匹配。现有的医学图像的配准对应关系匹配方式,通常是根据DICOM图像的tag信息来确定医学图像之间是否匹配,但有时候tag信息会缺失,导致图像序列之间的配准匹配关系不准确。
因此,针对上述技术问题,有必要提供一种新的用于医学图像配准的匹配方法、装置、电子设备及可读介质。
发明内容
本发明的目的在于提供一种用于医学图像配准的匹配方法、装置、电子设备及可读介质,其能够在医学图像序列之间建立更精准的匹配关系。
为实现上述目的,本发明提供的技术方案如下:
第一方面,本发明提供了一种用于医学图像配准的匹配方法,其包括:
获取目标对象的第一医学图像序列和第二医学图像序列;计算所述第一医学图像序列中的第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度;基于所述骨像素相似度、所述非骨像素相似度和权重系数,确定所述第一医学图像在所述第二医学图像序列中是否存在待配准医学图像,其中,所述骨像素相似度的权重系数大于所述非骨像素相似度的权重系数;若存在,基于所述第一医学图像在所述第一医学图像序列中的位置、及所述第一医学图像的待配准医学图像在所述第二医学图像序列中的位置,建立所述第一医学图像序列和所述第二医学图像序列中各医学图像的匹配关系。
在一个或多个实施方式中,计算所述第一医学图像序列中的第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度,具体包括:选取所述第一医学图像序列中间位置的图像作为第一医学图像,计算所述第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度。
在一个或多个实施方式中,基于所述骨像素相似度、所述非骨像素相似度和权重系数,确定所述第一医学图像在所述第二医学图像序列中是否存在待配准医学图像,具体包括:基于所述骨像素相似度、所述非骨像素相似度和权重系数,计算所述第一医学图像与所述第二医学图像序列中的各医学图像的第一相似度;基于所述第一相似度,确定所述第一医学图像在所述第二医学图像序列中是否存在待配准医学图像。
在一个或多个实施方式中,所述方法还包括:当所述第一医学图像在所述第二医学图像序列中存在待配准医学图像时,基于所述第一相似度,召回所述第二医学图像序列中与所述第一医学图像的相似度大于预设阈值的多个医学图像;基于所述第一医学图像和各所述召回医学图像,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像。
在一个或多个实施方式中,基于所述第一医学图像和所述召回图像,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像,具体包括:以所述第一医学图像为基准图像,在所述第一医学图像序列中选取多张连续的医学图像,以构建第一医学图像子序列;以各所述召回医学图像为基准图像,分别在所述第二医学图像序列中选取多张连续的医学图像,以构建多个第二医学图像子序列;其中,所述第一医学图像子序列和所述第二医学图像子序列的图像数量相等,且所述第一医学图像在所述第一医学图像子序列中的位置与各所述召回医学图像在各所述第二医学图像子序列中的位置相同;基于所述第一医学图像子序列和各所述第二医学图像子序列,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像。
在一个或多个实施方式中,基于所述第一医学图像子序列和各所述第二医学图像子序列,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像,具体包括:计算所述第一医学图像子序列和各所述第二医学图像子序列中位置对应的医学图像的相似度,以确定所述第一医学图像子序列和各所述第二医学图像子序列的第二相似度;基于所述第二相似度,召回各所述第二医学图像子序列中与所述第一医学图像子序列最相似的医学图像子序列;确定所述召回医学图像子序列中的基准图像为所第一医学图像的待配准医学图像。
在一个或多个实施方式中,所述方法还包括:基于所述第一医学图像的骨像素个数和非骨像素个数,确定所述骨像素相似度的权重系数和非骨像素相似度度的权重系数。
在一个或多个实施方式中,所述方法具体包括:当所述第一医学图像的骨像素个数大于非骨像素个数时,以所述骨像素在所述第一医学图像中的像素个数占比为所述骨像素相似度的权重系数;当所述第一医学图像的骨像素个数小于非骨像素个数时,以所述非骨像素在所述第一医学图像中的像素个数占比为所述骨像素相似度的权重系数。
在一个或多个实施方式中,所述方法还包括:当所述第一医学图像序列和所述第二医学图像序列的图像数量不相等时,基于所述第一医学图像序列和所述第二医学图像序列中各医学图像的待配准对应关系,进行图像数量补全,以使所述第一医学图像序列和所述第二医学图像序列的图像数量相等。
第二方面,本发明提供了一种用于医学图像配准的匹配装置,其包括:
获取模块,用于获取目标对象的第一医学图像序列和第二医学图像序列;计算模块,用于计算所述第一医学图像序列中的第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度;确定模块,用于基于所述骨像素相似度、所述非骨像素相似度和权重系数,确定所述第一医学图像在所述第二医学图像序列中是否存在待配准医学图像,其中,所述骨像素相似度的权重系数大于所述非骨像素相似度度的权重系数;匹配模块,用于在所述第一医学图像在所述第二医学图像序列中存在待配准医学图像时,基于所述第一医学图像在所述第一医学图像序列中的位置、及所述第一医学图像的待配准医学图像在所述第二医学图像序列中的位置,建立所述第一医学图像序列和所述第二医学图像序列中各医学图像的匹配关系。
第三方面,本发明提供了一种电子设备,包括存储器、处理器、以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如前所述的用于医学图像配准的匹配方法。
第四方面,本发明提供了一种计算机可读介质,所述计算机可读介质中承载有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如前所述的用于医学图像配准的匹配方法。
与现有技术相比,本发明提供的用于医学图像配准的匹配方法,通过计算第一医学图像序列中的第一医学图像与第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度;并赋予骨像素相似度较大的权重系数结合非骨像素相似度,确定第一医学图像在第二医学图像序列中是否存在待配准医学图像,并在存在待配准医学图像时,建立第一医学图像序列和第二医学图像序列中各医学图像的匹配关系;其可避免现有技术中tag信息丢失或不准确的问题,并且利用骨头等致密组织很少形变的特点,能够更准确的计算医学图像间的相似度,以在医学图像序列之间建立更精准的匹配关系。
附图说明
图1是本发明一实施方式中用于医学图像配准的匹配系统的架构图;
图2是本发明一实施方式中用于医学图像配准的匹配方法的流程图;
图3是本发明一实施方式中用于医学图像配准的匹配装置的结构框图;
图4是本发明一实施方式中电子设备的结构框图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
为了方便理解本申请的技术方案,下面首先对本发明中可能出现的技术术语进行详细解释。
医学图像配准:指对于一幅医学图像进行空间变换,使其与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上具有相同的空间位置。配准的结果应使两幅图像上所有的解剖点,或至少是所有具有诊断意义的点及手术感兴趣的点达到匹配。医学图像配准的使用范围很广,例如,融合不同模态的信息以便于医生诊断;同一个受试者在两次的影像上由于受试者的拍摄姿势(比如躺的位置和角度)和受试者的状态(比如肠胃中饱腹和空腹差别)的差异会导致病变区域的变化,通过将病变区域进行配准,以便医生观察病变区域的尺寸,强度,位置变化等;通过融合神经图像和肿瘤图像以便手术过程中避开神经结构。
受试者:可以是对参加到临床试验中对新药或者新治疗方案进行试用的人员的称呼,也可以称之为“志愿者”。“受试者”可以是健康的人,也可以是病人,主要取决于临床试验研究的需求。比如一些由病人参加的临床研究试验,目的在于考察一种新药或者一种治疗方案的治疗效果、副作用等。不同类型的临床试验,其运作过程也不一样。
DICOM(Digital Imaging and Communications in Medicine):即医学数字成像和通信,是医学图像和相关信息的国际标准(ISO 12052)。DICOM被广泛应用于放射医疗,心血管成像以及放射诊疗诊断设备(X射线、CT、核磁共振、超声等),目前例如CT,核磁共振,超声等利用精确准直的X线束、γ射线、超声波等,与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描,所以扫描后得到的图像是多层的图像,而把一层层的图像在z轴上堆叠起来就可以形成三维图像,这时,每一层的图像都可以存在DICOM文件中。
在做医学图像分析时,经常要将同一患者几幅图像放在一起分析,从而得到该患者的多方面的综合信息,提高医学诊断和治疗的水平。要想对不同的图像作定量分析,首先使得不同的图像严格对齐,即实现图像配准。
下面结合图1对实施本发明实施例用于医学图像配准的匹配方法的系统架构作详细说明,图1为本发明一实施方式中的用于医学图像配准的匹配系统的架构图,包括通过网络通信连接的医学成像设备101、服务器102和客户端103。其中,网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等,且该网络可以是局域网、城域网以及广域网中的至少一种。
医学成像设备101对目标对象的身体部位进行检查并成像,得到医学图像序列。医学成像设备101通过网络将医学图像序列上传至服务器102进行匹配关系的建立,得到匹配结果。客户端103向服务器102请求图像匹配结果,服务器102向客户端103发送匹配结果,客户端103接收服务器102发送的匹配结果。医务人员可根据匹配结果,执行目标对象的医学图像序列之间的配准。
图像获取设备101可以是电子计算机断层扫描(Computed Tomography,CT)设备、超声波医学设备、磁共振成像(Magnetic Resonance Imaging,MRI)设备、正电子发射型计算机断层显像(Positron Emission Computed Tomography,PET)设备等可以获取身体内部的医学图像的医疗设备,前述医学图像可以包括CT图像、X光图像、核磁共振图像等,在此不做具体限定。
客户端101可以是可用于阅读配准结果的电子设备。例如,该电子设备可以是智能手机、平板电脑、膝上便携式笔记本电脑等移动终端,也可以是台式电脑、投影式电脑等终端,本发明实施例对此不做限定。图1中,以客户端101为医护人员使用的计算机为例进行说明,医护人员可通过客户端101实现医学图像的阅读(阅片)。
服务器102是指用于运行任一医学图像匹配程序,并提供相应匹配服务的服务器。服务器102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
下面结合具体的场景对本发明提供的用于医学图像配准的匹配方法作进一步说明。
在受试者参与到针对某种药物开展的临床试验研究后,需要定期或者按照试验需求来到试验点与医生(或者护士、社会工作者、其他研究者)进行沟通,以使他们可以对受试者的健康情况进行监察。“访视”可以理解为受试者在服用新药或者接收新治疗方案的过程中来到试验点一次。在每次访视时,受试者需要接受一些医学检查(例如医学影像检查)或者实验室检查(例如血常规、尿常规),也需要经过医生的查体询问,以接受医生进一步的指导。
在以上的访视过程中,医学图像的收集方案被提前确定,并基于该方案完成所有的图像收集和扫描。通常地,第一次的图像收集和扫描可以是对应至“基线访视”,在用药后的一定间隔周期内,例如四周、六周之后,可以按照与基线访视时同样的图像收集方案再次进行图像的获取。这样重复的按照特定需求、并针对同一患者收集的一个周期的图像被称为访视图像序列。
在一个具体地场景示例中,一个临床试验点准备进行一种肺癌新药X的临床试验,通过受试者招募和筛选,确定可以参加到该临床实验研究的受试者(肺癌病人)。受试者在服用新药X之前,需要接收一次医学影像检查(比如CT、MRI)。此次对受试者接收对肺部进行医学影像检查,并生成医学图像序列,记为第一医学图像序列(基线医学图像序列)。可以理解的是,第一图像序列包括若干张医学图像。第一图像序列中的各医学图像是治疗方案实施前对目标身体部位进行医学检查所得到的。
受试者在服用新药X一段时间之后,按照访视计划来到临床试验点,按照医生的要求再次接收对肺部进行医学影像检查,并生成医学图像序列,记为访视图像序列。需要说明的是,在受试者服用新药X后,按照访视计划来到临床试验点,均可以看到一次访视。若在任一次访视中,对受试者的肺部进行了医学影像检查所生成的图像序列,可以记为第二图像序列(访视图像序列)。
但是,在不同访视图像序列上传到服务器的时候,很多序列的图像都存在一个文件夹下(例如一个文件夹下有36个序列,其中可能有MR或者CT,横断位和冠状位以及矢状位),这样会导致无法判断哪个序列是需要作为模板的序列,也无法判断另外一个访视图像序列中的待配准序列。基于此,需要确定第二图像序列是否是和第一图像序列相匹配。
具体地,用于匹配的服务器接收图像获取设备获取的第一医学图像序列和第二医学图像序列,并从第一医学图像序列中选取第一医学图像,计算第一医学图像与第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度;并基于骨像素相似度、非骨像素相似度和权重系数,确定第一医学图像在所述第二医学图像序列中是否存在待配准医学图像;若存在,基于所述第一医学图像在所述第一医学图像序列中的位置、及所述第一医学图像的待配准医学图像在所述第二医学图像序列中的位置,建立所述第一医学图像序列和所述第二医学图像序列中各医学图像的匹配关系。基于前述匹配关系的建立,可执行医学图像序列间的配准。
请参照图2所示,为本发明一实施方式中提供的用于医学图像配准的匹配方法的流程图,该用于医学图像配准的匹配方法具体包括以下步骤:
S201:获取目标对象的第一医学图像序列和第二医学图像序列。
可以通过具备图像拍摄功能的医学成像设备获取到目标对象(比如受试者、患病的病人、进行健康体检的人员等)的目标器官的多期医学图像序列,前述目标器官可以为身体内的任意一个器官,前述多期医学图像序列可以包括符合医学影像成像和通讯标准(Digital imaging and Communications in Medicine,DICOM)的多张医学图像,每期医学图像序列都可以包括多张DICOM格式的医学图像,此时可以选定任意一期医学图像序列作为第一医学图像序列(基线图像序列)。第一医学图像序列可用于作为医学图像配准的参考值,一般可以选定拍摄角度较正的一期医学图像序列作为第一医学图像序列,选定方式可以人工选定也可以基于图像识别技术自动选定,在此不做具体限定。
需要说明的是,第一医学图像序列选定后,多期医学图像序列中除了前述第一医学图像序列之外的其余医学图像序列则为第二医学图像序列(待配准图像序列),第二医学图像序列可以为多期待配准的医学图像序列,将每一期待配准图像序列与基线图像序列依次进行匹配,即可得到相应的匹配结果。
可以理解的是,目标对象在进行身体检查时,可根据自身身体健康情况,或遵循医生指令可能需要对不同部位进行检查,比如某目标对象需要对自身头部、胸部、腹腔、四肢或某一特定器官进行检查,而且对同一部位可能拍摄若干数量的医学图像,比如在对第一用户的头部CT检查时,可能拍摄得到了若干张头部CT医学图像。在检查过程中可能使用到不同类型的医疗设备,从而获得不同模态的医学图像,比如受试者在身体检查过程中可能会使用CT、磁共振成像、正电子发射型计算机断层显像、超声设备等医学成像设备。
用作基线图像序列的第一医学图像序列可以指目标对象在某一次医学访视过程中所拍摄的医学图像序列,根据医学检测的需要,可能需要将用户不同时间另一次医学访视的第二医学图像序列进行配准比对。例如,目标用户在某年5月初进行了一次医学访视,在同年5月末又进行了一次医学访视,则在此语境下,可以选择某次医学访视所拍摄的医学图像序列作为第一医学图像序列。比如可以选择5月初进行医学访视时所拍摄的医学图像序列作为第一医学图像序列,将5月末进行医学访视时所拍摄的医学图像序列作为第二医学图像序列。
S202:计算所述第一医学图像序列中的第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度。
可以理解的是,医学图像序列中包含有多张按预定顺序排列的医学图像,可以从第一医学图像序列中任选一张医学图像作为第一医学图像,用以计算该第一医学图像与第二医学图像序列中的各张医学图像的骨像素相似度和非骨像素相似度。
具体地,考虑到一个医学图像序列中,位于中间位置的医学图像通常包含更多的可用特征,具有较高的置信度。因此,可选取所述第一医学图像序列中间位置的图像作为第一医学图像,以计算所述第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度。
一示例性的实施例中,第一医学图像序列和第二医学图像序列可以为CT扫描序列,其可以是被保存为DICOM图像(即DICOM文件)。DICOM文件的保存方式为,一幅医学图像(image)对应保存为一个DICOM文件,如果采集一个医学图像序列(image series),比如一个脑部的图像序列,或者一个全身的医学图像序列,则会被保存为相应数量的DICOM文件。
这里一个DICOM文件指保存为了一个独立文件(例如后缀为.dcm的文件)。其中,每个DICOM文件的图像数据对应医学图像序列内一个图像切片(slice)的图像。对于DICOM文件格式的CT扫描影像,其可能的像素值范围为0~4096。一些实施例中,可以是先将其转换为灰度级范围为0~255的灰度影像。可以利用影像的RGB值来指定色彩,这其中,R、G、B的取值范围都是0~255。而影像的灰度化则是让影像中每个像素点矩阵中每个像素点都满足关系:R=G=B,该值即为灰度值。例如,RGB(100,100,100)就代表该影像中对应的像素点的灰度值为100,RGB(50,50,50)就代表该影像中对应的像素点的灰度值为50。
可以基于CT扫描医学图像中各区域的CT值确定其中的骨像素区域。以CT扫描医学图像为人体组织成像为例,可以依据CT值(单位:HU,Hounsfield)的不同,执行骨像素区域和非骨像素区域的分割。CT值用于衡量人体组织对X射线的吸收率,例如,水的CT值为0HU,空气在CT扫描影像中CT值分布在-1000HU左右,脂肪在CT扫描医学图像中CT值分布在-10~90HU左右,肝脾肾、脑实质等软组织在CT扫描影像中CT值分布在20~50HU左右,骨皮质在CT扫描影像中CT值一般大于1000HU。因此,CT扫描医学图像中CT值大于或等于1000HU的像素可以认为是骨像素,CT值小于1000HU的像素可以认为是非骨像素(包括其他组织像素和空气像素)。
可以理解的是,医学图像之间的骨像素相似度和非骨像素相似度,可以通过现有公知的图像相似度算法计算得到,例如,可以是结构相似性(Structural Similarity,SSIM)算法、余弦相似度算法、PixelMatch算法等。在本实施例中,以SSIM算法计算医学图像之间的骨像素相似度和非骨像素相似度,具体的计算过程可参考现有技术,在此不再赘述。
S203:基于所述骨像素相似度、所述非骨像素相似度和权重系数,确定所述第一医学图像在所述第二医学图像序列中是否存在待配准医学图像;其中,所述骨像素相似度的权重系数大于所述非骨像素相似度的权重系数。
一示例性的实施例中,可基于所述骨像素相似度、非骨像素相似度和权重系数,来确定第一医学图像与第二医学图像序列中的各医学图像的第一相似度,并基于所述第一相似度,确定所述第一医学图像在所述第二医学图像序列中是否存在待配准医学图像。
具体地,当第二医学图像序列中至少有一张医学图像与第一医学图像的第一相似度大于预设阈值时,则可认为第一医学图像在第二医学图像序列中存在待配准医学图像。
其中,预设阈值可以根据实际需要进行设定,例如可以设定为90%,当第二医学图像序列中至少有一张医学图像与第一医学图像的相似度大于90%时,则可认为第一医学图像在第二医学图像序列中存在待配准医学图像。
可以理解的是,当所述第一医学图像在所述第二医学图像序列中存在待配准医学图像时,为建立第一医学图像序列和第二医学图像序列中各医学图像的匹配关系(即建立第一医学图像序列和第二医学图像序列之间的匹配关系),需要进一步确定出第二医学图像序列中哪张医学图像是第一医学图像的待配准医学图像。
一示例性的实施例中,可基于所述第一相似度,召回所述第二医学图像序列中与所述第一医学图像的相似度大于预设阈值的多个医学图像;基于所述第一医学图像和各所述召回医学图像,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像。
可以理解的是,人体软组织容易形变,但是骨头等致密组织很少形变,如果对所有像素采用同一权重进行计算相似度,则不利于医学图像之间的相似度判断。因此,可以在计算第一相似度时,赋予骨像素相似度较大权重系数,并赋予非骨像素相似度较小权重系数,使用骨像素和非骨像素进行分类加权计算第一相似度,以提高相似度判断的准确性。第一相似度的计算公式可以表示如下:
第一相似度 = a*骨像素相似度+b*非骨像素相似度;其中,a为骨像素相似度的权重系数,b为非骨像素相似度的权重系数。
具体地,可以基于所述第一医学图像的骨像素个数和非骨像素个数,确定所述骨像素相似度的权重系数和非骨像素相似度度的权重系数。当所述第一医学图像的骨像素个数大于非骨像素个数时,以所述骨像素在所述第一医学图像中的像素个数占比为所述骨像素相似度的权重系数;当所述第一医学图像的骨像素个数小于非骨像素个数时,以所述非骨像素在所述第一医学图像中的像素个数占比为所述骨像素相似度的权重系数,以使得骨像素相似度的权重系数能够始终大于非骨像素相似度的权重系数。
例如,第一医学图像中总的像素个数为250000,骨像素个数为150000,非骨像素个数为100000,则骨像素相似度的权重系数a=150000/250000=0.6,非骨像素相似度的权重系数b=100000/250000=0.4。若第一医学图像中总的像素个数为250000,骨像素个数为100000,非骨像素个数为150000,则骨像素相似度的权重系数a=150000/250000=0.6,非骨像素相似度的权重系数b=100000/250000=0.4。
当然,在其他实施例中,相似度权重系数也可以通过其他方式来确定,例如可以将骨像素相似度的权重系数固定设为0.6,非骨像素相似度的权重系数固定设为0.4。
需要说明的是,在计算第一相似度时,可以排除医学图像中的空气像素,只保留骨像素和除空气像素外的非骨像素,以避免医学图像中大多数像素为空气像素时,导致计算得到的第一相似度偏高。
具体地,计算计得到第一医学图像与第二医学图像序列中的各医学图像的第一相似度后,可以从第二医学图像序列中召回多个与第一医学图像的相似度大于预设阈值的医学图像。其中,预设阈值可根据实际需要进行设定,预设阈值主要用于筛选与第一医学图像相似的医学图像。当第二医学图像序列中的某一医学图像与第一医学图像的第一相似度大于预设阈值时,则可认为该医学图像与第一医学图像是相似的。
例如,第一医学图像与第二医学图像序列中的5张医学图像的第一相似度分别为86%、92%、98%、95%、83%,假设预设阈值为90%,则召回第二医学图像序列中第一相似度为92%、98%、95%的3张医学图像。
一示例性实施例中,基于所述第一医学图像和所述召回图像,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像的方式具体包括:以所述第一医学图像为基准图像,在所述第一医学图像序列中选取多张连续的医学图像,以构建第一医学图像子序列;以各所述召回医学图像为基准图像,分别在所述第二医学图像序列中选取多张连续的医学图像,以构建多个第二医学图像子序列;其中,所述第一医学图像子序列和所述第二医学图像子序列的图像数量相等,且所述第一医学图像在所述第一医学图像子序列中的位置与各所述召回医学图像在各所述第二医学图像子序列中的位置相同;基于所述第一医学图像子序列和各所述第二医学图像子序列,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像。
在本实施例中,以第一医学图像为基准(基准位置)图像,在第一医学图像序列中选取多张连续的医学图像,可以是以第一医学图像为处于中间位置的图像,在第一医学图像序列选取与第一医学图像相邻的连续多张医学图像;即,第一医学图像子序列是由第一医学图像序列中的多张连续的医学图像构成,且第一医学图像子序列中包含了第一医学图像。同理,第二医学图像子序列是由第二医学图像序列中的多张连续的医学图像构成,且第二医学图像子序列中包含了召回医学图像,且第一医学图像在第一医学图像子序列中的位置与各召回医学图像在各第二医学图像子序列中的位置相同。
具体地,基于所述第一医学图像子序列和各所述第二医学图像子序列,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像的方式具体包括:计算所述第一医学图像子序列和各所述第二医学图像子序列中位置对应的医学图像的相似度,以确定所述第一医学图像子序列和各所述第二医学图像子序列的第二相似度;基于所述第二相似度,召回各所述第二医学图像子序列中与所述第一医学图像子序列最相似的医学图像子序列;确定所述召回医学图像子序列中的基准图像为所第一医学图像的待配准医学图像。
例如,对于第一医学图像序A包括5张医学图像,即A={a 1 ,a 2 ,a 3 ,a 4 ,a 5 };第二医学图像序B包括5张医学图像,即B={b 1 ,b 2 ,b 3 ,b 4 ,b 5 }。选取第一医学图像序A中的a 3 为第一医学图像,计算a 3 与第二医学图像序B中的5张医学图像的第一相似度,其中b 2 、b 3 、b 4 与a 3 的第一相似度大于预设阈值,则召回b 2 、b 3 、b 4 作为召回图像。以a 3 为基准图像(a 3 为第一医学图像子序列的中间位置图像)在第一医学图像序列中选取a 2 、a 3 、a 4 三张连续的医学图像构建第一医学图像子序列A 1 ={a 2 ,a 3 ,a 4 };分别以召回医学图像为b 2 、b 3 、b 4 基准图像(b 2 、b 3 、b 4 分别为3个第二医学图像子序列的中间位置图像),分别在第二医学图像序列B中选取三张连续的医学图像以构建3个第二医学图像子序列B 1 ={b 1 ,b 2 ,b 3 }、B 2 ={b 2 ,b 3 ,b 4 }、B 3 ={b 3 ,b 4 ,b 5 }。
分别计算第一医学图像子序列A 1 与第二医学图像子序列B 1 、B 2 、B 3 中位置对应的医学图像的相似度,以确定第一医学图像子序列A 1 和各第二医学图像子序列B 1 、B 2 、B 3 的第二相似度。
需要说明的是,在计算A 1 和B 1 的第二相似度时,先计算两个医学图像子序列中位置对应的医学图像的相似度,即a 2 与b 1 对应、a 3 与b 2 对应、a 4 与b 3 对应计算得到s 1 、s 2 、s 3 三个图像相似度(具体的计算方式可参照前述第一相似度的计算方式),在根据s 1 、s 2 、s 3 计算A 1 和B 1 的第二相似度。同理,A 1 与B 2 、B 3 的第二相似度可以采用类似的方法计算得到。
具体地,根据s 1 、s 2 、s 3 计算A 1 和B 1 的第二相似度时,可以为s 1 、s 2 、s 3 赋予相应的权重系数后进行加总得到,考虑到a 3 和b 2 分别为A 1 和B 1 的基准图像,可以为s 2 (a 3 和b 2 的图像相似度)赋予较高的权重系数。当然,在其他实施例中,也可以直接加总s 1 、s 2 、s 3 再计算平均值,以得到A 1 和B 1 的第二相似度。
根据第一医学图像子序列A 1 和各第二医学图像子序列B 1 、B 2 、B 3 的第二相似度,召回B 1 、B 2 、B 3 中与A 1 最相似的医学图像子序列;确定该召回的医学图像子序列中的基准图像为第一医学图像a 3 的待配准医学图像。例如,B 2 为A 1 最相似的医学图像子序列,则B 2 中的基准图像b 3 确定为第一医学图像a 3 的待配准医学图像。
S204:若存在,基于所述第一医学图像在所述第一医学图像序列中的位置、及所述第一医学图像的待配准医学图像在所述第二医学图像序列中的位置,建立所述第一医学图像序列和所述第二医学图像序列中各医学图像的匹配关系。
例如,对于前述第一医学图像序列A和第二医学图像序列B,b 3 确定为第一医学图像a 3 的待配准医学图像时,a 3 在第一医学图像序列A中的位置为第三张图像,b 3 在第二医学图像序列B中的位置为第三张图像,那么a 3 的前一张图像a 2 与b 3 的前一张图像b 2 匹配以确定匹配关系,a 3 的后一张图像a 4 与b 3 的后一张图像b 4 匹配以确定匹配关系,以此类推完成图像序列之间各医学图像的匹配关系的建立。
一示例性的实施例中,当所述第一医学图像序列和所述第二医学图像序列的图像数量不相等时,基于所述第一医学图像序列和所述第二医学图像序列中各医学图像的待配准对应关系,进行图像数量补全,以使所述第一医学图像序列和所述第二医学图像序列的图像数量相等。
例如,对于第一图像序列A={a 1 ,a 2 ,a 3 ,a 4 ,a 5 }和第二图像序列B={b 1 ,b 2 ,b 3 ,b 4 ,b 5 , b 6 ,b 7 },其中,a 1 ,a 2 ,a 3 ,a 4 ,a 5 分别与b 2 ,b 3 ,b 4 ,b 5 ,b 6 匹配。由于第一图像序列A只有5张医学图像,此时可在第一图像序列A的两端补入两张与b 1 和b 7 位置对应的黑色图片,以使第一医学图像序列和第二医学图像序列的图像数量相等,从而可使得第一图像序列A和第二图像序列B在后续的图像配准过程中能够变换到相同大小的三维空间。
综上所述,本发明提供的用于医学图像配准的匹配方法,通过计算第一医学图像序列中的第一医学图像与第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度;并赋予骨像素相似度较大的权重系数结合非骨像素相似度,确定第一医学图像在第二医学图像序列中是否存在待配准医学图像,并在存在待配准医学图像时,建立第一医学图像序列和第二医学图像序列中各医学图像的匹配关系;该方法通过计算医学图像序列之间医学图像的相似度,以此确定医学图像序列之间是否具有足够多相同或相似特征,以判断医学图像序列之间能否建立匹配关系进行配准,其可避免现有技术中tag信息丢失的问题,并且利用骨头等致密组织很少形变的特点,能够更准确计算医学图像间的相似度,以在医学图像序列之间建立更精准的匹配关系。
请参照图3所示,基于与前述用于医学图像配准的匹配方法相同的发明构思,本发明一实施方式中提供了一种用于医学图像配准的匹配装置300,其包括获取模块301、计算模块302、确定模块303和匹配模块304。
获取模块301用于获取目标对象的第一医学图像序列和第二医学图像序列。计算模块302用于计算所述第一医学图像序列中的第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度。确定模块303用于基于所述骨像素相似度、所述非骨像素相似度和权重系数,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像,其中,所述骨像素相似度的权重系数大于所述非骨像素相似度度的权重系数。匹配模块304用于在所述第一医学图像在所述第二医学图像序列中存在待配准医学图像时,基于所述第一医学图像在所述第一医学图像序列中的位置、及所述第一医学图像的待配准医学图像在所述第二医学图像序列中的位置,建立所述第一医学图像序列和所述第二医学图像序列中各医学图像的匹配关系。具体地,计算模块302可用于选取所述第一医学图像序列中间位置的图像作为第一医学图像,计算所述第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度。
确定模块303可用于在所述第一医学图像在所述第二医学图像序列中存在待配准医学图像时,基于所述骨像素相似度、所述非骨像素相似度和权重系数,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像。
进一步地,确定模块303可用于基于所述骨像素相似度、所述非骨像素相似度和权重系数,计算所述第一医学图像与所述第二医学图像序列中的各医学图像的第一相似度;并基于所述第一相似度,召回所述第二医学图像序列中与所述第一医学图像的相似度大于预设阈值的多个医学图像;并基于所述第一医学图像和各所述召回医学图像,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像。
进一步地,确定模块303还可用于以所述第一医学图像为基准图像,在所述第一医学图像序列中选取多张连续的医学图像,以构建第一医学图像子序列;以各所述召回医学图像为基准图像,分别在所述第二医学图像序列中选取多张连续的医学图像,以构建多个第二医学图像子序列;其中,所述第一医学图像子序列和所述第二医学图像子序列的图像数量相等,且所述第一医学图像在所述第一医学图像子序列中的位置与各所述召回医学图像在各所述第二医学图像子序列中的位置相同;并基于所述第一医学图像子序列和各所述第二医学图像子序列,确定所述第一医学图像在所述第二医学图像序列中的待配准医学图像。
请参照图4所示,本发明实施例还提供了一种电子设备400,该电子设备400包括至少一个处理器401、存储器402(例如非易失性存储器)、内存403和通信接口404,并且至少一个处理器401、存储器402、内存403和通信接口404经由总线405连接在一起。至少一个处理器401用于调用在存储器402中存储或编码的至少一个程序指令,以使得至少一个处理器401执行本说明书的各个实施方式中所描述的用于医学图像配准的匹配方法的各种操作和功能。
在本说明书的实施例中,电子设备400可以包括但不限于:个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动电子设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴电子设备、消费电子设备等等。
本发明实施例还提供了一种计算机可读介质,该计算机可读介质上承载有计算机执行指令,所述计算机执行指令被处理器执行时,可用于实现本说明书的各个实施例中描述的用于医学图像配准的匹配方法的各种操作和功能。
本发明中的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置、系统、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (8)
1.一种用于医学图像配准的匹配方法,其特征在于,包括:
获取目标对象的第一医学图像序列和第二医学图像序列;
计算所述第一医学图像序列中的第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度;
基于所述骨像素相似度、所述非骨像素相似度和权重系数,计算所述第一医学图像与所述第二医学图像序列中的各医学图像的第一相似度;基于所述第一相似度,确定所述第一医学图像在所述第二医学图像序列中是否存在待配准医学图像,其中,所述骨像素相似度的权重系数大于所述非骨像素相似度的权重系数;
当所述第一医学图像在所述第二医学图像序列中存在待配准医学图像时,基于所述第一相似度,召回所述第二医学图像序列中与所述第一医学图像的相似度大于预设阈值的多个医学图像;以所述第一医学图像为基准图像,在所述第一医学图像序列中选取多张连续的医学图像,以构建第一医学图像子序列;以各召回医学图像为基准图像,分别在所述第二医学图像序列中选取多张连续的医学图像,以构建多个第二医学图像子序列;其中,所述第一医学图像子序列和所述第二医学图像子序列的图像数量相等,且所述第一医学图像在所述第一医学图像子序列中的位置与各所述召回医学图像在各所述第二医学图像子序列中的位置相同;
计算所述第一医学图像子序列和各所述第二医学图像子序列中位置对应的医学图像的相似度,以确定所述第一医学图像子序列和各所述第二医学图像子序列的第二相似度;基于所述第二相似度,召回各所述第二医学图像子序列中与所述第一医学图像子序列最相似的医学图像子序列;确定所述召回医学图像子序列中的基准图像为所第一医学图像的待配准医学图像;
基于所述第一医学图像在所述第一医学图像序列中的位置、及所述第一医学图像的待配准医学图像在所述第二医学图像序列中的位置,建立所述第一医学图像序列和所述第二医学图像序列中各医学图像的匹配关系。
2.如权利要求1所述的用于医学图像配准的匹配方法,其特征在于,计算所述第一医学图像序列中的第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度,具体包括:
选取所述第一医学图像序列中间位置的图像作为第一医学图像,计算所述第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度。
3.如权利要求1所述的用于医学图像配准的匹配方法,其特征在于,所述方法还包括:
基于所述第一医学图像的骨像素个数和非骨像素个数,确定所述骨像素相似度的权重系数和非骨像素相似度度的权重系数。
4.如权利要求3所述的用于医学图像配准的匹配方法,其特征在于,所述方法具体包括:
当所述第一医学图像的骨像素个数大于非骨像素个数时,以所述骨像素在所述第一医学图像中的像素个数占比为所述骨像素相似度的权重系数;
当所述第一医学图像的骨像素个数小于非骨像素个数时,以所述非骨像素在所述第一医学图像中的像素个数占比为所述骨像素相似度的权重系数。
5.如权利要求1所述的用于医学图像配准的匹配方法,其特征在于,所述方法还包括:
当所述第一医学图像序列和所述第二医学图像序列的图像数量不相等时,基于所述第一医学图像序列和所述第二医学图像序列中各医学图像的待配准对应关系,进行图像数量补全,以使所述第一医学图像序列和所述第二医学图像序列的图像数量相等。
6.一种用于医学图像配准的匹配装置,其特征在于,包括:
获取模块,用于获取目标对象的第一医学图像序列和第二医学图像序列;
计算模块,用于计算所述第一医学图像序列中的第一医学图像与所述第二医学图像序列中的各医学图像的骨像素相似度和非骨像素相似度;
确定模块,用于基于所述骨像素相似度、所述非骨像素相似度和权重系数,计算所述第一医学图像与所述第二医学图像序列中的各医学图像的第一相似度;基于所述第一相似度,确定所述第一医学图像在所述第二医学图像序列中是否存在待配准医学图像,其中,所述骨像素相似度的权重系数大于所述非骨像素相似度度的权重系数;
匹配模块,用于在所述第一医学图像在所述第二医学图像序列中存在待配准医学图像时,基于所述第一医学图像在所述第一医学图像序列中的位置、及所述第一医学图像的待配准医学图像在所述第二医学图像序列中的位置,建立所述第一医学图像序列和所述第二医学图像序列中各医学图像的匹配关系;
其中,当所述第一医学图像在所述第二医学图像序列中存在待配准医学图像时,基于所述第一相似度,召回所述第二医学图像序列中与所述第一医学图像的相似度大于预设阈值的多个医学图像;以所述第一医学图像为基准图像,在所述第一医学图像序列中选取多张连续的医学图像,以构建第一医学图像子序列;以各召回医学图像为基准图像,分别在所述第二医学图像序列中选取多张连续的医学图像,以构建多个第二医学图像子序列;其中,所述第一医学图像子序列和所述第二医学图像子序列的图像数量相等,且所述第一医学图像在所述第一医学图像子序列中的位置与各所述召回医学图像在各所述第二医学图像子序列中的位置相同;
计算所述第一医学图像子序列和各所述第二医学图像子序列中位置对应的医学图像的相似度,以确定所述第一医学图像子序列和各所述第二医学图像子序列的第二相似度;基于所述第二相似度,召回各所述第二医学图像子序列中与所述第一医学图像子序列最相似的医学图像子序列;确定所述召回医学图像子序列中的基准图像为所第一医学图像的待配准医学图像。
7.一种电子设备,包括存储器、处理器、以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~5中任一项所述的用于医学图像配准的匹配方法。
8.一种计算机可读介质,其特征在于,所述计算机可读介质中承载有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1~5中任一项所述的用于医学图像配准的匹配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310241159.1A CN115953406B (zh) | 2023-03-14 | 2023-03-14 | 用于医学图像配准的匹配方法、装置、设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310241159.1A CN115953406B (zh) | 2023-03-14 | 2023-03-14 | 用于医学图像配准的匹配方法、装置、设备及可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115953406A CN115953406A (zh) | 2023-04-11 |
CN115953406B true CN115953406B (zh) | 2023-05-23 |
Family
ID=85903377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310241159.1A Active CN115953406B (zh) | 2023-03-14 | 2023-03-14 | 用于医学图像配准的匹配方法、装置、设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953406B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101388115A (zh) * | 2008-10-24 | 2009-03-18 | 北京航空航天大学 | 一种结合纹理信息的深度图像自动配准方法 |
CN113553469A (zh) * | 2020-04-23 | 2021-10-26 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及计算机存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1779325B1 (en) * | 2004-08-09 | 2011-06-08 | Bracco Suisse SA | An image registration method and apparatus for medical imaging based on multiple masks |
US9295442B2 (en) * | 2010-03-17 | 2016-03-29 | FUJIFILM Corporation ko | Medical image conversion apparatus, method and program |
CN114299046A (zh) * | 2021-12-31 | 2022-04-08 | 浙江太美医疗科技股份有限公司 | 一种医学图像配准方法、装置、设备及存储介质 |
CN114549594A (zh) * | 2022-02-22 | 2022-05-27 | 上海联影智能医疗科技有限公司 | 图像配准方法、装置和电子设备 |
CN114663381A (zh) * | 2022-03-17 | 2022-06-24 | 西安大医集团股份有限公司 | 图像配准方法、装置、终端设备和计算机可读存储介质 |
-
2023
- 2023-03-14 CN CN202310241159.1A patent/CN115953406B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101388115A (zh) * | 2008-10-24 | 2009-03-18 | 北京航空航天大学 | 一种结合纹理信息的深度图像自动配准方法 |
CN113553469A (zh) * | 2020-04-23 | 2021-10-26 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、电子设备及计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
面向场景重构的多序列间配准;杨磊等;光学精密工程;第23卷(第2期);557-565 * |
Also Published As
Publication number | Publication date |
---|---|
CN115953406A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210158531A1 (en) | Patient Management Based On Anatomic Measurements | |
US10854339B2 (en) | Systems and methods for associating medical images with a patient | |
JP5785184B2 (ja) | 画像の医療データ及び非画像の医療データの両者の連続的な記憶及び統合された分析のための診断技術 | |
US8334878B2 (en) | Medical image processing apparatus and medical image processing program | |
KR102245189B1 (ko) | 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법 | |
US20150105651A1 (en) | Systems and methods for mri-based health management | |
KR102355818B1 (ko) | 인공 지능 기반 진단 보조 시스템 | |
US11200671B2 (en) | Reference image guided object detection in medical image processing | |
EP4085841A1 (en) | Method for analyzing human tissue on basis of medical image and device thereof | |
US20200342964A1 (en) | Medical information processing apparatus, ordering system and method | |
KR20130101867A (ko) | 생체 중의 특정 부위에 대한 분석정보 출력방법 및 장치 | |
KR20190114229A (ko) | 영상 처리 장치 및 방법 | |
CA3034814C (en) | System and method for using imaging quality metric ranking | |
CN115953406B (zh) | 用于医学图像配准的匹配方法、装置、设备及可读介质 | |
CN108877922A (zh) | 病变程度判断系统及其方法 | |
JP7144129B2 (ja) | 医用画像診断装置及び医用情報管理装置 | |
Derrick et al. | The Computer-Assisted Decedent Identification Method of Computer-Assisted Radiographic Identification | |
KR102136107B1 (ko) | 뼈 감쇄된 x-선 영상의 정합 장치 및 방법 | |
US20230274424A1 (en) | Appartus and method for quantifying lesion in biometric image | |
US20230121783A1 (en) | Medical image processing apparatus, method, and program | |
US20230377320A1 (en) | Deep learning model training of x-ray and ct | |
CN118261848A (zh) | 医学图像分析方法、系统、电子设备及存储介质 | |
EP3806031A1 (en) | Computer implemented method for automated analysis of the bias in measurements performed on medical images of an anatomical structure | |
JP2022148868A (ja) | 画像位置合わせ装置、方法およびプログラム、並びに位置特定装置、方法およびプログラム | |
Andres et al. | Using ITK platform for medical image registration |
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 |