RU2009102657A - Сегментация изображения на основе модели с переменным разрешением - Google Patents

Сегментация изображения на основе модели с переменным разрешением Download PDF

Info

Publication number
RU2009102657A
RU2009102657A RU2009102657/08A RU2009102657A RU2009102657A RU 2009102657 A RU2009102657 A RU 2009102657A RU 2009102657/08 A RU2009102657/08 A RU 2009102657/08A RU 2009102657 A RU2009102657 A RU 2009102657A RU 2009102657 A RU2009102657 A RU 2009102657A
Authority
RU
Russia
Prior art keywords
image data
data array
coarse
grid
mesh
Prior art date
Application number
RU2009102657/08A
Other languages
English (en)
Inventor
Максим ФРАДКИН (NL)
Максим ФРАДКИН
Жан М. РУЭ (NL)
Жан М. РУЭ
Франк ЛАФФАРГ (NL)
Франк ЛАФФАРГ
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 RU2009102657A publication Critical patent/RU2009102657A/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • 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
    • G06T2207/10132—Ultrasound image
    • G06T2207/10136—3D ultrasound image
    • 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
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • 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
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)
  • Image Generation (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Analysis (AREA)

Abstract

1. Система (100) для сегментации массива данных изображения на основании деформируемой модели для моделирования объекта в массиве данных изображения, с использованием грубой сетки для адаптации к массиву данных изображения и тонкой сетки для извлечения подробной информации из массива данных изображения, содержащая ! блок (110) инициализации для инициализации грубой сетки в пространстве массива данных изображения, ! блок (120) построения для построения тонкой сетки в пространстве массива данных изображения на основании инициализированной грубой сетки, ! блок (130) вычисления для вычисления внутреннего силового поля на грубой сетке и внешнего силового поля на грубой сетке, причем внешняя сила вычисляется на основании построенной тонкой сетки и скалярного поля интенсивностей, и ! блок (140) адаптации для адаптации грубой сетки к объекту в массиве данных изображения, с использованием вычисленного внутреннего силового поля и вычисленного внешнего силового поля, и, таким образом, для сегментации массива данных изображения. ! 2. Система (100) по п.1, в которой тонкая сетка строится на основании схемы разбиения грубой сетки. ! 3. Система (100) по п.2, в которой грубая сетка является симплексной сеткой. ! 4. Система (100) по п.2, в которой грубая сетка является треугольной сеткой. ! 5. Система (100) по любому из пп.1-4, дополнительно содержащая блок определения для определения разрешения тонкой сетки. ! 6. Устройство (800) захвата изображения, содержащее систему (100) по п.1. ! 7. Рабочая станция (900), содержащая систему (100) по п.1. ! 8. Способ (200) сегментации массива данных изображения на основании деформируемой модели для моделирования объекта в массив�

Claims (9)

1. Система (100) для сегментации массива данных изображения на основании деформируемой модели для моделирования объекта в массиве данных изображения, с использованием грубой сетки для адаптации к массиву данных изображения и тонкой сетки для извлечения подробной информации из массива данных изображения, содержащая
блок (110) инициализации для инициализации грубой сетки в пространстве массива данных изображения,
блок (120) построения для построения тонкой сетки в пространстве массива данных изображения на основании инициализированной грубой сетки,
блок (130) вычисления для вычисления внутреннего силового поля на грубой сетке и внешнего силового поля на грубой сетке, причем внешняя сила вычисляется на основании построенной тонкой сетки и скалярного поля интенсивностей, и
блок (140) адаптации для адаптации грубой сетки к объекту в массиве данных изображения, с использованием вычисленного внутреннего силового поля и вычисленного внешнего силового поля, и, таким образом, для сегментации массива данных изображения.
2. Система (100) по п.1, в которой тонкая сетка строится на основании схемы разбиения грубой сетки.
3. Система (100) по п.2, в которой грубая сетка является симплексной сеткой.
4. Система (100) по п.2, в которой грубая сетка является треугольной сеткой.
5. Система (100) по любому из пп.1-4, дополнительно содержащая блок определения для определения разрешения тонкой сетки.
6. Устройство (800) захвата изображения, содержащее систему (100) по п.1.
7. Рабочая станция (900), содержащая систему (100) по п.1.
8. Способ (200) сегментации массива данных изображения на основании деформируемой модели для моделирования объекта в массиве данных изображения, с использованием грубой сетки для адаптации к массиву данных изображения и тонкой сетки для извлечения подробной информации из массива данных изображения, содержащий
этап (210) инициализации, на котором инициализируют грубую сетку в пространстве массива данных изображения,
этап (220) построения, на котором строят тонкую сетку в пространстве массива данных изображения на основании инициализированной грубой сетки,
этап (230) вычисления, на котором вычисляют внутреннее силовое поле на грубой сетке и внешнее силовое поле на грубой сетке, причем внешняя сила вычисляется на основании построенной тонкой сетки и скалярного поля интенсивностей, и
этап (240) адаптации, на котором адаптируют грубую сетку к объекту в массиве данных изображения, с использованием вычисленного внутреннего силового поля и вычисленного внешнего силового поля, и, таким образом, сегментируют массив данных изображения.
9. Компьютерный программный продукт, загружаемый компьютерным устройством, и содержащий инструкции для сегментации массива данных изображения на основании деформируемой модели для моделирования объекта в массиве данных изображения, с использованием грубой сетки для адаптации к массиву данных изображения и тонкой сетки для извлечения подробной информации из массива данных изображения, причем компьютерное устройство содержит блок обработки и память, причем компьютерный программный продукт, когда он загружен, обеспечивает блоку обработки возможность осуществлять задачи
инициализации грубой сетки в пространстве массива данных изображения,
построения тонкой сетки в пространстве массива данных изображения на основании инициализированной грубой сетки,
вычисления внутреннего силового поля на грубой сетке и внешнего силового поля на грубой сетке, причем внешняя сила вычисляется на основании построенной тонкой сетки и скалярного поля интенсивностей, и
адаптации грубой сетки к объекту в массиве данных изображения, с использованием вычисленного внутреннего силового поля и вычисленного внешнего силового поля, и, таким образом, сегментации массива данных изображения.
RU2009102657/08A 2006-06-28 2007-06-25 Сегментация изображения на основе модели с переменным разрешением RU2009102657A (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP06300730 2006-06-28
EP06300730.6 2006-06-28

Publications (1)

Publication Number Publication Date
RU2009102657A true RU2009102657A (ru) 2010-08-10

Family

ID=38724513

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2009102657/08A RU2009102657A (ru) 2006-06-28 2007-06-25 Сегментация изображения на основе модели с переменным разрешением

Country Status (6)

Country Link
US (1) US20090202150A1 (ru)
EP (1) EP2038839A2 (ru)
JP (1) JP2009542288A (ru)
CN (1) CN101479763A (ru)
RU (1) RU2009102657A (ru)
WO (1) WO2008001297A2 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2601212C2 (ru) * 2011-10-11 2016-10-27 Конинклейке Филипс Н.В. Процесс интерактивной сегментации долей легкого, проводимой с учетом неоднозначности

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8437521B2 (en) * 2009-09-10 2013-05-07 Siemens Medical Solutions Usa, Inc. Systems and methods for automatic vertebra edge detection, segmentation and identification in 3D imaging
EP3244370B1 (en) * 2010-09-17 2020-08-19 Koninklijke Philips N.V. Choosing anatomical variant model for image segmentation
JP2014512229A (ja) * 2011-04-18 2014-05-22 パスファインダー セラピューティクス，インコーポレイテッド 臓器および解剖学的構造の画像セグメンテーション
BR112015014308B1 (pt) * 2012-12-21 2022-10-11 Koninklijke Philips N.V Aparelho e método para guiar um usuário que manuseia uma sonda de imageamento
US10154861B2 (en) 2013-03-15 2018-12-18 Jcbd, Llc Spinal stabilization system
US9510872B2 (en) 2013-03-15 2016-12-06 Jcbd, Llc Spinal stabilization system
US9280819B2 (en) 2013-08-26 2016-03-08 International Business Machines Corporation Image segmentation techniques
EP3077989B1 (en) * 2013-12-04 2022-11-09 Koninklijke Philips N.V. Model-based segmentation of an anatomical structure.
EP3080778B1 (en) 2013-12-09 2019-03-27 Koninklijke Philips N.V. Imaging view steering using model-based segmentation
WO2015087191A1 (en) 2013-12-09 2015-06-18 Koninklijke Philips N.V. Personalized scan sequencing for real-time volumetric ultrasound imaging
US9959672B2 (en) * 2015-11-23 2018-05-01 Adobe Systems Incorporated Color-based dynamic sub-division to generate 3D mesh
US10270939B2 (en) 2016-05-24 2019-04-23 E Ink Corporation Method for rendering color images
EP4218596A1 (en) 2018-05-15 2023-08-02 New York University System and method for orientating capture of ultrasound images

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5802220A (en) * 1995-12-15 1998-09-01 Xerox Corporation Apparatus and method for tracking facial motion through a sequence of images
US5774591A (en) * 1995-12-15 1998-06-30 Xerox Corporation Apparatus and method for recognizing facial expressions and facial gestures in a sequence of images
US6763148B1 (en) * 2000-11-13 2004-07-13 Visual Key, Inc. Image recognition methods
JP2005521502A (ja) * 2002-04-03 2005-07-21 セガミ エス．エー．アール．エル． 胸部および腹部の画像モダリティの重ね合わせ
US7200243B2 (en) * 2002-06-28 2007-04-03 The United States Of America As Represented By The Secretary Of The Army Spectral mixture process conditioned by spatially-smooth partitioning
US7519209B2 (en) * 2004-06-23 2009-04-14 Vanderbilt University System and methods of organ segmentation and applications of same
US7542604B2 (en) * 2004-08-26 2009-06-02 Siemens Medical Solutions Usa, Inc. System and method for image segmentation by solving an inhomogenous dirichlet problem
US7565010B2 (en) * 2005-01-06 2009-07-21 Siemens Medical Solutions Usa, Inc. System and method for image segmentation by a weighted multigrid solver
US20070047790A1 (en) * 2005-08-30 2007-03-01 Agfa-Gevaert N.V. Method of Segmenting Anatomic Entities in Digital Medical Images
US20080279429A1 (en) * 2005-11-18 2008-11-13 Koninklijke Philips Electronics, N.V. Method For Delineation of Predetermined Structures in 3D Images

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2601212C2 (ru) * 2011-10-11 2016-10-27 Конинклейке Филипс Н.В. Процесс интерактивной сегментации долей легкого, проводимой с учетом неоднозначности

Also Published As

Publication number Publication date
EP2038839A2 (en) 2009-03-25
CN101479763A (zh) 2009-07-08
JP2009542288A (ja) 2009-12-03
WO2008001297A3 (en) 2008-03-13
US20090202150A1 (en) 2009-08-13
WO2008001297A2 (en) 2008-01-03

Similar Documents

Publication Publication Date Title
RU2009102657A (ru) Сегментация изображения на основе модели с переменным разрешением
HajiRassouliha et al. Suitability of recent hardware accelerators (DSPs, FPGAs, and GPUs) for computer vision and image processing algorithms
Almeer Cloud hadoop map reduce for remote sensing image analysis
Georgii et al. Mass-spring systems on the GPU
US8619122B2 (en) Depth camera compatibility
Rupnow et al. High level synthesis of stereo matching: Productivity, performance, and software constraints
Wang et al. Workload analysis and efficient OpenCL-based implementation of SIFT algorithm on a smartphone
Van den Braak et al. Fast hough transform on GPUs: Exploration of algorithm trade-offs
WO2014071060A2 (en) Scale-invariant superpixel region edges
CA2786436A1 (en) Depth camera compatibility
EP2808828A2 (en) Image matching method, image matching device, model template generation method, model template generation device, and program
CN109544516B (zh) 图像检测方法及装置
Singhal et al. Implementation and optimization of image processing algorithms on embedded GPU
Park et al. Real-time 3D registration using GPU
Mankani et al. Real-time implementation of object detection and tracking on DSP for video surveillance applications
CN111429486A (zh) 基于dnndk模型的运动目标实时检测跟踪系统及方法
Athanas et al. Image processing on a custom computing platform
Palossi et al. Gpu-shot: Parallel optimization for real-time 3d local description
Struyf et al. The battle of the giants-a case study of GPU vs FPGA optimisation for real-time image processing
Rymut et al. Real‐time multiview human pose tracking using graphics processing unit‐accelerated particle swarm optimization
CN115993973A (zh) 深度学习模型的编译方法、电子设备及存储介质
Fulop et al. Lessons learned from lightweight CNN based object recognition for mobile robots
Sim Real-Time 3D Reconstruction and Semantic Segmentation Using Multi-Layer Heightmaps
CN113011223A (zh) 一种图像识别方法、系统、设备和存储介质
Silva et al. A Linux microkernel based architecture for OPENCV in the Raspberry Pi device

Legal Events

Date Code Title Description
FA93 Acknowledgement of application withdrawn (no request for examination)

Effective date: 20100628