CN101710420A - 一种医学图像反分割方法 - Google Patents
一种医学图像反分割方法 Download PDFInfo
- Publication number
- CN101710420A CN101710420A CN 200910213963 CN200910213963A CN101710420A CN 101710420 A CN101710420 A CN 101710420A CN 200910213963 CN200910213963 CN 200910213963 CN 200910213963 A CN200910213963 A CN 200910213963A CN 101710420 A CN101710420 A CN 101710420A
- Authority
- CN
- China
- Prior art keywords
- segmentation
- user
- segmentation result
- medical image
- result
- 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.)
- Granted
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明是一种医学图像反分割方法。包括如下步骤:1)使用二维输入设备从三维体绘制的三维立体器官中选取相应的三维体素点;2)将三维体素点作为分割算法种子点,并实时对分割结果进行体绘制;并在算法分割的过程中实时将分割的结果体绘制显示到三维图像空间中;3)在分割结果的体绘制显示过程中,用户在观察到分割结果不符合自己的要求时可以立刻暂停分割,对不合理部分进行调整,然后再恢复分割过程;4)用户可以在整个分割过程中按自己的要求对分割结果进行实时调整,直到用户满意为止;5)当用户满意当前分割结果时可以立即将当前的分割结果立即保存导出成二值序列图像;也可以立即将当前的分割结果进行面绘制,导出结果的面模型,为后面的虚拟手术做准备。本发明让用户通过执行一次的分割过程就基本可以获得精确的腹部脏器对象,从而为后续的虚拟手术提供准确的数据。
Description
技术领域
本发明是一种医学图像反分割方法,属于医学图像反分割方法的创新技术。
背景技术
图像分割是CT断层数据进行三维重建的关键步骤之一。将图像中具有特殊含义互相不交叉的不同区域分开来,使得每一个区域都满足特定区域的一致性。图像分割在医学应用中具有特殊的重要意义,它是医学图像处理的关键一步,是个跨越医学和计算机科学综合性研究课题。医学图像分割是病变区域提取、特定组织测量以及实现三维重建的基础。由于成像原理、局部体效应和组织边缘模糊等因素使得三维医学数据场分割一直是一项极富挑战的课题,由于人体结构的复杂性、组织器官的不规则性以及不同个体问的差异性等,到目前为止医学数据场分割仍然没有通用的理论。尽管三维医学数据场分割难度很大,但是却是数据场处理、分析和理解***的关键技术之一,也是对数据场进行可视化极其重要的一步,只有对数据场进行准确的分割,才能为后继的绘制得出合理的模型,可以说要实现医学数据场的三维可视化,其首要任务就是将图像数据进行正确、合理的分割。因此,多年来一直得到人们的高度重视,至今已提出了上千种各种类型的分割算法,主要集中以下几种类型:
(1)基于像素的方法。这种方法仅仅考虑图像中像素本身,而没有利用图像中其它信息,比如空间位置信息、纹理信息等,因此这种方法一般用于图像的前期预处理。
(2)基于区域的方法。这类方法除了利用像素本身信息外,还同时考虑到像素之间的空间位置关系,分割结果是连通的,是一种局部的分割方法。
(3)基于边界的方法。此类方法可以说是最早的研究方法,主要是利用边缘上的像素灰度值的变化往往比较剧烈这一特点来试图解决图像分割的问题。
(4)基于模型与地图集的方法。这类方法是目前该领域研究的一个热点问题。主要是利用人工参与或者先验知识来指导图像的分割。
(5)多种算法相结合。把各种算法的优点结合起来以达到对图像比较准确的分割。
以上方法主要是在二维图像上或者三维的序列图像上使用。同时在分割算法进行的过程中用户无法进行交互或干预。通过这些方法所得出的最终结果只能等到算法全部运行结束后才可以查看,这时如果算法得出的结果不符合用户的要求则需要完全重新再进行分割。由于序列医学图像的分割过程非常漫长,在普通配置的PC机上需要好几个甚至几十个小时。因此当前分割算法过程的不可视与不能交互就造成了用户的极大不便。
在医学上,把肝脏从腹部CT图像中提取出来,是肝脏虚拟手术***实现的一个基本前提。以往腹部肝脏的提取主要有三种方法:
(1)CT序列中的每一幅图像是通过手工方法将肝脏提取出来,这样既耗时费力,而且精确度也不高,对一个实用的虚拟手术***来说,手工提取基本没什么价值。
(2)结合空间体素和CT序列图像的像素之间的相似性,在某张CT上选取种子点,然后使用分割算法在三维CT序列图像中进行分割。算法运行速度慢,不允许交互,种子点选取困难。
(3)在体绘制的场景中选择种子点,然后使用分割算法在三维CT序列图像中进行分割。该方法解决了种子点选取困难的问题,但算法运行过程中依然不允许用户交互和干预。
因此,研究肝脏及其内部管道的计算机交互式分割提取技术就成为一个迫切的问题。
现有的反分割技术,简单来说就是先重建出物体再进行分割或者是边重建边进行分割。传统医学图像处理流程大致如下:
(1)先对获取的医学序列图像进行去噪等消除影响图像质量的杂质。
(2)使用一些合适的分割算法对以上医学序列图像进行分割,获取我们感兴趣的区域。如:肝胆脾胰等器官。
(3)等待分割算法执行完成后,对分割结果进行可视化操作。使得最终的分割结果可以让用户进行查看,确定本次分割提取是否精确。如不符合用户的要求则需要重复(2)(3)步的操作,知道用户满意为止。
要实现序列化分割,要充分利用基于模型分割方法的优点,目前常用的主要有三种方案:
(1)将前面图像的分割结果作为其后续图像的先验知识,即轮廓初值。
(2)将序列图像分成若干组,每组共用一个人工的初始化轮廓。
(3)三维空间分割,把序列图像看成是体素的集合,充分利用它们之间的相似性。
巴西科学院的Bergo教授2006年提出了一种交互式体分割的技术,该技术的主要特点如下:①读取SCN 3D格式或2D PGM格式的医学序列图像的数据;②使用了几种3D的预处理方法:插值,裁剪,梯度计算和形态学处理;③使用Differential Image ForestingTransforms方法对体数据进行半自动的体分割;④分割过程中用户可以观看,旋转等操作数据。其存在的缺点是:1)分割过程中不能进行过程暂停和结果修改操作,只能观看和旋转。2)种子点的选取是在二维图像上进行的,不能准确判断是否属于目标分割对象的点。3)技术需要的硬件参数较高。4)方法执行速度较慢,需等待较长时间才有结果。
美国辛辛那提大学计算机科学与计算机工程系,人工智能及计算机视觉实验室的Wenjian Wang,William G.Wee,Xun Wang等开发出一个用于快速方便地分割医学体数据并进行可视化的半自动数据分割***.该***首先使用阈值操作对输入的序列图像进行去噪,然后使用两种方法直接抽取出体数据3D的表面模型。这些抽取方法都是直接从去噪声后的原始体数据中抽取而得到的,同时抽取面模型的过程中也就实现了感兴趣区域的分割。在抽取时他们又使用体绘制等体显示的算法进行抽取和体绘制的同步。其存在的缺点是:该***所使用的方法的主要缺点还是在抽取和显示的过程中用户依然不能够对数据进行操作和变换。也就是说在出现抽取错误时用户还是不能进行人工干预。而且所使用的面模型抽取算法较为复杂运行速度比较慢,需要用户等待较长的时间。而且也存在需要设置很多要靠经验得到的参数。
发明内容
本发明的目的在于考虑上述问题而提供一种让用户通过执行一次的分割过程就基本可以获得精确的腹部脏器对象,从而为后续的虚拟手术提供准确的数据的医学图像反分割方法。本发明在分析了腹部肝脏CT图像的特点基础之上,结合空间体素和CT序列图像的像素之间的相似性来对腹部脏器进行分割,其操作方便实用。
本发明的技术方案是:本发明的医学图像反分割方法,其包括如下步骤:
1)使用二维输入设备从三维体绘制的三维立体器官中选取相应的三维体素点;
2)将三维体素点作为分割算法种子点,并实时对分割结果进行体绘制;并在算法分割的过程中实时将分割的结果体绘制显示到三维图像空间中;
3)在分割结果的体绘制显示过程中,用户在观察到分割结果不符合自己的要求时可以立刻暂停分割,对不合理部分进行调整,然后再恢复分割过程;
4)用户可以在整个分割过程中按自己的要求对分割结果进行实时调整,直到用户满意为止;
5)当用户满意当前分割结果时可以立即将当前的分割结果立即保存导出成二值序列图像;也可以立即将当前的分割结果进行面绘制,导出结果的面模型,为后面的虚拟手术做准备。
上述步骤1)使用鼠标从三维体绘制的三维立体器官中选取相应的三维体素点。
上述使用鼠标获取三维体素点是通过在三维空间中放置一个坐标轴,然后通过鼠标移动坐标轴的三个轴之一来实现三维空间的遍历,同时在这个坐标轴的原点位置就可以定位三维空间上的一个点。
上述三维的图像空间是包含了对医学图像原始数据直接进行体绘制所生成的三维物体的一个体绘制空间。
上述在分割的过程中,将分割得出的结果同步使用体绘制的方式将它绘制到三维图像空间中。
上述在分割的过程中,将分割得出的结果同步使用光线投射体绘制技术的方式将它绘制到三维图像空间中。
上述在分割的过程中,使用了多线程的技术,同时加入并行计算处理(MPI)来提高运算速度。
上述在分割的过程中,对数据进行操控,修改不符合用户要求的分割结果是通过先暂停分割过程,然后再由用户进行交互干预来实现。
上述暂停正在进行的分割过程使用了状态机机制来进行现场分割数据的保护,然后在获取用户修改的部分后再对刚保存的现场数据进行修改并将其恢复显示,从而实现分割过程与可视化过程的同步显示。通过数据结构中的哈希数组来实现。通过以上技术就可以使用户对分割的过程进行人工干预,使得分割出的最终结果符合用户要求。
上述对修改后的数据进行体绘制显示时使用了计算机程序设计中的回调技术和掩码技术,其中回调技术使在分割过程中即时调用体绘制模块进行实时显示,而掩码技术减少体绘制的数据量,提高绘制速度,使之能达到交互的速率;掩码是在显示过程中忽略没有修改的部分而只记录修改的部分。
本发明由于采用从三维体绘制的三维立体器官中选取一些体素种子点,然后将相应的体素种子点映射成序列图像上的某些像素种子点。这样可以更精确地提供序列图像分割所需要的种子点。因此要更好的指导序列图像的分割,就要充分利用相邻切片之间的相似性特征。本发明的反分割技术使用的方式是边分割边重建(可视化)分割出来的感兴趣区域(对象)。用户可以从可视化的场景中观察分割的过程,当用户发现分割过程中出现偏差(不符合用户的要求)时可以及时调整分割过程(如:阻止肝脏的分割结果在胰脏中出现),使得分割不往不合理(不符合用户的要求)的方向继续下去。这样只需经过一次的分割和可视化过程就可以获得合符用户要求的分割和重建结果。本发明实现了分割过程的可视化及分割结果的实时调整。由于传统的所有分割技术方法都是在前期让用户选完种子点和确定一些经验参数后就进行计算机的半自动或自动分割。这种分割技术方法没能让用户查看分割的过程,及早发现分割所出现的错误。往往都是在执行完分割任务后才可以对分割结果进行确认。一旦发现结果不合理就需要重新执行一遍十分耗时的分割过程。而本发明的分割方式让用户通过执行一次的分割过程就基本可以获得精确的腹部脏器对象。从而为后续的虚拟手术提供准确的数据。本发明是一种方便实用的医学图像反分割方法。
附图说明
图1为本发明的原理框图。
具体实施方式
实施例
本发明的原理框图如图1所示,本发明的医学图像反分割方法,其包括如下步骤:
1)使用二维输入设备从三维体绘制的三维立体器官中选取相应的三维体素点;
2)将三维体素点作为分割算法种子点,并实时对分割结果进行体绘制;并在算法分割的过程中实时将分割的结果体绘制显示到三维图像空间中;
3)在分割结果的体绘制显示过程中,用户在观察到分割结果不符合自己的要求时可以立刻暂停分割,对不合理部分进行调整,然后再恢复分割过程;
4)用户可以在整个分割过程中按自己的要求对分割结果进行实时调整,直到用户满意为止;
5)当用户满意当前分割结果时可以立即将当前的分割结果立即保存导出成二值序列图像;也可以立即将当前的分割结果进行面绘制,导出结果的面模型,为后面的虚拟手术做准备。
本发明的医学图像反分割方法与现有技术的区别包括如下方面的内容:
(1)使用二维输入设备从三维体绘制的三维立体器官中选取相应的三维体素点:
使用鼠标等二维设备在三维图像空间上选取种子点是一件十分困难的事。因为鼠标等二维设备如果需要选择第三维信息是很难做到的,这些设备只能在二维平面上进行选择。本发明的方法成功的使用了二维设备在三维图像空间上进行物体的获取,通过移动三个坐标轴之一来实现获取三维空间上任意位置点数据点。
(2)分割过程的可交互性
本发明的方法完全对传统的分割过程进行了改进,使得传统的分割过程可以受用户控制和能与用户交互。而不是让用户只能等待分割结果的自动生成。由于目前医学图像上的各种各样的分割算法都还没能够完全准确地将各种人体器官从医学序列图像中分割出来。因此很多情况下用户都会出现以下的情况:在经过好几小时的分割后发现结果不符合自己的要求,从而需要重新进行再分割。而且就算经过多次的分割也不一定能找出最准确的结果。所以本技术方法所提供的分割过程的可视化及其控制就可以方便用户对分割过程中所出现的不满意的结果进行修正。这样就可以在极大地减少分割次数的情况下让用户获得满意的结果。再者,分割过程的立即可视化又可以让用户将分割的结果进行体绘制与原始数据的体绘制进行对比,从而检验分割的实际效果。
(3)种子点的选取
绝大多数的分割技术都是基于一张图像上的一些种子点来进行的。也就是说,分割算法的初始种子点集都是二维图像上的像素点,这样所取得的种子点并不十分精确,不一定是属于目标分割对象的点集。因为我们在二维图像上观察到的点不一定能很准确地反映出它就是目标分割对象的点,二维图像上的对象可能会包含其他对象,如肝脏还包含肿瘤和血管,而且和胰腺极其接近和相似。尽管我们可以通过放大来观察图像上的像素点和对象,但放大倍数太高反而会使像素点和对象变得模糊更不能区分出该像素点所属的对象,从而可能会因错选种子像素点而导致分割结果不精确或出现错误(分出的对象不是原来想要的结果。如在分割肝脏时,将胰腺也当作肝脏的一部分分割出来了)。但如果是在进行体绘制可视化后,我们就可以在三维体绘制空间上清楚地区分出目标分割对象和背景对象。因为三维上观察到物体肯定比二维上观察到的要清晰和更具有真实感。如:我们在三维空间中可以清晰的看到哪些体素(三维空间的点)是肝脏的,哪些是血管,哪些是胰腺。从而在三维空间的某对象上所获取的体素就一定是属于该对象的点。这样就能为分割提供精确的种子点,从而使得最后的分割结果有非常大的提高。
因此,本发明采用选择体绘制后目标分割对象的体素,并直接将该三维图像空间上的体素点作为初始种子点,这样可以适当避免二维图像种子点的误选和噪声的影响,从而比较好地解决了这种误选的情况,大大提高后续分割的准确性。
本发明的方法应用在肝脏序列图像反分割的过程如下:本发明的方法应用在肝脏序列图像反分割的过程是基于本发明中提出的反分割方法,结合体素之间和序列图像之间的相似性,利用第三种序列化图像分割模型把肝脏准确的提取出来。其具体步骤为:
(1)使用二维输入设备(鼠标)从体绘制后的三维立体的肝脏器官中选取相应的种子点。
(2)将上述获取的种子点作为某一分割算法的初始种子点。在算法分割的过程中实时将分割的结果体绘制显示到三维图像空间中。
(3)在分割结果的体绘制显示过程中,用户在观察到分割结果不符合自己的要求时可以立刻暂停分割,对不合理部分进行调整,然后再恢复分割过程。
(4)用户可以在整个分割过程中按自己的要求对分割结果进行实时调整,直到用户满意为止。
(5)当用户满意当前分割结果时可以立即将当前的分割结果立即保存导出成二值序列图像。也可以立即将当前的分割结果进行面绘制,导出结果的面模型,为后面的虚拟手术做准备。从而实现把肝脏从腹部序列图像中快速、准确的分割出来,为后续肝脏虚拟手术提供正确的数据。
Claims (10)
1.一种医学图像反分割方法,其特征在于包括如下步骤:
1)使用二维输入设备从三维体绘制的三维立体器官中选取相应的三维体素点;
2)将三维体素点作为分割算法种子点,并实时对分割结果进行体绘制;并在算法分割的过程中实时将分割的结果体绘制显示到三维图像空间中;
3)在分割结果的体绘制显示过程中,用户在观察到分割结果不符合自己的要求时可以立刻暂停分割,对不合理部分进行调整,然后再恢复分割过程;
4)用户可以在整个分割过程中按自己的要求对分割结果进行实时调整,直到用户满意为止;
5)当用户满意当前分割结果时可以立即将当前的分割结果立即保存导出成二值序列图像;也可以立即将当前的分割结果进行面绘制,导出结果的面模型,为后面的虚拟手术做准备。
2.根据权利要求1所述的医学图像反分割方法,其特征在于上述步骤1)使用鼠标从三维体绘制的三维立体器官中选取相应的三维体素点。
3.根据权利要求2所述的医学图像反分割方法,其特征在于上述使用鼠标获取三维体素点是通过在三维空间中放置一个坐标轴,然后通过鼠标移动坐标轴的三个轴之一来实现三维空间的遍历,同时在这个坐标轴的原点位置就可以定位三维空间上的一个点。
4.根据权利要求3所述的医学图像反分割方法,其特征在于上述三维的图像空间是包含了对医学图像原始数据直接进行体绘制所生成的三维物体的一个体绘制空间。
5.根据权利要求4所述的医学图像反分割方法,其特征在于上述在分割的过程中,将分割得出的结果同步使用体绘制的方式将它绘制到三维图像空间中。
6.根据权利要求5所述的医学图像反分割方法,其特征在于上述在分割的过程中,将分割得出的结果同步使用光线投射体绘制技术的方式将它绘制到三维图像空间中。
7.根据权利要求6所述的医学图像反分割方法,其特征在于上述在分割的过程中,使用了多线程的技术,同时加入并行计算处理(MPI)来提高运算速度。
8.根据权利要求7所述的医学图像反分割方法,其特征在于上述在分割的过程中,对数据进行操控,修改不符合用户要求的分割结果是通过先暂停分割过程,然后再由用户进行交互干预来实现。
9.根据权利要求8所述的医学图像反分割方法,其特征在于上述暂停正在进行的分割过程使用了状态机机制来进行现场分割数据的保护,然后在获取用户修改的部分后再对刚保存的现场数据进行修改并将其恢复显示,从而实现分割过程与可视化过程的同步显示。
10.根据权利要求9所述的医学图像反分割方法,其特征在于上述对修改后的数据进行体绘制显示时使用了计算机程序设计中的回调技术和掩码技术,其中回调技术使在分割过程中即时调用体绘制模块进行实时显示,而掩码技术减少体绘制的数据量,提高绘制速度,使之能达到交互的速率;掩码是在显示过程中忽略没有修改的部分而只记录修改的部分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910213963 CN101710420B (zh) | 2009-12-18 | 2009-12-18 | 一种医学图像反分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910213963 CN101710420B (zh) | 2009-12-18 | 2009-12-18 | 一种医学图像反分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101710420A true CN101710420A (zh) | 2010-05-19 |
CN101710420B CN101710420B (zh) | 2013-02-27 |
Family
ID=42403205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910213963 Expired - Fee Related CN101710420B (zh) | 2009-12-18 | 2009-12-18 | 一种医学图像反分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101710420B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103140875A (zh) * | 2010-08-02 | 2013-06-05 | 皇家飞利浦电子股份有限公司 | 利用实况反馈对内部组织进行多模态分割的***和方法 |
CN105678753A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 一种物体分割方法及装置 |
CN105740623A (zh) * | 2016-02-01 | 2016-07-06 | 南昌大学 | 一种适用于脑外科虚拟手术仿真的高沉浸感视觉呈现方法 |
WO2017193461A1 (zh) * | 2016-05-12 | 2017-11-16 | 中国科学院深圳先进技术研究院 | 一种ct图像扫描床去除方法及装置 |
CN107392913A (zh) * | 2017-08-01 | 2017-11-24 | 郑州云海信息技术有限公司 | 一种图像分割方法及装置 |
CN108053465A (zh) * | 2017-12-11 | 2018-05-18 | 深圳市图智能科技有限公司 | 一种基于体绘制的图像分割结果后处理方法 |
CN108492304A (zh) * | 2018-04-14 | 2018-09-04 | 深圳市图智能科技有限公司 | 一种基于多方向轮廓的医学图像分割方法 |
CN112419166A (zh) * | 2020-09-24 | 2021-02-26 | 南京晓庄学院 | 一种基于局部区域分割与scn结合的图像去雾方法 |
CN113470152A (zh) * | 2021-06-21 | 2021-10-01 | 北京理工大学 | 一种颜色保真的功能影像体绘制方法 |
CN113823385A (zh) * | 2021-09-03 | 2021-12-21 | 青岛海信医疗设备股份有限公司 | 一种修改dicom图像的方法、装置、设备及介质 |
WO2022028127A1 (zh) * | 2020-08-06 | 2022-02-10 | 腾讯科技(深圳)有限公司 | 基于人工智能的病理图像处理方法、装置、电子设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5101364A (en) * | 1990-02-09 | 1992-03-31 | Massachusetts Institute Of Technology | Method and facility for dynamic video composition and viewing |
CN100541541C (zh) * | 2001-12-29 | 2009-09-16 | 田捷 | 基于单层表面跟踪的超大规模医学图像表面重建方法 |
CN100507945C (zh) * | 2006-12-29 | 2009-07-01 | 四川大学 | Ct胶片扫描图像中断层图像的分割方法 |
CN101404085B (zh) * | 2008-10-07 | 2012-05-16 | 华南师范大学 | 交互式三维体分割序列图像的分割方法及其应用 |
-
2009
- 2009-12-18 CN CN 200910213963 patent/CN101710420B/zh not_active Expired - Fee Related
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103140875A (zh) * | 2010-08-02 | 2013-06-05 | 皇家飞利浦电子股份有限公司 | 利用实况反馈对内部组织进行多模态分割的***和方法 |
US10546205B2 (en) | 2010-08-02 | 2020-01-28 | Koninklijke Philips N.V. | System and method for multi-modality segmentation of internal tissue with live feedback |
CN105678753B (zh) * | 2015-12-31 | 2019-07-02 | 百度在线网络技术(北京)有限公司 | 一种物体分割方法及装置 |
CN105678753A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 一种物体分割方法及装置 |
CN105740623A (zh) * | 2016-02-01 | 2016-07-06 | 南昌大学 | 一种适用于脑外科虚拟手术仿真的高沉浸感视觉呈现方法 |
CN105740623B (zh) * | 2016-02-01 | 2018-05-25 | 南昌大学 | 一种适用于脑外科虚拟手术仿真的高沉浸感视觉呈现方法 |
WO2017193461A1 (zh) * | 2016-05-12 | 2017-11-16 | 中国科学院深圳先进技术研究院 | 一种ct图像扫描床去除方法及装置 |
CN107392913A (zh) * | 2017-08-01 | 2017-11-24 | 郑州云海信息技术有限公司 | 一种图像分割方法及装置 |
CN108053465A (zh) * | 2017-12-11 | 2018-05-18 | 深圳市图智能科技有限公司 | 一种基于体绘制的图像分割结果后处理方法 |
CN108492304A (zh) * | 2018-04-14 | 2018-09-04 | 深圳市图智能科技有限公司 | 一种基于多方向轮廓的医学图像分割方法 |
CN108492304B (zh) * | 2018-04-14 | 2020-09-15 | 深圳市一图智能科技有限公司 | 一种基于多方向轮廓的医学图像分割方法 |
WO2022028127A1 (zh) * | 2020-08-06 | 2022-02-10 | 腾讯科技(深圳)有限公司 | 基于人工智能的病理图像处理方法、装置、电子设备及存储介质 |
CN112419166A (zh) * | 2020-09-24 | 2021-02-26 | 南京晓庄学院 | 一种基于局部区域分割与scn结合的图像去雾方法 |
CN112419166B (zh) * | 2020-09-24 | 2024-01-05 | 南京晓庄学院 | 一种基于局部区域分割与scn结合的图像去雾方法 |
CN113470152A (zh) * | 2021-06-21 | 2021-10-01 | 北京理工大学 | 一种颜色保真的功能影像体绘制方法 |
CN113823385A (zh) * | 2021-09-03 | 2021-12-21 | 青岛海信医疗设备股份有限公司 | 一种修改dicom图像的方法、装置、设备及介质 |
CN113823385B (zh) * | 2021-09-03 | 2024-03-19 | 青岛海信医疗设备股份有限公司 | 一种修改dicom图像的方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101710420B (zh) | 2013-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101710420B (zh) | 一种医学图像反分割方法 | |
Cai et al. | Mask R-CNN-based detection and segmentation for pulmonary nodule 3D visualization diagnosis | |
AU2017366502B2 (en) | Medical imaging system based on HMDS | |
CN106570930A (zh) | 一种基于三维超体素描述的数字化生理生物体建模方法 | |
Wee et al. | Surface rendering of three dimensional ultrasound images using VTK | |
Huang et al. | 3D reconstruction and visualization from 2D CT images | |
Yin et al. | A method of breast tumour MRI segmentation and 3D reconstruction | |
CN103745495A (zh) | 基于医学体数据的体绘制方法 | |
Chen et al. | The research and practice of medical image enhancement and 3D reconstruction system | |
Tan et al. | Design of 3D visualization system based on VTK utilizing marching cubes and ray casting algorithm | |
CN109345545A (zh) | 一种分割图像生成的方法、装置及计算机可读存储介质 | |
CN111127636B (zh) | 一种智能的复杂关节内骨折桌面级三维诊断*** | |
Al-Shayeh et al. | Efficient 3D object visualization via 2D images | |
Hachaj et al. | Real time area-based stereo matching algorithm for multimedia video devices | |
Liu et al. | Optimization of reconstruction of 2D medical images based on computer 3D reconstruction technology | |
Kumar et al. | 3D reconstruction of facial structures from 2D images for cosmetic surgery | |
Yong et al. | 3D reconstruction of breast cancer from mammograms using volume rendering techniques | |
Xiao-xing et al. | Automatic Reconstruction of 3D Vascular Model for Mixed Reality | |
Zheng et al. | The survey of medical image 3D reconstruction | |
Chin-Hsing et al. | 3D image reconstruction of bladder by nonlinear interpolation | |
Adeshina et al. | Medical volume visualization: decades of review | |
Bai et al. | P‐2.16: Research on three‐dimensional reconstruction based on VTK | |
Chebbi et al. | 3D human heart anatomy: simulation and visualization based on MR images | |
Adeshina et al. | Automated Medical Visualization: Application of Supervised Learning to Clinical Diagnosis, Disease and Therapy Management | |
Zhu et al. | 3D reconstruction for soft tissue of the human body |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130227 Termination date: 20191218 |
|
CF01 | Termination of patent right due to non-payment of annual fee |