CN117333613A - 一种基于增强cta的快速分割人体动脉血管的逆向建模方法及装置 - Google Patents

一种基于增强cta的快速分割人体动脉血管的逆向建模方法及装置 Download PDF

Info

Publication number
CN117333613A
CN117333613A CN202311273523.9A CN202311273523A CN117333613A CN 117333613 A CN117333613 A CN 117333613A CN 202311273523 A CN202311273523 A CN 202311273523A CN 117333613 A CN117333613 A CN 117333613A
Authority
CN
China
Prior art keywords
image data
bone
mask
contrast
enhanced
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
CN202311273523.9A
Other languages
English (en)
Inventor
陈妍璐
黄凯源
罗坤
樊建人
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202311273523.9A priority Critical patent/CN117333613A/zh
Publication of CN117333613A publication Critical patent/CN117333613A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种基于增强CTA的快速分割人体动脉血管的逆向建模方法及装置，首先基于患者注入造影剂前拍摄的CT图像，通过设置阈值上下限逆向建模获得人体模型，设置分割阈值后所得逆向建模模型仅包含骨头区域。然后基于患者注入造影剂后拍摄的CT图像逆向建模获得人体模型。通过在逆向建模过程中刨去第一步所识别出的骨头区域，可以获得所需的动脉血管轮廓。本发明提出的技术方案结合基于患者注入造影剂前拍摄的平扫CT图像与患者注入造影剂后拍摄的CT图像，在建模时采取类似布尔运算减法的操作，快速获得人体动脉模型，且建模速度快，可在1分钟内完成。之后可根据靶向区域，对人体动脉模型进行裁剪即可。

Description

一种基于增强CTA的快速分割人体动脉血管的逆向建模方法 及装置
技术领域
本发明涉及动脉血管逆向建模领域，尤其涉及一种基于增强CTA的快速分割人体动脉血管的逆向建模方法及装置。
背景技术
采用计算流体力学方法(CFD，Computational Fluid Dynamics)对患者的病变血管进行分析，以无创的方法获得患者的病变血管内的流场信息，包括速度、压力、壁面切应力等信息。这些信息能够为临床提供数据参考，从而助力手术方案的优化。
而使用CFD进行血流动力学分析的第一步就是对患者的计算机扫描(CT，ComputedTomography)影像数据进行逆向建模，得到真实血管的几何模型。之后对模型进行优化并划分网格，才能对体网格进行CFD模拟。
目前对患者CT图片进行逆向建模的主流方式有三种：
(1)动态区域增长方法：使用逆向建模软件，如商业软件Mimics(MaterialiseInc,Leuven,Belgium)或开源软件3D Slicer(http://www.slicer.org/)等，对CT影像数据中感兴趣的区域进行动态区域增长，获得初始蒙版。并在此基础上对蒙版逐层填充。
(2)基于中心线建模：使用逆向建模软件，如开源软件SimVascular(www.github.com/SimVascular)等，手动识别并分割出CT影像数据中感兴趣的血管路径，并创建中心线。之后基于中心线进行逆向建模，获取感兴趣区域的表面模型。
(3)深度学习方法：采用深度学习方法对大量CT数据进行标注学习，建立可以快速分割感兴趣区域的图神经网络。并基于生成的感兴趣区域的蒙版构建几何模型。
第一种方法的缺点为动态区域效果不够精准，需要花费大量时间进行手动修复。第二种方法需要操作人员对于CT图像有极强的认识，学习门槛较高。第三种方法前期需要耗费大量的时间进行数据标注，且得到的图神经网络应用于中小型血管的分割效果不佳。
发明内容
本发明目的在于针对现有技术的不足，提出一种基于增强CTA的快速分割人体动脉血管的逆向建模方法及装置。
本发明的目的是通过以下技术方案来实现的：一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，该方法包括以下步骤：
(1)在3D Slicer软件的Add DICOM Data模块中导入原始平扫CT影像数据及造影增强CT影像数据；
(2)在Volumes模块根据靶向区域调整导入的两种患者CT图像的窗宽和窗位以增强对比度；
(3)在Segment Edit模块，基于原始平扫CT影像数据新建分割蒙版1，并命名为bone；调整阈值下限获得包含骨头区域的蒙版，并生成骨头几何模型。
(4)在Segment Edit模块，基于造影增强CT影像数据新建分割蒙版2，并命名为artery；调整阈值下限并将蒙版编辑区域更改为Outside all segments，将模板编辑区域由整个CT图像修改为骨头部分以外的区域，从而快速获得动脉几何图像。
进一步地，所述原始平扫CT影像数据为不基于造影剂进行平扫获得的CT影像数据，所述造影增强CT影像数据为基于造影剂获得动脉期的CT影像数据。
进一步地，窗宽越大，图像的对比度越低；窗宽越小，图像的对比度越高；窗位越高，图像越亮；窗位越低，图像越暗。
进一步地，将原始平扫CT影像数据的窗宽和窗位调整为CT-Brain格式增强骨头的对比度，将造影增强CT影像数据的窗宽和窗位调整为CT-Brain格式增强动脉血管及骨头的对比度。
进一步地，在Segment Edit模块，分割蒙版1和分割蒙版2阈值下限均设置为200，将动脉及骨头区域与其他区域分离开来。
进一步地，新建分割蒙版2并命名为artery后，蒙版为空白蒙版；此时设置阈值下限为200，基于动脉血管及骨头的对比度增强后的原始平扫CT影像数据获取动脉血管和骨头的区域，并生成对应的动脉血管和骨头几何；在此基础上，将蒙版编辑区域更改为Outside all segments，蒙版artery中自动除去蒙版bone中的骨头区域，从而获得仅包含动脉区域的蒙版artery。
进一步地，当CT影像数据的分辨率不足时，会在动脉几何模型周围存在部分骨头模型，在Segment Edit模块，选中分割蒙版，使用Island功能的Keep Largest island功能，从而保留最大的动脉血管几何而删去其余部分。
进一步地，Island功能也可以与Segment Edit模块的Scissors功能搭配使用，Scissors功能,能够将动脉血管与粘连的其余部分分离开来，再使用Keep Largest island功能获取最终的动脉血管几何。
本发明的有益效果：本发明提出的技术方案结合基于患者注入造影剂前拍摄的平扫CT图像与患者注入造影剂后拍摄的CT图像，在建模时采取类似布尔运算减法的操作。这种技术方案可直接获得人体动脉模型，且建模速度快，可在1分钟内完成，大大缩短了建模时间。此外，本方法基于三维人体动脉模型，识别出感兴趣区域并进行裁剪。这大大降低了对建模人员的CT影像专业知识的要求，可操作性极强。最后，本发明提到的方法可以快速建立起全部血管的几何模型，对中小型血管的捕捉能力较好，普适性极强。
附图说明
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，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，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前提下，还可以根据这些附图获得其他附图。
图1是导入平扫CT图像示意图；
图2是导入增强CT图像示意图；
图3是调整窗宽和窗位为CT-Brain格式的平扫CT图像示意图；
图4是调整窗宽和窗位为CT-Brain格式的增强CT图像示意图；
图5是平扫CT逆向建模所得骨头几何模型示意图；
图6是增强CT逆向建模所得动脉几何模型示意图；
图7是优化后的动脉几何模型示意图；
图8是本发明提供的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法流程图；
图9是本发明提供的一种基于增强CTA的快速分割人体动脉血管的逆向建模装置的结构图。
具体实施方式
以下结合附图对本发明具体实施方式作进一步详细说明。
本发明解决的第一个问题为动态区域效果不够精准，而手动修复耗时又太长。具体说明如下：
本发明方法首先不基于造影剂拍摄的CT图像，通过设置阈值上下限逆向建模获得人体模型。此时动脉血管显影较弱，设置分割阈值后所得逆向建模模型仅包含骨头区域。
接下来本发明方法基于造影剂拍摄的CT图像逆向建模获得人体模型。此时所得的CT图像中包含清晰可见的人体骨头及所需动脉的轮廓。通过在逆向建模过程中刨去第一步所识别出的骨头区域，可以获得所需的动脉血管轮廓。
本发明提出的技术方案结合平扫CT图像与增强CT图像，在建模时采取类似布尔运算减法的操作，可直接获得人体动脉模型，且建模速度快，可在1分钟内完成。之后可根据靶向区域，对人体动脉模型进行裁剪即可。
本发明解决的第二个问题为专业性问题。传统方法需要对CT图像有深入的认识，才能根据建模人员的专业知识提取感兴趣区域的路径，从而生成中心线并生成血管表面模型。本发明获得人体动脉模型后，基于三维人体动脉模型，识别出感兴趣区域并进行裁剪。这大大降低了对建模人员的CT影像专业知识的要求，可操作性极强。
本发明解决的第三个问题为普遍性问题，传统方法需要在前期进行大量的标注与神经网络训练，当靶向区域改变，标注内容也需要对应改变，可迁移性差。此外，当靶向区域为中小型血管时，传统方法的训练难度已经急剧增大，所需的训练样本数大量增加，且训练效果不佳。而本发明提到的方法可以快速建立起全部血管的几何模型，对中小型血管的捕捉能力较好，之后进行简单的分割操作即可获得感兴趣区域。
如图1所示，本发明提供的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，首先获取不基于造影剂进行第一次平扫，获得原始平扫CT影像数据。之后基于造影剂获得动脉期的造影增强CT影像数据。
本发明需要提取同一患者的原始平扫CT影像数据和造影增强CT影像数据。本发明方法具体流程如下：
(1)在开源软件3D Slicer(后续操作均在开源软件3D Slicer中进行，本发明后续不再赘述)的Add DICOM Data模块中导入原始平扫CT影像数据及造影增强CT影像数据，如附图1和附图2所示。
(2)在Volumes模块根据靶向区域调整导入的两种患者CT图像的窗宽(Window)和窗位(Level)，增强对比度，得到附图3和附图4。
窗宽决定了图像的对比度。窗宽越大，图像的对比度越低；窗宽越小，图像的对比度越高。换句话说，窗宽决定了灰度级别的范围，即图像中最黑(最小灰度值)和最白(最大灰度值)之间的差异。窗位决定了图像的亮度。窗位越高，图像越亮；窗位越低，图像越暗。换句话说，窗位决定了灰度级别的中点，即图像中最黑和最白之间的平均值。
附图3和附图4分别展示了调整窗宽和窗位后的原始平扫CT影像数据和和造影增强CT影像数据。由附图3可知，将原始平扫CT影像数据的窗宽和窗位调整为CT-Brain格式后，骨头的对比度显著增强，有利于后续对骨头部分进行逆向建模。对其余部位进行建模时的工作原理也相似。观察附图4可发现，将造影增强CT影像数据的窗宽和窗位调整为CT-Brain格式后，动脉血管及骨头的对比度显著增强。
(3)在Segment Edit模块，基于附图3所示的原始平扫CT影像数据新建分割蒙版1，并命名为bone。设置阈值下限为200，即可获得包含骨头区域的蒙版bone，并生成如附图5上方所示的骨头几何模型。附图5下方则是原始平扫CT图像的三视图，即矢状位、轴状位和冠状位。
(4)在Segment Edit模块，基于附图4所示的造影增强CT影像数据新建分割蒙版2，并命名为artery。设置阈值下限为200，并将蒙版编辑区域更改为Outside all segments。这一步是本发明的关键，通过设置阈值下限可以精准的将动脉及骨头区域与其他区域分离开来，基于Outside all segments功能则可以将模板编辑区域由整个CT图像修改为骨头部分以外的区域，从而快速获得附图6所示的动脉几何。具体说明如下：
新建分割蒙版2后并命名为artery后，蒙版为空白蒙版。此时如果仅设置阈值下限为200，可以基于附图3所示的，动脉血管及骨头的对比度显著增强后的原始平扫CT影像数据获取动脉血管和骨头的区域，并生成对应的动脉血管和骨头几何。在此基础上，本发明将蒙版编辑区域更改为Outside all segments，那么蒙版artery中会自动除去蒙版bone中的骨头区域，从而获得仅包含动脉区域的蒙版artery。这一步操作与布尔运算中的减法操作类似。之后，基于仅包含动脉区域的蒙版artery，可以获取所需人体动脉几何。
(5)本方法的分割效果与所获取的CT影像数据的精细程度相关。当CT影像数据的分辨率不足时，会如附图6所示，在动脉几何模型周围存在部分骨头模型。在这种情况下，可以在Segment Edit模块，选中分割蒙版，使用Island功能的Keep Largest island功能，从而保留最大的动脉血管系统而删去其余部分。Island功能也可以与Segment Edit模块的Scissors功能搭配使用。Scissors功能可以将动脉血管与粘连的其余部分分离开来，再使用Keep Largest island功能获取最终的动脉血管几何。本步骤为可选步骤，如果CT影像数据足够清晰，则通过前四步即可提取出附图7所示的动脉几何模型。
与前述一种基于增强CTA的快速分割人体动脉血管的逆向建模方法的实施例相对应，本发明还提供了一种基于增强CTA的快速分割人体动脉血管的逆向建模装置的实施例。
参见图8，本发明实施例提供的一种基于增强CTA的快速分割人体动脉血管的逆向建模装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，用于实现上述实施例中的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法。
本发明提供的一种基于增强CTA的快速分割人体动脉血管的逆向建模装置的实施例可以应用在任意具备数据处理能力的设备上，该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图8所示，为本发明提供的一种基于增强CTA的快速分割人体动脉血管的逆向建模装置所在任意具备数据处理能力的设备的一种硬件结构图，除了图8所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能，还可以包括其他硬件，对此不再赘述。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明实施例还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述实施例中的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法。
所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元，例如硬盘或内存。所述计算机可读存储介质也可以是任意具备数据处理能力的设备的外部存储设备，例如所述设备上配备的插接式硬盘、智能存储卡(Smart Media Card，SMC)、SD卡、闪存卡(Flash Card)等。进一步的，所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据，还可以用于暂时地存储已经输出或者将要输出的数据。
上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (8)

1.一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，其特征在于，该方法包括以下步骤：
(1)在3D Slicer软件的Add DICOM Data模块中导入原始平扫CT影像数据及造影增强CT影像数据；
(2)在Volumes模块根据靶向区域调整导入的两种患者CT图像的窗宽和窗位以增强对比度；
(3)在Segment Edit模块，基于原始平扫CT影像数据新建分割蒙版1，并命名为bone；调整阈值下限获得包含骨头区域的蒙版，并生成骨头几何模型。
(4)在Segment Edit模块，基于造影增强CT影像数据新建分割蒙版2，并命名为artery；调整阈值下限并将蒙版编辑区域更改为Outside all segments，将模板编辑区域由整个CT图像修改为骨头部分以外的区域，从而快速获得动脉几何图像。
2.根据权利要求1所述的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，其特征在于，所述原始平扫CT影像数据为不基于造影剂进行平扫获得的CT影像数据，所述造影增强CT影像数据为基于造影剂获得动脉期的CT影像数据。
3.根据权利要求1所述的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，其特征在于，窗宽越大，图像的对比度越低；窗宽越小，图像的对比度越高；窗位越高，图像越亮；窗位越低，图像越暗。
4.根据权利要求1所述的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，其特征在于，将原始平扫CT影像数据的窗宽和窗位调整为CT-Brain格式增强骨头的对比度，将造影增强CT影像数据的窗宽和窗位调整为CT-Brain格式增强动脉血管及骨头的对比度。
5.根据权利要求1所述的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，其特征在于，在Segment Edit模块，分割蒙版1和分割蒙版2阈值下限均设置为200，将动脉及骨头区域与其他区域分离开来。
6.根据权利要求5所述的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，其特征在于，新建分割蒙版2并命名为artery后，蒙版为空白蒙版；此时设置阈值下限为200，基于动脉血管及骨头的对比度增强后的原始平扫CT影像数据获取动脉血管和骨头的区域，并生成对应的动脉血管和骨头几何；在此基础上，将蒙版编辑区域更改为Outsideall segments，蒙版artery中自动除去蒙版bone中的骨头区域，从而获得仅包含动脉区域的蒙版artery。
7.根据权利要求1所述的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，其特征在于，当CT影像数据的分辨率不足时，会在动脉几何模型周围存在部分骨头模型，在Segment Edit模块，选中分割蒙版，使用Island功能的Keep Largest island功能，从而保留最大的动脉血管几何而删去其余部分。
8.根据权利要求7所述的一种基于增强CTA的快速分割人体动脉血管的逆向建模方法，其特征在于，Island功能也可以与Segment Edit模块的Scissors功能搭配使用，Scissors功能,能够将动脉血管与粘连的其余部分分离开来，再使用Keep Largest island功能获取最终的动脉血管几何。
CN202311273523.9A 2023-09-28 2023-09-28 一种基于增强cta的快速分割人体动脉血管的逆向建模方法及装置 Pending CN117333613A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311273523.9A CN117333613A (zh) 2023-09-28 2023-09-28 一种基于增强cta的快速分割人体动脉血管的逆向建模方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311273523.9A CN117333613A (zh) 2023-09-28 2023-09-28 一种基于增强cta的快速分割人体动脉血管的逆向建模方法及装置

Publications (1)

Publication Number Publication Date
CN117333613A true CN117333613A (zh) 2024-01-02

Family

ID=89278493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311273523.9A Pending CN117333613A (zh) 2023-09-28 2023-09-28 一种基于增强cta的快速分割人体动脉血管的逆向建模方法及装置

Country Status (1)

Country Link
CN (1) CN117333613A (zh)

Similar Documents

Publication Publication Date Title
JP7194143B2 (ja) 肝臓腫瘍例のレビューを容易にするシステムおよび方法
CN107808156A (zh) 感兴趣区域提取方法
US7817836B2 (en) Methods for volumetric contouring with expert guidance
CN102422307B (zh) 用于交互式肝脏血管和胆管系统评估的方法、系统、装置和计算机程序产品
Wallner et al. Clinical evaluation of semi-automatic open-source algorithmic software segmentation of the mandibular bone: Practical feasibility and assessment of a new course of action
US20150025666A1 (en) Three dimensional printed replicas of patient's anatomy for medical applications
JP6379394B2 (ja) 軟骨修復用手術キットを製造するための方法およびノード
US20160287339A1 (en) Method for manufacturing a three-dimensional anatomical structure
CN110648338B (zh) 图像分割方法、可读存储介质及图像处理装置
CN110097557B (zh) 基于3D-UNet的医学图像自动分割方法及系统
Zachow et al. 3D reconstruction of individual anatomy from medical image data: Segmentation and geometry processing
CN107004268A (zh) 结直肠肿瘤的动态对比增强图像的自动感兴趣区域分割及配准
Uccheddu et al. 3D printing of cardiac structures from medical images: an overview of methods and interactive tools
CN115100230B (zh) 基于血管图像的动静脉分离方法、装置、存储介质及终端
Tan et al. An approach for pulmonary vascular extraction from chest CT images
CN112085696B (zh) 医学图像分割网络模型的训练方法、分割方法及相关设备
CN111724389B (zh) 髋关节ct图像分割方法、装置、存储介质和计算机设备
CN109886973A (zh) 一种血管提取方法、装置及计算机可读存储介质
CN111568451A (zh) 一种曝光剂量调节方法和系统
US20220198667A1 (en) Method and device for extracting blood vessel wall
CN117333613A (zh) 一种基于增强cta的快速分割人体动脉血管的逆向建模方法及装置
CN110910409A (zh) 一种灰度图像处理方法、装置和计算机可读存储介质
CN113096117A (zh) 异位骨化ct图像分割方法、三维重建方法、装置
CN114845638A (zh) 基于人工智能的口腔计算机断层扫描影像自动色彩转换装置及其驱动方法
He et al. Veins Segmentation and Three-Dimensional Reconstruction from Liver CT Images Using Multilevel OTSU Method

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