CN1897034A - 一种在数字减影血管造影图像中分割血管数据的方法 - Google Patents
一种在数字减影血管造影图像中分割血管数据的方法 Download PDFInfo
- Publication number
- CN1897034A CN1897034A CN 200610019295 CN200610019295A CN1897034A CN 1897034 A CN1897034 A CN 1897034A CN 200610019295 CN200610019295 CN 200610019295 CN 200610019295 A CN200610019295 A CN 200610019295A CN 1897034 A CN1897034 A CN 1897034A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- piece
- zone
- sub
- thresholding
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 53
- 230000011218 segmentation Effects 0.000 claims description 33
- 238000002583 angiography Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 9
- 238000003709 image segmentation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- VYMDGNCVAMGZFE-UHFFFAOYSA-N phenylbutazonum Chemical compound O=C1C(CCCC)C(=O)N(C=2C=CC=CC=2)N1C1=CC=CC=C1 VYMDGNCVAMGZFE-UHFFFAOYSA-N 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种在数字减影血管造影图像中分割血管数据的方法,其步骤为:①将DSA图像划分成N个互不重叠的a1×a2大小的子块E1、E2、……、EN,其中,d≤a1≤2d,d≤a2≤2d,d为血管直径的最大值,令l=1;②判断各区域b1l、b2l、b3l和b4l中是否包含血管,b1l、b2l、b3l、b4l为大小为b1×b2且包含子块El在内的四个区域,其中,max(a1,a2)≤b1≤3max(a1,a2),max(a1,a2)≤b2≤3max(a1,a2);③对各区域的重叠子块进行分割;④令1=1+1,对子块El重复步骤②和③,完成整幅DSA图像的分割。本发明方法能对DSA图像有效分割,并且操作简便,工作效率高。
Description
技术领域
本发明属于医学成像技术领域,具体涉及一种在数字减影血管造影图像中分割血管数据的方法。
背景技术
数字减影血管造影(DSA:Digital Subtraction Angiography)技术在临床已应用20多年,是心脑血管疾病无创诊断与介入治疗手术导航的重要依据。DSA图像处理中的一个关键任务就是进行图像分割,以使血管的生理特征能够更清楚的显示出来,结构分析、运动分析、三维可视化等后续操作,以及图像引导手术、肿瘤放射治疗、治疗评估等应用研究都是以图像分割为基础的。由于X射线经过的组织厚度以及血液中的造影剂浓度不均匀,经过剪影后的图像不能完全消除人体组织引起的噪声信号,背景和目标混杂在一起。另外,人体的组织结构和形状很复杂,而且人与人之间有相当大的差异。因此血管的分割是一项困难的任务。
C.Kirbas和F.Quek提出,现有的的血管分割技术大致可以分为6大类:模式识别方法、基于模型的方法、基于跟踪的方法、人工智能方法、神经网络方法、管状物体检测法,其中一些类型还可以细分(见“血管提取技术和算法的综述”,ACM Computing Surveys,36(2):81-121,2004)。而阈值分割是最常见的直接检测区域的分割方法,其优点是简单,同时对于不同类的物体灰度值或其他特征值相差很大时,它能很有效的对图像进行分割,但它对图像中不存在明显灰度差异或灰度值范围有较大重叠的图像分割问题难以得到准确的结果。另外,由于它仅仅考虑图像的灰度信息而不考虑图像的空间信息,所以对噪声和灰度不均匀很敏感。
阈值分割方法分为全局阈值分割和局部阈值分割技术。早期用得较普遍的是全值阈值分割方法,但其并不适用于某些情况。以亮目标和暗背景的图像为例,目标的某些区域可能比背景的部分区域要暗,则任意一个确定的门限无法完全将目标和背景分离开来。也就是说,现有的全局分割技术很难在血管和背景灰度范围接近的局部地方取得好的分割效果,不适用于灰度直方图呈细窄的单峰分布的DSA图像,很难分得连续的血管段。
而另一方面,现有的局部阈值分割技术通常对图像进行分块后,对每个子块分别计算分割门限。由于未判断子块中是否存在血管,因此对不含血管的背景区域也将得到一个分割结果,这显然是不合理的。虽然直方图双峰法计算分割门限时,可利用直方图的双峰性在一定程度上对子块中是否存在血管作出判决,但其要求子块内所含血管点数和背景点数相当,这是十分苛刻很难满足的,且当子块较小,包含的象素数较少时,直方图双峰性的判断本身也存在困难。
发明内容
本发明的目的在于提供一种在数字减影血管造影图像中分割血管数据的方法,该方法能对DSA图像有效分割,并且操作简便,工作效率高。
本发明提供的一种在数字减影血管造影图像中分割血管数据的方法,其步骤为:
(1)将DSA图像划分成N个互不重叠的a1×a2大小的子块E1、E2、……、EN,其中,d≤a1≤2d,d≤a2≤2d,d为血管直径的最大值,令l=1;
(2)判断各区域b1l、b2l、b3l、b4l中是否包含血管,b1l、b2l、b3l、b4l为大小为b1×b2且包含子块El在内的四个区域,其中,max(a1,a2)≤b1≤3max(a1,a2),max(a1,a2)≤b2≤3max(a1,a2);判断过程为:
(2.1)计算各区域bkl的方差值σkl,k=1、2、3和4;
(2.2)将方差值σkl与血管存在性标准的门限σTl进行比较,如果区域bkl的方差σkl小于σTl,则记该区域为背景;否则,计算该区域的分割门限,记为Tkl;
(3)对各区域的重叠子块进行分割:
如果四个区域bkl均被判定为背景,则将这四个区域的重叠子块El判为背景;如果四个区域中只有一个区域bλl被判定包含血管,1≤λ≤4,则将该区域的分割门限Tλl作为子块El的分割门限Tkl;如果四个区域中不只一个区域被判定包含血管,则对于针对不同区域bkl已求出的分割门限Tkl,选取其中一个最优的门限作为El的分割门限Tl;
(4)令l=l+1,对子块El重复步骤(2)和(3),完成整幅DSA图像的分割。
上述步骤(2.2)中门限σTl采用以下方法确定:
预先训练DSA图像中大量的b1×b2大小的区域,得到对应于方差的不同取值范围的概率曲线p(x),其中x轴表示b1×b2大小的区域的方差的不同取值范围而p(x)表示方差在不同取值范围的概率,假设p1(x)对应于仅含背景的b1×b2大小的区域而p2(x)对应于同时包含血管和背景的b1×b2大小的区域,选择p1(x)和p2(x)曲线的交点处的xT值作为血管存在性门限的范围,范围xT的中值σTl被用来作为区域El的血管存在性标准的门限。
上述步骤(3)采用以下方法确定子块El的分割门限Tl:
设共有m个区域被判定包含血管,2≤m≤4,对子块El,设分别对其取门限Tkl后所得的二值子块为Ekl,假设二值子块Ekl的象素值为Ekl(i,j),计算Ekl的方差作为选取分割门限Tl的测度:
2≤k≤n;1≤i≤a1,1≤j≤a2;
选取Vkl中的最大值所对应的门限Tkl作为子块El的分割门限Tl。
本发明针对现有全局阈值分割技术以及部分局部阈值分割技术对DSA图像处理的缺陷,根据DSA图像的特点,提出一种基于血管直径先验知识以及重叠分块技术的局部阈值分割方法。本发明根据血管直径的先验知识将图像分成若干区域,所取区域大小保证在区域内绝对含有背景,因此区域只存在两种可能性:包含血管和只含背景。本发明采取一些判断准则预先判断区域内是否包含血管,然后对包含血管的区域采用一种阈值分割方法求取其分割门限,对只包含背景的区域直接将其标记为背景。同时本发明还采用重叠分块技术,综合考虑重叠区域象素信息来为区域的重叠子块选取最优门限,这样可以避免在血管所占比例较少的子块内局部阈值分割技术形同全局阈值分割技术,改善局部阈值分割的效果。
附图说明
图1示出了本方法的流程图;
图2示出了子块El与子块bkl(k=1,2,3,4)的位置示意图;
图3示出了对应于b1×b2大小的区域的方差的不同取值范围的概率曲线p(x);
图4所示的反映了在本发明的典型实施例中使用上述方法与其他全局和局部阈值分割方法的一个比较结果,其中,图4a表示原始肝脏DSA图像;图4b表示本方法的分割结果;图4c表示基于非重叠分块的局部阈值分割结果;图4d表示用Bernsen的方法的分割结果;图4e用Niblack的方法的分割结果;图4f表示用全局阈值分割方法的结果。
具体实施方式
将参考附图来说明本发明的典型实施例。
下面的说明将假定图像含有暗目标和亮背景,以门限T进行分割可以将灰度值小于或等于T值的象素以及大于T值的象素分别划分为目标和背景,得到一个二值图像。相应的,在二值图像中,象素值为0对应目标,象素值为1对应背景。这里的1与0都是逻辑值。当然,本发明同样适用于亮目标和暗背景的情况。
下面结合图1详细说明本发明的步骤:
(1)将DSA图像划分成N个互不重叠的a1×a2大小的子块El,l=1,2…N,其中,d≤a1≤2d,d≤a2≤2d,在此d被假设为血管直径的最大值,大小为b1×b2且包含子块El在内的区域为b1l、b2l、b3l、b4l,其中,max(a1,a2)≤b1≤3max(a1,a2),max(a1,a2)≤b2≤3max(a1,a2);
(2)判断各区域b1l、b2l、b3l、b4l中是否包含血管,其过程为:
(2.1)计算各区域b1l、b2l、b3l、b4l的方差值σkl;
(2.2)将方差值σkl与血管存在性标准的门限σTl进行比较,如果区域bkl的方差σkl小于σTl,说明该区域内很均匀,则记该区域为背景;否则,采用一种分割方法(本发明采用的是Otsu法,即最大类间方差法,当然,也可采用其他阈值分割方法如矩不变法、直方图凹度分析法、最大熵法等)计算该区域的分割门限,记为Tkl。其中,门限σTl通过DSA图像的先验知识得到,具体方法如下:
预先训练DSA图像中大量的b1×b2大小的区域,得到如图3所示的对应于方差的不同取值范围的概率曲线p(x),其中x轴表示b1×b2大小的区域的方差的不同取值范围而p(x)表示方差在不同取值范围的概率。假设p1(x)对应于仅含背景的b1×b2大小的区域而p2(x)对应于同时包含血管和背景的b1×b2大小的区域。选择p1(x)和p2(x)曲线的交点处的xT值作为血管存在性门限的范围,以使判定一个给定区域是仅包含背景还是同时包含血管和背景时的平均出错率降至最小。范围xT的中值σTl被用来作为区域El的血管存在性标准的门限。
(3)综合各重叠区域的分割情况对各区域的重叠子块进行分割,具体方法如下:
如果四个区域bkl(k=1,2,3,4)均被判定为背景,则将这四个区域的重叠子块El也判为背景;如果四个区域中只有一个区域bλ1(1≤λ≤4)被判定包含血管,则将该区域的分割门限Tλ1作为子块El的分割门限;如果四个区域中不只一个区域被判定包含血管,则对于针对不同区域bkl已求出的门限Tkl,选取其中最优的一个门限作为El的分割门限Tl。
下面介绍对于多个备选门限选取分割门限Tl的方法:
设共有m个区域被判定包含血管(2≤m≤4),采用可以表示区域内部均匀性的方差作为选取分割门限Tl的测度:对子块El,设分别对其取门限Tkl后所得的二值子块为Ekl,假设二值子块Ekl的象素值为Ekl(i,j),计算Ekl的方差作为选取分割门限Tl的测度:
在此,2≤k≤n;1≤i≤a1,1≤j≤a2。
Vkl越大表示区域内灰度越不均匀,即包含的目标血管越多,背景越少。本发明选取Vkl中的最大值所对应的门限Tkl作为子块El的分割门限。
对所有子块El重复(2)(3)过程,即完成了对整幅DSA图像的分割。
对于亮目标和暗背景的情况所采取的步骤同上,只不过对子块求得分割门限T时,将灰度值小于或等于T值的象素以及大于T值的象素分别划分为背景和目标,得到的二值图像中,象素值为1对应目标,象素值为0对应背景,这里的1与0都是逻辑值。
图4所示的反映了在本发明的典型实施例中使用上述方法以及与其他全局和局部阈值分割方法的一个比较结果。从中可以看出,对整幅图像选一个全局门限很难在血管和背景的灰度范围彼此接近的局部区域将血管段从背景中分割出来,部分微细血管难以被有效保留,甚至出现不连续的血管段。而本发明因为采取了一些判断准则来去除背景点以及基于血管直径的先验知识的重叠分块技术,在有效去除背景点的同时尽可能保留了有用信息,和其他局部阈值分割技术(比如Bernsen的方法、Niblack的方法、基于非重叠分块的局部阈值分割方法等)相比,可以达到更好的二值分割结果。同时本发明具有执行效率高的特点。
根据本发明的典型实施例,用于实现本发明的计算机系统可以包括,特别是,中央处理器(CPU)、存储器和输入/输出(I/O)接口。计算机系统通常通过I/O接口与显示器和诸如鼠标和键盘此类的各种输入设备相连,配套电路可以包括像高速缓存、电源、时钟电路和通信总线这样的电路。存储器可以包括随机存储器(RAM)、只读存储器(ROM)、磁盘驱动器、磁带机等,或它们的组合。计算机平台还包括操作系统和微指令代码。此处所述各种过程和功能可以是通过操作系统执行的微指令代码或应用程序(或它们的组合)的一部分。此外,各种其他外围设备可以连接到该计算机平台,如附加数据存储设备和打印设备。
还应理解,因为附图中所述的某些构成系统的组件和方法步骤可以软件形式来实现,所以系统组件(或过程步骤)之间的实际连接可能有所不同,具体视本发明的编程方式而定。基于此处提出的本发明原理,相关领域的普通专业人员可以设想本发明的这些以及类似实施方案或配置。
Claims (3)
1、一种在数字减影血管造影图像中分割血管数据的方法,其步骤为:
(1)将DSA图像划分成N个互不重叠的a1×a2大小的子块E1、E2、......、EN,其中,d≤a1≤2d,d≤a2≤2d,d为血管直径的最大值,令l=1;
(2)判断各区域b1l、b2l、b3l、b4l中是否包含血管,b1l、b2l、b3l、b4l为大小为b1×b2且包含子块El在内的四个区域,其中,max(a1,a2)≤b1≤3max(a1,a2),max(a1,a2)≤b2≤3max(a1,a2);判断过程为:
(2.1)计算各区域bkl的方差值σkl,k=1、2、3和4;
(2.2)将方差值σkl与血管存在性标准的门限σTl进行比较,如果区域bkl的方差σkl小于σTl,则记该区域为背景;否则,计算该区域的分割门限,记为Tkl;
(3)对各区域的重叠子块进行分割:
如果四个区域bkl均被判定为背景,则将这四个区域的重叠子块El判为背景;如果四个区域中只有一个区域bλl被判定包含血管,1≤λ≤4,则将该区域的分割门限Tλl作为子块El的分割门限Tkl;如果四个区域中不只一个区域被判定包含血管,则对于针对不同区域bkl已求出的分割门限Tkl,选取其中一个最优的门限作为El的分割门限Tl;
(4)令l=l+1,对子块El重复步骤(2)和(3),完成整幅DSA图像的分割。
2、根据权利要求1所述的方法,其特征在于:门限σTl采用以下方法确定:
预先训练DSA图像中大量的b1×b2大小的区域,得到对应于方差的不同取值范围的概率曲线p(x),其中x轴表示b1×b2大小的区域的方差的不同取值范围而p(x)表示方差在不同取值范围的概率,假设p1(x)对应于仅含背景的b1×b2大小的区域而p2(x)对应于同时包含血管和背景的b1×b2大小的区域,选择p1(x)和p2(x)曲线的交点处的xT值作为血管存在性门限的范围,范围xT的中值σTl被用来作为区域El的血管存在性标准的门限。
3、根据权利要求1或2所述的方法,其特征在于:步骤(3)采用以下方法确定子块El的分割门限Tl:
设共有m个区域被判定包含血管,2≤m≤4,对子块El,设分别对其取门限Tkl后所得的二值子块为Ekl,假设二值子块Ekl的象素值为Ekl(i,j),计算Ekl的方差作为选取子块El的分割门限Tl的测度:
2≤k≤n;1≤i≤a1,1≤j≤a2;
选取Vkl中的最大值所对应的门限Tkl作为子块El的分割门限Tl。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100192952A CN100405401C (zh) | 2006-06-07 | 2006-06-07 | 一种在数字减影血管造影图像中分割血管数据的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100192952A CN100405401C (zh) | 2006-06-07 | 2006-06-07 | 一种在数字减影血管造影图像中分割血管数据的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1897034A true CN1897034A (zh) | 2007-01-17 |
CN100405401C CN100405401C (zh) | 2008-07-23 |
Family
ID=37609556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100192952A Expired - Fee Related CN100405401C (zh) | 2006-06-07 | 2006-06-07 | 一种在数字减影血管造影图像中分割血管数据的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100405401C (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102165465A (zh) * | 2008-09-23 | 2011-08-24 | 美国医软科技公司 | 用于在医学影像中交互式标记管状结构的方法 |
CN113837985A (zh) * | 2020-06-24 | 2021-12-24 | 博动医学影像科技(上海)有限公司 | 用于血管造影图像处理的训练方法和装置、自动处理方法和装置 |
CN116109663A (zh) * | 2023-04-04 | 2023-05-12 | 山东大学第二医院 | 基于多阈值分割的胃部ct影像分割方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06285061A (ja) * | 1993-04-01 | 1994-10-11 | Toshiba Medical Eng Co Ltd | X線診断方法及びその装置 |
US7676257B2 (en) * | 2003-11-25 | 2010-03-09 | General Electric Company | Method and apparatus for segmenting structure in CT angiography |
WO2005055076A1 (en) * | 2003-11-26 | 2005-06-16 | Viatronix Incorporated | Calcium cleansing for vascular visualization |
WO2006018774A1 (en) * | 2004-08-17 | 2006-02-23 | Koninklijke Philips Electronics N.V. | Method for flexible 3dra-ct fusion |
-
2006
- 2006-06-07 CN CNB2006100192952A patent/CN100405401C/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102165465A (zh) * | 2008-09-23 | 2011-08-24 | 美国医软科技公司 | 用于在医学影像中交互式标记管状结构的方法 |
CN102165465B (zh) * | 2008-09-23 | 2014-02-19 | 美国医软科技公司 | 用于在医学影像中交互式标记管状结构的方法 |
CN113837985A (zh) * | 2020-06-24 | 2021-12-24 | 博动医学影像科技(上海)有限公司 | 用于血管造影图像处理的训练方法和装置、自动处理方法和装置 |
CN113837985B (zh) * | 2020-06-24 | 2023-11-07 | 上海博动医疗科技股份有限公司 | 用于血管造影图像处理的训练方法和装置、自动处理方法和装置 |
CN116109663A (zh) * | 2023-04-04 | 2023-05-12 | 山东大学第二医院 | 基于多阈值分割的胃部ct影像分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100405401C (zh) | 2008-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110310287B (zh) | 基于神经网络的危及器官自动勾画方法、设备和存储介质 | |
EP3316217B1 (en) | Deep learning based bone removal in computed tomography angiography | |
JP7110098B2 (ja) | 頭部コンピュータ断層撮影における緊急性の特徴の解釈及び定量化 | |
US9311570B2 (en) | Method of, and apparatus for, segmentation of structures in medical images | |
CN101127117B (zh) | 一种利用序列数字减影血管造影图像分割血管数据的方法 | |
CN112102221A (zh) | 用于检测肿瘤的3D UNet网络模型构建方法、装置及存储介质 | |
CN110110723B (zh) | 一种图像中目标区域自动提取的方法及装置 | |
CN112614145B (zh) | 一种基于深度学习的颅内出血ct图像分割方法 | |
CN110223300A (zh) | Ct图像腹部多器官分割方法及装置 | |
van Rooij et al. | Using spatial probability maps to highlight potential inaccuracies in deep learning-based contours: facilitating online adaptive radiation therapy | |
US12089987B2 (en) | Computer based method for classifying a mass of an organ as a cyst | |
CN1897034A (zh) | 一种在数字减影血管造影图像中分割血管数据的方法 | |
CN100382756C (zh) | 在数字减影血管造影图像中分割血管数据的方法 | |
Rondinella et al. | Boosting multiple sclerosis lesion segmentation through attention mechanism | |
CN115187566A (zh) | 基于mra影像的颅内动脉瘤检测方法及装置 | |
EP3566205A1 (en) | Method of obtaining 3d model data of a plurality of components of an object | |
Chai et al. | Adaptive crossed reconstructed (acr) k-mean clustering segmentation for computer-aided bone age assessment system | |
Indraswari et al. | 3D region merging for segmentation of teeth on cone-beam computed tomography images | |
Anitha et al. | A segmentation technique to detect the Alzheimer's disease using image processing | |
CN110222652B (zh) | 行人检测方法、装置及电子设备 | |
CN115860067B (zh) | 生成对抗网络训练方法、装置、计算机设备及存储介质 | |
Perner | Classification of HEp-2 cells using fluorescent image analysis and data mining | |
CN113763343B (zh) | 基于深度学习的阿兹海默症检测方法及计算机可读介质 | |
CN114331996B (zh) | 基于自编码解码器的医学影像分型方法及系统 | |
CN115619803A (zh) | 一种图像分割方法、系统及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
SE01 | Entry into force of request for substantive examination | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080723 Termination date: 20120607 |