CN105678746A - 一种医学图像中肝脏范围的定位方法及装置 - Google Patents
一种医学图像中肝脏范围的定位方法及装置 Download PDFInfo
- Publication number
- CN105678746A CN105678746A CN201511021977.2A CN201511021977A CN105678746A CN 105678746 A CN105678746 A CN 105678746A CN 201511021977 A CN201511021977 A CN 201511021977A CN 105678746 A CN105678746 A CN 105678746A
- Authority
- CN
- China
- Prior art keywords
- medical images
- liver
- dimensional medical
- rib
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30056—Liver; Hepatic
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种医学图像中肝脏范围的定位方法及装置,定位方法包括:获取三维医学图像,所述三维医学图像由一组二维医学图像组成,所述三维医学图像覆盖肝脏;定位所述三维医学图像内肋骨所处二维医学图像的位置;基于所述肋骨的位置确定肝脏底部二维医学图像的位置;确定肝脏顶部二维医学图像的位置;由所述肝脏底部和顶部二维医学图像的位置,确定所述三维医学图像内肝脏的范围。本发明的技术方案仅需要当前图像数据,无需训练样本或概率图之类的先验信息。
Description
技术领域
本发明涉及医学图像处理领域,特别涉及一种医学图像中肝脏范围的定位方法及装置。
背景技术
在大型医学影像设备中,通常涉及到针对不同器官的图像处理、计算机辅助诊断或者指标参数的定量分析。对于此类医学图像数据,一般是在医学影像设备扫描时,采集并重建得到覆盖待分析器官区域的图像体数据(volumedata),之后由待分析器官所对应的应用模块进行具体的诊断分析。这里的图像体数据是三维医学图像,通常由一组二维医学图形组成。例如对人体躯干进行图像采集得到的图像体数据,可用于多个器官(例如肺部、心脏、肝脏或者肠道)的诊断分析。在各应用模块中,对于躯干部分的图像体数据,会基于相关算法在这部分图像体数据内定位到具体器官的图像数据范围,以便进行后续的图像处理、计算机辅助诊断或定量分析。
现有对肝脏的自动定位方法主要分为阈值、学习和模型三种方法。阈值的方法主要依据体数据灰度信息或者直方图分布计算出阈值,粗略分割出器官所在区域,依据灰度和边缘的位置计算肝脏重心,给出肝脏在体数据内的位置范围。这类方法计算较为耗时,且依赖于肝脏的灰度和形状信息。对于形变、病变严重或者造影剂强度较高的数据,可能因为肝脏区域的灰度与正常肝脏差异较大,导致计算出现偏差。
学习类方法一般对已知区域提取特征,之后通过Adaboost、神经网络或者决策树模型等机器学习的方法训练出有效的分类器,之后作用于新的图像区域,最终检测出肝脏所在范围。与之类似的方法是采用弱分类器从预定义的图像特征中挑选关键特征,在此基础上训练强分类器,用来检测特定器官所在范围。这类方法虽然可以有效检测肝脏范围,但需要一定的样本,训练生成分类器的过程非常耗时,且存在过度拟合的风险。
模型类方法主要是通过引入已知的概率图谱,构造器官位置模型。之后将针对输入图像优化模型参数,最终达到器官定位的效果。这类方法适用性比较广泛,但对预设的图谱/模型要求较高,且优化迭代的过程相当耗时。
发明内容
本发明要解决的问题是提供一种医学图像中肝脏范围的定位方法及其装置,解决现有肝脏定位方法中的上述问题,快速准确的在体数据内定位到肝脏范围。
为解决上述问题,本发明提供了一种医学图像中肝脏范围的定位方法,包括:获取三维医学图像,所述三维医学图像由一组二维医学图像组成,所述三维医学图像覆盖肝脏;定位所述三维医学图像内肋骨所处二维医学图像的位置;基于所述肋骨的位置确定肝脏底部二维医学图像的位置;确定肝脏顶部二维医学图像的位置;由所述肝脏底部和顶部二维医学图像的位置,确定所述三维医学图像内肝脏的范围。
