TWI750854B - 超音波影像物件之體積計算方法及其相關超音波系統 - Google Patents
超音波影像物件之體積計算方法及其相關超音波系統 Download PDFInfo
- Publication number
- TWI750854B TWI750854B TW109136378A TW109136378A TWI750854B TW I750854 B TWI750854 B TW I750854B TW 109136378 A TW109136378 A TW 109136378A TW 109136378 A TW109136378 A TW 109136378A TW I750854 B TWI750854 B TW I750854B
- Authority
- TW
- Taiwan
- Prior art keywords
- ultrasonic image
- image
- ultrasonic
- dimensional
- image object
- Prior art date
Links
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一種超音波影像物件之體積計算方法，包含有以一探頭採集複數個二維超音波影像；取得該複數個二維超音波影像及對應於該複數個二維超音波影像之該探頭之一偏移角度、一旋轉軸向及一頻率；根據一深度學習架構，自該複數個二維超音波影像之每一二維超音波影像切割包含一超音波影像物件之一第一影像，以決定該超音波影像物件之一輪廓；根據對應於每一二維超音波影像之該超音波影像物件之該輪廓，重建對應於該超音波影像物件之一三維模型，以計算該超音波影像物件之一體積。
Description
本發明係指一種超音波影像物件之體積計算方法及其相關超音波系統，尤指一種運用深度學習的架構建立一三維模型，以快速且正確地計算體積的超音波影像物件之體積計算方法及其相關超音波系統。
現有用於醫學領域的成像技術，例如磁力共振成像(Magnetic Resonance Imaging，MRI)、電腦斷層(Computed tomography，CT)掃描及超音波三維成像等技術，以非侵入的方式即可清楚且快速地取得影像，並精準地計算或估算影像中的一物件的體積，因此廣泛地用於醫學檢查。其中，現有的醫療技術係根據獲得的一超音波影像，根據超音波影像中一物件的長、寬、高及一面積公式以估計物件的體積。然而，前述方法於進行一影像擷取、一影像切割及一體積計算時易產生一誤差，例如，當受檢的人體器官的一膀胱受到一儀器的擠壓而導致形變時，膀胱往兩側延伸時將擠壓到相鄰的器官而使得膀胱一外觀呈現非橢圓形，造成體積估算的誤差，而無法精準地預測膀胱的一尿量體積。因此，現有技術有改進的必要。
因此，本發明提供一種超音波影像物件之體積計算方法及其相關超音波系統，依據深度學習的架構，準確地計算超音波影像物件的體積。
本發明實施例揭露一種超音波影像物件之體積計算方法，用於包含一探頭之一超音波系統，其中該超音波影像物件之體積計算方法包含有以該探頭採集複數個二維超音波影像；取得該複數個二維超音波影像及對應於該複數個二維超音波影像之該探頭之一偏移角度、一旋轉軸向及一頻率；根據一深度學習架構，自該複數個二維超音波影像之每一二維超音波影像切割包含一超音波影像物件之一第一影像；根據對應於每一二維超音波影像之第一影像，決定該超音波影像物件之一輪廓；根據對應於每一二維超音波影像之該超音波影像物件之該輪廓，重建對應於該超音波影像物件之一三維模型；以及根據對應於該超音波影像物件之該三維模型，計算該超音波影像物件之一體積。
本發明實施例另揭露一種超音波系統，用來計算一超音波影像物件之體積，包含有一探頭，用來採集複數個二維超音波影像；以及一處理器，用來取得該複數個二維超音波影像及對應於該複數個二維超音波影像之該探頭之一偏移角度、一旋轉軸向及一頻率；根據一深度學習架構，自該複數個二維超音波影像之每一二維超音波影像切割包含一超音波影像物件之一第一影像；根據對應於每一二維超音波影像之第一影像，決定該超音波影像物件之一輪廓；根據對應於每一二維超音波影像之該超音波影像物件之該輪廓，重建對應於該超音波影像物件之一三維模型；以及根據對應於該超音波影像物件之該三維模型，計算該超音波影像物件之一體積。
10:超音波系統
102:探頭
104:處理器
20:體積計算方法
30、40、50:輪廓決定方法
60:三維建模方法
202-214、302-312、402-412、502-508、602-614:步驟
第1圖為本發明實施例之一超音波系統之示意圖。
第2圖為本發明實施例之一超音波影像物件的一體積計算方法之示意圖。
第3圖為本發明實施例之一輪廓決定方法之示意圖。
第4圖及第5圖為本發明實施例之另一輪廓決定方法之示意圖。
