CN1870050A - 用于dti纤维跟踪的自动种子点选择 - Google Patents

用于dti纤维跟踪的自动种子点选择 Download PDF

Info

Publication number
CN1870050A
CN1870050A CNA2006100878100A CN200610087810A CN1870050A CN 1870050 A CN1870050 A CN 1870050A CN A2006100878100 A CNA2006100878100 A CN A2006100878100A CN 200610087810 A CN200610087810 A CN 200610087810A CN 1870050 A CN1870050 A CN 1870050A
Authority
CN
China
Prior art keywords
pixel
value
pixels
threshold
equal
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
CNA2006100878100A
Other languages
English (en)
Inventor
汪治洲
Y·陈
M·S·纳达
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.)
Siemens Corporate Research Inc
Original Assignee
Siemens Corporate Research Inc
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 Siemens Corporate Research Inc filed Critical Siemens Corporate Research Inc
Publication of CN1870050A publication Critical patent/CN1870050A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/69Microscopic objects, e.g. biological cells or cellular parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了用于自动产生用于扩散张量图像中的纤维跟踪的种子点区域的方法。这些方法基于相关区域生长。也公开了包括各向异性分数阈值处理和主特征向量相似性的种子点选择标准。

Description

用于DTI纤维跟踪的自动种子点选择
技术领域
本发明涉及用于处理数字图像的系统和方法。更具体地说,本发明涉及用于处理诸如神经纤维的物质的扩散张量图像和跟踪所述物质的路径的系统和方法。
背景技术
本申请要求于2005年5月26日提交的美国临时申请No.60/684,659的权益,在此将该申请引入作为参考。
在许多技术应用中,数字图像是极其普遍的。例如,存在许多类型的如今在医疗诊断中所使用的数字图像,这些数字图像包括但不限于由磁共振成像所产生的扩散张量图像(DTI)。
数字图像的处理已经变得非常复杂。因此,数字图像处理可能经常需要有效的处理资源。另外,数字图像处理也可能是非常费时的。
例如,常常希望分割数字图像中的对象。在分割对象期间,必需通过选择位于对象图像内的一个或多个像素或者一个或多个体素来在图像中播种(seed)要分割的对象,所述要分割的对象将作为特定轨迹的起始点。一旦适当的种子被选择,则各种处理技术可被用于分割和进一步处理对象图像。
问题之一是,选择种子可能是困难的或者费时的。种子典型地由用户来选择。所选择的种子时常并不会导致对象的正确分割。在这些情况下,必须选择新种子,并且重复处理。因此,必须重复已经冗长且耗用资源的处理。
