CN1742293A - 用于分析生物组织图像的方法和装置 - Google Patents

用于分析生物组织图像的方法和装置 Download PDF

Info

Publication number
CN1742293A
CN1742293A CNA038260034A CN03826003A CN1742293A CN 1742293 A CN1742293 A CN 1742293A CN A038260034 A CNA038260034 A CN A038260034A CN 03826003 A CN03826003 A CN 03826003A CN 1742293 A CN1742293 A CN 1742293A
Authority
CN
China
Prior art keywords
image
pixel
stage
quadrant
homo
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
CNA038260034A
Other languages
English (en)
Other versions
CN100431494C (zh
Inventor
尼古拉·迪奥瓜尔迪
法比奥·格里齐
卡洛·鲁索
芭芭拉·弗兰切斯基尼
皮尔卡洛·穆齐奥
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.)
Renaimilasolay S P A
Humanitas Mirasole SpA
Original Assignee
Renaimilasolay S P A
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 Renaimilasolay S P A filed Critical Renaimilasolay S P A
Publication of CN1742293A publication Critical patent/CN1742293A/zh
Application granted granted Critical
Publication of CN100431494C publication Critical patent/CN100431494C/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
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30096Tumor; Lesion

Landscapes

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

Abstract

本发明涉及一种用于处理生物组织特别是人或动物器官的图像的方法和装置。也可以进行生物体部分或组织或者其中所包含的反常材料斑点或者集合体的测量的量化。本发明特别应用于计算机辅助X线断层摄影术。特别地,本发明包括下列步骤:1a)将图像重复地分成不同尺寸的图框;2a)以每个分隔比例计算每个象限的相对色散(RD),其通过标准偏差除以像素的平均值而获得,以便使每个象限关联于一组RD值;3a)生成同质图作为灰度图像,每一点的亮度由用于每个象限的一组RD值的平均数给定,其中具有更高亮度的图像区域相应于同质区域。

Description

用于分析生物组织图像的方法和装置
技术领域
本发明涉及一种用于处理生物组织特别是人或动物器官图像的方法和装置。利用本发明方法也可以进行生物体部分或组织或者其中所包含的反常材料斑点或者集合体的测量的量化。
根据本发明的方法特别应用于计算机辅助X线断层摄影术。
背景技术
关于术语“反常材料斑点或者集合体”,它是指在形态学上与病理状态或者引起前或后病理情形的状态相关的材料斑点或者集合体。反常材料斑点或者集合体的实例可以是瘤、动脉粥样硬化斑、水肿、血肿、急性或慢性炎性病变、伤疤以及胶原质疾病。
当病理诊断要求观察身体部分或器官的时候,这样的观察可以直接或者通过间接的装置进行,诸如X光线照相术、计算机辅助X线断层摄影术(CAT)、描述生态分析等。图像,即观察到的身体部分或器官的数字图像,能够利用计算机采集和分析。
计算机辅助X线断层摄影术(也已知为CAT或CT扫描)是非侵入性的诊断测试,其将X射线的使用和计算机技术结合。CAT扫描仪由环形主体构成,其中能够使患者的床慢慢地通过。在环形主体的里面,设有X射线管和在直径上相对于X射线管定位的检测器箱。X射线管和检测器同步地沿着环并且因此绕着患者的身体旋转360°。很多扫描用于每一个身体断面,所以生成该断面的2D图像。当身体穿过环,身体—或者所选中的身体部分—的完全扫描沿着Z轴进行。通过将几个断面的图像组合,通过计算机利用复杂的算法进行被分析的身体部分的3D重现。
CAT扫描经常用于检测和观察软组织畸形、特别是脑、胸腔、腹部以及骨盆中的软组织。CAT图像包括比传统X射线技术更高水平的细节。实际上,虽然X光线照相术获取从20至30的灰度阴影,但是利用CAT可以达到高达200的灰度阴影。
在很多通过CAT扫描拍摄的图像中,由于不同物体的颜色或者亮度的同质,能够检测出不同的物体。但是,发现几种情况,特别是在模糊的图像的情况下,其中或多或少的不确定的轮廓使得物体的分界非常困难。在这些情况下,当医生观察X射线或CAT图像的时候,他仅仅能够识别出具有类似同质的面积或区域。
显然,在没有引人注目和不允许的计算误差的情况下,不能够实现这些物体的量化分析。另一方面,这些物体的测量的量化对于病理的精确诊断是关键的。典型的实例是动脉粥样硬化斑或瘤的范围的估计。在这种情况下,已知的装置不能够正确量化所需参数,诸如体积,因此分析的结果可能是不正确或者甚至误导的。因此存在改进装置的需要,其允许任何需要量化的项目的细胞参数的正确量化。
发明内容
本发明处理上述和其他问题并且利用在所附权利要求书中说明的方法和装置解决它们。
附图说明
参考附图,从以下以非限制性的实例方式给出的本发明优选实施例的说明中可以更加清楚本发明用于分析不规则形状的物体图像的方法和装置的其他特征和优点,其中:
图1是根据本发明的装置的示意图;
图2是表示根据本发明处理图像的方法的流程图。
具体实施方式
将在下文中描述的实例涉及用于采集和处理图像的系统1,包括传统的CAT扫描仪2,其带有能够越过CAT扫描仪的机动床3。
CAT扫描仪2设置有X射线管4和在直径上相对于X射线管定位的检测器箱5。X射线管4和检测器箱5在分析期间能够同步地绕着所述的床3旋转,其中病人躺在床上。
电子图像采集装置6可操作地连接于所述的检测器箱5。电子图像采集装置6接着可操作地连接于处理系统7。处理系统7可以利用个人计算机(PC)来实现,其包括将例如中央处理单元(CPU)的处理装置与存储装置连接的总线,存储装置包括例如,RAM工作存储器、只读存储器(ROM)—其包括用于启动计算机的基本程序—、磁性硬盘、可选的用于读取光盘(CD-ROMs)的驱动器(DRV)、可选的用于读/写软盘的驱动器。而且,处理系统7可选地包括用于控制与远程信息处理网络通讯的调制解调器或者其他网络装置、键盘控制器、鼠标控制器和视频控制器。键盘、鼠标和监视器8连接于各自的控制器。电子图像采集装置6利用接口端口(ITF)连接于总线。机动床3利用控制接口端口(CITF)连接于总线,通过该端口沿着直角坐标轴调节工作台的运动。
在执行阶段期间加载到工作存储器中的程序(PRG)和各自的资料库存储于硬盘上。典型地,程序(PRG)分布在一个或几个CD-ROM用于在硬盘上安装。
如果处理系统7具有不同的结构,例如,如果它由可以连接有不同终端的中央单元或者由远程计算机网络(诸如,因特网、内联网、虚拟的个人网络)构成,如果它具有其他单元(诸如打印机)等,那么相似的考虑适用。或者,程序提供在软盘上,预装入到硬盘上,或者存储到任何其他能够被计算机读取的基底上,利用远程信息处理网络发动到用户的计算机,由无线电广播,或者更通常地,以能够直接装载到用户计算机的工作存储器中任何形式提供。
应该指出,由计算机系统7通过执行程序PRG能够进行本发明的方法的一些步骤。
利用以DICOM格式的标准化强度值进行从CAT扫描仪到电子图像采集装置6的图像的采集。DICOM(医学数字成像和通讯)是国际上承认的用于在计算机之间传输放射性的图像的工业标准。采集的图像利用DICOM强度值的窗口转换为8位可兼容的PC格式,其中强度值可以依据要被分析的生物的项目而改变。例如,在肺的情况下,下列的DICOM的参数是适用的:窗口=1100,级别=-400。这是由于包含12位图像信息的DICOM格式,从中它应该选取8位信息的子集。这通过采用窗口和级别的值来实现,该值指明要被考虑的信息的范围。
然后以256灰度将选中的图像存储到处理系统的存储装置中。文件格式可以是通常使用的图像格式中的一种,诸如jpeg或bitmap。优选地,使用高质量的jpeg格式,以保持所需的图像清晰度并且节省存储空间。
根据本发明图像处理的第一阶段是同质图生成阶段(HOMO-GEN阶段)。
HOMO-GEN阶段包括下列步骤:
1a)将图像重复地分成不同尺寸的图框(box),首先在四个象限,然后由线性或指数阶跃继续进行直到预定的尺寸;
2a)以每个分隔比例计算每个象限的相对色散(RD),其通过标准偏差除以像素的平均值获得,以使每个象限关联于一组RD值;
3a)生成同质图作为灰度图像,每一点的亮度由用于每个象限的一组RD值的平均数给定,并且在从0至255的范围中扩大RD平均值,其中图像的区域具有相应于同质区域更高的亮度;
4a)可选地,选择具有超过预定极限值的RD的同质图的象限,在处理系统7的存储装置中保存它们的位置并且重现由所述选中的象限构成的图像。
在步骤1a)中,用语“由线性或指数阶跃进行”意味着再分能够遵循指数规则(也就是说,从边长=1开始,再分将是1/2、1/4、1/8、1/16等等)或者线性规则(诸如,初始边长的1/2、1/3、1/4、1/5等等)。
在步骤1a)中所述的“预定尺寸”是超过1像素的边的值并且该值能够由一般技术人员根据具体情况确定。
在步骤3a)中,“在从0至255的范围中扩大RD的平均值”的步骤通过关联于每个像素的RD平均值乘以1到255的整数N来进行。优选地,N是255。RD平均值通常被包括在0和1之间,但是它们也可以具有超过1的值。在后面这种情况下,扩大的RD值将超过255:由于这是不可能的值,因此它被设置为255。
在步骤3a)中,根据在本领域中专家所公知的统计学方法,利用每次再分的RD值能够将所述的平均值加权。
上述的同质图的生成允许人们识别以特定同质性为特征的区域。如前面所述,这在比如CAT图像的情况中是绝对必要的,其中在这些情况中由仪器采集的数字图像经常是模糊的并且因此不同的项目的识别对目视分析是困难的。
可选的步骤4a)是优选的,为了更好地划定同质区域的界限并且因此允许直接识别和量化它们。
根据本发明优选的实施例,该方法进一步包括生成双像的步骤,其中将最初的CAT图像和相应的同质图像并排放置。这使得由医生进行的同质图的判读变得容易。
根据本发明的方法的下一个阶段是同质清洁阶段(HOMO-CLEAN阶段)。
该阶段包括下列步骤:
1b)将根据HOMO-GEN阶段生成的同质图量化为1位以便生成黑白图像;
2b)在同质图中,使像素同源物(pixels homologues)变暗到量化为1位的所述图像中的暗像素;
3b)生成从步骤2b)得到的图像。
对于在同质图和在相应的量化为1位的图像中的术语“像素同源物”,它们指在这两个图像中具有相同直角坐标的那些像素。
HOMO-CLEAN阶段可以生成清洁的图像,其中要被观察的物体的背景被消除。但是,这样的物体,例如诸如肺的器官,可以是不同质的静态明显区域,不同质可能是由于在其中存在块或斑点。这些区域通常是医生更感兴趣的地方,诸如瘤、血肿或者在血管分析情况下的动脉粥样硬化斑,并且必须量化这些区域以便计算它们的面积以及它们在3D重现中的体积。应该注意到,这样的斑点或者块相对于周围组织具有更大的同质性。
因此,根据本发明的方法的下一个阶段是同质识别阶段(HOMO-ID阶段)。该阶段包括将根据上面的HOMO-CLEAN阶段生成的图像量化为1位的步骤。这允许使相应于较小同质性的图像区域的像素变暗,同时加强更同质区域的亮度。
在HOMO-CLEAN阶段和在HOMO-ID阶段中的将图像量化为1位的步骤根据下列步骤实现:
1c)为每个像素设定一个参数;
2c)将所述像素的参数与所述参数的预设的极限值或极限范围进行比较;
3c)以所述比较为基础选择激活像素的集群和非活动像素的集群。
所述的像素的参数优选地是亮度(灰度)。所述参数的所述预设的极限值或者范围将取决于要被检测的目标的类型,这转而取决于生物组织等的类型。这样极限值或者范围的选择能够由一般技术人员以经验为依据做出,对于特别的情况,不需要任何创造性技能的训练。例如,如果要被采集的物体是肺,那么极限范围应该是0-128。
上述的阶段,即HOMO-GEN、HOMO-CLEAN和HOMO-ID阶段,在通过沿被检查患者的身体部分的Z轴扫描获得的所有断面的图像上顺次执行。然后将这些如此处理过的断面图像结合以便重现3D图像。
本发明的方法的下一阶段因此是3D重现阶段(3D-R阶段)。根据本发明的程序,通过根据本领域中专家所熟知的操作常规将被检查身体部分的每个断面的2D图像交迭来获得3D图像。
在一些情况下,由于在分析进行的过程中被观察身体部分的即使较小运动,在一个2D图像和随后的2D图像之间沿扫描方向可能存在一些未对准。在这些特殊的情况下,本发明的方法提供在交迭的图像之间进行偏移量的调节。
在这种情况下,3D-R阶段包括下列步骤:
1d)沿Z轴将每个图像与随后的图像交迭;
2d)通过沿x轴和/或y轴相对移动图像使交迭的像素之间的亮度差最小化;
3d)针对每对相邻的图像重复步骤1d)和2d)。
当已经重现3D图像,本发明方法继续进行体积计算阶段(V-CLC阶段)。根据该阶段,确定被检查物体的体积。
V-CLC阶段包括下列步骤:
1e)在相应于第一物体断面的第一2D图像中计算每个物体的面积;
2e)将根据步骤1e)计算出的面积乘以在所述第一断面图像和随后断面的图像之间的距离,该距离沿扫描的Z方向,其中相同物体的图像被包含;
3e)依次重复用于每断面图像的步骤1e)和2e)。
被检查组织中的物体全部体积被确定为根据上述程序所计算的单独体积的总和。
根据步骤1e)的面积计算优选地通过计算属于同一物体的激活像素的数目并且然后乘以像素的面积来进行。
每个断面图像和随后一个之间的距离在CAT扫描技术中是已知的参数。
通过将物体的体积近似于基本上圆柱实体的体积来计算上述体积。但是,通过将它近似于圆锥的平截头体,体积计算如下:
v = 1 / 3 d ( A + a + Aa )
其中d是两个断面之间的已知距离,A是第一物体断面的面积并且a是第二物体断面的面积。
在本发明的另一个实施例中,在HOMO-CLEAN阶段之后即进行V-CLC阶段。HOMO-ID阶段在3D图像上进行,即在几个组成3D图像的2D图像上进行。最后进行V-CLC阶段以给出物体的体积。在图2中描述了本发明的方法的这种变型,见虚线。
也可以将物体的各个部分加亮,以便通过在HOMO-CLEAN阶段中选择不同的极限来量化子体积。例如,在肺中,通过在HOMO-CLEAN阶段中选择较亮的极限可以估计它的含水成分的同质/不同质的体积。
如上所公开的,本发明的方法具有如下优点,即通过清洁被检查物体的图像而改善CAT扫描的可视分析。
作为该特征的结果,还能更精确地计算体积,所以在患者的病理诊断中和在病理发展的评估中仅仅存在较小误差。
自然地,仅仅描述了根据本发明的几个用于分析生物组织试样的方法和装置的具体实施例,并且本领域的技术人员能够采取必要的修改以适应于特殊的应用但不脱离本发明的保护范围。

Claims (19)

1.处理由CAT扫描技术采集的图像的方法,包括同质图生成(HOMO-GEN)阶段,其包括下列步骤:
1a)将图像重复地分成不同尺寸的图框,首先在四个象限,然后由线性或指数阶跃继续进行直到预定的尺寸;
2a)以每个分隔比例计算每个象限的相对色散(RD),该RD通过标准偏差除以像素的平均值获得,以使每个象限关联于一组RD值;
3a)生成同质图作为灰度图像,每一点的亮度由每个象限的一组RD值的平均数给定,并且在从0至255的范围中扩大RD平均值,其中图像的具有更高亮度的区域对应于同质区域。
2.如权利要求1所述的方法,其中在步骤3a)中在从0至255的范围中扩大RD的平均值的步骤通过将与每个像素有关的RD平均值乘以1到255的整数N并且将所有在相乘之后超过255的扩大的RD值设定为255来进行。
3.如权利要求2所述的方法,其中N是255。
4.如权利要求1-3中任一项所述的方法,其中,进一步包括步骤:
4a)选择具有超过预定极限值的RD的同质图的象限,在处理系统(7)的存储装置中保存它们的位置并且重现由所述选中的象限构成的图像。
5.如权利要求1-4中任一项所述的方法,该方法进一步包括生成双像的步骤,其中将初始CAT图像和相应的同质图像并排放置。
6.如权利要求1-5中任一项所述的方法,进一步包括同质清洁(HOMO-CLEAN)阶段,包括下列步骤:
1b)将根据HOMO-GEN阶段的步骤3a)生成的同质图量化为1位以便生成黑白图像;
2b)在同质图中,使像素同源物变暗到量化为1位的所述图像中的暗像素;
3b)生成从步骤2b)得到的图像。
7.如权利要求1-6中任一项所述的方法,进一步包括同质识别(HOMO-ID)阶段,其包括将根据HOMO-CLEAN阶段的步骤3b)生成的图像量化为1位的步骤。
8.如权利要求6或7所述的方法,其中将同质图或者根据HOMO-CLEAN阶段的步骤3b)生成的图像量化为1位的所述步骤分别包括下列步骤:
1c)为每个像素设定一个参数;
2c)将所述像素的参数与所述参数的预设极限值或极限范围进行比较;
3c)以所述比较为基础选择激活像素的集群和非活动像素的集群。
9.如权利要求8所述的方法,其中所述的像素的参数是亮度。
10.如权利要求1-9中任一项所述的方法,进一步包括3D重现(3D-R)阶段,其包括将沿被检查物体的Z轴所收集的每个断面的2D图像交迭。
11.如权利要求10所述的方法,其包括下列步骤:
1d)沿Z轴将每个图像与随后的图像交迭;
2d)通过沿x轴和/或y轴相对移动图像使交迭的像素之间的亮度差最小化;
3d)针对每对相邻的图像重复步骤1d)和2d)。
12.如权利要求1-11中任一项所述的方法,进一步包括体积计算(V-CLC)阶段,其包括下列步骤:
1e)在相应于第一物体断面的第一2D图像中计算每个物体的面积;
2e)将根据步骤1e)计算出的面积乘以在所述第一断面图像和随后断面图像之间沿扫描的Z方向的距离,其中包含有同一物体的图像;
3e)针对每个断面图像依次重复步骤1e)和2e)。
13.如权利要求12所述的方法,其中被检查组织中的物体的全部体积确定为单独体积的总和。
14.如权利要求12或13所述的方法,其中根据步骤1e)计算的面积通过计算属于同一物体的激活像素的数目并且然后乘以像素的面积来进行。
15.如权利要求12-14中任一项所述的方法,体积计算为:
v = 1 / 3 d ( A + a + Aa )
其中d是两个断面之间的已知距离,A是第一物体断面的面积并且a是第二物体断面的面积。
16.一种用于采集和处理数字图像的系统(1),包括CAT扫描仪(2),其设置有机动床(3)和X射线管(4)以及在直径上相对于X射线管定位的检测器箱(5),X射线管(4)和检测器箱(5)能够同步地绕着所述床(3)旋转,系统(1)进一步包括可操作地连接于所述CAT扫描仪(2)的电子图像采集装置(6);可操作地连接于所述CAT扫描仪(2)和所述的图像采集装置(6)的处理系统(7),所述处理系统(7)包括处理单元(CPU)、包括RAM工作存储器和硬盘的存储装置,所述处理系统(7)运行程序(PRG)以执行如权利要求1-15中任一项所述的方法。
17.一种执行如权利要求1-15中任一项所述的方法的软件程序(PRG)。
18.一种计算机可读的载体,其包括执行如权利要求1-15中任一项所述的方法的程序(PRG)。
19.如权利要求16所述的系统(1)的应用,用于执行如权利要求1-15中任一项所述的方法。
CNB038260034A 2003-07-22 2003-07-22 用于分析生物组织图像的方法和装置 Expired - Fee Related CN100431494C (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IB2003/003332 WO2005008585A1 (en) 2003-07-22 2003-07-22 Method and apparatus for analyzing biological tissue images

Publications (2)

Publication Number Publication Date
CN1742293A true CN1742293A (zh) 2006-03-01
CN100431494C CN100431494C (zh) 2008-11-12

Family

ID=34073734

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB038260034A Expired - Fee Related CN100431494C (zh) 2003-07-22 2003-07-22 用于分析生物组织图像的方法和装置

Country Status (6)

Country Link
US (1) US20060251311A1 (zh)
EP (1) EP1646980A1 (zh)
JP (1) JP2007515970A (zh)
CN (1) CN100431494C (zh)
AU (1) AU2003247127A1 (zh)
WO (1) WO2005008585A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8229200B2 (en) * 2005-03-14 2012-07-24 General Electric Company Methods and systems for monitoring tumor burden
US9483484B1 (en) * 2011-05-05 2016-11-01 Veritas Technologies Llc Techniques for deduplicated data access statistics management
KR101615370B1 (ko) 2014-07-30 2016-04-26 주식회사 오즈텍 치아 법랑질의 부피 측정 시스템 및 그 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05344967A (ja) * 1992-06-16 1993-12-27 Toshiba Corp X線ct装置
US7477768B2 (en) * 1999-06-29 2009-01-13 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination of objects, such as internal organs
US6285732B1 (en) * 1999-11-16 2001-09-04 General Electric Company Methods and apparatus for adaptive interpolation reduced view CT scan
JP2002253546A (ja) * 2001-02-20 2002-09-10 Ge Medical Systems Global Technology Co Llc アーチファクト評価方法、アーチファクト評価プログラムおよびx線ct装置
DE10357206B4 (de) * 2003-12-08 2005-11-03 Siemens Ag Verfahren und Bildbearbeitungssystem zur Segmentierung von Schnittbilddaten

Also Published As

Publication number Publication date
WO2005008585A1 (en) 2005-01-27
JP2007515970A (ja) 2007-06-21
CN100431494C (zh) 2008-11-12
AU2003247127A1 (en) 2005-02-04
US20060251311A1 (en) 2006-11-09
EP1646980A1 (en) 2006-04-19

Similar Documents

Publication Publication Date Title
KR102581685B1 (ko) 딥 러닝을 이용한 3d 구강 악안면 구조의 분류 및 3d 모델링
US11373750B2 (en) Systems and methods for brain hemorrhage classification in medical images using an artificial intelligence network
US7860331B2 (en) Purpose-driven enhancement filtering of anatomical data
CN107464231B (zh) 用于确定医学成像的最佳操作参数的系统和方法
CN1509686A (zh) 定量组织脂肪含量的方法和装置
EP1662415A1 (en) Digital medical image analysis
CN1656499A (zh) 使用车轮投影分析的肺结节检测
CN1698540A (zh) 图像处理方法、图像处理系统以及x-射线ct系统
CN1670769A (zh) 计算机辅助定位目标的方法和系统
CN1518719A (zh) 根据多层面高分辩率计算机断层摄影图像自动检测肺肿瘤的方法和系统
CN1449721A (zh) 具有医学图像测量功能的医学图像处理装置
EP2936430B1 (en) Quantitative imaging
EP2205157A2 (en) System for quantification of neovasculature in ct volumes
CN101028196A (zh) 对对象的运动进行分析的方法和断层造影装置
CN1947151A (zh) 用于在图像中使用发散梯度场响应进行基于滑降的对象分割的系统和方法
Bianchi et al. Software comparison to analyze bone radiomics from high resolution CBCT scans of mandibular condyles
CN1708765A (zh) 计算机辅助乳房透视诊断显示器
CN111127430A (zh) 确定医学影像显示参数的方法及装置
CN111199566A (zh) 医疗图像处理方法、装置、存储介质及计算机设备
CN101034473A (zh) 计算机辅助识别断层造影中高对比度对象的方法和系统
CN1600273A (zh) 断层造影成像检查设备的运行方法和x射线断层造影设备
KR20170087320A (ko) 단층 영상 생성 장치 및 그에 따른 단층 영상 복원 방법
CN1615801A (zh) 计算机辅助图像获取和诊断系统
CN1269082C (zh) 图像灰度变换方法、装置和系统
CN1742293A (zh) 用于分析生物组织图像的方法和装置

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
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20081112

Termination date: 20090824