CN112037216A - 一种医学荧光成像***图像融合方法 - Google Patents
一种医学荧光成像***图像融合方法 Download PDFInfo
- Publication number
- CN112037216A CN112037216A CN202010940631.7A CN202010940631A CN112037216A CN 112037216 A CN112037216 A CN 112037216A CN 202010940631 A CN202010940631 A CN 202010940631A CN 112037216 A CN112037216 A CN 112037216A
- Authority
- CN
- China
- Prior art keywords
- image
- fluorescence
- saliency
- visible light
- carrying
- 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
- 238000000799 fluorescence microscopy Methods 0.000 title claims abstract description 24
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 18
- 230000004927 fusion Effects 0.000 claims abstract description 27
- 238000002073 fluorescence micrograph Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- MOFVSTNWEDAEEK-UHFFFAOYSA-M indocyanine green Chemical compound [Na+].[O-]S(=O)(=O)CCCCN1C2=CC=C3C=CC=CC3=C2C(C)(C)C1=CC=CC=CC=CC1=[N+](CCCCS([O-])(=O)=O)C2=CC=C(C=CC=C3)C3=C2C1(C)C MOFVSTNWEDAEEK-UHFFFAOYSA-M 0.000 description 2
- 229960004657 indocyanine green Drugs 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 238000012632 fluorescent imaging Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0071—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by measuring fluorescence emission
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
- A61B2090/373—Surgical systems with images on a monitor during operation using light, e.g. by using optical scanners
-
- 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
- G06T2207/20024—Filtering details
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Gynecology & Obstetrics (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明实施例公开了医学荧光成像技术领域的一种医学荧光成像***图像融合方法,包括如下步骤:S1、对可见光图像进行显著性区域检测获取显著性图Svis,并对荧光图像进行显著性区域检测获得显著性图Sflu;S2、计算出可见光与红外光显著性图的融合权重;S3、将荧光图像与可见光图像进行图像融合,并输出融合图像结果。本发明通过采用显著性图计算融合权重,并在RGB色彩空间进行伪彩色图像融合,不仅能够突出显示荧光区域特征,增强荧光受激区的纹理特征,并具有融合图像更加自然,观感舒适;并且本发明融合后的图像可有效保留图像中的关键信息,并可增强融合图像中的的荧光特征,突出荧光区域的纹理信息。
Description
技术领域
本发明实施例涉及医学荧光成像技术领域,尤其涉及一种医学荧光成像***图像融合方法。
背景技术
随着分子影像学技术的不断发展,近红外荧光(near-infrared fluorescence,NIRF)成像技术在外科手术领域体现出巨大的应用潜力。随着技术的不断成熟和发展,已逐渐应用于多个外科领域。尤其是基于吲哚箐绿ICG的近红外荧光成像技术,其在外科多个分支均有重要应用。近红外荧光成像其原理是通过向感兴趣组织照射激发光源(750-800nm),荧光剂受激发发射出波长更长的近红外光(大于800nm),通过采集受激光从而获得手术区域的荧光成像。近些年来一系列的医用荧光成像装置开始上市,极大的促进了外科行业手术水平的提高。
但是现有的荧光成像装置存在一定的问题,其中常见的高端荧光的成像装置其多采用可见光成像光路与荧光成像光路进行双路图像采集,并将双路图像进行融合,图像中既有可见光的纹理信息也有荧光信息,从而实现有效的病区特征指示;但是目前可见光与红外图像融合算法多为简单的图像通道替换或简单的灰度线性映射变换,致使融合后的图像荧光区域指示不明显,或者纹理特征丢失等不良现象。
基于此,本发明设计了一种医学荧光成像***图像融合方法,以解决上述问题。
发明内容
本发明实施例提供一种医学荧光成像***图像融合方法,以解决背景技术中提及的技术问题。
本发明实施例提供一种医学荧光成像***图像融合方法。在一种可行的方案中,包括如下步骤:
S1、对可见光图像进行显著性区域检测获取显著性图Svis,并对荧光图像进行显著性区域检测获得显著性图Sflu;
S2、计算出可见光与红外光显著性图的融合权重;
S3、将荧光图像与可见光图像进行图像融合,并输出融合图像结果。
本发明实施例提供一种医学荧光成像***图像融合方法。在一种可行的方案中,所述S1中可见光图像的显著性检测包括如下步骤:
对可见光图像进行噪声滤波处理,将滤波处理后的可见光图像进行基于FCN网络的显著性检测。
本发明实施例提供一种医学荧光成像***图像融合方法。在一种可行的方案中,所述S1中荧光图像的显著性检测算法为中央-周边直方图算法。
本发明实施例提供一种医学荧光成像***图像融合方法。在一种可行的方案中,所述融合权重Wf(x,y)的计算公式为:
Wf(x,y)=Svis(x,y)/[Svis(x,y)+Sflu(x,y)];
其中Wf(x,y)表示像素坐标为(x,y)处像素权重,Svis(x,y)表示可见光图像(x,y)处的显著性值,Sflu(x,y)表示荧光图像的(x,y)处的显著性值。
本发明实施例提供一种医学荧光成像***图像融合方法。在一种可行的方案中,所述S3中图像融合包括如下步骤:
将输出图像在RGB色彩空间下的三个色彩通道像素值分别记为R0(x,y),G0(x,y),B0(x,y);可见光图像RGB色彩空间下三个色彩通道的像素值分别记为R(x,y),G(x,y),B(x,y);
融合图像红色通道输出R’(x,y)=R(x,y)+G(x,y),并通过对R’(x,y)进行数值归一化,获得R0(x,y);
将融合图像绿色通道输出G’(x,y)=[1-Wf(x,y)]G(x,y)+Wf(x,y)Iflu(x,y),并通过对G’(x,y)进行数值归一化,获得G0(x,y),其中Iflu(x,y)表示荧光图像在坐标(x,y)处的图像灰度值;
将蓝色通道输出B0(x,y)=B(x,y)。
基于上述方案可知,本发明通过采用显著性图计算融合权重,并在RGB色彩空间进行伪彩色图像融合,不仅能够突出显示荧光区域特征,增强荧光受激区的纹理特征,并具有融合图像更加自然,观感舒适;并且本发明融合后的图像可有效保留图像中的关键信息,并可增强融合图像中的的荧光特征,突出荧光区域的纹理信息。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明融合方法的流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,也可以是成一体;可以是机械连接,也可以是电连接,也可以是通讯连接;可以是直接连接,也可以通过中间媒介的间接连接,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明提供的一种医学荧光成像***图像融合方法;包括如下步骤:
S1、对可见光图像进行显著性区域检测获取显著性图Svis,并对荧光图像进行显著性区域检测获得显著性图Sflu;
S2、计算出可见光与红外光显著性图的融合权重;
S3、将荧光图像与可见光图像进行图像融合,并输出融合图像结果。
通过上述内容不难发现,在利用本发明的医学荧光成像***图像融合方法对医学荧光图像进行图像融合过程中,先通过利用加入人工干扰的方式建立医学荧光成像场景,并通过对实验场景中的荧光区可可见光区图像进行标注处理,通过利用标注数据建立预测网络和损失函数,并在训练后得到荧光区域的预测网络;进一步的采集荧光成像中的荧光区和可见光区图像,并通过优选为荧光性检测算法对荧光区图像进行显著性检测,进而得到了本发明的显著性图Sflu,通过优选为可见光显著性算法对可见光图像进行显著性检测,进而得到本发明的显著性图Svis;再通过权重融合算法计算出可见光与红外显著性图的融合权重;最后将荧光图像与可见光图像通过计算得出的融合权重,对图像融合进行计算,从而输出融合图像结果;本发明采用的显著性图计算出的融合权重,并在RGB色彩空间进行伪色彩图像融合,可以很好的突出显示荧光区域特征,增强荧光受激区的纹理热证,使得融合图像更加自然且观感较为舒适。
可选地,在本实施例中,所述S1中可见光图像的显著性检测包括如下步骤:
对可见光图像进行噪声滤波处理,将滤波处理后的可见光图像进行基于FCN网络的显著性检测。值得说明的是,在本实施例中,在对可见光图像的显著性检测过程中,噪声处理方式优选为导向滤波算法,而且通过采用的基于FNC网络的显著性检测方法,可以有效实现可见光复杂纹理下的显著性检测工作。
此外,所述S1中荧光图像的显著性检测算法为中央-周边直方图算法,通过利用中央-周边直方图算法对荧光图像进行显著性检测,可以有效的加快对荧光图像的检测速度。
再具体地说,所述融合权重Wf(x,y)的计算公式为:
Wf(x,y)=Svis(x,y)/[Svis(x,y)+Sflu(x,y)];
其中Wf(x,y)表示像素坐标为(x,y)处像素权重,Svis(x,y)表示可见光图像(x,y)处的显著性值,Sflu(x,y)表示荧光图像的(x,y)处的显著性值;通过利用可见光显著性值和荧光显著性图之间的函数关系,可以便于实现对融合权重的计算。
进一步的,所述S3中图像融合包括如下步骤:
将输出图像在RGB色彩空间下的三个色彩通道像素值分别记为R0(x,y),G0(x,y),B0(x,y);可见光图像RGB色彩空间下三个色彩通道的像素值分别记为R(x,y),G(x,y),B(x,y);
融合图像红色通道输出R’(x,y)=R(x,y)+G(x,y),并通过对R’(x,y)进行数值归一化,获得R0(x,y);
将融合图像绿色通道输出G’(x,y)=[1-Wf(x,y)]G(x,y)+Wf(x,y)Iflu(x,y),并通过对G’(x,y)进行数值归一化,获得G0(x,y),其中Iflu(x,y)表示荧光图像在坐标(x,y)处的图像灰度值;
将蓝色通道输出B0(x,y)=B(x,y);在本实施例中,通过分别对图像在RGB色彩空间下的三个色彩通道进行分别计算,进而获取到各像素通道的像素值。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一特征和第二特征直接接触,或第一特征和第二特征通过中间媒介间接接触。
而且,第一特征在第二特征“之上”、“上方”和“上面”可以是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度低于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述,意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任意一个或者多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种医学荧光成像***图像融合方法,其特征在于,包括如下步骤:
S1、对可见光图像进行显著性区域检测获取显著性图Svis,并对荧光图像进行显著性区域检测获得显著性图Sflu;
S2、计算出可见光与红外光显著性图的融合权重;
S3、将荧光图像与可见光图像进行图像融合,并输出融合图像结果。
2.根据权利要求1所述的一种医学荧光成像***图像融合方法,其特征在于,所述S1中可见光图像的显著性检测包括如下步骤:
对可见光图像进行噪声滤波处理,将滤波处理后的可见光图像进行基于FCN网络的显著性检测。
3.根据权利要求1所述的一种医学荧光成像***图像融合方法,其特征在于,所述S1中荧光图像的显著性检测算法为中央-周边直方图算法。
4.根据权利要求1所述的一种医学荧光成像***图像融合方法,其特征在于,所述融合权重Wf(x,y)的计算公式为:
Wf(x,y)=Svis(x,y)/[Svis(x,y)+Sflu(x,y)];
其中Wf(x,y)表示像素坐标为(x,y)处像素权重,Svis(x,y)表示可见光图像(x,y)处的显著性值,Sflu(x,y)表示荧光图像的(x,y)处的显著性值。
5.根据权利要求4所述的一种医学荧光成像***图像融合方法,其特征在于,所述S3中图像融合包括如下步骤:
将输出图像在RGB色彩空间下的三个色彩通道像素值分别记为R0(x,y),G0(x,y),B0(x,y);可见光图像RGB色彩空间下三个色彩通道的像素值分别记为R(x,y),G(x,y),B(x,y);
融合图像红色通道输出R’(x,y)=R(x,y)+G(x,y),并通过对R’(x,y)进行数值归一化,获得R0(x,y);
将融合图像绿色通道输出G’(x,y)=[1-Wf(x,y)]G(x,y)+Wf(x,y)Iflu(x,y),并通过对G’(x,y)进行数值归一化,获得G0(x,y),其中Iflu(x,y)表示荧光图像在坐标(x,y)处的图像灰度值;
将蓝色通道输出B0(x,y)=B(x,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010940631.7A CN112037216B (zh) | 2020-09-09 | 2020-09-09 | 一种医学荧光成像***图像融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010940631.7A CN112037216B (zh) | 2020-09-09 | 2020-09-09 | 一种医学荧光成像***图像融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112037216A true CN112037216A (zh) | 2020-12-04 |
CN112037216B CN112037216B (zh) | 2022-02-15 |
Family
ID=73584504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010940631.7A Active CN112037216B (zh) | 2020-09-09 | 2020-09-09 | 一种医学荧光成像***图像融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037216B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113205141A (zh) * | 2021-05-08 | 2021-08-03 | 脉得智能科技(无锡)有限公司 | 一种基于图像融合技术的甲状旁腺识别方法 |
CN113344809A (zh) * | 2021-05-27 | 2021-09-03 | 同济大学 | 一种超声图像增强方法、***和设备 |
CN113610823A (zh) * | 2021-08-13 | 2021-11-05 | 南京诺源医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
DE102021203187B3 (de) | 2021-03-30 | 2022-02-24 | Carl Zeiss Meditec Ag | Verfahren zum Bereitstellen einer Abbildung mittels eines Operationsmikroskops und Operationsmikroskop |
CN114445316A (zh) * | 2022-04-11 | 2022-05-06 | 青岛大学附属医院 | 一种内窥镜荧光与可见光图像融合方法 |
CN115719415A (zh) * | 2022-03-28 | 2023-02-28 | 南京诺源医疗器械有限公司 | 一种视野可调双视频融合成像方法及*** |
WO2024031950A1 (zh) * | 2022-08-09 | 2024-02-15 | 南京诺源医疗器械有限公司 | 一种高分辨率荧光三维成像装置的数据处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106361281A (zh) * | 2016-08-31 | 2017-02-01 | 北京数字精准医疗科技有限公司 | 荧光实时成像、融合方法及装置 |
CN109215006A (zh) * | 2018-09-11 | 2019-01-15 | 中国科学院长春光学精密机械与物理研究所 | 基于显著性总变分模型与*2-范数优化的图像融合方法 |
CN110598609A (zh) * | 2019-09-02 | 2019-12-20 | 北京航空航天大学 | 一种基于显著性引导的弱监督目标检测方法 |
US20200043202A1 (en) * | 2018-01-08 | 2020-02-06 | AcuSolutions Inc. | Pseudo h&e image producing method and optical system using same |
CN111223069A (zh) * | 2020-01-14 | 2020-06-02 | 天津工业大学 | 一种图像融合方法及*** |
-
2020
- 2020-09-09 CN CN202010940631.7A patent/CN112037216B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106361281A (zh) * | 2016-08-31 | 2017-02-01 | 北京数字精准医疗科技有限公司 | 荧光实时成像、融合方法及装置 |
US20200043202A1 (en) * | 2018-01-08 | 2020-02-06 | AcuSolutions Inc. | Pseudo h&e image producing method and optical system using same |
CN109215006A (zh) * | 2018-09-11 | 2019-01-15 | 中国科学院长春光学精密机械与物理研究所 | 基于显著性总变分模型与*2-范数优化的图像融合方法 |
CN110598609A (zh) * | 2019-09-02 | 2019-12-20 | 北京航空航天大学 | 一种基于显著性引导的弱监督目标检测方法 |
CN111223069A (zh) * | 2020-01-14 | 2020-06-02 | 天津工业大学 | 一种图像融合方法及*** |
Non-Patent Citations (2)
Title |
---|
孙凤梅: "多传感器图像彩色融合方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
朱浩然等: "朱浩然等", 《电子与信息学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102021203187B3 (de) | 2021-03-30 | 2022-02-24 | Carl Zeiss Meditec Ag | Verfahren zum Bereitstellen einer Abbildung mittels eines Operationsmikroskops und Operationsmikroskop |
CN113205141A (zh) * | 2021-05-08 | 2021-08-03 | 脉得智能科技(无锡)有限公司 | 一种基于图像融合技术的甲状旁腺识别方法 |
CN113205141B (zh) * | 2021-05-08 | 2023-08-29 | 脉得智能科技(无锡)有限公司 | 一种基于图像融合技术的甲状旁腺识别方法 |
CN113344809A (zh) * | 2021-05-27 | 2021-09-03 | 同济大学 | 一种超声图像增强方法、***和设备 |
CN113610823A (zh) * | 2021-08-13 | 2021-11-05 | 南京诺源医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN113610823B (zh) * | 2021-08-13 | 2023-08-22 | 南京诺源医疗器械有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN115719415A (zh) * | 2022-03-28 | 2023-02-28 | 南京诺源医疗器械有限公司 | 一种视野可调双视频融合成像方法及*** |
CN115719415B (zh) * | 2022-03-28 | 2023-11-10 | 南京诺源医疗器械有限公司 | 一种视野可调双视频融合成像方法及*** |
CN114445316A (zh) * | 2022-04-11 | 2022-05-06 | 青岛大学附属医院 | 一种内窥镜荧光与可见光图像融合方法 |
WO2024031950A1 (zh) * | 2022-08-09 | 2024-02-15 | 南京诺源医疗器械有限公司 | 一种高分辨率荧光三维成像装置的数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112037216B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112037216B (zh) | 一种医学荧光成像***图像融合方法 | |
US20210259553A1 (en) | Computer systems and media for complementary color flashing for multichannel image presentation | |
US7764815B2 (en) | Method of digital image analysis for isolating a region of interest within a tongue image and health monitoring method and apparatus using the tongue image | |
US8265362B2 (en) | Pathological tissue image capturing system, method, and program | |
US7599533B2 (en) | Image processing system and image processing method | |
JP5123954B2 (ja) | 医療画像における病変部の特定及び分析 | |
WO2008044466A1 (fr) | Dispositif, procédé et programme de traitement d'image | |
CN108186115A (zh) | 手持式荧光超声融合造影导航*** | |
US20140010423A1 (en) | Apparatus and method for determining a skin inflammation value | |
CN104885126B (zh) | 感兴趣组织的计算机辅助识别 | |
US8938122B2 (en) | Image processing apparatus, image processing method, and computer-readable recording device | |
EP1938274A2 (en) | Medical image processing | |
CN114445316B (zh) | 一种内窥镜荧光与可见光图像融合方法 | |
Kose et al. | Utilizing machine learning for image quality assessment for reflectance confocal microscopy | |
CN103975364A (zh) | 针对宫颈的光学检查的图像选择 | |
CN104285240B (zh) | 基于立体x射线管的对体外的高对比物体的抑制 | |
CN115953781B (zh) | 基于热层析影像的乳腺人工智能分析***及方法 | |
Ciampi | Medical image fusion for color visualization via 3D RDWT | |
WO2019088008A1 (ja) | 画像処理装置、画像処理方法、プログラム、及び内視鏡システム | |
CN112037217B (zh) | 一种基于荧光成像的术中血流成像方法 | |
CN111968105A (zh) | 一种医学荧光成像中的显著性区域检测方法 | |
Tran Van et al. | Application of multispectral imaging in the human tympanic membrane | |
CN117279572A (zh) | 用于处理和可视化医学成像设备中的管电流调制的***和方法 | |
Hu et al. | Toward real-time tumor margin identification in image-guided robotic brain tumor resection | |
US20080260220A1 (en) | Registration of optical images of small animals |
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 |