CN109863534A - 用于分割解剖结构的二维图像的方法和装置 - Google Patents

用于分割解剖结构的二维图像的方法和装置 Download PDF

Info

Publication number
CN109863534A
CN109863534A CN201780065543.3A CN201780065543A CN109863534A CN 109863534 A CN109863534 A CN 109863534A CN 201780065543 A CN201780065543 A CN 201780065543A CN 109863534 A CN109863534 A CN 109863534A
Authority
CN
China
Prior art keywords
threedimensional model
dimensional image
anatomical structure
collected
view plane
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
Application number
CN201780065543.3A
Other languages
English (en)
Other versions
CN109863534B (zh
Inventor
A·施密特-里奇伯格
I·韦希特尔-施特勒
M·贝格特尔特
J·彼得斯
R·J·威斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN109863534A publication Critical patent/CN109863534A/zh
Application granted granted Critical
Publication of CN109863534B publication Critical patent/CN109863534B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • 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
    • 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
    • G06T2207/10132—Ultrasound image
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

提供了一种用于分割解剖结构的二维图像的方法和装置。采集所述解剖结构的三维模型(202)。所述三维模型包括多个分段。所采集的三维模型被调整以使所采集的三维模型与所述二维图像对准(204)。通过经调整的三维模型的多个分段来分割所述二维图像。

