JP7221421B2 - Ct画像の椎骨位置決め方法、装置、機器及び媒体 - Google Patents
Ct画像の椎骨位置決め方法、装置、機器及び媒体 Download PDFInfo
- Publication number
- JP7221421B2 JP7221421B2 JP2021568943A JP2021568943A JP7221421B2 JP 7221421 B2 JP7221421 B2 JP 7221421B2 JP 2021568943 A JP2021568943 A JP 2021568943A JP 2021568943 A JP2021568943 A JP 2021568943A JP 7221421 B2 JP7221421 B2 JP 7221421B2
- Authority
- JP
- Japan
- Prior art keywords
- vertebral
- heatmap
- image data
- keypoint
- preprocessed
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 39
- 230000004807 localization Effects 0.000 title claims description 38
- 238000003062 neural network model Methods 0.000 claims description 26
- 238000013527 convolutional neural network Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 11
- 210000000115 thoracic cavity Anatomy 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 230000005489 elastic deformation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010058907 Spinal deformity Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002346 musculoskeletal system Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30008—Bone
-
- 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
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/004—Annotating, labelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Description
椎骨CT画像データを前処理するステップと、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得るステップと、
前記キーポイントヒートマップ回帰結果及び前記前処理した椎骨CT画像データに基づいて椎骨重心キーポイント位置に対応する3Dヒートマップを回帰するステップと、
前記椎骨重心キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するステップと、を含む。
椎骨CT画像データを前処理するための前処理モジュールと、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得るためのトレーニングモジュールと、
前記キーポイントヒートマップ回帰結果及び前記前処理した椎骨CT画像データに基づいて椎骨重心キーポイント位置に対応する3Dヒートマップを回帰するための回帰モジュールと、
前記椎骨重心キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するための位置決めモジュールと、を含む。
前記前処理した椎骨CT画像データを高解像度ニューラルネットワークモデルに入力するステップであって、前記高解像度ニューラルネットワークモデルが並列に処理された異なる解像度の特徴マップを含むステップと、
前記異なる解像度の特徴マップによって前記前処理した椎骨CT画像データに対してインタラクション処理を行い、且つ25個の3Dヒートマップをネットワークタグとし、脊柱に対応する25個のキーポイントヒートマップ回帰結果を得るステップと、を含んでもよい。
U型畳み込みニューラルネットワークと空間情報抽出ネットワークとを組み合わせる方式を採用して、前記前処理した椎骨CT画像データを入力とし、椎骨重心キーポイント位置をタグとし、前記25個のキーポイントヒートマップ回帰結果から6個の目標位置に対応する3Dヒートマップを決定するステップを含んでもよく、
ここで、前記6個の目標位置に対応する3Dヒートマップは第1頚椎、第7頚椎、第1腰椎、第5腰椎、第1胸椎、第12胸椎を含み、それぞれキーポイント位置に対応する3Dヒートマップに対応する。
前記6個の目標位置に対応する3Dヒートマップに対応するキーポイント位置を決定するステップと、
椎骨間の予め設定された間隔範囲を規定することにより、前記椎骨キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するステップと、を含んでもよい。
椎骨CT画像データを前処理するための前処理モジュール401と、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得るためのトレーニングモジュール402と、
前記キーポイントヒートマップ回帰結果及び前記前処理した椎骨CT画像データに基づいて椎骨重心キーポイント位置に対応する3Dヒートマップを回帰するための回帰モジュール403と、
前記椎骨重心キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するための位置決めモジュール404と、を含む。
椎骨CT画像データを前処理するステップと、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得るステップと、
前記キーポイントヒートマップ回帰結果及び前記前処理した椎骨CT画像データに基づいて椎骨重心キーポイント位置に対応する3Dヒートマップを回帰するステップと、
前記椎骨重心キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するステップと、を実現するために用いられる。
前記前処理した椎骨CT画像データを高解像度ニューラルネットワークモデルに入力するステップであって、前記高解像度ニューラルネットワークモデルが並列に処理された異なる解像度の特徴マップを含むステップと、
前記異なる解像度の特徴マップによって前記前処理した椎骨CT画像データに対してインタラクション処理を行い、且つ25個の3Dヒートマップをネットワークタグとし、脊柱に対応する25個のキーポイントヒートマップ回帰結果を得るステップと、を含む。
U型畳み込みニューラルネットワークと空間情報抽出ネットワークとを組み合わせる方式を採用して、前記前処理した椎骨CT画像データを入力とし、椎骨重心キーポイント位置をタグとし、前記25個のキーポイントヒートマップ回帰結果から6個の目標位置に対応する3Dヒートマップを決定するステップを含み、
ここで、前記6個の目標位置に対応する3Dヒートマップは第1頚椎、第7頚椎、第1腰椎、第5腰椎、第1胸椎、第12胸椎を含み、それぞれキーポイント位置に対応する3Dヒートマップに対応する。
前記6個の目標位置に対応する3Dヒートマップに対応するキーポイント位置を決定するステップと、
椎骨間の予め設定された間隔範囲を規定することにより、前記椎骨キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するステップと、を含む。
前記6個の目標位置に対応する3Dヒートマップのそれぞれに対応する最大値を、キーポイント位置とするステップを含む。
SimpleITKツールキットを採用して前記椎骨CT画像データに対してデータ増強操作処理を行い、トレーニングサンプル多様性の椎骨CT画像データを得るステップを含む。
Claims (13)
- CT画像の椎骨位置決め方法であって、
椎骨CT画像データを前処理するステップと、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得るステップと、
前記キーポイントヒートマップ回帰結果及び前記前処理した椎骨CT画像データに基づいて椎骨重心キーポイント位置に対応する3Dヒートマップを回帰するステップと、
前記椎骨重心キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するステップと、を含み、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得る前記ステップは、
前記前処理した椎骨CT画像データを高解像度ニューラルネットワークモデルに入力するステップであって、前記高解像度ニューラルネットワークモデルが並列に処理された異なる解像度の特徴マップを含むステップと、
前記異なる解像度の特徴マップによって前記前処理した椎骨CT画像データに対してインタラクション処理を行い、且つ25個の3Dヒートマップをネットワークタグとし、脊柱に対応する25個のキーポイントヒートマップ回帰結果を得るステップと、を含む、
CT画像の椎骨位置決め方法。 - 前記キーポイントヒートマップ回帰結果及び前記前処理した椎骨CT画像データに基づいて椎骨重心キーポイント位置に対応する3Dヒートマップを回帰する前記ステップは、
U型畳み込みニューラルネットワークと空間情報抽出ネットワークとを組み合わせる方式を採用して、前記前処理した椎骨CT画像データを入力とし、椎骨重心キーポイント位置をタグとし、前記25個のキーポイントヒートマップ回帰結果から6個の目標位置に対応する3Dヒートマップを決定するステップを含み、
ここで、前記6個の目標位置に対応する3Dヒートマップは第1頚椎、第7頚椎、第1腰椎、第5腰椎、第1胸椎、第12胸椎を含み、それぞれキーポイント位置に対応する3Dヒートマップに対応する、
請求項1に記載の方法。 - 椎骨キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了する前記ステップは、
前記6個の目標位置に対応する3Dヒートマップに対応するキーポイント位置を決定するステップと、
椎骨間の予め設定された間隔範囲を規定することにより、前記椎骨キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するステップと、を含む、
請求項2に記載の方法。 - 前記6個の目標位置に対応する3Dヒートマップに対応するキーポイント位置を決定する前記ステップは、
前記6個の目標位置に対応する3Dヒートマップのそれぞれに対応する最大値を、キーポイント位置とするステップを含む、
請求項3に記載の方法。 - 椎骨CT画像データを前処理する前記ステップは、
SimpleITKツールキットを採用して前記椎骨CT画像データに対してデータ増強操作処理を行い、トレーニングサンプル多様性の椎骨CT画像データを得るステップを含む、
請求項1に記載の方法。 - コンピュータ機器であって、メモリと、プロセッサと、を含み、
前記メモリは、コンピュータプログラムを記憶するために用いられ、
前記プロセッサは、前記コンピュータプログラムを実行し、且つ前記コンピュータプログラムを実行するときに、
椎骨CT画像データを前処理するステップと、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得るステップと、
前記キーポイントヒートマップ回帰結果及び前記前処理した椎骨CT画像データに基づいて椎骨重心キーポイント位置に対応する3Dヒートマップを回帰するステップと、
前記椎骨重心キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するステップと、を実現するために用いられ、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得る前記ステップは、
前記前処理した椎骨CT画像データを高解像度ニューラルネットワークモデルに入力するステップであって、前記高解像度ニューラルネットワークモデルが並列に処理された異なる解像度の特徴マップを含むステップと、
前記異なる解像度の特徴マップによって前記前処理した椎骨CT画像データに対してインタラクション処理を行い、且つ25個の3Dヒートマップをネットワークタグとし、脊柱に対応する25個のキーポイントヒートマップ回帰結果を得るステップと、を含む、
コンピュータ機器。 - 前記キーポイントヒートマップ回帰結果及び前記前処理した椎骨CT画像データに基づいて椎骨重心キーポイント位置に対応する3Dヒートマップを回帰する前記ステップは、
U型畳み込みニューラルネットワークと空間情報抽出ネットワークとを組み合わせる方式を採用して、前記前処理した椎骨CT画像データを入力とし、椎骨重心キーポイント位置をタグとし、前記25個のキーポイントヒートマップ回帰結果から6個の目標位置に対応する3Dヒートマップを決定するステップを含み、
ここで、前記6個の目標位置に対応する3Dヒートマップは第1頚椎、第7頚椎、第1腰椎、第5腰椎、第1胸椎、第12胸椎を含み、それぞれキーポイント位置に対応する3Dヒートマップに対応する、
請求項7に記載のコンピュータ機器。 - 椎骨キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了する前記ステップは、
前記6個の目標位置に対応する3Dヒートマップに対応するキーポイント位置を決定するステップと、
椎骨間の予め設定された間隔範囲を規定することにより、前記椎骨キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するステップと、を含む、
請求項8に記載のコンピュータ機器。 - 前記6個の目標位置に対応する3Dヒートマップに対応するキーポイント位置を決定する前記ステップは、
前記6個の目標位置に対応する3Dヒートマップのそれぞれに対応する最大値を、キーポイント位置とするステップを含む、
請求項8に記載のコンピュータ機器。 - 椎骨CT画像データを前処理する前記ステップは、
SimpleITKツールキットを採用して前記椎骨CT画像データに対してデータ増強操作処理を行い、トレーニングサンプル多様性の椎骨CT画像データを得るステップを含む、
請求項7に記載のコンピュータ機器。 - コンピュータ読み取り可能な記憶媒体であって、前記コンピュータ読み取り可能な記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムは、プロセッサによって実行されるときに、
椎骨CT画像データを前処理するステップと、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得るステップと、
前記キーポイントヒートマップ回帰結果及び前記前処理した椎骨CT画像データに基づいて椎骨重心キーポイント位置に対応する3Dヒートマップを回帰するステップと、
前記椎骨重心キーポイント位置に対応する3Dヒートマップをタグとし、3Dヒートマップ情報をネットワーク回帰し、椎骨位置決めを完了するステップと、を前記プロセッサに実現させ、
前記前処理した椎骨CT画像データを予めトレーニングしたニューラルネットワークモデルに入力し、前処理した椎骨CT画像データに対応するキーポイントヒートマップ回帰結果を得る前記ステップは、
前記前処理した椎骨CT画像データを高解像度ニューラルネットワークモデルに入力するステップであって、前記高解像度ニューラルネットワークモデルが並列に処理された異なる解像度の特徴マップを含むステップと、
前記異なる解像度の特徴マップによって前記前処理した椎骨CT画像データに対してインタラクション処理を行い、且つ25個の3Dヒートマップをネットワークタグとし、脊柱に対応する25個のキーポイントヒートマップ回帰結果を得るステップと、を含む、
コンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010998423.2 | 2020-09-22 | ||
CN202010998423.2A CN111932533B (zh) | 2020-09-22 | 2020-09-22 | Ct图像椎骨定位方法、装置、设备及介质 |
PCT/CN2020/125002 WO2021189843A1 (zh) | 2020-09-22 | 2020-10-30 | Ct图像椎骨定位方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022533686A JP2022533686A (ja) | 2022-07-25 |
JP7221421B2 true JP7221421B2 (ja) | 2023-02-13 |
Family
ID=73333987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021568943A Active JP7221421B2 (ja) | 2020-09-22 | 2020-10-30 | Ct画像の椎骨位置決め方法、装置、機器及び媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11928782B2 (ja) |
JP (1) | JP7221421B2 (ja) |
CN (1) | CN111932533B (ja) |
WO (1) | WO2021189843A1 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11704798B2 (en) * | 2020-12-02 | 2023-07-18 | Ping An Technology (Shenzhen) Co., Ltd. | Method and device for vertebra localization and identification |
CN112686878A (zh) * | 2021-01-05 | 2021-04-20 | 北京大学口腔医学院 | 颞下颌关节cbct图像关键点的定位方法和装置 |
CN113240696B (zh) * | 2021-05-20 | 2022-02-08 | 推想医疗科技股份有限公司 | 图像处理方法及装置,模型的训练方法及装置,电子设备 |
CN113240661B (zh) * | 2021-05-31 | 2023-09-26 | 平安科技(深圳)有限公司 | 基于深度学习的腰椎骨分析方法、装置、设备及存储介质 |
CN113327235B (zh) * | 2021-06-04 | 2022-07-01 | 杭州健培科技有限公司 | 基于ct影像肌少症评估的图像处理方法和装置 |
KR102672531B1 (ko) * | 2021-11-09 | 2024-06-07 | 주식회사 피앤씨솔루션 | 딥러닝 기반의 포즈 추정을 활용한 의료 영상에서의 척추 위치 자동 추정 방법 및 장치 |
CN114511561B (zh) * | 2022-04-18 | 2022-06-17 | 博志生物科技(深圳)有限公司 | 脊柱矢状位形态预测方法、装置、设备及存储介质 |
CN114998301B (zh) * | 2022-06-28 | 2022-11-29 | 北京大学第三医院(北京大学第三临床医学院) | 一种椎体亚区域分割方法、装置及存储介质 |
CN115330753B (zh) * | 2022-10-10 | 2022-12-20 | 博志生物科技(深圳)有限公司 | 椎骨识别方法、装置、设备及存储介质 |
CN115880319B (zh) * | 2023-02-16 | 2023-07-21 | 博志生物科技(深圳)有限公司 | 一种椎体终板及邻近松质骨自动分割方法及装置 |
CN116492052B (zh) * | 2023-04-24 | 2024-04-23 | 中科智博(珠海)科技有限公司 | 一种基于混合现实脊柱三维可视化手术导航系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320288B (zh) * | 2017-12-08 | 2023-05-30 | 李书纲 | 一种特发性脊柱侧凸影像的数据处理方法 |
US11302008B2 (en) * | 2018-03-30 | 2022-04-12 | Perkinelmer Health Sciences, Inc. | Systems and methods for automated detection and segmentation of vertebral centrum(s) in 3D images |
JP2021534859A (ja) * | 2018-08-21 | 2021-12-16 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 機械学習モデルによる特徴評価の顕在視覚的説明 |
CN109859233B (zh) * | 2018-12-28 | 2020-12-11 | 上海联影智能医疗科技有限公司 | 图像处理、图像处理模型的训练方法及系统 |
CN111210467A (zh) * | 2018-12-27 | 2020-05-29 | 上海商汤智能科技有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
US11790524B2 (en) * | 2019-06-20 | 2023-10-17 | Ohio State Innovation Foundation | System and method for quantitative volumetric assessment and modeling of tumor lesions |
CN110705555B (zh) * | 2019-09-17 | 2022-06-14 | 中山大学 | 基于fcn的腹部多器官核磁共振图像分割方法、系统及介质 |
CN110852991B (zh) * | 2019-10-10 | 2022-08-09 | 浙江大学 | 一种基于3d结合2d的脊椎骨检测方法 |
-
2020
- 2020-09-22 CN CN202010998423.2A patent/CN111932533B/zh active Active
- 2020-10-30 JP JP2021568943A patent/JP7221421B2/ja active Active
- 2020-10-30 WO PCT/CN2020/125002 patent/WO2021189843A1/zh active Application Filing
- 2020-10-30 US US17/613,487 patent/US11928782B2/en active Active
Non-Patent Citations (2)
Title |
---|
Christian Payer et al.,Coarse to Fine Vertebrae Localization and Segmentation with SpatialConfiguration-Net and U-Net,In Proceedings of the 15th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications,2020年,124-133,https://pdfs.semanticscholar.org/6a14/659f5452030099760a64ddbabe6ebe855be6.pdf |
Christian Payer et al.,Vertebrae Localization and Segmentation with SpatialConfiguraion-Net and U-Net,2019年,1-4,https://cpb-ap-se2.wpmucdn.com/blogs.auckland.ac.nz/dist/1/670/files/2019/11/verse2019ExtAbstract.pdf |
Also Published As
Publication number | Publication date |
---|---|
US20230186566A1 (en) | 2023-06-15 |
WO2021189843A1 (zh) | 2021-09-30 |
CN111932533A (zh) | 2020-11-13 |
JP2022533686A (ja) | 2022-07-25 |
US11928782B2 (en) | 2024-03-12 |
CN111932533B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7221421B2 (ja) | Ct画像の椎骨位置決め方法、装置、機器及び媒体 | |
Zhang et al. | Context-guided fully convolutional networks for joint craniomaxillofacial bone segmentation and landmark digitization | |
US11610308B2 (en) | Localization and classification of abnormalities in medical images | |
CN111671454B (zh) | 脊柱弯曲角度测量方法、装置、计算机设备及存储介质 | |
Abdel-Basset et al. | Feature and intensity based medical image registration using particle swarm optimization | |
CN107220933B (zh) | 一种参考线确定方法和系统 | |
US20210133978A1 (en) | Method for precisely and automatically positioning reference line for integrated images | |
US9561004B2 (en) | Automated 3-D orthopedic assessments | |
EP3355273B1 (en) | Coarse orientation detection in image data | |
US8861891B2 (en) | Hierarchical atlas-based segmentation | |
US8958614B2 (en) | Image-based detection using hierarchical learning | |
US20110058720A1 (en) | Systems and Methods for Automatic Vertebra Edge Detection, Segmentation and Identification in 3D Imaging | |
WO2007054907A1 (en) | Adaptive point-based elastic image registration | |
EP4156096A1 (en) | Method, device and system for automated processing of medical images to output alerts for detected dissimilarities | |
Chen et al. | Structure-aware long short-term memory network for 3D cephalometric landmark detection | |
CN115063397A (zh) | 计算机辅助影像分析方法、计算机设备和存储介质 | |
Bukas et al. | Patient-specific virtual spine straightening and vertebra inpainting: an automatic framework for osteoplasty planning | |
CN113240681B (zh) | 图像处理的方法及装置 | |
Zhong et al. | PMFSNet: Polarized Multi-scale Feature Self-attention Network For Lightweight Medical Image Segmentation | |
Kim et al. | Morphology-aware interactive keypoint estimation | |
Andronache | Multi-modal non-rigid registration of volumetric medical images | |
CN116728420B (zh) | 一种脊柱外科手术用机械臂调控方法及系统 | |
Yang et al. | Research on Segmentation Algorithm for Vertebral CT Images Based on Spatial Configuration-Net and U-Net Deep Learning Model | |
EP3889881A1 (en) | Method, device and system for generating a denoised medical image | |
Lin et al. | ARF-NET: Method of spinal segmentation in deformed spine radiographs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211118 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221024 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221027 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230131 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230201 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7221421 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |