RU2016149394A - Визуализация представляющей интерес ткани в данных контрастированного изображения - Google Patents

Визуализация представляющей интерес ткани в данных контрастированного изображения Download PDF

Info

Publication number
RU2016149394A
RU2016149394A RU2016149394A RU2016149394A RU2016149394A RU 2016149394 A RU2016149394 A RU 2016149394A RU 2016149394 A RU2016149394 A RU 2016149394A RU 2016149394 A RU2016149394 A RU 2016149394A RU 2016149394 A RU2016149394 A RU 2016149394A
Authority
RU
Russia
Prior art keywords
belonging
vessel
probability
intensity
voxel
Prior art date
Application number
RU2016149394A
Other languages
English (en)
Other versions
RU2016149394A3 (ru
RU2692038C2 (ru
Inventor
Рафаэль ВИМКЕР
Тобиас КЛИНДЕР
Томас БЮЛОВ
Original Assignee
Конинклейке Филипс 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 Н.В. filed Critical Конинклейке Филипс Н.В.
Publication of RU2016149394A publication Critical patent/RU2016149394A/ru
Publication of RU2016149394A3 publication Critical patent/RU2016149394A3/ru
Application granted granted Critical
Publication of RU2692038C2 publication Critical patent/RU2692038C2/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • 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
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/06—Ray-tracing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • 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
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/50—Picture reproducers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • 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
    • G06T2207/10072—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
    • G06T2207/30—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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • 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
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2008—Assembling, disassembling

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)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Architecture (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Generation (AREA)

Claims (97)

1. Способ, содержащий:
получение данных контрастированного изображения, имеющих множество вокселей, при этом каждый воксель имеет значение интенсивности;
определение значения вероятности принадлежности к сосуду для каждого вокселя;
определение значения гиподенсивности для каждого вокселя;
взвешивание каждого из значений интенсивности на соответствующее значение вероятности принадлежности к сосуду;
взвешивание каждого из значений гиподенсивности на соответствующее значение вероятности принадлежности к сосуду;
объединение взвешенных значений интенсивности и взвешенных значений гиподенсивности с генерированием посредством этого сводных данных изображения; и
визуальное отображение сводных данных изображения.
2. Способ по п. 1, дополнительно содержащий:
взвешивание каждого из значений интенсивности умножением каждого из значений интенсивности на соответствующее значение вероятности принадлежности к сосуду.
3. Способ по любому из пп. 1-2, дополнительно содержащий:
взвешивание каждого из значений гиподенсивности умножением каждого из значений гиподенсивности на соответствующее значение вероятности принадлежности к сосуду.
4. Способ по любому из пп. 1-3, дополнительно содержащий:
генерирование сводного изображения наложением взвешенных значений гиподенсивности на взвешенные значения интенсивности.
5. Способ по п. 4, дополнительно содержащий:
рендеринг взвешенных значений интенсивности с использованием полутоновой шкалы; и
рендеринг взвешенных значений гиподенсивности с использованием цвета.
6. Способ по любому из пп. 1-5, причем определение значения вероятности принадлежности к сосуду для вокселя содержит:
отслеживание лучей из центральной области вокселя в трех измерениях в соседние воксели;
сравнение значения интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостановку отслеживания луча только в ответ на значение интенсивности этого луча ниже первого предварительно заданного порога интенсивности, при этом лучи в совокупности формируют первую изоповерхность; и
повторение отслеживания, сравнения и приостановки для по меньшей мере одного последующего предварительно заданного порога интенсивности с формированием по меньшей мере одной последующей изоповерхности.
7. Способ по п. 6, причем определение значения вероятности принадлежности к сосуду для вокселя дополнительно содержит:
определение первого тензора радиальной структуры на основании первой изоповерхности;
определение первой вероятности принадлежности к сосуду на основании первого тензора радиальной структуры;
определение последующего тензора радиальной структуры на основании упомянутой по меньшей мере одной последующей изоповерхности; и
определение последующей вероятности принадлежности к сосуду на основании последующего тензора радиальной структуры.
8. Способ по п. 7, причем первую вероятность принадлежности к сосуду определяют умножением второго наибольшего собственного значения первого тензора радиальной структуры на первую центричность, которая основана на среднем радиусе луча и стандартном отклонении радиусов лучей, и при этом упомянутую по меньшей мере одну последующую вероятность принадлежности к сосуду определяют умножением второго наибольшего собственного значения последующего тензора радиальной структуры на вторую центричность.
9. Способ по п. 8, причем определение значения вероятности принадлежности к сосуду для вокселя дополнительно содержит:
выбор вероятности принадлежности к сосуду из первой вероятности принадлежности к сосуду и упомянутой по меньшей мере одной последующей вероятности принадлежности к сосуду, имеющей максимальное значение, в качестве вероятности принадлежности к сосуду для вокселя.
10. Способ по п. 9, причем определение значения гиподенсивности для вокселя дополнительно содержит:
отслеживание лучей от изоповерхности, соответствующей выбранной вероятности принадлежности к сосуду, в трех измерениях в соседние воксели;
сравнение значения интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостановку отслеживания луча в ответ на значение интенсивности луча ниже первого предварительно заданного порога интенсивности;
вычисление скользящего среднего по значению интенсивности; и
вычисление гиподенсивности на основании интенсивности вокселя и скользящего среднего.
11. Способ по п. 10, причем определение значения гиподенсивности для вокселя дополнительно содержит:
вычисление гиподенсивности вычитанием скользящего среднего из интенсивности вокселя.
12. Способ по любому из пп. 10-11, причем определение значения гиподенсивности для вокселя дополнительно содержит:
отслеживание лучей от изоповерхности, соответствующей выбранной вероятности принадлежности к сосуду, в трех измерениях в соседние воксели;
сравнение значения интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с упомянутым по меньшей мере одним последующим предварительно заданным порогом интенсивности;
приостановку отслеживания луча в ответ на значение интенсивности луча ниже упомянутого по меньшей мере одного последующего предварительно заданного порога интенсивности;
обновление скользящего среднего по значению интенсивности; и
вычисление гиподенсивности на основании интенсивности вокселя и обновленного скользящего среднего.
13. Способ по любому из пп. 1-12, дополнительно содержащий:
прием ввода, указывающего область в отображаемых сводных данных изображения;
идентификацию двухмерного изображения из данных изображения, соответствующих этой области; и
отображение двухмерного изображения.
14. Компьютерная система (318), содержащая:
процессор (320); и
память (322), включающую в себя модуль (324) обработки данных изображения с машиночитаемыми командами, при этом процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения:
получает данные контрастированного изображения, имеющие множество вокселей, причем каждый воксель имеет значение интенсивности;
определяет значение вероятности принадлежности к сосуду для каждого вокселя;
определяет значение гиподенсивности для каждого вокселя;
взвешивает каждое из значений интенсивности на соответствующее значение вероятности принадлежности к сосуду;
взвешивает каждое из значений гиподенсивности на соответствующее значение вероятности принадлежности к сосуду;
объединяет взвешенные значения интенсивности и взвешенные значения гиподенсивности;
генерирует сводные данные изображения; и
визуально отображает сводное изображение.
15. Компьютерная система по п. 14, причем процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
отслеживает лучи из центральной области вокселя в трех измерениях в соседние воксели;
сравнивает значение интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостанавливает отслеживание луча в ответ на значение интенсивности этого луча ниже первого предварительно заданного порога интенсивности, при этом лучи в совокупности формируют первую изоповерхность; и
повторяет отслеживание, сравнение и приостановку для по меньшей мере одного последующего предварительно заданного порога интенсивности с формированием по меньшей мере одной последующей изоповерхности.
16. Компьютерная система по п. 14, причем процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
отслеживает лучи из центральной области вокселя в трех измерениях в соседние воксели;
сравнивает значение интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостанавливает отслеживание луча в ответ на значение интенсивности луча ниже первого предварительно заданного порога интенсивности, при этом лучи в совокупности формируют первую изоповерхность;
повторяет отслеживание, сравнение и приостановку для по меньшей мере одного последующего предварительно заданного порога интенсивности с формированием по меньшей мере одной последующей изоповерхности;
определяет первый тензор радиальной структуры на основании первой изоповерхности;
определяет первую вероятность принадлежности к сосуду на основании первого тензора радиальной структуры;
определяет последующий тензор радиальной структуры на основании упомянутой по меньшей мере одной последующей изоповерхности;
определяет последующую вероятность принадлежности к сосуду на основании последующего тензора радиальной структуры; и
выбирает вероятность принадлежности к сосуду из первой вероятности принадлежности к сосуду и упомянутой по меньшей мере одной последующей вероятности принадлежности к сосуду, имеющей максимальное значение, в качестве вероятности принадлежности к сосуду для вокселя.
17. Компьютерная система по п. 16, причем процессор в ответ на выполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
отслеживает лучи от изоповерхности, соответствующей выбранной вероятности принадлежности к сосуду, в трех измерениях в соседние воксели;
сравнивает значение интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостанавливает отслеживание луча в ответ на значение интенсивности луча ниже первого предварительно заданного порога интенсивности;
вычисляет скользящее среднее по значению интенсивности; и
вычисляет гиподенсивность на основании интенсивности вокселя и скользящего среднего.
18. Компьютерная система по п. 17, причем процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
отслеживает лучи от изоповерхности, соответствующей выбранной вероятности принадлежности к сосуду, в трех измерениях в соседние воксели;
сравнивает значение интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с упомянутым по меньшей мере одним последующим предварительно заданным порогом интенсивности;
приостанавливает отслеживание луча в ответ на значение интенсивности этого луча ниже упомянутого по меньшей мере одного последующего предварительно заданного порога интенсивности;
обновляет скользящее среднее по значению интенсивности; и
вычисляет гиподенсивность на основании интенсивности вокселя и обновленного скользящего среднего.
19. Компьютерная система по п. 18, причем процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
принимает ввод, указывающий область в отображаемых сводных данных изображения;
идентифицирует двухмерное изображение из данных изображения, соответствующих этой области; и
отображает двухмерное изображение.
20. Машиночитаемый носитель (322) данных, кодированный одной или более исполняемыми машиной командами, которые, будучи исполняемыми процессором (320) компьютерной системы (318), заставляют процессор:
определять вероятность принадлежности к сосуду для каждого вокселя в данных изображения;
определять гиподенсивность для каждого из вокселей;
взвешивать данные изображения на вероятность принадлежности к сосуду с генерированием данных изображения, взвешенных на вероятность принадлежности к сосуду;
взвешивать гиподенсивность на вероятность принадлежности к сосуду с генерированием гиподенсивностей, взвешенных на вероятность принадлежности к сосуду;
объединять данные изображения, взвешенные на вероятность принадлежности к сосуду, и гиподенсивности, взвешенные на вероятность принадлежности к сосуду, с генерированием сводных данных; и
визуально отображать сводные данные.
RU2016149394A 2014-05-19 2015-05-19 Визуализация представляющей интерес ткани в данных контрастированного изображения RU2692038C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462000057P 2014-05-19 2014-05-19
US62/000,057 2014-05-19
PCT/IB2015/053678 WO2015177723A1 (en) 2014-05-19 2015-05-19 Visualization of tissue of interest in contrast-enhanced image data

Publications (3)

Publication Number Publication Date
RU2016149394A true RU2016149394A (ru) 2018-06-20
RU2016149394A3 RU2016149394A3 (ru) 2018-11-20
RU2692038C2 RU2692038C2 (ru) 2019-06-19

Family

ID=53487391

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2016149394A RU2692038C2 (ru) 2014-05-19 2015-05-19 Визуализация представляющей интерес ткани в данных контрастированного изображения

Country Status (6)

Country Link
US (1) US10074207B2 (ru)
EP (1) EP3146505B1 (ru)
JP (1) JP6195681B2 (ru)
CN (1) CN106415659B (ru)
RU (1) RU2692038C2 (ru)
WO (1) WO2015177723A1 (ru)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3460712A1 (en) 2017-09-22 2019-03-27 Koninklijke Philips N.V. Determining regions of hyperdense lung tissue in an image of a lung
US10832403B2 (en) * 2018-05-14 2020-11-10 Koninklijke Philips N.V. Systems, methods, and apparatuses for generating regions of interest from voxel mode based thresholds
CN111612860B (zh) * 2019-02-22 2023-09-15 曹生 基于VRDS 4D医学影像的栓塞的Ai识别方法及产品

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006506163A (ja) 2002-11-20 2006-02-23 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ 肺結節のコンピュータ支援検出
JP4560643B2 (ja) 2003-06-17 2010-10-13 株式会社Ａｚｅ 呼吸気ｃｔ画像による換気分布計測方法
US20050014217A1 (en) * 2003-07-18 2005-01-20 Cytokinetics, Inc. Predicting hepatotoxicity using cell based assays
WO2005096229A1 (en) * 2004-04-01 2005-10-13 Koninklijke Philips Electronics N.V. Method and imaging diagnostic apparatus for finding a stenosis
US7715608B2 (en) 2004-08-10 2010-05-11 Siemens Medical Solutions Usa, Inc. System and method for 3D visualization of lung perfusion or density and statistical analysis thereof
WO2006125188A1 (en) * 2005-05-19 2006-11-23 The Brigham And Women's Hospital, Inc Methods and systems for the analysis of 3d microscopic neuron images
JP2009541838A (ja) * 2006-06-23 2009-11-26 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 画像値を含む画像において閾値を定めるための方法、システム及び計算機プログラム
WO2008017984A2 (en) * 2006-08-09 2008-02-14 Koninklijke Philips Electronics N.V. A method, apparatus, graphical user interface, computer-readable medium, and use for quantification of a structure in an object of an image dataset
US8107707B2 (en) * 2006-11-30 2012-01-31 Koninklijke Philips Electronics N.V. Visualizing a vascular structure
US8244012B2 (en) * 2007-02-05 2012-08-14 Siemens Medical Solutions Usa, Inc. Computer aided detection of pulmonary embolism with local characteristic features in CT angiography
JP2010528750A (ja) 2007-06-07 2010-08-26 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 管状構造の検査
US7965810B2 (en) * 2007-06-26 2011-06-21 General Electric Company Device and method for identifying occlusions
ATE500574T1 (de) * 2007-09-03 2011-03-15 Koninkl Philips Electronics Nv Visualisierung von voxel-daten
WO2009066195A1 (en) * 2007-11-20 2009-05-28 Koninklijke Philips Electronics N.V. Visualization of vascularization
CN101978375B (zh) * 2008-03-17 2013-07-17 皇家飞利浦电子股份有限公司 灌注成像
CN102216960B (zh) * 2008-11-17 2014-01-08 皇家飞利浦电子股份有限公司 新形成的脉管系统的可视化和量化
EP2384145A1 (en) * 2008-12-23 2011-11-09 Koninklijke Philips Electronics N.V. Acoustic imaging system and method of acoustic imaging with contrast quantification
JP5613182B2 (ja) * 2009-03-06 2014-10-22 バイオ−ツリー システムズ， インコーポレイテッド 血管分析方法および装置
EP2449530B1 (en) * 2009-06-30 2016-04-20 Koninklijke Philips N.V. Quantitative perfusion analysis
US8542893B2 (en) 2010-02-15 2013-09-24 General Electric Company System and method of pulmonary emboli detection for computed tomography
CN103262120B (zh) * 2010-12-09 2017-03-22 皇家飞利浦电子股份有限公司 图像数据的体积描绘
EP2828826B1 (en) * 2012-03-23 2019-05-08 Koninklijke Philips N.V. Extracting bullous emphysema and diffuse emphysema in e.g. ct volume images of the lungs

Also Published As

Publication number Publication date
EP3146505B1 (en) 2019-08-07
CN106415659B (zh) 2020-10-16
US10074207B2 (en) 2018-09-11
RU2016149394A3 (ru) 2018-11-20
JP6195681B2 (ja) 2017-09-13
WO2015177723A1 (en) 2015-11-26
US20170186215A1 (en) 2017-06-29
JP2017515602A (ja) 2017-06-15
RU2692038C2 (ru) 2019-06-19
CN106415659A (zh) 2017-02-15
EP3146505A1 (en) 2017-03-29

Similar Documents

Publication Publication Date Title
US10354390B2 (en) Liver boundary identification method and system
US20150206028A1 (en) Point cloud reduction apparatus, system, and method
CN103679641B (zh) 深度图像增强方法和装置
RU2016149394A (ru) Визуализация представляющей интерес ткани в данных контрастированного изображения
US8983122B2 (en) Image processing apparatus, image processing method, and computer-readable storage medium
RU2012152513A (ru) Совмещение данных изображения для динамической перфузионной компьютерной томографии
RU2017104807A (ru) Оценка стеноза
RU2014134899A (ru) Автоматизированное обнаружение рисковой области с использованием количественного т1 картирования
US9652673B2 (en) Method for identifying calcification portions in dual energy CT contrast agent enhanced scanning image
US20150193961A1 (en) Visualization method and apparatus
WO2013142176A4 (en) Scoring and adjusting pixels based on neighborhood relationships for revealing data in images
US9563968B2 (en) Medical image processing apparatus
Happ et al. A region-growing segmentation algorithm for GPUs
RU2017104887A (ru) Способ и система отображения изображения
JP2017531519A5 (ru)
CN105701438B (zh) 医学图像处理装置和方法以及医学成像设备
US20160117855A1 (en) Rendering apparatus and method
US10373367B2 (en) Method of rendering 3D image and image outputting device thereof
US20240160829A1 (en) Flexible online form display
US20140002448A1 (en) Measurement support device, method and computer program product
JP2010213899A5 (ru)
RU2019101116A (ru) Способ и устройство для отображения по меньшей мере части структуры на изображении по меньшей мере части тела субъекта
US9519965B2 (en) Display processing method and apparatus
JP2012238925A5 (ru)
US10003782B2 (en) Image processing device, method, computer-readable medium and 3D image display

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20200520