RU2012108740A - Формирование данных объекта - Google Patents
Формирование данных объекта Download PDFInfo
- Publication number
- RU2012108740A RU2012108740A RU2012108740/08A RU2012108740A RU2012108740A RU 2012108740 A RU2012108740 A RU 2012108740A RU 2012108740/08 A RU2012108740/08 A RU 2012108740/08A RU 2012108740 A RU2012108740 A RU 2012108740A RU 2012108740 A RU2012108740 A RU 2012108740A
- Authority
- RU
- Russia
- Prior art keywords
- features
- interest
- points
- projection
- ray images
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- 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
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- 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
- G06T2207/10116—X-ray 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
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- 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
-
- 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
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/14—Vascular patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
1. Медицинская система формирования изображений для формирования данных объекта с особенностями области объекта, представляющей интерес, содержащаяпо меньшей мере, одно устройство получения данных изображения;блок (18) обработки данных;устройство (20) отображения; иблок (22) интерфейса;при этом устройство получения данных изображения выполнено с возможностью получения данных изображения области объекта, представляющей интерес;при этом блок обработки данных выполнен с возможностью определения значений вероятностей для предопределенных особенностей в данных изображения для каждого элемента картины;определения наиболее точно соответствующих предопределенных особенностей с учетом обозначенных особенностей; вычисления данных объекта с учетом определенных особенностей; и использования вычисленных данных объекта для дополнительных процессов;при этом устройство (20) отображения выполнено с возможностью отображения значений (24, 26) вероятностей для каждого элемента картины данных изображения в целях взаимодействия;при этом блок (22) интерфейса выполнен для обозначения особенностей в отображенных значениях вероятностей путем взаимодействия пользователя.2. Медицинская система формирования изображений по п.1, в которой особенностями являются сосуды, и сформированные данные объекта являются 3D моделью сосуда;при этом устройство получения данных изображения является устройством получения рентгеновского изображения, выполненного с возможностью получения, по меньшей мере, двух 2D проекционных рентгеновских изображений (70) сосудистых структур с повышенным контрастом с различных углов наблюдения;при этом блок
Claims (15)
1. Медицинская система формирования изображений для формирования данных объекта с особенностями области объекта, представляющей интерес, содержащая
по меньшей мере, одно устройство получения данных изображения;
блок (18) обработки данных;
устройство (20) отображения; и
блок (22) интерфейса;
при этом устройство получения данных изображения выполнено с возможностью получения данных изображения области объекта, представляющей интерес;
при этом блок обработки данных выполнен с возможностью определения значений вероятностей для предопределенных особенностей в данных изображения для каждого элемента картины;
определения наиболее точно соответствующих предопределенных особенностей с учетом обозначенных особенностей; вычисления данных объекта с учетом определенных особенностей; и использования вычисленных данных объекта для дополнительных процессов;
при этом устройство (20) отображения выполнено с возможностью отображения значений (24, 26) вероятностей для каждого элемента картины данных изображения в целях взаимодействия;
при этом блок (22) интерфейса выполнен для обозначения особенностей в отображенных значениях вероятностей путем взаимодействия пользователя.
2. Медицинская система формирования изображений по п.1, в которой особенностями являются сосуды, и сформированные данные объекта являются 3D моделью сосуда;
при этом устройство получения данных изображения является устройством получения рентгеновского изображения, выполненного с возможностью получения, по меньшей мере, двух 2D проекционных рентгеновских изображений (70) сосудистых структур с повышенным контрастом с различных углов наблюдения;
при этом блок обработки данных выполнен с возможностью определения карты (24, 26) вероятностей в качестве значений вероятностей для предопределенных особенностей сосудов для каждого из 2D проекционных рентгеновских изображений; определения эпиполярных линий (40, 42) для первого набора точек, представляющих интерес, на карте вероятностей другого одного, по меньшей мере, из двух 2D проекционных рентгеновских изображений; определения наиболее точно соответствующих предопределенных особенностей сосудистой структуры после указания местоположения точек, представляющих интерес; получения координат для определенных соответствующих предопределенных особенностей сосудистой структуры; и вычисления 3D модели (52) сосуда из полученных координат для определенных соответствующих предопределенных особенностей;
при этом устройство (20) отображения выполнено с возможностью отображения карты (24, 26) вероятностей для каждого из 2D проекционных рентгеновских изображений в целях взаимодействия; и отображения эпиполярных линий (40, 42) для первого набора точек, представляющих интерес, на карте вероятностей другого одного, по меньшей мере, из двух 2D проекционных рентгеновских изображений, где эпиполярные линии служат в качестве ориентации;
при этом блок (22) интерфейса выполнен для указания местоположения первого набора точек, представляющих интерес, на карте вероятностей одного, по меньшей мере, из двух 2D проекционных рентгеновских изображений с помощью пользователя; и для указания местоположения второго набора точек, представляющих интерес, на карте вероятностей другого одного, по меньшей мере, из двух 2D проекционных рентгеновских изображений с помощью пользователя, где второй набор точек соответствует указанным первым точкам.
3. Медицинская система формирования изображений по п.2, в которой блок (18) обработки данных выполнен с возможностью обнаружения положения наиболее точно соответствующей особенности карты (24, 26) вероятностей после указания одной из точек, представляющих интерес, и привязки (60, 66) указанных точек к обнаруженному положению.
4. Способ формирования данных объекта с особенностями области объекта, представляющей интерес, содержащий этапы, на которых
а) получают данные изображения области объекта, представляющей интерес;
b) определяют значение вероятностей для предопределенных особенностей в данных изображения для каждого элемента картины;
c) отображают значения вероятностей для каждого элемента картины данных изображения в целях взаимодействия;
d) обозначают особенности в отображенных значениях вероятностей путем взаимодействия пользователя;
e) определяют наиболее точно соответствующие предопределенные особенности с учетом обозначенных особенностей;
f) вычисляют данные объекта с учетом определенных особенностей;
g) используют вычисленные данные объекта для дополнительных процессов.
5. Способ по п.4, в котором особенностями являются сосуды, и сформированные данные объекта представляют собой 3D модель сосудов в котором
этап а) содержит получение (110), по меньшей мере, двух 2D проекционных рентгеновских изображений (70, 112) сосудистых структур с повышенным контрастом с различных углов наблюдения;
этап b) содержит определение (114) карты (24, 26; 72; 116) вероятностей для предопределенных особенностей сосудов для каждого из 2D проекционных рентгеновских изображений;
этап с) содержит отображение (118) карты вероятностей для каждого из 2D проекционных рентгеновских изображений в целях взаимодействия;
этап d) содержит сегментацию (120) сосудов, представляющих интерес, с помощью
указания (122) местоположения первого набора точек, представляющих интерес, на карте вероятностей одного, по меньшей мере, из двух 2D проекционных рентгеновских изображений с помощью взаимодействия пользователя;
определения (124) и отображения (126) эпиполярных линий для первого набора точек, представляющих интерес, на карте вероятностей другого одного, по меньшей мере, из двух 2D проекционных рентгеновских изображений;
указания (128) местоположения второго набора точек, представляющих интерес, на карте вероятностей другого одного, по меньшей мере, из двух 2D проекционных рентгеновских изображений с помощью пользователя, причем эпиполярная линия служит в качестве ориентации, и второй набор точек соответствует указанным первым точкам;
этап е) содержит определение (130) наиболее точно соответствующих предопределенных особенностей сосудистой структуры после указания местоположения точек, представляющих интерес; и
этап f) содержит получение (132) координат для определенных соответствующих предопределенных особенностей сосудистой структуры; и
этап g) содержит использование полученных данных для вычисления (134) 3D модели (52) сосудов из полученных координат для определенных соответствующих предопределенных особенностей.
6. Способ по п.5, в котором полученные координаты содержат центральные линии (48), точки (50) бифуркации и/или границы сосудов, и в котором эти особенности отображаются для оценки точности с помощью пользователя перед выполнением этапа g).
7. Способ по п.6, в котором указание точек, представляющих интерес, достигается путем щелчка кнопкой мыши по изображению с курсорным устройством (38).
8. Способ по одному из пп.5-7, в котором карта (24, 26; 72) вероятностей отображается совместно с 2D рентгеновскими проекционными изображениями (70).
9. Способ по п.8, в котором карта (24, 26; 72) вероятностей накладывается поверх, по меньшей мере, двух 2D проекционных рентгеновских изображений (70), формируя при этом дополненную ангиограмму.
10. Способ по одному из пп.4-7, в котором ряд 2D проекционных рентгеновских изображений получают для каждого угла наблюдений, при этом изображение регистрируют с отметками (53) времени и изображения с различными углами наблюдения, соответствующими одной и той же фазе, выбирают в качестве полученных, по меньшей мере, двух 2D проекционных рентгеновских изображений.
11. Способ по одному из пп.5-7, в котором после указания одной из точек, представляющих интерес, обнаруживают положение наиболее точно соответствующей особенности, и указанные точки привязывают (60, 66) к обнаруженному положению.
12. Способ по одному из пп.5-7, в котором этап b) определения карты вероятностей основан на предыдущем взаимодействии с пользователем.
13. Способ по одному из пп.5-7, в котором карта вероятностей адаптирована к положению устройства (38) курсора так, чтобы карта вероятностей показывалась в улучшенном режиме поблизости от курсора и с уменьшенным уровнем подробностей в других частях.
14. Элемент компьютерной программы для управления системой по одному из пп.1-3, который при выполнении с помощью блока обработки адаптирован для выполнения этапов способа по одному из пп.4-13.
15. Машиночитаемый носитель информации, имеющий сохраненный элемент программы по п.14.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP09305750.3 | 2009-08-12 | ||
EP09305750 | 2009-08-12 | ||
PCT/IB2010/053429 WO2011018727A1 (en) | 2009-08-12 | 2010-07-28 | Generating object data |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2012108740A true RU2012108740A (ru) | 2013-09-20 |
RU2549141C2 RU2549141C2 (ru) | 2015-04-20 |
Family
ID=42978766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2012108740/08A RU2549141C2 (ru) | 2009-08-12 | 2010-07-28 | Формирование данных объекта |
Country Status (7)
Country | Link |
---|---|
US (1) | US8731271B2 (ru) |
EP (1) | EP2465094B1 (ru) |
JP (1) | JP5694323B2 (ru) |
CN (1) | CN102473303B (ru) |
BR (1) | BR112012002884A2 (ru) |
RU (1) | RU2549141C2 (ru) |
WO (1) | WO2011018727A1 (ru) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9058664B2 (en) * | 2011-09-07 | 2015-06-16 | Siemens Aktiengesellschaft | 2D-2D fusion for interventional guidance in trans-catheter aortic valve implantation |
KR20140015079A (ko) * | 2012-07-27 | 2014-02-06 | 삼성전자주식회사 | 중심선을 보정하는 방법 및 장치 |
EP2965263B1 (en) * | 2013-03-07 | 2022-07-20 | Bernhard Sturm | Multimodal segmentation in intravascular images |
EP2979161B1 (en) * | 2013-03-27 | 2019-08-07 | Koninklijke Philips N.V. | Preferred view generation on structure level based on user preferences |
JP5830626B2 (ja) | 2013-04-05 | 2015-12-09 | パナソニック株式会社 | 画像領域対応付け装置、3次元モデル生成装置、画像領域対応付け方法、及び画像領域対応付け用プログラム |
JP5830627B2 (ja) * | 2013-04-05 | 2015-12-09 | パナソニック株式会社 | 画像領域対応付け装置、3次元モデル生成装置、画像領域対応付け方法、画像領域対応付け用プログラム |
US10019800B2 (en) * | 2014-01-06 | 2018-07-10 | Koninklijke Philips N.V. | Deployment modelling |
JP6359312B2 (ja) * | 2014-03-27 | 2018-07-18 | キヤノンメディカルシステムズ株式会社 | X線診断装置 |
US9058692B1 (en) | 2014-04-16 | 2015-06-16 | Heartflow, Inc. | Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions |
US10373719B2 (en) * | 2014-09-10 | 2019-08-06 | Intuitive Surgical Operations, Inc. | Systems and methods for pre-operative modeling |
JP6605240B2 (ja) * | 2015-06-30 | 2019-11-13 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像処理方法および装置並びにプログラム |
EP3128481B1 (en) * | 2015-08-04 | 2019-12-18 | Pie Medical Imaging BV | Method and apparatus to improve a 3d + time reconstruction |
JP6692906B2 (ja) * | 2015-12-18 | 2020-05-13 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 線形画像特徴に対する改良されたマーカー配置のための画像処理 |
JP6878439B2 (ja) * | 2015-12-30 | 2021-05-26 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 体部の3次元モデル |
JP6509446B2 (ja) * | 2015-12-30 | 2019-05-08 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血管構造の合成表現 |
NL2016787B1 (en) * | 2016-05-17 | 2017-11-21 | Medis Ass B V | Method and apparatus for reconstructing a three-dimensional representation of a target volume inside an animal or human body. |
CN109155068B (zh) * | 2016-05-19 | 2023-04-04 | 皇家飞利浦有限公司 | 组合式x射线/相机介入中的运动补偿 |
BR112018075815A2 (pt) * | 2016-06-16 | 2019-03-26 | Koninklijke Philips N.V. | método e aparelho para mapear ao menos parte de uma estrutura em uma imagem de ao menos parte do corpo de um indivíduo e produto de programa de computador |
CN106169190A (zh) * | 2016-07-01 | 2016-11-30 | 南京邮电大学 | 一种冠状动脉的分层显示方法 |
CN108320277A (zh) * | 2017-01-16 | 2018-07-24 | 上海西门子医疗器械有限公司 | 确定肿瘤三维边界的方法、装置和ct机 |
EP3387997B1 (en) * | 2017-04-13 | 2020-02-26 | Siemens Healthcare GmbH | Medical imaging device and method controlling one or more parameters of a medical imaging device |
EP3432262A1 (en) * | 2017-07-18 | 2019-01-23 | Koninklijke Philips N.V. | Method and system for dynamic multi dimensional images of an object |
EP3460750B1 (en) * | 2017-09-20 | 2020-03-25 | DKFZ Deutsches Krebsforschungszentrum | Method, system and computer program for computer-assisted evaluation of biomarkers in a tissue sample |
EP3503026A1 (en) * | 2017-12-20 | 2019-06-26 | Koninklijke Philips N.V. | Device, system and method for interacting with vessel images |
US10722207B2 (en) * | 2018-08-13 | 2020-07-28 | Carestream Health, Inc. | Mobile radiography calibration for tomosynthesis using epipolar data consistency |
CN110160502B (zh) * | 2018-10-12 | 2022-04-01 | 腾讯科技(深圳)有限公司 | 地图要素提取方法、装置及服务器 |
JP7295527B2 (ja) * | 2019-05-15 | 2023-06-21 | 株式会社日本マイクロニクス | 血管位置表示装置及び血管位置表示方法 |
CN112131914B (zh) * | 2019-06-25 | 2022-10-21 | 北京市商汤科技开发有限公司 | 车道线属性检测方法、装置、电子设备及智能设备 |
US11200976B2 (en) | 2019-08-23 | 2021-12-14 | Canon Medical Systems Corporation | Tracking method and apparatus |
CA3175151A1 (en) * | 2020-03-17 | 2021-09-23 | Polyvalor, Limited Partnership | Methods and systems for reconstructing a 3d anatomical structure undergoing non-rigid motion |
US20220067919A1 (en) * | 2020-08-26 | 2022-03-03 | GE Precision Healthcare LLC | System and method for identifying a tumor or lesion in a probabilty map |
CN114391792B (zh) * | 2021-09-13 | 2023-02-24 | 南京诺源医疗器械有限公司 | 基于窄带成像的肿瘤预测方法、装置及成像内镜 |
KR102503882B1 (ko) * | 2022-05-17 | 2023-02-27 | 주식회사 메디픽셀 | 심혈관 이미지의 3차원 재구성을 위한 cip 자동 검출 방법 및 시스템 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6643533B2 (en) | 2000-11-28 | 2003-11-04 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for displaying images of tubular structures |
US7020510B2 (en) | 2002-07-25 | 2006-03-28 | Koninklijke Philips Electronics, N.V. | Optimal view map V.0.01 |
US7113623B2 (en) * | 2002-10-08 | 2006-09-26 | The Regents Of The University Of Colorado | Methods and systems for display and analysis of moving arterial tree structures |
JP4738022B2 (ja) * | 2005-03-04 | 2011-08-03 | 株式会社東芝 | 立体画像再構成装置 |
KR20080042082A (ko) * | 2005-08-17 | 2008-05-14 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 자동 4d관상 모델링 및 모션 벡터 필드 평가를 위한 방법및 장치 |
US8005284B2 (en) * | 2006-12-07 | 2011-08-23 | Kabushiki Kaisha Toshiba | Three dimensional image processing apparatus and x-ray diagnosis apparatus |
RU2361518C2 (ru) * | 2007-08-06 | 2009-07-20 | Государственное образовательное учреждение высшего профессионального образования "Нижегородская государственная медицинская академия Федерального Агентства по здравоохранению и социальному развитию" (ГОУ ВПО НижГМА Росздрава) | Способ предоперационного обследования больного с патологией коронарных сосудов |
CN102113016B (zh) * | 2008-03-06 | 2017-12-26 | 皇家飞利浦电子股份有限公司 | 对数据集进行选择性交互式处理的方法 |
-
2010
- 2010-07-28 CN CN201080035323.4A patent/CN102473303B/zh active Active
- 2010-07-28 WO PCT/IB2010/053429 patent/WO2011018727A1/en active Application Filing
- 2010-07-28 EP EP10745412.6A patent/EP2465094B1/en active Active
- 2010-07-28 US US13/384,640 patent/US8731271B2/en active Active
- 2010-07-28 BR BR112012002884A patent/BR112012002884A2/pt not_active Application Discontinuation
- 2010-07-28 JP JP2012524309A patent/JP5694323B2/ja active Active
- 2010-07-28 RU RU2012108740/08A patent/RU2549141C2/ru not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
BR112012002884A2 (pt) | 2017-12-19 |
CN102473303B (zh) | 2015-07-29 |
WO2011018727A1 (en) | 2011-02-17 |
JP5694323B2 (ja) | 2015-04-01 |
RU2549141C2 (ru) | 2015-04-20 |
JP2013501567A (ja) | 2013-01-17 |
EP2465094A1 (en) | 2012-06-20 |
CN102473303A (zh) | 2012-05-23 |
EP2465094B1 (en) | 2016-01-06 |
US20120148135A1 (en) | 2012-06-14 |
US8731271B2 (en) | 2014-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2012108740A (ru) | Формирование данных объекта | |
US9909854B2 (en) | Image processing apparatus and image processing method | |
DK2198780T3 (en) | Method and Device for Optical Scanning of Three-Dimensional Objects Using a 3D Dental Camera Using Triangulation | |
JP6589636B2 (ja) | 3次元形状計測装置、3次元形状計測方法及び3次元形状計測プログラム | |
US10424078B2 (en) | Height measuring system and method | |
JP6390193B2 (ja) | 超音波診断装置、超音波診断装置の制御方法、および、プログラム | |
JPWO2017179350A1 (ja) | 画像表示制御装置および方法並びにプログラム | |
CN107274450B (zh) | 信息处理装置及其控制方法 | |
JP2013179397A5 (ru) | ||
US10657658B2 (en) | Transformation matrix deriving device, position estimation apparatus, transformation matrix deriving method, and position estimation method | |
US9589391B2 (en) | Three dimensional orientation configuration apparatus, method and non-transitory computer readable medium | |
CN107111875A (zh) | 用于多模态自动配准的反馈 | |
RU2015121699A (ru) | Улучшение ультразвуковых изображений | |
US10799100B2 (en) | Image processing device, method, and program | |
RU2017111807A (ru) | Устройство медицинской визуализации | |
KR20160046670A (ko) | 영상 진단 보조 장치 및 방법 | |
JP2006110190A (ja) | 医用画像データ解析装置及びその方法 | |
CN114726978A (zh) | 信息处理装置、信息处理方法以及程序 | |
RU2011109181A (ru) | Ультразвуковая визуализация | |
KR102377626B1 (ko) | 엑스선 영상 처리 시스템 및 그 사용 방법 | |
JP2005141655A (ja) | 3次元モデリング装置及び3次元モデリング方法 | |
KR20130080311A (ko) | 의료 영상 표시 방법 및 의료 영상 표시 장치 | |
WO2019087467A1 (ja) | 計測システム、計測装置、及び計測方法 | |
EP2198780A2 (en) | Method and device for optical scanning of three-dimensional objects by means of a dental 3D camera using a triangulation method | |
JP2009299241A (ja) | 身体寸法測定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200729 |