CN116964633A - 医学图像的处理方法、装置、计算机设备及存储介质 - Google Patents

医学图像的处理方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN116964633A
CN116964633A CN202080108421.XA CN202080108421A CN116964633A CN 116964633 A CN116964633 A CN 116964633A CN 202080108421 A CN202080108421 A CN 202080108421A CN 116964633 A CN116964633 A CN 116964633A
Authority
CN
China
Prior art keywords
image
data
medical image
target object
vertex
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
Application number
CN202080108421.XA
Other languages
English (en)
Inventor
胡尊亭
闫浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Our United Corp
Original Assignee
Our United Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Our United Corp filed Critical Our United Corp
Publication of CN116964633A publication Critical patent/CN116964633A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/008Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种医学图像的处理方法、装置、计算机设备及存储介质,所述医学图像的处理方法包括:对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像(201);获取目标对象的轮廓数据范围(202);删除所述第一重构医学图像中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像(203)。该方法能够删除第一重构后多余的伪曲面数据,并得到有效的医学图像数据,以便图像观察者在使用图像时,能从有效的图像信息中,更直观的浏览图像,以免被多余的信息干扰。

Description

医学图像的处理方法、装置、计算机设备及存储介质 技术领域
本发明涉及图像处理领域,具体涉及一种医学图像的处理方法、装置、计算机设备及存储介质。
背景技术
现代医学中为了更好的获得患者体内病变部位的信息,通常根据具体的目标部位的目标信息使用三维成像技术,例如根据目标信息构建三维CT图像。
当对电子计算机断层扫描(Computed Tomography,CT)图像中多个切片中的勾画对象(例如大脑,肺部等)进行勾画的图像时,若某些勾画对象在重构的空间中不是封闭,而具有较大的开口,这时,若对目标物体进行三维重构后的轮廓曲面在其边缘处就会包含多余的曲面,也可以称作伪曲面。这些多余曲面存在于重构后的图像中,对图像中有效信息的获取造成了阻碍。
此时,如何消除现有技术中在进行三维图像重构后多余的图像曲面信息,也可以称作伪曲面,就成了本技术领域需要解决的问题。
发明内容
本申请提供了一种医学图像的处理方法、装置、计算机设备及存储介质,能够删除第一重构后多余的伪曲面数据,并得到有效的医学图像数据,以便图像观察者在使用图像时,能从有效的图像信息中,更直观的浏览图像,以免被多余的信息干扰。
一方面,本申请提供一种医学图像的处理方法,所述方法包括:
对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像;
获取所述目标对象的轮廓数据范围;
删除所述第一重构医学图像中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
在本申请一些实施方式中,所述获取所述目标对象的轮廓数据范围,包括:
获取所述目标对象的多层切片图像;其中,每层切片图像中包含所述目标对象在预设直角坐标系中的轮廓数据,所述目标对象在预设直角坐标系中的轮廓数据包括所述目标对象在预设直角坐标系中X轴、Y轴和Z轴方向的坐标值,同一层切片图像的轮廓数据在Z轴方向的坐标值相同、在X轴和Y轴方向的坐标值不同;
根据所述多层切片图像,确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述根据所述多层切片图像,确定所述目标对象的轮廓数据范围,包括:
获取所述多层切片图像中最外侧两层切片图像在Z轴方向的轮廓数据;
根据所述最外侧两层切片图像在Z轴方向的轮廓数据确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述最外侧两层切片图像在Z轴方向的轮廓数据包括所述多层切片图像的轮廓数据在Z轴方向的最大值和最小值;
相应的,所述根据所述最外侧两层切片图像在Z轴方向的轮廓数据确定所述目标对象的轮廓数据范围,包括:
根据所述最大值和所述最小值确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述根据所述最大值和所述最小值确定所述目标对象的轮廓数据范围,包括:
将所述最大值增加第一预设数值,得到修改最大值;
将所述最小值减少第二预设数值,得到修改最小值;
根据所述修改最大值和所述修改最小值,确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像,包括:
通过泊松重构法对所述目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像。
在本申请一些实施方式中,所述第一重构医学图像中包括多个顶点,每个 顶点具有对应的顶点数据,每个顶点数据包括当前顶点在所述预设直角坐标系中Z轴方向的坐标值;
相应的,所述删除所述第一重构医学图像中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像,包括:
