CN104881858B - 一种***内增强背景组织的提取方法和装置 - Google Patents
一种***内增强背景组织的提取方法和装置 Download PDFInfo
- Publication number
- CN104881858B CN104881858B CN201410070338.4A CN201410070338A CN104881858B CN 104881858 B CN104881858 B CN 104881858B CN 201410070338 A CN201410070338 A CN 201410070338A CN 104881858 B CN104881858 B CN 104881858B
- Authority
- CN
- China
- Prior art keywords
- image
- breast
- sequence
- background tissues
- line
- 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.)
- Active
Links
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种***内增强背景组织的提取方法和装置，所述方法包括如下步骤：(1)输入图像A和图像B，对所述图像A和图像B进行配准，得到配准图像序列，并对所述配准图像序列进行融合，得到融合图像序列；(2)基于所述融合图像序列，获取***的皮肤线和胸壁线，并根据所述皮肤线和胸壁线，得到所述***组织的分割图像；(3)根据所述分割图像和所述配准图像序列，得到所述***区域中增强的背景组织。本技术方案不仅准确和有效地实现打入造影剂前后所有时间点的磁共振图像序列中***组织的全自动分割，还能得到准确的增强背景组织。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种***内增强背景组织的提取方法和装置。
背景技术
乳腺癌是中老年女性最常见的恶性肿瘤，发病率和死亡率正逐年上升，而对乳腺癌的风险预测与早期诊断可以有效地提高乳腺癌的治愈率。在临床中，***动态对比度增强(dynamic contrast enhanced)磁共振技术已经被广泛地用于风险预测和乳腺癌早期诊断中，尤其是对打入造影剂之前和之后的磁共振图像的增强情况进行比较观察。
在临床中，***动态对比度增强磁共振图像通常包括若干个磁共振图像扫描序列，以满足放射科医师的不同需求。为了便于比较观察磁共振图像中***内组织打入造影剂之前和之后的增强情况，该磁共振图像扫描序列通常采用T1加权的压脂图像序列。T1加权的压脂图像序列较其它类型图像序列具有较高的噪声水平、较强的伪影干扰和较低的图像灰度对比度，而计算机辅助诊断方案有助于提高放射科医师对三维***动态对比度增强磁共振图像阅片的准确性和效率。因此，如何自动提取***内增强背景组织(backgroundparenchymal enhancement)是一项非常重要的工作
发明内容
本发明解决的问题是提供一种***内增强背景组织的提取方法和装置，不仅准确和有效地实现打入造影剂前后所有时间点的磁共振图像序列中***组织的全自动分割，还能得到准确的增强背景组织。
为了解决上述问题，本发明提供了一种***内增强背景组织的提取方法，包括如下步骤：
(1)输入图像A和图像B，对所述图像A和图像B进行配准，得到配准图像序列，并对所述配准图像序列进行融合，得到融合图像序列；
(2)基于所述融合图像序列，获取***的皮肤线和胸壁线，并根据所述皮肤线和胸壁线，得到所述***组织的分割图像；
(3)根据所述分割图像和所述配准图像序列，得到所述***区域中增强的背景组织。
上述所述一种***内增强背景组织的提取方法，其中，所述图像A和图像B分别为打入造影剂前和打入造影剂后的***磁共振序列图像。
上述所述一种***内增强背景组织的提取方法，其中，通过对所述配准图像序列加权的方法，得到所述融合图像序列。
上述所述一种***内增强背景组织的提取方法，其中，得到所述***的分割图像的过程为：基于所述融合图像序列，对所述皮肤线和胸壁线进行线性连接，形成封闭区域，再对所述封闭区域进行填充。
上述所述一种***内增强背景组织的提取方法，其中，得到所述***区域中增强的背景组织的过程为：
(1)将所述图像A和图像B配准后得到的配准图像序列进行相减，得到减影图像；
(2)根据所述分割图像，在所述减影图像中定位***组织区域；
(3)根据预定阈值，对所述减影图像进行分割，得到所述***区域中增强的背景组织。
上述所述一种***内增强背景组织的提取方法，其中，通过理论模型得到所述预定阈值。
上述所述一种***内增强背景组织的提取方法，其中，所述预定阈值为其中，所述σ为所述图像A或图像B的噪声水平。
为了解决上述问题，本发明还提供了一种***内增强背景组织的提取装置，包括：
融合图像序列获取单元，适用于对输入图像A和图像B进行配准，以得到配准序列图像，并对所述配准序列图像进行融合，以得到融合图像序列；
分割图像获取单元，适用于基于所述融合图像序列，获取***的皮肤线和胸壁线，并根据所述皮肤线和胸壁线，得到所述***组织的分割图像；
增强背景组织获取单元，适用于根据所述分割图像和所述配准图像序列，得到所述***区域中增强的背景组织。
上述所述一种***内增强背景组织的提取装置，其中，所述融合图像序列获取单元包括加权单元，所述加权单元适于对所述配准图像序列进行加权，得到所述融合图像序列。
上述所述一种***内增强背景组织的提取装置，其中，所述增强背景组织获取单元包括相减单元、定位单元和获取单元，其中，所述相减单元适于将所述图像A和图像B配准后得到的配准图像序列进行相减，得到减影图像；所述定位单元适于根据所述分割图像，在所述减影图像中定位***区域；所述获取单元适于根据预定阈值，对所述减影图像进行分割，得到所述***区域中增强的背景组织。
与现有技术相比，本发明通过配准方法融合了打入造影剂前后所有时间点的磁共振图像序列的信息，提高图像的信号噪声比，并准确和有效地实现打入造影剂前后所有时间点的磁共振图像序列中***组织的全自动分割；
进一步地，通过理论模型确定阈值，得到***区域中增强的背景组织，并基于所述增强背景组织，对受试者的乳腺癌风险进行量化分析。
附图说明
图1所示为本发明实施例一种***内增强背景组织的提取方法的流程示意图；
图2所示为本发明实施例得到所述***区域中增强的背景组织的流程示意图；
图3所示为本发明实施例一种***内增强背景组织的提取装置的结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。
下面结合附图和实施例对本发明一种***内增强背景组织的提取方法和装置进行详细地说明。本发明实施例***内增强背景组织提取方法如图1所示，首先，执行步骤S1，输入图像A和图像B，并对所述图像A和图像B进行配准，得到配准图像序列，并对所述配准图像序列进行融合，得到融合图像序列。其中，所述图像A和图像B分别为打入造影剂前和打入造影剂后的***磁共振序列图像。临床中，放射科医师通过比较观察打入造影剂之前和造影剂之后磁共振图像序列的增强情况进行诊断。由于病患在磁共振图像拍摄过程中可能存在轻微运动，导致不同时间点的磁共振图像可能存在位置上的偏移，因此，首先需要对打入造影剂前后所有时间点的磁共振图像序列进行配准。具体地，在本实施例中，根据三维***组织的特点，采用一种已有的非刚体配准方法实现打入造影剂之后每个时间点的磁共振图像序列与打入造影剂之前的磁共振图像序列的配准，所述非刚体配准方法的具体过程详参Zhuang，X.H.，Arridge，S.，Hawkes，D.J.，and Ourselin，S.，“A nonrigid registrationframework using spatially encoded mutual information and free-formdeformations，”IEEE Transactions on Medical Imaging30(10)，1819-1828(2011)。通过上述方法，得到打入造影剂之前和之后所有时间点的配准图像序列。
基于上述得到的配准图像序列，将所述打入造影剂之前和之后所有时间点的磁共振图像序列进行融合，得到融合图像序列Ifusion。在本实施例中，通过对所述配准图像序列进行加权的方法，得到所述融合图像序列Ifusion，进行融合的公式如下：
其中，I1为配准后打入造影剂之前任一时间点的磁共振图像序列，I2...In为配准后打入造影剂之后的每个时间点的磁共振图像序列，weighti为图像进行融合时所占的权重。具体地，本实施例中，将配准后的打入造影剂之前图像序列中的每幅图像都和配准后的打入造影剂之后每个时间点的磁共振图像序列中的每幅图像进行加权，weighti＝1，即融合图像序列Ifusion为配准后打入造影剂前后所有时间点的磁共振图像序列的平均图像。
接着，执行步骤S2，基于所述融合图像序列，获取***的皮肤线和胸壁线，并根据所述皮肤线和胸壁线，得到所述***组织的分割图像。具体地，首先建立人体坐标系：左右方向的冠状轴为X轴，前后方向的矢状轴为Y轴，上下方向的垂直轴为Z轴。在本实施例中，对于所述步骤S1中得到的融合图像序列，根据所述***组织在图像中的特征点和特征位置，确定初始参数。其中，所述初始参数包括融合图像序列的初始层和终止层，以及所述融合图像序列在对应极坐标系转换中的射线扫描起始点P、射线扫描初始半径R、射线扫描起始角度α以及射线扫描终止角度β和分段位置。具体地，将所述融合图像序列沿Z轴做平均值投影，得到平均值投影图。在所述平均值投影图上，计算所述平均值投影图中每一行所有像素点的灰度值之和，选取所述灰度值之和最大的行作为下边界。该下边界的位置也为最大值投影图的下边界lb的位置，其中，最大值投影图为所述融合图像序列沿Z轴做最大值投影得到。在最大值投影图上，从左到右扫描下边界lb位置上的所有像素点，第一个灰度值不为0的像素点所在的位置为左边界ll，最后一个灰度值不为0的像素点所在的位置为右边界lr。在最大值投影图上，从上到下进行扫描，检测到y值最小的非零像素点，经过该像素点且平行于最大值投影图X轴的直线为上边界lt。在最大值投影图上，通过canny边缘检测得到边缘线，左边界ll和右边界lr的中心线将所述边缘线分为两段，分别为左边的边缘线和右边的边缘线，再分别在两段边缘线上获取特征点S1和S2。
在最大值投影图上，射线扫描起始点的坐标位置为((x1+x2)/2，0)，其中，x1和x2分别为两个特征点S1和S2在最大值投影图中X轴的坐标值；射线扫描起始点P与两个特征点连线中的较长连线的长度为射线扫描的初始半径R；左边界ll与下边界lb的交点Q1和射线扫描起始点P的连线确定了射线扫描的起始角度α，右边界lr与下边界lb的交点Q2和射线扫描起始点P的连线确定了射线扫描的终止角度β；两个特征点S1和S2和射线扫描起始点P的连线确定了曲线跳跃处理的分段位置。其中，最大值投影图为融合图像序列沿Z轴做最大值投影得到。接着，根据所述射线扫描起始点、射线扫描初始半径和射线扫描的起始角度和终止角度，基于极坐标转换和射线扫描方法将所述中间层图像转换为二维转换图像；通过动态规划的方法获取所述二维转换图像中的目标边界线，所述目标边界线即为所述中间层的胸壁线经过转换后在二维转换图像中的位置；判断所述目标边界线是否具有波动，若具有波动，则通过分段处理的方法消除所述波动；基于所述目标边界线，通过极坐标逆转换的方法获取所述中间层的胸壁线。接着，在所述除了中间层以外的层中，所述中间层两侧分别按离中间层由近及远的次序依次选择图像作为当前层，获取所述当前层的二维转换图像和图像梯度；基于高斯核函数和所述当前层前一层或后一层中胸壁线的检测结果，对所述当前层图像梯度进行改进；通过动态规划的方法，得到目标边界线，所述目标边界线为所述当前层的胸壁线在所述二维转换图像中的位置；判断所述当前层的胸壁线是否具有波动，若具有波动，则通过所述分段处理的方法消除所述波动；将所述目标边界通过极坐标逆转换的方法转换为所述当前层图像中的胸壁线。
同样地，对于所述步骤S1中得到的融合图像序列，根据所述***组织在图像中的特征点和特征位置，确定左、右***的感兴趣区域。接着，根据初始皮肤线灰度的统计分布，增强所述融合图像序列的***皮肤线。接着，根据射线扫描起始点、射线扫描半径和扫描射线数目，基于极坐标转换和射线扫描方法分别将所述左、右***感兴趣区域中间层图像转换为二维转换图像；其中，所述射线扫描起始点为所述左、右***的中心点在所述中间层图像中所述左、右***感兴趣区域下边界上的投影点；所述射线扫描起始点距离所述左、右******的距离确定所述射线扫描半径；通过动态规划的方法获取所述二维转换图像中的目标边界线，所述目标边界线即为所述中间层图像上的皮肤线经过转换后在二维转换图像中的位置；判断所述目标边界线是否具有波动，若具有波动，则通过第二级别饱和化处理消除所述波动；基于所述目标边界线，通过极坐标逆转换的方法获取所述中间层图像上的皮肤线。接着，在所述除中间层以外的层中，所述中间层两侧分别按离中间层由近及远的次序依次选择图像层作为当前层，获取所述当前层的二维转换图像和图像梯度；基于高斯核函数和所述当前层前一层或后一层图像上皮肤线的检测结果，对所述当前层图像梯度进行改进；通过动态规划的方法，得到目标边界线，所述目标边界线为所述当前层图像上的皮肤线在所述二维转换图像中的位置；判断所述当前层的皮肤线是否具有波动，若具有波动，则通过第二级别饱和化处理消除所述波动；将所述目标边界通过极坐标逆转换的方法转换为所述当前层图像上的皮肤线。
通过上述方法，基于融合后的图像序列，获取***的皮肤线和胸壁线的检测结果。通过检测到的***皮肤线和胸壁线的有效结合，实现打入造影剂前后所有时间点的磁共振图像中***组织的全自动分割。由于打入造影剂前后所有时间点的磁共振图像序列经过了配准，所以基于融合的图像序列的***分割结果适合于打入造影剂前后所有时间点的磁共振图像序列，而不需要再对每个时间点的磁共振图像序列上重复执行***分割过程。具体地，在本实施例中，对检测到的***皮肤线和胸壁线的相应端点先进行线性连接，形成封闭区域，再对封闭区域进行填充处理，即完成对***组织的分割，得到分割图像(二值图像)。在融合图像序列中实现对***组织的分割，由于经过图像配准融合后获得的图像序列的图像信号噪声比高于每个时间点的原始图像序列的图像信号噪声比，因此，可以有效地消除噪声和伪影对***分割的影响。
接着，执行步骤S3，根据所述分割图像和所述配准图像序列，得到所述***区域中增强的背景组织。***内背景组织的增强程度是乳腺癌风险的一个重要量化指标，基于已获得的***分割结果和已配准的打入造影剂前后两个磁共振序列图像，可以获得***内增强的背景组织。具体地，得到所述***区域中增强的背景组织的过程如图2所示，首先，执行步骤S201，将所述图像A和图像B配准后得到的配准图像序列进行相减，得到减影图像。具体地，将步骤S1中得到的打入造影剂之前和之后配准图像序列进行相减，得到减影图像序列。接着，执行步骤S202，根据所述分割图像，在所述减影图像中定位***区域。具体地，在本实施例中，根据步骤S2中得到的***组织分割结果，根据分割图像中***组织的位置，在所述减影图像中定位出与所述位置所对应的***区域。
接着，执行步骤S203，根据预定阈值，对所述减影图像进行分割，得到所述***区域中增强的背景组织。由于原始磁共振图像序列中存在噪声，导致减影图像序列中也存在噪声，因此，需要设定阈值去除减影图像序列中的噪声部分，实现基于***组织内背景组织增强的全自动乳腺癌风险量化分析。具体地，在本实施例中，通过理论模型得到所述预定阈值。通过理论模型推导预定阈值的具体过程为：
定义打入造影剂之前时间点的图像为Ibefore，打入造影剂之后某个时间点的图像为Iafter，Ibefore和Iafter分别可以表示为Ibefore＝Ibefore′+noise和Iafter＝Iafter′+noise，其中，Ibefore’和Iafter’为图像的真实像素值，noise为图像的噪声，假设图像Ibefore和Iafter中的noise来源相同且均近似符合正态分布，即noise～N(μ，σ2)，所述σ为所述图像A或图像B的噪声水平。则打入造影剂前后两个磁共振图像序列的减影图像序列Isub可以表示为：
Isub＝Iafter-Ibefore＝Iafter′--Ibefore′+noisesub
其中，noisesub～N(0，2σ2)。在本实施例中，所述预定阈值为该阈值能压制减影图像中99.6％的噪声。需要说明的是，所述预定阈值也可以采用与图像A或图像B噪声水平相关的其他阈值。对于噪声水平σ，通过已有的噪声估计方法获得，详参Coupe，P.，Yger，P.，Prima，S.，Hellier，P.，Kervrann，C.，and Barillot，C.，“An optimizedblockwise nonlocal means denoising filter for3-D Magnetic Resonance Images，”IEEE Transactions on Medical Imaging27(4)，425-441(2008)。需要说明的是，所述噪声水平σ也可以通过计算背景平坦区域中像素点灰度值的标准差得到。
通过上述方法对定位出***区域的减影图像的噪声进行了抑制，得到所述***组织区域中增强的背景组织。需要说明的是，根据所述增强背景组织的特征，可以对受试者进行乳腺癌风险的量化分析。由于通过上述步骤阈值的处理，减影图像大部分噪声被压制，可以计算***内增强背景组织的相关特征，从而进行乳腺癌风险的量化分析。比如，通过计算增强的背景组织体积与***组织体积的比例对所述受试者进行乳腺癌风险的量化分析，从而医生可以根据该结果对受试者的乳腺癌风险进行进一步地分析。
对应于上述***内增强背景组织的提取方法，本发明实施例还提供了一种***内增强背景组织的提取装置，如图3所示，包括融合图像序列获取单元1、分割图像获取单元2和增强背景组织获取单元3。
所述融合图像序列获取单元1适于对输入图像A和图像B进行配准，以得到配准序列图像，并对所述配准序列图像进行融合，以得到融合图像序列。其中，所述图像A和图像B分别为打入造影剂前和打入造影剂后的***磁共振序列图像；所述融合图像序列获取单元包括加权单元，所述加权单元适于对所述配准图像序列进行加权，得到所述融合图像序列。
所述分割图像获取单元2适于基于所述融合图像序列，获取***的皮肤线和胸壁线，并根据所述皮肤线和胸壁线，得到所述***组织的分割图像。具体地，得到所述***的分割图像的过程为：对所述皮肤线和胸壁线进行线性连接，形成封闭区域，再对所述封闭区域进行填充。
所述增强背景组织获取单元3适于根据所述分割图像和所述配准图像序列，得到所述***区域中增强的背景组织。所述获取增强背景组织单元3包括相减单元、定位单元和获取单元。所述相减单元适于将所述图像A和图像B配准后得到的配准图像序列进行相减，得到减影图像；所述定位单元适于根据所述分割图像，在所述减影图像中定位***区域；所述获取单元适于根据预定阈值，对所述减影图像进行分割，得到所述***区域中增强的背景组织。通过计算增强的背景组织体积与***体积的比例对所述***进行乳腺癌风险的量化分析，医生可以根据该结果对受试者的乳腺癌风险进行进一步地分析。
上述***内增强背景组织提取装置中各单元的配合及工作过程可以参考上述乳腺癌风险量化分析方法的说明，在此不再赘述。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (6)
1.一种***内增强背景组织的提取方法，其特征在于，包括如下步骤：
(1)输入图像A和图像B，对所述图像A和图像B进行配准，得到配准图像序列，并对所述配准图像序列进行融合，得到融合图像序列；
(2)基于所述融合图像序列，获取***的皮肤线和胸壁线，并根据所述皮肤线和胸壁线，得到所述***组织的分割图像；
(3)根据所述分割图像和所述配准图像序列，得到所述***区域中增强的背景组织；
得到所述***区域中增强的背景组织的过程为：
将所述图像A和图像B配准后得到的配准图像序列进行相减，得到减影图像；
根据所述分割图像，在所述减影图像中定位***组织区域；
根据预定阈值，对所述减影图像进行分割，得到所述***区域中增强的背景组织。
2.如权利要求1所述一种***内增强背景组织的提取方法，其特征在于，所述图像A和图像B分别为打入造影剂前和打入造影剂后的***磁共振序列图像。
3.如权利要求1所述一种***内增强背景组织的提取方法，其特征在于，通过对所述配准图像序列加权的方法，得到所述融合图像序列。
4.如权利要求1所述一种***内增强背景组织的提取方法，其特征在于，得到所述***的分割图像的过程为：基于所述融合图像序列，对所述皮肤线和胸壁线进行线性连接，形成封闭区域，再对所述封闭区域进行填充。
5.如权利要求1所述一种***内增强背景组织的提取方法，其特征在于，通过理论模型得到所述预定阈值。
6.如权利要求5所述一种***内增强背景组织的提取方法，其特征在于，所述预定阈值为其中，所述σ为所述图像A或图像B的噪声水平。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410070338.4A CN104881858B (zh) | 2014-02-27 | 2014-02-27 | 一种***内增强背景组织的提取方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410070338.4A CN104881858B (zh) | 2014-02-27 | 2014-02-27 | 一种***内增强背景组织的提取方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104881858A CN104881858A (zh) | 2015-09-02 |
| CN104881858B true CN104881858B (zh) | 2017-09-29 |
Family
ID=53949343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410070338.4A Active CN104881858B (zh) | 2014-02-27 | 2014-02-27 | 一种***内增强背景组织的提取方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104881858B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10297024B2 (en) | 2015-09-30 | 2019-05-21 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for determining a breast region in a medical image |
| CN109222971B (zh) * | 2018-08-28 | 2022-05-17 | 深圳市一体医疗科技有限公司 | 一种乳腺成像方法及*** |
| CN110310314B (zh) * | 2019-03-26 | 2022-01-25 | 上海联影智能医疗科技有限公司 | 图像配准方法、装置、计算机设备和存储介质 |
| CN110031830B (zh) | 2019-04-29 | 2020-11-03 | 清华大学深圳研究生院 | 一种基于激光线扫描成像的测距方法 |
| CN110613486B (zh) * | 2019-09-30 | 2022-04-22 | 深圳大学总医院 | 一种乳腺超声图像的检测方法及装置 |
| CN113393475B (zh) * | 2021-06-30 | 2024-02-20 | 神州医疗科技股份有限公司 | 一种乳腺钼靶图像分割的装置、电子设备、医疗设备和介质 |
| WO2024042889A1 (ja) * | 2022-08-22 | 2024-02-29 | 富士フイルム株式会社 | 情報処理装置、情報処理方法、及びプログラム |
| WO2024042891A1 (ja) * | 2022-08-22 | 2024-02-29 | 富士フイルム株式会社 | 情報処理装置、情報処理方法、及びプログラム |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334895A (zh) * | 2008-08-07 | 2008-12-31 | 清华大学 | 一种针对动态增强乳腺磁共振影像序列的影像分割方法 |
| 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*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010067219A1 (en) * | 2008-12-09 | 2010-06-17 | Koninklijke Philips Electronics N.V. | Synopsis of multiple segmentation results for breast lesion characterization |
-
2014
- 2014-02-27 CN CN201410070338.4A patent/CN104881858B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334895A (zh) * | 2008-08-07 | 2008-12-31 | 清华大学 | 一种针对动态增强乳腺磁共振影像序列的影像分割方法 |
| 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*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104881858A (zh) | 2015-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104881858B (zh) | 一种***内增强背景组织的提取方法和装置 | |
| US9230331B2 (en) | Systems and methods for registration of ultrasound and CT images | |
| US9990743B2 (en) | Suppression of vascular structures in images | |
| JP7326499B2 (ja) | 画像検出モデルのトレーニング方法及びその関連装置、機器、記憶媒体 | |
| US9111174B2 (en) | Machine learnng techniques for pectoral muscle equalization and segmentation in digital mammograms | |
| JP2019512361A (ja) | 体積画像データセット内の血管構造のセグメント化のための方法及びシステム | |
| CN108090909A (zh) | 一种基于统计偏微分模型的超声造影图像分割方法 | |
| CN107507189A (zh) | 基于随机森林与统计模型的小鼠ct图像肾脏分割方法 | |
| WO2021129324A1 (zh) | 超声图像病灶的分割方法、装置和计算机设备 | |
| CN109886973A (zh) | 一种血管提取方法、装置及计算机可读存储介质 | |
| Yin et al. | Automatic breast tissue segmentation in MRIs with morphology snake and deep denoiser training via extended Stein’s unbiased risk estimator | |
| Cristobal-Huerta et al. | Automated quantification of epicardial adipose tissue in cardiac magnetic resonance imaging | |
| CN107292351B (zh) | 一种结节的匹配方法及装置 | |
| WO2024002110A1 (en) | Methods and systems for determining image control point | |
| Almi'ani et al. | Automatic segmentation algorithm for brain MRA images | |
| Vera et al. | Similarity enhancement for automatic segmentation of cardiac structures in computed tomography volumes | |
| CN110533667A (zh) | 基于图像金字塔融合的肺部肿瘤ct影像3d分割方法 | |
| CN107563992B (zh) | 一种***皮肤线的检测方法和装置 | |
| CN109564685B (zh) | 鲁棒的肺叶分割 | |
| CN105225231B (zh) | 基于病灶容积测量的mri自动图像分割方法 | |
| Almi'ani et al. | A modified region growing based algorithm to vessel segmentation in magnetic resonance angiography | |
| Chetty et al. | A survey on brain tumor extraction approach from MRI images using image processing | |
| CN114757953B (zh) | 医学超声图像识别方法、设备及存储介质 | |
| Hor et al. | Robust local estimation in anisotropic diffusion process | |
| WO2021044358A1 (en) | Method and system for image normalisation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 201807 2258 Chengbei Road, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee before: Shanghai Lianying Medical Technology Co.,Ltd. |