CN105741310A - 一种心脏左心室图像分割***及方法 - Google Patents
一种心脏左心室图像分割***及方法 Download PDFInfo
- Publication number
- CN105741310A CN105741310A CN201610161395.2A CN201610161395A CN105741310A CN 105741310 A CN105741310 A CN 105741310A CN 201610161395 A CN201610161395 A CN 201610161395A CN 105741310 A CN105741310 A CN 105741310A
- Authority
- CN
- China
- Prior art keywords
- left ventricle
- profile
- image
- aorta
- distance
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
-
- 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
- G06T2207/30048—Heart; Cardiac
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种心脏左心室图像分割***及方法。该***包括:图像转换单元;左心室轮廓粗提取单元;左心室轮廓精提取单元。该方法包括:分割核磁共振图像得到二值化图像,通过欧氏距离变换将二值化图像转化为灰度图像;将二值化图像中的各个相连通区域间隔开,粗提取出左心室轮廓;判断左心室轮廓与主动脉轮廓是否相连,若粗提取出的左心室轮廓与主动脉轮廓相连,则去除主动脉分割开,修补左心室轮廓,得到心脏左心室图像分割结果;否则粗提取出的左心室轮廓即作为左心室轮廓。本发明能在影像方面排除左心室与主动脉相连的影响,准确的分割左心室底层图像,克服主动脉对左心室造成的边缘泄露的影响,从而得到精确的左心室分割结果。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种心脏左心室图像分割***及方法。
背景技术
在众多图像分割方法中,有很多适合分割心脏磁共振短轴图像的方法,如区域生长方法、阈值法和水平集方法等。如在论文“形状统计Mumford-Shah模型的MR图像左心室外轮廓分割”中采用了结合形状统计的Mumford-Shah模型分割方法对心脏左心室进行分割,对弱边界和边界断裂的情况进行了考虑。但是其忽略了心脏底层由于主动脉的原因导致部分左心室边界不存在的情况。而论文“结合纹理与形状的TaggedMR图像左心室分割算法”将纹理分类信息与形状统计先验知识引入Mumford-Shah模型中,提出了一种改进的分割带标记线核磁共振图像的左心室内外轮廓的方法,同样未对心脏底层与主动脉相连的情况加以考虑,在纹理上难以区分,在形状统计上也未具体介绍解决方法。在论文“基于Snake改进模型的心脏MR图像左心室分割方法”中,主要注重心脏中层左心室内外膜的分割,未对心脏底层边缘泄露的情况加以考虑。
心脏底层由于与主动脉相连的原因,导致边缘泄露,所以分割起来难度比较大,大部分分割方法都难以处理这样的问题。大部分学者在分割心脏左心室时主要注重对中层的分割,忽略对左心室底层的处理,然而心脏左心室底层连接着主动脉,对心脏左心室底层的处理是获取心脏左心室的各种信息以及对心脏左心室进行三维重建所必须的。
发明内容
针对现有技术存在的不足,本发明提供一种心脏左心室图像分割***及方法。
本发明的技术方案是:
一种心脏左心室图像分割***,包括:
图像转换单元:在核磁共振图像的左心室上选取种子点,将核磁共振图像的最大灰度值和最小灰度值的平均值作为初始分割阈值,将核磁共振图像分割为前景和背景,将前景的平均灰度值与背景的平均灰度值取平均作为新的分割阈值,若新的分割阈值与前次迭代所得的分割阈值之差小于设定的允许范围,则当前分割阈值即为最终分割阈值,否则继续迭代计算,最终得到二值化图像,再通过欧氏距离变换将二值化图像转化为灰度图像;
左心室轮廓粗提取单元:按灰度递增的次序给灰度图像的像素排序,使用一个FIFO队列按照宽度优先的方式递归地分配给每一灰度极小区域分别形成新的灰度极小区域,并在分配时将第一个灰度极小区域的像素点都标记为0,后面的灰度极小区域的标记依次加1,按标记将灰度图像中的各个相连通区域区分开,通过选取的种子点粗提取出左心室轮廓;
左心室轮廓精提取单元:若粗提取出的左心室轮廓与主动脉轮廓相连,则去除主动脉,修补左心室轮廓,得到心脏左心室图像分割结果;若粗提取出的左心室轮廓与主动脉轮廓不相连,则粗提取出的左心室轮廓即作为左心室轮廓,得到心脏左心室图像分割结果。
所述左心室轮廓精提取单元,包括:
分析判断单元:计算粗提取出的左心室轮廓质心到各边缘点的距离,找出距离最大值Ma和距离最小值Mi,并根据距离最大值和距离最小值分析和判断左心室是否与主动脉相连:如果Ma<30个像素点单位长度且(Ma-Mi)/Ma>0.55,或者Ma>30个像素点单位长度且(Ma-Mi)/Ma>0.38,则左心室与主动脉相连,需要进行形态学处理,否则粗提取出的左心室轮廓即作为左心室轮廓。
所述左心室轮廓精提取单元,还包括:
形态学处理单元:找出粗提取出的左心室轮廓中质心到边缘点的所有极小值,若距离最大值Ma的位置在两个相邻的极小值点之间,则以这两个极小值点为分割点作直线将左心室轮廓与主动脉轮廓分隔开,重新确定左心室轮廓的质心,在两个分割点与该质心相连所成角度的中线方向取两个分割点到质心的距离平均值作第三个分割点,以这三个分割点作曲线补全左心室轮廓边缘,得到左心室轮廓。
所述极小值点Pi满足(Pi-Mi)/(Ma-Mi)<0.3。
本发明还提供一种心脏左心室图像分割方法,包括:
图像转换:在核磁共振图像的左心室上选取种子点,将核磁共振图像的最大灰度值和最小灰度值的平均值作为初始分割阈值,将核磁共振图像分割为前景和背景,将前景的平均灰度值与背景的平均灰度值取平均作为新的分割阈值,若新的分割阈值与前次迭代所得的分割阈值之差小于设定的允许范围,则当前分割阈值即为最终分割阈值,否则继续迭代计算,最终得到二值化图像,再通过欧氏距离变换将二值化图像转化为灰度图像;
粗提取左心室轮廓:按灰度递增的次序给灰度图像的像素排序,使用一个FIFO队列按照宽度优先的方式递归地分配给每一灰度极小区域分别形成新的灰度极小区域,并在分配时将第一个灰度极小区域的像素点都标记为0,后面的灰度极小区域的标记依次加1,按标记将灰度图像中的各个相连通区域区分开,通过选取的种子点粗提取出左心室轮廓;
精提取左心室轮廓:若粗提取出的左心室轮廓与主动脉轮廓相连,则去除主动脉,修补左心室轮廓,得到心脏左心室图像分割结果;若粗提取出的左心室轮廓与主动脉轮廓不相连,则粗提取出的左心室轮廓即作为左心室轮廓,得到心脏左心室图像分割结果。
所述精提取左心室轮廓的具体步骤包括:
计算粗提取出的左心室轮廓质心到各边缘点的距离;
找出距离最大值Ma和距离最小值Mi;
根据距离最大值和距离最小值分析和判断左心室是否与主动脉相连:如果Ma<30个像素点单位长度且(Ma-Mi)/Ma>0.55,或者Ma>30个像素点单位长度且(Ma-Mi)/Ma>0.38,则左心室与主动脉相连,需要进行形态学处理后得到左心室轮廓,否则粗提取出的左心室轮廓即作为左心室轮廓。
所述形态学处理的具体步骤包括:
找出粗提取出的左心室轮廓中质心到边缘点的所有极小值;
若距离最大值Ma的位置在两个相邻的极小值点之间,则以这两个极小值点为分割点作直线将左心室轮廓与主动脉轮廓分隔开;
重新确定左心室轮廓的质心;
在两个分割点与该质心相连所成角度的中线方向取两个分割点到质心的距离平均值作第三个分割点;
以这三个分割点作曲线补全左心室轮廓边缘,得到左心室轮廓。
有益效果:
本发明的心脏左心室图像分割***及方法能在影像方面排除左心室与主动脉相连的影响,准确地分割左心室底层图像。判断左心室是否与主动脉相连并是否导致边缘泄露的情况,若产生边缘泄露的情况,则形态学去除主动脉边缘并将缺失的边缘用与左心室边缘相似的曲线弥补,克服主动脉对左心室造成的边缘泄露的影响,从而得到准确的左心室分割结果。
附图说明
图1是本发明实施例1的心脏左心室图像分割***框图;
图2是本发明实施例2的心脏左心室图像分割方法流程图;
图3是本发明实施例2的精提取左心室轮廓的流程图;
图4是本发明实施例2的形态学处理的流程图;
图5是本发明实施例2的二值化图像;
图6是本发明实施例2的欧氏距离变换的转化结果;
图7是本发明实施例2的左心室轮廓粗提取结果图;
图8是本发明实施例2的左心室轮廓质心到各边缘点距离曲线图;
图9是本发明实施例2的一组左心室底层(Ma-Mi)/MA比值曲线图;
图10是本发明实施例2的以三个分割点作曲线补全左心室轮廓边缘结果图;
图11是本发明实施例2的精提取得到的左心室轮廓结果图。
具体实施方式
下面结合附图和实施例对本发明的具体实施方式做详细说明。
实施例1
一种心脏左心室图像分割***,如图1所示,包括:
图像转换单元:在核磁共振图像的左心室上选取种子点,求出核磁共振图像的最大灰度值Z0和最小灰度值Z1,将核磁共振图像的最大灰度值和最小灰度值的平均值作为初始分割阈值T=(Z0+Z1)/2,将核磁共振图像分割为前景和背景,分别求出前景的平均灰度值T0和背景的平均灰度值T1,将前景的平均灰度值与背景的平均灰度值取平均作为新的分割阈值,若新的分割阈值TT=(T0+T1)/2与前次迭代所得的分割阈值之差小于设定的允许范围,则当前分割阈值即为最终分割阈值,否则继续迭代计算,最终得到二值化图像,再通过欧氏距离变换将二值化图像转化为灰度图像;图像转换单元提取出核磁共振图像中主要器官和组织,滤除无用的区域,并将复杂的灰度图像转化为区域中心灰度值最小并向边缘递增的简单灰度图像。
左心室轮廓粗提取单元:按灰度递增的次序给灰度图像的像素排序,使用一个FIFO队列按照宽度优先的方式递归地分配给每一灰度极小区域分别形成新的灰度极小区域,并在分配时将第一个灰度极小区域的像素点都标记为0,后面的灰度极小区域的标记依次加1,按标记将灰度图像中的各个相连通区域区分开,通过选取的种子点粗提取出左心室轮廓。
左心室轮廓精提取单元:若粗提取出的左心室轮廓与主动脉轮廓相连,则去除主动脉,修补左心室轮廓,得到心脏左心室图像分割结果;若粗提取出的左心室轮廓与主动脉轮廓不相连,则粗提取出的左心室轮廓即作为左心室轮廓,得到心脏左心室图像分割结果。
左心室轮廓精提取单元,包括:
分析判断单元:通过处理10个病人的400组心脏左心室底层数据获得经验数值,计算粗提取出的左心室轮廓质心到各边缘点的距离,找出距离最大值Ma和距离最小值Mi,并根据距离最大值和距离最小值分析和判断左心室是否与主动脉相连:如果Ma<30个像素点单位长度且(Ma-Mi)/Ma>0.55,或者Ma>30个像素点单位长度且(Ma-Mi)/Ma>0.38,则左心室与主动脉相连,需要进行形态学处理,否则粗提取出的左心室轮廓即作为左心室轮廓。
形态学处理单元:找出粗提取出的左心室轮廓中质心到边缘点的所有满足(Pi-Mi)/(Ma-Mi)<0.3的极小值点Pi,若距离最大值Ma的位置在两个相邻的极小值点之间,则以这两个极小值点为分割点作直线将左心室轮廓与主动脉轮廓分隔开,重新确定左心室轮廓的质心,在两个分割点与该质心相连所成角度的中线方向取两个分割点到质心的距离平均值作第三个分割点,以这三个分割点作曲线补全左心室轮廓边缘,得到左心室轮廓。
应用本发明提供的***,可以较为精确地找到左心室与主动脉的分割点,从而避免了主动脉对左心室分割的影响,为心脏左心室的三维重建提供了精确的左心室分割结果,使得对左心室的观测更准确、有效。
实施例2
本发明还提供一种采用实施例1所述***进行心脏左心室图像分割的方法,如图2所示,包括:
步骤201、在核磁共振图像的左心室上选取种子点,求出核磁共振图像的最大灰度值Z0和最小灰度值Z1,将核磁共振图像的最大灰度值和最小灰度值的平均值作为初始分割阈值T=(Z0+Z1)/2,将核磁共振图像分割为前景和背景,分别求出前景的平均灰度值T0和背景的平均灰度值T1,将前景的平均灰度值与背景的平均灰度值取平均作为新的分割阈值,若新的分割阈值TT=(T0+T1)/2与前次迭代所得的分割阈值之差小于设定的允许范围,则当前分割阈值即为最终分割阈值,否则继续迭代计算,最终得到如图5所示的二值化图像,再通过欧氏距离变换将二值化图像转化为如图6所示的灰度图像;图像转换单元提取出核磁共振图像中主要器官和组织,滤除无用的区域,并将复杂的灰度图像转化为区域中心灰度值最小并向边缘递增的简单灰度图像。
步骤202、按灰度递增的次序给灰度图像的像素排序,使用一个FIFO队列按照宽度优先的方式递归地分配给每一灰度极小区域分别形成新的灰度极小区域,并在分配时将第一个灰度极小区域的像素点都标记为0,后面的灰度极小区域的标记依次加1,按标记将灰度图像中的各个相连通区域区分开,通过选取的种子点粗提取出如图7所示的左心室轮廓;
步骤203、精提取左心室轮廓:若粗提取出的左心室轮廓与主动脉轮廓相连,则转去步骤204;若粗提取出的左心室轮廓与主动脉轮廓不相连,则粗提取出的左心室轮廓即作为左心室轮廓,转去步骤205;
步骤204、去除主动脉,修补左心室轮廓;
步骤205、得到心脏左心室图像分割结果。
如图3所示,精提取左心室轮廓的具体步骤如下:
步骤301、计算粗提取出的左心室轮廓质心到各边缘点的距离,得到如图8所示的曲线图;
步骤302、找出距离最大值Ma和距离最小值Mi;
步骤303、如果Ma<30个像素点单位长度且(Ma-Mi)/Ma>0.55,则转去步骤305,否则转去步骤304;
步骤304、如果Ma>30个像素点单位长度且(Ma-Mi)/Ma>0.38,则转去步骤305,否则转去步骤306;
步骤305、左心室与主动脉相连,进行形态学处理后得到左心室轮廓;
步骤306、粗提取出的左心室轮廓即作为左心室轮廓。
图9是一组左心室底层(Ma-Mi)/MA比值曲线图,该组数据中Ma>30个像素点单位长度,由图可知(Ma-Mi)/Ma均大于0.38,都存在左心室与主动脉相连的情况。
如图4所示,形态学处理的具体步骤如下:
步骤401、找出粗提取出的左心室轮廓中质心到边缘点的所有极小值;
步骤402、若距离最大值Ma的位置在两个相邻的极小值点之间,则转去步骤403,否则返回步骤401;
步骤403、以这两个极小值点为分割点作直线将左心室轮廓与主动脉轮廓分隔开;
步骤404、重新确定左心室轮廓的质心;
步骤405、在两个分割点与该质心相连所成角度的中线方向取两个分割点到质心的距离平均值作第三个分割点;
步骤406、以这三个分割点作曲线补全左心室轮廓边缘,如图10所示。通过选取的种子点取连通区域,提取左心室轮廓,得到如图11所示的更精准的左心室轮廓。
可见,本发明提供的方法不仅能够将左心室底层与主动脉分隔开,还能够用近似左心室轮廓的曲线弥补缺失的左心室轮廓,从而得到准确的左心室轮廓。
Claims (7)
1.一种心脏左心室图像分割***,其特征在于,包括:
图像转换单元:在核磁共振图像的左心室上选取种子点,将核磁共振图像的最大灰度值和最小灰度值的平均值作为初始分割阈值,将核磁共振图像分割为前景和背景,将前景的平均灰度值与背景的平均灰度值取平均作为新的分割阈值,若新的分割阈值与前次迭代所得的分割阈值之差小于设定的允许范围,则当前分割阈值即为最终分割阈值,否则继续迭代计算,最终得到二值化图像,再通过欧氏距离变换将二值化图像转化为灰度图像;
左心室轮廓粗提取单元:按灰度递增的次序给灰度图像的像素排序,使用一个FIFO队列按照宽度优先的方式递归地分配给每一灰度极小区域分别形成新的灰度极小区域,并在分配时将第一个灰度极小区域的像素点都标记为0,后面的灰度极小区域的标记依次加1,按标记将灰度图像中的各个相连通区域区分开,通过选取的种子点粗提取出左心室轮廓;
左心室轮廓精提取单元:若粗提取出的左心室轮廓与主动脉轮廓相连,则去除主动脉,修补左心室轮廓,得到心脏左心室图像分割结果;若粗提取出的左心室轮廓与主动脉轮廓不相连,则粗提取出的左心室轮廓即作为左心室轮廓,得到心脏左心室图像分割结果。
2.根据权利要求1所述的心脏左心室图像分割***,其特征在于,所述左心室轮廓精提取单元,包括:
分析判断单元:计算粗提取出的左心室轮廓质心到各边缘点的距离,找出距离最大值Ma和距离最小值Mi,并根据距离最大值和距离最小值分析和判断左心室是否与主动脉相连:如果Ma<30个像素点单位长度且(Ma-Mi)/Ma>0.55,或者Ma>30个像素点单位长度且(Ma-Mi)/Ma>0.38,则左心室与主动脉相连,需要进行形态学处理,否则粗提取出的左心室轮廓即作为左心室轮廓。
3.根据权利要求2所述的心脏左心室图像分割***,其特征在于,所述左心室轮廓精提取单元,还包括:
形态学处理单元:找出粗提取出的左心室轮廓中质心到边缘点的所有极小值,若距离最大值Ma的位置在两个相邻的极小值点之间,则以这两个极小值点为分割点作直线将左心室轮廓与主动脉轮廓分隔开,重新确定左心室轮廓的质心,在两个分割点与该质心相连所成角度的中线方向取两个分割点到质心的距离平均值作第三个分割点,以这三个分割点作曲线补全左心室轮廓边缘,得到左心室轮廓。
4.根据权利要求3所述的心脏左心室图像分割***,其特征在于,所述极小值点Pi满足(Pi-Mi)/(Ma-Mi)<0.3。
5.一种心脏左心室图像分割方法,其特征在于,包括:
图像转换:在核磁共振图像的左心室上选取种子点,将核磁共振图像的最大灰度值和最小灰度值的平均值作为初始分割阈值,将核磁共振图像分割为前景和背景,将前景的平均灰度值与背景的平均灰度值取平均作为新的分割阈值,若新的分割阈值与前次迭代所得的分割阈值之差小于设定的允许范围,则当前分割阈值即为最终分割阈值,否则继续迭代计算,最终得到二值化图像,再通过欧氏距离变换将二值化图像转化为灰度图像;
粗提取左心室轮廓:按灰度递增的次序给灰度图像的像素排序,使用一个FIFO队列按照宽度优先的方式递归地分配给每一灰度极小区域分别形成新的灰度极小区域,并在分配时将第一个灰度极小区域的像素点都标记为0,后面的灰度极小区域的标记依次加1,按标记将灰度图像中的各个相连通区域区分开,通过选取的种子点粗提取出左心室轮廓;
精提取左心室轮廓:若粗提取出的左心室轮廓与主动脉轮廓相连,则去除主动脉,修补左心室轮廓,得到心脏左心室图像分割结果;若粗提取出的左心室轮廓与主动脉轮廓不相连,则粗提取出的左心室轮廓即作为左心室轮廓,得到心脏左心室图像分割结果。
6.根据权利要求5所述的方法,其特征在于,所述精提取左心室轮廓的具体步骤包括:
计算粗提取出的左心室轮廓质心到各边缘点的距离;
找出距离最大值Ma和距离最小值Mi;
根据距离最大值和距离最小值分析和判断左心室是否与主动脉相连:如果Ma<30个像素点单位长度且(Ma-Mi)/Ma>0.55,或者Ma>30个像素点单位长度且(Ma-Mi)/Ma>0.38,则左心室与主动脉相连,需要进行形态学处理后得到左心室轮廓,否则粗提取出的左心室轮廓即作为左心室轮廓。
7.根据权利要求6所述的方法,其特征在于,所述形态学处理的具体步骤包括:
找出粗提取出的左心室轮廓中质心到边缘点的所有极小值;
若距离最大值Ma的位置在两个相邻的极小值点之间,则以这两个极小值点为分割点作直线将左心室轮廓与主动脉轮廓分隔开;
重新确定左心室轮廓的质心;
在两个分割点与该质心相连所成角度的中线方向取两个分割点到质心的距离平均值作第三个分割点;
以这三个分割点作曲线补全左心室轮廓边缘,得到左心室轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610161395.2A CN105741310B (zh) | 2016-03-21 | 2016-03-21 | 一种心脏左心室图像分割***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610161395.2A CN105741310B (zh) | 2016-03-21 | 2016-03-21 | 一种心脏左心室图像分割***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105741310A true CN105741310A (zh) | 2016-07-06 |
CN105741310B CN105741310B (zh) | 2018-05-04 |
Family
ID=56251733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610161395.2A Active CN105741310B (zh) | 2016-03-21 | 2016-03-21 | 一种心脏左心室图像分割***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105741310B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220984A (zh) * | 2017-05-05 | 2017-09-29 | 上海联影医疗科技有限公司 | 一种图像分割方法、***及网格模型 |
CN107610095A (zh) * | 2017-08-04 | 2018-01-19 | 南京邮电大学 | 基于图像融合的心脏ct冠脉全自动分割方法 |
CN109272512A (zh) * | 2018-09-25 | 2019-01-25 | 南昌航空大学 | 一种自动分割左心室内外膜的方法 |
CN110033466A (zh) * | 2019-04-01 | 2019-07-19 | 数坤(北京)网络科技有限公司 | 一种基于多灰度级的冠脉拉直图像分割边界确定方法 |
CN110378948A (zh) * | 2019-07-02 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 3d模型重建方法、装置及电子设备 |
CN110471469A (zh) * | 2019-09-26 | 2019-11-19 | 湖南航天机电设备与特种材料研究所 | 一种基于pi算法的自适应温控方法 |
CN111028254A (zh) * | 2019-12-09 | 2020-04-17 | 上海交通大学医学院附属上海儿童医学中心 | 一种基于心脏电影磁共振图像的左心肌分割方法 |
CN111369525A (zh) * | 2020-03-02 | 2020-07-03 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、设备和存储介质 |
CN111815586A (zh) * | 2020-06-29 | 2020-10-23 | 苏州润心医疗器械有限公司 | 基于ct图像获取左心房、左心室的连通域的方法和*** |
CN112215839A (zh) * | 2020-10-27 | 2021-01-12 | 大连东软教育科技集团有限公司 | 一种超声心动图左心室壁六段分割方法、***及存储介质 |
CN112308845A (zh) * | 2020-11-03 | 2021-02-02 | 赛诺威盛科技(北京)有限公司 | 左心室分割方法、装置及电子设备 |
CN112330708A (zh) * | 2020-11-24 | 2021-02-05 | 沈阳东软智能医疗科技研究院有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN112614062A (zh) * | 2020-12-17 | 2021-04-06 | 北京陆桥技术股份有限公司 | 菌落计数方法、装置及计算机存储介质 |
CN113160116A (zh) * | 2021-02-03 | 2021-07-23 | 中南民族大学 | 左心室内外膜自动分割方法、***及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102397070A (zh) * | 2011-01-26 | 2012-04-04 | 无锡宙示医学软件开发有限公司 | 一种全自动分割量化心脏磁共振图像左心室的方法 |
US20120165674A1 (en) * | 2010-09-08 | 2012-06-28 | Toshiba Medical Systems Corporation | Ultrasound diagnosis apparatus, image processing apparatus, and image processing method |
CN103886603A (zh) * | 2014-03-31 | 2014-06-25 | 西北工业大学 | 一种左心室核磁共振图像分割及三维重构的方法 |
-
2016
- 2016-03-21 CN CN201610161395.2A patent/CN105741310B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120165674A1 (en) * | 2010-09-08 | 2012-06-28 | Toshiba Medical Systems Corporation | Ultrasound diagnosis apparatus, image processing apparatus, and image processing method |
CN102397070A (zh) * | 2011-01-26 | 2012-04-04 | 无锡宙示医学软件开发有限公司 | 一种全自动分割量化心脏磁共振图像左心室的方法 |
CN103886603A (zh) * | 2014-03-31 | 2014-06-25 | 西北工业大学 | 一种左心室核磁共振图像分割及三维重构的方法 |
Non-Patent Citations (2)
Title |
---|
张建伟 等: "基于活动轮廓模型的左心室MR图像分割", 《电子学报》 * |
李小红 等: "结合分水岭和区域合并的彩色图像分割", 《电子测量与仪器学报》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220984A (zh) * | 2017-05-05 | 2017-09-29 | 上海联影医疗科技有限公司 | 一种图像分割方法、***及网格模型 |
CN107220984B (zh) * | 2017-05-05 | 2021-07-16 | 上海联影医疗科技股份有限公司 | 图像分割方法、图像分割***及图像分割装置 |
CN107610095A (zh) * | 2017-08-04 | 2018-01-19 | 南京邮电大学 | 基于图像融合的心脏ct冠脉全自动分割方法 |
CN109272512A (zh) * | 2018-09-25 | 2019-01-25 | 南昌航空大学 | 一种自动分割左心室内外膜的方法 |
CN109272512B (zh) * | 2018-09-25 | 2022-02-15 | 南昌航空大学 | 一种自动分割左心室内外膜的方法 |
CN110033466A (zh) * | 2019-04-01 | 2019-07-19 | 数坤(北京)网络科技有限公司 | 一种基于多灰度级的冠脉拉直图像分割边界确定方法 |
CN110378948A (zh) * | 2019-07-02 | 2019-10-25 | 北京字节跳动网络技术有限公司 | 3d模型重建方法、装置及电子设备 |
CN110378948B (zh) * | 2019-07-02 | 2023-08-25 | 北京字节跳动网络技术有限公司 | 3d模型重建方法、装置及电子设备 |
CN110471469B (zh) * | 2019-09-26 | 2021-03-16 | 湖南航天机电设备与特种材料研究所 | 一种基于pi算法的自适应温控方法 |
CN110471469A (zh) * | 2019-09-26 | 2019-11-19 | 湖南航天机电设备与特种材料研究所 | 一种基于pi算法的自适应温控方法 |
CN111028254B (zh) * | 2019-12-09 | 2023-03-24 | 上海交通大学医学院附属上海儿童医学中心 | 一种基于心脏电影磁共振图像的左心肌分割方法 |
CN111028254A (zh) * | 2019-12-09 | 2020-04-17 | 上海交通大学医学院附属上海儿童医学中心 | 一种基于心脏电影磁共振图像的左心肌分割方法 |
CN111369525A (zh) * | 2020-03-02 | 2020-07-03 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、设备和存储介质 |
CN111369525B (zh) * | 2020-03-02 | 2023-05-30 | 联影智能医疗科技(北京)有限公司 | 图像分析方法、设备和存储介质 |
WO2022000726A1 (zh) * | 2020-06-29 | 2022-01-06 | 苏州润迈德医疗科技有限公司 | 基于ct图像获取左心房、左心室的连通域的方法和*** |
CN111815586A (zh) * | 2020-06-29 | 2020-10-23 | 苏州润心医疗器械有限公司 | 基于ct图像获取左心房、左心室的连通域的方法和*** |
CN112215839A (zh) * | 2020-10-27 | 2021-01-12 | 大连东软教育科技集团有限公司 | 一种超声心动图左心室壁六段分割方法、***及存储介质 |
CN112215839B (zh) * | 2020-10-27 | 2024-04-19 | 东软教育科技集团有限公司 | 一种超声心动图左心室壁六段分割方法、***及存储介质 |
CN112308845B (zh) * | 2020-11-03 | 2021-07-02 | 赛诺威盛科技(北京)股份有限公司 | 左心室分割方法、装置及电子设备 |
CN112308845A (zh) * | 2020-11-03 | 2021-02-02 | 赛诺威盛科技(北京)有限公司 | 左心室分割方法、装置及电子设备 |
CN112330708A (zh) * | 2020-11-24 | 2021-02-05 | 沈阳东软智能医疗科技研究院有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN112330708B (zh) * | 2020-11-24 | 2024-04-23 | 沈阳东软智能医疗科技研究院有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN112614062A (zh) * | 2020-12-17 | 2021-04-06 | 北京陆桥技术股份有限公司 | 菌落计数方法、装置及计算机存储介质 |
CN112614062B (zh) * | 2020-12-17 | 2024-04-26 | 北京陆桥技术股份有限公司 | 菌落计数方法、装置及计算机存储介质 |
CN113160116A (zh) * | 2021-02-03 | 2021-07-23 | 中南民族大学 | 左心室内外膜自动分割方法、***及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105741310B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105741310A (zh) | 一种心脏左心室图像分割***及方法 | |
CN102385751B (zh) | 基于分水岭变换及支持向量机分类的肝脏肿瘤区域分割方法 | |
CN103824295B (zh) | 一种肺部ct图像中粘连血管型肺结节的分割方法 | |
WO2013091186A1 (zh) | 多参数三维磁共振图像脑肿瘤分割方法 | |
CN103106408B (zh) | 无监督分割的胃部ct图像***自动辅助检测*** | |
CN104200465B (zh) | 心脏三维图像的分割方法和装置 | |
CN101515367B (zh) | 三维大脑磁共振图像的大脑皮层表面上脑沟区域分割方法 | |
CN104268873A (zh) | 基于核磁共振图像的乳腺肿瘤分割方法 | |
CN102048550A (zh) | 一种自动生成肝脏3d图像并准确定位肝脏血管支配区域的方法 | |
CN104899851A (zh) | 一种分割肺结节图像的方法 | |
Casiraghi et al. | Automatic abdominal organ segmentation from CT images | |
Zhang et al. | Medical image segmentation based on watershed and graph theory | |
El-Baz et al. | A novel 3D joint Markov-Gibbs model for extracting blood vessels from PC–MRA images | |
Hadhoud et al. | Left ventricle segmentation in cardiac MRI images | |
Baudin et al. | Automatic skeletal muscle segmentation through random walks and graph-based seed placement | |
CN106846346A (zh) | 基于关键帧标记的序列ct图像骨盆轮廓快速提取方法 | |
Zidan et al. | Level set-based CT liver image segmentation with watershed and artificial neural networks | |
CN106846330A (zh) | 人体肝脏特征建模及血管模型空间归一方法 | |
CN102663762B (zh) | 医学图像中对称器官的分割方法 | |
Gao et al. | Accurate lung segmentation for X-ray CT images | |
CN106780491A (zh) | Gvf法分割ct骨盆图像中采用的初始轮廓生成方法 | |
Guo et al. | A novel myocardium segmentation approach based on neutrosophic active contour model | |
Xia et al. | 3D cascaded convolutional networks for multi-vertebrae segmentation | |
KR101831340B1 (ko) | 복부 컴퓨터 단층촬영영상에서 다중 확률 아틀라스 기반 형상제한 그래프-컷을 사용한 신실질 자동 분할 방법 및 장치 | |
El-Baz et al. | Cerebrovascular segmentation by accurate probabilistic modeling of TOF-MRA images |
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 |