删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
在本申请一些实施方式中,所述第一重构医学图像由多个图像数据单元组成,所述图像数据单元包括多个顶点;
相应的,所述删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像,包括:
获取所述多个图像数据单元中各个顶点的在Z轴方向的坐标值;
若所述多个图像数据单元中目标图像数据单元中的任一顶点在Z轴方向的坐标值不在所述轮廓数据范围内,则删除所述目标图像数据单元对应的顶点数据,得到第二重构医学图像。
在本申请一些实施方式中,每个顶点具有一个顶点标识,相应的,每个图像数据单元包括多个顶点标识;
相应的,所述删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像,包括:
构建第一网格容器,所述第一网格容器中存储每个图像数据单元对应的多个顶点标识;
在所述第一网格容器中遍历每个图像数据单元对应的多个顶点标识,获取所述多个顶点标识对应的在Z轴方向的坐标值;
若每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,确定相应的图像数据单元为有效图像数据单元;
根据所述有效图像数据单元得到第二重构医学图像。
在本申请一些实施方式中,所述第一网格容器中还存储用于指示图像数据单元是否有效的标识;
相应的,所述若每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数 据范围之内,确定相应的图像数据单元为有效图像数据单元,包括:
若所述多个顶点标识中每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,将相应的图像数据单元的标识置为有效;
所述根据所述有效图像数据单元得到第二重构医学图像,包括:
构建第二网格容器;
将所述第一网格容器中标识为有效的图像数据单元对应的多个顶点标识存储于所述第二网格容器中;
根据所述第二网格容器中存储所述多个顶点标识对应的轮廓数据得到第二重构医学图像。
在本申请一些实施方式中,所述图像数据单元为邻接的三角形曲面,每个三角形曲面中包括三个顶点。
另一方面,本申请还提供一种医学图像的处理装置,所述医学图像的处理装置包括:
重构模块,用于对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像;
获取模块,用于获取所述目标对象的轮廓数据范围;
删除模块,用于删除所述第一重构医学图像中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
在本申请一些实施方式中,所述获取模块具体用于:
获取所述目标对象的多层切片图像;其中,每层切片图像中包含所述目标对象在预设直角坐标系中的轮廓数据,所述目标对象在预设直角坐标系中的轮廓数据包括所述目标对象在预设直角坐标系中X轴、Y轴和Z轴方向的坐标值,同一层切片图像的轮廓数据在Z轴方向的坐标值相同、在X轴和Y轴方向的坐标值不同;
根据所述多层切片图像,确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述获取模块具体用于:
获取所述多层切片图像中最外侧两层切片图像在Z轴方向的轮廓数据;
根据所述最外侧两层切片图像在Z轴方向的轮廓数据确定所述目标对象的 轮廓数据范围。
在本申请一些实施方式中,所述最外侧两层切片图像在Z轴方向的轮廓数据包括所述多层切片图像的轮廓数据在Z轴方向的最大值和最小值;
相应的,所述获取模块具体用于:
根据所述最大值和所述最小值确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述获取模块具体用于:
将所述最大值增加第一预设数值,得到修改最大值;
将所述最小值减少第二预设数值,得到修改最小值;
根据所述修改最大值和所述修改最小值,确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述重构模块具体用于:
通过泊松重构法对所述目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像。
在本申请一些实施方式中,所述第一重构医学图像中包括多个顶点,每个顶点具有对应的顶点数据,每个顶点数据包括当前顶点在所述预设直角坐标系中Z轴方向的坐标值;
相应的,所述删除模块具体用于:
删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
在本申请一些实施方式中,所述第一重构医学图像由多个图像数据单元组成,所述图像数据单元包括多个顶点;
相应的,所述删除模块具体用于:
获取所述多个图像数据单元中各个顶点的在Z轴方向的坐标值;
若所述多个图像数据单元中目标图像数据单元中的任一顶点在Z轴方向的坐标值不在所述轮廓数据范围内,则删除所述目标图像数据单元对应的顶点数据,得到第二重构医学图像。
在本申请一些实施方式中,每个顶点具有一个顶点标识,相应的,每个图像数据单元包括多个顶点标识;
相应的,所述删除模块具体用于:
构建第一网格容器,所述第一网格容器中存储每个图像数据单元对应的多个顶点标识;
在所述第一网格容器中遍历每个图像数据单元对应的多个顶点标识,获取所述多个顶点标识对应的在Z轴方向的坐标值;
若每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,确定相应的图像数据单元为有效图像数据单元;
根据所述有效图像数据单元得到第二重构医学图像。
在本申请一些实施方式中,所述第一网格容器中还存储用于指示图像数据单元是否有效的标识;
相应的,所述删除模块具体用于:
若所述多个顶点标识中每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,将相应的图像数据单元的标识置为有效;
构建第二网格容器;
将所述第一网格容器中标识为有效的图像数据单元对应的多个顶点标识存储于所述第二网格容器中;
根据所述第二网格容器中存储所述多个顶点标识对应的轮廓数据得到第二重构医学图像。
在本申请一些实施方式中,所述图像数据单元为邻接的三角形曲面,每个三角形曲面中包括三个顶点。
另一方面,本申请还提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现所述医学图像的处理方法。
另一方面,一种非易失性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行任一项所述的医学图像的处理方法中的步骤。
本申请能够对目标对象的轮廓数据进行重构,得到第一重构图像;并根据具体的目标对象获取目标对象的轮廓数据范围;再根据所述轮廓数据范围,删除第一重构图像数据中不在所述轮廓数据范围内的伪曲面数据,便可以得到第二重构医学图像。相比于现有技术,本申请能够删除第一重构后多余的伪曲面数据,并得到有效的医学图像数据,以便图像观察者在使用图像时,能从有效的图像信息中,更直观的浏览图像,以免被多余的信息干扰。
附图说明
图1是本申请实施例中提供的医学图像处理系统的场景示意图;
图2是本申请实施例中医学图像的处理方法的一个实施例流程示意图;
图3是本申请实施例中根据多层切片图像,确定所述目标对象的轮廓数据范围的一个实施例流程图;
图4是本申请实施例中步骤302的一个实施例流程图;
图5是本申请实施例中步骤203的一个实施例流程图;
图6是本申请实施例中根据轮廓数据范围重构的一个实施例示意图;
图7是本申请实施例中删除轮廓数据范围之外的数据的一个实施例示意图;
图8是本申请实施例中医学图像的处理装置的一个是实施例结构示意图;
图9是本申请实施例中计算机设备的一个实施例结构示意图。
具体实施方式
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,所描述的实施例仅仅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,本领域技术人员在没有作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。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个 所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
下面首先对本申请实施例中涉及到的一些基本概念进行介绍:
泊松重构:Possion(泊松)重建是Kazhdan等2006年提出的网格重建方法。Possion重建的输入是点云及其法向量,输出是三维网格。Possion重建是一个非常直观的方法。它的核心思想是点云代表了物体表面的位置,其法向量代表了内外的方向。通过隐式地拟合一个由物体派生的指示函数,可以给出一个平滑的物体表面的估计。
点云数据:点云数据(point cloud data)是指在一个三维坐标系统中的一组向量的集合。这些向量通常以(X,Y,Z)三维坐标的形式表示,一般主要用来代表一个物体的外表面形状。除了表示几何位置信息之外,点云数据还可以表示一个点的RGB颜色、灰度值、深度和分割结果等。
网格:网格(Grid),在信息学中,网格是一种用于集成或共享地理上分布的各种资源(包括计算机系统、存储系统、通信系统、文件、数据库、程序等),使之成为有机的整体,共同完成各种所需任务的机制。
网格容器:网格容器(Grid Container),是一种用于存储上述网格概念中提及的网格信息的存储容器或者是存储介质。
本申请实施例提供一种医学图像的处理方法、装置、计算机设备及存储介质,以下分别进行详细说明。
请参阅图1,图1为本申请实施例所提供的医学图像处理系统的场景示意 图,该医学图像处理系统可以包括成像装置100和计算机设备200,成像装置100和计算机设备200通信连接,成像装置100可以向计算机设备200传输数据,如图1中的成像装置100,成像装置100可以采集人体的医学图像,并输出至计算机设备200。
本申请实施例中,成像装置100可以是电子计算机断层扫描(Computed Tomography,CT)、磁共振(Magnetic Resonance,MR)、B型超声(B-scan ultrasonography)或者其他成像设备等等,具体此处不作限定。
本申请实施例中,该计算机设备200可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的计算机设备200,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
本申请实施例中,上述的计算机设备200可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中计算机设备200可以是台式机、便携式电脑、网络服务器、掌上电脑(Personal Digital Assistant,PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等,本实施例不限定计算机设备200的类型
本申请的实施例中,成像装置100与计算机设备200之间可通过任何通信方式实现通信,包括但不限于,基于第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)、长期演进(Long Term Evolution,LTE)、全球互通微波访问(Worldwide Interoperability for Microwave Access,WiMAX)的移动通信,或基于TCP/IP协议族(TCP/IP Protocol Suite,TCP/IP)、用户数据报协议(User Datagram Protocol,UDP)的计算机网络通信等。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用场景,并不构成对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的计算机设备,例如图1中仅示出1个计算机设备,可以理解的,该医学图像处理系统还可以包括一个或多个可处理数据的其他计算机设备,具体此处不作限定。
另外,如图1所示,该医学图像处理系统还可以包括存储器300,用于存储数据,如存储医学图像数据,例如成像装置100采集的医学图像数据。
需要说明的是,图1所示的医学图像处理系统的场景示意图仅仅是一个示例,本申请实施例描述的医学图像处理系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着医学图像处理系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
首先,本申请实施例中提供一种医学图像的处理方法,包括:对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像;获取目标对象的轮廓数据范围;删除第一重构医学图像中不在轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
本申请实施例提供一种医学图像的处理方法、装置、计算机设备及存储介质,以下分别进行说明。
如图2所示,图2为本申请实施例中医学图像的处理方法的一个实施例流程示意图,该医学图像的处理方法应用于计算机设备,所述医学图像的处理方法包括如下步骤201~203:
201、对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像。
本申请实施例中,目标对象可以是心脏、大脑、肺等器官,也可以是肿瘤靶区等具体病灶,当然可以理解的是,目标对象也可以是人体的一个或多个器官组成的人体区域,或者整个人体,具体此处不作限定。
这里,目标对象的轮廓数据可以通过成像装置进行采集后得到。其中,对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像具体可以采用泊松重构法,或者现有技术的轮廓数据重构方式,例如基于断层扫描进行三维重建,根据三维物体的断层扫描得到二维图像轮廓,再根据二维图像轮廓进行相邻轮廓的链接,从而得到物体表面形状,得到初步的重构图像,即本步骤中所述第一重构图像数据,本步骤主要用于物体内部进行拓扑结构可视化。
对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像,包括:通过泊松重构法对所述目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像。
示例性的,例如目标对象的轮廓数据为目标对象在所述直角坐标系中X、Y、Z方向的轮廓数据,通过对每层CT图像进行图像重构,可得所述目标对象的第一重构图像数据。
202、获取目标对象的轮廓数据范围。
在获取目标对象的轮廓数据之后,这些目标对象的轮廓数据作为图像重构的基础,所有轮廓数据的集合也即是该轮廓数据范围。
203、删除所述第一重构医学图像中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
基于断层扫描等方式进行的三维重建所获得的第一重构图像,若勾画对象在重构的空间中不是封闭,而具有较大的开口时,获得的第一重构图像便会存在多余的曲面,这些多余的曲面即为伪曲面。综合步骤202中获得的轮廓数据范围和步骤201中获得的第一重构图像数据,将目标对象的第一重构图像数据中不在轮廓数据范围内的伪曲面数据删除,从而得到第二重构医学图像。
本申请能够对目标对象的轮廓数据进行重构,得到第一重构图像;并根据具体的目标对象获取目标对象的轮廓数据范围;再根据所述轮廓数据范围,删除第一重构图像数据中不在所述轮廓数据范围内的伪曲面数据,便可以得到第二重构医学图像。相比于现有技术,本申请能够删除第一重构后多余的伪曲面数据,并得到有效的医学图像数据,以便图像观察者在使用图像时,能从有效的图像信息中,更直观的浏览图像,以免被多余的信息干扰。
在本申请实施例中,步骤202中获取所述目标对象的轮廓数据范围可以通过目标对象的多层切片图像来得到,具体的,所述获取所述目标对象的轮廓数据范围,包括:获取所述目标对象的多层切片图像;其中,每层切片图像中包含所述目标对象在预设直角坐标系中的轮廓数据,所述目标对象在预设直角坐标系中的轮廓数据包括所述目标对象在预设直角坐标系中X轴、Y轴和Z轴方向的坐标值,同一层切片图像的轮廓数据在Z轴方向的坐标值相同、在X轴和Y 轴方向的坐标值不同;根据所述多层切片图像,确定所述目标对象的轮廓数据范围。
如图3所述,在本申请一些实施方式中,所述根据所述多层切片图像,确定所述目标对象的轮廓数据范围,可以包括如下步骤301~302:
301、获取所述多层切片图像中最外侧两层切片图像在Z轴方向的轮廓数据。
示例性的,在医学图像中获取所述多层切片图像时,一般根据纵向进行图像切片,因为医学勾画一般从Z轴进行一层一层的平行轮廓勾画,因此目标对象的轮廓数据范围的范围可以根据第一层切片Z轴方向的坐标轴以及最后一层切片Z轴方向的坐标轴确定,所以目标对象的轮廓数据范围可以依据最外侧两层切片图像在Z轴方向的轮廓数据确定,其中,Z轴方向的最大值可以记作Zmax和Z轴方向的最小值可以记作Zmin。
302、根据所述最外侧两层切片图像在Z轴方向的轮廓数据确定所述目标对象的轮廓数据范围。
其中,当最外侧两层切片图像在Z轴方向的轮廓数据为所述多层切片图像的轮廓数据在Z轴方向的最大值和最小值。此时,相应的,所述根据所述最外侧两层切片图像在Z轴方向的轮廓数据确定所述目标对象的轮廓数据范围,包括:根据所述最大值和所述最小值确定所述目标对象的轮廓数据范围。
在确定Z轴方向上的最大值和最小值后,便可确定目标对象的轮廓数据范围,本申请实施例中的一些实施方式中,可以直接将的最大值和最小值的范围区间作为目标对象的轮廓数据范围,例如[Zmin,Zmax]。在本申请实施例中的另一些实施方式中,因为在图像重构过程中会对数据进行缩放,有可能出现一些误差,导致将有效数据没框进来,进而导致后续删除掉。
根据物理学基本概念,误差是无法被消除的,只能减小误差。所以,不能仅根据最大值得到轮廓数据范围上限。在实际过程中,若仅根据轮廓范围的最大值作为上限的话,在获取所述第二重构医学图像时,有极大可能会删除有效的图像数据,从而丢失真实数据,为了解决此问题,本申请实施例中还可以在Z轴方向上的最大值和最小值基础上增加冗余,以避免误差。
如图4所示,在本申请一些实施方式中,所述根据所述最大值和所述最小值确定所述目标对象的轮廓数据范围,可以包括如下步骤401-403:
401、将所述最大值增加第一预设数值,得到修改最大值。
402、将所述最小值减少第二预设数值,得到修改最小值。
403、根据所述修改最大值和所述修改最小值,确定所述目标对象的轮廓数据范围。
例如,可以在[Zmin,Zmax]范围外增加冗余,根据发明人实际试验数据,优选地,对所述最大值增加[0.3~0.5],可以将修改最大值记做Zmax+(0.3~0.5),优选地,对最小值减少[0.3~0.5],可以将修改最小值记做Zmin-(0.3~0.5)。
可以理解的是,在实际应用中,在[Zmin,Zmax]范围外增加冗余时,可以仅对对所述最小值Zmin进行冗余,例如,目标对象的轮廓数据范围为[Zmin-(0.3~0.5),Zmax],也可以仅对所述最大值Zmax进行冗余,例如目标对象的轮廓数据范围[Zmin,Zmax+(0.3~0.5)],具体此处不作限定。
需要说明的是,若在未来的应用场景中,出现以其他参考轴进行医学勾画的实现可能,例如,如果从从X轴或Y轴进行一层一层的平行轮廓勾画,此时,目标对象的轮廓数据范围可以依据最外侧两层切片图像在X轴方向的轮廓数据范围或者Y轴方向的轮廓数据范围确定,确定方式与Z轴方向的轮廓数据范围的确定方式类似,具体此处不再赘述。
在本申请一些实施例中,所述第一重构医学图像中包括多个顶点,每个顶点具有对应的顶点数据,每个顶点数据包括当前顶点在所述预设直角坐标系中Z轴方向的坐标值;相应的,所述删除所述第一重构医学图像中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像,包括:删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
在本申请一些实施方式中,所述第一重构医学图像由多个图像数据单元组成,所述图像数据单元包括多个顶点,每个顶点具有对应的顶点数据;此时,所述删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像,包括:获取所述多个图像数据单元 中各个顶点的在Z轴方向的坐标值;若所述多个图像数据单元中目标图像数据单元中的任一顶点在Z轴方向的坐标值不在所述轮廓数据范围内,则删除所述目标图像数据单元对应的顶点数据,得到第二重构医学图像。
具体的,每个顶点可以具有一个顶点标识,相应的,每个图像数据单元包括多个顶点标识;相应的,如图5所示,所述删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像,包括501-504:
501、新建第一网格容器。
具体的,新建第一网格容器目的是为了存储图像重构数据,使之成为一个主体,以便更效率的共同完成一个任务机制。其中,所述第一网格容器中存储每个图像数据单元对应的多个顶点标识。
502、在所述第一网格容器中遍历每个图像数据单元对应的多个顶点标识,获取所述多个顶点标识对应的在Z轴方向的坐标值。
503、若每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,确定相应的图像数据单元为有效图像数据单元。
504、根据所述有效图像数据单元得到第二重构医学图像。
进一步的,所述第一网格容器中还存储用于指示图像数据单元是否有效的标识;相应的,所述若每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,确定相应的图像数据单元为有效图像数据单元,可以包括:若所述多个顶点标识中每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,将相应的图像数据单元的标识置为有效;此时,所述根据所述有效图像数据单元得到第二重构医学图像,包括:构建第二网格容器;将所述第一网格容器中标识为有效的图像数据单元对应的多个顶点标识存储于所述第二网格容器中;根据所述第二网格容器中存储所述多个顶点标识对应的轮廓数据得到第二重构医学图像。
本申请实施例中还可以新建第二网格容器,存储获得的所述有效图像数据单元,根据有效图像数据单元,获得所述第二重构医学图像。本实施例中新建第二网格容器的目的与上述实施例中新建第一网格容器的目的相同,具体不再 赘述。
其中,所述图像数据单元为邻接的三角形曲面,每个三角形曲面中包括三个顶点。可以理解的是,在本申请其他实施例中,并不限于其他形状曲面。
示例性的,当图像数据单元为邻接的三角形曲面时,所述第一重构图像数据中的数据,包括使用上述通过泊松重构方法等方式重构后获得的三角形曲面,三角形曲面包括三角形的三个顶点;将根据泊松重构法重构获得三角形曲面相邻链接起来获得的图像如图6所示,图6为一部分大脑轮廓的重构图像,黑色点组成的横向的虚线为勾画的轮廓点,泊松重构后在轮廓之外出现了多余的曲面(即伪曲面),如图6中白色不包含轮廓线的面。
对每个三角形曲面的顶点进行顺序遍历;优选地,轮廓数据范围可以参照上述实施例中的轮廓数据范围,例如[Zmin-(0.3~0.5),Zmax(0.3~0.5)];若目标三角形曲面的三个顶点在Z轴方向的坐标值均不在所述轮廓数据范围之外,标记为无效三角形曲面,记为,false;若当前三角形的三个顶点中任一顶点在Z轴方向的坐标在轮廓数据范围之内,则设置为有效图像数据,记为true。
其中,通过新建第二网格容器,存储使用上述实施例中的泊松重构法进行图像重构,具体的,当所有三角形曲面遍历完成时,根据已经完成遍历的目标三角形曲面且标记为true的三角形曲面,得到所述第二重构医学图像。如图7所示,图7为图6中根据上述方法中删除多余的曲面后的图像,图7中的图像是仅保留具有轮廓线的曲面,与图6相比多余的白色部分已经被删除。
为了更好实施本申请实施例医学图像的处理方法,在所述医学图像的处理方法基础之上,本申请实施例中还提供了一种医学图像的处理装置,应用于计算机设备,如图8所述,所述医学图像的处理装置800包括:
重构模块801,用于对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像;
获取模块802,用于获取所述目标对象的轮廓数据范围;
删除模块803,用于删除所述第一重构医学图像中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
本申请能够对目标对象的轮廓数据进行重构,得到第一重构图像;并根据 具体的目标对象获取目标对象的轮廓数据范围;再根据所述轮廓数据范围,删除第一重构图像数据中不在所述轮廓数据范围内的伪曲面数据,便可以得到第二重构医学图像。相比于现有技术,本申请能够删除第一重构后多余的伪曲面数据,并得到有效的医学图像数据,以便图像观察者在使用图像时,能从有效的图像信息中,更直观的浏览图像,以免被多余的信息干扰。
在本申请一些实施方式中,所述获取模块802具体用于:
获取所述目标对象的多层切片图像;其中,每层切片图像中包含所述目标对象在预设直角坐标系中的轮廓数据,所述目标对象在预设直角坐标系中的轮廓数据包括所述目标对象在预设直角坐标系中X轴、Y轴和Z轴方向的坐标值,同一层切片图像的轮廓数据在Z轴方向的坐标值相同、在X轴和Y轴方向的坐标值不同;
根据所述多层切片图像,确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述获取模块802具体用于:
获取所述多层切片图像中最外侧两层切片图像在Z轴方向的轮廓数据;
根据所述最外侧两层切片图像在Z轴方向的轮廓数据确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述最外侧两层切片图像在Z轴方向的轮廓数据包括所述多层切片图像的轮廓数据在Z轴方向的最大值和最小值;
相应的,所述获取模块802具体用于:
根据所述最大值和所述最小值确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述获取模块802具体用于:
将所述最大值增加第一预设数值,得到修改最大值;
将所述最小值减少第二预设数值,得到修改最小值;
根据所述修改最大值和所述修改最小值,确定所述目标对象的轮廓数据范围。
在本申请一些实施方式中,所述重构模块801具体用于:
通过泊松重构法对所述目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像。
在本申请一些实施方式中,所述第一重构医学图像中包括多个顶点,每个顶点具有对应的顶点数据,每个顶点数据包括当前顶点在所述预设直角坐标系中Z轴方向的坐标值;
相应的,所述删除模块803具体用于:
删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
在本申请一些实施方式中,所述第一重构医学图像由多个图像数据单元组成,所述图像数据单元包括多个顶点,每个顶点具有对应的顶点数据;
相应的,所述删除模块803具体用于:
获取所述多个图像数据单元中各个顶点的在Z轴方向的坐标值;
若所述多个图像数据单元中目标图像数据单元中的任一顶点在Z轴方向的坐标值不在所述轮廓数据范围内,则删除所述目标图像数据单元对应的顶点数据,得到第二重构医学图像。
在本申请一些实施方式中,每个顶点具有一个顶点标识,相应的,每个图像数据单元包括多个顶点标识;
相应的,所述删除模块803具体用于:
构建第一网格容器,所述第一网格容器中存储每个图像数据单元对应的多个顶点标识;
在所述第一网格容器中遍历每个图像数据单元对应的多个顶点标识,获取所述多个顶点标识对应的在Z轴方向的坐标值;
若每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,确定相应的图像数据单元为有效图像数据单元;
根据所述有效图像数据单元得到第二重构医学图像。
在本申请一些实施方式中,所述第一网格容器中还存储用于指示图像数据单元是否有效的标识;
相应的,所述删除模块803具体用于:
若所述多个顶点标识中每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,将相应的图像数据单元的标识置为有效;
构建第二网格容器;
将所述第一网格容器中标识为有效的图像数据单元对应的多个顶点标识存储于所述第二网格容器中;
根据所述第二网格容器中存储所述多个顶点标识对应的轮廓数据得到第二重构医学图像。
在本申请一些实施方式中,所述图像数据单元为邻接的三角形曲面,每个三角形曲面中包括三个顶点。
另一方面,本申请还提供一种计算机设备,所述计算机设备,包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现上述任意一种实施例中提及的医学图像的处理方法。
本申请实施例还提供一种,其集成了本申请实施例所提供的任意一种医学图像的处理装置。如图9所示,其示出了本申请实施例所示涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器901、一个或一个以上非易失性计算机可读存储介质的存储器902、电源903和输入单元904等部件。本领域技术人员可以理解,图7中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器901是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器902内的软件程序和/或模块,以及调用存储在存储器902内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器901可包括一个或多个处理核心;处理器901可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门 阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,优选的,处理器901可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器901中。
存储器902可用于存储软件程序以及模块,处理器901通过运行存储在存储器902的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器902可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器902还可以包括存储器控制器,以提供处理器901对存储器902的访问。
计算机设备还包括给各个部件供电的电源903,优选的,电源903可以通过电源管理系统与处理器901逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源903还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元904,该输入单元904可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器901会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器902中,并由处理器901来运行存储在存储器902中的应用程序,从而实现各种功能,如下:
对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像;获取目标对象的轮廓数据范围;删除第一重构医学图像中不在轮廓数据 范围内的伪曲面数据,得到第二重构医学图像。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一非易失性计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种非易失性计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行本申请实施例所提供的任一种医学轮廓数据的调整方法中的步骤。例如,所述计算机程序被处理器进行加载可以执行如下步骤:
对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像;获取目标对象的轮廓数据范围;删除第一重构医学图像中不在轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的医学图像的处理方法、装置、计算机设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。

Claims (14)

  1. 一种医学图像的处理方法,其特征在于,所述方法包括:
    对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像;
    获取所述目标对象的轮廓数据范围;
    删除所述第一重构医学图像中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
  2. 根据权利要求1所述的医学图像的处理方法,其特征在于,所述获取所述目标对象的轮廓数据范围,包括:
    获取所述目标对象的多层切片图像;其中,每层切片图像中包含所述目标对象在预设直角坐标系中的轮廓数据,所述目标对象在预设直角坐标系中的轮廓数据包括所述目标对象在预设直角坐标系中X轴、Y轴和Z轴方向的坐标值,同一层切片图像的轮廓数据在Z轴方向的坐标值相同、在X轴和Y轴方向的坐标值不同;
    根据所述多层切片图像,确定所述目标对象的轮廓数据范围。
  3. 根据权利要求2所述的医学图像的处理方法,其特征在于,所述根据所述多层切片图像,确定所述目标对象的轮廓数据范围,包括:
    获取所述多层切片图像中最外侧两层切片图像在Z轴方向的轮廓数据;
    根据所述最外侧两层切片图像在Z轴方向的轮廓数据确定所述目标对象的轮廓数据范围。
  4. 根据权利要求3所述的医学图像的处理方法,其特征在于,所述最外侧两层切片图像在Z轴方向的轮廓数据包括所述多层切片图像的轮廓数据在Z轴方向的最大值和最小值;
    相应的,所述根据所述最外侧两层切片图像在Z轴方向的轮廓数据确定所述目标对象的轮廓数据范围,包括:
    根据所述最大值和所述最小值确定所述目标对象的轮廓数据范围。
  5. 根据权利要求4所述的医学图像的处理方法,其特征在于,所述根据所述最大值和所述最小值确定所述目标对象的轮廓数据范围,包括:
    将所述最大值增加第一预设数值,得到修改最大值;
    将所述最小值减少第二预设数值,得到修改最小值;
    根据所述修改最大值和所述修改最小值,确定所述目标对象的轮廓数据范围。
  6. 根据权利要求1所述的医学图像的处理方法,其特征在于,所述对目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像,包括:
    通过泊松重构法对所述目标对象的轮廓数据进行图像重构,得到所述目标对象的第一重构医学图像。
  7. 根据权利要求2所述的医学图像的处理方法,其特征在于,所述第一重构医学图像中包括多个顶点,每个顶点具有对应的顶点数据,每个顶点数据包括当前顶点在所述预设直角坐标系中Z轴方向的坐标值;
    相应的,所述删除所述第一重构医学图像中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像,包括:
    删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
  8. 根据权利要求7所述的医学图像的处理方法,其特征在于,所述第一重构医学图像由多个图像数据单元组成,所述图像数据单元包括多个顶点;
    相应的,所述删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像,包括:
    获取所述多个图像数据单元中各个顶点的在Z轴方向的坐标值;
    若所述多个图像数据单元中目标图像数据单元中的任一顶点在Z轴方向的坐标值不在所述轮廓数据范围内,则删除所述目标图像数据 单元对应的顶点数据,得到第二重构医学图像。
  9. 根据权利要求8所述的医学图像的处理方法,其特征在于,每个顶点具有一个顶点标识,相应的,每个图像数据单元包括多个顶点标识;
    相应的,所述删除所述第一重构医学图像中在Z轴方向的坐标值不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像,包括:
    构建第一网格容器,所述第一网格容器中存储每个图像数据单元对应的多个顶点标识;
    在所述第一网格容器中遍历每个图像数据单元对应的多个顶点标识,获取所述多个顶点标识对应的在Z轴方向的坐标值;
    若每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,确定相应的图像数据单元为有效图像数据单元;
    根据所述有效图像数据单元得到第二重构医学图像。
  10. 根据权利要求9所述的医学图像的处理方法,其特征在于,所述第一网格容器中还存储用于指示图像数据单元是否有效的标识;
    相应的,所述若每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,确定相应的图像数据单元为有效图像数据单元,包括:
    若所述多个顶点标识中每个顶点标识对应的在Z轴方向的坐标值均在所述轮廓数据范围之内,将相应的图像数据单元的标识置为有效;
    所述根据所述有效图像数据单元得到第二重构医学图像,包括:
    构建第二网格容器;
    将所述第一网格容器中标识为有效的图像数据单元对应的多个顶点标识存储于所述第二网格容器中;
    根据所述第二网格容器中存储所述多个顶点标识对应的轮廓数据得到第二重构医学图像。
  11. 根据权利要求8所述的医学图像的处理方法,其特征在于, 所述图像数据单元为邻接的三角形曲面,每个三角形曲面中包括三个顶点。
  12. 一种医学图像的处理装置,其特征在于,所述医学图像的处理装置包括:
    获取模块,用于获取目标对象的轮廓数据范围;
    重构模块,用于根据所述目标对象的轮廓数据范围进行图像重构,得到所述目标对象的第一重构图像数据;
    删除模块,用于删除所述第一重构图像数据中不在所述轮廓数据范围内的伪曲面数据,得到第二重构医学图像。
  13. 一种计算机设备,其特征在于,所述计算机设备包括:
    一个或多个处理器;
    存储器;以及
    一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至11中任一项所述的医学图像的处理方法。
  14. 一种非易失性计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至11任一项所述的医学图像的处理方法中的步骤。
