CN1188949A - 通过消除主结构增强数据显象能力 - Google Patents

通过消除主结构增强数据显象能力 Download PDF

Info

Publication number
CN1188949A
CN1188949A CN97122639A CN97122639A CN1188949A CN 1188949 A CN1188949 A CN 1188949A CN 97122639 A CN97122639 A CN 97122639A CN 97122639 A CN97122639 A CN 97122639A CN 1188949 A CN1188949 A CN 1188949A
Authority
CN
China
Prior art keywords
mask
data
value
coupled
image
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.)
Granted
Application number
CN97122639A
Other languages
English (en)
Other versions
CN1127700C (zh
Inventor
G·B·阿维纳什
A·M·阿利阿斯英
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of CN1188949A publication Critical patent/CN1188949A/zh
Application granted granted Critical
Publication of CN1127700C publication Critical patent/CN1127700C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • 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
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种用以进行快速分段和图象处理以增强对观测对象的三维显象作用的系统。本发明能自动从图象提取不必要的主部分同时保存想保存的信息。本发明特别适用于计算机X线体层照相血管造影(CTA)以观测检测对象头部的脉管系统。主结构经过分段并从图象数据消除之后可以使诸如最大强度投影(MIP)之类的显象技术将检测对象的表面和整体重现出来,从而增强脉管的显象效果。

Description

通过消除主结构增强数据显象能力
本发明涉及数字图象处理，更具体地说，涉及通过消除主结构以增强数据显象能力。
成象时，提供大强度信号的主结构往往会掩蔽想观看的其它不太主要的结构。在最大强度投影(MIP)图象重现技术中，这一点变得非常重要。MIP重现图象是通过令假想光线通过数据体传送到图象平面并采用作为象素强度在图象平面上相交的最大值进行的。在大多数情况下，这会是以主特征，很少或不会根据所要求的结构重现出来。
此外，强度的动态范围还会使所要求结构之间的对比度比图象的强度标准小。迫切希望达到的愿望是，消除主结构以增强所要求的各结构之间相对于在观看中的局部部位的对比度。
举例说，大家知道，计算机X线体层照相术(CT)在多骨结构与软组织(例如头盖骨与脑)之间形成的对比度高。这种高对比度在医学上的用途多。但在计算机X线体层照相血管造影术(CTA)数据中，高强度骨骼会使三维血管信息的提取有困难。这是因为骨骼和充满对比度的血管之间强度分布重叠所致。
现代技术采用半自动跟踪来消除象骨骼之类的主结构。操作人员跟踪经选取准备除去的部位，或跟踪经选取准备观测的部位。接着用一般的连通性算法对骨骼进行分段，例如象H.E.Cline、W.E.LorenSen、R.Kiknis、F.Jolesz等人在1990年《电子计算机辅助X线体层照相术杂志》第14卷第6期第1037～1045页上发表的题为“头部磁共振图象用概率和连通性法进行的三维分段”的一文中所述的连通性算法。这些方法在连通性算法采用低得不能排除与血管实际接触的阈值时会导致信息失真，而且这种编辑的操作时间长(15～30分钟)。在大多数情况下，结果通常受个别操作人员的经验和个人偏见的影响。
为缩短操作时间，有人研究出S.Shiffman、G.Rubin和S.Napel在1996年SPIE2707第140～151页上发表的题为“脉管系统显象电子计算机X线体层照相部分的半自动编辑”一文中所述的混合半自动编辑程序。在这些方法中，二维分段操作是自动进行的，由此产生一系列标有标签的图象，各分段与不同的标签有关。接着，操作人员观看少量带标签的图象，并用鼠标器指点以选取有关分段。这项操作激发了收集带同样标签的有关各分段的连通性算法。接着，用所选取的各分段作为掩码从原始图象提取相应的体素强度。这种方法计算机的工作量大，目前不适用于临床实践。
文献上提出的另一种方法用翘曲匹配来对对应于A.Bani-Hashemi、A.Krishnars和S.Samaddar在1996年SPIE2710第428～437页上发表的题为“CT血管造影研究数字减法的翘曲匹配”一文中所述的前/后对比注射的数据集进行数字减法。这种方法不仅需要有两个数据集从而增加了对观测对象的辐射剂量，而且运用计算机的工作量多到不适用于例行的临床实践。
目前需要的是消除主结构以增强所要求结构的显象、在临床上可行的系统。
本发明通过消除主结构以增强图象数据G1(x，y，z)的系统采用将原图象数据G1二次抽样成较低分辨率数据g1(x，y，z)的二次抽样装置。这样使本发明加快处理速度。
阈值处理装置产生的阈值掩码m1(x，y，z)在g1值大于阈值时为“1”，不大于阈值时为0。这样确定主结构的可能位置。
连通性装置将掩码m1的关联部位作为掩码m2。不关联的结构没有包括在掩码m2中。
扩大装置将掩码m2扩大预定量以产生经扩大的掩码m3(x，y，z)。
过渡部位装置确定过渡部位m4(x，y，z)为经扩大的掩码m3与连接的掩码m2之间的差值。这表示部分为主要结构和部分为某种其它材料的象素。
替换装置计算平均象素强度μ，并产生替换数据集g2(x，y，z)，此数据集的μ值替换值在主特征情况下为g1(其中m2＝1)，所有其它位置则不变。
滤波器(最好是自适应中值滤波器)用g2的滤波值替换过渡区中m4所确定的数据值，从而产生符合下列条件的过渡部位替换数据g3(x，y，z)：若m4(x，y，z)＝1，                {滤波器(g2(x，y，z))，
             则g3(x，y，z)＝若m4(x，y，z)＝0，                {g2(x，y，z)。
接着，内插装置将m2、m4、g3分别内插入原分辨率的M2、M4、G3中。
图象发生器根据下列条件汇编增强的图象数据G4(x，y，z)：若M2(x，y，z)＝1，                 {μ；若M4(x，y，z)＝1，则G4(x，y，z)＝  {G3(x，y，z)；其它方面，                         {G1(x，y，z)。
增强的图象数据G4显示在显示装置上以产生分辨率与原图象数据相同、没有主结构的增强图象。
本发明的目的是提供一种能从图象消除不必要的主结构以产生结构合乎要求的增强图象的系统。
本发明的另一个目的是提供一种能在靠近大图象值主结构处更清晰地形成强度差别小的结构的图象的系统。
本发明的另一个目的是从图象消除不必要的主结构、同时保存其它象素强度大致相同的结构。
本发明的另一个目的是提供一种即使检测对象的脉管结构周围都是骨骼也能更清晰地形成脉管结构的图象的系统。
本发明相信是新颖的一些特点在所附权利要求书中具体提出。但本发明本身，无论在组织上和操作方法上连同其其它目的和优点可以通过结合附图阅读下面的说明深刻加以理解。
附图中：
图1是从观测对象的剖面看到的象素强度变化的示意图；
图2是本发明操作过程的流程图；
图3a～3e是按本发明进行处理的过程中各不同点处理结果的示意图；
图4是本发明实施例的简化方框图；
图5a是第一计算机X线体层照相血管造影(CTA)数据集的最大强度投影(MIP)图象；
图5b是应用本发明之后用于图5a中的数据集的MIP；
图6a是第二CTA数据集的MIP图象；
图6b是应用本发明之后用在图6a中的数据集的MIP。
图象中的结构有时候由于数据值比图象其余部分大得多的不必要主结构而变得模糊不清。这一点在采用沿通过数据体传到图象平面的最大值作为象素强度的最大强度投影(MIP)图象重现过程中尤其如此。
在另一种情况下，不必要结构的图象数据值范围可能与其它要求的结构的数据值范围类似或重叠。在这些情况下，总希望完全确定(分段)和消除这些不必要的结构。
图1中示出了观测对象的剖面图象100。部位101在这种图象的强度为Ia。部位102的强度为Ib，部位103的强度为Ic。当跟踪光线D通过这些部位时，强度值都分派给各象素，这些都用点号标出，且显示在图1的曲线中。完全处在一个部位的象素容易分类和分段成特定的材料类型。然而，有的象素是过渡象素，例如象素105、108，这类象素跨越两个部位，难以分类。这些部位是过渡部位，给分段造成困难。
还应该指出的是，通过用图1虚线所示的阈值进行简单的阈值处理，强度为Ic的部位103与强度不Ia的部位101极其相似，由于是部位101中结构的一部分，容易混淆。
为清楚起见，本发明就计算机X线体层照相血管造影图(CTA)进行说明，但本发明也可应用于其它不同的图象数据集。
本发明操纵图象数据从图象数据消除象有关联的骨骼之类的主结构，同时保存其它象血管数据和钙化之类希望保存的结构。
为给血管显象，需要对比度促进剂来增强血管的强度值从而大大增强与周围组织的对比度。
图2中示出了本发明操作的各主要步骤。
图象数据是在图2的步骤11采集的。图象数据以G1(x，y，z)表示，其中(x，y，z)表示体素在三维数据集中的位置，G1表示在(x，y，z)位置的强度值。
在下面的说明中，图象数据集选用CTA，用x和y的一般值采集，空间分辨率为512×512，高宽比在1∶1∶2至1∶1∶4的范围。断层的数目(z坐标)包括有关体积。图3a示出了轴向CTA图象。
图象数据G1(x，y，z)是在步骤13二次抽样成128x128较低的x和y空间分辨率。分辨率较低的数据叫做下格数据，例如g1(x，y，z)。二次抽样的数据集是各向同性的，其中高宽比为1∶1∶1。G1(x，y，z)数据集中的有关体积(VOI)4×4×1对应于g1(x，y，z)数据集中的一个体素。VOI的最大体素强度值用来表示较低分辨率下的体素强度。
二次抽样的作用是加快处据的处理过程，使本发明可用于临床上。
主结构(骨骼)的掩码m1(x，y，z)是用符合下列条件的阈值t1在步骤15产生的：若g1(x，y，z)＞t1                  {1
              则m1(x，y，z)＝其它方面                           {0
其中(x，y，z)是二次抽样空间r中的位置。
t1的体素强度值在1350至1500的范围(相当于350至500的豪恩斯费尔德值)。结果在图3b中用掩码m1表示。
步骤13基本上保留任何强度值高于t1的体素。虽然t1高得足以包括骨骼为主，但通常某些钙化也包括入掩码中。视乎钙化的大小及其宽度而定，钙化强度值可达到骨骼强度的范围值。
在步骤17，检查掩码m1(x，y，z)中的各位置以确定连通性。关联的高强度部位放入新掩码m2(x，y，z)中，象钙化之类的高强度部位则不放入。
m2(x，y，z)＝关联(m1(x，y，z))
分析掩码m1(x，y，z)以消除非骨质的组织，只保留掩码m2(x，y，z)中的关联骨骼，如图3c中所示，钙化由于通常位于血管内部，因而没有包括入掩码m2(x，y，z)中。
另一个掩码m3(x，y，z)是在步骤19通过将m2(x，y，z)的各尺寸扩大预定量的象素产生的，例如根据下列条件采用3×3×3的扩大(各尺寸扩大3个象素)：
m3(x，y，z＝扩大(m2(x，y，z))
图3d中示出了掩码m3。
掩码的扩大扩大了关联的打上标记的骨骼。3×3×3大小的核心对应于一原数据大小12×12×12的核心大小。这会包括任何不包括在原掩码中的体积。
过渡掩码m4(x，y，z)是在步骤21中间用如下的m2(x，y，z)产生的：
m4(X，Y，Z)＝m3(x，y，z)-2(x，y，z)
掩码m4如图3e中所示。应该指出的是，现在过渡掩码m4(x，y，z)表示强度低于掩码m1所没有的阈值t1的骨骼的体积。
血管数据g2(x，y，z)是用g1(x，y，z)和m2(x，y，z)按下面所示产生的：若m2(x，y，z)＝0，                  {g1(x，y，z)
             则g2(x，y，z)＝    {若m2(x，y，z)＝1，                  {μ
其中μ为组织周围血管的平均强度值。在本实施例中，μ＝1050。应该指出的是，g2(x，y，z)仍然含有强度值主要由于取部分体积平均值而低于t1的骨骼。还应该指出的是，阈值处理在向来是高强度骨骼与低强度骨骼之间产生的轮廓分明的边缘。
掩码m4(x，y，z)确定的过渡部位在步骤23用滤波值代替，得出滤波数据集g3。一个最佳实施例按下面所示采用自适应中值过滤：若m4(x，y，z)＝1，                  {中值(g2(x，y，z))，
              则g3(x，y，z)＝若m4(x，y，z)＝0，                  {g2(x，y，z)。
举例说，可采用3×3×3过渡掩码3×3×3核心。若核心的中心体素越过过渡部位，则g3中采用与g2中体素相应的中值体素值。
中值滤波器是个消除斑点或轮廓分明边缘的非线性平滑滤波器。用非骨骼的毗邻体素值替换低强度骨骼。应该指出的是，只有有低强度骨骼时(即m2(x，y，z)＝1时)才使用这种滤波器。
可以采用其它滤波方法。在上述中值过滤法中，血管数据不受此波器的影响。还应该指出的是，不象其它滤波器那样产生新数据值。在其它滤波方法中，最好只采用原数据值替换其它数据值。
接着，在步骤25将二次抽样数据g3(x，y，z)和掩码m2(x，y，z)和m4(x，y，z)内插到原空间分辨率512×512×N，分别产生G3(x，y，z)、M2(x，y，z)和M4(x，y，z)，其中N为原数据层数。这里可以采用文献中发表的许多一般内插法。G3(x，y，z)采用三线性内插法，掩码M2、M4可采用体素复制法。
脉管数据G4(x，y，z)是在步骤27从M2(x，y，z)、M4(x，y，z)、G1((x，y，z)和G3(x，y，z)作为最终输出按下列方式产生的：若M2(x，y，z)＝1，                   {μ；若M4(x，y，z)＝1，则G4(x，y，z)＝    {G3(x，y，z)；其它方面，                           {G1(x，y，z)。
其中R为原体积数据集。
应该指出的是，G4(x，y，z)数据集包括原先采集的同一个分辨率下的原脉管数据G1(x，y，z)。此外，G4(x，y，z)在只有向来定位的低强度的场合起码包括所处理的数据。
图4示出了本发明一个实施例的简化方框图。
图象数据G1(x，y，z)由图象显示装置31从观测对象1采集。
图象数据G1由耦合到图象显示装置31二次抽样成x和y较低的空间分辨率g1(x，y，z)，例如128×128。
阈值处理装置35接收较低分辨率图象数据g1，并用阈值t1产生主结构(骨骼)的掩码m1(x，y，z)。
连通性装置37从阈值处理装置35读取掩码m1(x，y，z)并确定所关联的是m1的哪一个位置。这些都存入掩码m2(x，y，z)中。
扩大装置39耦合到连通性装置37，将掩码m2的各尺寸扩大预定数量的象素，例如扩大3×3×3，产生另一个掩码m3(x，y，z)。
过渡部位装置41耦合到扩大装置39和连通性装置37，并分别从装置39和37接收m3和m2。过渡部位装置从m3减去m2得出过渡掩码m4(x，y，z)。
替换装置42接收二次抽样装置33来的二次抽样数据g1，并产生象素强度平均值μ。接着，替换装置42产生替代数据集g2(x，y，z)，它具有在原来主特点情况下为g1的μ值替代值，从而得出在数据集g2(x，y，z)中的其它位置不变。
自适应中值滤波器43接收来自过渡部位装置41的m4和来自替换装置42的数据g2，并如图2的步骤23所述的那样用中值替换过渡部位中各位置相应的g2值，以得出滤波数据g3(x，y，z)。
内插装置45接收滤波数据g3(x，y，z)、掩码m2(x，y，z)、m4(x，y，z)，然后将这些内插成原来的空间分辨率512×512×N，以分别产生G3(x，y，z)、M2(x，y，z)、M4(x，y，z)，其中N为断层的原数。
图象发生装置47接收来自内插装置45的M2(x，y，z)、M4(x，y，z)和G3(x，y，z)和来自图象显示装置31的原数据G1，并产生最终图象数据G4。图象发生装置47用主部分充满整个象素所在的μ值汇编最终图象数据G4，由掩码M2加以识别。装置47采用过渡区中由掩码M4识别的G3值，并采用在所有其它位置不变的原数据值G1。
图5a示出了一般CTA数据集的MIP图象。图5b是MIP在图5a的图象数据集按本发明处理之后产生的图象。
同样，图6a是一般CTA数据集的MIP图象。图6b是MIP在图象数据集按本发明处理之后产生的图象。
本发明应用到30兆字节CTA图象数据，在Sun-Sparc20电子计算机上运行少于2分钟的CPU时间。体素值为16位的512×512×60数据集的情况下，用本发明提出的方法分段数据需要大约1分钟的时间。因此，这种方法在临床上是可行的，是协助临床医生提取诊断信息的有效工具。
这里已就本新发明目前认为是最佳的一些实施例详细说明，而本技术领域的行家们都知道，对上述实施例是可以进行种种修改和更改的。因此应该理解的是，本说明书所附的权利要求书旨在包括所有这些修改和更改，因为这些修改和更改均属于本发明精神实质范围内。

Claims (4)

1.一种增强图象数据G1(x，y，z)的方法，其特征在于，它包括下列步骤：
a)将原图象数据G1二次取样成较低分辨率数据g1(x，y，z)；
b)对g1进行阈值处理，从而产生m1值在g1值大于阈值时为“1”在不大于阈值时为“0”的阈值掩码m1。
c)确定掩码m1的关联部位并将其作为掩码m2存储起来；
d)将掩码m2扩大预定量，从而产生扩大了的掩码m3(x，y，z)；
e)确定过渡部分m4(x，y，z)为扩大掩码m3与阈值m2之间的差值；
f)在m4所确定的部位采用滤波器从而产生过渡部位替换数据g3(x，y，z)；
g)将m2、m4、m3分别内插入于原分辨率M2、M4和M3中；
h)从图象数据G1确定平均象素强度μ；
i)按下列条件汇编图象数据：若M2(x，y，z)＝1，                   {μ若M4(x，y，z)＝1，则G4(x，y，z)＝    {G3(x，y，z)其它方面，                           {G1(x，y，z)
j)将图象数据G4作为增强图象显示出来。
2.如权利要求1所述的增强图象的方法，其特征在于，所述滤波步骤包括在M4所确定的部位采用自适应中值滤波器以产生过渡部位替换数据g3(x，y，z)的步骤。
3.一种图象数据G1(x，y，z)增强系统，其特征在于，它包括：
a)一个二次抽样装置，用以将原图象数据G2二次抽样成较低分辨率数据g1(x，y，z)。
b)一个阈值处理装置，耦合到二次抽样装置上，用以对g1进行阈值处理，从而产生m1值在g1值大于阈值时为“1”在g1值不大于阈值时为“0”的阈值掩码m1；
c)一个连通性装置，耦合到阈值处理装置上，用以接收掩码m1和用以确定掩码m1的关联部位并将其作为掩码m2存储起来；
d)一个扩大装置，耦合到连通性装置，供将掩码m2扩大预定量，从而产生扩大了的掩码m3(x，y，z)；
e)一个过渡部位装置，耦合到扩大装置和阈值处理装置，供确定扩大了的掩码m3与阈值m2之间差值的过渡部位m4(x，y，z)；
f)替换装置，耦合到二次抽样装置，供产生平均象素强度μ和产生替换数据集g2(x，y，z)，该数据集的μ值替换主特点的场合(m2＝1的场合)的g1值，所有其它位置不变；
g)一个滤波器，耦合到过渡部位装置和替换装置，用以用g2的滤波值替换m4所确定部位中的数据值根据下列条件产生过渡部位替换数据g3(x，y，z)；若m4(x，y，z)＝1，    {滤波器(g2(x，y，z))；
则G3(x，y，z)＝   {若m4(x，y，z)＝0，    {g2(x，y，z)；
h)一个内插装置，耦合到滤波器、扩大装置和阈值处理装置，用以分别将m2、m4、g3内插入原分辨率的M2、M4、G3；
i)一个图象发生器，耦合到内插装置，供按下列条件汇编图象数据G4(x，y，z)：若m2(x，y，z)＝1，                       {μ；若m4(x，y，z)＝1，    则G4(x，y，z)＝    {G3(x，y，z)；其它方面，                               {G1(x，y，z)；
j)一个显示装置，耦合到图象发生装置，用以将图象数据G4作为增强图象显示出来。
4.如权利要求3所述的图象增强系统，其特征在于，滤波器由自适应中值滤波器组成，其作用是滤除m4所确定部位中的数据从而产生过渡部位替换数据g3(x，y，z)。
CN97122639A 1996-11-27 1997-11-27 通过消除主结构增强数据显象能力 Expired - Fee Related CN1127700C (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US08/757,181 US5832134A (en) 1996-11-27 1996-11-27 Data visualization enhancement through removal of dominating structures
US757181 1996-11-27
US757,181 1996-11-27

Publications (2)

Publication Number Publication Date
CN1188949A true CN1188949A (zh) 1998-07-29
CN1127700C CN1127700C (zh) 2003-11-12

Family

ID=25046732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN97122639A Expired - Fee Related CN1127700C (zh) 1996-11-27 1997-11-27 通过消除主结构增强数据显象能力

Country Status (6)

Country Link
US (1) US5832134A (zh)
JP (1) JPH10232928A (zh)
KR (1) KR100444414B1 (zh)
CN (1) CN1127700C (zh)
DE (1) DE19746938A1 (zh)
IL (1) IL122163A0 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105684041A (zh) * 2013-11-05 2016-06-15 爱克发医疗保健公司 用于从容积数据移除对象的支承件的方法

Families Citing this family (62)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6021213A (en) * 1996-06-13 2000-02-01 Eli Lilly And Company Automatic contextual segmentation for imaging bones for osteoporosis therapies
US6047090A (en) * 1996-07-31 2000-04-04 U.S. Philips Corporation Method and device for automatic segmentation of a digital image using a plurality of morphological opening operation
US6356272B1 (en) * 1996-08-29 2002-03-12 Sanyo Electric Co., Ltd. Texture information giving method, object extracting method, three-dimensional model generating method and apparatus for the same
JP3975530B2 (ja) * 1996-12-27 2007-09-12 富士ゼロックス株式会社 画像処理装置
US6173317B1 (en) 1997-03-14 2001-01-09 Microsoft Corporation Streaming and displaying a video stream with synchronized annotations over a computer network
US6639945B2 (en) 1997-03-14 2003-10-28 Microsoft Corporation Method and apparatus for implementing motion detection in video compression
KR100314098B1 (ko) * 1997-05-29 2001-12-12 윤종용 주위화소값의적응임계치를이용한이진영상보간방법
US6281942B1 (en) * 1997-08-11 2001-08-28 Microsoft Corporation Spatial and temporal filtering mechanism for digital motion video signals
US6195450B1 (en) * 1997-09-18 2001-02-27 Siemens Corporate Research, Inc. Methods and apparatus for controlling X-ray angiographic image acquisition
US6546405B2 (en) 1997-10-23 2003-04-08 Microsoft Corporation Annotating temporally-dimensioned multimedia content
US6317509B1 (en) * 1998-02-11 2001-11-13 Analogic Corporation Computed tomography apparatus and method for classifying objects
JP2002538705A (ja) * 1999-02-26 2002-11-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ サンプルのコレクションのフィルタリング
JP2003501179A (ja) * 1999-06-04 2003-01-14 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 三次元画像表示用の方法及び装置
US6718054B1 (en) 1999-06-23 2004-04-06 Massachusetts Institute Of Technology MRA segmentation using active contour models
US20030053669A1 (en) * 2001-07-18 2003-03-20 Marconi Medical Systems, Inc. Magnetic resonance angiography method and apparatus
EP1222632A1 (en) * 1999-10-07 2002-07-17 Elgems Ltd. Image navigation
US7310437B2 (en) * 2000-03-08 2007-12-18 Fujifilm Corporation Image processing method and system, and storage medium
US7167575B1 (en) 2000-04-29 2007-01-23 Cognex Corporation Video safety detector with projected pattern
US6701005B1 (en) 2000-04-29 2004-03-02 Cognex Corporation Method and apparatus for three-dimensional object segmentation
US7133569B1 (en) * 2000-07-31 2006-11-07 Polaroid Corporation Aliasing artifact attenuation system
GB2370737B (en) * 2000-10-06 2005-03-16 Canon Kk Image processing apparatus
KR100342435B1 (ko) * 2000-10-17 2002-07-03 윤덕용 3차원 의료영상 데이터의 가시화방법
US6754376B1 (en) 2000-11-22 2004-06-22 General Electric Company Method for automatic segmentation of medical images
US6744911B1 (en) 2000-11-22 2004-06-01 General Electric Company Tomographic segmentation
EP1209624A1 (en) * 2000-11-27 2002-05-29 Sony International (Europe) GmbH Method for compressed imaging artefact reduction
JP4149126B2 (ja) * 2000-12-05 2008-09-10 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理方法、画像処理装置および画像撮影装置
FR2819918B1 (fr) * 2001-01-19 2003-08-15 Ge Med Sys Global Tech Co Llc Procede de traitement d'images radiographiques vasculaires reconstruites par modelisation tridimensionnelle et systeme mettant en oeuvre ce procede
JP2003141548A (ja) * 2001-10-22 2003-05-16 Ge Medical Systems Global Technology Co Llc ３次元ラベリング装置及びその方法
US6842638B1 (en) 2001-11-13 2005-01-11 Koninklijke Philips Electronics N.V. Angiography method and apparatus
US7024027B1 (en) 2001-11-13 2006-04-04 Koninklijke Philips Electronics N.V. Method and apparatus for three-dimensional filtering of angiographic volume data
DE10160206A1 (de) * 2001-12-07 2003-06-18 Philips Intellectual Property Verfahren und Vorrichtung zur Erstellung einer isolierten Darstellung von Körperstrukturen
US7046835B2 (en) * 2002-03-07 2006-05-16 Ge Medical Systems Global Technology Company Llc Method and system for processing vascular radiographic images which have been reconstructed by three-dimensional modelling
DE10253191A1 (de) * 2002-11-15 2004-05-27 Philips Intellectual Property & Standards Gmbh Verfahren zur selektiven Darstellung von Körperstrukturen
US7123760B2 (en) * 2002-11-21 2006-10-17 General Electric Company Method and apparatus for removing obstructing structures in CT imaging
US7177453B2 (en) * 2002-11-26 2007-02-13 General Electric Company Method and apparatus for partitioning a volume
US7471814B2 (en) * 2002-11-27 2008-12-30 The Board Of Trustees Of The Leland Stanford Junior University Curved-slab maximum intensity projections
US7330573B2 (en) * 2003-02-21 2008-02-12 Koninklijke Philips Electronics, N.V. Visualization of medical images
WO2004095371A1 (en) * 2003-04-24 2004-11-04 Philips Intellectual Property & Standards Gmbh Region delineation in computer tomographic angiography
US7116806B2 (en) * 2003-10-23 2006-10-03 Lumeniq, Inc. Systems and methods relating to AFIS recognition, extraction, and 3-D analysis strategies
US7676257B2 (en) * 2003-11-25 2010-03-09 General Electric Company Method and apparatus for segmenting structure in CT angiography
US7310435B2 (en) * 2003-11-25 2007-12-18 General Electric Company Method and apparatus for extracting multi-dimensional structures using dynamic constraints
DE10357206B4 (de) * 2003-12-08 2005-11-03 Siemens Ag Verfahren und Bildbearbeitungssystem zur Segmentierung von Schnittbilddaten
US7593762B2 (en) * 2004-04-09 2009-09-22 Siemens Medical Solutions Usa, Inc. System and method for automatically segmenting bones in computed tomography angiography data
JP4549093B2 (ja) * 2004-04-12 2010-09-22 キヤノン株式会社 画像処理装置及びその方法、プログラム
CN101005803B (zh) 2004-08-17 2012-01-11 皇家飞利浦电子股份有限公司 灵活融合3dra-ct的方法
JP4761741B2 (ja) * 2004-09-06 2011-08-31 株式会社東芝 Ｘ線ｃｔ装置、画像データ領域抽出システムおよび画像データ領域抽出プログラム
DE102004061507B4 (de) * 2004-12-21 2007-04-12 Siemens Ag Verfahren zur Korrektur von Inhomogenitäten in einem Bild sowie bildgebende Vorrichtung dazu
US7512284B2 (en) * 2005-03-29 2009-03-31 General Electric Company Volumetric image enhancement system and method
US7577311B2 (en) * 2005-05-03 2009-08-18 Eastman Kodak Company Color fringe desaturation for electronic imagers
KR100679046B1 (ko) * 2005-10-10 2007-02-05 삼성전자주식회사 이미지의 지역적 정보를 이용한 비트 해상도 확장 방법 및장치
CN100546938C (zh) * 2005-10-17 2009-10-07 上海国睿生命科技有限公司 骨修复用多孔陶瓷材料及其制备方法和应用
US7839403B2 (en) * 2005-12-19 2010-11-23 Siemens Aktiengesellschaft Simultaneous generation of different data sets from a single acquisition run and dual rendering of images
JP5279996B2 (ja) * 2006-08-17 2013-09-04 富士フイルム株式会社 画像抽出装置
US8520916B2 (en) * 2007-11-20 2013-08-27 Carestream Health, Inc. Enhancement of region of interest of radiological image
CN101393644B (zh) * 2008-08-15 2010-08-04 华中科技大学 一种肝门静脉血管树建模方法及其系统
US8786873B2 (en) 2009-07-20 2014-07-22 General Electric Company Application server for use with a modular imaging system
JP5854561B2 (ja) * 2009-11-27 2016-02-09 カデンス メディカル イメージング インコーポレイテッド 画像データのフィルタリング方法、画像データのフィルタリングシステム、及び仮想内視鏡検査における画像データの使用
US8903153B2 (en) 2009-12-22 2014-12-02 Koninklijke Philips N.V. Bone suppression in x-ray radiograms
US8243882B2 (en) 2010-05-07 2012-08-14 General Electric Company System and method for indicating association between autonomous detector and imaging subsystem
US8861814B2 (en) * 2010-12-22 2014-10-14 Chevron U.S.A. Inc. System and method for multi-phase segmentation of density images representing porous media
KR101492330B1 (ko) * 2013-07-26 2015-02-11 서울여자대학교 산학협력단 혈관 조영된 컴퓨터 단층 영상의 혈관 분할 시스템 및 그 분할 방법
US9697603B2 (en) 2014-12-19 2017-07-04 Toshiba Medical Systems Corporation Medical image data processing system and method for vessel segmentation using pre- and post-contrast data

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4914589A (en) * 1988-10-24 1990-04-03 General Electric Company Three-dimensional images obtained from tomographic data using a variable threshold
CA2130340C (en) * 1992-02-18 2000-06-06 Shih-Jong James Lee Method for identifying objects using data processing techniques

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105684041A (zh) * 2013-11-05 2016-06-15 爱克发医疗保健公司 用于从容积数据移除对象的支承件的方法
CN105684041B (zh) * 2013-11-05 2019-11-29 爱克发医疗保健公司 用于从容积数据移除对象的支承件的方法

Also Published As

Publication number Publication date
CN1127700C (zh) 2003-11-12
KR100444414B1 (ko) 2004-12-14
IL122163A0 (en) 1998-04-05
JPH10232928A (ja) 1998-09-02
KR19980041876A (ko) 1998-08-17
US5832134A (en) 1998-11-03
DE19746938A1 (de) 1998-05-28

Similar Documents

Publication Publication Date Title
CN1127700C (zh) 通过消除主结构增强数据显象能力
CN100350434C (zh) 图像数据区域抽取系统以及图像数据区域抽取方法
US7835562B2 (en) Methods and apparatus for noise reduction filtering of images
US7616794B2 (en) System and method for automatic bone extraction from a medical image
US20100088644A1 (en) Method and apparatus for identifying regions of interest in a medical image
CN1907225A (zh) 用于脑内出血损伤分割的方法和设备
CN101036165A (zh) 用于树模型显像以检测肺栓塞的系统和方法
CN1818972A (zh) 剪接医学图像数据集的系统和方法
JP2011514822A (ja) Ｃｔスキャンデータをセグメント化する方法とシステム
JP2004520923A (ja) デジタル画像をセグメント化する方法
EP2811458A1 (en) Automated aorta detection in a CTA volume
JP5105997B2 (ja) 医用画像処理装置、医用画像診断装置、及びプログラム
CN101059869A (zh) 在数字冠脉造影图像中分割血管数据的方法
CN104077747A (zh) 医用图像处理装置以及医用图像处理方法
Behrenbruch et al. Image filtering techniques for medical image post-processing: an overview
CN101065065A (zh) X射线ct装置和图像处理装置
US20140140603A1 (en) Clavicle suppression in radiographic images
Chen et al. Sketch-based Volumetric Seeded Region Growing.
CN105513055A (zh) Cta图像中分割组织的方法和装置
CN1914640A (zh) 从医学图像中自动提取骨的系统和方法
Sluimer et al. Lung field segmentation from thin-slice CT scans in presence of severe pathology
CN1823337A (zh) 用于检测医学图像中的隆起的系统和方法
Zhang et al. Automatic rib segmentation in chest CT volume data
Park et al. Automatic extraction of lung boundaries by a knowledge-based method
US20220122261A1 (en) Probabilistic Segmentation of Volumetric Images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C19 Lapse of patent right due to non-payment of the annual fee
CF01 Termination of patent right due to non-payment of annual fee