CN110473143B - 一种三维mra医学图像拼接方法及装置、电子设备 - Google Patents
一种三维mra医学图像拼接方法及装置、电子设备 Download PDFInfo
- Publication number
- CN110473143B CN110473143B CN201910666640.9A CN201910666640A CN110473143B CN 110473143 B CN110473143 B CN 110473143B CN 201910666640 A CN201910666640 A CN 201910666640A CN 110473143 B CN110473143 B CN 110473143B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- overlapping region
- overlapping
- fused
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000007526 fusion splicing Methods 0.000 claims abstract description 19
- 238000009499 grossing Methods 0.000 claims abstract description 12
- 230000001788 irregular Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 36
- 230000009466 transformation Effects 0.000 claims description 24
- 210000003484 anatomy Anatomy 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000005070 sampling Methods 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000002583 angiography Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明特别涉及一种三维MRA医学图像拼接方法及装置、电子设备。所述方法包括:对实时接收到的相邻两个待拼接三维MRA医学图像进行拉普拉斯去噪、增强和不规则平滑处理,获得第一图像和第二图像;对第一图像和第二图像进行重叠层探测,确定第一图像中的第一重合区域和第二图像中的第二重合区域;利用加权平均法对第一重合区域和第二重合区域进行融合拼接处理,获得融合拼接后的第三图像。可见,本发明实施例通过分别对预处理后的相邻两个待拼接三维MRA医学图像进行进行重叠层探测,确定两个待拼接三维MRA医学图像中的重合区域,然后对两个重合区域进行融合拼接,能够提高图像中重合区域的确定效率,进而提高图像拼接效率。
Description
技术领域
本发明涉及医学图像处理技术领域,特别涉及一种三维MRA医学图像拼接方法及装置、电子设备。
背景技术
磁共振血管造影(Magnetic Resonance Angiography,MRA)是一种利用电磁波产生用于描述人体信息的三维医学图像的检查方法,通过该检查方法,能够获得全景三维医学图像,更好地帮助医生对病情进行全面、直观的评价。
但是在MRA检查中,由于MRA设备的限制,无法一次性扫描得到全景三维医学图像,通常需要进行分段成像,再对每每相邻的两个分段进行拼接,才能获得全景三维医学图像。因此,三维医学图像拼接在医学影像研究中有着广泛的应用,甚至在金融行业的寿险风控中也成为一种新的应用方法,比如,通过对拼接后的投保人的全景三维医学图像进行智能分析,可以帮助审核投保人的投保申请。
现有技术中,在进行三维医学图像拼接时,通常是通过医生手动将待拼接的三维医学图像通过平移等操作达到视觉上的重合区域融合,以确定图像重合区域进行图像拼接。可这种方式中,利用人工确定图像重合区域的效率过低,且准确性不高、耗时长,从而导致图像拼接效率过于低下。
发明内容
为了解决相关技术中存在的图像拼接效率过于低下的问题,本发明提供了一种三维MRA医学图像拼接方法及装置、电子设备。
本发明实施例第一方面公开了一种三维MRA医学图像拼接方法,所述方法包括:
实时接收扫描设备发送的相邻两个待拼接三维MRA医学图像;
对所述相邻两个待拼接三维MRA医学图像进行拉普拉斯去噪、增强和不规则平滑处理,获得第一图像和第二图像;
分别对所述第一图像和所述第二图像进行重叠层探测,以确定所述第一图像中的第一重合区域和所述第二图像中的第二重合区域;
利用加权平均法对所述第一重合区域和所述第二重合区域进行融合拼接处理,获得融合拼接后的第三图像。
作为一种可选的实施方式,在本发明实施例第一方面中,所述利用加权平均法对所述第一重合区域和所述第二重合区域进行融合拼接处理,获得融合拼接后的第三图像之后,所述方法还包括:
利用低通滤波器对所述第三图像进行平滑滤波处理,获得目标平滑图像。
作为一种可选的实施方式,在本发明实施例第一方面中,所述分别对所述第一图像和所述第二图像进行重叠层探测,以确定所述第一图像中的第一重合区域和所述第二图像中的第二重合区域之前,所述方法还包括:
将所述第一图像和所述第二图像各自的最大密度投影成像进行对比,以确定出所述第一图像中的第一重合片段和所述第二图像中的第二重合片段;
以及,所述分别对所述第一图像和所述第二图像进行重叠层探测,以确定所述第一图像中的第一重合区域和所述第二图像中的第二重合区域,包括:
对所述第一重合片段和所述第二重合片段进行重叠层探测,以确定所述第一图像中的第一重合区域和所述第二图像中的第二重合区域。
作为一种可选的实施方式,在本发明实施例第一方面中,所述对所述第一重合片段和所述第二重合片段进行重叠层探测,以确定所述第一图像中的第一重合区域和所述第二图像中的第二重合区域,包括:
将所述第一重合片段分成多个第一待测区域,以及将所述第二重合片段分成多个第二待测区域,所述第一待测区域与所述第二待测区域一一对应;
依次判断每一个所述第一待测区域与对应的所述第二待测区域的重叠层的数量差值是否小于预设数值;
若所述差值小于所述预设数值,将所述第一待测区域作为所述第一图像中的第一重合区域的组成部分,将对应的所述第二待测区域作为所述第二图像中的第二重合区域的组成部分,以确定所述第一重合区域和所述第二重合区域。
作为一种可选的实施方式,在本发明实施例第一方面中,所述将所述第一待测区域作为所述第一图像中的第一重合区域的组成部分,将对应的所述第二待测区域作为所述第二图像中的第二重合区域的组成部分,以确定所述第一重合区域和所述第二重合区域之后,以及所述利用加权平均法对第一重合区域和第二重合区域进行融合拼接处理,获得融合拼接后的第三图像之前,所述方法还包括:
根据所述第一图像和所述第二图像的图像位置信息,确定采样点;其中,所述图像位置信息用于描述所述第一图像和所述第二图像对应于人体解剖坐标系的位置;
根据所述采样点的人体解剖坐标、所述采样点在所述第一图像中的第一图像坐标以及在所述第二图像中的第二图像坐标,获得配准变换矩阵;
根据所述配准变换矩阵,配准所述第一重合区域和所述第二重合区域。
作为一种可选的实施方式,在本发明实施例第一方面中,所述根据所述配准变换矩阵,配准所述第一重合区域和所述第二重合区域,包括:
以所述第一重合区域为基准区域,将所述第二重合区域中具有相同人体解剖坐标的点通过所述配准变换矩阵配准到所述第一重合区域的同一位置;或者,
以所述第二重合区域为基准区域,将所述第一重合区域中具有相同人体解剖坐标的点通过所述配准变换矩阵配准到所述第二重合区域的同一位置。
作为一种可选的实施方式,在本发明实施例第一方面中,所述利用加权平均法对所述第一重合区域和所述第二重合区域进行融合拼接处理,获得融合拼接后的第三图像,包括:
将所述第一重合区域分成多个第一待融合列区域,以及将所述第二重合区域分成多个第二待融合列区域,所述第一待融合列区域与所述第二待融合列区域一一对应;
按照各个所述第一待融合列区域与所述第二重合区域的距离从小到大的顺序,依次获取每一个所述第一待融合列区域的第一预设权重系数,其中所述第一预设权重系数随着其对应的所述第一待融合列区域与所述第二重合区域的距离变大而变小;
根据所述第一预设权重系数,获得所述第一待融合列区域对应的所述第二待融合列区域的第二预设权重系数,其中所述第一预设权重系数与所述第二预设权重系数的和值等于一;
根据所述第一预设权重系数和所述第二预设权重系数,将各个所述第一待融合列区域与对应的所述第二待融合列区域进行像素值相加计算,获得融合像素值,以获得融合拼接后的第三图像。
本发明实施例第二方面公开了一种三维MRA医学图像拼接装置,所述装置包括:
接收单元,用于实时接收扫描设备发送的相邻两个待拼接三维MRA医学图像;
去噪单元,用于对所述相邻两个待拼接三维MRA医学图像进行拉普拉斯去噪、增强和不规则平滑处理,获得第一图像和第二图像;
探测单元,用于分别对所述第一图像和所述第二图像进行重叠层探测,以确定所述第一图像中的第一重合区域和所述第二图像中的第二重合区域;
拼接单元,用于利用加权平均法对所述第一重合区域和所述第二重合区域进行融合拼接处理,获得融合拼接后的第三图像。
本发明实施例第三方面公开了一种电子设备,所述电子设备包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现本发明实施例第一方面公开的三维MRA医学图像拼接方法。
本发明实施例第四方面公开了一种计算机可读存储介质,其存储计算机程序,所述计算机程序使得计算机执行本发明实施例第一方面公开的三维MRA医学图像拼接方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
本技术方案包括如下步骤:实时接收扫描设备发送的相邻两个待拼接三维MRA医学图像;对相邻两个待拼接三维MRA医学图像进行拉普拉斯去噪、增强和不规则平滑处理,获得第一图像和第二图像;分别对第一图像和第二图像进行重叠层探测,以确定第一图像中的第一重合区域和第二图像中的第二重合区域;利用加权平均法对第一重合区域和第二重合区域进行融合拼接处理,获得融合拼接后的第三图像。
此方法下,通过分别对实时接收到的相邻两个待拼接三维MRA医学图像进行预处理后进行重叠层探测,以确定两个待拼接三维MRA医学图像中的重合区域,并利用加权平均法对两个重合区域进行融合拼接,能够提高图像中重合区域的确定效率,进而提高图像拼接效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是本发明实施例公开的一种三维MRA医学图像拼接装置的结构示意图;
图2是本发明实施例公开的一种三维MRA医学图像拼接方法的流程示意图;
图3是本发明实施例公开的另一种三维MRA医学图像拼接方法的流程示意图;
图4是本发明实施例公开的又一种三维MRA医学图像拼接方法的流程示意图;
图5是本发明实施例公开的另一种三维MRA医学图像拼接装置的结构示意图;
图6是本发明实施例公开的另一种三维MRA医学图像拼接装置的结构示意图;
图7是本发明实施例公开的又一种三维MRA医学图像拼接装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
实施例一
本发明的实施环境可以是电子设备,例如智能手机、平板电脑、台式电脑。
在一种应用场景下,本发明实施例所公开的方法适用于金融行业的寿险风控中,具体地,通过对拼接后投保人的全景三维医学图像进行智能分析,可以帮助审核投保人的投保申请。在另一种应用场景下,本发明实施例所公开的方法适用于医疗领域的磁共振成像设备,对扫描设备扫描得到的分段式的三维MRA医学图像进行拼接,从而得到全景三维医学图像,可以帮助医生对病情进行全面、直观的评价。
图1是本发明实施例公开的一种三维MRA医学图像拼接装置的结构示意图。装置100可以是上述电子设备。如图1所示,装置100可以包括以下一个或多个组件:处理组件102,存储器104,电源组件106,多媒体组件108,音频组件110,传感器组件114以及通信组件116。
处理组件102通常控制装置100的整体操作,诸如与显示,电话呼叫,数据通信,相机操作以及记录操作相关联的操作等。处理组件102可以包括一个或多个处理器118来执行指令,以完成下述的方法的全部或部分步骤。此外,处理组件102可以包括一个或多个模块,用于便于处理组件102和其他组件之间的交互。例如,处理组件102可以包括多媒体模块,用于以方便多媒体组件108和处理组件102之间的交互。
存储器104被配置为存储各种类型的数据以支持在装置100的操作。这些数据的示例包括用于在装置100上操作的任何应用程序或方法的指令。存储器104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(StaticRandomAccess Memory,简称SRAM),电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,简称EPROM),可编程只读存储器(Programmable Red-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。存储器104中还存储有一个或多个模块,用于该一个或多个模块被配置成由该一个或多个处理器118执行,以完成如下所示方法中的全部或者部分步骤。
电源组件106为装置100的各种组件提供电力。电源组件106可以包括电源管理***,一个或多个电源,及其他与为装置100生成、管理和分配电力相关联的组件。
多媒体组件108包括在装置100和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(Liquid Crystal Display,简称LCD)和触摸面板。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。屏幕还可以包括有机电致发光显示器(Organic Light Emitting Display,简称OLED)。
音频组件110被配置为输出和/或输入音频信号。例如,音频组件110包括一个麦克风(Microphone,简称MIC),当装置100处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器104或经由通信组件116发送。在一些实施例中,音频组件110还包括一个扬声器,用于输出音频信号。
传感器组件114包括一个或多个传感器,用于为装置100提供各个方面的状态评估。例如,传感器组件114可以检测到装置100的打开/关闭状态,组件的相对定位,传感器组件114还可以检测装置100或装置100一个组件的位置改变以及装置100的温度变化。在一些实施例中,该传感器组件114还可以包括磁传感器,压力传感器或温度传感器。
通信组件116被配置为便于装置100和其他设备之间有线或无线方式的通信。装置100可以接入基于通信标准的无线网络,如WiFi(Wireless-Fidelity,无线保真)。在本发明实施例中,通信组件116经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在本发明实施例中,通信组件116还包括近场通信(Near Field Communication,简称NFC)模块,用于以促进短程通信。例如,在NFC模块可基于射频识别(Radio FrequencyIdentification,简称RFID)技术,红外数据协会(Infrared DataAssociation,简称IrDA)技术,超宽带(UltraWideband,简称UWB)技术,蓝牙技术和其他技术来实现。
在示例性实施例中,装置100可以被一个或多个应用专用集成电路(ApplicationSpecific Integrated Circuit,简称ASIC)、数字信号处理器、数字信号处理设备、可编程逻辑器件、现场可编程门阵列、控制器、微控制器、微处理器或其他电子元件实现,用于执行下述方法。
实施例二
请参阅图2,图2是本发明实施例公开的一种三维MRA医学图像拼接方法的流程示意图。如图2所示该三维MRA医学图像拼接方法可以包括以下步骤:
201、实时接收扫描设备发送的相邻两个待拼接三维MRA医学图像。
需要说明的是,其中待拼接三维MRA医学图像的格式应为医学数字成像和通信(Digital Imaging and Communications in Medicine,DICOM)格式,即可用于数据交换的医学图像格式。
202、对相邻两个待拼接三维MRA医学图像进行拉普拉斯去噪、增强和不规则平滑处理,获得第一图像和第二图像。
本发明实施例中,由于MRA设备的限制,获得的待拼接三维MRA医学图像不可避免的存在噪声。因此,需要对待拼接三维MRA医学图像进行预处理。首先对相邻两个待拼接三维MRA医学图像进行拉普拉斯去噪,去除多余无用的干扰信号,然后对去噪后的图像进行增强处理,最后将增强后的图像进行不规则的图像平滑处理,尽可能为下一步提供优质的第一图像和第二图像。
作为另一种可选的实施方式,还可以采用加权邻域平均法对待拼接三维MRA医学图像进行平滑去噪。其中,加权邻域平均法是指给邻域内各像素乘以不同的系数,对较重要的像素乘以较大的权值。举例来说,假设医学影像为f(x,y),如果取邻域S,则加权邻域平均的计算公式为:
其中,∑为求和符号,用于指示求和操作;a为第一求和操作的上界,-a为第一求和操作的下界,a可以是指定常数,用以指示s的取值范围为[-a,a],从而限定第一求和操作的自变量取值范围。同理,b为第二求和操作的上界,-b为第二求和操作的下界,b可以是指定常数,用以指示t的取值范围为[-b,b],从而限定第二求和操作的自变量取值范围。其中,w(s,t)为权值函数,属于一种常用的权值函数,是以邻域内各点与中心点的距离为变量的函数,在该函数中,中心点具有最大的权值,表明该点对加权邻域平均值的决策贡献程度与其到中心点的距离成反比。其中,(s,t)是邻域内各点的坐标,w是该点对应的权值。
实施该实施方式,能够增加去噪处理速度。
203、分别对第一图像和第二图像进行重叠层探测,以确定第一图像中的第一重合区域和第二图像中的第二重合区域。
本发明实施例中,由于MRA设备的限制,无法一次性扫描得到全景三维医学图像,通常需要进行分段成像,再对每每相邻的两个分段进行拼接,才能获得全景三维医学图像。需要说明的是,在本发明实施例中所描述的第一图像和第二图像本质上均为三维MRA医学图像,但相对于全景三维医学图像而言,第一图像和第二图像均指的是分段成像所得的分段。
可以理解,由于三维MRA医学图像用于显示病人的病灶情况,为了避免扫描的信息遗漏缺失,第一图像与第二图像之间存在重合区域,且这两个重合区域分别存在于两个图像的衔接处的两端。其中,两个图像的衔接处可以是任意一个图像的任意一边的边界。
其中,第一图像与第二图像可以是同个扫描设备在不同条件下获取的图像,不同条件可以包括不同天候、照度、摄像位置和角度等。
需要说明的是,由于重合区域一般具有相同或接近的重叠层数,因此对第一图像和第二图像进行重叠层探测,可确定重合区域。
204、利用加权平均法对第一重合区域和第二重合区域进行融合拼接处理,获得融合拼接后的第三图像。
本发明实施例中,利用加权平均法分别对第一重合区域和第二重合区域中的像素进行加权后再叠加平均,每个像素按照自身在整个图像中的重要程度被赋予不同的权值,从而可以实现图像平滑过渡,有效消除图像中的缝合线。
可见,实施图2所描述的方法,通过分别对实时接收到的相邻两个待拼接三维MRA医学图像进行预处理后进行重叠层探测,以确定两个待拼接三维MRA医学图像中的重合区域,并利用加权平均法对两个重合区域进行融合拼接,能够提高图像中重合区域的确定效率,进而提高图像拼接效率。
实施例三
请参阅图3,图3是本发明实施例公开的另一种三维MRA医学图像拼接方法的流程示意图。如图3所示,该三维MRA医学图像拼接方法可以包括以下步骤:
301~303。其中,针对步骤301~303的描述请参照实施例二中步骤201~203的详细描述,本发明在此不再赘述。
304、将第一重合区域分成多个第一待融合列区域,以及将第二重合区域分成多个第二待融合列区域,第一待融合列区域与第二待融合列区域一一对应。
其中,一一对应的第一待融合列区域与第二待融合列区域具有重合关系。
305、按照各个第一待融合列区域与第二重合区域的距离从小到大的顺序,依次获取每一个第一待融合列区域的第一预设权重系数,其中第一预设权重系数随着其对应的第一待融合列区域与第二重合区域的距离变大而变小。
可以理解,在第一重合区域中,越靠近第二重合区域的第一待融合列区域的决策贡献程度越大,因此预设权重系数应该更大。同理在第二重合区域中,越靠近第一重合区域的第二待融合列区域的决策贡献程度越大,因此预设权重系数应该更大。可选地,可根据第一待融合列区域与第二重合区域的距离,为第一待融合列区域预设第一预设权重系数。
举例来说,若第一重合区域中有2个第一待融合列区域,分别为A和B,第一待融合列区域B比第一待融合列区域A更靠近第一重合区域的边缘,也更靠近第二重合区域,那么可设第一待融合列区域A的第一预设权重系数为0.8,第一待融合列区域B的第一预设权重系数为0.6。当然,也可以设定其它数值,比如0.4或0.5等,在此不作限定。
306、根据第一预设权重系数,获得第一待融合列区域对应的第二待融合列区域的第二预设权重系数,其中第一预设权重系数与第二预设权重系数的和值等于一。
基于上述的例子,第二重合区域中也有2个第二待融合列区域,分别为C和D,第二待融合列区域C比第二待融合列区域D更靠近第二重合区域的边缘,也更靠近第一重合区域,那么第二重合区域中与第一待融合列区域A所对应的第二待融合列区域C的第二预设权重系数为1-0.8=0.2,第二重合区域中与第一待融合列区域B所对应的第二待融合列区域D的第二预设权重系数为1-0.6=0.4。
307、根据第一预设权重系数和第二预设权重系数,将各个第一待融合列区域与对应的第二待融合列区域进行像素值相加计算,获得融合像素值,以获得融合拼接后的第三图像。
实施步骤304~307,通过将重合区域分成多个待融合列区域,并根据待融合列区域的重要程度,对其配置不同的权重系数,任意相邻两个待融合列区域的预设权重系数不同,可以对第一图像和第二图像进行平滑无缝拼接,使图像过度更加自然,改善拼接效果,提升视觉效果。
308、利用低通滤波器对第三图像进行平滑滤波处理,获得目标平滑图像。
可见,实施图3所描述的方法,能够提高图像中重合区域的确定效率,进而提高图像拼接效率,还能够实时接收扫描设备发送的相邻两个待拼接三维MRA医学图像,以及对待拼接三维MRA医学图像进行预处理,为下一步提供优质的第一图像和第二图像。此外,通过将重合区域分成多个待融合列区域,并根据待融合列区域的重要程度,对其配置不同的权重系数,任意相邻两个待融合列区域的预设权重系数不同,可以对第一图像和第二图像进行平滑无缝拼接,使图像过度更加自然,改善拼接效果,提升视觉效果。
实施例四
请参阅图4,图4是本发明实施例公开的又一种三维MRA医学图像拼接方法的流程示意图。如图4所示该三维MRA医学图像拼接方法可以包括以下步骤:
401~402。其中,针对步骤401~402的描述请参照实施例二中步骤201~202的详细描述,本发明在此不再赘述。
403、将第一图像和第二图像各自的最大密度投影成像进行对比,以确定出第一图像中的第一重合片段和第二图像中的第二重合片段。
其中,最大密度投影(Maximal Intensity Projection,MIP)是一种应用广泛的三维MRA医学图像处理技术。MIP运用透视法获得二维图像,即通过计算沿着被扫描物每条射线上所遇到的最大密度像素而产生的。当光纤束通过一段组织的原始图像时,图像中密度最大的像素被保留,并被投影到一个二维平面上,从而形成MIP重建图像。MIP能反应相应像素的X线衰减值,较小的密度变化也能在MIP图像上显示,能很好地显示血管的狭窄、扩张、充盈缺损及区分血管壁上的钙化与血管腔内的对比剂。因此,通过最大密度投影成像,可初步确定第一图像中的第一重合片段和第二图像中的第二重合片段。
404、将第一重合片段分成多个第一待测区域,以及将第二重合片段分成多个第二待测区域,第一待测区域与第二待测区域一一对应。
405、依次判断每一个第一待测区域与对应的第二待测区域的重叠层的数量差值是否小于预设数值。若是,执行步骤406;反之,结束本流程。
其中,预设数值可以是开发人员根据实际情况事先设定。
406、将第一待测区域作为第一图像中的第一重合区域的组成部分,将对应的第二待测区域作为第二图像中的第二重合区域的组成部分,以确定第一重合区域和第二重合区域。
407、根据第一图像和第二图像的图像位置信息,确定采样点。其中,图像位置信息用于描述第一图像和第二图像对应于人体解剖坐标系的位置。
需要说明的是,图像位置信息可以从第一图像和第二图像的头文件中所提供的设备扫描信息中获取,设备扫描信息包括图像位置、图像方向、像素分辨率、层厚、患者***和扫描床位等信息。
可以理解,通过图像的原点对应于人体解剖坐标系的位置,可求图像中任意一点位于人体解剖坐标系的位置,因此采样点可以是上述的原点,也可以是除上述的原点之外的任意一个重合点。其中,图像的原点位于图像的左上角,这个原点在图像坐标体系中的图像坐标为零,且这个原点对应于人体解剖坐标系中的人体解剖坐标可从图像位置信息中获得,因此,根据第一图像和第二图像各自的原点的人体解剖坐标,还可以描述第一图像和第二图像的位置关系。
其中,人体解剖坐标系指的是医学图像处理技术领域中的解剖学空间坐标体系,也称病人坐标体系。该人体解剖坐标系由三个位面组成,用来描述标准的人体在解剖学上的位置。其中,三个体面包括横断面、冠状面和矢状面;其中,横断面与地面平行,分离人体的头部与脚部;冠状面与地面垂直,分离人体的前部和后部;矢状面与地面垂直,分离人体的左部和右部。
408、根据采样点的人体解剖坐标、采样点在第一图像中的第一图像坐标以及在第二图像中的第二图像坐标,获得配准变换矩阵。
其中,人体解剖坐标指的是采样点对应于人体解剖坐标系的坐标信息;第一图像坐标或第二图像坐标指的是采样点位于图像坐标体系的坐标信息。
其中,配准变换矩阵用于对第一图像或第二图像进行平移、尺度变换和旋转等操作中的一种或多种。一般地,当知道两个图像相同人体解剖坐标的点,即可以确定配准变换矩阵。例如,[第二图像中采样点的第二图像坐标]*[配准变换矩阵]=[第一图像中采样点的第一图像坐标]。
409、根据配准变换矩阵,配准第一重合区域和第二重合区域。
作为一种可选的实施方式,步骤409可以包括:
以第一重合区域为基准区域,将第二重合区域中具有相同人体解剖坐标的点通过配准变换矩阵配准到第一重合区域的同一位置;或者,以第二重合区域为基准区域,将第一重合区域中具有相同人体解剖坐标的点通过配准变换矩阵配准到第二重合区域的同一位置。
实施该实施方式,相对于现有技术中手动确定图像重合区域的方式,在节省时间、提高效率的同时,还能够增加图像拼接的准确性。
作为另一种可选的实施方式,在执行步骤409之前,还可以根据预先选取的图像处理算子的大小分别对第一重合区域和第二重合区域进行扩展处理,获得第一待配准区域和第二待配准区域。进一步可选地,步骤409可以包括:基于互信息最大化方法获得配准系数,根据配准系数将第一待配准区域和第二待配准区域中相同特征的点通过配准系数配准到同一位置。其中,图像处理算子包括但不限于利用局部差分算子寻找边缘的罗伯茨算子(又称Roberts算子)、用于边缘检测的Sobel算子、用于一阶微分算子的边缘检测的Prewitt算子、用于二阶微分的Laplacian算子或高斯-拉普拉斯算子等。
实施该实施方式,通过对确定的第一重合区域和第二重合区域进行扩展处理,基于扩展后的第一待配准区域和第二待配准区域进行配准,可以提高图像配准的准确性,同时提高图像处理的效果。
410、利用加权平均法对第一重合区域和第二重合区域进行融合拼接处理,获得融合拼接后的第三图像。
可见,实施图4所描述的方法,能够提高图像中重合区域的确定效率,进而提高图像拼接效率。除此之外,通过以一个重合区域为基准区域,将另一个重合区域中具有相同人体解剖坐标的点通过配准变换矩阵配准到同一位置,相对于现有技术中手动确定图像重合区域的方式,在节省时间、提高效率的同时,还能够增加图像拼接的准确性。
实施例五
请参阅图5,图5是本发明实施例公开的另一种三维MRA医学图像拼接装置的结构示意图。如图5所示,该三维MRA医学图像拼接装置可以包括接收单元501、去噪单元502、探测单元503和拼接单元504,其中,
接收单元501,用于实时接收扫描设备发送的相邻两个待拼接三维MRA医学图像。
去噪单元502,用于对相邻两个待拼接三维MRA医学图像进行拉普拉斯去噪、增强和不规则平滑处理,获得第一图像和第二图像。
探测单元503,用于分别对第一图像和第二图像进行重叠层探测,以确定第一图像中的第一重合区域和第二图像中的第二重合区域。
拼接单元504,用于利用加权平均法对第一重合区域和第二重合区域进行融合拼接处理,获得融合拼接后的第三图像。
可见,实施图5所示的装置,通过分别对实时接收到的相邻两个待拼接三维MRA医学图像进行预处理后进行重叠层探测,以确定两个待拼接三维MRA医学图像中的重合区域,并利用加权平均法对两个重合区域进行融合拼接,能够提高图像中重合区域的确定效率,进而提高图像拼接效率。
实施例六
请参阅图6,图6是本发明实施例公开的另一种三维MRA医学图像拼接装置的结构示意图。图6所示的三维MRA医学图像拼接装置是由图5所示的三维MRA医学图像拼接装置进行优化得到的。与图5所示的三维MRA医学图像拼接装置相比较,图6所示的三维MRA医学图像拼接装置中:
上述的去噪单元502,还用于在拼接单元504利用加权平均法对第一重合区域和第二重合区域进行融合拼接处理,获得融合拼接后的第三图像之后,利用低通滤波器对第三图像进行平滑滤波处理,获得目标平滑图像。
作为一种可选的实施方式,图6所示的装置中,拼接单元504可以包括:
划分子单元5041,用于将第一重合区域分成多个第一待融合列区域,以及将第二重合区域分成多个第二待融合列区域,第一待融合列区域与第二待融合列区域一一对应。
第一获取子单元5042,用于按照各个第一待融合列区域与第二重合区域的距离从小到大的顺序,依次获取每一个第一待融合列区域的第一预设权重系数,其中第一预设权重系数随着其对应的第一待融合列区域与第二重合区域的距离变大而变小。
第二获取子单元5043,用于根据第一预设权重系数,获得第一待融合列区域对应的第二待融合列区域的第二预设权重系数,其中第一预设权重系数与第二预设权重系数的和值等于一。
拼接子单元5044,用于根据第一预设权重系数和第二预设权重系数,将各个第一待融合列区域与对应的第二待融合列区域进行像素值相加计算,获得融合像素值,以获得融合拼接后的第三图像。
实施该实施方式,通过将重合区域分成多个待融合列区域,并根据待融合列区域的重要程度,对其配置不同的权重系数,任意相邻两个待融合列区域的预设权重系数不同,可以对第一图像和第二图像进行平滑无缝拼接,使图像过度更加自然,改善拼接效果,提升视觉效果。
作为另一种可选的实施方式,上述的去噪单元502,还用于采用加权邻域平均法对待拼接三维MRA医学图像进行平滑去噪。其中,加权邻域平均法是指给邻域内各像素乘以不同的系数,对较重要的像素乘以较大的权值。举例来说,假设医学影像为f(x,y),如果取邻域S,则加权邻域平均的计算公式为:
其中,∑为求和符号,用于指示求和操作;a为第一求和操作的上界,-a为第一求和操作的下界,a可以是指定常数,用以指示s的取值范围为[-a,a],从而限定第一求和操作的自变量取值范围。同理,b为第二求和操作的上界,-b为第二求和操作的下界,b可以是指定常数,用以指示t的取值范围为[-b,b],从而限定第二求和操作的自变量取值范围。其中,w(s,t)为权值函数,属于一种常用的权值函数,是以邻域内各点与中心点的距离为变量的函数,在该函数中,中心点具有最大的权值,表明该点对加权邻域平均值的决策贡献程度与其到中心点的距离成反比。其中,(s,t)是邻域内各点的坐标,w是该点对应的权值。
实施该实施方式,能够增加去噪处理速度。
可见,实施图6所示的装置,能够提高图像中重合区域的确定效率,进而提高图像拼接效率,还能够通过将重合区域分成多个待融合列区域,并根据待融合列区域的重要程度,对其配置不同的权重系数,任意相邻两个待融合列区域的预设权重系数不同,可以对第一图像和第二图像进行平滑无缝拼接,使图像过度更加自然,改善拼接效果,提升视觉效果。
实施例七
请参阅图7,图7是本发明实施例公开的又一种三维MRA医学图像拼接装置的结构示意图。图7所示的三维MRA医学图像拼接装置是由图6所示的三维MRA医学图像拼接装置进行优化得到的。与图6所示的三维MRA医学图像拼接装置相比较,图7所示的三维MRA医学图像拼接装置还可以包括:对比单元505、确定单元506、获取单元507和配准单元508,其中,
对比单元505,用于在探测单元503分别对第一图像和第二图像进行重叠层探测,以确定第一图像中的第一重合区域和第二图像中的第二重合区域之前,将第一图像和第二图像各自的最大密度投影成像进行对比,以确定出第一图像中的第一重合片段和第二图像中的第二重合片段。
相应地,上述的探测单元503用于分别对第一图像和第二图像进行重叠层探测,以确定第一图像中的第一重合区域和第二图像中的第二重合区域的方式具体可以是:
上述的探测单元503,用于对第一重合片段和第二重合片段进行重叠层探测,以确定第一图像中的第一重合区域和第二图像中的第二重合区域。
进一步可选地,上述的探测单元503用于对第一重合片段和第二重合片段进行重叠层探测,以确定第一图像中的第一重合区域和第二图像中的第二重合区域的方式具体可以是:
上述的探测单元503,用于将第一重合片段分成多个第一待测区域,以及将第二重合片段分成多个第二待测区域,第一待测区域与第二待测区域一一对应;以及,依次判断每一个第一待测区域与对应的第二待测区域的重叠层的数量差值是否小于预设数值;若差值小于预设数值,将第一待测区域作为第一图像中的第一重合区域的组成部分,将对应的第二待测区域作为第二图像中的第二重合区域的组成部分,以确定第一重合区域和第二重合区域。
确定单元506,用于在上述的探测单元503将第一待测区域作为第一图像中的第一重合区域的组成部分,将对应的第二待测区域作为第二图像中的第二重合区域的组成部分以确定第一重合区域和第二重合区域之后,以及上述的拼接单元504利用加权平均法对第一重合区域和第二重合区域进行融合拼接处理,获得融合拼接后的第三图像之前,根据第一图像和第二图像的图像位置信息,确定采样点。其中,图像位置信息用于描述第一图像和第二图像对应于人体解剖坐标系的位置。
获取单元507,用于根据采样点的人体解剖坐标、采样点在第一图像中的第一图像坐标以及在第二图像中的第二图像坐标,获得配准变换矩阵。
配准单元508,用于根据配准变换矩阵,配准第一重合区域和第二重合区域。
作为一种可选的实施方式,配准单元508用于根据配准变换矩阵,配准第一重合区域和第二重合区域的方式具体可以是:
配准单元508,用于以第一重合区域为基准区域,将第二重合区域中具有相同人体解剖坐标的点通过配准变换矩阵配准到第一重合区域的同一位置;或者,以第二重合区域为基准区域,将第一重合区域中具有相同人体解剖坐标的点通过配准变换矩阵配准到第二重合区域的同一位置。
实施该实施方式,相对于现有技术中手动确定图像重合区域的方式,在节省时间、提高效率的同时,还能够增加图像拼接的准确性。
作为另一种可选的实施方式,配准单元508用于根据配准变换矩阵,配准第一重合区域和第二重合区域的方式具体可以是:
配准单元508,用于根据预先选取的图像处理算子的大小分别对第一重合区域和第二重合区域进行扩展处理,获得第一待配准区域和第二待配准区域;以及,基于互信息最大化方法获得配准系数,根据配准系数将第一待配准区域和第二待配准区域中相同特征的点通过配准系数配准到同一位置。其中,图像处理算子包括但不限于利用局部差分算子寻找边缘的罗伯茨算子(又称Roberts算子)、用于边缘检测的Sobel算子、用于一阶微分算子的边缘检测的Prewitt算子、用于二阶微分的Laplacian算子或高斯-拉普拉斯算子等。
实施该实施方式,通过对确定的第一重合区域和第二重合区域进行扩展处理,基于扩展后的第一待配准区域和第二待配准区域进行配准,可以提高图像配准的准确性,同时提高图像处理的效果。
可见,实施图7所示的装置,能够提高图像中重合区域的确定效率,进而提高图像拼接效率。除此之外,通过以一个重合区域为基准区域,将另一个重合区域中具有相同人体解剖坐标的点通过配准变换矩阵配准到同一位置,相对于现有技术中手动确定图像重合区域的方式,在节省时间、提高效率的同时,还能够增加图像拼接的准确性。
本发明还提供一种电子设备,该电子设备包括:
处理器;
存储器,该存储器上存储有计算机可读指令,该计算机可读指令被处理器执行时,实现如前所示的三维MRA医学图像拼接方法。
该电子设备可以是图1所示装置100。
在一示例性实施例中,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现如前所示的三维MRA医学图像拼接方法。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (6)
1.一种三维MRA医学图像拼接方法,其特征在于,所述方法包括:
实时接收扫描设备发送的相邻两个待拼接三维MRA医学图像;
对所述相邻两个待拼接三维MRA医学图像进行拉普拉斯去噪、增强和不规则平滑处理,获得第一图像和第二图像;
将所述第一图像和所述第二图像各自的最大密度投影成像进行对比,以确定出所述第一图像中的第一重合片段和所述第二图像中的第二重合片段;
分别对所述第一图像和所述第二图像进行重叠层探测,以确定所述第一图像中的第一重合区域和所述第二图像中的第二重合区域;其包括:将所述第一重合片段分成多个第一待测区域,以及将所述第二重合片段分成多个第二待测区域,所述第一待测区域与所述第二待测区域一一对应;依次判断每一个所述第一待测区域与对应的所述第二待测区域的重叠层的数量差值是否小于预设数值;若所述差值小于所述预设数值,将所述第一待测区域作为所述第一图像中的第一重合区域的组成部分,将对应的所述第二待测区域作为所述第二图像中的第二重合区域的组成部分,以确定所述第一重合区域和所述第二重合区域;
根据所述第一图像和所述第二图像的图像位置信息,确定采样点;其中,所述图像位置信息用于描述所述第一图像和所述第二图像对应于人体解剖坐标系的位置;
根据所述采样点的人体解剖坐标、所述采样点在所述第一图像中的第一图像坐标以及在所述第二图像中的第二图像坐标,获得配准变换矩阵;
以所述第一重合区域为基准区域,将所述第二重合区域中具有相同人体解剖坐标的点通过所述配准变换矩阵配准到所述第一重合区域的同一位置;或者,以所述第二重合区域为基准区域,将所述第一重合区域中具有相同人体解剖坐标的点通过所述配准变换矩阵配准到所述第二重合区域的同一位置;
利用加权平均法对所述第一重合区域和所述第二重合区域进行融合拼接处理,获得融合拼接后的第三图像。
2.根据权利要求1所述的方法,其特征在于,所述利用加权平均法对所述第一重合区域和所述第二重合区域进行融合拼接处理,获得融合拼接后的第三图像之后,所述方法还包括:
利用低通滤波器对所述第三图像进行平滑滤波处理,获得目标平滑图像。
3.根据权利要求1或2所述的方法,其特征在于,所述利用加权平均法对所述第一重合区域和所述第二重合区域进行融合拼接处理,获得融合拼接后的第三图像,包括:
将所述第一重合区域分成多个第一待融合列区域,以及将所述第二重合区域分成多个第二待融合列区域,所述第一待融合列区域与所述第二待融合列区域一一对应;
按照各个所述第一待融合列区域与所述第二重合区域的距离从小到大的顺序,依次获取每一个所述第一待融合列区域的第一预设权重系数,其中所述第一预设权重系数随着其对应的所述第一待融合列区域与所述第二重合区域的距离变大而变小;
根据所述第一预设权重系数,获得所述第一待融合列区域对应的所述第二待融合列区域的第二预设权重系数,其中所述第一预设权重系数与所述第二预设权重系数的和值等于一;
根据所述第一预设权重系数和所述第二预设权重系数,将各个所述第一待融合列区域与对应的所述第二待融合列区域进行像素值相加计算,获得融合像素值,以获得融合拼接后的第三图像。
4.一种三维MRA医学图像拼接装置,其特征在于,所述装置用于执行权利要求1至3中任一项所述的方法,所述装置包括:
接收单元,用于实时接收扫描设备发送的相邻两个待拼接三维MRA医学图像;
去噪单元,用于对所述相邻两个待拼接三维MRA医学图像进行拉普拉斯去噪、增强和不规则平滑处理,获得第一图像和第二图像;
探测单元,用于分别对所述第一图像和所述第二图像进行重叠层探测,以确定所述第一图像中的第一重合区域和所述第二图像中的第二重合区域;
拼接单元,用于利用加权平均法对所述第一重合区域和所述第二重合区域进行融合拼接处理,获得融合拼接后的第三图像。
5.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~3中任一项所述的三维MRA医学图像拼接方法的步骤。
6.一种计算机可读存储介质,其特征在于,其存储计算机程序,所述计算机程序使得计算机执行权利要求1~3任一项所述的三维MRA医学图像拼接方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910666640.9A CN110473143B (zh) | 2019-07-23 | 2019-07-23 | 一种三维mra医学图像拼接方法及装置、电子设备 |
PCT/CN2019/118065 WO2021012520A1 (zh) | 2019-07-23 | 2019-11-13 | 三维mra医学图像拼接方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910666640.9A CN110473143B (zh) | 2019-07-23 | 2019-07-23 | 一种三维mra医学图像拼接方法及装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110473143A CN110473143A (zh) | 2019-11-19 |
CN110473143B true CN110473143B (zh) | 2023-11-10 |
Family
ID=68508969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910666640.9A Active CN110473143B (zh) | 2019-07-23 | 2019-07-23 | 一种三维mra医学图像拼接方法及装置、电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110473143B (zh) |
WO (1) | WO2021012520A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145092A (zh) * | 2019-12-16 | 2020-05-12 | 华中科技大学鄂州工业技术研究院 | 一种腿部表面红外血管图像的处理方法及装置 |
CN111612690B (zh) * | 2019-12-30 | 2023-04-07 | 苏州纽迈分析仪器股份有限公司 | 一种图像拼接方法及*** |
CN113902657A (zh) * | 2021-08-26 | 2022-01-07 | 北京旷视科技有限公司 | 图像拼接方法、装置和电子设备 |
CN114170075A (zh) * | 2021-10-26 | 2022-03-11 | 北京东软医疗设备有限公司 | 图像拼接方法、装置及设备 |
CN116958104B (zh) * | 2023-07-28 | 2024-05-28 | 上海感图网络科技有限公司 | 物料表面图像处理方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102551717A (zh) * | 2010-12-31 | 2012-07-11 | 深圳迈瑞生物医疗电子股份有限公司 | 磁共振成像中消除血管拼接伪影的方法和装置 |
CN108633312A (zh) * | 2015-11-18 | 2018-10-09 | 光学实验室成像公司 | x射线图像特征检测和配准***和方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855613B (zh) * | 2011-07-01 | 2016-03-02 | 株式会社东芝 | 图像处理设备和方法 |
US20140267267A1 (en) * | 2013-03-15 | 2014-09-18 | Toshiba Medical Systems Corporation | Stitching of volume data sets |
CN104318604A (zh) * | 2014-10-21 | 2015-01-28 | 四川华雁信息产业股份有限公司 | 一种3d图像拼接方法及装置 |
CN107146201A (zh) * | 2017-05-08 | 2017-09-08 | 重庆邮电大学 | 一种基于改进图像融合的图像拼接方法 |
-
2019
- 2019-07-23 CN CN201910666640.9A patent/CN110473143B/zh active Active
- 2019-11-13 WO PCT/CN2019/118065 patent/WO2021012520A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102551717A (zh) * | 2010-12-31 | 2012-07-11 | 深圳迈瑞生物医疗电子股份有限公司 | 磁共振成像中消除血管拼接伪影的方法和装置 |
CN108633312A (zh) * | 2015-11-18 | 2018-10-09 | 光学实验室成像公司 | x射线图像特征检测和配准***和方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021012520A1 (zh) | 2021-01-28 |
CN110473143A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110473143B (zh) | 一种三维mra医学图像拼接方法及装置、电子设备 | |
EP3246871A1 (en) | Image splicing | |
CN111161270B (zh) | 医学影像的血管分割方法、计算机设备和可读存储介质 | |
CN107886508B (zh) | 差分减影方法和医学图像处理方法及*** | |
CN110889005B (zh) | 搜索医学参考图像 | |
CN111369542B (zh) | 血管标记方法、图像处理***和存储介质 | |
Maier-Hein et al. | Towards mobile augmented reality for on-patient visualization of medical images | |
Weibel et al. | Graph based construction of textured large field of view mosaics for bladder cancer diagnosis | |
CN107665486A (zh) | 一种应用于x射线图像的自动拼接方法、装置及终端设备 | |
CN112967291B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN108648192A (zh) | 一种检测结节的方法及装置 | |
US9754366B2 (en) | Computer-aided identification of a tissue of interest | |
US20150003702A1 (en) | Processing and displaying a breast image | |
CN100592336C (zh) | 医学图像配准的***和方法 | |
CN113034354B (zh) | 一种图像处理方法、装置、电子设备和可读存储介质 | |
CN111080583B (zh) | 医学图像检测方法、计算机设备和可读存储介质 | |
US20210118551A1 (en) | Device to enhance and present medical image using corrective mechanism | |
CN110930438B (zh) | 图像配准方法、装置、电子设备及存储介质 | |
US10832420B2 (en) | Dynamic local registration system and method | |
US20090154782A1 (en) | Dual-magnify-glass visualization for soft-copy mammography viewing | |
KR20200120311A (ko) | 의료 영상을 이용한 암의 병기 결정 방법 및 의료 영상 분석 장치 | |
CN105103194A (zh) | 经重建图像数据可视化 | |
CN110738639B (zh) | 医学图像检测结果的展示方法、装置、设备及存储介质 | |
CN112862752A (zh) | 一种图像处理显示方法、***电子设备及存储介质 | |
Feng et al. | Research and application of tongue and face diagnosis based on deep learning |
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 |