因此,需要用于播种和用于分割数字图像中的对象的新的和改进的系统和方法。
发明内容
本发明的一个方面提供一种处理具有对象和来自数字图像的所选择的像素的数字图像的方法。该方法包括:选择数字图像中的第一像素和第二像素。然后,软件应用程序确定,与第二像素相关的各向异性分数(Fractional Anisotropy)或FA值是否大于或等于第一阈值。软件应用程序还确定,与第二像素相关的主特征向量(Dominant EigenVector)或DEV值和与所选择的像素相关的DEV值之间的差是否小于或等于第二阈值。然后,如果与第二像素相关的FA值大于或等于第一阈值,并且DEV差小于或等于第二阈值,则软件应用程序建立具有第二像素和所选择的像素作为元素的集合(set)。
第一像素也优选地被包括在所述集合中。依据本发明另一优选实施方案,只有当所选择的第一像素具有大于或等于第一阈值的FA值时,才完成处理。
依据本发明的另一方面,利用该过程处理数字图像中的多个像素,以确定哪个像素可以被选择为与第一像素相关的种子点(seedingpoint)。
因此,依据本发明另一方面,选择数字图像中的多个像素。然后,对于多个像素中的一个像素,确定与该多个像素中的一个像素相关的FA值是否大于或等于第一阈值,并确定与该多个像素中的一个像素相关的DEV值和与所选择的像素相关的DEV值之间的差是否小于或等于第二阈值。如果与该多个像素中的一个像素相关的FA值大于或等于第一阈值,并且与该多个像素中的一个像素相关的DEV值和与所选择的像素相关的DEV值之间的差小于或等于第二阈值,则在种子点的集合中包括该多个像素中的一个像素。
依据该过程继续多个像素的处理。
依据本发明的另一方面,所述集合中的像素被选择为对象。
图像中的所有像素可以如在这里所述的那样被处理。然而,优选的是通过区域生长(region growing)过程来限制该处理。依据本发明的一个方面,当多个像素的单个像素不满足:与所述像素相关的FA值大于或等于第一阈值,并且与所述像素相关的DEV值和与所选择的像素相关的DEV值之间的差小于或等于第二阈值时,数字图像中的一方向上的处理停止。
第一阈值可以是用户选择的或者存在于软件应用程序中。第二阈值也可以是用户选择的或者被预置。第一阈值的优选值是0.2。第二阈值取决于包括所选择的对象的多个因素。
附图说明
图1示出根据本发明的一个方面的方法。
图2和3示出根据本发明的另一方面所使用的生长区域搜索过程。
图4示出根据本发明的另一方面的系统。
图5示出具有根据本发明的一个方面所选择的对象的数字图像。
具体实施方式
应用本发明来选择用于扩散张量图像中的纤维跟踪的种子点。本发明的一个方面是产生用于感兴趣的区域中的纤维跟踪的种子点。本发明的另一方面是在由单个(用户所选择的)种子点所限定的区域中自动选择种子点。本发明的另一方面是产生具有种子点的段,并通过使用相关的区域生长来限制所需要的处理。显而易见,可以应用不同复杂性的不同方法来选择用于检查的下一像素,以降低处理成本。应该理解的是,在这里作为说明性的例子使用区域生长的循环方法。
在图1中以流程图示出开始和自动产生用于纤维跟踪的种子点区域的过程。示出,包括或不包括作为种子点的像素的生长标准如何尤其是适于DTI应用。
现在参照图1,如在图1的步骤100中所示,通过用户在感兴趣的图像区域中选择初始种子点来开始种子过程。如本领域技术人员所公知的那样,所选择的像素具有被假定为FA1的FA值和被假定为值DEV1的DEV值。依据本发明的一个方面,假定用户所选择的初始种子点具有不小于0.2的FA值。如果所选择的像素的FA小于0.2,则所选择的像素作为初始种子点被丢弃,并且新的像素必须由用户选择。因此,一旦用户所选择的像素具有等于或大于0.2的FA,则优选地由相关区域生长过程的使用所限定的处理将开始。可以使用不同于0.2的FA阈值的可替换值。此外,FA阈值可以是用户所选择的值。
依据本发明的一个方面,依据邻近像素选择规则选择下一像素作为种子点候选者。在该下一像素已被检查之后,该下一像素将从要检查的像素集的剩余像素中被去除。这个所选择的像素具有为FA2的FA值和为DEV2的DEV值。在图1的步骤101中示出这个步骤。在下一步骤中,如在框102中所示,检查这个所选择的像素的FA值,以确定FA2的值是否大于或等于0.2。如在步骤103中所示,如果这个所选择的像素的FA值FA2小于0.2,则这个像素将不作为种子点被包括。如果FA2小于0.2,则在步骤106中,优选地查看,依据区域生长规则是否发生任何其他处理。如在图1的框107中所示,当已经到达区域生长规则的结束时,不再存在要检查的像素,并且已经完成具有种子点的区域的产生。当区域规则没有到达其结束时,存在要检查的附加像素,并且过程返回至框101。如在框101中所示,依据邻近像素选择规则的新像素将被选择。
如果满足步骤103的不等式,则处理继续步骤104。因此,在步骤104中,当所选择的像素的FA值FA2等于或大于0.2时,所选择的像素的DEV值DEV2将相对于初始种子点的DEV值DEV1被检查。如果这个所选择的像素的DEV值DEV2具有一值,该值与用户所选择的种子点的DEV值DEV1的差大于预置的或用户所选择的值α,则该像素将不作为种子点被包括。然后,如步骤106中所示,依据本发明的过程将检查是否已经到达区域生长规则的结束。如果该像素的DEV值DEV2与用户所选择的种子点的DEV值DEV1相差等于或小于α的量,则该像素将被包括在种子点的组中。然后,依据本发明的过程检查是否已经到达区域生长规则的结束。如果是这种情况,则完成该过程。如果不是,该过程将返回至框101,并如框101中所示,将选择下一要检查的像素。通过在选择种子点中使用两个控制参数,在不丧失简单性的情况下提供了灵活性。
该过程导致分割图像中的最初播种的对象。因此,本发明提供一种用于快速分割DTI图像中的对象的方法和系统。
在可替换的实施例中,可以处理图像中的所有像素。在这种情况下,在步骤106中,本发明的方法确定是否已经处理了所有像素,并且邻近像素选择规则不被用于限制像素的处理。然而,优选的是使用邻近像素选择规则来限定所处理的像素的数量。
现在参照图2,说明性的图示出了对减少由本发明的处理器所需要的处理有用的邻近像素选择规则。图2示出了2D图像中的像素的位置可被如何表示。该概念可容易地被扩展至3D图像。在两维表示中,像素可被假定存在于光栅200中,该光栅由垂直和水平光栅线组成。例如可假定像素存在于垂直和水平光栅线的交叉点上,诸如由图2中的点201所提供的那样。图2的图表示出了邻近像素选择规则的说明性例子。区域在用户所选择的种子点202处开始。作为第一步,该例子中的规则是选择为用户所选择的种子点的邻居的像素。每个所选择的像素将被检查,以依据在图1的流程图中所提供的程序(即,是FA≥0.2并且是|DEV(n)-DEV(n-1)|≤α)来查看所选择的像素是否可被添加至种子点的集合中。如果在所选择的像素中没有种子点被识别出,则邻近像素选择已经到达其结束,并且过程终止。如果具有资格的种子点被识别出,则作为第二步,现在依据在图1的流程图中所述的程序,将测试为在前一步中被识别出的种子点的邻居的附加像素。如果没有附加的种子点被识别出,则该过程将到达其结束,并将被终止。当在第二步中已经识别出附加的种子点时,区域生长还没有到达其结束,并且为在前一步中被识别出的新种子点的邻居的像素将被选择。该过程将继续,直至所添加的区域将不包括附加种子点并且邻近像素选择规则将已到达其结束为止。
现在参照图3,作为说明性例子示出,邻近像素选择将如何终止。如之前所述,存在为了检查而选择像素的不同规则。为了阻止过度的像素检查,并确保产生相关区域,只有是有效种子点的直接邻居的像素会被检查。假定在这个说明性的例子中,只有在区域中是种子点的直接邻居的像素将被检查。用户所选择的种子点存在于像素光栅300中的301处。圆303、304和305示出依据可能的邻近像素选择规则的像素区域。示出,303内的区域包括依据如在图1的流程图中所示的程序是有效种子点的像素。在303之外而在304之内的区域仍包括为有效种子点的像素,并且区域生长规则将不终止。在305之内而在304之外的区域不包括为有效种子点的像素,因此,在305之外的区域中的像素不可能是已经有效的种子点的邻居,并且区域生长规则将终止。
当仅仅涉及邻近像素时,邻近像素选择不复杂。在2D中,最简单的方案是选择所给出的像素的四个直接邻近的像素。例如,四个灰色像素204是所给出的像素202的四个直接邻近的像素。在3D中,最简单的方案是以类似的形式选择所给出的像素的六个直接邻近像素。也可以使用其它类型的邻域。
区域生长或邻域生长是已知的。例如参见由Terry Yoo编著的“Insight into Images:Principles and Practice forSegmentation,Registration,and Image Analysis”的124至126页处的第5.3节(区域生长)、以及Refael C.Gonzalez and RichardE.Woods的“Digital Image Processing”(第二版,Prentice Hall)的613至615页处的第10.4.2节(区域生长),在此将这两者引入作为参考。也参见由Luis 
Figure A20061008781000101
Will Schroeder、Lydia Ng、Josh Cates的“The ITK Software Guide:Second Edition Updated for ITKversion 2.4”(the Insight Software Consortium)503至524页处的第9.1节(区域生长),也将其引入作为参考。此外,参见由Haralick和Shapiro的“Image Segmentation Techniques”(Computer Vision,Graphics and Image Processing,第29卷,第100-132页,1985年1月),也将其引入作为参考。
现在参照图4,提供图表,示出用于执行权利要求中的步骤的装置。优选地,如图4中所述,将软件应用程序402装载到处理器403上。也使表示具有所有相关体素(或像素)信息的扩散张量图像的数据401可用于处理器403。虽然术语“处理器”被用于403,但应该理解的是,这可以包括专用计算机、一般多用途微处理器、并行微处理器的组合、能够根据本发明的程序执行和处理401的数据的工作站或任何设备。可替换地,用于执行权利要求中的步骤的装置中的任何一个装置可以是专用硬件电路或组合硬件/软件电路。图像可被显示在计算机监视器404或任何其它显示设备上。设备405是输入设备,诸如是允许用户在MRI图像中的感兴趣的区域中选择初始种子点的鼠标、跟踪球或输入板。
现在参照图5,示出了本发明的结果的例子。该图示出了从由胼胝体(Corpus Callosum)组成的扩散张量图像中所获得的各向异性分数图像(fractional anisotropy image)的切片。指针是像鼠标一样点击输入设备(405)来产生初始种子点的地方。图5中包括鼠标光标的月牙形的亮区示出了为所选择体素的中心的点,所选择的体素被确定属于由初始种子点所指定的对象。
在此对术语像素的任何参考也应被认为是对体素的参考。
虽然已经示出、描述和指出如被应用于其优选实施例的本发明的基本新颖特征,但是应该理解的是,在不脱离本发明的精神的情况下,本领域技术人员可以在所说明的设备的形式和细节以及其操作方面进行各种省略和置换以及改变。因此,意图仅仅如由其后所附的权利要求的范围所指定的那样来被限制。

Claims (20)

1、一种处理具有对象和来自数字图像的所选择的像素的数字图像的方法,其包括:
选择所述数字图像中的第二像素;
确定与所述第二像素相关的FA值是否大于或等于第一阈值;
确定与所述第二像素相关的DEV值和与所选择的像素相关的DEV值之间的差是否小于或等于第二阈值;以及
如果与所述第二像素相关的FA值大于或等于所述第一阈值,并且所述两个DEV值之间的差小于或等于所述第二阈值,则建立具有所述第二像素和所选择的像素作为元素的集合。
2、如权利要求1所述的方法,其中,所选择的像素具有大于或等于所述第一阈值的FA值。
3、如权利要求1所述的方法,其包括:
选择所述数字图像中的多个像素;
对于多个像素中的一个像素,确定与所述多个像素中的一个像素相关的FA值是否大于或等于所述第一阈值,确定与所述多个像素中的一个像素相关的DEV值和与所选择的像素相关的DEV值之间的差是否小于或等于第二阈值,并且如果与所述多个像素中的一个像素相关的FA值大于或等于所述第一阈值,并且与所述多个像素中的一个像素相关的DEV值和与所选择的像素相关的DEV值之间的差小于或等于所述第二阈值,则在所述集合中包括所述多个像素中的一个像素;以及
针对多个像素中的每个像素重复先前的步骤。
4、如权利要求3所述的方法,包括:选择所述集合中的像素作为对象。
5、如权利要求3所述的方法,包括:通过邻近像素选择过程来选择所述多个像素。
6、如权利要求3所述的方法,包括:通过邻近像素选择过程来选择所述多个像素,其中当所述多个像素的单个像素不满足:与所述像素相关的FA值大于或等于所述第一阈值,并且与所述像素相关的DEV值和与所选择的像素相关的DEV值之间的差小于或等于所述第二阈值时,在数字图像中的一方向上的处理停止。
7、如权利要求3所述的方法,其中,所述第二阈值是用户选择的。
8、如权利要求3所述的方法,其中,所述第一阈值是用户选择的。
9、如权利要求3所述的方法,其中,在软件应用程序中预置所述第一阈值和所述第二阈值。
10、如权利要求9所述的方法,其中,所述第一阈值是0.2。
11、一种用于处理具有对象和来自数字图像的所选择的像素的数字图像的系统,其包括:
用于选择所述数字图像中的第二像素的装置;
用于确定与所述第二像素相关的FA值是否大于或等于第一阈值的装置;
用于确定与所述第二像素相关的DEV值和与所选择的像素相关的DEV值之间的差是否小于或等于第二阈值的装置;以及
装置,用于,如果与所述第二像素相关的FA值大于或等于所述第一阈值,并且所述两个DEV值之间的差小于或等于所述第二阈值,则建立具有所述第二像素和所选择的像素作为元素的集合。
12、如权利要求11所述的系统,其中,所选择的像素具有大于或等于所述第一阈值的FA值。
13、如权利要求11所述的系统,其包括:
用于选择所述数字图像中的多个像素的装置;
装置,对于多个像素中的一个像素,用于确定与所述多个像素中的一个像素相关的FA值是否大于或等于所述第一阈值,用于确定与所述多个像素中的一个像素相关的DEV值和与所选择的像素相关的DEV值之间的差是否小于或等于第二阈值,并且如果与所述多个像素中的一个像素相关的FA值大于或等于所述第一阈值,并且与所述多个像素中的一个像素相关的DEV值和与所选择的像素相关的DEV值之间的差小于或等于所述第二阈值,则用于在所述集合中包括所述多个像素中的一个像素;以及
对多个像素的每个像素重复先前的步骤。
14、如权利要求13所述的系统,包括:用于选择所述集合中的像素作为对象的装置。
15、如权利要求13所述的系统,包括:用于通过邻近像素选择过程来选择所述多个像素的装置。
16、如权利要求13所述的系统,包括:用于通过邻近像素选择过程来选择所述多个像素的装置,其中,当多个像素的单个像素不满足:与所述像素相关的FA值大于或等于所述第一阈值,并且与所述像素相关的DEV值和与所选择的像素相关的DEV值之间的差小于或等于所述第二阈值时,在所述数字图像中的一方向上的处理停止。
17、如权利要求13所述的系统,其中,所述第二阈值是用户选择的。
18、如权利要求13所述的系统,其中,所述第一阈值是用户选择的。
19、如权利要求13所述的系统,其中,在软件应用程序中预置所述第一阈值和所述第二阈值。
20、如权利要求19所述的系统,其中,所述第一阈值是0.2。
CNA2006100878100A 2005-05-26 2006-05-26 用于dti纤维跟踪的自动种子点选择 Pending CN1870050A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US68465905P 2005-05-26 2005-05-26
US60/684659 2005-05-26
US11/333177 2006-01-17

Publications (1)

Publication Number Publication Date
CN1870050A true CN1870050A (zh) 2006-11-29

Family

ID=37443707

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2006100878100A Pending CN1870050A (zh) 2005-05-26 2006-05-26 用于dti纤维跟踪的自动种子点选择

Country Status (2)

Country Link
US (1) US7529397B2 (zh)
CN (1) CN1870050A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872385A (zh) * 2010-04-30 2010-10-27 天津大学 基于拓扑保持的快速行进纤维跟踪方法
CN104169967A (zh) * 2012-08-09 2014-11-26 博医来股份公司 纤维神经结构的定位

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7411393B2 (en) * 2005-11-30 2008-08-12 Bracco Imaging S.P.A. Method and system for fiber tracking
US7961945B2 (en) * 2007-02-13 2011-06-14 Technische Universität München System and method for on-the-fly segmentations for image deformations
GB2463141B (en) * 2008-09-05 2010-12-08 Siemens Medical Solutions Methods and apparatus for identifying regions of interest in a medical image
EP3166489B1 (en) 2014-07-11 2021-11-17 Psychology Software Tools, Inc. Universal, modular temperature controlled mri phantom for calibrated anisotropic and isotropic imaging including hollow fluid filled tubular textiles for calibrated anisotropic imaging
EP3807667A4 (en) 2018-06-16 2022-06-01 Psychology Software Tools, Inc. MRI PHANTOM WITH FILAMENTS MADE OF INTEGRATED TEXTILE AXON SIMULATIONS AND MRI PHANTOME WITH ANISOTROPIC HOMOGENEITY USING THE FILAMENTS
US11959990B2 (en) 2018-06-16 2024-04-16 Psychology Software Tools, Inc MRI phantom having filaments of integral textile axon simulations and anisotropic homogeneity MRI phantom using the filaments

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7355597B2 (en) * 2002-05-06 2008-04-08 Brown University Research Foundation Method, apparatus and computer program product for the interactive rendering of multivalued volume data with layered complementary values
US7355403B2 (en) * 2005-01-27 2008-04-08 Siemens Medical Solutions Usa, Inc. Noise reduction in diffusion tensor imaging data using bayesian methods
US7657071B2 (en) * 2005-04-11 2010-02-02 Siemens Medical Solutions Usa, Inc. Systems, devices, and methods for bundle segmentation in diffusion tensor magnetic resonance imaging

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872385A (zh) * 2010-04-30 2010-10-27 天津大学 基于拓扑保持的快速行进纤维跟踪方法
CN101872385B (zh) * 2010-04-30 2011-11-30 天津大学 基于拓扑保持的快速行进纤维跟踪方法
CN104169967A (zh) * 2012-08-09 2014-11-26 博医来股份公司 纤维神经结构的定位
CN104169967B (zh) * 2012-08-09 2017-03-29 博医来股份公司 纤维神经结构的定位

Also Published As

Publication number Publication date
US20060269107A1 (en) 2006-11-30
US7529397B2 (en) 2009-05-05

Similar Documents

Publication Publication Date Title
CN1870050A (zh) 用于dti纤维跟踪的自动种子点选择
CN1135500C (zh) 用于分析图象结构的方法和装置
US7936922B2 (en) Method and apparatus for segmenting images
US8107700B2 (en) System and method for efficient workflow in reading medical image data
US20050041872A1 (en) Method for converting PowerPoint presentation files into compressed image files
US7386153B2 (en) Medical image segmentation apparatus and method thereof
CN1661601A (zh) 搜索多媒体数据的方法
Chen et al. High quality solid texture synthesis using position and index histogram matching
KR101908126B1 (ko) 다중 의료영상 분석 시스템 및 방법
Cui et al. Stereoscopic vascular models of the head and neck: a computed tomography angiography visualization
CN101681528A (zh) 医学观察工作站上的依赖于学习解剖的观察参数
Waldin et al. Chameleon: dynamic color mapping for multi-scale structural biology models
US20070186191A1 (en) Method of visualizing a pointer during interaction
Tuduki et al. Automated seeded region growing algorithm for extraction of cerebral blood vessels from magnetic resonance angiographic data
CN112330787A (zh) 图像标注方法、装置、存储介质和电子设备
Perkins et al. Scalable desktop visualisation of very large radio astronomy data cubes
US6690826B2 (en) System and method for detecting text in mixed graphics data
US8180135B2 (en) Method for providing variously processed image data and X-ray image system
Bister et al. Increasing the speed of medical image processing in MatLab®
US11727629B2 (en) Un-occluded visualization of focus with depth continuity with context in volume rendering
Narkhede Sachin et al. Brain tumor detection based on mathematical analysis and symmetry information
Pizer et al. Medical image work stations: Functions and implementation
Press et al. A graphical anatomical database of neural connectivity
Pertusa et al. Main steps in image processing and quantification: The analysis workflow
Oruganti et al. Best Fit Polygonal Approximation for Multiple ROI Estimation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication