CN116955681B - 一种三维可视化医学影像系统 - Google Patents
一种三维可视化医学影像系统 Download PDFInfo
- Publication number
- CN116955681B CN116955681B CN202311157847.6A CN202311157847A CN116955681B CN 116955681 B CN116955681 B CN 116955681B CN 202311157847 A CN202311157847 A CN 202311157847A CN 116955681 B CN116955681 B CN 116955681B
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- target
- data
- image data
- 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
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 34
- 230000000007 visual effect Effects 0.000 title claims abstract description 22
- 238000012800 visualization Methods 0.000 claims abstract description 50
- 238000012546 transfer Methods 0.000 claims abstract description 29
- 230000000977 initiatory effect Effects 0.000 claims abstract description 8
- 230000000739 chaotic effect Effects 0.000 claims description 11
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 210000000056 organ Anatomy 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 11
- 238000000034 method Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 238000009877 rendering Methods 0.000 description 7
- 210000003484 anatomy Anatomy 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000003902 lesion Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000003780 insertion Methods 0.000 description 5
- 230000037431 insertion Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 238000012274 Preoperative evaluation Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 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
- 238000013188 needle biopsy Methods 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种三维可视化医学影像系统，属于医学影像系统技术领域，包括：影像可视化平台以及服务器；影像可视化平台用于发起影像调阅请求；服务器用于响应于影像调阅请求，根据目标患者的基本信息，将目标影像数据回传至影像可视化平台；影像可视化平台用于从影像数据中确定目标影像数据，发起针对目标影像数据的影像转移请求；服务器用于响应于影像转移请求，将目标影像数据传输至影像中转数据库；影像可视化平台用于从影像中转数据库中获取目标影像数据，对目标影像数据进行解析、加载和显示。本发明可以通过影像可视化平台完成目标影像数据的调阅和转移，不仅无需打印纸质胶片，而且可以实现了医学影像数据的远程传输以及多端共享。
Description
技术领域
本发明属于医学影像系统技术领域，具体涉及一种三维可视化医学影像系统。
背景技术
医学影像学随着影像设备的发展而突飞猛进，CT、MRI已成为重要的检查手段，且在临床诊疗工作中日益普及，可为循证医学提供重要、客观的诊断依据。
目前，在医学影像数据的查阅方式中，仍然以纸质胶片为主，然而纸质胶片容易沾染病人的指纹，导致查看效果欠佳，并且纸质胶片不易保存，携带费时费力。因此，部分医院开始对数字化医学影像进行查看，但往往仅限于本医院的采集设备进行采集的医学影像范围内，这就导致医学影像数据传输路径较为单一，难以实现医学影像数据的远程传输以及多端共享。
发明内容
为了解决现有技术存在的纸质胶片容易沾染病人的指纹，导致查看效果欠佳，并且纸质胶片不易保存，携带费时费力，而查看数字化医学影像仅限于本医院的采集设备进行采集的医学影像的范围内，导致医学影像数据传输路径单一，无法实现医学影像数据的远程传输以及多端共享的技术问题，本发明提供一种三维可视化医学影像系统。
本发明提供了一种三维可视化医学影像系统，包括：影像可视化平台以及服务器；
所述影像可视化平台用于发起影像调阅请求，其中，调阅影像请求中包括目标患者的基本信息；
所述服务器用于响应于所述影像调阅请求，根据所述目标患者的基本信息，将所述目标影像数据回传至所述影像可视化平台；
所述影像可视化平台用于从所述影像数据中确定目标影像数据，发起针对所述目标影像数据的影像转移请求；
所述服务器用于响应于所述影像转移请求，将所述目标影像数据传输至影像中转数据库；
所述影像可视化平台用于从所述影像中转数据库中获取所述目标影像数据，对所述目标影像数据进行解析、加载和显示。
与现有技术相比，本发明至少具有以下有益技术效果：
在本发明中，将医学影像数据存储于后台服务器中，在需要查阅时，可以通过影像可视化平台完成目标影像数据的调阅和转移，不仅无需打印纸质胶片，而且后台服务器可以存储多个医院多个设备采集的医学影像数据，在查看数字化医学影像时不再局限于固有医院设备采集的医学影像，实现了医学影像数据的远程传输以及多端共享。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明提供的一种三维可视化医学影像系统的结构示意图；
图2是本发明提供的另一种三维可视化医学影像系统的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。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的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。可以是机械连接，也可以是电连接。可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
另外，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
在一个实施例中，参考说明书附图1，示出了本发明提供的一种三维可视化医学影像系统的结构示意图。参考说明书附图2，示出了本发明提供的另一三维可视化医学影像系统的结构示意图。
本发明提供的一种三维可视化医学影像系统，包括：影像可视化平台1以及服务器2。
其中，服务器2可以是专门用于影像存档的影像存档与通信系统(PictureArchiving and Communication System，PACS)服务器2。影像数据信息可以包括来源于不同的医院不同的采集设备采集而来的医学影像。
可选地，可以通过浏览器4访问影像可视化平台1，并在影像可视化平台1的显示界面中选取目标患者。
其中，目标患者可以理解为需要查看其医学影像数据的患者。
多个浏览器4可同时访问影像可视化平台1，允许多个浏览器4同时访问影像可视化平台1可以提高系统的并发性、支持团队合作和协同工作，提高工作效率，并且具有跨平台和灵活性的优势，使得用户能够灵活访问系统并进行远程协作。
影像可视化平台1用于发起影像调阅请求。
其中，调阅影像请求中包括目标患者的基本信息。
服务器2用于响应于影像调阅请求，根据目标患者的基本信息，将目标影像数据回传至影像可视化平台1。
影像可视化平台1用于从影像数据中确定目标影像数据，发起针对目标影像数据的影像转移请求。
其中，目标影像数据是指用户想要转移的影像数据。
服务器2用于响应于影像转移请求，将目标影像数据传输至影像中转数据库3。
其中，影像中转数据库3在三维可视化医学影像系统中的作用是提供一个中间存储和传输的平台，以便在不同组件之间传递和共享目标影像数据。影像中转数据库3可以作为一个高速的数据传输通道，提供快速和稳定的数据传输，以确保影像数据能够在各个组件之间高效地传递和共享。影像中转数据库3的设置，使得不同用户和组件可以共享和访问目标影像数据。服务器2可以提供访问控制机制，确保只有授权用户可以获取和查看特定的影像数据。
影像可视化平台1用于从影像中转数据库3中获取目标影像数据，对目标影像数据进行解析、加载和显示。
具体地，影像可视化平台1解析影像数据的格式和结构，以了解数据中包含的各个组成部分和其相互关系。常见的影像数据格式包括DICOM(数字成像和通信医疗图像)、NIfTI(神经影像信息技术标准)等。一旦数据解析完成，影像可视化平台1会对影像数据进行必要的预处理和处理操作，包括但不仅限于调整数据的大小、切割、滤波、增强对比度等操作，以准备数据用于后续的可视化呈现。在数据解析和处理完成后，影像可视化平台1将加载数据以供显示，包括但不仅限于涉及将数据加载到内存中，并建立数据的索引和数据结构，以便快速访问和检索。加载过程通常会涉及将数据转换为可供渲染的图像或体积数据，以便在显示界面中进行显示。最后，影像可视化平台1会使用已加载和准备好的目标影像数据进行可视化呈现，包括但不仅限于在平台的显示界面中生成图像、体积渲染或其他特定的可视化技术，以展示目标影像数据的详细信息和特征。在一种可能的实施方式中，三维可视化医学影像系统还包括：影像展示模块5。
需要说明的是，本发明提供的三维可视化医学影像系统可以基于B/S(Browser/Server)架构。其中，B/S结构是一种常见的软件系统架构，即浏览器4作为客户端，服务器2提供服务和处理逻辑。在三维可视化医学影像系统中，采用B/S架构意味着系统的前端用户界面通过浏览器4访问，而后端的服务器2负责处理数据存储、逻辑处理和业务功能。B/S架构通过将客户端功能转移到浏览器4上，实现了前后端分离和服务器2端的集中管理，提供了跨平台、可访问性和简化维护等优势。在三维可视化医学影像系统中，B/S架构可以使医生和用户通过浏览器4访问系统，实现对医学影像的可视化和相关操作。
在本实施例中，三维可视化医学影像系统配置有视频录像功能、同步观看教学、考试等功能。可满足临床术前评估规划、术中辅助导航、术后康复治疗、远程医疗会诊、手术培训等多个场景。
在本实施例中，本发明提供的三维可视化医学影像系统中还可以包括图形用户界面GUI、客户端/服务器2端通信层、服务器2端应用层，图形用户界面GUI基于HTML5、JavaScript、CSS3设计和实现，具有零足迹、跨浏览器4、跨平台等优点。用户可以通过普通的Web浏览器4访问系统，无需安装额外的客户端软件。这种新型客户端架构使得用户无论是在PC、平板还是手机等设备上均可以方便地使用三维可视化医学影像系统。客户端/服务器2端通信层基于WebSocket协议实现全双工通信，提升用户交互体验。服务器2端应用层基于GPU加速技术优化可视化算法，能够快速响应客户端请求，为用户提供了一个分布式、跨平台、高移植的医学影像共享平台。
影像可视化平台1具体用于调用影像展示模块5，通过影像展示模块5显示医学影像。
影像展示模块5具有二维显示模式和三维显示模式。
当影像展示模块5处于二维显示模式时，显示二维医学影像。
当影像展示模块5处于三维显示模式时，显示三维医学影像。
在本发明中，通过支持二维和三维显示模式，影像展示模块5能够提供多维视图、增强影像理解、促进可视化交互和满足个性化需求。这有助于医生更全面地评估影像数据，提高诊断准确性和临床决策的质量。
在一种可能的实施方式中，三维可视化医学影像系统还包括：影像切换模块6。
影像切换模块6用于对二维显示模式下的二维医学影像进行三维建模，形成三维医学影像，以切换至三维显示模块。
在一种可能的实施方式中，通过影像切换模块6将二维医学图像转换为三维医学图像并切换至三维显示模式，可以提供丰富的可视化呈现、增强空间感知和深度理解、提供交互和操作灵活性，并辅助诊断和手术规划，有助于医生更全面地评估影像数据，提高诊断准确性和临床决策的质量。通过调整不同的预选位置，智能地查看预选位置处的三维模型。
具体而言，对二维显示模式下的二维的医学图像进行三维建模的具体方式为：多平面重建MPR、最大强度投影MIP或者体绘制VR。
其中，MPR(Multi-Planar Reconstruction)是一种通过对三维数据集进行处理，生成多平面图像的技术。它可以将原始三维数据按照不同的切面(如冠状面、矢状面、横断面)进行切割，生成相应的二维图像。这些图像可以提供更直观的观察角度，帮助医生更好地了解患者的解剖结构、病变情况以及病变的分布情况。MIP(Maximum IntensityProjection)是一种将三维数据中的最大强度投影到二维图像上的方法。它通过在不同方向上追踪和保留每个像素点沿射线方向上的最大像素值，将这些最大值映射到图像中形成明亮的点或线条。MIP重建可以突出显示血管造影剂的通过路径，用于显示血管系统的分支、狭窄或堵塞等情况。VR(Volume Rendering)是一种将三维数据集以透明和半透明的方式绘制成二维图像的技术。VR通过对每个体素(三维像素)的光传输和颜色着色进行计算，生成具有深度感和透明度的图像。这种方法可以呈现出内部结构和表面特征的细节，对于可视化解剖结构、病变位置以及手术规划等方面有很大的帮助。
上述三种重建功能各自有其特点和应用场景：MPR提供了多个切面图像，有助于在不同平面上全面观察解剖结构。MIP突出显示血管路径，适用于血管成像。VR提供透明的三维图像，对于整体结构的理解和手术规划有帮助。根据具体的临床需求和医学影像类型以及实际情况选择合适的重建功能来获取所需的信息。
在本发明中，为了能够更快速、更精细化的进行三维建模，提供了一种全新的三维建模方式：
在一种可能的实施方式中，影像切换模块6具体包括：
图像配准单元，用于对各个二维医学图像进行配准。
需要说明的是，图像配准有助于将多个图像对齐，消除图像间的偏移和变形，从而使分割和建模更加准确。通过减少图像不一致性，可以提高分割和三维建模的准确性和稳定性。并且，配准后的图像可以更好地保留原始图像中的空间信息，使得分割和建模过程能够更准确地定位和描述感兴趣的目标区域。
图像分割单元，用于对配准后的各个二维医学图像中的目标区域进行分割。
需要说明的是，分割可以将医学图像中的目标区域与周围背景分开，使得医生和研究人员能够更准确地进行定量分析。这可以帮助测量病变的大小、形状、体积等重要特征，为疾病诊断和监测提供有力的依据。并且，分割后的图像可以更清晰地显示目标结构，使医生和患者能够更好地理解病情。这对于沟通和教育非常重要。
三维建模单元，用于对分割出的目标区域进行三维建模，得到三维医学图像。
需要说明的是，三维建模可以将分割出的目标区域从二维图像中提升到三维空间，从而获得更丰富、更全面的解剖结构信息。这可以帮助医生更好地理解目标区域的形状、位置和关系，有助于更准确地进行诊断和治疗规划。并且，三维建模可以为手术规划和导航提供有力支持。医生可以在虚拟环境中模拟手术操作，更好地预测手术风险、确定切口位置以及规划手术路径，从而提高手术的安全性和成功率。
在一种可能的实施方式中，图像配准单元具体用于执行以下步骤：
步骤101：选取一张二维医学影像作为参考图像，并将参考图像的坐标系的原点建立平面直角坐标系。
步骤102：从剩余的二维医学影像中选取一张作为待对齐图像。
步骤103：将参考图像和待对齐图像进行归一化处理，得到归一化参考图像和归一化待对齐图像。
其中，使用归一化处理来对待对齐图像和参考图像进行处理，从而消除了图像之间的尺度和亮度差异，增强了图像配准的稳定性。
步骤104：基于相关性匹配算法，计算归一化参考图像和归一化待对齐图像之间的相似度：
其中，NCC(tx,ty)表示将所述归一化待对齐图像位移(tx,ty)后与所述归一化参考图像之间的相似度，(tx,ty)表示所述参考图像和所述待对齐图像之间的相对位移量,tx表示横向位移量，ty表示纵向位移量，Iref(x,y)表示所述归一化参考图像，Imov(x,y)表示所述归一化待对齐图像，Imov(x+tx,y+ty)表示将所述归一化待对齐图像位移(tx,ty)后的图像，表示所述归一化参考图像的均值，/>表示所述归一化待对齐图像的均值，(x,y)表示像素点坐标，x表示横坐标值，y表示纵坐标值；
步骤105：获取相似度最大时的位移量。
步骤106：通过相似度最大时的位移量，对归一化待对齐图像进行位移，以完成图像配准。
步骤107：重复上述步骤102至步骤106，对剩余的待对齐图像进行配准。
在本发明中，通过使用相关性匹配算法计算归一化参考图像和归一化待对齐图像之间的相似度，可以找到最佳的位移量，使得两幅图像在空间上最大程度地对齐。这有助于减少图像配准中的误差，提高图像对齐的准确性。
在一种可能的实施方式中，图像分割单元具体用于执行以下步骤：
步骤201：随机初始化K个聚类中心。
步骤202：根据二维医学影像中当前像素点的图像特征，计算当前像素点到各个聚类中心的中心点的距离：
其中，Dj表示当前像素点到第j个聚类中心的距离，fi表示当前像素点的第i种图像特征，cij表示第j个聚类中心的中心点的第i种图像特征，I表示图像特征的维度。
其中，图像特征具体可以是灰度平均值、对比度、熵值等。
步骤203：将当前像素点划分到Dj最小的聚类中，并更新聚类中心。
步骤204：继续选取下一个像素点，直至完成图像帧中所有像素点的聚类，得到二维医学影像的K个图像区域。
步骤205：从K个图像区域中选取出包含有目标器官的目标区域，并对目标区域进行分割。
需要说明的是，根据像素的特征将图像划分为不同的聚类，将包含目标器官的目标区域从背景和其他结构中分离出来。这有助于准确定位目标器官，为后续分析和处理提供基础。进一步地，通过调整初始化聚类中心的个数K，可以实现多样性的分割效果，使得本发明能够胜任不同类型的医学图像分割。
在一种可能的实施方式中，三维建模单元具体用于执行以下步骤：
步骤301：提取配准后的各个二维医学影像中的目标区域的特征点，得到特征点集合。
步骤302：将特征点集合转换为三维点云数据集合：
X＝{x1，x2，…，xi}
其中，X表示三维点云数据集合，xi表示第i个三维点云数据，表示第i个三维点云数据的三维坐标。
步骤303：使用三角化算法将三维点云数据转换为三角网格数据M：
M＝{m1，m2，...，mi}
mi＝[xk，xp，xq]
xk，xp，xq∈X
其中，mi表示第i个三角网格数据，[xk，xp，xq]表示第i个三角网格数据的三个顶点对应的三维点云数据。
步骤304：选择不同的材质和贴图对三角网格数据进行优化和压缩，得到三维医学影像。
在本发明中，将配准后的二维医学影像转化为三维点云和三角网格数据，可以实现医学图像的立体可视化。医生和研究人员可以从不同角度和视角更全面地观察和分析目标区域，有助于更好地理解解剖结构和病变情况。另外，三维建模可以重建和再现患者的解剖结构，包括器官、血管、肿瘤等。这有助于医生更详细地了解病情，为疾病诊断和治疗规划提供支持。进一步地，三维医学影像可以用于手术规划和导航，医生可以在虚拟环境中模拟手术过程，预测可能的情况，规划手术路径，并在实际手术中提高准确性和成功率。
在一种可能的实施方式中，三维可视化医学影像系统还包括：加密模块7。
服务器2具体用于响应于影像转移请求，调用加密模块7对目标影像数据进行加密，将加密后的目标影像数据传输至影像中转数据库3；
加密模块7具体用于执行以下步骤：
步骤401：构建椭圆曲线，椭圆曲线的参数包括：a，b，G，m，h，其中，a表示第一椭圆系数，b表示第二椭圆系数，G表示基点，基点G可表示为(X0,Y0)，X0,Y0是基点G的坐标，m表示G的阶数，h表示余因子；
其中，在密码学中，椭圆曲线提供了一种安全的加密和数字签名方案，这些方案比传统的加密算法更加安全，而且需要更短的密钥长度。这是因为，与传统加密算法相比，椭圆曲线在有限域上的离散对数问题更难解决，因此攻击者需要更长的时间和更高的计算能力才能破解密码系统。
步骤402：选择一个随机数k，计算kG＝(kX0,kY0)＝(X1,Y1)，将坐标X1转换为整数；
步骤403：计算r＝X1mod m，若r＝0，则回到步骤402，否则进入步骤404；
步骤404：计算l＝SHA-1(M)，并将l转换成整数，M表示原始数据，SHA-1(M)表示使用SHA-1计算的M的数字摘要；
其中，SHA-1是一种安全散列算法，可以将任意长度的消息转换为一个160位的数字指纹。SHA-1算法被广泛应用于数字签名、认证和数据完整性检查等领域，具有高强度的安全性和广泛的应用性。数字摘要是将任意长度的消息(比如文本、文件等)通过特定的算法转换成固定长度的数字串。数字摘要可以看做是原始数据的"指纹"，具有唯一性、不可逆性、敏感性等特点。通过比较两个数字摘要是否相同，可以判断原始数据是否被篡改过。
步骤405：构建签名方程，k＝l+s+rdmod m，利用私钥d计算s＝k-l-rd(mod m)，若s＝0，则回到步骤402，否则进入步骤406；
步骤406：将(r,s)作为目标影像数据的数字签名，以对目标影像数据进行加密处理。
在本发明中，加密和数字签名可以保护目标影像数据的隐私，确保只有授权人员能够访问和解密这些数据，从而保护患者隐私和敏感信息。
在本发明中，数字签名方程中只有1次乘法运算，相对于现有技术中数字签名算法，降低了乘法运算，在保证可以检测和防止伪造数字签名的同时，签名方程更简单，计算量更小，通信成本更低，在实际使用过程中，提高了数字签名的速度且占用计算资源少。
需要说明的是，本发明在生成数字签名的过程中，存在随机数k，使得第三方无法窃取私钥d，因为随机数k和私钥d都是未知的，一个方程中，存在两个未知数是无法求解的，从而保证了攻击者无法通过窃取发送者的私钥伪造数字签名，也就是说，攻击者通过伪造假的私钥伪造出的数字签名，而伪造的数字签名是需要经过接收者验证的，私钥对应的公钥只有一个，而假的私钥生成的数字签名是不可能正确的，从而实现了对用户的身份的鉴别。攻击者如果篡改发送者发送的消息，得到不同的数字签名，进而得到不同的r值，而真实的r值在数字签名中是唯一的，篡改后的消息生成的数字签名生成的r值，与真实的数字签名生成的r值是不同的，因此在消息接收端对数字签名进行验证时，假的r值与数字签名里真实的r值不同，则消息不能通过，实现了消息的真实性和完整性的校验。
在一种可能的实施方式中，加密模块7，还用于执行以下步骤：
步骤407：构建关于随机数k和私钥d的混沌映射关系式：
其中，n表示下载次数，λ1、λ2、λ3、λ4和λ5表示控制参数且均为常数。
需要说明的是，混沌映射关系式的作用是为了保护随机数和私钥，现有技术中的混沌映射关系式，现有的二维混沌映射存在混沌参数范围不连续，参数空间中存在许多周期窗口，混沌行为较脆弱，当参数受到干扰时，会出现混沌行为很容易消失，发生混沌退化的问题。而本发明首先初始化两个参数多项式，然后通过模运算将任意值折叠到一个固定的范围内，最后从非线性多项式生成混沌映射，生成具有鲁棒混沌性的二维混沌映射，弥补了现有混沌映射关系式中存在的缺点。
在一种可能的实施方式中，三维可视化医学影像系统还包括身份验证模块8。
影像可视化平台1具体用于调用身份验证模块8，在身份验证通过的情况下，从影像中转数据库3中获取目标影像数据，对目标影像数据进行解析、加载和显示；
身份验证模块8具体用于执行以下步骤：
步骤501：根据用户的私钥d计算公钥Q，其中，Q＝dG，d表示私钥，G表示基点；
步骤502：计算l＝SHA-1(M)，其中，SHA-1(M)表示使用SHA-1计算的M的数字摘要；
步骤503：计算P＝(s+l)G+rQ＝(X’1,Y’1)，若X’1＝0且Y’1＝0，则签名无效；
步骤504：将坐标X’1转换为整数，令r’＝X’1modm；
步骤505：若r＝r’，则确定数字签名验证通过，允许用户从影像中转数据库3中获取目标影像数据，对目标影像数据进行解析、加载和显示。
可以理解的是，身份验证模块8进行解密的步骤是加密模块7进行加密的逆过程。
在一种可能的实施方式中，三维可视化医学影像系统还包括：添加模块9。添加模块9用于在二维的医学图像上添加入针点和靶点，并根据入针点和靶点生成靶线。
具体的，先从系统中获取入针点和靶点的坐标信息，这些坐标可以通过用户在图像上标记或通过自动检测算法获得。使用入针点和靶点的坐标，确定靶线应该从入针点到达靶点的路径。路径是直线路径，也可以是曲线路径，具体取决于医疗应用的需求和设定。之后，根据确定的路径，使用路径算法生成靶线，例如可以采用线性插值、贝塞尔曲线等，线性插值方法将路径上的点连接起来形成直线或折线段，而贝塞尔曲线方法可以生成平滑的曲线。最后，对生成的靶线可以通过渲染技术进行可视化处理，以便在影像可视化平台1中显示。渲染可以通过在二维图像上绘制线条或在三维场景中呈现靶线的形式来实现。
考虑到靶点的数量有限，在一些实施例中，添加模块9可以自动的根据现有的靶点自动进行补充靶点的提示。具体的，补充靶点的过程可以包括以下。
获取所有入针点与靶点的坐标信息；
基于所有的坐标信息与路径算法，确定是否需要补充靶点；
若需要补充靶点，计算出所述补充靶点的位置坐标，并通过添加模块9进行推荐提示。
进一步的，该路径算法可以是贝塞尔曲线算法，并且基于所有的坐标信息与路径算法，确定是否需要补充靶点具体包括：
dmax＝max(d2,d3,...,di,...,dn')
dmin＝min(d2,d3,...,di,...,dn')
dmax＞εdmin
其中，n’表示靶点的个数，di表示第i-1个靶点与第i个靶点之间的距离，ε为常量，常量ε通常取值自然常数e。
其中，通过在二维医学图像上添加入针点和靶点，可以准确定位病灶的位置和范围。这对于进行精确的病灶定位和导航非常重要，特别是在进行肿瘤切除、穿刺活检、放射治疗等操作时。靶线的生成可以提供直观的引导，帮助医生准确引导手术器械或治疗设备到达目标区域。还可以提高手术的准确性和安全性，增强诊断和治疗的效果，帮助医生做出更准确的决策。
在一种可能的实施方式中，三维可视化医学影像系统还包括：用户管理模块10，用户管理模块10用于实现用户角色的创建、删除、编辑、停用以及分配权限操作，储存相应角色基本数据信息。
其中，用户包括系统中的所有账户，角色包括医生、跟台、患者、重建工程师、财务等。可供分配的权限包括：菜单权限、按钮权限、数据的增删改查等权限。用户管理模块10可以根据不同角色和工作职责来分配权限，提供访问控制、安全性、权限管理和数据隔离等功能，从而提高系统的安全性、灵活性和工作效率。
在一种可能的实施方式中，三维可视化医学影像系统还包括：订单管理模块11，订单管理模块11用于实现订单的新增、接收、取消、分配以及退款操作。
需要说明的是，订单管理模块11在三维可视化医学影像系统中的应用可以提高工作效率、优化流程管理、增强客户服务和沟通，并提供财务管理的支持，从而促进系统的高效运行和良好的用户体验。
与现有技术相比，本发明至少具有以下有益技术效果：
在本发明中，将医学影像数据存储于后台服务器2中，在需要查阅时，可以通过影像可视化平台1完成目标影像数据的调阅和转移，不仅无需打印纸质胶片，而且后台服务器2可以存储多个医院多个设备采集的医学影像数据，在查看数字化医学影像时不再局限于固有医院设备采集的医学影像，实现了医学影像数据的远程传输以及多端共享。
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。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种三维可视化医学影像系统，其特征在于，包括：影像可视化平台以及服务器；
所述影像可视化平台用于发起影像调阅请求，其中，调阅影像请求中包括目标患者的基本信息；
所述服务器用于响应于所述影像调阅请求，根据所述目标患者的基本信息，将目标影像数据回传至所述影像可视化平台；
所述影像可视化平台用于从所述影像数据中确定目标影像数据，发起针对所述目标影像数据的影像转移请求；
所述服务器用于响应于所述影像转移请求，将所述目标影像数据传输至影像中转数据库；
所述影像可视化平台用于从所述影像中转数据库中获取所述目标影像数据，对所述目标影像数据进行解析、加载和显示；
其中，三维可视化医学影像系统还包括：影像展示模块；
所述影像可视化平台具体用于调用所述影像展示模块，通过所述影像展示模块显示医学影像；
所述影像展示模块具有二维显示模式和三维显示模式；
当所述影像展示模块处于所述二维显示模式时，显示二维医学影像；
当所述影像展示模块处于所述三维显示模式时，显示三维医学影像；
其中，三维可视化医学影像系统还包括：影像切换模块；
所述影像切换模块用于对所述二维显示模式下的所述二维医学影像进行三维建模，形成三维医学影像，以切换至所述三维显示模式；
其中，所述影像切换模块具体包括：
图像配准单元，用于对各个二维医学图像进行配准；
图像分割单元，用于对配准后的各个二维医学图像中的目标区域进行分割；
三维建模单元，用于对分割出的目标区域进行三维建模，得到三维医学图像；
其中，所述图像配准单元具体用于执行以下步骤：
步骤101：选取一张二维医学影像作为参考图像，并将所述参考图像的坐标系的原点建立平面直角坐标系；
步骤102：从剩余的二维医学影像中选取一张作为待对齐图像；
步骤103：将所述参考图像和所述待对齐图像进行归一化处理，得到归一化参考图像和归一化待对齐图像；
步骤104：基于相关性匹配算法，计算所述归一化参考图像和所述归一化待对齐图像之间的相似度：
其中，NCC(tx,ty)表示将所述归一化待对齐图像位移(tx,ty)后与所述归一化参考图像之间的相似度，(tx,ty)表示所述参考图像和所述待对齐图像之间的相对位移量,tx表示横向位移量，ty表示纵向位移量，Iref(x,y)表示所述归一化参考图像，Imov(x,y)表示所述归一化待对齐图像，Imov(x+tx,y+ty)表示将所述归一化待对齐图像位移(tx,ty)后的图像，表示所述归一化参考图像的均值，/>表示所述归一化待对齐图像的均值，(x,y)表示像素点坐标，x表示横坐标值，y表示纵坐标值；
步骤105：获取相似度最大时的位移量；
步骤106：通过相似度最大时的位移量，对所述归一化待对齐图像进行位移，以完成图像配准；
步骤107：重复上述步骤102至步骤106，对剩余的待对齐图像进行配准；
其中，所述图像分割单元具体用于执行以下步骤：
步骤201：随机初始化K个聚类中心；
步骤202：根据所述二维医学影像中当前像素点的图像特征，计算当前像素点到各个聚类中心的中心点的距离：
其中，Dj表示当前像素点到第j个聚类中心的距离，fi表示当前像素点的第i种图像特征，cij表示第j个聚类中心的中心点的第i种图像特征，I表示图像特征的维度；
步骤203：将所述当前像素点划分到Dj最小的聚类中，并更新聚类中心；
步骤204：继续选取下一个像素点，直至完成图像帧中所有像素点的聚类，得到二维医学影像的K个图像区域；
步骤205：从K个图像区域中选取出包含有目标器官的目标区域，并对所述目标区域进行分割。
2.根据权利要求1所述的三维可视化医学影像系统，其特征在于，所述三维建模单元具体用于执行以下步骤：
步骤301：提取配准后的各个二维医学影像中的目标区域的特征点，得到特征点集合；
步骤302：将所述特征点集合转换为三维点云数据集合：
其中，X表示三维点云数据集合，xi表示第i个三维点云数据，表示第i个三维点云数据的三维坐标；
步骤303：使用三角化算法将所述三维点云数据转换为三角网格数据M：
M＝{m1,m2,...,mi}
mi＝[xk,xp,xq]
xk,xp,xq∈X
其中，mi表示第i个三角网格数据，[xk,xp,xq]表示第i个三角网格数据的三个顶点对应的三维点云数据；
步骤304：选择不同的材质和贴图对所述三角网格数据进行优化和压缩，得到三维医学影像。
3.根据权利要求1所述的三维可视化医学影像系统，其特征在于，还包括：加密模块；
所述服务器具体用于响应于所述影像转移请求，调用所述加密模块对所述目标影像数据进行加密，将加密后的所述目标影像数据传输至影像中转数据库；
所述加密模块具体用于执行以下步骤：
步骤401：构建椭圆曲线，所述椭圆曲线的参数包括：a，b，G，m，h，其中，a表示第一椭圆系数，b表示第二椭圆系数，G表示基点，所述基点G可表示为(X0,Y0)，X0,Y0是基点G的坐标，m表示G的阶数，h表示余因子；
步骤402：选择一个随机数k，计算kG＝(kX0,kY0)＝(X1,Y1)，将坐标X1转换为整数；
步骤403：计算r＝X1 mod m，若r＝0，则回到步骤402，否则进入步骤404；
步骤404：计算l＝SHA-1(M)，并将l转换成整数，M表示原始数据，SHA-1(M)表示使用SHA-1计算的M的数字摘要；
步骤405：构建签名方程，k＝l+s+rd mod m，利用私钥d计算s＝k-l-rd(mod m)，若s＝0，则回到步骤402，否则进入步骤406；
步骤406：将(r,s)作为所述目标影像数据的数字签名，以对所述目标影像数据进行加密处理。
4.根据权利要求3所述的三维可视化医学影像系统，其特征在于，所述加密模块，还用于执行以下步骤：
步骤407：构建关于随机数k和私钥d的混沌映射关系式：
其中，n表示下载次数，λ1、λ2、λ3、λ4和λ5表示控制参数且均为常数。
5.根据权利要求4所述的三维可视化医学影像系统，其特征在于，还包括身份验证模块；
所述影像可视化平台具体用于调用所述身份验证模块，在身份验证通过的情况下，从所述影像中转数据库中获取所述目标影像数据，对所述目标影像数据进行解析、加载和显示；
所述身份验证模块具体用于执行以下步骤：
步骤501：根据用户的私钥d计算公钥Q，其中，Q＝dG，d表示私钥，G表示基点；
步骤502：计算l＝SHA-1(M)，其中，SHA-1(M)表示使用SHA-1计算的M的数字摘要；
步骤503：计算P＝(s+l)G+rQ＝(X’1,Y’1)，若X’1＝0且Y’1＝0，则签名无效；
步骤504：将坐标X’1转换为整数，令r’＝X’1modm；
步骤505：若r＝r’，则确定所述数字签名验证通过，允许用户从所述影像中转数据库中获取所述目标影像数据，对所述目标影像数据进行解析、加载和显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311157847.6A CN116955681B (zh) | 2023-09-08 | 2023-09-08 | 一种三维可视化医学影像系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311157847.6A CN116955681B (zh) | 2023-09-08 | 2023-09-08 | 一种三维可视化医学影像系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116955681A CN116955681A (zh) | 2023-10-27 |
| CN116955681B true CN116955681B (zh) | 2024-04-26 |
Family
ID=88449454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311157847.6A Active CN116955681B (zh) | 2023-09-08 | 2023-09-08 | 一种三维可视化医学影像系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116955681B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117272393B (zh) * | 2023-11-21 | 2024-02-02 | 福建智康云医疗科技有限公司 | 一种区域性内网扫码跨医院查阅医学影像的方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102737381A (zh) * | 2012-06-13 | 2012-10-17 | 西安电子科技大学 | 基于混合二分图聚类集成的图像分割方法 |
| CN108364294A (zh) * | 2018-02-05 | 2018-08-03 | 西北大学 | 基于超像素的腹部ct图像多器官分割方法 |
| CN109545333A (zh) * | 2018-11-15 | 2019-03-29 | 青岛海信医疗设备股份有限公司 | Dicom影像显示、处理的方法及装置 |
| CN109671054A (zh) * | 2018-11-26 | 2019-04-23 | 西北工业大学 | 多模态脑肿瘤mri的无监督分割方法 |
| CN110738701A (zh) * | 2019-10-23 | 2020-01-31 | 左丙丽 | 一种肿瘤三维定位系统 |
| CN111161849A (zh) * | 2019-12-20 | 2020-05-15 | 南京巨鲨显示科技有限公司 | 一种基于Web的医学影像可视化实现方法、平台以及系统 |
| CN111446011A (zh) * | 2020-05-07 | 2020-07-24 | 同济大学 | 一种牙周诊疗信息管理系统 |
| CN112509079A (zh) * | 2020-11-23 | 2021-03-16 | 西安科锐盛创新科技有限公司 | 颅内血管造影增强三维狭窄化分析模型的建立方法 |
| CN113096779A (zh) * | 2021-04-23 | 2021-07-09 | 深圳市龙岗区第三人民医院 | 一种基于分布式ct终端机的医学影像云影像系统 |
| CN113506334A (zh) * | 2021-06-07 | 2021-10-15 | 刘星宇 | 基于深度学习的多模态医学图像融合方法及系统 |
| CN116402806A (zh) * | 2023-04-26 | 2023-07-07 | 杭州瑞普基因科技有限公司 | 一种基于组织切片免疫组化图像的三维重建方法、系统 |
-
2023
- 2023-09-08 CN CN202311157847.6A patent/CN116955681B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102737381A (zh) * | 2012-06-13 | 2012-10-17 | 西安电子科技大学 | 基于混合二分图聚类集成的图像分割方法 |
| CN108364294A (zh) * | 2018-02-05 | 2018-08-03 | 西北大学 | 基于超像素的腹部ct图像多器官分割方法 |
| CN109545333A (zh) * | 2018-11-15 | 2019-03-29 | 青岛海信医疗设备股份有限公司 | Dicom影像显示、处理的方法及装置 |
| CN109671054A (zh) * | 2018-11-26 | 2019-04-23 | 西北工业大学 | 多模态脑肿瘤mri的无监督分割方法 |
| CN110738701A (zh) * | 2019-10-23 | 2020-01-31 | 左丙丽 | 一种肿瘤三维定位系统 |
| CN111161849A (zh) * | 2019-12-20 | 2020-05-15 | 南京巨鲨显示科技有限公司 | 一种基于Web的医学影像可视化实现方法、平台以及系统 |
| CN111446011A (zh) * | 2020-05-07 | 2020-07-24 | 同济大学 | 一种牙周诊疗信息管理系统 |
| CN112509079A (zh) * | 2020-11-23 | 2021-03-16 | 西安科锐盛创新科技有限公司 | 颅内血管造影增强三维狭窄化分析模型的建立方法 |
| CN113096779A (zh) * | 2021-04-23 | 2021-07-09 | 深圳市龙岗区第三人民医院 | 一种基于分布式ct终端机的医学影像云影像系统 |
| CN113506334A (zh) * | 2021-06-07 | 2021-10-15 | 刘星宇 | 基于深度学习的多模态医学图像融合方法及系统 |
| CN116402806A (zh) * | 2023-04-26 | 2023-07-07 | 杭州瑞普基因科技有限公司 | 一种基于组织切片免疫组化图像的三维重建方法、系统 |
Non-Patent Citations (1)
| Title |
|---|
| "基于椭圆曲线密码体制和AES的混合加密技术研究";刘恒壮;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;第21-23页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116955681A (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108021819B (zh) | 使用深度学习网络的匿名和安全分类 | |
| US11664115B2 (en) | Volumetric imaging technique for medical imaging processing system | |
| CN109478418A (zh) | 用于使健康数据匿名化并且跨地理区域传输健康数据进行分析的系统和方法 | |
| CN116955681B (zh) | 一种三维可视化医学影像系统 | |
| US20070192138A1 (en) | Medical record system in a wide-area network environment | |
| US9633482B2 (en) | Apparatus and method for restricting image data visualization | |
| CN111223554A (zh) | 一种智能ai pacs系统及其检查报告信息处理方法 | |
| JP2015511826A (ja) | 画像処理装置 | |
| JP7470770B2 (ja) | デジタル胸部トモシンセシスおよび匿名化表示データ・エクスポートを可視化するための装置および方法 | |
| US20080177575A1 (en) | Intelligent Image Sets | |
| CA3231256A1 (en) | Labeling, visualization, and volumetric quantification of high-grade brain glioma from mri images | |
| US10089752B1 (en) | Dynamic image and image marker tracking | |
| RU2679969C2 (ru) | Визуальная деперсонализация массивов медицинских данных для защиты при объемном 3d-рендеринге | |
| US10176569B2 (en) | Multiple algorithm lesion segmentation | |
| CN116936041B (zh) | 一种医学影像文件处理方法、电子设备及存储介质 | |
| Gorman et al. | Interoperable slide microscopy viewer and annotation tool for imaging data science and computational pathology | |
| Ricke et al. | Telemedicine and its impact on cancer management | |
| US20180374224A1 (en) | Dynamic local registration system and method | |
| JP2005044321A (ja) | 広域ネットワーク環境における電子カルテシステム | |
| CN108876783B (zh) | 图像融合方法及系统、医疗设备和图像融合终端 | |
| Madhushree et al. | An exhaustive review of authentication, tamper detection with localization and recovery techniques for medical images | |
| CN108511052B (zh) | 用于确定投影数据组的方法以及投影确定系统 | |
| Lee et al. | Multiple 3D medical data watermarking for healthcare data management | |
| Zhou | Data security assurance in CAD-PACS integration | |
| Ashour et al. | DMpDP: a Diagnostic Multiple-patient DermoFeature Profile store-and-forward teledermoscopy system |
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 |