Description

用于分割解剖结构的二维图像的方法和装置
技术领域
本发明涉及医学成像的领域，并且具体涉及一种用于分割解剖结构的二维图像的方法和装置。
背景技术
医学成像是用于在图像中提供解剖结构(例如，器官)的视觉表示的有用工具。存在许多种不同类型的医学成像技术，包括计算机断层摄影(CT)、磁共振(MR)、超声(US)等。从医学成像采集的图像能够证明对于对象的临床分析以及在必要时的医学干预是有价值的。
在许多临床应用中，需要对二维(2D)图像以及三维(3D)图像的准确分割。三维或体积图像通常覆盖整个感兴趣对象(例如，其可以是解剖结构或者是解剖结构的部分)。对三维图像的分割能够受益于在所有三个空间方向上的背景信息。此外，三维图像中的对象的拓扑是一致的。另一方面，二维图像在信噪比以及空间和/或时间分辨率方面常常是优越的。然而，尽管已经提出了用于对具有已知空间关系的多个切片进行分割的算法，但是这些算法不能够被用于单幅二维图像。同样地，所述算法不会受益于从三维数据中学习的模型。
用于分割二维图像的一些现有技术涉及从切片图像中学***面的放置不一致的影响。同样地，根据精确的扫描平面，二维轮廓的拓扑结构可能改变。此外，由于针对每个训练实例仅有位于训练图像的切片上的模型点受到影响，因此从二维扫描可获得的训练数据的量是有限的。
WO 2016/110463公开了一种方法，其中，通过将二维模型应用于二维图像数据来分割对象的二维图像数据，其中，所述二维模型是根据三维模型来确定的。然而，在这种方案中，所导出的模型不能够补偿在针对二维图像数据的扫描平面的选择中的差异或不准确性。此外，体积信息在创建二维模型的过程中丢失，并且因此，不再能够被用于对特定参数(诸如特定解剖结构的体积)的可视化或计算。
因此，用于分割二维图像的现有技术易受不准确性的影响，并且仅能够从使用现有技术分割的二维图像中采集有限的信息。
因此，需要一种用于分割解剖结构的二维图像的经改进的方法和装置。
发明内容
如上文所提到的，用于分割二维图像的现有方案的限制在于：所使用的技术易受不准确性的影响，并且仅能够从使用这些技术分割的二维图像中采集有限的信息。因此，具有能够分割解剖结构的二维图像以克服这些现有问题的方法和装置将是有价值的。
因此，根据本发明的第一方面，提供了一种用于分割解剖结构的二维图像的方法。所述方法包括：采集所述解剖结构的三维模型，所述三维模型包括多个分段；并且调整所采集的三维模型以使所采集的三维模型与所述二维图像对准。通过经调整的三维模型的多个分段来分割所述二维图像。
在一些实施例中，所采集的三维模型可以包括与所述二维图像相关联的视图平面。在一些实施例中，与所述二维图像相关联的所述视图平面可以包括通过所述解剖结构的二维平面。在一些实施例中，可以相对于与所述解剖结构相关联的一个或多个解剖特征来定义通过所述解剖结构的所述二维平面。在一些实施例中，可以基于与所述二维图像相关联的视图平面来调整所采集的三维模型以与所述二维图像对准。在一些实施例中，可以基于所述视图平面的空间位置和所述视图平面的取向中的任意一项或多项来调整所采集的三维模型以与所述二维图像对准。
在一些实施例中，所采集的三维模型可以包括与所述多个分段中的一个或多个分段相关联的信息，所述信息与所述解剖结构的一个或多个特性特征相对应。在一些实施例中，可以基于与所述解剖结构的所述一个或多个特性特征相对应的所述信息来调整所采集的三维模型以与所述二维图像对准。
在一些实施例中，调整所采集的三维模型以与所述二维图像对准可以包括以下中的任意一项或多项：旋转所采集的三维模型以使所采集的三维模型与所述二维图像对准；并且平移所采集的三维模型以使所采集的三维模型与所述二维图像对准。在一些实施例中，调整所采集的三维模型以与所述二维图像对准可以包括限制所采集的三维模型的自由度。
在一些实施例中，调整所采集的三维模型可以包括使得将所述三维模型吸引到所述二维图像的能量函数最小化以使所述三维模型与所述二维图像对准。在一些实施例中，所述能量函数可以包括以下中的任意一项或多项：内部能量项，其将所述三维模型的形状约束为在解剖学上合理的形状；外部能量项，其使所述三维模型朝向所述二维图像中的一个或多个特性特征点变形；以及另外的能量项，其将所述三维模型的变形限制到与所述二维图像相关联的视图平面。
在一些实施例中，所述方法还可以包括处理经调整的三维模型以确定针对所述解剖结构的至少一个参数的值。在一些实施例中，所述至少一个参数可以包括以下中的任意一项或多项：所述解剖结构的至少部分的体积，以及所述解剖结构的至少部分的厚度。
根据本发明的第二方面，提供了一种包括计算机可读介质的计算机程序产品，所述计算机可读介质具有嵌入在其中的计算机可读代码，所述计算机可读代码被配置为使得在由适合的计算机或处理器运行时使所述计算机或处理器执行上文所描述一种方法或多种方法。
根据本发明的第三方面，提供了一种用于分割解剖结构的二维图像的装置。所述装置包括处理器，所述处理器被配置为：采集所述解剖结构的三维模型，所述三维模型包括多个分段；并且调整所采集的三维模型以使所采集的三维模型与所述二维图像对准。通过经调整的三维模型的所述多个分段来分割所述二维图像。
在一些实施例中，所述处理器可以被配置为控制一个或多个用户接口以绘制经分割的二维图像。
根据上文所描述的各方面和实施例，解决了现有技术的限制。具体地，上文所描述的各方面和实施例允许使用三维模型对二维图像进行分割。通过使用三维模型来分割二维图像，能够采集关于所述二维图像中的所述解剖结构的更多信息(例如，关于平面外的解剖结构的形状)。根据上文所描述的各方面和实施例所采集的所述经分割的二维图像能够被用于对所述解剖结构的更好地可视化。此外，所述方面和实施例能够采用已经可用的许多经过良好测试的三维模型，并且这些体积模型不易受对扫描平面的选择的变化的影响。同样地，采用可用的三维模型允许利用已经从这些模型中获取的知识并且节省资源。因此，上文所描述的各方面和实施例使得能够成功应用三维模型以用于二维图像分割。
因此，提供了一种用于分割解剖结构的二维图像的经改进的方法和装置，其克服了现有问题。
附图说明
为了更好地理解本发明，并且为了更清楚地示出可以如何实现本发明，现在将仅通过范例的方式参考附图，在附图中：
图1是根据实施例的装置的框图；
图2是图示了根据实施例的方法的流程图；
图3是根据实施例的包括多个分段的三维模型的部分的图示；
图4A是根据实施例的二维图像的图示；并且
图4B是根据实施例的二维图像的图示。
具体实施方式
如上文所提到的，本发明提供了一种用于分割解剖结构的二维图像的经改进的方法和装置，其克服了现有问题。
图1示出了根据实施例的能够被用于分割解剖结构的二维(2D)图像的装置100的框图。所述二维图像能够是二维医学图像，诸如二维计算机断层摄影(CT)图像、二维磁共振(MR)图像、二维超声(US)图像、二维正电子发射断层摄影(PET)图像、二维单光子发射计算机断层摄影(SPECT)图像、二维核医学图像或者任何其他二维医学图像。所述二维图像可以是单个切片(或者单个平面)。
所述二维图像中的所述解剖结构可以是诸如心脏、肺、肠、肾、肝的器官或者任何其他解剖结构。所述二维图像中的所述解剖结构能够包括一个或多个解剖部分。例如，心脏的二维图像能够包括心室、心房、主动脉和/或心脏的任何其他部分。尽管已经针对二维图像的类型和所述二维图像中的解剖结构(以及解剖结构的部分)提供了范例，但是将理解，本发明也可以被用于分割任何其他类型的二维图像以及所述二维图像中的任何其他解剖结构。
装置100包括处理器102，处理器102控制所述装置100的操作并且能够实施在本文中所描述的方法。处理器102能够包括一个或多个处理器、处理单元、多核处理器或模块，其被配置或编程为以在本文中所描述的方式来控制所述装置100。在特定实施方案中，处理器102能够包括多个软件和/或硬件模块，每个软件和/或硬件模块被配置为执行或者用于执行根据本发明的实施例的方法的个体步骤或多个步骤。
简言之，处理器102被配置为：采集所述二维(2D)图像中的所述解剖结构的三维(3D)模型，并且调整所采集的三维模型以使所采集的三维模型与所述二维度图像对准。所述三维模型包括多个分段，并且所述二维图像由经调整的三维模型的所述多个分段来分割。
在一些实施例中，装置100还可以包括至少一个用户接口104。备选地或另外地，至少一个用户接口104可以在装置100的外部(即，分开或远离装置100)。例如，至少一个用户接口104可以是另一设备的部分。
用户接口104可以用于向装置100的用户(例如，健康护理提供者、健康护理专家、护理人员、对象或者任何其他用户)提供由根据本发明的方法而得到的信息。处理器102可以被配置为控制一个或多个用户接口104以提供由根据本发明的方法而得到的信息。例如，处理器102可以被配置为控制一个或多个用户接口104以绘制经分割的二维图像。备选地或另外地，用户接口104可以被配置为接收用户输入。换言之，用户接口104可以允许装置100的用户手动地输入指令、数据或信息。处理器102可以被配置为从一个或多个用户接口104采集所述用户输入。
用户接口104可以是使得能够向装置100的用户绘制(或输出)信息、数据或信号的任何用户接口。备选地或另外地，用户接口104可以是使得装置100的用户能够提供用户输入、与装置100交互和/或控制装置100的任何用户接口。例如，用户接口104可以包括一个或多个开关、一个或多个按钮、小键盘、键盘、触摸屏或应用程序(例如，在平板电脑或智能电话上的)、显示屏、图形用户接口(GUI)或者其他视觉绘制部件、一个或多个扬声器、一个或多个麦克风或者任何其他音频部件、一个或多个灯、用于提供触觉反馈的部件(例如，振动功能)，或任何其他用户接口，或者用户接口的组合。
在一些实施例中，装置100还可以包括存储器106，存储器106被配置为存储程序代码，所述程序代码能够由处理器102运行以执行在本文中所描述的方法。存储器106还能够被用于存储由装置100的处理器102采集或产生的或者来自装置100外部的任何接口、存储器或设备的模型、图像、信息、数据、信号和测量结果。例如，存储器106可以被用于存储所述解剖结构的所述二维图像、解剖结构的一个或多个三维模型(其例如可以包括针对所述二维图像中的所述解剖结构的一个或多个三维模型)、经调整的三维模型、经分割的二维图像等。
在一些实施例中，装置100还可以包括通信接口108，通信接口108用于使得装置100能够与装置100的内部或外部的任何接口、存储器和设备通信。通信接口108可以无线地或者经由有线连接与任何接口、存储器和设备通信。例如，在一个或多个用户接口104在装置100外部的实施例中，通信接口108可以无线地或者经由有线连接与所述一个或多个外部用户接口通信。类似地，在一个或多个存储器在装置100外部的实施例中，通信接口108可以无线地或者经由有线连接与所述一个或多个外部存储器通信。
将意识到，图1仅仅示出了例示说明本发明的该方面所需的部件，并且在实际实施方案中，装置100可以包括所示的那些部件之外的额外部件。例如，装置100可以包括用于对装置100供电的电池或其他电源或者用于将装置100连接到市电电源的器件。
图2图示了根据实施例的用于分割解剖结构的二维图像的方法200。所图示的方法200通常能够由装置100的处理器102执行或者在装置100的处理器102的控制下执行。
参照图2，在框202处，采集所述二维图像中的所述解剖结构的三维模型。所述解剖结构的所述三维模型可以包括一个或多个解剖部分，所述一个或多个解剖部分对应于所述解剖结构的所述二维图像中的解剖部分。可以从装置100的存储器106或者从装置100外部的存储器采集针对所述解剖结构的所述三维模型。例如，所述装置的处理器102可以被配置为从装置100的存储器106或者从装置100外部的存储器采集针对所述解剖结构的所述三维模型。针对所述解剖结构的所述三维模型可以是可变形的三维模型。在一些实施例中，针对所述解剖结构的所述三维模型能够是基于与所述解剖结构相关联的体积图像数据(或者所述解剖结构的三维图像)而训练的三维模型。例如，在一些实施例中，所述方法可以包括训练阶段，在训练阶段中，学习一个或多个解剖结构的三维模型。
针对所述解剖结构的所述三维模型包括多个分段。例如，针对所述解剖结构的所述三维模型能够包括网格。在所述解剖结构的所述三维模型包括多个解剖部分的情况下，所述三维模型可以包括与所述多个解剖部分中的一个或多个解剖部分相对应的子网格。在一些实施例中，所述网格(或子网格)能够是三角形网格。换言之，在一些实施例中，针对所述解剖结构的所述三维模型可以包括多个三角形分段。在所述三维模型包括与所述多个解剖部分中的一个或多个解剖部分相对应的子网格的实施例中，每个子网格可以包括多个分段。尽管针对所述三维模型中的分段形式而提供了范例，但是将理解，针对所述解剖结构的所述三维模型可以包括任何其他形状的分段(或者任何其他形状的网格)。
在一些实施例中，所采集的三维模型可以包括(例如，可以定义或识别)与所述二维图像相关联的视图平面。所述视图平面例如可以包括通过所述解剖结构的二维平面。例如，所述视图平面可以是通过所述解剖结构的标准化二维平面(例如，相对于与解剖结构相关联的一个或多个解剖特征或界标而定义的通过所述解剖结构的二维平面)。因此，视图平面能够允许解剖结构的标准化视图。这有利于例如对不同对象的所述解剖结构之间的更好比较。视图平面是在许多解剖学成像应用中定义的。例如，在胎儿成像中，胎儿的腹围是在“腹围平面”中测量的，所述“腹围平面”被定义为：与头到脚轴正交、延伸通过胃和脐静脉的上部而不通过心脏的平面。通过定义这样的视图平面，生物测定测量的变化性被最小化。
在所采集的三维模型包括与所述二维图像相关联的视图平面的实施例中，所采集的三维模型还可以包括与所述视图平面相对应的信息。例如，所述模型可以包括定义视图平面在所述模型中的位置的信息(例如，所述信息可以定义所述视图平面相对于所述模型的位置，例如，所述视图平面相对于所述模型的一个或多个网格分段的位置)。被包括在所述三维模型中的所述视图平面可以实现对所述三维模型的旋转和/或平移，使得所述平面与模块(或者更具体地，所述三维模型的分段)相交。这允许对所述三维模型的平面内旋转和/或平移。因此，对应于所述视图平面的所述信息可以指示与所述二维图像相关联的视图平面与所采集的三维模型相交(或切割)的位置(例如，如果在特定视图平面中拍摄所述二维图像，则关于相同视图平面的信息可以被包括在所述模型中)。例如，所采集的三维模型可以包括：指示与所述二维图像相关联的所述视图平面在所述三维模型中的空间位置、与所述二维图像相关联的所述视图平面在所述三维模型中的取向的信息，或者任何其他信息，或者与所述视图平面相对应的信息的任意组合。对应于与所述二维图像相关联的所述视图平面的所述信息可以在所述三维模型中被编码。在一些实施例中，标签可以被附着到所述三维模型的和与所述二维图像相关联的所述视图平面相交的每个分段。以这种方式，能够确保能够通过对所述分段的对应中心点进行内插来重建所述视图平面(甚至在对所述三维模型的调整之后)。根据对应于与所述二维图像相关联的所述视图平面的信息，能够建立所采集的三维模型与所述二维图像之间的对应关系，以使所采集的三维模型与所述二维图像对准，如稍后将描述的。
在一些实施例中，作为包括对应于视图平面的信息的所采集的三维模型的备选或补充，所采集的三维模型可以包括与所述多个分段中的一个或多个分段相关联的信息。所述信息例如可以对应于所述解剖结构的一个或多个特性特征。所述解剖结构的所述一个或多个特性特征可以包括指示所述解剖结构中的一个或多个边界的特性特征。所述边界例如可以指示所述解剖结构的不同部分。针对所述解剖结构的所述一个或多个特性特征的范例包括但不限于：所述解剖结构的平均形状、所述解剖结构中的典型形状变化、针对所述解剖结构的外观信息，或者任何其他特性特征，或者所述解剖结构的特性特征的组合。在针对所述解剖结构的所述三维模型包括网格的实施例中，所述网格能够表示所述解剖结构的所述特性特征。
返回到图2，尽管未图示，但是所述三维模型被初始放置(或定位)在所述二维图像中。在一些实施例中，所述三维模型在所述二维图像中的所述初始放置能够包括检测所述二维图像中的所述解剖结构以将所述三维模型放置在所述二维图像中的所述解剖结构的位置处。可以使用任何适合的特征提取技术(诸如广义霍夫变换、GHT或者任何其他特征提取技术)在所述二维图像中检测所述解剖结构。针对所述三维模型在所述二维图像中的所述初始放置，可以假设所述二维图像示出了所述解剖结构的标准化视图，诸如通过所述解剖结构的特定扫描平面或图像平面。例如，在所述解剖结构的所述二维图像是心脏的二维图像的实施例中，可以假设所述二维图像示出了心脏的标准化视图(例如，视图平面)(诸如两室视图、三室视图、四室视图、短轴视图、长轴视图或者任何其他标准化心脏视图)。
一旦所述三维模型被放置在所述二维图像中，就使所述三维模型与所述二维图像相对应。因此，在图2的框204处，所采集的三维模型被调整以使所采集的三维模型与所述二维图像对准。例如，所采集的三维模型可以被迭代地调整以使所采集的三维模型与所述二维图像对准。
对所采集的三维模型进行调整以与所述二维图像对准能够包括旋转所采集的三维模型以使所采集的三维模型与所述二维图像对准。例如，所采集的三维模型可以被旋转到所述二维图像的所述平面中。备选地或另外地，对所采集的三维模型进行调整以与所述二维图像对准能够包括平移所采集的三维模型以使所采集的三维模型与所述二维图像对准。以这种方式，所述三维模型能够被重新取向以匹配所述二维图像的取向。在一些实施例中，调整所采集的三维模型以与所述二维图像对准可以包括限制所采集的三维模型的自由度。
在所采集的三维模型包括与所述二维图像相关联的视图平面的实施例中，能够基于与所述二维图像相关联的所述视图平面来调整所采集的三维模型以与所述二维图像对准。如先前提到的，能够根据对应于与所述二维图像相关联的所述视图平面的信息来建立所采集的三维模型与所述二维图像之间的对应关系，以使所采集的三维模型与所述二维图像对准。例如，对应于与所述二维图像相关联的所述视图平面的所述信息能够被用于建立所采集的三维模型的几何结构与所述二维图像之间的对应关系。
所采集的三维模型与所述二维图像之间的所述对应关系能够被用于对所述模型的位置和/或取向的初始调整(诸如通过所述模型的旋转、所述模型的平移等)以使所采集的三维模型与所述二维图像对准。可以基于以下中的任意一项或多项来调整所采集的三维模型以与所述二维图像对准：所述视图平面的空间位置、所述视图平面的取向以及与所述视图平面相关联的任何其他特征。在一些实施例中，对所述三维模型的所述调整能够将所述三维模型的自由度降低到一个或多个平面(诸如平面内、或者大部分在平面内的运动和/或变形)。例如，可以首先根据与所述三维模型中所包括(或编码)的所述视图平面的取向有关的信息将所述三维模型旋转到所述二维图像的所述视图平面中。然后，可以使用任何适合的技术(诸如基于广义霍夫变换GHT的技术)将所述三维模型平移(例如，在平面内)到所述二维图像中的正确位置。然后，可以遵循迭代仿射和可变形调整步骤以将所述三维模型调整到所述二维图像中的轮廓，其能够被限于平面内运动。
在一些实施例中，所述模型在所述图像中的放置可以备选地或另外地基于与所述对象的坐标系有关的参数(例如，所述对象相对于用于创建所述二维图像的设备的取向和/或位置)。例如，在心脏成像中，换能器可以靠近心脏的顶点放置，使得心房在所述图像的“远侧”(相对于行进的声音的方向)处。这样的位置信息能够被用于所述三维模型的平面内旋转和/或平移，以便尽可能准确地初始放置所述三维模型。
在所采集的三维模型包括与所述解剖结构的一个或多个特性特征相对应的信息的实施例中，能够基于与所述解剖结构的所述一个或多个特性特征相对应的所述信息来调整所采集的三维模型以与所述二维图像对准。在一些实施例中，例如，基于与所述解剖结构的所述一个或多个特性特征相对应的所述信息来调整所采集的三维模型能够包括将所述三维模型调整(例如，迭代地调整)为与所述二维图像中的所述解剖结构的一个或多个特性特征一致。例如，所采集的三维模型的一个或多个特性特征可以被匹配(或映射)到所述二维模型中的一个或多个对应的特性特征，并且所采集的三维模型的所述一个或多个特性特征然后可以被调整为与所述二维图像中的所述解剖结构的所述一个或多个对应的特性特征一致。
在一些实施例中，可以在所述二维图像中检测所述解剖结构的一个或多个边界。例如，可以在所述二维图像中的所述解剖结构的不同部分之间的接合处检测边界。然后，针对所采集的三维模型的每个分段，可以基于一个或多个特性特征来检测目标点(例如，轮廓点)。该目标点检测能够包括：将搜索射线投射到所述二维图像的平面中；并且基于一个或多个特性特征针对所采集的三维模型的每个分段沿着所投射的搜索射线来检测目标点。沿着所投射的搜索射线对所述目标点的这种检测能够防止所述技术搜索位于所述图像平面外部的目标点并且因此搜索不包括图像信息的区域。所述一个或多个特性特征例如可以是自动地学习的并且能够包括但不限于灰度值和/或边缘。在这些实施例中，可以通过将所采集的三维模型的所述多个分段中的一个或多个分段的中心吸引到针对该分段所检测到的所述目标点来调整所采集的三维模型。
在一些实施例中，调整所采集的三维模型可以包括使得将所述三维模型吸引到所述二维图像的能量函数E最小化以使所述三维模型与所述二维图像对准。所述能量函数E可以包括内部能量项Eint，所述内部能量项Eint将所述三维模型的形状约束为在解剖学上合理的形状。在解剖学上合理的形状是这样的形状：所述形状位于待分割的所述解剖结构的典型形状变化的范围之内，和/或与待分割的所述解剖结构的平均形状不同在预定容差之内。换言之，所述内部能量项Eint能够确保经调整的三维模型(或者经调整的三维模型的最终形状)在针对所述解剖结构的已知解剖结构方面是合理的。
备选地或另外地，所述能量函数E可以包括外部能量项Eext，所述外部能量项Eext使所述三维模型朝向所述二维图像中的一个或多个特性特征点变形。例如，在一些实施例中，所述外部能量项Eext可以是使所述三维模型朝向与所述二维图像中的一个或多个图像梯度(例如，在前面所提到的目标点处)正交的一个或多个平面(例如，目标平面)变形的术语。所述外部能量项Eext能够使所述三维模型稳定，使得其不偏离(或者不强烈地偏离或者不超过预定量)于所述一个或多个平面。
在所述能量函数E包括内部能量项Eint和外部能量项Eext的实施例中，所述能量函数可以被确定为所述内部能量项Eint与所述外部能量项Eext的加和。例如，所述能量函数E可以被表示为：
E:＝Eint+Eext。
在所述三维模型包括网格的实施例中，可以通过使包括内部能量项和外部能量项的所述能量函数最小化来调整(或变形)整个网格。
备选地或另外地，所述能量函数可以包括另外的能量项，所述另外的能量项将所述三维模型的变形(或调整)限制(或约束)到与二所述维图像相关联的视图平面。例如，所述另外的能量项可以将所述三维模型的变形限制为面内运动或面内变形。在一些实施例中，对所述三维模型的所述调整的所述限制(或约束)可以包括将一个或多个弹簧(spring)附接到所述三维模型的一个或多个分段。例如，一个或多个弹簧可以被附接到和与所述二维图像相关联的视图平面相交的一个或多个分段。向所述三维模型的一个或多个分段添加弹簧能够提供对所述三维模型的更稳定的调整。
图3图示了根据范例实施例的包括多个分段302的解剖结构的三维模型的部分，其中，一个或多个弹簧306被附接到所述多个分段中的一个或多个分段。在该图示的范例实施例中，所述三维模型包括三角形网格，并且因此，多个分段302包括多个三角形分段。然而，如先前提到的，将理解，任何其他形状的分段(或者任何其他形状的网格)也是可能的。如在该范例实施例中所图示的，弹簧306被附接到分段302，分段302在交叉线304处与所述二维图像的图像平面300相交。弹簧306被附接到交叉分段302的中心点，以限制这些分段相对于图像平面300的运动。例如，弹簧306能够确保交叉分段302不从图像平面300移动超过预定义距离。
因此，如上文所描述的，所述能量函数可以包括以下中的任意一项或多项：内能量项Eint、外能量项Eext以及限制所述三维模型的变形(或调整)的另外的能量项。在所述能量函数E包括内部能量项Eint、外部能量项Eext以及限制所述三维模型的变形(或调整)的另外的能量项的范例实施例中，所述能量函数可以被确定为所述内部能量项Eint、所述外部能量项Eext以及限制变形(或调整)的所述另外的能量项的加和。在这样的实施例的范例中，所述能量函数E可以被表示为：
E:＝Eint+Eext+∑jwj[(n平面)T(cj-xj)]2
在此，在限制所述三维模型的变形(或调整)的所述另外的能量项中，cj表示所述多个分段的中心点，并且xj表示所述图像平面中的对应目标点。在该实施例中，在所述目标点之间的距离被投射在所述视图平面的法线(或者视图平面矢量)上，其由n平面来表示，以允许平面内运动并且惩罚(或阻止或防止)平面外运动。所述视图平面矢量的转置T被用于确定(cj-xj)在所述视图平面的法线n平面上的投影。任选地，限制变形(或调整)的另外的能量项能够通过加权因子wj来加权。加权因子wj能够被调整以允许放松或收紧所述限制(或约束)。在对所述二维图像的采集期间在对扫描平面的选择中存在高度不确定性的情况下，这会是有用的。
最后，由于所采集的所述解剖结构的三维模型包括多个分段，所以所述解剖结构的经调整的三维模型也包括多个分段。因此，通过所述经调整的三维模型的所述多个分段来分割所述二维图像。
因此，根据在本文中所描述的方法，能够分割解剖结构的任意二维图像(或切片)。此外，假如在所述三维模型中编码与所述二维图像相关的特征，则能够在不重新训练所述三维模型的特征的情况下实现这一点。然而，在一些实施例中，可以基于一幅或多幅二维图像来重新训练三维模型的特征(例如，一个或多个最佳特征)。例如，这可以允许将所述三维模型更具体地调整到所述解剖结构的所述二维图像，如果所述二维图像的质量和/或分辨率显著改变，则这可能是特别有用的。
在本文中所描述的实施例的任意实施例中，所述方法还可以包括向用户绘制(或输出或显示)经分割的二维图像。换言之，所述方法还可以包括同时地绘制(或输出或显示)所述二维图像和包括所述多个分段的经调整的三维模型。在一些实施例中，处理器102可以控制一个或多个用户接口104(诸如显示屏或图形用户接口)以绘制(或输出或显示)经分割的二维图像。以这种方式，用户能够查看所述经分割的二维图像。这对于医学分析或评估会是有用的。同样地，对所述二维图像和包括所述多个分段的所述经调整的三维模型的同时绘制允许对所述经调整的三维模型与所述二维图像之间的空间关系的可视化。
图4A是在调整所述三维模型以与所述二维图像对准之前根据实施例的经分割的二维图像的图示。在该范例实施例中，解剖结构的多个解剖部分400、402、404、406、408、410(其在该范例中是心脏)由所述三维模型来限定。例如，所述多个解剖部分包括心室、心房、主动脉等。在将所述三维模型放置在所述二维图像中之后，包括所述多个分段的所述三维模型然后被调整以与所述二维图像对准。
图4B是在调整所述三维模型以与所述二维图像对准之后的根据实施例的经分割的二维图像的图示。如在图4B中所图示的，在所述调整之后，由所述三维模型限定的多个解剖部分400、402、404、406、408、410与所述二维图像中的所述解剖结构的对应部分对准。
将理解，在本文中所描述的方法并不限于单幅二维图像。在一些实施例中，能够组合多幅二维图像以实现覆盖三维方面的分割。例如，可以同时地绘制(或输出或显示)多幅经分割的二维图像(诸如两幅正交的二维图像或者任何其他多幅经分割的二维图像)。在一些这样的实施例中，跨平面的二维扫描能够在两个正交切片中定义所述解剖结构的轮廓，并且所述经调整的三维模型能够适配这两个轮廓并且提供超出所述二维切片的基于模型的插值。
在本文中所描述的实施例的任意实施例中，所述方法还可以包括处理所述经调整的三维模型以确定针对所述解剖结构的至少一个参数的值。所述至少一个参数可以是与所述解剖结构相关联的任何参数。例如，所述至少一个参数可以包括以下中的任意一项或多项：所述解剖结构的至少部分的体积、所述解剖结构的至少部分的厚度，以及所述解剖结构的任何其他参数。
因此，提供了一种用于分割解剖结构的二维图像的经改进的方法和装置。在本文中所描述的方法和装置能够被用于在二维图像中分割任何任意解剖结构(例如，器官或者任何其他解剖结构)。所述方法和装置能够用在医学成像分析和可视化工具中。
还提供了一种计算机程序产品，所述计算机程序产品包括计算机可读介质，所述计算机可读介质具有嵌入在其中的计算机可读代码，所述计算机可读代码被配置为使得在由适合的计算机或处理器运行时，使所述计算机或处理器执行在本文中所描述的一种方法或多种方法。因此，将意识到，本发明还适用于计算机程序，特别是适于将本发明付诸实践的载体上或载体中的计算机程序。所述程序可以是源代码、目标代码、代码中间源以及目诸如以部分编译的形式的目标代码的形式，或者适合用于实施根据本发明的方法的任何其他形式。
还将意识到，这样的程序可以具有许多不同的架构设计。例如，实施根据本发明的方法或***的功能的程序代码可以被细分为一个或多个子例程。在这些子例程当中分配功能的许多不同方式对于技术人员来说是显而易见的。所述子例程可以一起存储在一个可执行文件中以形成自包含程序。这样的可执行文件可以包括计算机可执行指令，例如，处理器指令和/或解释器指令(例如，Java解释器指令)。备选地，所述子例程中的一个或多个子例程或所有子例程可以被存储在至少一个外部库文件中，并且可以静态地或者例如在运行时动态地与主程序链接。所述主程序包含对所述子程序中的至少一个子程序的调用。所述子例程还可以包括彼此的函数调用。
涉及计算机程序产品的实施例包括与在本文中所阐述的至少一种方法的每个处理阶段相对应的计算机可执行指令。这些指令可以被细分为子例程和/或存储在可以静态地或动态地链接的一个或多个文件中。涉及计算机程序产品的另一实施例包括与在本文中所阐述的***和/或产品中的至少一个的每个器件相对应的计算机可执行指令。这些指令可以被细分为子例程和/或存储在可以静态地或动态地链接的一个或多个文件中。
计算机程序的载体可以是能够承载程序的任何实体或设备。例如，载体可以包括数据存储装置，诸如ROM，例如CD ROM或半导体ROM；或磁记录介质，例如硬盘。此外，所述载体可以是可传输的载体，诸如电信号或光信号，其可以经由电缆或光缆或者通过无线电或其他方式来传送。当程序被嵌入在这样的信号中时，所述载体可以由这样的电缆或其他设备或器件构成。备选地，所述载体可以是嵌入程序的集成电路，所述集成电路适于执行或者用于执行相关方法。
通过研究附图、公开内容和所附的权利要求，本领域技术人员在实践所要求保护的发明时可以理解和实现所公开实施例的变型。在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中所记载的若干项的功能。在相互不同的从属权利要求中陈述某些措施的仅有事实并不指示不能够使用这些措施的组合以获益。计算机程序可以存储/分布在合适的介质上，例如与其他硬件一起提供或者作为其他硬件的部分提供的光学存储介质或固态介质，但是也可以以其他形式分发，例如经由因特网或者其他有线或无线电信***。权利要求中的任何附图标记不应当被解释为限制范围。

Claims (15)

1.一种用于分割解剖结构的二维图像的方法(200)，所述方法包括：
-采集(202)所述解剖结构的三维模型，所述三维模型包括多个分段以及与所述二维图像相关联的视图平面；并且
-基于与所述二维图像相关联的所述视图平面来调整(204)所采集的三维模型以使所采集的三维模型与所述二维图像对准；
-其中，所述二维图像由经调整的三维模型的所述多个分段来分割。
2.根据权利要求1所述的方法，其中，与所述二维图像相关联的所述视图平面包括通过所述解剖结构的二维平面。
3.根据权利要求2所述的方法，其中，通过所述解剖结构的所述二维平面是相对于与所述解剖结构相关联的一个或多个解剖特征来定义的。
4.根据前述权利要求中的任一项所述的方法，其中，基于所述视图平面的空间位置和所述视图平面的取向中的任意一项或多项来调整所采集的三维模型以与所述二维图像对准。
5.根据前述权利要求中的任一项所述的方法，其中，所采集的三维模型包括与所述多个分段中的一个或多个分段相关联的信息，所述信息与所述解剖结构的一个或多个特性特征相对应。
6.根据权利要求5所述的方法，其中，基于与所述解剖结构的所述一个或多个特性特征相对应的所述信息来调整所采集的三维模型以与所述二维图像对准。
7.根据前述权利要求中的任一项所述的方法，其中，调整所采集的三维模型以与所述二维图像对准包括以下中的任意一项或多项：
-旋转所采集的三维模型以使所采集的三维模型与所述二维图像对准；并且
-平移所采集的三维模型以使所采集的三维模型与所述二维图像对准。
8.根据前述权利要求中的任一项所述的方法，其中，调整所采集的三维模型以与所述二维图像对准包括限制所采集的三维模型的自由度。
9.根据前述权利要求中的任一项所述的方法，其中，调整所采集的三维模型包括使得将所述三维模型吸引到所述二维图像的能量函数最小化以使所述三维模型与所述二维图像对准。
10.根据权利要求9所述的方法，其中，所述能量函数包括以下中的任意一项或多项：
-内部能量项，其将所述三维模型的形状约束为在解剖学上合理的形状；
-外部能量项，其使所述三维模型朝向所述二维图像中的一个或多个特性特征点变形；以及
-另外的能量项，其将所述三维模型的变形限制到与所述二维图像相关联的视图平面。
11.根据前述权利要求中的任一项所述的方法，所述方法还包括：
处理所述经调整的三维模型以确定针对所述解剖结构的至少一个参数的值。
12.根据权利要求11所述的方法，其中，所述至少一个参数包括以下中的任意一项或多项：所述解剖结构的至少部分的体积，以及所述解剖结构的至少部分的厚度。
13.一种包括计算机可读介质的计算机程序产品，所述计算机可读介质具有嵌入在其中的计算机可读代码，所述计算机可读代码被配置为使得在由适合的计算机或处理器运行时，使所述计算机或处理器执行根据权利要求1-12中的任一项所述的方法。
14.一种用于分割解剖结构的二维图像的装置(100)，所述装置(100)包括：
-处理器(102)，其被配置为：
-采集所述解剖结构的三维模型，所述三维模型包括多个分段以及与所述二维图像相关联的视图平面；并且
-基于与所述二维图像相关联的所述视图平面来调整所采集的三维模型以使所采集的三维模型与所述二维图像对准；
-其中，所述二维图像由经调整的三维模型的所述多个分段来分割。
15.根据权利要求14所述的装置(100)，其中，所述处理器(102)被配置为控制一个或多个用户接口(104)以绘制经分割的二维图像。
CN201780065543.3A 2016-10-25 2017-10-20 用于分割解剖结构的二维图像的方法和装置 Active CN109863534B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP16195436.7 2016-10-25
EP16195436 2016-10-25
PCT/EP2017/076854 WO2018077747A1 (en) 2016-10-25 2017-10-20 A method and apparatus for segmenting a two-dimensional image of an anatomical structure

Publications (2)

Publication Number Publication Date
CN109863534A true CN109863534A (zh) 2019-06-07
CN109863534B CN109863534B (zh) 2023-08-01

Family

ID=57206073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780065543.3A Active CN109863534B (zh) 2016-10-25 2017-10-20 用于分割解剖结构的二维图像的方法和装置

Country Status (4)

Country Link
US (1) US10984533B2 (zh)
EP (1) EP3533031B1 (zh)
CN (1) CN109863534B (zh)
WO (1) WO2018077747A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3432262A1 (en) 2017-07-18 2019-01-23 Koninklijke Philips N.V. Method and system for dynamic multi dimensional images of an object
WO2021087425A1 (en) * 2019-10-31 2021-05-06 Bodygram, Inc. Methods and systems for generating 3d datasets to train deep learning networks for measurements estimation

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6106466A (en) * 1997-04-24 2000-08-22 University Of Washington Automated delineation of heart contours from images using reconstruction-based modeling
WO2002093494A2 (en) * 2001-05-16 2002-11-21 Siemens Corporate Research, Inc. A system for modeling static and dynamic three dimensional anatomical structures by 3-d models
US20050004446A1 (en) * 2003-06-25 2005-01-06 Brett Cowan Model assisted planning of medical imaging
US20050207628A1 (en) * 2001-11-23 2005-09-22 Dong-Sung Kim Medical image segmentation apparatus and method thereof
ITTO20060223A1 (it) * 2006-03-24 2007-09-25 I Med S R L Procedimento e sistema per il riconoscimento automatico di anomalie preneoplastiche in strutture anatomiche, e relativo programma per elaboratore
CN101219061A (zh) * 2006-12-08 2008-07-16 韦伯斯特生物官能公司 对电解剖图着色以指示超声数据采集
WO2008155255A1 (en) * 2007-06-19 2008-12-24 Agfa Healthcare Method of constructing a gray value model and/or a geometric model of an anatomic entity in a 3d digital medical image
US20090220136A1 (en) * 2006-02-03 2009-09-03 University Of Florida Research Foundation Image Guidance System for Deep Brain Stimulation
DE102009014764A1 (de) * 2008-05-28 2009-12-10 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Visualisierung tubulärer anatomischer Strukturen, insbesondere Gefäßstrukturen, in medizinischen 3D-Bildaufnahmen
US7706610B2 (en) * 2005-11-29 2010-04-27 Microsoft Corporation Segmentation of objects by minimizing global-local variational energy
US20150317821A1 (en) * 2014-04-30 2015-11-05 Seiko Epson Corporation Geodesic Distance Based Primitive Segmentation and Fitting for 3D Modeling of Non-Rigid Objects from 2D Images
US20150371390A1 (en) * 2013-01-29 2015-12-24 Brainlab Ag Three-Dimensional Image Segmentation Based on a Two-Dimensional Image Information
CN105263420A (zh) * 2013-04-03 2016-01-20 皇家飞利浦有限公司 3d超声成像***
WO2016110463A1 (en) * 2015-01-06 2016-07-14 Koninklijke Philips N.V. Ultrasound imaging apparatus and method for segmenting anatomical objects
CN105793893A (zh) * 2013-12-04 2016-07-20 皇家飞利浦有限公司 解剖结构的基于模型的分割
CN105849773A (zh) * 2013-12-17 2016-08-10 皇家飞利浦有限公司 解剖结构的基于模型的分割
CN105913416A (zh) * 2016-04-06 2016-08-31 中南大学 一种自动分割三维人脸模型区域的方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070014452A1 (en) * 2003-12-01 2007-01-18 Mitta Suresh Method and system for image processing and assessment of a state of a heart
JP2007518484A (ja) 2004-01-19 2007-07-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 変形可能な表面のセグメント化のリアルタイムなユーザ対話処理
US10687856B2 (en) * 2007-12-18 2020-06-23 Howmedica Osteonics Corporation System and method for image segmentation, bone model generation and modification, and surgical planning
US8617171B2 (en) * 2007-12-18 2013-12-31 Otismed Corporation Preoperatively planning an arthroplasty procedure and generating a corresponding patient specific arthroplasty resection guide
WO2009116663A1 (ja) * 2008-03-21 2009-09-24 Takahashi Atsushi 三次元デジタル拡大鏡手術支援システム
WO2011127940A1 (en) 2010-04-13 2011-10-20 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Method for segmentation of objects from a three dimensional image data set with a deformable model
US20160045317A1 (en) * 2013-03-15 2016-02-18 Conformis, Inc. Kinematic and Parameterized Modeling for Patient-Adapted Implants, Tools, and Surgical Procedures
US9865057B2 (en) * 2013-09-30 2018-01-09 Brainlab Ag Generating supplementary slice images based on atlas data
WO2015149042A1 (en) * 2014-03-28 2015-10-01 Dorin Panescu Alignment of q3d models with 3d images
EP3795061A1 (en) * 2015-08-14 2021-03-24 Intuitive Surgical Operations, Inc. Systems and methods of registration for image-guided surgery
US9965863B2 (en) * 2016-08-26 2018-05-08 Elekta, Inc. System and methods for image segmentation using convolutional neural network

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6106466A (en) * 1997-04-24 2000-08-22 University Of Washington Automated delineation of heart contours from images using reconstruction-based modeling
WO2002093494A2 (en) * 2001-05-16 2002-11-21 Siemens Corporate Research, Inc. A system for modeling static and dynamic three dimensional anatomical structures by 3-d models
US20050207628A1 (en) * 2001-11-23 2005-09-22 Dong-Sung Kim Medical image segmentation apparatus and method thereof
US20050004446A1 (en) * 2003-06-25 2005-01-06 Brett Cowan Model assisted planning of medical imaging
US7706610B2 (en) * 2005-11-29 2010-04-27 Microsoft Corporation Segmentation of objects by minimizing global-local variational energy
US20090220136A1 (en) * 2006-02-03 2009-09-03 University Of Florida Research Foundation Image Guidance System for Deep Brain Stimulation
ITTO20060223A1 (it) * 2006-03-24 2007-09-25 I Med S R L Procedimento e sistema per il riconoscimento automatico di anomalie preneoplastiche in strutture anatomiche, e relativo programma per elaboratore
CN101219061A (zh) * 2006-12-08 2008-07-16 韦伯斯特生物官能公司 对电解剖图着色以指示超声数据采集
WO2008155255A1 (en) * 2007-06-19 2008-12-24 Agfa Healthcare Method of constructing a gray value model and/or a geometric model of an anatomic entity in a 3d digital medical image
DE102009014764A1 (de) * 2008-05-28 2009-12-10 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Visualisierung tubulärer anatomischer Strukturen, insbesondere Gefäßstrukturen, in medizinischen 3D-Bildaufnahmen
US20150371390A1 (en) * 2013-01-29 2015-12-24 Brainlab Ag Three-Dimensional Image Segmentation Based on a Two-Dimensional Image Information
CN105263420A (zh) * 2013-04-03 2016-01-20 皇家飞利浦有限公司 3d超声成像***
CN105793893A (zh) * 2013-12-04 2016-07-20 皇家飞利浦有限公司 解剖结构的基于模型的分割
CN105849773A (zh) * 2013-12-17 2016-08-10 皇家飞利浦有限公司 解剖结构的基于模型的分割
US20150317821A1 (en) * 2014-04-30 2015-11-05 Seiko Epson Corporation Geodesic Distance Based Primitive Segmentation and Fitting for 3D Modeling of Non-Rigid Objects from 2D Images
WO2016110463A1 (en) * 2015-01-06 2016-07-14 Koninklijke Philips N.V. Ultrasound imaging apparatus and method for segmenting anatomical objects
CN105913416A (zh) * 2016-04-06 2016-08-31 中南大学 一种自动分割三维人脸模型区域的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HANS C. VAN ASSEN ET AL.: "SPASM: A 3D-ASM for segmentation of sparse and arbitrarily oriented cardiac MRI data", 《MEDICAL IMAGE ANALYSIS》 *
MENG MA ET AL.: "Model driven quantification of left ventricular function from sparse single-beat 3D echocardiography", 《MEDICAL IMAGE ANALYSIS》 *
谢逢等: "基于知识的人脑三维医学图像分割显示方法", 《生物医学工程学杂志》 *

Also Published As

Publication number Publication date
CN109863534B (zh) 2023-08-01
US20190251692A1 (en) 2019-08-15
EP3533031B1 (en) 2023-08-16
US10984533B2 (en) 2021-04-20
WO2018077747A1 (en) 2018-05-03
EP3533031A1 (en) 2019-09-04

Similar Documents

Publication Publication Date Title
US9262583B2 (en) Image similarity-based finite element model registration
US9495725B2 (en) Method and apparatus for medical image registration
US8059876B2 (en) Cardiac function analysis apparatus, method and program
US9375184B2 (en) System and method for prediction of respiratory motion from 3D thoracic images
US9224204B2 (en) Method and apparatus for registration of multimodal imaging data using constraints
CN103229210A (zh) 图像配准装置
RU2669680C2 (ru) Инициализация модели на основе классификации видов
CN108366778B (zh) 移动解剖体和设备的多视图、多源配准
US20190362548A1 (en) Apparatus and method for creating biological model
JP2024515635A (ja) 超音波及びカメラ画像から３ｄ画像を再構成するためのシステム及び方法
CN109863534A (zh) 用于分割解剖结构的二维图像的方法和装置
Hoog Antink et al. Evaluation of advanced Lukas–Kanade optical flow on thoracic 4D-CT
CN108430376A (zh) 提供投影数据集
Rhee et al. Scan-based volume animation driven by locally adaptive articulated registrations
Lotjonen et al. Reconstruction of 3-D geometry using 2-D profiles and a geometric prior model
US20210158970A1 (en) Disease simulation and identification in medical images
Marami et al. Dynamic tracking of a deformable tissue based on 3d-2d mr-us image registration
Klein et al. Elastic material model mismatch effects in deformable motion estimation
US11341651B2 (en) Method and apparatus for refining a model of an anatomical structure in an image
JP2009273882A (ja) 定量的局所測定結果および形態構造の複合４次元プレゼンテーションのための方法および装置
Wustenberg Carpal Bone Rigid-Body Kinematics by Log-Euclidean Polyrigid Estimation
US20190287253A1 (en) A method and apparatus for segmenting two dimensional images of an anatomical structure
CN110088806A (zh) 用于在解剖结构的图像中定位标记物的方法和装置
EP3896658A1 (en) Creating a synthetic medical image
Zimeras et al. Shape analysis in radiotherapy and tumor surgical planning using segmentation techniques

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant