CN1692377B - 形成人体结构的独立显影的方法和设备 - Google Patents

形成人体结构的独立显影的方法和设备 Download PDF

Info

Publication number
CN1692377B
CN1692377B CN02824444.3A CN02824444A CN1692377B CN 1692377 B CN1692377 B CN 1692377B CN 02824444 A CN02824444 A CN 02824444A CN 1692377 B CN1692377 B CN 1692377B
Authority
CN
China
Prior art keywords
data set
pictorial element
image
value
pictorial
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.)
Expired - Fee Related
Application number
CN02824444.3A
Other languages
English (en)
Other versions
CN1692377A (zh
Inventor
R·维克
T·布拉弗特
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN1692377A publication Critical patent/CN1692377A/zh
Application granted granted Critical
Publication of CN1692377B publication Critical patent/CN1692377B/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/003D [Three Dimensional] image rendering
    • G06T15/10Geometric effects
    • G06T15/40Hidden part removal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Generation (AREA)
  • Processing Or Creating Images (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种由3D图像数据集形成人体结构的独立显影的方法,该方法包括步骤:形成一个二进制数据集,其中将包含在3D图像数据集中的所有图像元素分为将要以独立的形式显示的图像元素和不显示的图像元素,其中借助图像值的极限值进行图像值的过滤,并且选取包含在3D图像数据集中的小于预定大小的图像结构的二进制数据集中所有图像元素;通过将原始3D图像数据集中的图像值输入给二进制数据集中被表征为将要以独立形式显示的图像元素的那些图像元素,形成一个经过滤的数据集;由该经过滤的数据集形成独立的人体结构的显影。本发明还涉及一种用于执行上述方法的设备,并且还涉及在计算机上运行时执行上述步骤的编程装置。

Description

形成人体结构的独立显影的方法和设备
技术领域
本发明涉及用于由三维图像数据集来形成人体结构的独立显影的一种方法、一种设备和一种计算机程序。
背景技术
对人体结构进行显影的方法是公知的。现代医疗诊断技术利用各种成像方法实现相关检查的功能。今天,断层扫描方法,比如计算机断层扫描和磁共振断层扫描,已经变得十分重要了;这些方法以多个分散的切片图像的形式均匀地对人体或其局部进行显影,这些切片图像相互之间以一定的间隔进行定位。于是医生能够通过观察多个切片图像来获得对人体内的结构的三维状态的印象。
在切片图像中,具有与相应的成像方法相关的互不相同的性质的人体结构是借助不同的图像值(比如灰度值、颜色)或通过其它图形区分手段来进行彼此区分的。
由于现代方法具有很高的分辨率,因此断层扫描图像通常包含有大量的信息。通过应用诸如显影剂的辅助使用、生物标志技术以及对借助不同的技术得到图像的叠加之类的现代技术,这一信息含量得到了进一步地提高。因此,人们发现了各种通过受控过滤来减少断层扫描图像的信息含量的方法,这样使得医生能够作出可靠的诊断和/或,例如,在可容忍的时间段内作出清晰的三维图像。
通常所执行的用于人体图像的过滤的步骤是诸如切片选择或对比选择这样的步骤。通过选定一个极限值来过滤图像也是一种公知技术。该极限值将图像值分为将要显示的图像值和不显示的图像值。可以通过定义上和下极限值来实现所要显示的图像值的区分选择。
WO01/54065公开了一种方法,该方法借助基本上自动的手段来检查肺中明显的结核组织。按照这种方法,借助多个连续的基于一个极限值的过滤操作以及轮廓检测操作对肺进行切片;然后对图像元素进行计数,以确定切片组织的大小,并分离出可能的病变组织。该方法给医生提供了一个缩减的图像数据集,该数据集含有由程序发现的可疑组织,并因此构成了一种诊断辅助手段。该方法具有这样的缺点:要检查任何肺部异常情况,都必须进行复杂的运算,并且提供给医生的是一个经过预先评价的数据集。然而,医生通常不喜欢这种类型的自动预先评价,因为医生其后就不能再对已经排除的组织进行控制了。
上面所述的方法可以为医生在检查人体图像的时候提供特定的帮助,因此有助于诊断。不过,其缺点是,只有消耗大量的时间,医生才能在三维图像数据集中得出一个指定人体结构的总体图像,其操作时间是难以接受的。因此,存在着对这样的数字方法的需求:该方法为医生提供经过预先过滤的数据集,不过,并没有对该数据集进行有关病理方面的预先评价,这样使得医生能够进行评价。由于时间和成本方面的压力的不断增加,而且,附加的诊断辅助手段不应需要大计算量,因此应当朝着减少大量数据的方向努力。
发明内容
本发明的一个目的是,提供一种能够由3D图像数据集得出人体结构的独立显影的方法和装置。
按照本发明,该目的是通过下述对3D图像数据集逐步进行的步骤来实现的:
-形成一个二进制数据集,在该数据集中,所有存在于所述3D图像数据集中的图像元素得以再分为将以独立形式显示的图像元素和将不显示的图像元素,其中图像值的过滤是借助极限值进行的,并且选取包含在3D图像数据集中的小于一个预定大小的图像结构的二进制数据集的所有图像元素,
-通过将原始的3D图像数据集的图像值输入给二进制数据集中被表征为将要以独立的形式显示的图像元素的那些图像元素来形成一个经过滤的数据集,
-由经过滤的数据集形成独立的人体结构的显影。
本发明基于这样的认识:通过逐步应用给定的过滤操作,能够选出人体结构,尤其是复杂精细的人体结构的图像元素,以获得经简化的数据集,由该数据集,可以以更简单快速的方式形成相应人体结构的显影。
在由原始的数据集形成二进制数据集的本方法的第一个步骤中,该原始数据集是借助断层扫描成像法得到的,比如计算机断层扫描法或磁共振断层扫描法,并且以大量具有给定图像值(例如,灰度值)的图像元素的形式包含了人体结构。在这个二进制数据集中,将3D图像数据集的所有图像元素再分为将要显示的图像元素和不显示的图像元素。
为了实现这一再分,首先确定一个图像值,该图像值用作后续过滤操作的极限值。然后将所有具有大于这个极限值的图像值的图像元素赋值为相同的二进制值(例如,1)。将所有具有小于这个极限图像值的图像值的图像元素赋值为不同的二进制值(例如,0)。
在本发明的第二个步骤中,对这样过滤了的二进制数据集以这样一种方式进一步进行过滤:形成大小小于一个给定、预定尺寸的图像结构的所有图像元素的二进制值都被改变。例如,这样能够将进行了极限值过滤之后具有图像值1的结构滤出,以致在本第二过滤步骤之后,它们具有图像值0。
在这样形成的再分的二进制数据集中,独立结构显影所需的所有图像元素具有相同的图像值(例如,1),而不需显示的所有图像元素具有一个不同的图像值(例如,0)。从这样再分得到的二进制数据集,形成了一个经过滤得出的数据集,其中所有将要显示的图像元素再次获得它们包含在原始的数据集中的图像值。为此,独立结构的显影所需要的所有图像元素(即,例如,具有图像值1的所有图像元素)使用的图像值是将原始的3D图像数据集中相应位置上的图像值输入给这一图像元素的图像值。
这样过滤得到的数据集包含独立结构显影所需的所有的图像元素,这些图像元素具有它们的原始图像值。利用惯用的方法(例如,最大强度投影),由这一数据集能够形成独立人体结构的显影。
按照本发明的方法提供了这样的优点:所述的过滤步骤的连续应用无需大的计算强度就能选取出将要显示的(可能是细枝末节的)结构的图像元素。所选取的图像元素的数量通常仅占包含在原始的3D图像数据集中的图像元素的很小的比例。由于这一简化,所需的存储空间和图像元素的处理所需的计算量都减小到了最基本的程度。这样就为医生提供了用于特别是细枝末节的结构的评定的快速简单的成像方法。
在进行过滤之后,通常只有原始的3D图像数据集中的少数图像元素保留下来,以便形成要以独立形式显示的人体结构。因此,为了数据缩减和易于管理过滤出来的数据,通常最好由过滤出来的数据集形成一个列表。这个图像元素的列表含有所要以独立形式显示的人体结构的图像元素的位置数据和图像值。独立人体结构的显影可以由这个列表简便地形成。
简化了的管理和数据缩减带来了这样的效果,通过利用当前计算机的现有计算能力对诊断用图像进行处理和评价,就能够进行实时处理,这样使得医生能够实时地改变放大倍数和观察方向。
为了将要以独立方式显示的图像元素与不显示的图像元素分离开来,可以使用所谓的区域生长法。为了这个目的,滤除了图像的给定区域,例如,人为现象区(artefact region)。为此,手工地或自动地将一个生长点设置在人为现象区中,从而滤除了所有与生长点具有相同的图像元素值且从生长点不用穿过具有不同图像值的图像元素就可以到达的图像元素。这样就简单快速地滤除了人为现象区域或位于完全由本成像方法覆盖的区域之外的成像区域。
最好借助所谓的形态开操作(morphological opening)法或距离变换法来选取小于预定尺寸的图像结构的图像元素。这样就能够借助一种快速的方法从经过预先过滤的数据集中选取出细枝末节的结构的显影所需要的小结构的图像元素。
在形态开操作法的第一个步骤中,为了过滤小于预定大小的结构,借助一个适当大小的模板对整个图像区域进行扫描,从而滤除掉了不能在一个或多个方向上完全填充该模板的所有图像结构。由于在经过了第一滤除步骤中的滤除之后,从大图像结构的边缘区域滤除掉的给定量依然存在,在第二步骤中,对这些大结构在边缘区域重新放大该给定量。
按照距离变换法,为每个图像元素分配一个距离值,该距离值描述该图像元素与最近的具有不同图像值的相邻图像元素之间的距离。这得到了一个起伏像,其中位于大结构中心的图像元素具有大的距离值,而位于小结构中的图像元素具有小的距离值。通过滤除具有小距离值的图像元素就可以滤除小的结构了。在这一方法中,在进行过滤之后剩下的大结构的边缘必须在第二步骤中被放大给定量。
为了提高处理速度,所述距离变换法最好包括通过整数类型斜面距离进行的距离变换。
按照常规,图像数据是以3D图像数据集的形式存在的。借助本发明的方法,以在切片中进行处理的方式,可以方便地对该图像数据集进行处理。由3D图像数据集,形成了切片图像,这些切片图像可以以任意的方式排列,并且还可以进行变换。在这种方案中,各个切片图像中的图像元素是像素。然后以这样的方式对各个切片图像进行处理:由这些切片图像的每一个形成相应的二进制数据集,并且执行上述的各个过滤步骤。然后可以以连续的方式或并行的方式对各个切片图像进行处理。当由切片图像形成了经过过滤的数据集时,这些数据集重新组合起来以形成一个经过过滤的3D图像数据集。以上述同样的方式可以由这一经过过滤的3D图像数据集形成人体结构的独立显影和/或可以首先将图像数据转换为一个图像元素的列表。
可使用公知的显影方法来进行图像元素的显影。此类显影方法之一是最大强度投影(MIP)法。按照MIP法,检索在从观察者的眼睛发出的一条虚拟视线上的具有最大图像值的图像元素,以进行显示。
另一种公知的显影方法是最接近血管投影(CVP)法。按照CVP法,检索在从观察者的眼睛发出的虚拟视线上位于最接近眼睛处的图像元素,以便选取进行显影。跟着就是以图像栅的形式给出大量视线,视线的数量取决于图像数据集的分辨率和/或观察者所需的图像分辨率。
但按照本发明的方法将经过过滤的图像数据集存放在含有所有要以独立方式进行显示的图像元素的空间坐标和图像值的列表中时,可以方便地以反向方式应用所给出的类型的显影方法。按照这种应用的反向方式,不是处理从虚拟的观察者的眼睛朝向图像元素的方向上的视线,而是在处理视线的同时继续处理来自虚拟的观察者的眼睛方向上的图像元素。因为要以独立方式显示人体结构的图像元素的列表通常仅含有少量图像元素,所以能够减少需要处理的视线的数量,并因此降低了所需的计算量。这样能够实现图像数据的快速处理。
为了实现所需计算量的进一步降低,可以在图像数据集或图像元素列表的图像元素的显影期间,对在视线的处理期间位于相关视线上的图像元素进行表征。这样所表征的图像元素就不必在显影的后续处理步骤中再进行处理了。
本发明还涉及一种用于由3D图像数据集形成人体结构的独立显影的设备,该设备包括:用于形成一个二进制数据集的装置,在该数据集中,所有存在于所述3D图像数据集中的图像元素被再分为将以独立形式显示的图像元素和将不显示的图像元素;过滤器装置,用于借助图像值的极限值来选择图像值;用于选取包含在3D图像数据集中的、小于一个预定大小的图像结构的二进制数据集的所有图像元素的装置;用于通过将原始的3D图像数据集的图像值输入给二进制数据集中被表征为将要以独立的形式显示的图像元素来形成一个经过滤的数据集的装置;和显示装置,用于由过滤得到的数据集形成独立的人体结构的显影。
本发明还涉及一种计算机程序,用于从3D图像数据集中形成独立的人体结构显影,该计算机程序包括当在计算机上运行时执行权利要求1中所述的方法的各步骤的程序装置。
该计算机程序包括多个程序装置,用于
-从3D图像数据集形成一个二进制数据集,
-借助图像元素值的极限值对图像元素进行过滤,
-选取小于给定尺寸的图像结构的图像元素,
-形成一个经过滤的数据集,和
-形成一个独立人体结构的显影。
当在计算上运行时,这些程序装置完成在权利要求1中公开的方法的步骤。
附图说明
在下文中,将参照附图对本发明的优选实施例进行详细地说明,其中:
附图1表示按照本发明的方法的流程图,
附图2表示在使用-400HU作为极限值进行过滤之后得到的胸腔的二进制数据集的二维切片图像,
附图3表示在利用区域生长法从该图像的四个角进行了过滤之后附图2的二进制图像数据集的二维切片图像,
附图4表示在滤除了所有小于给定尺寸的结构之后附图3的二进制图像数据集的二维切片图像,
附图5表示要以独立形式显示的图像元素的二维切片图像,和
附图6表示利用最大强度投影法得到的3D图像数据集中要以独立方式显示的图像元素的显影。
具体实施方式
参照附图1,按照本发明的优选方案的输入数据是由胸腔的三维数据集的图像数据组成的。该数据集是借助计算机断层扫描照射得到的。图像值与这个3D图像数据集中的每一个图像元素相关。这个图像值通常表示为CT值或者所谓的霍斯菲耳德氏单位(Hounsfieldunit),CT值或霍斯菲耳德氏单位是将组织的衰减值与水的衰减值相比而得到的单位。
将该3D图像数据集再细分为多个水平定位的切片图像。依照本发明的方法对这些切片图像单独进行处理。
在本方法的第一个步骤(附图1中的S1)中进行过滤,此时使用一个给定的HU作为极限值。将具有小于这一极限值(对于肺部组织显影而言,最好等于-400HU)的值HU的所有图像元素的图像值都设置为0,并且将所有大于这一极限值的图像元素的图像值都设置为1。如附图2所示,在执行了这一步骤之后,诸如骨骼、脂肪、肝脏和血液之类的人体组织30被设置为1,而人体周围的空气10、肺中存在的空气和肺实质组织20被设置成了0。
在本方法的后续步骤(附图1中S2)过程中,开始进行区域生长,即,从设置在切片图像的四个角的四个生长点开始进行生长。不过,也可能设置多于或少于四个的生长点。这些生长点是以这样一种方式进行设置的:将一个区域中设置为0的图像元素设置为1。随后,围绕着相应图像元素且具有值0的所有图像元素均设置成了1,并且区域生长从这些图像元素的每一个起继续进行。病人身体周围的整个空气空间,包括放置病人的垫子40以及身体周围的圆形噪声环50都被设置成了1。本方法的这一步骤得出了如附图3所示的二进制图像。
此外,生长点也可以根据需要设置在结构中,比如设置在呼吸道中,认为呼吸道是具有很小的HU(接近-1000HU)的小区域。本区域生长法同样以这种方式将小的呼吸道设置为1。
在本方法的这一区域生长步骤之后,所有小于给定尺寸的小的肺部组织都将在本方法的另一个步骤(附图1中的S3a、S3b)中被设置为0。于是可以采用形态开操作法(附图1中的S3a)。按照这一方法,将借助一个结构单元,比如一个具有给定直径的圆,对二进制切片图像进行栅格化,该圆的直径大到足以包含感兴趣的肺部组织,这些肺部组织小于给定的尺寸。然后将所有无法完全填入所述结构单元的结构的图像元素设置为0。将所有两倍于结构单元大小(或圆的直径)的结构也设置为0。而且,在所有大于结构单元的两倍的结构的边缘区域内,将相当于结构单元的大小的厚度的边缘地带和度设置为1。因此,本方法接在所述栅格化操作后面的步骤中,将边缘地带内的所有剩余结构再次放大相当于结构单元的大小的倍数。
这一步骤还利用了距离变换方法(附图1中S3b)代替形态开操作法。按照该距离变换法,为每个图像元素赋予一个图像值,该图像值等于相应的图像元素与最近的具有不同图像值的图像元素之间的距离。这一赋值得到这样的结果,由二进制切片图像形成了一个浮雕状的图像;在这个浮雕图像中,大的组织的边缘地带的图像元素和小的组织的图像元素具有小值,反之,大的组织的中央处的图像元素具有高的值。当把所有小于一个给定值的图像元素都设置为0时,小的组织能够因此全部得以设置为零,而对于大的组织来说,只有边缘地带得以设置为零。在后续的步骤中,后者能后得以重新恢复,即,通过使用与形态开操作法中相同的方法对剩余的结构重新放大。
本方法的这一步骤得到了附图4所示的二进制图形。
在执行了上述的过滤操作之后,可以通过逻辑AND组合来选取要以独立形式显示的图像元素(附图1中的步骤S4)。这一操作是以这样的方式进行的:选取所有这样的图像元素:
一方面在完成了形态净化(或距离变换)法之后得到的二进制数据集(附图1中的二进制数据集B)中具有值0,且
还在借助极限值进行过滤的方法的第一个步骤完成之后得到的二进制数据集(附图1中的二进制数据集A)中具有值1。
于是得到了一个如附图5所示的二进制数据集的显影。这些图像元素(感兴趣的立体像素)被再次分配图像值,这些图像值包含在相关图形元素的原始的3D图像数据集中(附图1中的S5)。
然后,通过包含着要以独立形式显现的图像元素并且是由多个切片图像形成的图像数据集,形成了一个列表,该列表中是输入给每个图像元素的各自的空间坐标和图像值(附图1中的S6)。
这样,能够由具有512个切片和0.68mm2×0.6mm3的分辨率且含有接近138兆个立体像素的胸腔图像的典型的数据集形成一个将以独立方式显现的立体像素(感兴趣的立体像素)的列表。这个列表典型地含有小于一兆的立体像素,就是说,小于原始数据量的1%。
如附图6所示,通过应用最大强度投影(MIP),可以由这个列表形成三维结构的二维投影。然后为包含在该列表中的各个立体像素计算观察角度,并且确定出在一个观察方向上具有最大图像值的立体像素。然后将这样确定的立体像素显现在二维投影中。
另外,也可以使用最接近血管投影(closest vessel projection)(CVP)法来确定在观察方向上最接近观察者的立体象素,以便将其显现在二维投影中。
为了给观察者提供独立的人体结构的三维感受或深度信息,可以使观察角度自动且连续地变化,从而得到了这样一种感觉:人体结构好像围绕着一个空间轴转动。由于前面介绍的数据减少的作用,借助通常可用的计算能力,就可以实时从这种观察模式所需的不同观察方向实现人体结构的大量二维投影。这样就能够得到均匀且流畅的感觉。
亦可方便地实现观察角度的变化和图像细节的选择(放大功能),这是由用户控制的。这样的用户控制可借助计算机键盘或鼠标进行。由于前面所述的数据减少,利用常规可用的计算能力,可实时地进行由用户控制的观察角度的变化以及由用户选择的细节的放大或缩小。就计算量和计算时间的多寡而言,当在进行这一计算之前,将所要显示的图像元素以图像元素列表的形式进行保存是非常有益的。
假若在给定环境下可用的计算量不足以进行实时计算,亦可在第一步骤中计算来自不同观察方向上的给定的二维投影,而利用前面计算的投影,可在第二步骤中形成人体结构的均匀且流畅旋转的显影。
在以这种方式预先计算了观察方向的情况下,还可实现有限的用户控制形式,在这种形式下,用户可得到的旋转仅限于围绕给定轴的旋转,例如,专门围绕z轴旋转,并且在这种形式下,这种受限的旋转可能有的观察方向是预先计算的。

Claims (9)

1.一种由3D图像数据集形成一个独立的人体结构显影的方法,该方法包括步骤:
-形成一个二进制数据集,在该数据集中,将所有存在于所述3D图像数据集中的图像元素再分为将以独立形式显示的图像元素和将不显示的图像元素,其中
a1.借助极限值(S1)对图像值进行过滤,其中具有小于所述极限值的图像值的图像元素被设置成第一逻辑值,并且具有大于所述极限值的图像值的图像元素被设置成第二逻辑值,和
a2.选取包含在3D图像数据集中的、小于一个预定大小的图像结构的二进制数据集的所有的图像元素,
-通过将原始的3D图像数据集的图像值输入给二进制数据集中被表征为将要以独立的形式显示的图像元素的那些图像元素来形成一个经过滤的数据集,
-由经过滤的数据集形成独立的人体结构的显影。
2.按照权利要求1所述的方法,其特征在于,由经过滤的数据集形成图像元素的列表,该列表具有将要以独立的形式显示的所有图像元素的位置数据和相关的图像值,并且由这个列表形成独立的人体结构(30)的显影。
3.按照权利要求1所述的方法,其特征在于,为了形成二进制数据集,将要以独立的形式显示的图像元素区域和不显示的图像元素区域是借助区域生长法(S2)得以彼此分离的。
4.按照权利要求1所述的方法,其特征在于,使用了形态开操作法(S3a),以选择将要以独立的形式显示的图像元素区域和不显示的图像元素区域。
5.按照权利要求1所述的方法,其特征在于,使用了距离变换方法(S3b),最好包含一个整数类型斜面距离,以选择将要以独立的形式显示的图像元素区域和不显示的图像元素区域。
6.按照权利要求1所述的方法,其特征在于,切片中的二维数据集的处理在本方法的至少一个步骤中进行,在本方法的这些步骤中的图像元素是像素。
7.按照权利要求2所述的方法,其特征在于,为了对图像元素列表的图像元素进行显影,以反向方式使用了一种显影方法,尤其是最大强度投影或者最接近血管投影法,以所述反向方式,路径是沿着从包含在图像元素列表中的图像元素到一个虚拟的观察者的眼睛的方向。
8.按照权利要求1所述的方法,其特征在于,以独立的形式对肺部(30)进行显影。
9.一种从3D图像数据集形成独立的人体结构(30)显影的设备,该设备包括:
-用于形成一个二进制数据集的装置,在该数据集中,所有存在于所述3D图像数据集中的图像元素被再分为将以独立形式显示的图像元素和将不显示的图像元素,其中用于形成一个二进制数据集的装置适用于:
a1.借助图像值的极限值对图像值进行过滤,其中具有小于所述极限值的图像值的图像元素被设置成第一逻辑值,并且具有大于所述极限值的图像值的图像元素被设置成第二逻辑值,和
a2.选取包含在3D图像数据集中的、小于一个预定大小的图像结构的二进制数据集的所有的图像元素,
-用于通过将原始的3D图像数据集的图像值输入给二进制数据集中被表征为将要以二进制形式显示的图像元素的那些图像元素来形成一个经过滤的数据集的装置,
-显示装置,用于由经过滤的数据集形成独立的人体结构的显影。
CN02824444.3A 2001-12-07 2002-12-06 形成人体结构的独立显影的方法和设备 Expired - Fee Related CN1692377B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE10160206A DE10160206A1 (de) 2001-12-07 2001-12-07 Verfahren und Vorrichtung zur Erstellung einer isolierten Darstellung von Körperstrukturen
DE10160206.5 2001-12-07
PCT/IB2002/005236 WO2003049040A2 (en) 2001-12-07 2002-12-06 Method and device for forming an isolated visualization of body structures

Publications (2)

Publication Number Publication Date
CN1692377A CN1692377A (zh) 2005-11-02
CN1692377B true CN1692377B (zh) 2011-01-12

Family

ID=7708412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN02824444.3A Expired - Fee Related CN1692377B (zh) 2001-12-07 2002-12-06 形成人体结构的独立显影的方法和设备

Country Status (7)

Country Link
US (1) US7349569B2 (zh)
EP (1) EP1459262A2 (zh)
JP (1) JP4473578B2 (zh)
CN (1) CN1692377B (zh)
AU (1) AU2002365732A1 (zh)
DE (1) DE10160206A1 (zh)
WO (1) WO2003049040A2 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10160206A1 (de) * 2001-12-07 2003-06-18 Philips Intellectual Property Verfahren und Vorrichtung zur Erstellung einer isolierten Darstellung von Körperstrukturen
WO2004046995A2 (en) * 2002-11-20 2004-06-03 Koninklijke Philips Electronics N.V. Computer-aided detection of lung nodules
US7304644B2 (en) * 2003-03-12 2007-12-04 Siemens Medical Solutions Usa, Inc. System and method for performing a virtual endoscopy
US8140481B2 (en) * 2005-04-26 2012-03-20 Kabushiki Kaisha Toshiba Medical image filing system and medical image filing method
JP4812051B2 (ja) * 2006-03-30 2011-11-09 株式会社日立メディコ 磁気共鳴イメージング装置
US8123589B2 (en) * 2008-02-22 2012-02-28 Jockey International, Inc. System and method of constructing and sizing brassieres
US20090287119A1 (en) * 2008-05-16 2009-11-19 Stewart Chapman Breast volume measurement device and system
CN101650835B (zh) * 2009-09-09 2011-09-28 哈尔滨工业大学 基于局部线性嵌入法构建狗左心室传导系统三维几何结构
EP2856428B1 (en) * 2012-06-01 2022-04-06 Koninklijke Philips N.V. Segmentation highlighter
CN111968063B (zh) * 2020-09-07 2024-01-26 凌云光技术股份有限公司 一种形态学图像滤波装置及方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US21264A (en) * 1858-08-24 Improvement in machines for breaking h em p
US28006A (en) * 1860-04-24 Machine toe adding- numbers
US5570404A (en) 1994-09-30 1996-10-29 Siemens Corporate Research Method and apparatus for editing abdominal CT angiographic images for blood vessel visualization
US5782762A (en) 1994-10-27 1998-07-21 Wake Forest University Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen
US5920319A (en) 1994-10-27 1999-07-06 Wake Forest University Automatic analysis in virtual endoscopy
US5903664A (en) 1996-11-01 1999-05-11 General Electric Company Fast segmentation of cardiac images
US5832134A (en) 1996-11-27 1998-11-03 General Electric Company Data visualization enhancement through removal of dominating structures
US6282307B1 (en) 1998-02-23 2001-08-28 Arch Development Corporation Method and system for the automated delineation of lung regions and costophrenic angles in chest radiographs
US6396939B1 (en) * 1998-05-28 2002-05-28 Orthosoft Inc. Method and system for segmentation of medical images
US6898303B2 (en) 2000-01-18 2005-05-24 Arch Development Corporation Method, system and computer readable medium for the two-dimensional and three-dimensional detection of lesions in computed tomography scans
US6944330B2 (en) * 2000-09-07 2005-09-13 Siemens Corporate Research, Inc. Interactive computer-aided diagnosis method and system for assisting diagnosis of lung nodules in digital volumetric medical images
DE10044844A1 (de) * 2000-09-11 2002-04-04 Siemens Ag Verfahren ,Vorrichtung und Software zur Trennung der Einzelobjekte einer aus 3D-Datensätzen medizinischer Untersuchungsverfahren segmentierten anatomischen Struktur
US7072501B2 (en) * 2000-11-22 2006-07-04 R2 Technology, Inc. Graphical user interface for display of anatomical information
US6463181B2 (en) * 2000-12-22 2002-10-08 The United States Of America As Represented By The Secretary Of The Navy Method for optimizing visual display of enhanced digital images
DE10160206A1 (de) * 2001-12-07 2003-06-18 Philips Intellectual Property Verfahren und Vorrichtung zur Erstellung einer isolierten Darstellung von Körperstrukturen
US6956373B1 (en) * 2002-01-02 2005-10-18 Hugh Keith Brown Opposed orthogonal fusion system and method for generating color segmented MRI voxel matrices
US7447535B2 (en) * 2003-08-04 2008-11-04 Koninklijke Philips Electronics N.V. Mapping the coronary arteries on a sphere

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
armato s g et al.automated detection of pulmonary nodules in helicalcomputed tomography images of the thorax.proceeding of the spie3338 part 1/2.1999,第917页第9行-第918页倒数第1行,摘要.
armato s g et al.automated detection of pulmonary nodules in helicalcomputed tomography images of the thorax.proceeding of the spie3338 part 1/2.1999,第917页第9行-第918页倒数第1行,摘要. *
Fan l et al.automatid detection of lung nodules from multi-slice low-dosect images.proceedings of the spie4322.2001,第1829页第16行-1834页第17行,摘要. *
pudney C.distance-ordered homotopic thinning:a skeletonizationalgorithm for 3D digital images.computer vision and image understanding, academic press72 3.1998,第404页,第407页右栏第6行-第32行.
pudney C.distance-ordered homotopic thinning:a skeletonizationalgorithm for 3D digital images.computer vision and image understanding, academic press72 3.1998,第404页,第407页右栏第6行-第32行. *
yi sun et al.small vessel enhancement in MRA images using localmaximum mean processing.IEEE transactions on image processing10 11.2001,第1687页-第1699页,图2.
yi sun et al.small vessel enhancement in MRA images using localmaximum mean processing.IEEE transactions on image processing10 11.2001,第1687页-第1699页,图2. *

Also Published As

Publication number Publication date
US7349569B2 (en) 2008-03-25
AU2002365732A8 (en) 2003-06-17
WO2003049040A2 (en) 2003-06-12
JP4473578B2 (ja) 2010-06-02
CN1692377A (zh) 2005-11-02
AU2002365732A1 (en) 2003-06-17
JP2005511177A (ja) 2005-04-28
US20050036679A1 (en) 2005-02-17
EP1459262A2 (en) 2004-09-22
DE10160206A1 (de) 2003-06-18
WO2003049040A3 (en) 2004-03-11

Similar Documents

Publication Publication Date Title
Stytz et al. Three-dimensional medical imaging: algorithms and computer systems
US7920734B2 (en) Method for visualization of plaque deposits from 3D image data records of vessel structures
US7860331B2 (en) Purpose-driven enhancement filtering of anatomical data
CN101036165B (zh) 用于树模型显像以检测肺栓塞的系统和方法
US7397475B2 (en) Interactive atlas extracted from volume data
CN100561518C (zh) 基于感兴趣区域的自适应医学序列图像插值方法
CN107230206A (zh) 一种基于多模态数据的超体素序列肺部图像的3d肺结节分割方法
JP5295562B2 (ja) フレキシブル3次元回転血管造影−コンピュータ断層撮影融合方法
US20040175034A1 (en) Method for segmentation of digital images
EP2144199B1 (en) Method and apparatus for multimodal visualization of volume data sets
CN112529834A (zh) 病理图像模式在3d图像数据中的空间分布
Sun et al. 3D computerized segmentation of lung volume with computed tomography
CN1692377B (zh) 形成人体结构的独立显影的方法和设备
EP3047455B1 (en) Method and system for spine position detection
CN106408576A (zh) 基于三维超声图像的感兴趣区域的自动分割方法及系统
CN114649084A (zh) 计算机实现的用于运行医学成像设备的方法和成像设备
Udupa 3D imaging: principles and approaches
CN102548480B (zh) 医用图像显示设备和方法
EP3989172A1 (en) Method for use in generating a computer-based visualization of 3d medical image data
US7447343B2 (en) Method for automatic object marking in medical imaging
Manssour et al. Visualizing inner structures in multimodal volume data
CN111563877B (zh) 一种医学影像的生成方法及装置、显示方法及存储介质
Tory et al. Visualization of time-varying MRI data for MS lesion analysis
US20110285695A1 (en) Pictorial Representation in Virtual Endoscopy
Chen Histogram partition and interval thresholding for volumetric breast tissue segmentation

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20110112

Termination date: 20201206

CF01 Termination of patent right due to non-payment of annual fee