CN116486021B - 基于ct密度值与超声灰度值的三维模型构建方法及系统 - Google Patents
基于ct密度值与超声灰度值的三维模型构建方法及系统 Download PDFInfo
- Publication number
- CN116486021B CN116486021B CN202310744533.XA CN202310744533A CN116486021B CN 116486021 B CN116486021 B CN 116486021B CN 202310744533 A CN202310744533 A CN 202310744533A CN 116486021 B CN116486021 B CN 116486021B
- Authority
- CN
- China
- Prior art keywords
- ultrasonic
- image
- dimensional model
- gray
- acoustic
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 37
- 230000005484 gravity Effects 0.000 claims abstract description 20
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000002604 ultrasonography Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 5
- 238000000691 measurement method Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 5
- 210000001519 tissue Anatomy 0.000 description 10
- 241000282414 Homo sapiens Species 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012285 ultrasound imaging Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提出了基于CT密度值与超声灰度值的三维模型构建方法及系统,涉及图像配准融合技术领域,获取检测目标的CT图像,并计算CT图像密度分布的直方图熵;将处理后的CT图像密度分布的直方图熵映射为超声图像的声波灰度对比值的差值比重;把由映射得到的超声图像的声波灰度对比值的差值比重和实际超声图像的声波灰度对比值的差值比重通过灰度配准算法进行校准,并得到归一化变换参数;将所有映射得到的超声图像都放入超声三维模型中,计算超声三维模型体素对应的像素值。本发明融合了CT影像和超声影像,充分发挥了两者的优点。使得操作者能够实时看到超声影像和高清CT图像参数。
Description
技术领域
本发明涉及图像配准融合技术领域,具体涉及基于CT密度值与超声灰度值的三维模型构建方法及系统。
背景技术
近年来,医学图像融合在临床诊断和治疗的研究过程中应用的范围越来越大,对融合的精度、时间、适用范围等技术要求也越来越高。高精度和全自动是医学图像融合技术的两个重要的研究方向。当前这方面临床应用的还不多,一些新的方法和技术不断提出和研究。比如智能域方法是近年来研究的热点,主要是模拟人类的智能处理方法,对图像进行特征提取和数据融合。
CT,即电子计算机断层扫描,它是利用精确准直的x线束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,每次扫描过程中由探测器接收穿过人体后的衰减x线信息,再由快速模/数转换器将模拟量转换成数字量,然后输入电子计算机,经电子计算机高速计算,得出该层面各点的x线吸收系数值,用这些数据组成图像的矩阵。由于CT影像完全屏除了重叠干扰,利用窗口技术可以使密度分辨率大大提高,对软组织及实质性器官的显示能力明显优于普通x线检查,
超声成像具有无损性、实时性等特点,加之三维超声成像技术的应用,使其在诊断和手术(如神经外科手术和脊椎手术等)中应用的优越性口益显现出来。例如将超声图像和CT图像、MRl图像等进行配准,可以方便地实时监测手术中解剖部位的变化,如脑移位(brain shift)等,且不会给病人带来额外的损伤和痛苦。
传统的B型超声成像系统仅能提供人体断面的二维图像,临床医生要在自己的脑子里重构出人体的三维结构需要有相当的经验。这就在一定程度上影响了临床诊断的准确性与治疗的有效性。
使用传统方法匹配的超声图像与CT扫描进行融合,很难满足精度和实行性等要求。由于超声与CT之间模态间的差异性,这就需要开发出新的数据配准技术来满足对齐不同图像的要求。由于感兴趣区域内和周围区域的散射,超声图像显示比较典型的高信噪比。此外,超声成像利用了不同组织解剖结构的回波响应时间不同的特点,因此超声成像技术造成的图像扭曲很难被恢复。融合术中超声与术前CT图像的信息同时能够提供准确的几何信息和实时的解剖信息,同时又是一个实现三维显示的有力工具。
发明内容
为了解决上述技术问题,本发明提出了基于CT密度值与超声灰度值的三维模型构建方法,包括如下步骤:
S1、获取检测目标的CT图像,并计算CT图像密度分布的直方图熵;
S2、将步骤S1的处理后的CT图像密度分布的直方图熵,映射为超声图像的声波灰度对比值的差值比重;
S3、把由映射得到的超声图像的声波灰度对比值的差值比重和实际超声图像的声波灰度对比值的差值比重通过灰度配准算法进行校准,并得到归一化变换参数;
