RU2008129793A - Способ улучшения последующей обработки изображений с использованием деформируемых сеток - Google Patents

Способ улучшения последующей обработки изображений с использованием деформируемых сеток Download PDF

Info

Publication number
RU2008129793A
RU2008129793A RU2008129793/09A RU2008129793A RU2008129793A RU 2008129793 A RU2008129793 A RU 2008129793A RU 2008129793/09 A RU2008129793/09 A RU 2008129793/09A RU 2008129793 A RU2008129793 A RU 2008129793A RU 2008129793 A RU2008129793 A RU 2008129793A
Authority
RU
Russia
Prior art keywords
grid
processing
image
post
task
Prior art date
Application number
RU2008129793/09A
Other languages
English (en)
Other versions
RU2413995C2 (ru
Inventor
Йохен ПЕТЕРС (DE)
Йохен ПЕТЕРС
Оливер ЭКАБЕРТ (DE)
Оливер ЭКАБЕРТ
Юрген ВЕСЕ (DE)
Юрген ВЕСЕ
Кристиан ЛОРЕНЦ (DE)
Кристиан ЛОРЕНЦ
БЕРГ Йенс ФОН (DE)
БЕРГ Йенс ФОН
Original Assignee
Конинклейке Филипс Электроникс, Н.В. (Nl)
Конинклейке Филипс Электроникс, Н.В.
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 Конинклейке Филипс Электроникс, Н.В. (Nl), Конинклейке Филипс Электроникс, Н.В. filed Critical Конинклейке Филипс Электроникс, Н.В. (Nl)
Publication of RU2008129793A publication Critical patent/RU2008129793A/ru
Application granted granted Critical
Publication of RU2413995C2 publication Critical patent/RU2413995C2/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/001—Model-based coding, e.g. wire frame
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Generation (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Catching Or Destruction (AREA)

Abstract

1. Способ ускорения последующей обработки объекта в виде изображения, сегментируемого с использованием сетки, содержащий этапы, на которых: ! идентифицируют задачу последующей обработки, которая должна быть выполнена в отношении объекта после сегментирования, с использованием сетки (22); ! определяют информацию, требуемую для задачи (24) последующей обработки; ! кодируют информацию по сетке (30); ! сегментируют объект в новом изображении с использованием сетки с кодированной информацией (36) и ! выполняют задачу последующей обработки, выделяя кодированную информацию из сетки (40). ! 2. Способ по п.1, в котором информация, требуемая для задачи последующей обработки, представляет собой список треугольников или вершин сетки, для которых может быть выполнена задача последующей обработки. ! 3. Способ по п.1, в котором информация, требуемая для задачи последующей обработки, представляет собой значение расстояния, представляющее расстояние между каждым треугольником или вершиной сетки и объектом, представляющим интерес для задачи последующей обработки. ! 4. Способ по п.1, в котором информация, требуемая для задачи последующей обработки, представляет собой функцию вероятности, представляющую вероятность полезности каждого треугольника или вершины сетки для задачи последующей обработки. ! 5. Способ по п.1, в котором этап определения информации, требуемой для задачи последующей обработки, содержит: получают, по меньшей мере, одно тренировочное изображение, включающее в себя объект (20), сегментируют объект, по меньшей мере, в одном тренировочном изображении с помощью сетки (26) и получают информацию на основе сегментирования, по меньше�

Claims (21)

1. Способ ускорения последующей обработки объекта в виде изображения, сегментируемого с использованием сетки, содержащий этапы, на которых:
идентифицируют задачу последующей обработки, которая должна быть выполнена в отношении объекта после сегментирования, с использованием сетки (22);
определяют информацию, требуемую для задачи (24) последующей обработки;
кодируют информацию по сетке (30);
сегментируют объект в новом изображении с использованием сетки с кодированной информацией (36) и
выполняют задачу последующей обработки, выделяя кодированную информацию из сетки (40).
2. Способ по п.1, в котором информация, требуемая для задачи последующей обработки, представляет собой список треугольников или вершин сетки, для которых может быть выполнена задача последующей обработки.
3. Способ по п.1, в котором информация, требуемая для задачи последующей обработки, представляет собой значение расстояния, представляющее расстояние между каждым треугольником или вершиной сетки и объектом, представляющим интерес для задачи последующей обработки.
4. Способ по п.1, в котором информация, требуемая для задачи последующей обработки, представляет собой функцию вероятности, представляющую вероятность полезности каждого треугольника или вершины сетки для задачи последующей обработки.
5. Способ по п.1, в котором этап определения информации, требуемой для задачи последующей обработки, содержит: получают, по меньшей мере, одно тренировочное изображение, включающее в себя объект (20), сегментируют объект, по меньшей мере, в одном тренировочном изображении с помощью сетки (26) и получают информацию на основе сегментирования, по меньшей мере, одного тренировочного изображения (28).
6. Способ по п.1, дополнительно содержащий этап, на котором определяют множество задач последующей обработки, каждая из которых имеет разную требуемую информацию для обеспечения ее выполнения.
7. Способ по п.1, в котором задачу последующей обработки выполняют автоматически, без взаимодействия с пользователем после сегментирования объекта в новом изображении.
8. Способ по п.1, в котором кодирование информации на сетку содержит кодирование различных типов данных, требуемых для задачи последующей обработки в разных областях сетки, таким образом, что разные задачи последующей обработки применяют к разным областям сетки.
9. Способ по п.1, в котором задача последующей обработки включает в себя выполнение алгоритма последующей обработки и кодирование информации на сетку содержит этап, на котором кодируют регионально изменяющийся параметр, который управляет алгоритмом последующей обработки.
10. Способ по п.1, в котором объект в изображении представляет собой сердце, информация, требуемая для задачи последующей обработки, представляет собой идентификацию треугольников или вершин сетки в пределах заданного расстояния до фактических положений отверстия, сетку кодируют с идентифицированными треугольниками или вершинами на расстоянии между каждым треугольником или вершинами и положением отверстия, выполнение задачи последующей обработки содержит: выполняют алгоритм для анализа идентифицированных треугольников или вершин для определения вероятности того, что отверстие присутствует в нем или на нем.
11. Способ по п.1, в котором объект изображения представляет собой сердце, информация, требуемая для задачи последующей обработки, представляет собой вероятность того, что каждый треугольник или вершина сетки содержит поверхность, близко на которой расположен коронарный сосуд, выполняют задачу последующей обработки, содержащую выполнение алгоритма для анализа только тех треугольников или вершин, которые с высокой вероятностью содержат поверхность, близко на которой расположен коронарный сосуд.
12. Способ по п.11, в котором информация, требуемая для задачи последующей обработки, представляет собой расстояние между каждым треугольником или вершиной сетки и координатами коронарного сосуда, причем выполнение задачи последующей обработки содержит этап, на котором выполняют алгоритм для анализа только тех треугольников или вершин, которые находятся в пределах заданного расстояния от координат коронарного сосуда.
13. Способ по п.1, в котором информация, требуемая для задачи последующей обработки, представляет собой идентификацию областей сетки, которые подвергают улучшенному сегментированию, при этом сетка кодируется треугольниками или вершинами в каждой идентифицированной области, выполняют задачу последующей обработки, содержащую выполнение улучшенного алгоритма сегментирования для дополнительного сегментирования части изображения, представленного кодированными треугольниками или вершинами.
14. Способ по п.1, в котором объект изображения представляет собой сердце, информация, требуемая для задачи последующей обработки, представляет собой идентификацию треугольников или вершин в области клапана, который будет искусственно уплощен, выполняют задачу последующей обработки, содержащую выполнение алгоритма уплощения, для сдвига идентифицированных треугольников или вершин.
15. Способ обработки изображения и отображения обработанного изображения, содержащий
на подготовительном этапе
идентифицируют задачу обработки, которая должна быть выполнена в отношении объекта после сегментирования с использованием сетки (22),
определяют информацию, требуемую для задачи (24) обработки, и
кодируют информацию на сетке (30); и
на операционном этапе
получают новое изображение, содержащее тот же объект (34),
сегментируют объект на новом изображении, используя сетку с кодированной информацией (36),
выполняют задачу обработки путем выделения кодированной информации из сетки (38, 40) и
отображают отклонение нового изображения, модифицированного при выполнении задачи (42) обработки.
16. Способ по п.15, в котором этап определения информации, требуемой для задачи обработки, содержит этапы, на которых: получают, по меньшей мере, одно тренировочное изображение, включающее с себя объект (20), сегментируют объект на, по меньшей мере, одном тренировочном изображении с помощью сетки (26) и получают информацию на основе сегментирования, по меньшей мере, одного тренировочного изображения (28).
17. Способ по п.15, в котором информация, требуемая для задачи обработки, представляет собой список треугольников или вершин сетки, для которых будет выполнена задача обработки.
18. Способ по п.15, в котором информация, требуемая для задачи обработки, представляет собой значение расстояния, представляющего расстояние между каждым треугольником или вершиной сетки и объектом, представляющим интерес для задачи обработки.
19. Способ по п.15, в котором информация, требуемая для задачи обработки, представляет собой функцию вероятности, представляющую вероятность полезности каждого треугольника или вершины сетки для задачи обработки.
20. Система обработки изображений (10), содержащая:
устройство (12) получения изображений, предназначенное для получения изображений объектов, предназначенных для обработки;
дисплей (16), предназначенный для отображения изображений, получаемых упомянутым устройством (12) получения изображений до и после обработки;
модуль (14) обработки, соединенный с упомянутым устройством (12) получения изображений и упомянутым дисплеем (16); и
интерфейс (18) пользователя, предназначенный для управления упомянутым устройством (12) получения изображений и упомянутым модулем (14) обработки,
упомянутый модуль (14) обработки выполнен так, что обеспечивает возможность через упомянутый интерфейс (18) пользователя инициирования получения изображений, инициирования сегментация на основе модели сетки объектов изображения, идентификации задачи последующей обработки, которая должна быть выполнена после сегментирования объекта, используя сетку, и определения информации, требуемой для задачи последующей обработки,
упомянутый модуль (14) обработки дополнительно выполнен с возможностью кодировать информацию, требуемую для задачи последующей обработки, на сетке, сегментировать объект в новом изображении, полученном упомянутым устройством (12) получения изображений, с использованием сетки с кодированной информацией, автоматически выполняя задачу последующей обработки путем выделения кодированной информации из сетки и отображая изображение, полученное в результате последующей обработки нового изображения, на упомянутом дисплее (16).
21. Считываемый компьютером носитель информации для обеспечения обработки изображения в системе (10) обработки изображения, включающей в себя устройство (12) получения изображения, предназначенное для получения изображения объектов, предназначенных для обработки, дисплей (16) для отображения изображений, полученных устройством (12) получения изображений, перед и после обработки и интерфейс (18) пользователя для управления устройством (12) получения изображения, причем носитель информации выполнен с возможностью
инициировать получение изображений через интерфейс (18) пользователя;
инициировать сегментирование на основе модели сетки объекта в изображении через интерфейс (18) пользователя;
идентифицировать выполнение задачи последующей обработки в отношении объекта после сегментирования с использованием сетки через интерфейс (18) пользователя;
определять информацию, требуемую для задачи последующей обработки через интерфейс (18) пользователя;
кодировать информацию по сетке;
сегментировать объект в новом изображении, полученном устройством (12) получения изображений, используя сетку с кодированной информацией;
автоматически выполнять задачу последующей обработки путем выделения кодированной информации из сетки и
отображать изображение, полученное в результате последующей обработки нового изображения, на дисплее (16).
RU2008129793/08A 2005-12-19 2006-12-14 Способ улучшения последующей обработки изображений с использованием деформируемых сеток RU2413995C2 (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US75153605P 2005-12-19 2005-12-19
US60/751,536 2005-12-19

Publications (2)

Publication Number Publication Date
RU2008129793A true RU2008129793A (ru) 2010-01-27
RU2413995C2 RU2413995C2 (ru) 2011-03-10

Family

ID=38051374

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2008129793/08A RU2413995C2 (ru) 2005-12-19 2006-12-14 Способ улучшения последующей обработки изображений с использованием деформируемых сеток

Country Status (8)

Country Link
US (1) US8144950B2 (ru)
EP (1) EP1966756B1 (ru)
JP (1) JP5113077B2 (ru)
CN (1) CN101331517B (ru)
AT (1) ATE437421T1 (ru)
DE (1) DE602006008040D1 (ru)
RU (1) RU2413995C2 (ru)
WO (1) WO2007072363A2 (ru)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7715627B2 (en) * 2005-03-25 2010-05-11 Siemens Medical Solutions Usa, Inc. Automatic determination of the standard cardiac views from volumetric data acquisitions
US9275190B2 (en) * 2007-04-23 2016-03-01 Siemens Aktiengesellschaft Method and system for generating a four-chamber heart model
US8582854B2 (en) * 2008-09-15 2013-11-12 Siemens Aktiengesellschaft Method and system for automatic coronary artery detection
US8498846B2 (en) * 2010-02-25 2013-07-30 Microsoft Corporation Joint-aware manipulation of deformable models
US8675943B2 (en) * 2010-11-29 2014-03-18 Siemens Aktiengesellschaft Method and system for heart isolation in cardiac computed tomography volumes for patients with coronary artery bypasses
AU2012350138A1 (en) * 2011-12-05 2014-06-26 Commonwealth Scientific And Industrial Research Organisation Method and system for characterising plant phenotype
US20150011886A1 (en) 2011-12-12 2015-01-08 Koninklijke Philips N.V. Automatic imaging plane selection for echocardiography
US9734626B2 (en) 2012-11-20 2017-08-15 Koninklijke Philips N.V. Automatic positioning of standard planes for real-time fetal heart evaluation
US9280819B2 (en) 2013-08-26 2016-03-08 International Business Machines Corporation Image segmentation techniques
EP3120323B1 (en) * 2014-03-21 2020-05-20 Koninklijke Philips N.V. Image processing apparatus and method for segmenting a region of interest
US10667786B2 (en) 2015-01-06 2020-06-02 Koninklijke Philips N.V. Ultrasound imaging apparatus and method for segmenting anatomical objects
US10325412B2 (en) 2015-11-05 2019-06-18 Shenyang Neusoft Medical Systems Co., Ltd. Cutting three-dimensional image
CN108475428B (zh) * 2015-12-22 2022-04-29 皇家飞利浦有限公司 心脏模型引导的冠状动脉分割的系统及方法
CN106920282B (zh) * 2015-12-25 2020-11-20 中国科学院深圳先进技术研究院 一种血管数字模型的编辑方法及系统
JP7256115B2 (ja) 2016-08-22 2023-04-11 コーニンクレッカ フィリップス エヌ ヴェ モデル正規化動き補償医用画像再構成
DE102016218899B4 (de) * 2016-09-29 2022-06-15 Siemens Healthcare Gmbh Auswertung medizinischer Daten mit einer Zeitauflösung
US10321878B2 (en) 2016-12-22 2019-06-18 Biosense Webster (Israel) Ltd. Pulmonary vein display in two dimensions
US10575746B2 (en) 2017-12-14 2020-03-03 Biosense Webster (Israel) Ltd. Epicardial mapping
EP3570249A1 (en) 2018-05-14 2019-11-20 Koninklijke Philips N.V. Preprocessing medical image data for machine learning
US11823421B2 (en) * 2019-03-14 2023-11-21 Nokia Technologies Oy Signalling of metadata for volumetric video
EP4262565A1 (en) 2020-12-18 2023-10-25 Koninklijke Philips N.V. Ultrasound image-based identification of anatomical scan window, probe orientation, and/or patient position

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3538639A1 (de) * 1984-10-31 1986-04-30 Canon K.K., Tokio/Tokyo Bildverarbeitungssystem
KR100215451B1 (ko) * 1996-05-29 1999-08-16 윤종용 임의형태 물체를 포함한 동화상의 부호화 및 복호화시스템
US6009435A (en) * 1997-11-21 1999-12-28 International Business Machines Corporation Progressive compression of clustered multi-resolution polygonal models
US6614428B1 (en) * 1998-06-08 2003-09-02 Microsoft Corporation Compression of animated geometry using a hierarchical level of detail coder
US6718290B1 (en) * 1998-12-10 2004-04-06 Georgia Tech Research Corporation Systems and methods for encoding tetrahedral meshes
WO2003021532A2 (en) 2001-09-06 2003-03-13 Koninklijke Philips Electronics N.V. Method and apparatus for segmentation of an object
US6985612B2 (en) * 2001-10-05 2006-01-10 Mevis - Centrum Fur Medizinische Diagnosesysteme Und Visualisierung Gmbh Computer system and a method for segmentation of a digital image
US20030076319A1 (en) * 2001-10-10 2003-04-24 Masaki Hiraga Method and apparatus for encoding and decoding an object
EP1525558A2 (en) * 2002-07-19 2005-04-27 Philips Intellectual Property & Standards GmbH Simultaneous segmentation of multiple or composed objects by mesh adaptation
US7668349B2 (en) 2003-11-13 2010-02-23 Koninklijke Philips Electronics N.V. Three-dimensional segmentation using deformable surfaces
EP1751713A1 (en) 2004-05-18 2007-02-14 Koninklijke Philips Electronics N.V. Image processing system for automatic segmentation of a 3-d tree-like tubular surface of an object, using 3-d deformable mesh models

Also Published As

Publication number Publication date
EP1966756A2 (en) 2008-09-10
JP2009519740A (ja) 2009-05-21
CN101331517A (zh) 2008-12-24
DE602006008040D1 (de) 2009-09-03
WO2007072363A3 (en) 2007-10-11
JP5113077B2 (ja) 2013-01-09
WO2007072363A2 (en) 2007-06-28
ATE437421T1 (de) 2009-08-15
US8144950B2 (en) 2012-03-27
US20080304744A1 (en) 2008-12-11
EP1966756B1 (en) 2009-07-22
RU2413995C2 (ru) 2011-03-10
CN101331517B (zh) 2011-09-07

Similar Documents

Publication Publication Date Title
RU2008129793A (ru) Способ улучшения последующей обработки изображений с использованием деформируемых сеток
CN111784685B (zh) 一种基于云边协同检测的输电线路缺陷图像识别方法
CN110148130B (zh) 用于检测零件缺陷的方法和装置
CN110910343A (zh) 路面裂缝检测的方法、装置及计算机设备
CN112837290B (zh) 一种基于种子填充算法的裂缝图像自动识别方法
CN108596102B (zh) 基于rgb-d的室内场景物体分割分类器构造方法
JP2009211179A (ja) 画像処理方法、パターン検出方法、パターン認識方法及び画像処理装置
CN111368682B (zh) 一种基于faster RCNN台标检测与识别的方法及系统
CN110133443B (zh) 基于平行视觉的输电线路部件检测方法、系统、装置
US20140050411A1 (en) Apparatus and method for generating image feature data
CN112329751A (zh) 一种基于深度学习的多尺度遥感影像目标识别系统及方法
CN112434794A (zh) 一种基于深度学习的计算机视觉数据集半自动标注方法及系统
CN111190595A (zh) 基于界面设计图自动生成界面代码的方法、装置、介质及电子设备
CN114332004A (zh) 一种瓷砖表面缺陷检测方法、装置、电子设备及存储介质
CN112070137A (zh) 训练数据集的生成方法、目标对象检测方法及相关设备
CN115908988A (zh) 一种缺陷检测模型生成方法、装置、设备以及存储介质
CN117456356A (zh) 一种基于深度学习的城市内涝视频识别预警方法
CN115619799B (zh) 一种基于迁移学习的晶粒图像分割方法及系统
CN116824135A (zh) 基于机器视觉的大气自然环境试验工业产品识别分割方法
CN116071299A (zh) 一种绝缘子rtv喷涂缺陷检测方法及系统
CN114708590A (zh) 基于深度学习的复合固化土微观结构识别分析方法及系统
CN114862889A (zh) 基于遥感图像的道路边缘提取方法和装置
CN113034420B (zh) 一种频率空间域特征的工业产品表面缺陷分割方法及系统
CN110659694B (zh) 一种基于机器学习的柑橘果蒂的检测方法
CN114639013A (zh) 基于改进Orient RCNN模型的遥感图像飞机目标检测识别方法