CN101256670A - 序列图像三维可视化的方法及装置 - Google Patents
序列图像三维可视化的方法及装置 Download PDFInfo
- Publication number
- CN101256670A CN101256670A CNA2008100269008A CN200810026900A CN101256670A CN 101256670 A CN101256670 A CN 101256670A CN A2008100269008 A CNA2008100269008 A CN A2008100269008A CN 200810026900 A CN200810026900 A CN 200810026900A CN 101256670 A CN101256670 A CN 101256670A
- Authority
- CN
- China
- Prior art keywords
- pixel
- cut zone
- dimensional
- sequence image
- neighborhoods
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种序列图像三维可视化的方法及装置,其通过从输入的序列图像中选取种子点,并在当位于该种子点的三维邻域中的像素点的灰度值与已分割区域的灰度均值的差值的绝对值小于或者等于第一阈值时,将该像素点加入已分割区域,然后对该已分割区域内的像素点进行三维重建。根据本发明的序列图像的三维可视化的方法及装置,其是通过选取序列图像的种子点,并判断该种子点的三维区域内的像素点的灰度值与已分割区域的灰度均值的差值的绝对值是否小于或者等于第一阈值,若是,则将该像素点加入已分割区域,由于是根据已分割区域的灰度均值进行比对,且是在种子像素点的三维区域内来进行判断,更易于方便建立图像的三维模型,且人工参与较少,成像快速方便。
Description
技术领域
本发明涉及医学图像处理领域,特别涉及医学图像处理领域中的序列图像三维可视化的方法及装置。
背景技术
图像分割是指将一幅图像分解为若干个互不交迭的区域的集合,图像分割的结果决定了高级视觉中的各种应用中最终输出的质量,在医学图像领域中,图像分割的目的是高效地确定对病人至关重要的临床形态信息,以利于进一步的分析。而三维重建是指从获取的采样数据中恢复物体的三维结果,即物体的原型。
在医学领域中,通常需要通过各种医学设备获得人体内部的一组断层图像,并对这组断层图像进行三维可视化操作,以得到病人的器官或者生物组织的临床信息。在上述断层图像中,其灰度代表了生物组织的某种物理属性,不同的器官和生物组织具有不同的物理属性,反映在断层图像中表现为不同的灰度,根据这些断层图像,对其进行图像分割,即确定他们的边界,然后再重建器官和组织的三维模型,以实现三维可视化过程,从而可以根据重建的三维模型确定病人的器官和生物组织有没有发生病变。
在现有的医学图像处理的三维可视化操作过程中,通常都是对器官或者组织的一组序列图像进行二维上的图像分割,在其中的一种图像分割方式中,在分割序列图像时,是将序列图像分成每六幅一组,每组共用一个人工的初始化轮廓,在图像分割之后再进行三维重建操作,以实现三维可视化过程,在现有的这种三维可视化处理方式中,需要为每组图片初始化轮廓,显然加入了更多的人工干预操作,此外,由于二维的图像分割只是在二维平面上进行,而器官或者组织为三维物体,在通过序列图像进行表示时,在其中的一个图像上,该器官或者组织所显示的区域或者范围会比较小,而二维操作需要为每一张图像人工初始化轮廓,从而容易导致三维可视化操作时成像速度较慢且不便捷。
发明内容
本发明的目的在于提供一种人工参与少且成像快速、方便的序列图像三维可视化的方法及装置。
为达到上述目的,本发明采用以下技术方案:
一种序列图像三维可视化的方法,包括:
从输入的序列图像中选取种子点;
当位于所述种子点的六邻域或者十八邻域或者二十六邻域中的像素点的灰度值与已分割区域的灰度均值的差值的绝对值小于或者等于第一阈值时,将所述像素点加入已分割区域,并根据所述像素点的灰度值更新已分割区域的灰度均值;
对所述已分割区域内的像素点进行三维重建。
根据本发明的序列图像三维可视化的方法,其是通过选取序列图像的种子点,对种子点的三维区域(六邻域或者十八邻域或者二十六邻域)内的像素点的灰度值与已分割区域的灰度均值的差值的绝对值与第一阈值进行比对,当该绝对值小于或者等于该第一阈值时,则将该像素点加入已分割区域,由于是通过已分割区域的灰度均值进行比对,且是在种子像素点的三维区域内来选择跟该种子像素点具有相同或者相似性质的像素点,更易于方便建立图像的三维模型,且人工参与较少,成像快速方便。
一种序列图像三维可视化的装置,包括:
图像分割模块,用于对输入的序列图像进行图像分割,当位于所选取的种子点的六邻域或者十八邻域或者二十六邻域中的像素点的灰度值与已分割区域的灰度均值的差值的绝对值小于或者等于第一阈值时,将所述像素点加入已分割区域,并根据所述像素点的灰度值更新已分割区域的灰度均值,获得已分割区域;
三维重建模块,用于对所述已分割区域内的像素点进行三维重建。
根据上述本发明的序列图像三维可视化的装置,图像分割模块是通过选取序列图像的种子点,对种子点的三维区域(六邻域或者十八邻域或者二十六邻域)内的像素点的灰度值与已分割区域的灰度均值的差值的绝对值与第一阈值进行比对,当该绝对值小于或者等于该第一阈值时,则将该像素点加入已分割区域,由于是根据已分割区域的灰度均值进行比对,且是在种子像素点的三维区域内来选择跟该种子像素点具有相同或者相似性质的像素点,更易于方便建立图像的三维模型,且人工参与较少,成像快速方便。
附图说明
图1是本发明序列图像三维可视化的方法实施例一的流程示意图;
图2是本发明序列图像三维可视化的方法实施例二的流程示意图;
图3是本发明序列图像三维可视化的方法实施例三的流程示意图;
图4是本发明序列图像三维可视化的装置的结构示意图。
具体实施方式
实施例一:
如图1所示,是本发明序列图像三维可视化的方法实施例一的流程示意图,其包括步骤:
步骤S101:从输入的序列图像中任意选取一张包含有所需的器官或者组织数据的切片图像,从该切片图像中选取一个种子点;
步骤S102:获取该种子点的六邻域中的各像素点的灰度值,并分别判断各像素点的灰度值与已分割区域的灰度均值的差值的绝对值,判断该绝对值是否小于或者等于第一阈值,当判定结果为否时,则不对当前像素点进行处理,即不将该像素点加入已分割区域,其中,该第一阈值可根据经验进行手工设定;
步骤S103:当所述步骤S102的判定结果为是时,将当前像素点加入已分割区域,并根据当前像素点更新已分割区域的灰度均值;
步骤S104:对所述已分割区域内的像素点进行三维重建。
当上述步骤S101至步骤S103完成后,可以以新加入已分割区域的像素点作为新的种子点,持续执行上述步骤S101至步骤S103三个步骤,直到再没有新的像素点可加入已分割区域为止,然后进入步骤S104进行三维重建,从而可得到相应的器官或者组织的分割后的图像。
根据本实施例中的序列图像三维可视化的方法,其在选取序列图像的种子点之后,对种子点的六邻域内的像素点的灰度值与已分割区域的灰度均值的差值的绝对值与第一阈值进行比对,当该绝对值小于或者等于该第一阈值时,则将该像素点加入已分割区域,重复执行上述步骤,可将所有符合条件的像素点添加到已分割区域里面来,由于是通过已分割区域的灰度均值进行比对,且是在种子像素点的三维区域内来选择跟该种子像素点具有相同或者相似性质的像素点,更易于方便建立图像的三维模型,且人工参与较少,成像快速方便。
其中,在所述步骤S102中,也可以是对种子点的十八邻域或者二十六邻域内的像素点进行判定。
此外,在所述步骤S104中,可采用MC算法对所述已分割区域内的像素点进行三维重建,由于MC算法是面绘制算法,且适用于任意不规则、非线性体数据场,从而可以只构造出三维模型的轮廓信息,而不关心其内部信息,成像速度快。
下面对上述将种子点的六邻域内的像素点添加到已分割区域的过程进行详细描述:
假设已分割区域的灰度均值为X,待测像素点的灰度值为y,第一阈值为T。
在初始对序列图像进行图像分割时,没有任何已分割区域,可通过人工选取一种子点,此时,已分割区域中只包含该种子点,此时,可以采用该种子点的灰度值作为该已分割区域的灰度均值X,此外,由于在选取种子点时可能会有误选情况的发生,即所选取的种子点是噪声,而噪声的灰度值很高,与实际的器官或者组织的灰度值的差别比较大,为了减少这种误选情况的发生,在选择种子点时,可以采用种子点的3×3邻域(即平面的9邻域)或者是用种子点的3×3×3邻域(即三维的二十六邻域)的各像素点的灰度均值代替该种子点的灰度值,并将该灰度值作为该已分割区域的灰度均值X。
当位于该种子点的六邻域内的像素点的灰度值y满足|(y-X)|≤T时,将该像素点加入已分割区域,否则,不加入该像素点,同时,根据该新加入已分割区域的像素点的灰度值对已分割区域的灰度均值进行更新,此时,Xnew=(X+y)/2。
在对种子点的六邻域内的各像素点分析判断完毕后,再分别以新加入已分割区域的像素点为新的种子点,重复上述分析过程。
在多次进行上述步骤后,假设目前已分割区域中所包含的像素点数目为n,灰度均值为X,则当下一待测像素点的灰度值y满足|(y-X)|≤T时,将该像素点加入已分割区域,否则,不加入该像素点,同时,根据Xnew=(nX+y)/(n+1),更新已分割区域的灰度均值。如此继续,直到所有满足条件的像素点都已加入已分割区域。
实施例二:
如图2所示,是本发明序列图像三维可视化的方法的实施例二的流程示意图,在本实施例中,与实施例一的不同主要在于,在对已分割区域的像素点进行三维重建之前,还包括了对该已分割区域的像素点进行数学形态学处理的步骤。在本实施例中,具体包括步骤:
步骤S201:从输入的序列图像中任意选取一种包含有所需的器官或者组织数据的图像,从该图像中选取种子点;
步骤S202:获取该种子点的十八邻域或者二十六邻域中的各像素点的灰度值,并分别判断各像素点的灰度值与已分割区域的灰度均值的差值的绝对值,判断该绝对值是否小于或者等于第一阈值,当判定结果为否时,则不对当前像素点进行处理,即不将该像素点加入已分割区域,其中,该第一阈值可根据经验进行手工设定;
步骤S203:当所述步骤S202的判定结果为是时,将当前像素点加入已分割区域,并根据当前像素点的灰度值更新已分割区域的灰度均值;
当上述各步骤完成后,可以分别以新加入已分割区域的各像素点作为新的种子点,持续执行上述步骤S201至步骤S203,直到再没有新的像素点可加入已分割区域为止,从而可得到相应的器官或者组织的分割后的图像,然后进入步骤S204;
步骤S204:对已分割区域的灰度均值进行数学形态学处理;
步骤S205:对数学形态学处理后的已分割区域内的像素点进行三维重建。
其中,所述步骤S204中,在进行数学形态学处理中,所采用的数学形态学处理方式中所采用的形态算子可以是六邻域或者十八邻域或者二十六邻域的三维结构元素,由于该结构元素是三维结构元素,从而可以很好地平滑器官或者组织的表面,特别是三维数学形态学中的膨胀操作,还可以将三维中不连续的部分(例如血管等)连接起来,使最后重建的三维模型更接近于真实情况
本实施例中的其它技术特征与实施例一相同,在此不予赘述。
实施例三:
如图3所示,是本发明序列图像三维可视化的方法的实施例三的流程示意图,在本实施例中,与实施例二的不同之处主要在于,在判断像素点是否可加入已分割区域时,增加了一个新的判定条件。其具体包括步骤:
步骤S301:从输入的序列图像中任意选取一种包含有所需的器官或者组织数据的图像,从该图像中选取种子点;
步骤S302:获取该种子点的六邻域中的各像素点的灰度值,并分别判断各像素点的灰度值与已分割区域的灰度均值的差值的绝对值,判断该绝对值是否小于或者等于第一阈值,同时判断该像素点的灰度值与种子点的灰度值的差值的绝对值是否小于或者等于第二阈值,当上述两个条件的任意一个的判定结果为否时,则不对当前像素点进行处理,即不将该像素点加入已分割区域,其中,该第一阈值可根据经验进行手工设定;
步骤S303:当所述步骤S302中的两个条件的判定结果均为是时,将当前像素点加入已分割区域,并根据当前像素点更新已分割区域的灰度均值;
当上述各步骤完成后,可以分别以新加入已分割区域的各像素点作为新的种子点,持续执行上述步骤S301至步骤S303,直到再没有新的像素点可加入已分割区域为止,从而可得到相应的器官或者组织的分割后的图像,然后进入步骤S304;
步骤S304:对已分割区域的灰度均值进行数学形态学处理;
步骤S305:对数学形态学处理后的已分割区域内的像素点进行三维重建。
其中,上述也第二阈值可以根据经验值手动设定,且该第二阈值最好在15个灰度单位左右。
本实施例中的其他技术特征与实施例二中的相同,在此不予赘述。
此外,如上各实施例所述的本发明的序列图像三维可视化的方法,最好是应用于医学图像处理领域,尤其是医学图像处理领域中对血管图像数据的图像处理。
由于血管是一个立体连通的结构,且具有很多的毛细血管,而在生成血管数据的序列图像时,每一张图像上的血管数据不尽相同,尤其是对于毛细血管而言,在进行人工处理操作时,在某一些的序列图像上,可能有相互分散的毛细血管的图像数据,且肉眼可能无法识别这些图像数据的轮廓,而通过本发明的序列图像的三维可视化方法,由于是根据已分割区域的灰度均值,对种子点的在三维邻域内的像素点进行判断,通过在一张图像上选取一个种子点,即可将序列图像中所有符合条件的像素点添加到该种子点所在的已分割区域,从而可以将肉眼无法识别的像素点也添加到已分割区域,很好地实现三维血管数据的三维重建。
此外,在形成血管数据的切片序列图像时,可能会有血管数据的不连续性的问题发生,而通过数学形态学中的膨胀操作处理,可以将这些不连续的管道连接起来,实现平滑操作,使得三维可视化之后的三维模型更接近于真实的情况。
图4所示是本发明的序列图像三维可视化的装置的结构示意图,其包括:
图像分割模块401,用于对输入的序列图像进行图像分割,当位于种子点的六邻域或者十八邻域或者二十六邻域中的像素点的灰度值与已分割区域的灰度均值的差值的绝对值小于或者等于第一阈值时,将所述像素点加入已分割区域,并根据所述像素点的灰度值更新已分割区域的灰度均值,获得已分割区域;
三维重建模块403,用于对所述图像分割模块401分割后所得到的已分割区域内的像素点进行三维重建。
根据上述本发明的序列图像三维可视化的装置,其通过图像分割模块401对输入的序列图像进行图像分割,由于是根据已分割区域的灰度均值,在种子点的三维邻域内来选择跟种子像素点具有相同或者相似性质的像素点,更易于方便建立器官或者组织的三维模型,且人工参与较少,成像快速方便。
本发明的序列图像三维可视化的装置,还可以包括:
数学形态学处理模块402,用于对所述图像分割模块401分割出来的已分割区域的像素点进行三维数学形态学操作,此时,所述三维重建模块403,是对所述数学形态学处理模块402处理后的已分割区域内的像素点进行三维重建,其中,数学形态学处理模块402在进行数学形态学处理操作时,所采用的形态算子可以是六邻域或者十八邻域或者二十六邻域的结构元素,根据具体应用需要或者精度的不同可以有所不同。
从而,通过数学形态学处理模块402的数学形态学操作,数学形态学中的膨胀操作可以对上述图像分割模块401所分割出来的体数据进行平滑处理,而腐蚀操作可以将上述图像分割模块401分割时所添加的边界数据去除,因此,可以很好地实现对上述图像分割模块401所分割出来的数据的平滑处理操作。
其中,上述图像分割模块401,在对序列图像进行图像分割时,所采用的方式具体可以是:
首先,从输入的序列图像中任意选取一种包含有所需的器官或者组织数据的切片图像,从该切片图像中选取种子点,该选取种子点的过程可由人工手动完成;
其次,获取该种子点的六邻域或者十八邻域或者二十六邻域中的各像素点的灰度值,并分别判断各像素点的灰度值与已分割区域的灰度均值的差值的绝对值,判断该绝对值是否小于或者等于第一阈值,其中,该第一阈值可根据经验进行手工设定;
当判定结果为否时,则不对当前像素点进行处理,即不将该像素点加入已分割区域;
当判定结果为是时,将当前像素点加入已分割区域,并根据当前像素点更新已分割区域的灰度均值。
在上述过程完成后,分别以新加入已分割区域的像素点作为新的种子点,持续进行上述过程,直到没有新的像素点可加入该已分割区域为止,即可实现对序列图像的图像分割。
其中,在上述判定像素点是否可加入已分割区域时,还可以是:
判断像素点的灰度值与已分割区域的灰度均值的差值的绝对值是否小于或者等于第一阈值,同时判断该像素点的灰度值与其对应的种子点的差值的绝对值是否小于或者等于第二阈值,若上述两个条件的判定结果均为是,则将该像素点添加到已分割区域,若上述两个条件中的任意一个的判定结果为否,则不对该像素点进行处理。
此外,上述三维重建模块403,可通过MC算法对图像分割模块401分割出来的体数据或者数学形态学处理模块402处理后的已分割区域的像素点的体数据进行三维重建操作,以实现三维可视化操作,由于MC算法是面绘制算法,且适用于任意不规则、非线性体数据场,从而可以只构造出三维模型的轮廓信息,而不关心其内部信息,成像速度快。
此外,本发明的序列图像三维可视化的装置,最好是应用于医学图像处理领域,尤其是医学图像处理领域中对血管图像数据的三维可视化操作处理。
由于血管是一个立体连通的结构,且具有很多的毛细血管,而在生成血管数据的序列图像时,每一张图像上的血管数据不尽相同,尤其是对于毛细血管而言,在进行人工处理操作时,在某一些的序列图像上,可能有相互分散的毛细血管的图像数据,且肉眼可能无法识别这些图像数据的轮廓,而通过本发明的序列图像三维可视化的装置中所采用的方式,由于是根据已分割区域的灰度均值,对种子点的三维邻域内的像素点进行判断,通过在一张图像上选取一个种子点,即可将序列图像中所有符合条件的像素点添加到该种子点所在的已分割区域,从而可以将肉眼无法识别的像素点也添加到已分割区域,很好地实现三维血管数据的三维重建。
此外,在形成血管数据的切片序列图像时,可能会有血管数据的不连续性的问题发生,而通过数学形态学处理模块402中的膨胀操作处理,可以将这些不连续的管道连接起来,实现平滑操作处理,使得三维可视化之后的三维模型更接近于真实的情况。
以上所述的本发明实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (10)
1、一种序列图像三维可视化的方法,包括:
从输入的序列图像中选取种子点;
当位于所述种子点的六邻域或者十八邻域或者二十六邻域中的像素点的灰度值与已分割区域的灰度均值的差值的绝对值小于或者等于第一阈值时,将所述像素点加入已分割区域,并根据所述像素点的灰度值更新所述已分割区域的灰度均值;
对所述已分割区域内的像素点进行三维重建。
2、根据权利要求1所述的序列图像三维可视化的方法,其特征在于,还包括:
当所述像素点的灰度值同时满足条件:
所述像素点的灰度值与所述种子点的灰度值的差值的绝对值小于或者等于第二阈值
时,将所述像素点加入所述已分割区域。
3、根据权利要求1或2所述的序列图像三维可视化的方法,其特征在于,在对所述已分割区域内的像素点进行三维重建之前,还包括步骤:
对所述已分割区域内的像素点进行三维数学形态学图像处理。
4、根据权利要求3所述的序列图像三维可视化的方法,其特征在于,在所述已分割区域内的像素点三维数学形态学图像处理过程中,所述三维数学形态学图像处理中所采用的形态算子为六邻域或者十八邻域或者二十六邻域的结构元素。
5、根据权利要求1或2所述的序列图像三维可视化的方法,其特征在于,在对所述已分割区域内的体数据进行三维重建时,采用MC算法对所述已分割区域内的体数据进行三维重建。
6、根据权利要求1所述的序列图像三维可视化的方法,其特征在于,该序列图像三维可视化的方法用于对血管图像数据的三维可视化处理。
7、一种序列图像三维可视化的装置,包括:
图像分割模块,用于对输入的序列图像进行图像分割,当位于所选取的种子点的六邻域或者十八邻域或者二十六邻域中的像素点的灰度值与已分割区域的灰度均值的差值的绝对值小于或者等于第一阈值时,将所述像素点加入已分割区域,并根据所述像素点的灰度值更新已分割区域的灰度均值,获得已分割区域;
三维重建模块,用于对所述已分割区域内的像素点进行三维重建。
8、根据权利要求7所述的序列图像三维可视化的装置,其特征在于,还包括:
数学形态学处理模块,用于对所述图像分割模块分割出来的已分割区域内的像素点进行三维数学形态学操作。
9、根据权利要求8所述的序列图像三维可视化的装置,其特征在于:
在所述数学形态学处理模块中,所述三维数学形态学操作中采用的形态算子为六邻域或者十八邻域或者二十六邻域的结构元素。
10、根据权利要求7或8或9所述的序列图像三维可视化的装置,其特征在于:该序列图像三维可视化的装置用于对血管数据的三维可视化处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100269008A CN101256670A (zh) | 2008-03-20 | 2008-03-20 | 序列图像三维可视化的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100269008A CN101256670A (zh) | 2008-03-20 | 2008-03-20 | 序列图像三维可视化的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101256670A true CN101256670A (zh) | 2008-09-03 |
Family
ID=39891472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008100269008A Pending CN101256670A (zh) | 2008-03-20 | 2008-03-20 | 序列图像三维可视化的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101256670A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514585A (zh) * | 2013-09-12 | 2014-01-15 | 深圳市华星光电技术有限公司 | 一种图像处理方法 |
CN104268893A (zh) * | 2014-10-16 | 2015-01-07 | 太原理工大学 | 一种用左右扫描和四个角旋转扫描对肺实质分割去噪的方法 |
CN104915989A (zh) * | 2015-07-01 | 2015-09-16 | 北京欣方悦医疗科技有限公司 | 基于ct影像的血管三维分割方法 |
CN106204717A (zh) * | 2015-05-28 | 2016-12-07 | 长沙维纳斯克信息技术有限公司 | 一种立体图像快速三维重建方法与装置 |
CN107862688A (zh) * | 2017-11-07 | 2018-03-30 | 山东浪潮云服务信息科技有限公司 | 一种对医学图像进行辅助阅片的方法及装置 |
CN108198239A (zh) * | 2017-12-27 | 2018-06-22 | 中山大学 | 一种实现血管动态仿真的三维可视化方法 |
CN108648193A (zh) * | 2018-06-06 | 2018-10-12 | 南方医科大学 | 生物组织影像识别的方法及其***、计算机储存介质 |
CN108670409A (zh) * | 2018-06-04 | 2018-10-19 | 江苏铂影数据科技有限公司 | 用于手术规划的肺部组织三维重建与可视化装置 |
CN111543922A (zh) * | 2020-06-12 | 2020-08-18 | 深圳市丰盛生物科技有限公司 | 具有喉部余液检测功能的便携式喉镜及余液检测方法 |
CN112651357A (zh) * | 2020-12-30 | 2021-04-13 | 浙江商汤科技开发有限公司 | 图像中目标物体的分割方法、三维重建方法及相关装置 |
CN113393216A (zh) * | 2021-07-01 | 2021-09-14 | 上海牵翼网络科技有限公司 | 一种实验室数字化平台 |
CN113870169A (zh) * | 2020-06-12 | 2021-12-31 | 杭州普健医疗科技有限公司 | 一种医学影像标注方法、介质及电子设备 |
CN116052850A (zh) * | 2023-02-01 | 2023-05-02 | 南方医科大学珠江医院 | 一种基于人工智能的ctmr成像解剖注释和3d建模映射教学*** |
CN117705754A (zh) * | 2023-11-30 | 2024-03-15 | 浙江大学 | 一种基于高光谱成像的纺织品聚酯纤维含量在线检测方法 |
-
2008
- 2008-03-20 CN CNA2008100269008A patent/CN101256670A/zh active Pending
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103514585B (zh) * | 2013-09-12 | 2016-03-02 | 深圳市华星光电技术有限公司 | 一种图像处理方法 |
US9478192B2 (en) | 2013-09-12 | 2016-10-25 | Shenzhen China Star Optoelectronics Technology Co., Ltd. | Image processing method |
CN103514585A (zh) * | 2013-09-12 | 2014-01-15 | 深圳市华星光电技术有限公司 | 一种图像处理方法 |
CN104268893A (zh) * | 2014-10-16 | 2015-01-07 | 太原理工大学 | 一种用左右扫描和四个角旋转扫描对肺实质分割去噪的方法 |
CN104268893B (zh) * | 2014-10-16 | 2017-02-01 | 太原理工大学 | 一种用左右扫描和四个角旋转扫描对肺实质分割去噪的方法 |
CN106204717B (zh) * | 2015-05-28 | 2019-07-16 | 长沙维纳斯克信息技术有限公司 | 一种立体图像快速三维重建方法与装置 |
CN106204717A (zh) * | 2015-05-28 | 2016-12-07 | 长沙维纳斯克信息技术有限公司 | 一种立体图像快速三维重建方法与装置 |
CN104915989A (zh) * | 2015-07-01 | 2015-09-16 | 北京欣方悦医疗科技有限公司 | 基于ct影像的血管三维分割方法 |
CN104915989B (zh) * | 2015-07-01 | 2017-07-04 | 北京欣方悦医疗科技有限公司 | 基于ct影像的血管三维分割方法 |
CN107862688A (zh) * | 2017-11-07 | 2018-03-30 | 山东浪潮云服务信息科技有限公司 | 一种对医学图像进行辅助阅片的方法及装置 |
CN108198239B (zh) * | 2017-12-27 | 2021-07-23 | 中山大学 | 一种实现血管动态仿真的三维可视化方法 |
CN108198239A (zh) * | 2017-12-27 | 2018-06-22 | 中山大学 | 一种实现血管动态仿真的三维可视化方法 |
CN108670409A (zh) * | 2018-06-04 | 2018-10-19 | 江苏铂影数据科技有限公司 | 用于手术规划的肺部组织三维重建与可视化装置 |
CN108648193A (zh) * | 2018-06-06 | 2018-10-12 | 南方医科大学 | 生物组织影像识别的方法及其***、计算机储存介质 |
CN108648193B (zh) * | 2018-06-06 | 2023-10-31 | 南方医科大学 | 生物组织影像识别的方法及其***、计算机储存介质 |
CN111543922A (zh) * | 2020-06-12 | 2020-08-18 | 深圳市丰盛生物科技有限公司 | 具有喉部余液检测功能的便携式喉镜及余液检测方法 |
CN113870169A (zh) * | 2020-06-12 | 2021-12-31 | 杭州普健医疗科技有限公司 | 一种医学影像标注方法、介质及电子设备 |
CN113870169B (zh) * | 2020-06-12 | 2023-12-01 | 杭州普健医疗科技有限公司 | 一种医学影像标注方法、介质及电子设备 |
CN112651357A (zh) * | 2020-12-30 | 2021-04-13 | 浙江商汤科技开发有限公司 | 图像中目标物体的分割方法、三维重建方法及相关装置 |
CN112651357B (zh) * | 2020-12-30 | 2024-05-24 | 浙江商汤科技开发有限公司 | 图像中目标物体的分割方法、三维重建方法及相关装置 |
CN113393216A (zh) * | 2021-07-01 | 2021-09-14 | 上海牵翼网络科技有限公司 | 一种实验室数字化平台 |
CN116052850A (zh) * | 2023-02-01 | 2023-05-02 | 南方医科大学珠江医院 | 一种基于人工智能的ctmr成像解剖注释和3d建模映射教学*** |
CN117705754A (zh) * | 2023-11-30 | 2024-03-15 | 浙江大学 | 一种基于高光谱成像的纺织品聚酯纤维含量在线检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101256670A (zh) | 序列图像三维可视化的方法及装置 | |
CN108198184B (zh) | 造影图像中血管分割的方法和*** | |
Xie et al. | A topology-preserving parallel 3D thinning algorithm for extracting the curve skeleton | |
CN110533609A (zh) | 适用于内窥镜的图像增强方法、装置和存储介质 | |
US20070109299A1 (en) | Surface-based characteristic path generation | |
CN110008992B (zh) | 一种用于***癌辅助诊断的深度学习方法 | |
CN111161268B (zh) | 图像处理方法、装置、电子设备及计算机存储介质 | |
CN110060337A (zh) | 颈动脉超声扫查三维重建方法及*** | |
CN110443839A (zh) | 一种骨骼模型空间配准方法及装置 | |
EP3933759A1 (en) | Image processing method, apparatus and system, and electronic device and storage medium | |
JP6643821B2 (ja) | 画像処理装置 | |
CN110827283B (zh) | 基于卷积神经网络的头颈血管分割方法及装置 | |
CN114617581A (zh) | 一种早孕期胎儿的超声成像方法和*** | |
Rasoulzadeh et al. | Strokes2Surface: Recovering Curve Networks From 4D Architectural Design Sketches | |
CN111105476B (zh) | 一种基于Marching Cubes的CT图像三维重建方法 | |
CN108597589A (zh) | 模型生成方法、目标检测方法及医学成像*** | |
Tran et al. | Efficient 3D binary image skeletonization | |
CN108399601A (zh) | 一种医学图像的处理方法和装置 | |
CN111986216A (zh) | 一种基于神经网络改进的rsg肝脏ct图像交互式分割算法 | |
CN115631194B (zh) | 颅内动脉瘤识别检测的方法、装置、设备及介质 | |
CN109087701B (zh) | 提供次要参数的方法、决策支持***、介质、计算机程序 | |
CN115147360B (zh) | 一种斑块分割方法、装置、电子设备及可读存储介质 | |
WO2022267447A1 (zh) | 一种病理图像处理***、方法及介质 | |
Aydin et al. | A hybrid image processing system for X-ray images of an external fixator | |
CN113487575B (zh) | 用于训练医学影像检测模型的方法及装置、设备、可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20080903 |