CN202080108421.XA 2020-12-31 2020-12-31 医学图像的处理方法、装置、计算机设备及存储介质 Pending CN116964633A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/142041 WO2022141373A1 (zh) 2020-12-31 2020-12-31 医学图像的处理方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN116964633A true CN116964633A (zh) 2023-10-27

Family

ID=82258876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080108421.XA Pending CN116964633A (zh) 2020-12-31 2020-12-31 医学图像的处理方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN116964633A (zh)
WO (1) WO2022141373A1 (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013220663A1 (de) * 2013-10-14 2015-04-16 Siemens Aktiengesellschaft Rekonstruktion von Bilddaten mittels Konturdaten
CN105761304B (zh) * 2016-02-02 2018-07-20 飞依诺科技(苏州)有限公司 三维脏器模型构造方法和装置
CN106169190A (zh) * 2016-07-01 2016-11-30 南京邮电大学 一种冠状动脉的分层显示方法
CN106600683B (zh) * 2016-11-28 2019-05-31 淮阴工学院 一种面向骨骼ct序列图像的网格模型自适应重建方法
CN109741265A (zh) * 2018-11-20 2019-05-10 哈尔滨理工大学 一种基于特征选择的脊柱ct图像双边滤波去噪方法
CN111798533B (zh) * 2020-07-15 2024-09-13 成都永新医疗设备有限公司 一种多针孔准直器定量重建方法及设备

Also Published As

Publication number Publication date
WO2022141373A1 (zh) 2022-07-07

Similar Documents

Publication Publication Date Title
Zabihollahy et al. Fully automated segmentation of left ventricular scar from 3D late gadolinium enhancement magnetic resonance imaging using a cascaded multi‐planar U‐Net (CMPU‐Net)
US9595121B2 (en) Systems and methods for PET penalized-likelihood image reconstruction with spatially varying smoothing parameters
EP2054860B1 (en) Selection of datasets from 3d renderings for viewing
CN109934812A (zh) 图像处理方法、装置、服务器及存储介质
JP6824845B2 (ja) 画像処理システム、装置、方法およびプログラム
JP6983573B2 (ja) 画像処理装置、画像処理方法およびプログラム
US10832459B2 (en) Three-dimensional image display apparatus for displaying target to which color is assigned
CN113160189A (zh) 血管中心线提取方法、装置、设备及存储介质
CA3111320A1 (en) Determination of a growth rate of an object in 3d data sets using deep learning
CN115359063B (zh) 基于目标器官三维图像的刚性配准方法及相关装置
CN111105476B (zh) 一种基于Marching Cubes的CT图像三维重建方法
US9728001B2 (en) Processing and rendering of large image files
JP2015226715A (ja) 画像処理装置、画像処理システム、画像処理方法およびプログラム
CN113888566A (zh) 目标轮廓曲线确定方法、装置、电子设备以及存储介质
EP3726477A1 (en) Chamber reconstruction from a partial volume
CN114219919A (zh) 医学图像的处理方法、装置、计算机设备及存储介质
US20240005498A1 (en) Method of generating trained model, machine learning system, program, and medical image processing apparatus
CN116964633A (zh) 医学图像的处理方法、装置、计算机设备及存储介质
CN112116623A (zh) 图像分割方法及装置
WO2014016894A1 (ja) 形状データ生成方法及び装置
CN115311334A (zh) 图像配准评估方法、计算机设备及可读存储介质
CN114219918A (zh) 医学图像的处理方法、装置、计算机设备及存储介质
JP3977237B2 (ja) ボリュームレンダリング画像処理プログラム、画像処理端末および画像処理サーバ
KR20190113669A (ko) 3차원 객체 표면 복원을 위한 데이터 관리 장치 및 그 방법
WO2022141368A1 (zh) 医学轮廓数据的全局法向量一致性调整方法和装置

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