优选的,所述定位三维医学图像内肋骨所处二维医学图像的位置包括:定位三维医学图像内肋骨下缘所处二维医学图像的位置;所述肝脏底部二维医学图像的位置基于肋骨下缘所处二维医学图像的位置进行确定。
优选的,所述定位三维医学图像内肋骨下缘所处二维医学图像的位置包括:获取三维医学图像的冠状位MIP图像;基于所述冠状位MIP图像获取骨骼区域图像;基于所述骨骼区域图像定位肋骨下缘所处二维医学图像的位置。
优选的,所述基于骨骼区域图像定位肋骨下缘所处二维医学图像的位置包括:获取骨骼区域图像内的脊柱中心线;基于所述脊柱中心线,去除所述骨骼区域图像内的脊柱;统计去除脊柱后的所述骨骼区域图像每行像素点数目,基于像素点数目定位肋骨下缘位置。
优选的,所述基于肋骨的位置确定肝脏底部二维医学图像的位置是由肋骨和肝脏在解剖结构上的相对位置确定。
优选的,所述确定肝脏顶部二维医学图像的位置包括:从所述肋骨所处二维医学图像的位置开始,朝肝脏顶部方向,计算各所述二维医学图像的检测区域内的平均灰度值;将所述平均灰度值和预先设置的阈值进行比较,得到肝脏顶部所处二维医学图像的位置。
基于上述医学图像中肝脏范围的定位方法,本发明还对应提供了一种医学图像中肝脏范围的定位装置。
与现有技术相比,本发明的技术方案仅需要当前图像数据,无需训练样本或概率图之类的先验信息。更进一步的,主要参考了图像中灰度较为稳定的骨骼和空气的信息,根据肝脏附近解剖结构而非肝脏本身定位肝脏,避免因图像噪声或者肝脏病变带来的不确定因素。更进一步的,检测算法基本在二维平面上完成,避免处理三维数据带来的复杂计算,能较快检测出肝脏大致位置。
附图说明
图1是医学影像设备的结构示意图;
图2是由医学影像设备采集得到的三维医学图像的示意图;
图3是本发明医学图像中肝脏范围定位方法的流程图;
图4是本发明定位三维医学图像内肋骨下缘方法的流程图;
图5是本发明基于冠状位MIP图像定位肋骨下缘方法的流程图;
图6a是本发明基于骨骼区域图像找到中心线的示意图;
图6b是本发明骨骼区域图像去除脊柱后的示意图;
图7是本发明确定肝脏顶部所处二维医学图像位置的流程图;
图8a是本发明在冠状位图像中从肋骨下缘位置开始进行计算的示意图;
图8b是本发明各二维医学图像中检测区域的示意图;
图9是本发明医学图像中肝脏范围定位装置的结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种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方式的限制。
图1是一种医学影像设备的结构图,这里以计算机断层扫描设备(CT,ComputedTomography)为例进行说明。参见图1,计算机断层扫描设备100通常包括机架101、扫描床102以及供医生操作的控制台103三个部分。控制台103通常包括控制成像端进行扫描的电脑和图像高级后处理工作站的电脑。在扫描成像时,患者躺着扫描床102上,由扫描床102将患者推入到机架101的孔径内。机架101内一侧有球管,球管可以发出X射线,X射线穿过患者后被与球管相对设置的探测器接收到从而形成数据。探测器将采集到的数据发送到控制台103进行数据的初步处理、图像重建,形成CT图像。
参见图2,一次CT扫描的扫描区域201通常覆盖了人体202的大部分区域。根据一次CT扫描(可以是步进式扫描或者螺旋扫描)采集到的数据可以重建得到一个三维医学图像的体数据300,这个体数据300通常包括了一组二维医学图像301,每张二维医学图像301是与人体长轴z方向垂直的横断位图像(axialimage),代表了人体200某一断层的内部解剖信息。对于重建得到的体数据300,通常保存为该患者的一个图像序列,医生在进行后续医学诊断时,会将该体数据300导入到相应的应用模块中进行处理。
例如对人体进行CT扫描时的扫描区域为躯干,则重建得到的体数据对应躯干部分,该体数据内包含了肝脏,可以将该体数据导入到肝分析的应用模块进行后续的诊断分析。具体为首先在该体数据内定位到肝脏的位置,比如初始的体数据为250层(每一层作为一个二维医学图像)的三维医学图像,定位到肝脏的位置为第70层至第190层,之后仅对第70层至第190层的图像进行肝脏分割、病变识别等。
本发明的技术方案针对肝脏范围的定位,提出了一种医学图像中肝脏范围的定位方法。本发明的技术方案也可以适用于其他需要对体数据进行肝脏定位的场景,并不仅仅是在导入到肝脏应用模块时候。
参见图3,本发明的定位方法包括以下步骤:
S301,获取三维医学图像。
由之前的描述可知,三维医学图像(即图像体数据)通常是通过医学影像设备采集重建得到。具体的获取方式可以是在线模式下实时采集得到的三维医学图像,也可以是在离线模式下读取保存的三维医学图像,还可以是远程传输到本地的三维医学图像。
三维医学图像可以通过CT设备采集得到,也可以通过其他的医学影像设备,例如X光机C型臂设备采集得到。
S302,定位所述三维医学图像内肋骨所处二维医学图像的位置。
获取得到三维医学图像后,在三维医学图像内定位肋骨所处的片层位置。
对于肋骨的定位方法可以有多种,例如最简单的通过阈值化(thresholding)的方法,得到各二维医学图像片层内骨骼的掩膜。之后对各掩膜中连通区域进行面积阈值的筛选或者形状匹配,确认是否属于肋骨,从而判断肋骨所处的片层位置。这里的肋骨位置为片层的一个范围,在其他情况下也可以仅是肋骨的某一个易于识别的解剖结构。
在本发明的一种优选实施方式中,由于不同患者肋骨的大小差异、结构的区别,肋骨本身在人体中的一定形变。在定位肋骨时可采用仅定位出肋骨下缘的方式,使定位更加快速准确。
定位肋骨下缘的方法可以有多种,在本发明的一种优选的实施方式中,参见图4,包括以下步骤:
S3021,获取三维医学图像的冠状位MIP图像。
对步骤S301得到的三维医学图像,计算得到冠状位最大密度投影(MIP,MaximumIntensityProjection)图像。转换成MIP图像的方式,将对三维医学图像的处理转换成了对二维医学图像的处理,优化了图像的处理速度。
S3022,基于所述冠状位MIP图像获取骨骼区域图像。
对冠状位MIP图像取阈值,由于骨骼比软组织的灰度值高很多,由此获得骨骼区域图像。图6a是骨骼区域图像的示意图,图中可以清晰看到骨骼区域。
S3023,基于所述骨骼区域图像定位肋骨下缘所处二维医学图像的位置。
在图6a的骨骼区域图像内定位肋骨下缘的位置,优选的方法如图5所示,包括以下步骤:S3024,获取骨骼区域图像内的脊柱中心线,参见图6a,中心线601具体可以通过计算骨骼区域图像的重心得到,其他的方法也有例如统计灰度值分布等;S3025,基于所述脊柱的中心线601,根据脊柱的大致直径,以中心线601为中心向外扩展,去除一定距离内的图像区域,从而去除骨骼区域图像内的脊柱,去除脊柱后的图像如图6b所示;S3026,统计去除脊柱后的骨骼区域图像每行像素点的数目,具体可以沿人体长轴z方向统计像素点数目的变化曲线,由于去除掉脊柱后骨骼区域图像中间部分的像素点数目几乎为0,因此可以从中间开始,向上统计图像每行像素点的数目。当达到图像某行时,像素点数目符合初始设置的阈值,该行则为肋骨下缘,该行对应的片层则为肋骨下缘所处二维医学图像的位置。
以上介绍了定位肋骨下缘的方法,在实际过程中,也可以选取肋骨的其他解剖结构进行定位,例如剑突或者具体的某一节肋骨,根据选取的具体解剖结构不同,采用的定位方法也会有差异。
S303,基于所述肋骨的位置确定肝脏底部二维医学图像的位置。
待确定好肋骨位置后,根据肋骨和肝脏底部在解剖结构上的相对位置,确定肝脏底部的位置。例如在解剖结构上肝脏底部位于肋骨下缘8cm处,三维医学图像中每层的间隔距离为2mm,如果肋骨下缘位于三维医学图像的第150层,则肝脏底部位于第190层。
若是定位的是肋骨整体或部分区域,则可以取肋骨整体区域的重心到肝脏底部的解剖学相对位置,按照和肋骨下缘同样的方法转换到具体距离层数的关系。如果定位的是剑突,则根据剑突离肝脏底部的解剖学相对位置转换到具体层数的距离关系。
S304,确定肝脏顶部二维医学图像的位置。
肝脏的顶部紧贴横隔,通常不易于定位。在本发明的一种优选的实施方式中,如图7所示,包括如下步骤:
S3041,从所述肋骨所处二维医学图像的位置开始,朝肝脏顶部方向,计算各二维医学图像的检测区域内的平均灰度值。结合图8a、8b进行说明,由之前步骤定位到肋骨下缘801,则可以从肋骨下缘801开始朝肝脏顶部a方向,逐层计算各二维医学图像(例如二维医学图像802、803、804)内检测区域的平均灰度值。如果定位的是肋骨其他区域,也可以从肋骨较下的位置处开始。图8b示意出了在朝肝脏顶部方向检测的过程中,二维医学图像的变化情况,以及检测区域内灰度值的变化情况,当二维医学图像从开始位置逐步朝肝脏顶部方向逐步靠近横隔的过程中时,二维医学图像内的检测区域810的平均灰度值明显逐渐接近空气的水平。从二维医学图像802内检测区域810的平均灰度值大于100,到二维医学图像803内检测区域的平均灰度值小于100,最后二维医学图像804内检测区域的平均灰度值小于-700。检测区域810可以选在各二维医学图像内肝脏面积变化较大的区域,优选的是脊柱的左上区域。
S3042,将平均灰度值和预先设置的阈值进行比较,得到肝脏顶部所处二维医学图像的位置。例如预设的灰度值阈值为-700,平均灰度值最接近-700的二维医学图像所在片层认为是肝脏顶部所处的二维医学图像位置。
S305,由所述肝脏底部和顶部二维医学图像的位置,确定所述三维医学图像内肝脏的范围。
由步骤S303、步骤S304分别确认的肝脏底部和肝脏顶部所处二维医学图像的位置,确定肝脏在三维医学图像内的范围。例如肝脏底部所处二维医学图像为第190层,肝脏顶部所处二维医学图像为第70层,则在三维医学图像内肝脏的范围为第70层至第190层。
在本发明的一种优选实施方式中,在步骤S3021获取三维医学图像的冠状位MIP图像之前,还包括对于三维医学图像进行初始的图像处理,例如去除三维医学图像内的床板、衣物等,分割出人体部分。
在本发明医学图像中肝脏范围的定位方法的基础上,还提供了一种医学图像中肝脏范围的定位装置,如图9所示,包括:
图像获取单元901,用于获取三维医学图像,所述三维医学图像由一组二维医学图像组成,所述三维医学图像覆盖肝脏;
肋骨定位单元902,用于定位所述三维医学图像内肋骨所处二维医学图像的位置;
底部位置确定单元903,用于基于所述肋骨的位置确定肝脏底部二维医学图像的位置;
顶部位置确定单元904,用于确定肝脏顶部二维医学图像的位置;
肝脏范围确定单元905,用于由所述肝脏底部和顶部二维医学图像的位置,确定所述三维医学图像内肝脏的范围。
优选的,底部位置确定单元903包括:MIP图像产生单元9031,用于获取三维医学图像的冠状位MIP图像;骨骼区域图像产生单元9032,用于基于所述冠状位MIP图像获取骨骼区域图像;以及,肋骨下缘定位单元9033,用于基于所述骨骼区域图像定位肋骨下缘所处二维医学图像的位置。
优选的,肋骨下缘定位单元9033包括:中心线获取单元9034,用于获取骨骼区域图像内的脊柱中心线;脊柱去除单元9035,用于基于所述脊柱中心线,去除所述骨骼区域图像内的脊柱;统计单元9036,用于统计去除脊柱后的所述骨骼区域图像每行像素点数目,基于像素点数目定位肋骨下缘位置。
优选的,顶部位置确定单元904包括:计算单元9041,用于从所述肋骨所处二维医学图像的位置开始,朝肝脏顶部方向,计算各所述二维医学图像的检测区域内的平均灰度值;以及比较单元9042,用于将所述平均灰度值和预先设置的阈值进行比较,得到肝脏顶部所处二维医学图像的位置。
本发明医学图像中肝脏定位装置的具体实施方式可参考本发明肝脏定位方法的实施方式,这里不再一一赘述。
本发明的技术方案仅需要当前图像数据,无需训练样本或概率图之类的先验信息。更进一步的,主要参考了图像中灰度较为稳定的骨骼和空气的信息,根据肝脏附近解剖结构而非肝脏本身定位肝脏,避免因图像噪声或者肝脏病变带来的不确定因素。更进一步的,检测算法基本在二维平面上完成,避免处理三维数据带来的复杂计算,能较快检测出肝脏大致位置。
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 (10)
1.一种医学图像中肝脏范围的定位方法,其特征在于,包括:
获取三维医学图像,所述三维医学图像由一组二维医学图像组成,所述三维医学图像覆盖肝脏;
定位所述三维医学图像内肋骨所处二维医学图像的位置;
基于所述肋骨的位置确定肝脏底部二维医学图像的位置;
确定肝脏顶部二维医学图像的位置;
由所述肝脏底部和顶部二维医学图像的位置,确定所述三维医学图像内肝脏的范围。
2.根据权利要求1所述的定位方法,其特征在于,所述定位三维医学图像内肋骨所处二维医学图像的位置包括:定位三维医学图像内肋骨下缘所处二维医学图像的位置;所述肝脏底部二维医学图像的位置基于肋骨下缘所处二维医学图像的位置进行确定。
3.根据权利要求2所述的定位方法,其特征在于,所述定位三维医学图像内肋骨下缘所处二维医学图像的位置包括:
获取三维医学图像的冠状位MIP图像;
基于所述冠状位MIP图像获取骨骼区域图像;
基于所述骨骼区域图像定位肋骨下缘所处二维医学图像的位置。
4.根据权利要求3所述的定位方法,其特征在于,所述基于骨骼区域图像定位肋骨下缘所处二维医学图像的位置包括:
获取骨骼区域图像内的脊柱中心线;
基于所述脊柱中心线,去除所述骨骼区域图像内的脊柱;
统计去除脊柱后的所述骨骼区域图像每行像素点数目,基于像素点数目定位肋骨下缘位置。
5.根据权利要求1所述的定位方法,其特征在于,所述基于肋骨的位置确定肝脏底部二维医学图像的位置是由肋骨和肝脏在解剖结构上的相对位置确定。
6.根据权利要求1所述的定位方法,其特征在于,所述确定肝脏顶部二维医学图像的位置包括:
从所述肋骨所处二维医学图像的位置开始,朝肝脏顶部方向,计算各所述二维医学图像的检测区域内的平均灰度值;
将所述平均灰度值和预先设置的阈值进行比较,得到肝脏顶部所处二维医学图像的位置。
7.一种医学图像中肝脏范围的定位装置,其特征在于,包括:
图像获取单元,用于获取三维医学图像,所述三维医学图像由一组二维医学图像组成,所述三维医学图像覆盖肝脏;
肋骨定位单元,用于定位所述三维医学图像内肋骨所处二维医学图像的位置;
底部位置确定单元,用于基于所述肋骨的位置确定肝脏底部二维医学图像的位置;
顶部位置确定单元,用于确定肝脏顶部二维医学图像的位置;
肝脏范围确定单元,用于由所述肝脏底部和顶部二维医学图像的位置,确定所述三维医学图像内肝脏的范围。
8.根据权利要求7所述的定位装置,其特征在于,所述底部位置确定单元包括:
MIP图像产生单元,用于获取三维医学图像的冠状位MIP图像;
骨骼区域图像产生单元,用于基于所述冠状位MIP图像获取骨骼区域图像;
肋骨下缘定位单元,用于基于所述骨骼区域图像定位肋骨下缘所处二维医学图像的位置。
9.根据权利要求8所述的定位装置,其特征在于,所述肋骨下缘定位单元包括:
中心线获取单元,用于获取骨骼区域图像内的脊柱中心线;
脊柱去除单元,用于基于所述脊柱中心线,去除所述骨骼区域图像内的脊柱;
统计单元,用于统计去除脊柱后的所述骨骼区域图像每行像素点数目,基于像素点数目定位肋骨下缘位置。
10.根据权利要求7所述的定位装置,其特征在于,所述顶部位置确定单元包括:
计算单元,用于从所述肋骨所处二维医学图像的位置开始,朝肝脏顶部方向,计算各所述二维医学图像的检测区域内的平均灰度值;
比较单元,用于将所述平均灰度值和预先设置的阈值进行比较,得到肝脏顶部所处二维医学图像的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511021977.2A CN105678746B (zh) | 2015-12-30 | 2015-12-30 | 一种医学图像中肝脏范围的定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511021977.2A CN105678746B (zh) | 2015-12-30 | 2015-12-30 | 一种医学图像中肝脏范围的定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105678746A true CN105678746A (zh) | 2016-06-15 |
CN105678746B CN105678746B (zh) | 2018-04-03 |
Family
ID=56298138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511021977.2A Active CN105678746B (zh) | 2015-12-30 | 2015-12-30 | 一种医学图像中肝脏范围的定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678746B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600609A (zh) * | 2016-11-30 | 2017-04-26 | 上海联影医疗科技有限公司 | 一种医学图像中脊柱的分割方法及*** |
CN106650734A (zh) * | 2016-12-29 | 2017-05-10 | 上海联影医疗科技有限公司 | 定位图像子区域识别方法、医学图像显示方法及装置 |
CN106683090A (zh) * | 2016-12-31 | 2017-05-17 | 上海联影医疗科技有限公司 | 医学图像中肋骨的定位方法及其*** |
CN107563998A (zh) * | 2017-08-30 | 2018-01-09 | 上海联影医疗科技有限公司 | 医学图像中心脏图像处理方法 |
CN108846022A (zh) * | 2018-05-24 | 2018-11-20 | 沈阳东软医疗***有限公司 | 文件存储方法、文件转换方法、装置、设备及存储介质 |
WO2019041262A1 (en) * | 2017-08-31 | 2019-03-07 | Shenzhen United Imaging Healthcare Co., Ltd. | SYSTEM AND METHOD FOR IMAGE SEGMENTATION |
CN109447974A (zh) * | 2018-10-31 | 2019-03-08 | 上海联影医疗科技有限公司 | 体数据处理方法、装置、图像处理工作站和可读存储介质 |
CN109949899A (zh) * | 2019-02-28 | 2019-06-28 | 未艾医疗技术(深圳)有限公司 | 图像三维测量方法、电子设备、存储介质及程序产品 |
CN111161268A (zh) * | 2019-12-12 | 2020-05-15 | 科大讯飞股份有限公司 | 图像处理方法、装置、电子设备及计算机存储介质 |
TWI715117B (zh) * | 2018-07-24 | 2021-01-01 | 大陸商北京市商湯科技開發有限公司 | 醫療影像處理方法及裝置、電子設備及儲存介質 |
CN113506241A (zh) * | 2021-05-25 | 2021-10-15 | 首都医科大学附属北京友谊医院 | 用于对听骨链图像进行处理的方法和相关产品 |
WO2022000731A1 (zh) * | 2020-06-29 | 2022-01-06 | 苏州润迈德医疗科技有限公司 | 基于ct序列图像获取心脏重心和脊椎重心的方法和*** |
CN117653163A (zh) * | 2023-12-05 | 2024-03-08 | 上海长征医院 | 一种肝脏图像采集处理的方法、***、计算机及终端 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261732A (zh) * | 2008-03-04 | 2008-09-10 | 浙江大学 | 多排螺旋ct影像中的自动分割肝脏区域的方法 |
CN101779964A (zh) * | 2009-01-20 | 2010-07-21 | 株式会社东芝 | 超声波诊断装置和位置信息取得方法 |
CN104408398A (zh) * | 2014-10-21 | 2015-03-11 | 无锡海斯凯尔医学技术有限公司 | 一种肝脏边界的识别方法及*** |
-
2015
- 2015-12-30 CN CN201511021977.2A patent/CN105678746B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261732A (zh) * | 2008-03-04 | 2008-09-10 | 浙江大学 | 多排螺旋ct影像中的自动分割肝脏区域的方法 |
CN101779964A (zh) * | 2009-01-20 | 2010-07-21 | 株式会社东芝 | 超声波诊断装置和位置信息取得方法 |
CN104408398A (zh) * | 2014-10-21 | 2015-03-11 | 无锡海斯凯尔医学技术有限公司 | 一种肝脏边界的识别方法及*** |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600609A (zh) * | 2016-11-30 | 2017-04-26 | 上海联影医疗科技有限公司 | 一种医学图像中脊柱的分割方法及*** |
CN106650734A (zh) * | 2016-12-29 | 2017-05-10 | 上海联影医疗科技有限公司 | 定位图像子区域识别方法、医学图像显示方法及装置 |
CN106683090A (zh) * | 2016-12-31 | 2017-05-17 | 上海联影医疗科技有限公司 | 医学图像中肋骨的定位方法及其*** |
CN107563998A (zh) * | 2017-08-30 | 2018-01-09 | 上海联影医疗科技有限公司 | 医学图像中心脏图像处理方法 |
CN107563998B (zh) * | 2017-08-30 | 2020-02-11 | 上海联影医疗科技有限公司 | 医学图像中心脏图像处理方法 |
WO2019041262A1 (en) * | 2017-08-31 | 2019-03-07 | Shenzhen United Imaging Healthcare Co., Ltd. | SYSTEM AND METHOD FOR IMAGE SEGMENTATION |
US11715206B2 (en) | 2017-08-31 | 2023-08-01 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image segmentation |
US11508068B2 (en) | 2017-08-31 | 2022-11-22 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image segmentation |
US10621724B2 (en) | 2017-08-31 | 2020-04-14 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image segmentation |
US10789709B2 (en) | 2017-08-31 | 2020-09-29 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image segmentation |
CN108846022A (zh) * | 2018-05-24 | 2018-11-20 | 沈阳东软医疗***有限公司 | 文件存储方法、文件转换方法、装置、设备及存储介质 |
TWI715117B (zh) * | 2018-07-24 | 2021-01-01 | 大陸商北京市商湯科技開發有限公司 | 醫療影像處理方法及裝置、電子設備及儲存介質 |
CN109447974B (zh) * | 2018-10-31 | 2022-01-25 | 上海联影医疗科技股份有限公司 | 体数据处理方法、装置、图像处理工作站和可读存储介质 |
CN109447974A (zh) * | 2018-10-31 | 2019-03-08 | 上海联影医疗科技有限公司 | 体数据处理方法、装置、图像处理工作站和可读存储介质 |
CN109949899A (zh) * | 2019-02-28 | 2019-06-28 | 未艾医疗技术(深圳)有限公司 | 图像三维测量方法、电子设备、存储介质及程序产品 |
CN111161268A (zh) * | 2019-12-12 | 2020-05-15 | 科大讯飞股份有限公司 | 图像处理方法、装置、电子设备及计算机存储介质 |
CN111161268B (zh) * | 2019-12-12 | 2024-04-30 | 科大讯飞股份有限公司 | 图像处理方法、装置、电子设备及计算机存储介质 |
WO2022000731A1 (zh) * | 2020-06-29 | 2022-01-06 | 苏州润迈德医疗科技有限公司 | 基于ct序列图像获取心脏重心和脊椎重心的方法和*** |
CN113506241A (zh) * | 2021-05-25 | 2021-10-15 | 首都医科大学附属北京友谊医院 | 用于对听骨链图像进行处理的方法和相关产品 |
CN117653163A (zh) * | 2023-12-05 | 2024-03-08 | 上海长征医院 | 一种肝脏图像采集处理的方法、***、计算机及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN105678746B (zh) | 2018-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105678746A (zh) | 一种医学图像中肝脏范围的定位方法及装置 | |
CN109583440B (zh) | 结合影像识别与报告编辑的医学影像辅助诊断方法及*** | |
CN107798682B (zh) | 图像分割***、方法、装置和计算机可读存储介质 | |
US11984217B2 (en) | Method and apparatus for processing histological image captured by medical imaging device | |
CN108010021B (zh) | 一种医学图像处理***和方法 | |
El-Baz et al. | 3D shape analysis for early diagnosis of malignant lung nodules | |
CN109636808B (zh) | 一种基于全卷积神经网络的肺叶分割方法 | |
El-Baz et al. | A novel shape-based diagnostic approach for early diagnosis of lung nodules | |
CN101576997B (zh) | 基于二次三维区域生长的腹部器官分割方法 | |
CN103501699B (zh) | 用于隔离成像数据中的潜在异常的方法和装置和其对医学图像的应用 | |
CN108520519A (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
Ma et al. | Two graph theory based methods for identifying the pectoral muscle in mammograms | |
CN110310281A (zh) | 一种基于Mask-RCNN深度学习的虚拟医疗中肺结节检测与分割方法 | |
CN100573581C (zh) | 肺部ct图像病灶半自动分割方法 | |
CN1620990A (zh) | 在ct血管造影术中分割结构的方法及设备 | |
CN101103924A (zh) | 基于乳腺x线摄片的乳腺癌计算机辅助诊断方法及其*** | |
RU2589461C2 (ru) | Устройство для создания присваиваний между областями изображения и категориями элементов | |
CN110706241B (zh) | 一种三维病灶区域提取方法和装置 | |
JPH1156828A (ja) | 異常陰影候補検出方法および装置 | |
CN112116004B (zh) | 病灶分类方法及装置、病灶分类模型的训练方法 | |
CN110458859B (zh) | 一种基于多序列mri的多发性骨髓瘤病灶的分割*** | |
CN105513036A (zh) | 三维ct图像的分割方法及装置 | |
CN103886621A (zh) | 一种自动提取床板的方法 | |
WO2021183765A1 (en) | Automated detection of tumors based on image processing | |
CN113256672B (zh) | 图像处理方法及装置,模型的训练方法及装置,电子设备 |
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: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai. Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 No. 2258 Chengbei Road, Jiading Industrial Zone, Jiading District, Shanghai. Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |