CN102835974A - 基于并行计算机的医学超声三维成像方法 - Google Patents
基于并行计算机的医学超声三维成像方法 Download PDFInfo
- Publication number
- CN102835974A CN102835974A CN2012103017965A CN201210301796A CN102835974A CN 102835974 A CN102835974 A CN 102835974A CN 2012103017965 A CN2012103017965 A CN 2012103017965A CN 201210301796 A CN201210301796 A CN 201210301796A CN 102835974 A CN102835974 A CN 102835974A
- Authority
- CN
- China
- Prior art keywords
- task
- image
- interpolation
- subtask
- sin
- 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
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于并行计算机的医学超声三维成像方法,包括:S1、创建任务池,根据用户设定参数读取图像数据并构建任务池;S2、划分子任务,采用域划分的方法将采集的超声图像序列按照定义好的粒度大小划分成多个子任务,每个子任务是要完成S帧相邻图像的插值;S3、分配子任务,把子任务分配给不同的处理器;S4、计算子任务,各个处理器之间相互协同、并行地执行子任务;S5、全局插值,将各个处理器重建得到的子任务结果进行全局插值,得到三维图像;S6、图像显示,显示重建后的三维图像。本发明解决了超声三维成像耗时长的问题,另外本发明使用廉价的计算机构建并行计算环境,可以充分利用计算资源,成本也较低。
Description
技术领域
本发明涉及计算机辅助医学成像技术领域,特别是涉及医学超声波的图像处理和图像显示的方法。
背景技术
超声成像方法以使用方便、无创伤、无痛苦、无电离辐射及低成本等优点,在临床中得到广泛应用。其中三维超声成像技术因其图像显示直观、诊断精确性高等特点在超声诊断中得到越来越多的应用。目前,医学三维超声成像中常用的扫描方法有:机械定位平行扫描、扇形扫描、旋转扫描和自由臂(Free-Hand)扫描四种方式。其中,机械定位平行扫描、扇形扫描和旋转扫描,是利用现有的二维超声诊断设备(探头)结合某种定位机械获取一系列空间位置已知的二维超声图像,进而使用各种重建算法重建三维物体。这种方法重建算法简单快速,但是扫描方式受到很大的规则限制,使得其应用范围比较狭小。而自由臂扫描可以任意位置任意方向扫描,给操作者提供了较大的灵活性,但这种扫描方法得到的二维图像序列的空间位置不是规则排列,且数据量可能会很大,不仅增大了三维重建算法的复杂度,也会增加了整个重建过程的时间,这对于临床实时性要求较高的超声三维成像技术来说是一个比较大的问题。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种加速处理超声图像序列的速度,从而提高三维超声图像数据重建与成像速度的方法。
为了达到上述目的,本发明采用以下技术方案:
一种基于并行计算机的医学超声三维成像方法,包括下述步骤:
S1、创建任务池,根据用户设定参数读取图像数据并构建任务池;
S2、划分子任务,采用域划分的方法将采集的超声图像序列按照定义好的粒度大小划分成多个子任务,每个子任务是要完成S帧相邻图像的插值;
S3、分配子任务,把子任务分配给不同的处理器;
S4、计算子任务,各个处理器之间相互协同、并行地执行子任务;
S5、全局插值,将各个处理器重建得到的子任务结果进行全局插值,得到三维图像;
S6、图像显示,显示重建后的三维图像。
优选的,步骤S2具体为:
设图像序列的总数N,处理器个数P,图像重建最少要求有一帧图像,最小的任务粒度大小是一帧图像,定义每个子任务的粒度大小S是:
S=max{N/(2*P),1}
成像是在图像采集完成之后,使用上式定义的S来划分超声图像序列,得到N/S个图像块,也就是N/S个子任务;
如果成像是在实时采集过程中,图像序列的总数N是未知的,用一定时间间隔T采集的图像数代替N,则有:
S=max{(R*T)/P,1}
其中,R是图像采样率,如果成像是在实时采集过程中,使用上式定义的S来划分子任务,一旦获得S帧图像,就产生一个新的子任务。
优选的,每个新的子任务首先将S帧原始二维图像像素点坐标通过坐标变换公式转换到三维重建坐标系中对应体素坐标,转换公式如下:
CX=CTT TTR RTP PX
其中PX表示原始二维图像坐标系中像素点坐标;RTP表示原始二维图像坐标系到位置传感器坐标系的坐标转换式;TTR表示位置传感器坐标系到世界坐标系的坐标转换式;CTT表示世界坐标系到三维重建坐标系的坐标转换式;而CX则表示对应于二维图像坐标系下像素点在三维重建坐标系下的体素坐标,而坐标转换式用两个坐标系坐标轴之间的旋转角度(α,β,γ)及位移(x,y,z)表示:
其中I、J为两个坐标系,x、y、z分别对应两个坐标系在x轴,y轴和z轴方向上的位移,α、β、γ分别为两个坐标系沿着x轴,y轴和z轴的旋转角;然后通过插值算法计算体素灰度值。
优选的,选用平方距离加权算法SDW或距离加权算法DW进行图像插值运算;所述SDW算法是通过对体素局部邻域内的所有像素灰度的加权平均来计算体素灰度,加权系数为像素与体素距离平方的倒数,算法表示为:
式中为I(Vc)当前体素灰度值,为I(Vk)体素局部邻域内的第k个像素灰度值,Wk为第k个像素的权系数,dk为第k个像素与当前体素的距离,n为体素局部邻域内的像素个数;所述DW算法与SDW算法类似,只是将体素局部邻域内的第k个像素的权系数Wk设置为1/dk。
优选的,步骤S3中,所述分配子任务是采用任务池方法将子任务分配给不同的处理器。
优选的,所述任务池方法具体为:
有一个集中的任务池,一个master进程和多个worker进程;master进程负责管理任务池、发送任务、结果收集和全局插值,每个worker进程重复下面的操作:请求任务、接收任务、图像插值计算、返回计算结果,所有的worker进程并发地执行子任务,当任务池里的任务都执行完成后,worker进程请求任务并收到一个有退出命令的任务,当所有的worker进程退出后,master进程退出任务分配和结果收集循环;所述Master进程运行在主节点处理器上,而worker进程运行在其他的计算节点的处理器上。
优选的,步骤S5中主进程进行全局插值,每个子任务的计算结果是由一个任务粒度大小,即S帧二维图像经过插值得到的重建结果,而对于采集到的原始二维图像序列中的相邻两帧图像,可能会被分到不同的子任务中;而相邻两帧图像中的像素点可能会被映射到体空间中相同的体素点,则需要在全局插值中将这些映射到体空间中相同体素点的子任务计算结果进行合并。
优选的,步骤S5中,主进程进行全局插值的具体步骤是:
Master进程中除了主线程外创建一个数据读取线程,实时采集时,数据读取线程根据用户参数构建任务池,从图像采集卡读取图像数据,将图像数据划分成一个个小任务放入任务池;当成像是图像采集完成后,数据读取线程根据用户参数构建任务池,将从磁盘读取的图像数据划分成一个个小任务放入任务池,图像拼接线程创建之后进入休眠状态,直到主线程接收到worker进程的插值结果信息后被唤醒,进行全局图像插值,主线程负责与worker进程通信:发送任务和数据,接收计算结果,接收退出命令,还负责通知数据读取线程,在master进程里进行全局图像插值;采用基于计算机集群的并行计算技术,将采集的超声图像序列的图像插值任务划分成多个子任务,在集群上创建worker进程,把子任务分配给不同的worker进程,各个处理器worker进程并发地执行子任务,从而加速超声图像三维重建的速度。
本发明的原理是:采用域划分的方法将原始超声图像序列划分成若干子序列,每个子序列的三维重建任务定义为一个子任务,把这些子任务分配给不同的处理器,各个处理器之间相互协同、并行地执行子任务,各个处理器完成对子序列的重建之后,马上将该子任务的重建结果发送到主进程进行全局插值,从而加速了三维重建速度,减少了重建时间。
本发明相对于现有技术具有如下的优点及效果:
1、本发明利用任务池技术,采用域划分的方法将原始超声图像三维重建任务划分为若干子任务,分别将各子任务分配给不同的处理器,由各处理器并行的进行三维超声重建,利用并行计算技术实现了三维超声重建并行算法以加速成像速度,以达到临床超声三维成像的实时性要求。
2、本发明利用高速局域网互联的相对廉价的计算机来构建高性能的并行集群计算***,充分利用计算机集群资源来协同完成三维重建任务,大大提高了三维超声成像的效率和临床应用价值。
3、本发明将并行计算技术应用于超声三维成像领域,利用计算机集群的并行处理技术,同时进行医学超声三维重建,减少了三维重建时间,解决了超声三维成像耗时长的问题。本发明使用廉价的计算机构建并行计算环境,可以充分利用计算资源,成本也较低。
附图说明
图1是本发明的成像方法的流程图;
图2是本发明的任务池示例图;
图3是本发明Master进程的流程图;
图4是本发明Worker进程的流程图;
图5是本手臂上采集的原始B超图像的ROI区域图;
图6~7是分别是并行和串行算法重建手臂上采集的B超图像三维图;
图8是胎儿体模上采集的原始B超图像的ROI区域图;
图9~10是分别是并行和串行算法重建胎儿体模上采集的B超图像三维图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
本实施需要超声设备仪采集到的AVI超声图像视频文件,使用基于MPI的计算机集群作为并行计算平台进行三维成像,用纯平型显示器显示用户图形界面,可采用C和C++语言编制各类处理程序,便能较好地实施本发明。
如图1所述,本实施例一种基于并行计算机的医学超声三维成像方法,包括下述步骤:
S1、创建任务池,根据用户设定参数读取图像数据并构建任务池;
S2、划分子任务,采用域划分的方法将采集的超声图像序列按照定义好的粒度大小划分成多个子任务,每个子任务是要完成S帧相邻图像的插值;
S3、分配子任务,把子任务分配给不同的处理器;
S4、计算子任务,各个处理器之间相互协同、并行地执行子任务;
S5、全局插值,将各个处理器重建得到的子任务结果进行全局插值,得到三维图像;
S6、图像显示,显示重建后的三维图像。
本实施例中划分三维重建中的体数据插值任务,是因为体数据插值是三维图像重建的主要耗时过程。我们将采集到的图像分配给多个处理器进行图像插值处理,这样在单位时间里可以增加体数据插值的图像数量,从而缩短图象序列的图像插值时间;具体实施包括:
(A)、先定义子任务粒度大小S;
如果成像是在图像采集完成之后,已知图像序列的总数N,处理器个数P,图像配准最少要求有一帧图像,最小的任务粒度大小是一帧图像,定义每个子任务的粒度大小S是:
S=max{N/(2*P),1}
成像是在图像采集完成之后,使用上式定义的S来划分超声图像序列,得到N/S个图像块,也就是N/S个子任务。
如果成像是在实时采集过程中,图像序列的总数N是未知的,用一定时间间隔T采集的图像数代替N,则有
S=max{(R*T)/P,1}
其中,R是图像采样率。如果成像是在实时采集过程中,使用上式定义的S来划分子任务,一旦获得S帧图像,就产生一个新的子任务。
每个子任务首先将S帧原始二维图像像素点坐标通过坐标变换公式转换到三维重建坐标系中对应体素坐标,转换公式如下:
CX=CTT TTR RTP PX
其中PX表示原始二维图像坐标系中像素点坐标;RTP表示原始二维图像坐标系到位置传感器坐标系的坐标转换式;TTR表示位置传感器坐标系到世界坐标系的坐标转换式;CTT表示世界坐标系到三维重建坐标系的坐标转换式;而CX则表示对应于二维图像坐标系下像素点在三维重建坐标系下的体素坐标。而坐标转换式可以用两个坐标系坐标轴之间的旋转角度(α,β,γ)及位移(x,y,z)表示:
其中I、J为两个坐标系,x、y、z分别对应两个坐标系在x轴,y轴和z轴方向上的位移,α、β、γ分别为两个坐标系沿着x轴,y轴和z轴的旋转角。然后通过插值算法(如本发明举例的平方距离加权(SDW)算法)计算体素灰度值。
(B)、采用域划分的方法将采集的超声图像序列按照帧序以粒度大小,即S帧二维图像的插值计算为一个子任务。为保证计算结果与原始图像间的对应关系,对子任务根据图像序列的顺序编号;
本实施例中的分配子任务采用动态任务调度的方法——任务池方法,是因为每个子任务的计算量不一样,每个处理器的计算能力也不一致,我们需要在任务计算过程中平衡处理器的负载;而且,在实时成像的时候,子任务是动态产生的。任务池方法具体实施:
如图2所示,本实施例中,有一个集中的任务池,一个master进程和多个worker进程;master进程负责管理任务池、发送任务、结果收集、全局插值,每个worker进程重复下面的操作:请求任务、接收任务、图像插值计算、返回计算结果。所有的worker进程并发地执行子任务。当任务池里的任务都执行完成后,worker进程请求任务并收到一个有退出命令的任务。当所有的worker进程退出后,master进程退出任务分配和结果收集循环。
Master进程运行在主节点处理器上,而worker进程运行在其他的计算节点的处理器上。
如图3、图4所示,***结构主要包括Master进程和worker进程。Master进程中除了主线程外创建了一个数据读取线程。当实时采集时,数据读取线程根据用户参数构建任务池,从图像采集卡读取图像数据,将图像数据划分成一个个小任务放入任务池;当成像是图像采集完成后,数据读取线程根据用户参数构建任务池,将从磁盘读取的图像数据划分成一个个小任务放入任务池。图像拼接线程创建之后进入休眠状态,直到主线程接收到worker进程的插值结果信息后被唤醒,进行全局图像插值。主线程负责与worker进程通信:发送任务和数据,接收计算结果,接收退出命令,还负责通知数据读取线程。在master进程里进行全局图像插值;采用基于计算机集群的并行计算技术,将采集的超声图像序列的图像插值任务划分成多个子任务,在集群上创建worker进程,把子任务分配给不同的worker进程,各个处理器worker进程并发地执行子任务,从而加速超声图像三维重建的速度。
本发明中的计算子任务,是在worker进程实现了某一种可行的算法(如平方距离加权算法)进行图像插值,完成S帧相邻图像的重建过程。举例,SDW算法是通过对体素局部邻域内的所有像素灰度的加权平均来计算体素灰度,加权系数为像素与体素距离平方的倒数,算法可表示为:
式中为I(Vc)当前体素灰度值,为I(Vk)体素局部邻域内的第k个像素灰度值,Wk为第k个像素的权系数,dk为第k个像素与当前体素的距离,n为体素局部邻域内的像素个数。DW算法与SDW算法类似,只是将体素局部邻域内的第k个像素的权系数Wk设置为1/dk。
本发明中的全局插值:由于采集到的原始二维图像序列中的相邻两帧图像可能会被分到不同的子任务中;而相邻两帧图像中的像素点可能会被映射到体空间中相同的体素点,则需要在全局插值中将这些映射到体空间中相同体素点的子任务计算结果进行合并。
为了验证本发明的有效性,做了如下实验:
实验条件:5台计算机组成的计算机集群,每台计算机配置2.7GHz Pentium(R)Dual-Core CPU和2GB内存。所有计算机由100Mb/s的交换机相连接。相关程序使用C和C++在Microsoft Visual Studio 2008实现。使用的MPI版本是MPICH2v1.2.1.1。
我们使用传感器定位一自由度扫描法采集了两组B超图像,方便起见,我们分别把它们记为SA,SB。数据集SA是从人体的左手臂上采集得到的,经选择ROI区域后,每帧大小为321*270,一共有654帧;数据集SB是从实验室胎儿体模上采集得到的,经选择ROI区域后,每帧大小为326×275,一共有560帧。对这两个数据集,本文做了两个实验,实验一是使用串行算法和并行算法对数据集SA的重建,实验二是使用串行算法和并行算法对数据集SB的重建。
我们的实验是在图像采集完成之后进行的,并行算法运行在集群之上,串行算法是运行在其中的一台机器上面。因为每台机器都是双核的处理器,可以并发执行两个进程,实验中使用并行算法时我们在每台机器上创建两个worker进程,所以我们认为每台机器的处理器的个数是2。
为了验证并行算法的并行效率,我们记录了使用串行算法来处理这两个数据集的运行时间,对并行算法,记录了使用不同数量的worker进程情况下的运行时间。下表是重建所用的参数值:
表1重建实验所用到参数表
实验一,图5是在手臂上采集的原始B超图像的ROI区域,图6、图7分别是使用并行算法和串行算法的重建结果。两种算法的运行时间记录在表2,同时我们计算了使用不同数量的worker进程的加速比S和并行效率E。
表2并行算法和串行算法的重建时间对比
实验二,图8是在胎儿体模上采集的原始B超图像的ROI区域,图9、图10分别使用并行算法和串行算法的重建结果,两种算法的运行时间记录在下表:
表3并行算法和串行算法的重建时间对比
根据两个实验中得到的加速比和并行效率,我们可以得到使用不同进程数条件下,并行算法的平均加速比和平均并行效率如下表:
表4并行算法的平均加速比和平均并行效率
从表中可以看出,当使用5台计算机(10个worker进程)时,得到的平均加速比是5.19,并且平均加速比随着加入运算的进程数量的增多而增大,但平均加速比的变化率在减小,平均加速比最终将会趋于一个稳定值。不管使用几个进程(2个或者10个),并行计算三维重建速度都得到了不同程度的提高,整个三维成像过程所耗费的时间远远少于串行算法进行三维重建所用时间,说明了本发明的有效性。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.一种基于并行计算机的医学超声三维成像方法,其特征在于,包括下述步骤:
S1、创建任务池,根据用户设定参数读取图像数据并构建任务池;
S2、划分子任务,采用域划分的方法将采集的超声图像序列按照定义好的粒度大小划分成多个子任务,每个子任务是要完成S帧相邻图像的插值;
S3、分配子任务,把子任务分配给不同的处理器;
S4、计算子任务,各个处理器之间相互协同、并行地执行子任务;
S5、全局插值,将各个处理器重建得到的子任务结果进行全局插值,得到三维图像;
S6、图像显示,显示重建后的三维图像。
2.根据权利要求1所述的基于并行计算机的医学超声三维成像方法,其特征在于,步骤S2具体为:
设图像序列的总数N,处理器个数P,图像重建最少要求有一帧图像,最小的任务粒度大小是一帧图像,定义每个子任务的粒度大小S是:
S=max{N/(2*P),1}
成像是在图像采集完成之后,使用上式定义的S来划分超声图像序列,得到N/S个图像块,也就是N/S个子任务;
如果成像是在实时采集过程中,图像序列的总数N是未知的,用一定时间间隔T采集的图像数代替N,则有:
S=max{(R*T)/P,1}
其中,R是图像采样率,如果成像是在实时采集过程中,使用上式定义的S来划分子任务,一旦获得S帧图像,就产生一个新的子任务。
3.根据权利要求2所述的基于并行计算机的医学超声三维成像方法,其特征在于,每个新的子任务首先将S帧原始二维图像像素点坐标通过坐标变换公式转换到三维重建坐标系中对应体素坐标,转换公式如下:
CX=CTT TTR RTP PX
其中PX表示原始二维图像坐标系中像素点坐标;RTP表示原始二维图像坐标系到位置传感器坐标系的坐标转换式;TTR表示位置传感器坐标系到世界坐标系的坐标转换式;CTT表示世界坐标系到三维重建坐标系的坐标转换式;而CX则表示对应于二维图像坐标系下像素点在三维重建坐标系下的体素坐标,而坐标转换式用两个坐标系坐标轴之间的旋转角度(α,β,γ)及位移(x,y,z)表示:
其中I、J为两个坐标系,x、y、z分别对应两个坐标系在x轴,y轴和z轴方向上的位移,α、β、γ分别为两个坐标系沿着x轴,y轴和z轴的旋转角;然后通过插值算法计算体素灰度值。
4.根据权利要求3所述的基于并行计算机的医学超声三维成像方法,其特征在于,选用平方距离加权算法SDW或距离加权算法DW进行图像插值运算;所述SDW算法是通过对体素局部邻域内的所有像素灰度的加权平均来计算体素灰度,加权系数为像素与体素距离平方的倒数,算法表示为:
式中为I(Vc)当前体素灰度值,为I(Vk)体素局部邻域内的第k个像素灰度值,Wk为第k个像素的权系数,dk为第k个像素与当前体素的距离,n为体素局部邻域内的像素个数;所述DW算法与SDW算法类似,只是将体素局部邻域内的第k个像素的权系数Wk设置为1/dk。
5.根据权利要求1所述的基于并行计算机的医学超声三维成像方法,其特征在于,步骤S3中,所述分配子任务是采用任务池方法将子任务分配给不同的处理器。
6.根据权利要求5所述的基于并行计算机的医学超声三维成像方法,其特征在于,所述任务池方法具体为:
有一个集中的任务池,一个master进程和多个worker进程;master进程负责管理任务池、发送任务、结果收集和全局插值,每个worker进程重复下面的操作:请求任务、接收任务、图像插值计算、返回计算结果,所有的worker进程并发地执行子任务,当任务池里的任务都执行完成后,worker进程请求任务并收到一个有退出命令的任务,当所有的worker进程退出后,master进程退出任务分配和结果收集循环;所述Master进程运行在主节点处理器上,而worker进程运行在其他的计算节点的处理器上。
7.根据权利要求1所述的基于并行计算机的医学超声三维成像方法,其特征在于,步骤S5中主进程进行全局插值,每个子任务的计算结果是由一个任务粒度大小,即S帧二维图像经过插值得到的重建结果,而对于采集到的原始二维图像序列中的相邻两帧图像,可能会被分到不同的子任务中;而相邻两帧图像中的像素点可能会被映射到体空间中相同的体素点,则需要在全局插值中将这些映射到体空间中相同体素点的子任务计算结果进行合并。
8.根据权利要求1所述的基于并行计算机的医学超声三维成像方法,其特征在于,步骤S5中,主进程进行全局插值的具体步骤是:
Master进程中除了主线程外创建一个数据读取线程,实时采集时,数据读取线程根据用户参数构建任务池,从图像采集卡读取图像数据,将图像数据划分成一个个小任务放入任务池;当成像是图像采集完成后,数据读取线程根据用户参数构建任务池,将从磁盘读取的图像数据划分成一个个小任务放入任务池,图像拼接线程创建之后进入休眠状态,直到主线程接收到worker进程的插值结果信息后被唤醒,进行全局图像插值,主线程负责与worker进程通信:发送任务和数据,接收计算结果,接收退出命令,还负责通知数据读取线程,在master进程里进行全局图像插值;采用基于计算机集群的并行计算技术,将采集的超声图像序列的图像插值任务划分成多个子任务,在集群上创建worker进程,把子任务分配给不同的worker进程,各个处理器worker进程并发地执行子任务,从而加速超声图像三维重建的速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103017965A CN102835974A (zh) | 2012-08-23 | 2012-08-23 | 基于并行计算机的医学超声三维成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012103017965A CN102835974A (zh) | 2012-08-23 | 2012-08-23 | 基于并行计算机的医学超声三维成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102835974A true CN102835974A (zh) | 2012-12-26 |
Family
ID=47363896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012103017965A Pending CN102835974A (zh) | 2012-08-23 | 2012-08-23 | 基于并行计算机的医学超声三维成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102835974A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761767A (zh) * | 2014-01-02 | 2014-04-30 | 华南理工大学 | 一种基于稀疏数据的三维超声图像快速重建方法 |
CN103942253A (zh) * | 2014-03-18 | 2014-07-23 | 深圳市房地产评估发展中心 | 一种负载均衡的空间数据处理方法和*** |
CN107918864A (zh) * | 2017-11-23 | 2018-04-17 | 平安科技(深圳)有限公司 | 电子保单生成方法、装置、计算机设备及存储介质 |
CN110138830A (zh) * | 2019-04-09 | 2019-08-16 | 天津大学 | 基于超图分割的跨数据中心任务调度与带宽分配方法 |
CN110780982A (zh) * | 2018-07-27 | 2020-02-11 | 深圳百迈技术有限公司 | 一种图像处理方法、装置及设备 |
CN111309458A (zh) * | 2019-07-12 | 2020-06-19 | 北京关键科技股份有限公司 | 一种多节点任务异步协同处理方法 |
CN111476888A (zh) * | 2020-04-09 | 2020-07-31 | 山东财经大学 | 一种基于三维空间体拟合的医学图像层间插值方法,设备及可读存储介质 |
CN113313823A (zh) * | 2021-07-28 | 2021-08-27 | 康达洲际医疗器械有限公司 | 一种用于成像***群的协同成像方法与*** |
CN117414154A (zh) * | 2023-09-05 | 2024-01-19 | 骨圣元化机器人(深圳)有限公司 | 三维超声重建方法、装置及超声*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040236220A1 (en) * | 2003-05-23 | 2004-11-25 | Parker Willis | Method and system for registering ultrasound image in three-dimensional coordinate system |
US20110205340A1 (en) * | 2008-08-12 | 2011-08-25 | Iee International Electronics & Engineering S.A. | 3d time-of-flight camera system and position/orientation calibration method therefor |
CN102274045A (zh) * | 2011-05-27 | 2011-12-14 | 华南理工大学 | 一种并行的实时医学超声宽景成像方法 |
-
2012
- 2012-08-23 CN CN2012103017965A patent/CN102835974A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040236220A1 (en) * | 2003-05-23 | 2004-11-25 | Parker Willis | Method and system for registering ultrasound image in three-dimensional coordinate system |
US20110205340A1 (en) * | 2008-08-12 | 2011-08-25 | Iee International Electronics & Engineering S.A. | 3d time-of-flight camera system and position/orientation calibration method therefor |
CN102274045A (zh) * | 2011-05-27 | 2011-12-14 | 华南理工大学 | 一种并行的实时医学超声宽景成像方法 |
Non-Patent Citations (2)
Title |
---|
吴君明: "基于并行计算的医学超声成像技术研究", 《中国优秀硕士学位论文全文数据库》, 30 June 2012 (2012-06-30) * |
罗杨宇: "基于磁***的手动三维超声图像标定", 《中国生物医学工程学报》, vol. 27, no. 2, 30 April 2008 (2008-04-30), pages 250 - 254 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761767A (zh) * | 2014-01-02 | 2014-04-30 | 华南理工大学 | 一种基于稀疏数据的三维超声图像快速重建方法 |
CN103942253A (zh) * | 2014-03-18 | 2014-07-23 | 深圳市房地产评估发展中心 | 一种负载均衡的空间数据处理方法和*** |
CN103942253B (zh) * | 2014-03-18 | 2017-07-14 | 深圳市房地产评估发展中心 | 一种负载均衡的空间数据处理*** |
CN107918864A (zh) * | 2017-11-23 | 2018-04-17 | 平安科技(深圳)有限公司 | 电子保单生成方法、装置、计算机设备及存储介质 |
CN110780982A (zh) * | 2018-07-27 | 2020-02-11 | 深圳百迈技术有限公司 | 一种图像处理方法、装置及设备 |
CN110138830A (zh) * | 2019-04-09 | 2019-08-16 | 天津大学 | 基于超图分割的跨数据中心任务调度与带宽分配方法 |
CN110138830B (zh) * | 2019-04-09 | 2021-10-15 | 天津大学 | 基于超图分割的跨数据中心任务调度与带宽分配方法 |
CN111309458A (zh) * | 2019-07-12 | 2020-06-19 | 北京关键科技股份有限公司 | 一种多节点任务异步协同处理方法 |
CN111476888A (zh) * | 2020-04-09 | 2020-07-31 | 山东财经大学 | 一种基于三维空间体拟合的医学图像层间插值方法,设备及可读存储介质 |
CN111476888B (zh) * | 2020-04-09 | 2023-05-12 | 山东财经大学 | 一种基于三维空间体拟合的医学图像层间插值方法,设备及可读存储介质 |
CN113313823A (zh) * | 2021-07-28 | 2021-08-27 | 康达洲际医疗器械有限公司 | 一种用于成像***群的协同成像方法与*** |
CN117414154A (zh) * | 2023-09-05 | 2024-01-19 | 骨圣元化机器人(深圳)有限公司 | 三维超声重建方法、装置及超声*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102835974A (zh) | 基于并行计算机的医学超声三维成像方法 | |
Groen et al. | Analysing and modelling the performance of the HemeLB lattice-Boltzmann simulation environment | |
Melchionna et al. | Hydrokinetic approach to large-scale cardiovascular blood flow | |
CN100462051C (zh) | 多源螺旋ct并行重建*** | |
CN101324962B (zh) | 一种预投影光线投射体绘制的并行处理方法 | |
CN103971396B (zh) | ARM+GPU异构架构下的光线投射算法的OpenGL ES实现方法 | |
CN102279970B (zh) | 基于gpu的螺旋锥束ct重建方法 | |
CN110060337B (zh) | 颈动脉超声扫查三维重建方法及*** | |
CN102274045B (zh) | 一种并行的实时医学超声宽景成像方法 | |
Hartley et al. | Investigating the use of GPU-accelerated nodes for SAR image formation | |
CN106846465A (zh) | 一种ct三维重建方法及*** | |
Chen et al. | Real-time freehand 3D ultrasound imaging | |
CN110599535A (zh) | 基于哈希表的高分辨率人体实时动态重建方法及装置 | |
CN110179495B (zh) | 基于分布式***的超声断层成像计算优化方法及*** | |
Camahort et al. | Integrating volume data analysis and rendering on distributed memory architectures | |
CN103617648A (zh) | 一种锥形束ct重建方法和*** | |
Yagel et al. | Data-parallel, volumerendering algorithms | |
Hussain | ViPS: A novel visual processing system architecture for medical imaging | |
Kaufman et al. | A survey of architectures for volume rendering | |
US8957891B2 (en) | Anatomy-defined automated image generation | |
CN101268950B (zh) | 基于cell宽频引擎的螺旋ct精确重建*** | |
CN113628318B (zh) | 一种基于光线追踪的分布式实时神经元渲染方法和*** | |
CN102460703B (zh) | X射线***以及图像传输*** | |
Zhang et al. | MR and ultrasound cardiac image dynamic visualization and synchronization over Internet for distributed heart function diagnosis | |
Edwards et al. | Interactive three‐dimensional ultrasound using a programmable multimedia processor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121226 |