RU2707032C2 - Способ и система идентификации границы печени - Google Patents

Способ и система идентификации границы печени Download PDF

Info

Publication number
RU2707032C2
RU2707032C2 RU2017117302A RU2017117302A RU2707032C2 RU 2707032 C2 RU2707032 C2 RU 2707032C2 RU 2017117302 A RU2017117302 A RU 2017117302A RU 2017117302 A RU2017117302 A RU 2017117302A RU 2707032 C2 RU2707032 C2 RU 2707032C2
Authority
RU
Russia
Prior art keywords
liver tissue
information
liver
boundary
border
Prior art date
Application number
RU2017117302A
Other languages
English (en)
Other versions
RU2017117302A (ru
RU2017117302A3 (ru
Inventor
Цзиньхуа ШАО
Цзинь СУНЬ
Хоули ДУАНЬ
Original Assignee
Вуси Хиски Медикал Текнолоджис Ко., Лтд
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 Вуси Хиски Медикал Текнолоджис Ко., Лтд filed Critical Вуси Хиски Медикал Текнолоджис Ко., Лтд
Publication of RU2017117302A publication Critical patent/RU2017117302A/ru
Publication of RU2017117302A3 publication Critical patent/RU2017117302A3/ru
Application granted granted Critical
Publication of RU2707032C2 publication Critical patent/RU2707032C2/ru

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • 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
    • G06T7/10—Segmentation; Edge detection
    • 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
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • 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
    • G06T2207/30—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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30056—Liver; Hepatic

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Pulmonology (AREA)
  • Optics & Photonics (AREA)
  • Image Analysis (AREA)

Abstract

Группа изобретений относится к медицине, а именно к обработке медицинских снимков, и может быть использована для определения границы печени. Способ определения границы печени содержит: получение информации об определяемой ткани печени; определение границы ткани печени в информации о ткани печени по характерным свойствам этой ткани и ее границы, соответствующим информации о ткани печени, при помощи технологии обработки изображений или технологии обработки сигналов; и вывод информации о местоположении идентифицированной границы ткани печени. При этом информация о ткани печени - это одномерный ультразвуковой сигнал ткани печени или двухмерное изображение ткани печени. Информация о местоположении идентифицированной границы ткани печени содержит: вывод координат определенной границы ткани печени и/или отображение изображения определенной границы ткани печени. Определение границы ткани печени в информации о ткани печени по характерным свойствам этой ткани и ее границы, соответствующим информации о ткани печени, при помощи технологии обработки изображений или технологии обработки сигналов содержит: разделение информации о ткани печени на множество подобластей обнаружения; и расчет значения характерного свойства по информации о ткани печени в каждой из подобластей обнаружения и определение границы ткани печени в соответствии со значением характерного свойства в информации о ткани печени в подобластях обнаружения. Система определения границы печени содержит: устройство получения информации, устройство определения границы печени и устройство отображения границы печени. Устройство получения информации выполнено с возможностью получения информации об определяемой ткани печени. Устройство определения границы печени, выполненное с возможностью определения границы ткани печени в информации о ткани печени по характерным свойствам этой ткани и ее границы, соответствующим информации о ткани печени, при помощи технологии обработки изображений или технологии обработки сигналов. Устройство отображения границы печени, выполненное с возможностью вывода информации о положении определенной границы ткани печени. При этом информация о ткани печени - это одномерный ультразвуковой сигнал ткани печени или двухмерное изображение ткани печени. Устройство отображения границы печени содержит: блок вывода положения, выполненный с возможностью вывода координат определенной границы ткани печени, и/или блок отображения изображения, выполненный с возможностью отображения изображения определенной границы ткани печени. При этом устройство определения границы печени дополнительно содержит: блок разделения области, выполненный с возможностью разделения информации о ткани печени на множество подобластей обнаружения, и блок определения границы, выполненный с возможностью расчета значения характерных свойств по информации о ткани печени в каждой из подобластей обнаружения и определения границы ткани печени по значению характерных свойств в информации о ткани печени в подобластях обнаружения. Группа изобретений обеспечивает определение границы печени за счет применения технологий обработки изображений или технологий обработки сигналов. 2 н. и 4 з.п. ф-лы, 8 ил.

Description

ОБЛАСТЬ ТЕХНИКИ
Настоящее изобретение относится к области техники по обработке медицинских снимков, в частности, к способу и системе идентификации границ печени.
УРОВЕНЬ ТЕХНИКИ
В медицинской практике часто требуется идентификация границ ткани печени по современным медицинским снимкам, включая ультразвуковую визуализацию, магнитно-резонансную томографию (МРТ визуализация), компьютерную томографию (КТ) и т.д., для локализации области исследования печени, например, для исследования эластичности печени, и цветную Допплеровскую ультразвуковую сонографию печени.
В настоящее время границы ткани печени в основном определяются вручную. Однако выбор границ печени вручную в соответствии с информацией о ткани печени требует, чтобы оператор был очень хорошо знаком со структурой ткани печени и визуальной информацией, чтобы можно было точно выбрать границу ткани печени, что требует от оператора максимальных усилий. В то же время относительно длительное время определения границ печени вручную может привести к низкой эффективности диагностики.
СУЩНОСТЬ ИЗОБРЕТЕНИЯ
Целью настоящего изобретения является предложение способа и системы для идентификации границ печени для увеличения эффективности определения границ печени.
В одном из аспектов настоящее изобретение предлагает способ идентификации границ печени, содержащий:
получение информации о ткани печени для идентифицируемой ткани печени;
идентификацию границы ткани печени в информации о ткани печени по характерным свойствам ткани печени, соответствующим информации о ткани печени, и характерным свойствам границы ткани печени в соответствии с информацией о ткани печни при помощи технологии обработки изображений или технологии обработки сигналов; и
вывод информации о местоположении идентифицированной границы ткани печени.
В другом аспекте настоящее изобретение предлагает систему идентификации границы печени, содержащую устройство получения информации, устройство идентификации границы печени и устройство отображения границы печени, где устройство получения информации сконфигурировано для получения информации о ткани печени для идентифицируемой ткани печени; устройство идентификации границы печени сконфигурировано для идентификации границы ткани печени в информации о ткани печени по характерным свойствам ткани печени, соответствующим информации о ткани печени, и характерным свойствам границы ткани печени, соответствующим информации о ткани печени, при помощи технологии обработки изображений или технологии обработки сигналов; а устройство отображения границы печени сконфигурировано для вывода информации о местоположении идентифицированной границы ткани печени.
Способ и система идентификации границ печени, представленные в вариантах осуществления настоящего изобретения, могут эффективно определить область границы. Согласно способу идентификации границы печени, представленному в вариантах осуществления настоящего изобретения, получают информацию о ткани печени для идентифицируемой ткани, а затем применяется технология обработки изображений или технология обработки сигнала для идентификации границы ткани печени по характерным свойствам сигнала ткани печени и ее границы. За счет использования описанного способа граница ткани печени может быть идентифицирована автоматически, и может быть увеличена эффективность идентификации границы ткани печени.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Фигуры, описанные здесь, предназначены для обеспечения дальнейшего понимания вариантов осуществления настоящего изобретения и, скорее, представляют собой часть, а не ограничение, вариантов осуществления настоящего изобретения. На фигурах:
на ФИГ. 1 показана блок-схема для реализации способа идентификации границы печени в первом варианте осуществления настоящего изобретения;
на ФИГ. 2 показана блок-схема для реализации способа идентификации границы печени во втором варианте осуществления настоящего изобретения;
на ФИГ. 3 показано схематичное изображение, иллюстрирующее результат идентификации границы ткани печени на основе ультразвукового сигнала М-типа во втором варианте осуществления настоящего изобретения;
на ФИГ. 4 показана блок-схема для реализации способа идентификации границы печени в третьем варианте осуществления настоящего изобретения;
на ФИГ. 5 показано схематичное изображение, иллюстрирующее результат идентификации границы на основе ультразвукового изображения В-типа ткани печени в третьем варианте осуществления настоящего изобретения;
на ФИГ. 6 показана блок-схема реализации способа идентификации границы печени в четвертом варианте осуществления настоящего изобретения;
на ФИГ. 7 показано схематчное изображение, иллюстрирующее результат идентификации границы на основе КТ-изображения ткани печени в четвертом варианте осуществления настоящего изобретения;
на ФИГ. 8 показано схематичное избражение структуры системы идентификации границы печени, представленной в пятом варианте осуществления настоящего изобретения.
ПОДРОБНОЕ ОПИСАНИЕ
Здесь варианты осуществления настоящего изобретения будут раскрыты более полно и исчерпывающе совместно с сопутствующими чертежами и конкретными вариантами осуществления изобретения. Следует понимать, что эти конкретные варианты осуществления изобретения, раскрытые здесь, использованы только для объяснения вариантов осуществления настоящего изобретения, но не имеют ограничительного характера. Дополнительно следует также учитывать, что для содействия раскрытию на чертежах показаны только части соответствующих вариантов осуществления настоящего изобретения, но не все содержание.
Первый вариант осуществления изобретения.
На ФИГ. 1 представлена блок-схема реализации способа идентификации границы печени в первом варианте осуществления настоящего изобретения. Способ может быть выполнен системой идентификации границ печени. Как показано на ФИГ. 1, процесс реализации включает в себя.
Шаг 11: получение информации о ткани печени для ткани печени, которая должна быть идентифицирована.
Информация о ткани печени может быть ультразвуковым сигналом А-типа ткани печени, ультразвуковым сигналом М-типа ткани печени, ультразвуковым изображением В-типа ткани печени, КТ- изображением ткани печени или МРТ-изображением ткани печени.
Согласно информации о ткани печени можно получить тип информации о ткани печени. Т.е. типом информации о ткани печени может быть ультразвуковой сигнал, например, ультразвуковой сигнал А-типа ткани печени, ультразвуковой сигнал М-типа ткани печени, или двухмерное ультразвуковое изображение, например, ультразвуковое изображение В-типа ткани печени, или трехмерное изображение, например, КТ- изображение ткани печени или МРТ-изображение ткани печени.
Шаг 12: идентифицируют границы ткани печени в информации о ткани печени по характерным признакам этой ткани, соответствующим информации о ткани печени, и по характерным признакам границы ткани печени, соответствующим информации о ткани печени, при помощи технологии обработки изображений или технологии обработки сигналов.
Если информация о ткани печени представляет собой ультразвуковой сигнал ткани печени, то используют технологию обработки сигнала для идентификации границы ткани печени по характерным свойствам ткани печени и границы ткани печени, соответствующим ультразвуковому сигналу ткани печени; если информация о ткани печени представляет собой двухмерное ультразвуковое изображение или трехмерное изображение, используют технологию обработки изображений для идентификации границы ткани печени по характерным свойствам этой ткани и ее границы, соответствующим двухмерному ультразвуковому изображению или трехмерному ультразвуковому изображению ткани печени.
Если информация о ткани печени представляет собой одномерный ультразвуковой сигнал ткани печени, двухмерное ультразвуковое изображение ткани печени или трехмерное ультразвуковое изображение ткани печени, и дентификация границы ткани печени в информации о ткани печени в соответствии с характерными свойствами ткани печени, соответствующими информации о ткани печени, и характерным свойствам границы ткани печени, соответствующим информации о ткани печени, при помощи технологии обработки изображения или технологии обработки сигналов, может, в частности, содержать: разделение информации о ткани печени на множество подобластей диагностики; расчет значения характерного параметра информации о ткани печени в каждой подобласти диагностики; и идентификацию границы ткани печени по значениям характерного параметра в информации о ткани печени в подобластях диагностики.
Шаг 13: вывод информации о местоположении идентифицированной границы ткани печени.
Вывод информации о местоположении идентифицированной границы ткани печени может содержать: вывод координат местоположения идентифицированной границы ткани печени; и/или воспроизведение изображения идентифицированной границы ткани печени. Т.е. могут быть выведены: только координаты местоположения идентифицированной границы ткани печени, или может быть воспроизведено только изображение идентифицированной границы ткани печени, или могут быть выведеныа не только координаты местоположения идентифицированной границы ткани печени, но также может быть выведено изображение идентифицированной границы ткани печени при выводе информации о местоположения идентифицированной границы ткани печени.
Согласно способу идентификации границы ткани печени, представленному в первом варианте осуществления настоящего изобретения, граница ткани печени может быть идентифицирована автоматически и эффективно по характерным свойствам ткани печени и ее границы, соответствующим информации о ткани печени, где такая информация может быть ультразвуковым сигналом А-типа, отражающим одномерную информацию о структуре ткани печени, или ультразвуковым сигналом М-типа, отражающим одномерную динамическую информацию о структуре ткани, или ультразвуковым изображением В-типа, отражающим двухмерную структуру ткани печени, или КТ- или МРТ- изображением, отражающим трехмерную структуру ткани печени.
Второй вариант осуществления изобретения:
Второй вариант осуществления является частной оптимизацией, адресованной шагу 12 в первом варианте осуществления настоящего изобретения. Способ применим к одномерному ультразвуковому сигналу ткани печени. На ФИГ. 2 представлена блок-схема реализации способа идентификации границы печени во втором варианте осуществления настоящего изобретения, и на ФИГ. 3 показано схематичное изображение, иллюстрирующее результат идентификации границы на основе ультразвукового сигнала М-типа ткани печени во втором варианте осуществления настоящего изобретения. В сочетании с ФИГ. 2 и 3 способ включает в себя.
Шаг 21: разделение одномерного ультразвукового сигнала ткани печени на множество подобластей диагностики Si.
Одномерный ультразвуковой сигнал ткани печени может быть ультразвуковым сигналом А-типа ткани печени или ультразвуковым сигналом М-типа ткани печени. Предполагая, что один ультразвуковой сигнал содержит n точек выборки и соответствующая глубина сканирования ультразвукового сигнала ткани печени равна d (в мм), то известно, что каждый 1 мм глубины содержит n/d точек. Эти n точек выборки разделены на множество подобластей диагностики Si, где подболасть диагностики Si соответствует глубине сканирования di, где i - целое число, глубина сканирования di может быть средним значением глубины или конечным значением глубины подобласти диагностики Si, и последующее описание будет основано на конечном значении.
Например, n точек выборки образцов разделены на множество подобластей диагностики Si с шагом z. Информацию о самой нижней части изображения, полученного с помощью ультразвуковой визуализации (что соответствует самой нижней части глубины сканирования), можно игнорировать, так как самая нижняя часть изображения обычно не содержит какой либо цели для диагностики. В этом случае i = 1, 2, …, [d/z]-1, где z - протяженность сегмента подобласти диагностики (в мм), и [] обозначает округление до целого. В этом случае каждый сегмент подобласти диагностики содержит [zn/d] точек выборки, соответственно. Например, когда глубина сканирования d ультразвукового сигнала составляет 20 мм и шаг z составляет 3 мм, то n точек отбора образцов разделяется на [d/z]-1=6 подобластей диагностики S1~S6, где S1 соответствует сегменту 0~3 мм, S2 соответствует сегменту 3~6 мм, …, S6 соответствует сегменту 15~18 мм, а самую нижнюю часть изображения (соответствующую части 18~20 мм) не принимают во внимание, так как она обычно не содержит цели для диагностики.
Шаг 22: расчет значения распределения Накагами mi для одномерного ультразвукового сигнала Ri ткани печени в каждой подобласти диагностики Si.
Статистическая модель Накагами - это тип технологии для ультразвуковой характеристики ткани. В частности, значение распределения Накагами mi рассчитывают для одномерного ультразвукового сигнала Ri, соответствующего изображению ткани печени в каждой подобласти диагностики Si, в соответствии со следующей формулой:
Figure 00000001
где плотность распределения вероятностей для распределения Накагами:
Figure 00000002
где Е(.) - функция среднего значения, Г(.) обозначает гамма-функцию, Ω=E(r2), U(.) обозначает единичную ступенчатую функцию, m - значение распределения Накагами, r - зависимая переменная функции распределения вероятностей f(r), r≥0, m≥0; и для каждой подобласти диагностики Si mi представляет собой значение m в области Si, и Ri - значение огибающей ультразвукового сигнала.
Когда значение m находится в диапазоне (0, 1), ультразвуковой сигнал ткани печени следует предварительному распределению Рэлея. Когда значение m равно 1, отраженный ультразвуковой сигнал следует распределению Рэлея. Когда значение m больше 1, отраженный ультразвуковой сигнал следует последующему распределению Рэлея (пост-Рэлеевское распределение).
Шаг 23: расчет весового значения Wi для каждой подобласти диагностики Si согласно приведенной ниже формуле и определение подобласти диагностики, соответствующей максимальному весовому значению, которая будет областью границ ткани печени:
Figure 00000003
где di - глубина сканирования, соответствующая подобласти обнаружения диагностики Si, и также может быть средним значением глубины или конечным значением глубины подобласти диагностики Si. Весовые значения Wi соответствующих подобластей диагностики, проверяют, чтобы выбрать подобласть диагностики, соответствующую максимальному весовому значению, которая будет областью границ ткани печени, достигая таким образом автоматического позиционирования границы ткани печени.
Способ идентификации границы печени, представленный во втором варианте осуществления настоящего изобретения, может обеспечить реализацию автоматического позиционирования границы ткани печени в режиме реального времени посредством ультразвуковых сигналов А-типа или М-типа ткани печени. Кроме того, данный алгоритм имеет низкий уровень сложности, что может обеспечить более высокую эффективность идентификации границы ткани печени, и, тем самым, автоматическое позиционирование границы ткани печени в режиме реального времени.
Третий вариант осуществления изобретения:
Третий вариант осуществления является частной оптимизацией, адресованной шагу 12 в первом варианте осуществления настоящего изобретения. Способ применим к двухмерному ультразвуковому сигналу ткани печени. На ФИГ. 4 показана блок-схема реализации способа идентификации границы печени в третьем варианте осуществления настоящего изобретения, и на ФИГ. 5 показано схематичное изображение, иллюстрирующее результат идентификации границы на основе ультразвукового изображения В-типа ткани печени в третьем варианте осуществления настоящего изобретения. В сочетании с ФИГ. 4 и 5 способ содержит.
Шаг 31: разделение двухмерного ультразвукового изображения ткани печени на множество прямоугольных подобластей диагностики Rij, где i и j - натуральные числа, обозначающие номер строки и столбца соответствующей подобласти диагностики.
Двухмерное ультразвуковое изображение ткани печени может быть ультразвуковым изображением В-типа ткани печени. Исходя из допущения о том, что размер ультразвукового изображения В-типа составляет w*h, где w - ширина двухмерного ультразвукового изображения ткани печени, h - высота двухмерного ультразвукового изображения ткани печени (единица измерения для w и h - пиксели), и соответствующая глубина сканирования - d (в мм), то в 1 мм глубины линии сканирования в направлении по глубине содержится h/d пикселей. Ультразвуковое изображение В-типа размером w*h разделяется на множество прямоугольных подобластей диагностики Rij.
Например, ультразвукоое изображение В-типа размером w*h разделяется на множество квадратных подобластей диагностики Rij с длиной стороны z. Аналогично первому варианту осуществления информацию о самой нижней части изображения, образованной с использованием ультразвуковой визуализации (что соответствует самой нижней части глубины сканирования), и ее краях в поперечном направлении можно игнорировать, так как самая нижняя часть и края обычно не содержат объект тестирования, где
Figure 00000004
где z - длина стороны квадратной подобласти диагностики (в мм), и [] обозначает округление до целого. В этом случае ширина и высота каждой квадратной подобласти обнаружения Rij составляет [zh/d] пикселей.
Шаг 32: расчет весового значения Wij каждой подобласти диагностики Rij и определение подобласти диагностики, соответствующей максимальному значению весового значения, которая будет областью границ ткани печени. Для уменьшения количества расчетов можно рассчитать весовые значения только половины подобластей диагностики. Например, двухмерное ультразвуковое изображение может быть разделено на две части по центральной линии, и рассчитываются только весовые значения Wkj (k=imax/2) подобластей диагностики Rkj в верхней половине двухмерного ультразвукового изображения для поиска граничной подобласти над центральной линией. Полная граничная область может затем быть найдена за счет расширения граничной подобласти в направлении по ширине (т.е. в поперечном направлении). В этом случае весовые значения Wkj могут быть рассчитаны по следующей формуле:
Figure 00000005
где Mkj - среднее значение градации серого двухмерного ультразвукового изображения ткани печени в подобласти диагностики Rkj, SDkj - стандартное отклонение градации серого двухмерного ультразвукового изображения ткани печени в подобласти диагностики Rkj, и dkj - глубина сканирования, соответствующая подобласти диагностики Rkj. Как известно из k=imax/2,
Figure 00000006
, где k являются целыми числами, когда двухмерное
ультразвуковое изображени ткани печени разделено на прямоугольные области с длиной стороны z, где imax - максимальное значение в диапазоне значений i.
Область границы печени имеет большее среднее значение градации серого, так как огибающая области печени представлена на ультразвуковом изображении В-типа как однородный эхосигнал высокого уровня. Дополнительно стандартное отклонение градации серого относительно низкое, так как огибающая области печени на ультразвуковом изображении В-типа выглядит однородной. Чтобы избежать черных фоновых областей с двух сторон веерообразного ультразвукового изображения В-типа, полученного в результате сканирования конвексным датчиком, поиск необходимо начинать с подобласти диагностики на центральной линии ультразвукового изображения В-типа и если подобласть диагностики Rk1 имеет наибольшее весовое значение среди серии областей диагностики Rkj, подобласть диагностики Rk1 определяется как граница ткани печени.
Способ идентификации границы печени, представленный в третьем варианте осуществления, может обеспечить реализацию автоматического позиционирования границы ткани печени в режиме реального времени с использованием ультразвукового изображения В-типа ткани печени. Данный алгоритм имеет низкий уровень сложности, что может обеспечить более высокую эффективность при идентификации границы ткани печени, и, тем самым, дает возможность автоматического позиционирования границы ткани печени в режиме реального времени.
Четвертый вариант осуществления изобретения:
Четвертый вариант осуществления является частной оптимизацией, адресованной шагу 12 в первом варианте осуществления настоящего изобретения. Способ применим к трехмерному ультразвуковому сигналу ткани печени. На ФИГ. 6 представлена блок-схема реализации способа идентификации границы печени в четвертом варианте осуществления настоящего изобретения, и на ФИГ. 7 показано схематичное изображение, иллюстрирующее результат идентификации границы на основе КТ-изображения ткани печени в четвертом варианте осуществления настоящего изобретения. В сочетании с ФИГ. 6 и 7 способ содержит.
Шаг 41: извлечение из КТ-изображения ткани печени или из МРТ-изображения ткани печени бинарного изображения кожной ткани и бинарного изображения костной ткани при помощи способа сегментации изображения.
Процесс начинается с извлечения бинарного изображения кожной ткани. Бинарнаое изображение кожной ткани извлекается с использованием способа сегментации изображения (например, способ сегментации с ростом области) и взятия пикселя изображении с координатами (0, 0) в качестве исходной точки, где критерий разрастания области соответствует КТ-значению для воздуха [-1024, -500] HU (единицы Хаунсфилда).
Затем способ переходит к извлечению бинарного изображения костей, включая бинарное изображение позвоночника и бинарное изображение ребер. Пороговая сегментация выполняется для всего изображения на основе порогового диапазона [350, 1024] ед. X. для извлечения бинарного изображения костной ткани.
Шаг 42: расчет центра массы бинарного изображения костной ткани и расчет точки на бинарном изображении кожной ткани, ближайшей к центру массы.
Расчет центра массы PC бинарного изображения костной ткани. Центр массы позвоночника PC берется за центр массы бинарного изображения костной ткани, так как ребра обычно распределены симметрично слева и справа от позвоночника, и позвоночник занимает относительно большую часть на изображении костной ткани.
Приняв центр массы PC позвоночника за начальную точку, найти точку на бинарном изображении кожной ткани, ближайшую к центру массы PC, обозначенную PN.
Шаг 43: разделение изображения ткани печени на четыре квадранта в соответствии с упомянутыми центром массы и точкой, ближайшей к центру массы.
При разделении изображения ткани печени на четыре квадранта с использованием центра массы PC и точки PN, ближайшей к центру массы, за вертикальную ось берется прямая линия, проходящая через центр массы PC и точку PN, ближайшую к центру массы PC, а прямая линия, проходящая через центр массы PC и перпендикулярная вертикальной оси, принята за горизонтальную ось. Большинство частей печени расположены во втором квадранте.
Шаг 44: согласование соответствующих реберных точек во втором квадранте для получения согласованной дуги ребра.
Согласованную дугу ребра получают за счет согласования соответствующих точек ребер во втором квадранте с использованием В-сплайновой кривой или кривой для кожной ткани.
Шаг 45: перемещение согласованной дуги ребра в направлении первого квадранта с использованием заранее заданного значения для того, чтобы получить граничную кривую, и определение области между этой граничной кривой и сопряженной дугой ребра в качестве граничной области тканей печени
Поскольку дуга ребра находится рядом с капсулой печени, дуга ребра перемещается вовнутрь на заранее заданное значение и принимается за граничную кривую, а область между этой граничной кривой и сопряженной дугой ребра определяется как граничная область тканей печени.
Заранее заданное значение может составлять 5 мм.
Способ идентификации границы печени, представленный в четвертом варианте осуществления настоящего изобретения, может обеспечить реализацию автоматического позиционирования границы ткани печени в режиме реального времени за счет КТ- изображения или МРТ- изображения ткани печени. Кроме того, данный алгоритм имеет низкий уровень сложности, что может обеспечить более высокую эффективность идентификации границы ткани печени, и, тем самым, автоматическое позиционирование границы ткани печени в режиме реального времени.
Пятый вариант осуществления изобретения.
На ФИГ. 8 показана блок-схема, иллюстрирующая систему идентификации границы печени в пятом варианте осуществления настоящего изобретения. Как показано на ФИГ. 8, система идентификации границы печени, раскрытая в данном варианте осуществления, может содержать устройство 51 получения информации, устройство 52 идентификации границы печени и устройство 53 отображения границы печени, при этом устройство 51 получения информации сконфигурировано, чтобы получить информацию о ткани печени для ткани печени, которую необходимо идентифицировать; устройство 52 идентификации границы печени сконфигурировано для идентификации границы ткани печени в информации о ткани печени по характеристическим параметрам ткани печени, соответствующим информации о ткани печени, этой ткани и характеристическим параметрам границы ткани печени соответствующим информации о ткани печени, при помощи технологии обработки изображений или технологии обработки сигналов; и устройство 53 отображения границы печени сконфигурировано для вывода информации о положении идентифицированной границы ткани печени.
Если информация о ткани печени представляет собой одномерный ультразвуковой сигнал ткани печени, двухмерное ультразвуковое изображеняе ткани печени или трехмерное ультразвуковое изображение ткани печени, устройство 52 идентификации границы печени может содержать: блок разделения области, выполненный с возможностью разделения информации о ткани печени на множество подобластей диагностики; и блок идентификации границы, выполненный с возможностью расчета значения характеристических параметров информации о ткани печени в каждой из подобластей диагностики и идентификации границы ткани печени по значениям характеристических параметров информации о ткани печени в подобластях диагностики.
Если информация о ткани печени представляет собой одномерный ультразвуковой сигнал ткани печени, блок идентификации границы может содержать: первый субблок вычисления значения характеристических параметров, выполненный с возможностью расчета значения mi распределения Накагами для одномерного ультразвукового сигнала Ri ткани печени в каждой подобласти диагностики Si; и первый субблок определения границы, выполненный с возможностью расчета весового значения Wi каждой подобласти диагностики Si по приведенной ниже формуле и определения подобласти диагностики, соответствующей максимальному значению весового значения, как области границ ткани печени:
Figure 00000007
где di - глубина сканирования, соответствующая подобласти диагностики
Если информация о ткани печени представляет собой двухмерное ультразвуковое изображение ткани печени, то блок разделения области, в частности, выполнен с возможностью разделения двухмерного ультразвукового изображения ткани печени на множество прямоугольных подобластей диагностики Rij; блок определения границы может быть, в частности, выполнен с возможностью расчета весового значения Wkj каждой подобласти диагностики Rkj по приведенной ниже формуле и определения подобласти диагностики Rij, соответствующей максимальному значению весового значения, как области границ ткани печени:
Figure 00000008
где Mkj - среднее значение градации серого двухмерного ультразвукового изображения ткани печени в подобласти диагностики Rkj, SDkj - стандартное отклонение градации серого двухмерного ультразвукового изображения ткани печени в подобласти диагностики Rkj, и dkj - глубина сканирования, соответствующая подобласти диагностики Rkj и k=imax/2.
Если информация о ткани печени представляет собой КТ- изображение ткани печени или МРТ- изображение ткани печени, устройство 52 для идентификации границы печени может, в частности, содержать: блок получения бинарного изображения, выполненный с возможностью извлечения из КТ- изображения ткани печени или из МРТ- изображения ткани печени бинарного изображения кожной ткани и бинарного изображения костной ткани при помощи способа сегментации изображения; блок определения характеристической точки, выполненный с возможностью расчета центра массы бинарного изображения костной ткани; и расчета точки на бинарном изображении кожной ткани, ближайшей к этому центру массы; блок разделения изображения, выполненный с возможностью разделения изображения ткани печени на четыре квадранта в соответствии с этим центром массы и этой точкой, ближайшей к центру массы; блок согласования кривой, выполненный с возможностью согласования каждой точки ребер во втором квадранте для получения согласованной дуги ребра; и блок определения граничной области, выполненный с возможностью перемещения согласованной дуги ребра в сторону первого квадранта на заранее установленное значение для получения граничной кривой области; и определение области между этой граничной кривой области и согласованной дугой ребра как граничной области ткани печени.
Согласно способу идентификации границы печени, представленному в пятом варианте осуществления настоящего изобретения, граница ткани печени может быть идентифицирована автоматически и эффективно по характерным свойствам границы ткани печени, соответствующим информации о ткани печени, где информация о ткани печени может быть ультразвуковым сигналом А-типа, отражающим одномерную информацию о структуре ткани печени, или ультразвуковым изображением М-типа или ультразвуковым сигналом М-типа, отражающим одномерную динамическую информацию о структуре ткани, или ультразвуковым изображением В-типа, отражающим двухмерную структуру ткани, или КТ- или МРТ- изображением, отражающим трехмерную структуру ткани печени.
Выше раскрыты только предпочтительные варианты осуществления настоящего изобретения, но не имеющие ограничительного характера. Различные изменения могут быть внесены в варианты осуществления настоящего изобретения специалистами в данной области техники. Любые и все модификации, эквивалентные замещения, улучшения и т.д. в рамках объема и принципа вариантов осуществления настоящего изобретения должны входить в объем охраны вариантов осуществления настоящего изобретения.

Claims (43)

1. Способ определения границы печени, характеризующийся тем, что содержит:
получение информации об определяемой ткани печени;
определение границы ткани печени в информации о ткани печени по характерным свойствам этой ткани и ее границы, соответствующим информации о ткани печени, при помощи технологии обработки изображений или технологии обработки сигналов; и
вывод информации о местоположении идентифицированной границы ткани печени,
при этом информация о ткани печени - это одномерный ультразвуковой сигнал ткани печени или двухмерное изображение ткани печени,
и информация о местоположении идентифицированной границы ткани печени содержит:
вывод координат определенной границы ткани печени; и/или
отображение изображения определенной границы ткани печени,
определение границы ткани печени в информации о ткани печени по характерным свойствам этой ткани и ее границы, соответствующим информации о ткани печени, при помощи технологии обработки изображений или технологии обработки сигналов содержит:
разделение информации о ткани печени на множество подобластей обнаружения; и
расчет значения характерного свойства по информации о ткани печени в каждой из подобластей обнаружения и определение границы ткани печени в соответствии со значением характерного свойства в информации о ткани печени в подобластях обнаружения.
2. Способ по п. 1, отличающийся тем, что если информация о ткани печени - это одномерный ультразвуковой сигнал ткани печени, расчет значения характерных свойств по информации о ткани печени в каждой из подобластей обнаружения и определение границы ткани печени по значению характерных свойств в информации о ткани печени в подобластях обнаружения содержит:
расчет значения распределения Накагами mi для одномерного ультразвукового сигнала ткани печени в каждой подобласти обнаружения и
расчет веса Wi для каждой подобласти обнаружения Si согласно следующей формуле и определение подобласти обнаружения, соответствующей максимальному значению веса, которая будет границей ткани печени:
Figure 00000009
где di - это глубина сканирования, соответствующая подобласти Si обнаружения, и i - это натуральное число.
3. Способ по п. 1, отличающийся тем, что если информация о ткани печени - это двухмерное ультразвуковое изображение ткани печени,
то разделение информации о ткани печени на множество подобластей обнаружения содержит: разделение двухмерного ультразвукового изображения ткани печени на множество прямоугольных подобластей обнаружения Rij, i и j - натуральные числа;
расчет значения характерных свойств по информации о ткани печени в каждой из подобластей обнаружения и определение границы ткани печени в соответствии со значением характерных свойств в информации о ткани печени в подобластях обнаружения содержит:
расчет веса Wkj для каждой подобласти обнаружения согласно следующей формуле и определение подобласти обнаружения, соответствующей максимальному значению веса, которая будет границей ткани печени:
Figure 00000010
где Mkj - среднее значение градации серого двухмерного ультразвукового изображения ткани печени в подобласти обнаружения Rkj, SDkj - это стандартное отклонение градации серого двухмерного ультразвукового изображения ткани печени в подобласти обнаружения Rkj, и dkj - это глубина сканирования, соответствующая подобласти обнаружения Rkj, k=imax/2 - это натуральное число, a imax - это максимальное значение в диапазоне значений i.
4. Система определения границы печени, отличающаяся тем, что содержит: устройство получения информации, устройство определения границы печени и устройство отображения границы печени, где
устройство получения информации выполнено с возможностью получения информации об определяемой ткани печени;
устройство определения границы печени, выполненное с возможностью определения границы ткани печени в информации о ткани печени по характерным свойствам этой ткани и ее границы, соответствующим информации о ткани печени, при помощи технологии обработки изображений или технологии обработки сигналов; и
устройство отображения границы печени, выполненное с возможностью вывода информации о положении определенной границы ткани печени,
при этом информация о ткани печени - это одномерный ультразвуковой сигнал ткани печени или двухмерное изображение ткани печени,
и устройство отображения границы печени содержит:
блок вывода положения, выполненный с возможностью вывода координат определенной границы ткани печени; и/или
блок отображения изображения, выполненный с возможностью отображения изображения определенной границы ткани печени,
при этом устройство определения границы печени дополнительно содержит:
блок разделения области, выполненный с возможностью разделения информации о ткани печени на множество подобластей обнаружения; и
блок определения границы, выполненный с возможностью расчета значения характерных свойств по информации о ткани печени в каждой из подобластей обнаружения и определения границы ткани печени по значению характерных свойств в информации о ткани печени в подобластях обнаружения.
5. Система по п. 4, отличающаяся тем, что если информация о ткани печени - это одномерный ультразвуковой сигнал ткани печени, то блок определения границы содержит:
первый субблок расчета значения характерных свойств, выполненный с возможностью расчета значения mi распределения Накагами одномерного ультразвукового сигнала ткани печени в каждой подобласти обнаружения Si; и
первый субблок определения границы, выполненный с возможностью расчета веса Wi каждой подобласти обнаружения Si согласно следующей формуле и определение подобласти обнаружения, соответствующей максимальному значению веса, которая будет границей ткани печени:
Figure 00000011
где di - это глубина сканирования, соответствующая подобласти Si обнаружения, и i - это натуральное число.
6. Система по п. 4, отличающаяся тем, что если информация о ткани печени - это двухмерное ультразвуковое изображение ткани печени,
блок разделения области, в частности, выполненный с возможностью разделения двухмерного изображения ткани печени на множество прямоугольных подобластей обнаружения Rij, i и j - это натуральные числа; и
субблок определения границы, в частности, выполненный с возможностью расчета веса Wkj каждой подобласти обнаружения Rkj согласно следующей формуле и определения подобласти обнаружения, соответствующей максимальному значению веса, которая будет границей ткани печени:
Figure 00000012
где Mkj - среднее значение градации серого двухмерного ультразвукового изображения ткани печени в подобласти обнаружения Rkj, SDkj - это стандартное отклонение градации серого двухмерного ультразвукового изображения ткани печени в подобласти обнаружения Rkj, и dkj - это глубина сканирования, соответствующая подобласти обнаружения Rkj, k=imax/2 - это натуральное число, a imax - это максимальное значение в диапазоне значений i.
RU2017117302A 2014-10-21 2015-08-10 Способ и система идентификации границы печени RU2707032C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201410564295.5A CN104408398B (zh) 2014-10-21 2014-10-21 一种肝脏边界的识别方法及系统
CN201410564295.5 2014-10-21
PCT/CN2015/081838 WO2016062108A1 (zh) 2014-10-21 2015-08-10 一种肝脏边界的识别方法及系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
RU2019131112A Division RU2756779C2 (ru) 2014-10-21 2015-08-10 Способ и система определения области границы печени

Publications (3)

Publication Number Publication Date
RU2017117302A RU2017117302A (ru) 2018-11-20
RU2017117302A3 RU2017117302A3 (ru) 2018-11-20
RU2707032C2 true RU2707032C2 (ru) 2019-11-21

Family

ID=52646029

Family Applications (2)

Application Number Title Priority Date Filing Date
RU2019131112A RU2756779C2 (ru) 2014-10-21 2015-08-10 Способ и система определения области границы печени
RU2017117302A RU2707032C2 (ru) 2014-10-21 2015-08-10 Способ и система идентификации границы печени

Family Applications Before (1)

Application Number Title Priority Date Filing Date
RU2019131112A RU2756779C2 (ru) 2014-10-21 2015-08-10 Способ и система определения области границы печени

Country Status (11)

Country Link
US (2) US10354390B2 (ru)
EP (2) EP4276757A3 (ru)
JP (2) JP6735738B2 (ru)
KR (2) KR101913977B1 (ru)
CN (2) CN108765438B (ru)
AU (3) AU2015335555B2 (ru)
BR (1) BR112017008006B1 (ru)
ES (1) ES2965710T3 (ru)
PL (1) PL3211561T3 (ru)
RU (2) RU2756779C2 (ru)
WO (1) WO2016062108A1 (ru)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108765438B (zh) * 2014-10-21 2020-10-30 无锡海斯凯尔医学技术有限公司 一种肝脏边界的识别方法及系统
CN105678746B (zh) * 2015-12-30 2018-04-03 上海联影医疗科技有限公司 一种医学图像中肝脏范围的定位方法及装置
JP7354145B2 (ja) * 2018-05-03 2023-10-02 コーニンクレッカ フィリップス エヌ ヴェ 組織弾性モニタリング及び表示のためのせん断波振幅再構成
EP3821813A4 (en) * 2018-07-13 2022-04-20 Furuno Electric Co., Ltd. ULTRASOUND IMAGING APPARATUS, ULTRASOUND IMAGING SYSTEM, ULTRASOUND IMAGING METHOD AND ULTRASOUND IMAGING PROGRAM
CN110555833B (zh) * 2019-08-30 2023-03-21 联想(北京)有限公司 图像处理方法、装置、电子设备以及介质
CN110772281B (zh) * 2019-10-23 2022-03-22 哈尔滨工业大学（深圳） 基于改进射线追踪法的超声ct成像系统
CN111161293B (zh) * 2019-11-25 2023-03-21 新绎健康科技有限公司 基于直角坐标空间确定gdv能量图像的轮廓的方法及系统
CN112037234B (zh) * 2020-08-19 2022-09-30 大连理工大学 用骨骼信息对ct图像中肝脏与肌肉进行分离的方法
CN112245006B (zh) * 2020-11-13 2022-03-04 范宁 一种基于三角模型的肝脏肿瘤手术方法及系统
CN112614123A (zh) * 2020-12-29 2021-04-06 深圳开立生物医疗科技股份有限公司 一种超声图像识别方法及相关装置
CN114399493A (zh) * 2022-01-14 2022-04-26 汕头市超声仪器研究所股份有限公司 超声颅脑异常区域自动检测及显示方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7819806B2 (en) * 2002-06-07 2010-10-26 Verathon Inc. System and method to identify and measure organ wall boundaries
CN102125444B (zh) * 2010-01-14 2014-02-05 株式会社东芝 超声波诊断装置和超声波图像处理装置

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3109749B2 (ja) * 1991-04-17 2000-11-20 株式会社東芝 超音波映像化装置
JP3720839B2 (ja) * 1994-05-27 2005-11-30 フクダ電子株式会社 超音波診断装置
AU1062397A (en) 1995-11-28 1997-06-19 Dornier Medical Systems, Inc. Method and system for non-invasive temperature mapping of tissue
US6370480B1 (en) 1999-05-21 2002-04-09 General Electric Company Quantitative analysis system and method for certifying ultrasound medical imaging equipment
US6925200B2 (en) 2000-11-22 2005-08-02 R2 Technology, Inc. Graphical user interface for display of anatomical information
JP3655830B2 (ja) * 2001-02-08 2005-06-02 アロカ株式会社 超音波診断装置
JP4907798B2 (ja) * 2001-08-24 2012-04-04 株式会社東芝 超音波診断装置
JP4105452B2 (ja) * 2002-03-04 2008-06-25 フクダ電子株式会社 超音波診断装置
CN1788284A (zh) * 2003-05-14 2006-06-14 西门子共同研究公司 对虚拟内窥镜检查进行快速自动中心线提取的方法和设备
EP1751550B1 (en) * 2004-04-14 2020-05-13 Edda Technology, Inc. Liver disease diagnosis system, method and graphical user interface
US7519209B2 (en) * 2004-06-23 2009-04-14 Vanderbilt University System and methods of organ segmentation and applications of same
JP4575738B2 (ja) * 2004-09-29 2010-11-04 富士フイルム株式会社 超音波画像境界抽出方法及び超音波画像境界抽出装置、並びに、超音波撮像装置
KR100747093B1 (ko) * 2005-01-12 2007-08-07 주식회사 메디슨 초음파 진단 영상을 이용한 대상체의 경계를 자동으로검출하는 방법 및 초음파 진단 시스템
JP4713921B2 (ja) * 2005-04-15 2011-06-29 株式会社東芝 超音波診断装置及び超音波信号処理プログラム
US7702153B2 (en) * 2005-10-07 2010-04-20 Siemens Medical Solutions Usa, Inc. Systems and methods for segmenting object of interest from medical image
CN101448461B (zh) 2006-05-19 2011-04-06 株式会社日立医药 超声波诊断装置及边界提取方法
EP2030573A4 (en) 2006-06-06 2013-02-27 Hitachi Medical Corp ULTRASOUND DEVICE
US8358818B2 (en) * 2006-11-16 2013-01-22 Vanderbilt University Apparatus and methods of compensating for organ deformation, registration of internal structures to images, and applications of same
WO2008110013A1 (en) 2007-03-15 2008-09-18 Centre Hospitalier De L'universite De Montreal Image segmentation
DE102007028270B4 (de) 2007-06-15 2013-11-14 Siemens Aktiengesellschaft Verfahren zur Segmentierung von Bilddaten zur Erkennung einer Leber
EP2006803A1 (en) * 2007-06-19 2008-12-24 Agfa HealthCare NV Method of segmenting anatomic entities in 3D digital medical images
JP5285616B2 (ja) * 2007-11-09 2013-09-11 株式会社日立メディコ 超音波診断装置とその作動方法及び超音波画像診断プログラム
CN100589124C (zh) * 2008-03-04 2010-02-10 浙江大学 多排螺旋ct影像中的自动分割肝脏区域的方法
CN101425186B (zh) * 2008-11-17 2012-03-28 华中科技大学 一种基于ct图像的肝脏分段方法及其系统
CN101601585B (zh) * 2009-07-02 2011-01-12 厦门强本科技有限公司 基于ct增强扫描技术的肝脏分段体积测量方法
RU2407426C1 (ru) * 2009-07-30 2010-12-27 Государственное учреждение Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского (МОНИКИ им. М.Ф. Владимирского) Способ определения размеров и глубины залегания анатомо-морфологических структур в живой биологической ткани при ее обследовании с помощью оптико-когерентной томографии
EP2522279A4 (en) 2010-01-07 2016-11-30 Hitachi Ltd DIAGNOSIS DEVICE WITH MEDICAL PICTURES, METHOD FOR EXTRACTION AND PROCESSING OF THE CONTOUR OF MEDICAL PICTURES
JP5599683B2 (ja) 2010-09-07 2014-10-01 株式会社日立メディコ 医用画像処理装置、医用画像処理方法
US9117259B2 (en) * 2010-09-22 2015-08-25 Siemens Aktiengesellschaft Method and system for liver lesion detection
EP2680778B1 (en) 2011-03-03 2019-07-31 Koninklijke Philips N.V. System and method for automated initialization and registration of navigation system
CN102956035A (zh) * 2011-08-25 2013-03-06 深圳市蓝韵实业有限公司 用于乳腺x线图像中提取乳腺区域的预处理方法及系统
KR20130080640A (ko) * 2012-01-05 2013-07-15 삼성메디슨 주식회사 초음파 영상 제공 방법 및 초음파 영상 제공 장치
JP5797124B2 (ja) * 2012-01-31 2015-10-21 富士フイルム株式会社 手術支援装置、手術支援方法および手術支援プログラム
JP5922465B2 (ja) * 2012-03-30 2016-05-24 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 磁気共鳴装置、ナビゲータ領域設定方法、およびプログラム
WO2014011925A2 (en) * 2012-07-11 2014-01-16 University Of Mississippi Medical Center Method for the detection and staging of liver fibrosis from image acquired data
KR102001219B1 (ko) * 2012-11-26 2019-07-17 삼성전자주식회사 의료 영상들의 정합 방법 및 장치
EP2926320B1 (en) 2012-11-30 2019-04-17 Koninklijke Philips N.V. Tissue surface roughness quantification based on image data and determination of a presence of disease based thereon
CN103914710A (zh) * 2013-01-05 2014-07-09 北京三星通信技术研究有限公司 从图像中检测对象的设备和方法
JP6537981B2 (ja) * 2013-02-28 2019-07-03 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 複数の三次元ビューからの大きな対象のセグメンテーション
CN105431089B (zh) * 2013-07-17 2019-11-01 肝病定量分析公司 根据肝脏扫描确定肝功能的系统和方法
CN108765438B (zh) 2014-10-21 2020-10-30 无锡海斯凯尔医学技术有限公司 一种肝脏边界的识别方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7819806B2 (en) * 2002-06-07 2010-10-26 Verathon Inc. System and method to identify and measure organ wall boundaries
CN102125444B (zh) * 2010-01-14 2014-02-05 株式会社东芝 超声波诊断装置和超声波图像处理装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHENCHAO CUI et al. Fast marching over the 2D Gabor magnitude domain for tongue body *
НЕДЗЬВЕДЬ А.М. и др. 2D-сегментация изображений компьютерной томографии на основе коплексного анализа окрестности. Таврический вестник информатики и математики. 2008, номер 2 (13), стр. 121-129. *
НЕДЗЬВЕДЬ А.М. и др. 2D-сегментация изображений компьютерной томографии на основе коплексного анализа окрестности. Таврический вестник информатики и математики. 2008, номер 2 (13), стр. 121-129. ZHENCHAO CUI et al. Fast marching over the 2D Gabor magnitude domain for tongue body segmentation. EURASIP Journal on Advances in Signal Processing. 2013 (190). *

Also Published As

Publication number Publication date
EP3211561A4 (en) 2018-10-10
EP4276757A3 (en) 2024-02-28
EP4276757A2 (en) 2023-11-15
RU2756779C2 (ru) 2021-10-05
EP3211561B1 (en) 2023-11-01
ES2965710T3 (es) 2024-04-16
AU2018206807B9 (en) 2020-01-23
KR101913977B1 (ko) 2018-10-31
US20190272644A1 (en) 2019-09-05
RU2017117302A (ru) 2018-11-20
US20170221215A1 (en) 2017-08-03
AU2018206806A1 (en) 2018-08-09
RU2019131112A3 (ru) 2020-04-02
BR112017008006A2 (pt) 2018-06-19
AU2015335555A1 (en) 2017-05-11
JP7016549B2 (ja) 2022-02-07
JP2020127831A (ja) 2020-08-27
JP6735738B2 (ja) 2020-08-05
PL3211561T3 (pl) 2024-02-12
US10748291B2 (en) 2020-08-18
RU2017117302A3 (ru) 2018-11-20
BR112017008006B1 (pt) 2022-12-13
US10354390B2 (en) 2019-07-16
AU2018206807B2 (en) 2019-09-26
KR20170042677A (ko) 2017-04-19
RU2019131112A (ru) 2019-10-25
AU2015335555B2 (en) 2018-04-26
CN104408398B (zh) 2019-02-22
JP2017532996A (ja) 2017-11-09
EP3211561A1 (en) 2017-08-30
AU2018206807A1 (en) 2018-08-09
EP3211561C0 (en) 2023-11-01
WO2016062108A1 (zh) 2016-04-28
AU2018206806B2 (en) 2019-08-29
KR101894212B1 (ko) 2018-08-31
CN108765438B (zh) 2020-10-30
CN108765438A (zh) 2018-11-06
CN104408398A (zh) 2015-03-11
KR20180058228A (ko) 2018-05-31

Similar Documents

Publication Publication Date Title
RU2707032C2 (ru) Способ и система идентификации границы печени
RU2695619C2 (ru) Способ и устройство для выбора области диагностики и система диагностики для определения эластичности
KR101121396B1 (ko) 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법
CN105513036B (zh) 三维ct图像的分割方法及装置
CN105678746A (zh) 一种医学图像中肝脏范围的定位方法及装置
JP2006061472A (ja) 乳房画像表示装置およびそのプログラム
US20130281860A1 (en) 3d ultrasound system and method for operating 3d ultrasound system
CN107767386B (zh) 超声图像处理方法及装置
CN110023991B (zh) 用于从对象类中识别对象的装置