S4、将所有映射得到的超声图像都放入超声三维模型中,计算超声三维模型体素对应的像素值。
进一步地,步骤S1中,用G0,G1,...,GN表示密度级的概率序列,如果把阈值设置在密度级S,则密度级的概率序列分为两个子序列,第一子序列表示为:G0,G1,...,Gm,...,GS,第二子序列表示为:GS+1,GS+2,...,Gn,...,GN;其中,Gm表示密度级为m的概率,Gn表示密度级为n的概率,m=0,1,...,S;n=S+1,S+2,...,N;
目标分布A如下:
;
背景分布B如下:
;
其中,用PS表示第一子序列中所有小于等于S的密度级的概率和,
;
与每一个分布相关的熵为:
目标熵H(A):
;
背景熵H(B):
;
直方图熵;
阈值S设置为:,maxS为最大值函数。
进一步地,步骤S2中,定义映射的超声图像中超声传播方向相邻像素点的声波灰度对比值的差值比重/>:
;
其中表示相邻像素点/>处CT图像密度分布的直方图熵。
进一步地,逐窗口地将映射得到的超声图像的声波灰度对比值的差值比重与实际超声图像的声波灰度对比值的差值比重按照相似性度量方法进行搜索比较配准,得到归一化变换参数C:
;
式中: 为映射得到的第i个窗口的超声图像的声波灰度对比值的差值比重, 为实际超声图像的第i个窗口的声波灰度对比值的差值比重,/> 为M个窗口映射得到的超声图像的声波灰度对比值的差值比重的均值,/> 为M个窗口的实际超声图像的声波灰度对比值的差值比重的均值,M为窗口的总数。
进一步地,所述步骤S4中:
根据双线性插值算法将映射得到的超声图像和超声三维模型中的体素进行像素值的再赋值;
针对某个体素,选择离所述体素最近且从两侧夹着所述体素的2张映射得到的超声图像,从体素的位置分别向2张映射得到的超声图像引垂线,距离分别为d1和d2;
将垂线与2张映射得到的超声图像上的交点的像素值分别设为I1、I2,将体素的像素值设为I,则通过下式的线性插值求出I1、I2:
I1={d1/(d1+d2)}I;
I2={d2/(d1+d2)}I;
对超声三维模型中的所有体素执行上述处理。
本发明还提出了一种基于CT密度值与超声灰度值的三维模型构建系统,所述三维模型构建系统包括:CT扫描仪,CT图像处理单元,映射单元,超声系统,超声图像处理单元,配准单元和三维模型构建单元;
所述CT扫描仪,用于获取检测目标的CT图像;
所述CT图像处理单元,用于计算CT图像密度分布的直方图熵;
所述映射单元,用于将CT图像密度分布的直方图熵,映射为超声图像的声波灰度对比值的差值比重;
所述超声系统,用于获取实际超声图像;
所述超声图像处理单元,用于计算实际超声图像的声波灰度对比值的差值比重;
所述配准单元,把由映射得到的超声图像的声波灰度对比值的差值比重和实际超声图像的声波灰度对比值的差值比重通过灰度配准算法进行校准,并得到归一化变换参数;
所述三维模型构建单元,用于将所有映射得到的超声图像都放入超声三维模型中,计算超声三维模型体素对应的像素值。
相比于现有技术,本发明具有如下有益技术效果:
获取检测目标的CT图像,并计算CT图像密度分布的直方图熵;将处理后的CT图像密度分布的直方图熵映射为超声图像的声波灰度对比值;把由映射得到的超声图像的声波灰度对比值和实际超声图像的声波灰度对比值通过灰度配准算法进行校准,并得到归一化变换参数;将所有映射得到的超声图像都放入超声三维模型中,计算超声三维模型体素对应的像素值。本发明融合了CT影像和超声影像,充分发挥了两者的优点。使得操作者能够实时看到超声影像和高清CT图像参数。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的基于CT密度值与超声灰度值的三维模型构建方法流程图;
图2为本发明的夹着体素的映射得到的超声图像结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,都属于本申请保护的范围。
在本发明的具体实施例附图中,为了更好、更清楚的描述系统中的各元件的工作原理,表现所述装置中各部分的连接关系,只是明显区分了各元件之间的相对位置关系,并不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限定。
S1,获取检测目标的CT图像,并计算CT图像密度分布的直方图熵。
用G0,G1,...,GN表示密度级的概率序列,如果把阈值设置在密度级S,则密度级的概率序列分为两个子序列,第一子序列表示为:G0,G1,...,Gm,...,GS,第二子序列表示为:GS+1,GS+2,...,Gn,...,GN;其中,Gm表示密度级为m的概率,Gn表示密度级为n的概率,m=0,1,...,S;n=S+1,S+2,...,N;
目标分布A如下:
;
背景分布B如下:
;
其中,用PS表示第一子序列中所有小于等于S的密度级的概率和,
;
与每一个分布相关的熵为:
目标熵H(A):
;
背景熵H(B):
;
直方图熵;
阈值S设置为:,maxS为最大值函数。
S2,将步骤S1的处理后的CT图像密度分布的直方图熵,映射为超声图像的声波灰度对比值的差值比重。
当超声波进入人体到达声阻抗超过0.1%的组织边界时,就会产生超声反射。定义组织的声阻为Z,可由计算得到,其中/>表示组织的密度,c表示超声的速度。
声阻为Z1和Z2两种组织分界面的声波灰度对比值为:
;
其中,U表示入射声波的强度,UR表示反射声波的强度。
在CT图像中,CT值表示X线穿透人体组织的辐射程度,而CT图像给出的直方图熵即对应不同器官组织X射线的吸收情况。在计算像素点的超声反射系数时,一方面因为超声反射发生在2种组织的分界处,大部分超声图像模拟方法都进行了组织器官的边缘检测;另一方面,超声图像中存在很多的随机噪声,模拟超声图像时需要增加额外的噪声模拟。
综合上述因素,本发明采用超声传播方向相邻像素差值比重方法映射为超声图像的声波灰度对比值。由于人体组织的声阻与其在CT图像中的直方图熵约为正比关系,定义映射的超声图像中超声传播方向相邻像素点/>的声波灰度对比值的差值比重:/>;
其中表示相邻像素点/>处CT图像密度分布的直方图熵。
S3,把由映射得到的超声图像的声波灰度对比值的差值比重和实际超声图像的声波灰度对比值的差值比重通过灰度配准算法进行校准,并得到归一化变换参数。
基于图像灰度的配准方法,通常直接利用整幅图像的灰度信息,建立两幅图像之间的相似性度量,然后采用搜索方法,寻找使相似性度量值最大或最小的变换模型的参数值,用大小固定的实时图像窗口逐窗口地将映射得到的超声图像的声波灰度对比值的差值比重与实际超声图像的声波灰度对比值的差值比重按照相似性度量方法进行搜索比较配准,得到归一化变换参数C:
即:
;
式中: 为映射得到的第i个窗口的超声图像的声波灰度对比值的差值比重, 为实际超声图像的第i个窗口的声波灰度对比值的差值比重,/> 为M个窗口映射得到的超声图像的声波灰度对比值的差值比重的均值,/> 为M个窗口的实际超声图像的声波灰度对比值的差值比重的均值,M为窗口的总数。
S4,将所有映射得到的超声图像都放入超声三维模型中,计算超声三维模型体素对应的像素值。
按照归一化的相关系数C,将所有映射得到的M个窗口的超声图像都放入超声三维模型中,即将超声、CT各模态影像数据导入图像处理软件MIPAV中,根据各数据的特点分别进行图像预处理,根据双线性插值算法将映射得到的M个窗口的超声图像和超声三维模型中的体素进行像素值的再赋值。
如图2所示,为夹着体素的映射得到的超声图像结构示意图。针对某个体素A,选择位于离体素A最近且从两侧夹着体素A的2张映射得到的超声图像。在图2中,体素A的坐标为点1,所选择的两张断层图像为图像2、图像3。接着,从体素A的位置分别向图像2、图像3引垂线,将体素A与图像2之间的距离设为d1,将交点设为4,将体素A与图像3之间的距离设为d2,将交点设为5,分别进行计算。
将与图像2上的交点4、图像3上的交点5的像素值分别设为I1、I2,将体素A的像素值设为I,则I通过下式的线性插值求出与图像2上的交点4、图像3上的交点5相当的像素值。
I1={d1/(d1+d2)}I;
I2={d2/(d1+d2)}I;
对超声模型中的所有体素执行该处理,确定两侧夹着该体素的2个映射得到的超声图像的像素值。
本发明的基于CT密度值与超声灰度值的三维模型构建系统包括:CT扫描仪,CT图像处理单元,映射单元,超声系统,超声图像处理单元,配准单元和三维模型构建单元。
CT扫描仪,用于获取检测目标的CT图像;
CT图像处理单元,用于计算CT图像密度分布的直方图熵;
映射单元,用于将CT图像密度分布的直方图熵,映射为超声图像的声波灰度对比值的差值比重;
超声系统,用于获取实际超声图像;
超声图像处理单元,用于计算实际超声图像的声波灰度对比值的差值比重;
配准单元,把由映射得到的超声图像的声波灰度对比值的差值比重和实际超声图像的声波灰度对比值的差值比重通过灰度配准算法进行校准,并得到归一化变换参数;
三维模型构建单元,用于将所有映射得到的超声图像都放入超声三维模型中,计算超声三维模型体素对应的像素值。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者通过所述计算机可读存储介质进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (6)
1.基于CT密度值与超声灰度值的三维模型构建方法,其特征在于,包括如下步骤:
S1、获取检测目标的CT图像,并计算CT图像密度分布的直方图熵;
S2、将步骤S1的处理后的CT图像密度分布的直方图熵,映射为超声图像的声波灰度对比值的差值比重;
S3、把由映射得到的超声图像的声波灰度对比值的差值比重和实际超声图像的声波灰度对比值的差值比重通过灰度配准算法进行校准,并得到归一化变换参数;
S4、将所有映射得到的超声图像都放入超声三维模型中,计算超声三维模型体素对应的像素值。
2.根据权利要求1所述的三维模型构建方法,其特征在于,
步骤S1中,用G0,G1,...,GN表示密度级的概率序列,如果把阈值设置在密度级S,则密度级的概率序列分为两个子序列,第一子序列表示为:G0,G1,...,Gm,...,GS,第二子序列表示为:GS+1,GS+2,...,Gn,...,GN;其中,Gm表示密度级为m的概率,Gn表示密度级为n的概率,m=0,1,...,S;n=S+1,S+2,...,N;
目标分布A如下:
;
背景分布B如下:
;
其中,用PS表示第一子序列中所有小于等于S的密度级的概率和,
;
与每一个分布相关的熵为:
目标熵H(A):
;
背景熵H(B):
;
直方图熵;
阈值S设置为:,maxS为最大值函数。
3.根据权利要求2所述的三维模型构建方法,其特征在于,步骤S2中,定义映射的超声图像中超声传播方向相邻像素点的声波灰度对比值的差值比重/>:;
其中表示相邻像素点/>处CT图像密度分布的直方图熵。
4.根据权利要求3所述的三维模型构建方法,其特征在于,逐窗口地将映射得到的超声图像的声波灰度对比值的差值比重与实际超声图像的声波灰度对比值的差值比重按照相似性度量方法进行搜索比较配准,得到归一化变换参数C:
;
式中: 为映射得到的第i个窗口的超声图像的声波灰度对比值的差值比重,/> 为实际超声图像的第i个窗口的声波灰度对比值的差值比重,/> 为M个窗口映射得到的超声图像的声波灰度对比值的差值比重的均值,/> 为M个窗口的实际超声图像的声波灰度对比值的差值比重的均值,M为窗口的总数。
5.根据权利要求4所述的三维模型构建方法,其特征在于,所述步骤S4中:
根据双线性插值算法将映射得到的超声图像和超声三维模型中的体素进行像素值的再赋值;
针对某个体素,选择离所述体素最近且从两侧夹着所述体素的2张映射得到的超声图像,从体素的位置分别向2张映射得到的超声图像引垂线,距离分别为d1和d2;
将垂线与2张映射得到的超声图像上的交点的像素值分别设为I1、I2,将体素的像素值设为I,则通过下式的线性插值求出I1、I2:
I1={d1/(d1+d2)}I;
I2={d2/(d1+d2)}I;
对超声三维模型中的所有体素执行上述处理。
6.基于CT密度值与超声灰度值的三维模型构建系统,其特征在于,用于实现如权利要求1-5任意一项所述的三维模型构建方法,所述三维模型构建系统包括:CT扫描仪,CT图像处理单元,映射单元,超声系统,超声图像处理单元,配准单元和三维模型构建单元;
所述CT扫描仪,用于获取检测目标的CT图像;
所述CT图像处理单元,用于计算CT图像密度分布的直方图熵;
所述映射单元,用于将CT图像密度分布的直方图熵,映射为超声图像的声波灰度对比值的差值比重;
所述超声系统,用于获取实际超声图像;
所述超声图像处理单元,用于计算实际超声图像的声波灰度对比值的差值比重;
所述配准单元,把由映射得到的超声图像的声波灰度对比值的差值比重和实际超声图像的声波灰度对比值的差值比重通过灰度配准算法进行校准,并得到归一化变换参数;
所述三维模型构建单元,用于将所有映射得到的超声图像都放入超声三维模型中,计算超声三维模型体素对应的像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310744533.XA CN116486021B (zh) | 2023-06-25 | 2023-06-25 | 基于ct密度值与超声灰度值的三维模型构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310744533.XA CN116486021B (zh) | 2023-06-25 | 2023-06-25 | 基于ct密度值与超声灰度值的三维模型构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116486021A CN116486021A (zh) | 2023-07-25 |
CN116486021B true CN116486021B (zh) | 2023-08-18 |
Family
ID=87221788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310744533.XA Active CN116486021B (zh) | 2023-06-25 | 2023-06-25 | 基于ct密度值与超声灰度值的三维模型构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116486021B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101865789A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 近场声全息声像模式识别故障检测装置及其检测方法 |
EP3029634A1 (en) * | 2014-12-01 | 2016-06-08 | AmCad BioMed Corporation | Echogenicity quantification method and calibration method for ultrasonic device using echogenicity index |
CN111724357A (zh) * | 2020-06-09 | 2020-09-29 | 四川大学 | 基于数字放射图像及支持向量回归的手臂骨密度测量方法 |
CN116026921A (zh) * | 2022-12-30 | 2023-04-28 | 桂林理工大学 | 一种内建环形超声波传感器阵列的智能灌浆套筒系统 |
CN116269501A (zh) * | 2023-03-17 | 2023-06-23 | 中国科学院苏州生物医学工程技术研究所 | 基于模糊熵的超声成像方法、装置、计算机设备及介质 |
-
2023
- 2023-06-25 CN CN202310744533.XA patent/CN116486021B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101865789A (zh) * | 2010-06-30 | 2010-10-20 | 上海交通大学 | 近场声全息声像模式识别故障检测装置及其检测方法 |
EP3029634A1 (en) * | 2014-12-01 | 2016-06-08 | AmCad BioMed Corporation | Echogenicity quantification method and calibration method for ultrasonic device using echogenicity index |
CN111724357A (zh) * | 2020-06-09 | 2020-09-29 | 四川大学 | 基于数字放射图像及支持向量回归的手臂骨密度测量方法 |
CN116026921A (zh) * | 2022-12-30 | 2023-04-28 | 桂林理工大学 | 一种内建环形超声波传感器阵列的智能灌浆套筒系统 |
CN116269501A (zh) * | 2023-03-17 | 2023-06-23 | 中国科学院苏州生物医学工程技术研究所 | 基于模糊熵的超声成像方法、装置、计算机设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116486021A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7183376B2 (ja) | 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 | |
Mozaffari et al. | Freehand 3-D ultrasound imaging: a systematic review | |
US20190216435A1 (en) | Sensor coordinate calibration in an ultrasound system | |
US20180300876A1 (en) | Systems and Methods for Ultrasound Imaging | |
Mohamed et al. | A survey on 3D ultrasound reconstruction techniques | |
Ding et al. | Automatic needle segmentation in three‐dimensional ultrasound images using two orthogonal two‐dimensional image projections | |
Chung et al. | Freehand three-dimensional ultrasound imaging of carotid artery using motion tracking technology | |
DE102012108121A1 (de) | Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien | |
US20120154400A1 (en) | Method of reducing noise in a volume-rendered image | |
Suri | Advances in diagnostic and therapeutic ultrasound imaging | |
Chen et al. | Reconstruction of freehand 3D ultrasound based on kernel regression | |
US10548564B2 (en) | System and method for ultrasound imaging of regions containing bone structure | |
Chen et al. | Improvement of 3-D ultrasound spine imaging technique using fast reconstruction algorithm | |
US11766297B2 (en) | Apparatus and method for detecting an interventional tool | |
Huang et al. | 2.5-D extended field-of-view ultrasound | |
de Ruijter et al. | Automated 3D geometry segmentation of the healthy and diseased carotid artery in free‐hand, probe tracked ultrasound images | |
US10278663B2 (en) | Sensor coordinate calibration in an ultrasound system | |
Chen et al. | Real-time freehand 3D ultrasound imaging | |
Welch et al. | A real-time freehand 3D ultrasound system for image-guided surgery | |
CN107928708A (zh) | 自由三维脊柱超声成像系统及控制方法 | |
Lu et al. | Free scan real time 3D ultrasound imaging with shading artefacts removal | |
CN116486021B (zh) | 基于ct密度值与超声灰度值的三维模型构建方法及系统 | |
Yao et al. | Spatial compounding of large numbers of multi-view 3D echocardiography images using feature consistency | |
Azhari et al. | Volumetric imaging with ultrasonic spiral CT | |
Robert et al. | An interactive tool to visualize three-dimensional ultrasound data |
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 |