第6圖為本發明實施例之一三維建模方法之示意圖。
第7圖為本發明實施例對超音波影像物件執行一三維內插之示意圖。
第8圖為本發明實施例對超音波影像物件執行一三維外部插值之示意圖。
請參考第1圖，第1圖為本發明實施例之一超音波系統10之一示意圖。超音波系統10包含一探頭102及一處理器104。超音波系統10用來計算一超音波影像物件之體積，其中探頭102用來採集複數個二維超音波影像。超音波系統10可用於醫療領域中以進行醫學檢查，並且以一超音波反射的方式量測或估測一人體器官(例如子宮、前列腺或膀胱等)的體積。在一實施例中，探頭102具有一定位裝置，以於採集二維超音波影像時，同時採集對應的定位資訊。處理器104用來取得來自探頭102的二維超音波影像及對應於二維超音波影像之探頭之定位資訊，例如探頭的一偏移角度、一旋轉軸向及一頻率，即探頭102可以對人體器官以不同的偏移角度掃描以得到二維超音波影像。處理器104根據一深度學習架構，自二維超音波影像之每一二維超音波影像切割包含一超音波影像物件之一第一影像，並且根據對應於每一二維超音波影像之第一影像及對應於超音波影像物件之三維模型，計算超音波影像物件之一體積。如此一來，本發明的超音波系統10即可根據深度學習架構及三維模型提升測得的超音波影像物件的體積的準確性。
詳細而言，請參考第2圖，第2圖為本發明實施例之一超音波影像物件的體積計算方法20之示意圖。如第2圖所示，超音波影像物件的體積計算方法20包含下列步驟：
步驟202：開始。
步驟204：取得二維超音波影像及對應於二維超音波影像之探頭之偏移角度、旋轉軸向及頻率。
步驟206：根據深度學習架構，自二維超音波影像之每一二維超音波影像切割包含超音波影像物件之第一影像。
步驟208：根據對應於每一二維超音波影像之第一影像，決定超音波影像物件之輪廓。
步驟210：根據對應於每一二維超音波影像之超音波影像物件之輪廓，重建對應於超音波影像物件之三維模型。
步驟212：根據對應於超音波影像物件之三維模型，計算超音波影像物件之體積。
步驟214：結束。
首先，在步驟204中超音波系統10可利用探頭102取得二維超音波影像及對應於二維超音波影像之探頭102之偏移角度、旋轉軸向及頻率，以用來增加二維超音波影像中的超音波影像物件的一特徵。具體而言，探頭102的偏移角度、旋轉軸向及頻率可用於建立超音波影像物件的一三維模型。
接著，在步驟206中，超音波系統10根據深度學習架構，將二維超音波影像之每一二維超音波影像切割包含超音波影像物件之第一影像。在一實施
例中，本發明的超音波系統10可以一U-Net網路架構的一語義分割(Semantic Segmentation)深度學習架構，自每一二維超音波影像切割包含超音波影像物件的第一影像，其中語義分割深度學習架構是在給定一影像的情形下，對影像中的每一個像素做分類，以得到一目標影像。
詳細而言，本發明的超音波系統10採用深度學習架構，根據上述二維超音波影像及對應的探頭之偏移角度、旋轉軸向及頻率，再以自我學習的方式偵測二維超音波影像偵測超音波影像物件的一初步輪廓及一位置，以達到一超音波影像物件定位的步驟，進而於二維超音波影像中切割出包含超音波影像物件的第一影像。值得注意的是，本發明的超音波系統10的深度學習架構不限於上述U-Net的網路架構，其他可用於偵測二維超音波影像中的超音波影像物件的架構也適用於本發明。
除此之外，本發明採用U-Net的網路架構切割二維超音波影像中的超音波影像物件時所需的運算量過大，因此，本發明的超音波系統10以等比例方式縮小深度學習架構，並且嵌入至超音波系統10之一機台，以完成上述超音波影像物件定位的步驟。
在步驟208中，超音波系統10以在步驟206所得到每一二維超音波影像之第一影像，決定超音波影像物件之輪廓及定位。在一實施例中，超音波系統10以一輪廓決定方法30決定超音波影像物件之初步輪廓及定位。詳細來說，請參考第3圖，第3圖為本發明實施例之一輪廓決定方法30之示意圖。輪廓決定方法30包含下列步驟：
步驟302：開始。
步驟304：取得每一二維超音波影像之第一影像。
步驟306：對每一二維超音波影像之第一影像執行直方圖均衡化(histogram equalization)。
步驟308：對執行直方圖均衡化後的每一二維超音波影像之第一影像，以一語義分割(Semantic Segmentation)深度學習決定超音波影像物件的一位置及一範圍。
步驟310：對執行語義分割深度學習後的每一二維超音波影像之第一影像，以一活化函數及/或一二位元閾值決定超音波影像物件的輪廓。
步驟312：結束。
為了準確地決定二維超音波影像中的超音波影像物件的輪廓及定位，本發明的超音波系統10可根據輪廓決定方法30以兩種不同的方法決定超音波影像物件的輪廓。在步驟304中，取得根據深度學習架構所得到的第一影像，其中第一影像包含有初步物件輪廓。在步驟306中，對每一二維超音波影像之第一影像執行直方圖均衡化以提高第一影像的一對比度。在步驟308中，對執行直方圖均衡化後的每一二維超音波影像之第一影像，以語義分割(Semantic Segmentation)深度學習決定物件的位置及範圍。接著，在步驟310中，對執行語義分割深度學習後的每一二維超音波影像之第一影像，以活化函數及/或二位元閾值，決定超音波影像物件的輪廓，其中活化函數是用來利用在步驟210所得到的超音波影像物件的輪廓向外擴張，以確定超音波影像物件的輪廓及位置；二位元閾值則是用來根據步驟210所得到的超音波影像物件的輪廓，以二位元區分的方式找到超音波影像物件的輪廓及位置。
值得注意的是，上述輪廓決定方法30可同時採用活化函數及二位元
閾值以決定超音波影像物件的輪廓及位置，或者，在另一實施例中，本發明的超音波系統10也可單獨根據活化函數或二位元閾值，以決定超音波影像物件的輪廓及位置，也適用於本發明。
關於上述以活化函數決定超音波影像物件的輪廓及位置的方法，請進一步參考第4圖，第4圖為本發明實施例之一輪廓決定方法40之示意圖。輪廓決定方法40是根據活化函數決定以決定超音波影像物件的輪廓以及位置的方法，其包含下列步驟：
步驟402：開始。
步驟404：設定第一影像之一邊緣閾值。
步驟406：對第一影像執行一逆高斯梯度(Inverse Gaussian Gradient)。
步驟408：偵測第一影像之一邊緣。
步驟410：根據第一影像於超音波影像物件之初步輪廓及位置，於超音波影像物件之初步輪廓之一內部產生一圓以向外擴張，直到達到第一影像之邊緣閾值。
步驟412：結束。
在步驟404中，設定第一影像的邊緣閾值，以作為初步輪廓向外擴張時的一停滯點。在步驟406中，對第一影像執行逆高斯梯度(Inverse Gaussian Gradient)以模糊化第一影像。在步驟408中，對影像進行邊緣偵測。在步驟410中，根據第一影像於超音波影像物件之初步輪廓及位置，在超音波影像物件之初步輪廓之內部產生圓以向外擴張，直到達到第一影像之邊緣閾值(即停滯點)。如此一來，本發明的超音波系統10即可根據超音波影像物件的初步輪廓及輪廓決定方法40，決定超音波影像物件的輪廓及位置。
另一方面，關於上述以二位元閾值決定超音波影像物件的輪廓及位置的方法，請參考第5圖，第5圖為本發明實施例之一輪廓決定方法50之示意圖。輪廓決定方法50是根據二位元閾值以決定超音波影像物件的輪廓及位置的方法，其包含下列步驟：
步驟502：開始。
步驟504：決定對應於第一影像之一二位元閾值。
步驟506：根據二位元閾值及第一影像之超音波影像物件之初步輪廓及位置，決定超音波影像物件之輪廓。
步驟508：結束。
根據輪廓決定方法50，超音波系統10在步驟504中先決定對於第一影像的二位元閾值，例如，8位元的一影像的一灰階值255。於步驟506中，以二位元閾值將第一影像區分為兩個顏色(例如，黑及白)，再根據直方圖均衡化後的第一影像之超音波影像物件之初步輪廓及位置，以決定超音波影像物件之輪廓。在一實施例中，當超音波影像物件為膀胱，並且二位元閾值為8位元的灰階值128時，可將第一影像中的灰階值為128以上的區分為膀胱、灰階值128以下的區分不是膀胱，因此輪廓決定方法50可區分出第一影像中的膀胱(即超音波影像物件)，並且與超音波影像物件的初步輪廓相互比對。如此一來，本發明的超音波系統10即可根據超音波影像物件的初步輪廓及輪廓決定方法50，決定超音波影像物件的輪廓及位置。
值得注意的是，上述輪廓決定方法40、50所使用的值域參數皆為使用窮舉法，以找到超音波影像物件的最佳值域參數。
在步驟208中決定對應於每一二維超音波影像之超音波影像物件之輪廓之後，步驟210根據決定的超音波影像物件之輪廓重建對應於超音波影像物件之三維模型。關於重建對應於超音波影像物件之三維模型的步驟，請參考第6圖，第6圖為本發明實施例之一三維建模方法60之示意圖。三維建模方法60包含下列步驟：
步驟602：開始。
步驟604：根據二維超音波影像及對應於二維超音波影像之探頭之偏移角度、旋轉軸向及頻率，以一掃描方法將超音波影像物件組合為一三維影像。
步驟606：根據三維影像建立一三維切片建模。
步驟608：根據三維切片建模，以一三維內插(internal interpolation)方法建立超音波影像物件之三維模型。
步驟610：自三維切片建模中，決定對應於超音波影像物件之一最大三維切片。
步驟612：根據最大三維切片，向超音波影像物件之一外側擴張以完成三維模型。
步驟614：結束。
在步驟604中，超音波系統10根據在步驟206的每一包含有超音波影像物件之第一影像，及對應的探頭102的偏移角度、旋轉軸向及頻率，以掃描方法將同一序列的多個二維超音波影像組合為三維影像。在一實施例中，掃描方法可以是一扇形掃描(sector scan)或一縱掃描(sagittal scan)將連續的超音波影像物件組合為三維影像。換句話說，超音波系統10可根據同一序列多張(例如50張)包含有超音波影像物件的二維超音波影像及對應的探頭102的偏移角
度、旋轉軸向及頻率，以及一公式(1)，將超音波影像物件的一Y軸投影於一Z軸上以建立三維影像。公式(1)為：
其中，i為序列的第i個超音波影像物件，640為一解析度的橫向像素值，Degree i 為探頭102於掃描時的偏移角度，ObjectDown i 為超音波影像物件的一底面的一下切面，值得注意的是，超音波系統10的二維影像的橫向解析度不限於640。
在步驟606中，根據三維影像建立三維切片建模，即將三維影像切割為多個三維切片。接著，在步驟608中，根據三維切片建模，以三維內插方法建立超音波影像物件之三維模型，把未掃描到的部分補齊，以建立完整的超音波影像物件模型。
在一實施例中，超音波系統10可計算兩個三維切片之間的一最大距離，進而根據三維內插方法對兩個三維切片執行三維內插方法。如第7圖所示，第7圖為本發明實施例對超音波影像物件執行三維內插之示意圖，在三維空間中，超音波系統10可利用最左邊及最右邊的三維切片，往內部執行三維內插方法，以建立超音波影像物件模型。
然而，由於上述三維內插方法會受到一掃描速度及超音波影像物件的一形狀(例如，膀胱於受測時大致呈現一橢圓形)的改變而影響其精確度，
因此，在步驟610中，超音波系統10於三維切片中找到一最大三維切片，並且於步驟612中根據最大三維切片，向超音波影像物件之外側擴張以完成三維模型，如第8圖所示，第8圖為本發明實施例對超音波影像物件執行一三維外部插值(external interpolation)之示意圖，即根據第8圖的中間的最大三維切片外側擴張以完成三維模型。
如此一來，根據三維建模方法60即可建立準確的超音波影像物件的三維模型，使得超音波系統10可以於步驟212中根據對應於超音波影像物件之三維模型，計算超音波影像物件之體積。
上述實施例可說明本發明的超音波影像物件之體積計算方法及其相關超音波系統，可透過深度學習架構以偵測超音波影像物件，並且透過建立三維模型以準確且快速地計算超音波影像物件的體積。此外，根據不同需求，本發明的超音波影像物件之體積計算方法也可用於電腦斷層掃描系統、核磁共振成像系統的影像體積的計算。
綜上所述，本發明實施例提供一種超音波影像物件之體積計算方法及其相關超音波系統，結合深度學習架構及建立三維模型以準確且快速地計算超音波影像物件的體積，以提高偵測的準確度。
以上所述僅為本發明之較佳實施例，凡依本發明申請專利範圍所做之均等變化與修飾，皆應屬本發明之涵蓋範圍。
20:體積計算方法
202-214:步驟
Claims (10)
- 一種超音波影像物件之體積計算方法，用於包含一探頭之一超音波系統，其中該超音波影像物件之體積計算方法包含有：以該探頭採集複數個二維超音波影像；取得該複數個二維超音波影像及對應於該複數個二維超音波影像之該探頭之一偏移角度、一旋轉軸向及一頻率；根據一深度學習架構，自該複數個二維超音波影像之每一二維超音波影像切割包含一超音波影像物件之一第一影像；根據對應於每一二維超音波影像之第一影像，決定該超音波影像物件之一輪廓；根據對應於每一二維超音波影像之該超音波影像物件之該輪廓，重建對應於該超音波影像物件之一三維模型；以及根據對應於該超音波影像物件之該三維模型，計算該超音波影像物件之一體積。
- 如請求項1所述之超音波影像物件之體積計算方法，其中該深度學習架構係一U-Net網路架構，以根據對應於該複數個二維超音波影像之該探頭之偏移角度、旋轉軸向及頻率，決定該第一影像之該超音波影像物件之一初步輪廓及一位置。
- 如請求項2所述之超音波影像物件之體積計算方法，其中根據對應於每一二維超音波影像之第一影像，決定該超音波影像物件之該輪廓之步驟包含：設定該第一影像之一邊緣閾值； 偵測該第一影像之一邊緣；以及根據該第一影像於該超音波影像物件之該初步輪廓及該位置，於該超音波影像物件之該初步輪廓之一內部產生一圓以向外擴張，直到達到該第一影像之該邊緣閾值。
- 如請求項3所述之超音波影像物件之體積計算方法，其中在設定該第一影像之一邊緣閾值之前，對該第一影像進行一直方圖均衡化(histogram equalization)。
- 如請求項2所述之超音波影像物件之體積計算方法，其中根據對應於每一二維超音波影像之第一影像，決定該超音波影像物件之該輪廓之步驟包含：對該第一影像執行一直方圖均衡化；決定對應於該第一影像之一二值化閾值；以及根據該二值化閾值及該第一影像之該超音波影像物件之該初步輪廓及該位置，決定該超音波影像物件之該輪廓。
- 如請求項1所述之超音波影像物件之體積計算方法，其中根據對應於每一二維超音波影像之該超音波影像物件之該輪廓，重建對應於該超音波影像物件之該三維模型之步驟包含：根據該複數個二維超音波影像及對應於該複數個二維超音波影像之該探頭之偏移角度、旋轉軸向及頻率，以一掃描方法將該複數個超音波影像物件組合為一三維影像；根據該三維影像建立一三維切片建模；以及 根據該三維切片建模，以一三維內插方法建立該超音波影像物件之該三維模型。
- 如請求項6所述之超音波影像物件之體積計算方法，其中根據該三維切片建模，以該三維內插方法建立該超音波影像物件之該三維模型之步驟包含：自該三維切片建模中，決定對應於該超音波影像物件之一最大三維切片；以及根據該最大三維切片，向該超音波影像物件之一外側擴張以完成該三維模型。
- 一種超音波系統，用來計算一超音波影像物件之體積，包含有：一探頭，用來採集複數個二維超音波影像；以及一處理器，用來取得該複數個二維超音波影像及對應於該複數個二維超音波影像之該探頭之一偏移角度、一旋轉軸向及一頻率；根據一深度學習架構，自該複數個二維超音波影像之每一二維超音波影像切割包含一超音波影像物件之一第一影像；根據對應於每一二維超音波影像之第一影像，決定該超音波影像物件之一輪廓；根據對應於每一二維超音波影像之該超音波影像物件之該輪廓，重建對應於該超音波影像物件之一三維模型；以及根據對應於該超音波影像物件之該三維模型，計算該超音波影像物件之一體積。
- 如請求項8所述之超音波系統，其中該深度學習架構係一U-Net網路架構，該處理器根據對應於該複數個二維超音波影像之該探頭之偏移角 度、旋轉軸向及頻率，決定該第一影像之該超音波影像物件之一初步輪廓及一位置。
- 如請求項9所述之超音波系統，其中該處理器用以設定該第一影像之一邊緣閾值，偵測該第一影像之一邊緣；以及根據該第一影像於該超音波影像物件之該初步輪廓及該位置，於該超音波影像物件之該初步輪廓之一內部產生一圓以向外擴張，直到達到該第一影像之該邊緣閾值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109136378A TWI750854B (zh) | 2020-10-21 | 2020-10-21 | 超音波影像物件之體積計算方法及其相關超音波系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109136378A TWI750854B (zh) | 2020-10-21 | 2020-10-21 | 超音波影像物件之體積計算方法及其相關超音波系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI750854B true TWI750854B (zh) | 2021-12-21 |
| TW202216075A TW202216075A (zh) | 2022-05-01 |
Family
ID=80681338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW109136378A TWI750854B (zh) | 2020-10-21 | 2020-10-21 | 超音波影像物件之體積計算方法及其相關超音波系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI750854B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI618036B (zh) * | 2017-01-13 | 2018-03-11 | China Medical University | 以斷層影像為基礎之手術探針導航模擬方法及其系統 |
| TWI699191B (zh) * | 2019-05-27 | 2020-07-21 | 佳世達科技股份有限公司 | 超音波探頭辨識系統及超音波探頭辨識方法 |
-
2020
- 2020-10-21 TW TW109136378A patent/TWI750854B/zh active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI618036B (zh) * | 2017-01-13 | 2018-03-11 | China Medical University | 以斷層影像為基礎之手術探針導航模擬方法及其系統 |
| TWI699191B (zh) * | 2019-05-27 | 2020-07-21 | 佳世達科技股份有限公司 | 超音波探頭辨識系統及超音波探頭辨識方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202216075A (zh) | 2022-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10561403B2 (en) | Sensor coordinate calibration in an ultrasound system | |
| Delsanto et al. | Characterization of a completely user-independent algorithm for carotid artery segmentation in 2-D ultrasound images | |
| EP1690230B1 (en) | Automatic multi-dimensional intravascular ultrasound image segmentation method | |
| US7856130B2 (en) | Object recognition system for medical imaging | |
| ES2706542T3 (es) | Sistema de diagnóstico para mamografía multimodal | |
| CN101527047B (zh) | 使用超声图像检测组织边界的方法与装置 | |
| KR101121396B1 (ko) | 2차원 초음파 영상에 대응하는 2차원 ｃｔ 영상을 제공하는 시스템 및 방법 | |
| WO2013131420A1 (zh) | 医学影像的目标区域边界确定装置和方法 | |
| US20030038802A1 (en) | Automatic delineation of heart borders and surfaces from images | |
| US20110196236A1 (en) | System and method of automated gestational age assessment of fetus | |
| KR20140032810A (ko) | 의료 영상들의 정합 방법 및 장치 | |
| CN115843373A (zh) | 一种融合Gabor小波的多尺度局部水平集超声图像分割方法 | |
| US10278663B2 (en) | Sensor coordinate calibration in an ultrasound system | |
| Ye et al. | 3-D freehand echocardiography for automatic left ventricle reconstruction and analysis based on multiple acoustic windows | |
| AU2014259527A1 (en) | Robust segmentation of retinal pigment epithelium layer | |
| CN107169978B (zh) | 超声图像边缘检测方法及系统 | |
| WO2010066007A1 (en) | Medical diagnostic method and apparatus | |
| TWI750854B (zh) | 超音波影像物件之體積計算方法及其相關超音波系統 | |
| US11690599B2 (en) | Volume acquisition method for object in ultrasonic image and related ultrasonic system | |
| Ma et al. | Left ventricle segmentation from contrast enhanced fast rotating ultrasound images using three dimensional active shape models | |
| JP5987640B2 (ja) | 超音波を用いた被検体の３次元復元方法および装置 | |
| Marino et al. | Fully automated assessment of left ventricular volumes and mass from cardiac magnetic resonance images | |
| Butakoff et al. | Simulated 3D ultrasound LV cardiac images for active shape model training | |
| Yu et al. | Multiview 3D reconstruction with volumetric registration in a freehand ultrasound imaging system | |
| Sanchez-Ortiz et al. | Automated LV motion analysis from 3D echocardiography |