CN112862793A - 一种基于肋骨三维形态及分布的肋骨中心线提取方法及装置 - Google Patents
一种基于肋骨三维形态及分布的肋骨中心线提取方法及装置 Download PDFInfo
- Publication number
- CN112862793A CN112862793A CN202110195185.6A CN202110195185A CN112862793A CN 112862793 A CN112862793 A CN 112862793A CN 202110195185 A CN202110195185 A CN 202110195185A CN 112862793 A CN112862793 A CN 112862793A
- Authority
- CN
- China
- Prior art keywords
- rib
- point
- dimensional
- ribslice
- extracting
- 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
- 238000000605 extraction Methods 0.000 title abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000009499 grossing Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 8
- 208000027790 Rib fracture Diseases 0.000 abstract description 5
- 238000005452 bending Methods 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000002591 computed tomography Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 4
- 208000010392 Bone Fractures Diseases 0.000 description 2
- 206010017076 Fracture Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 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
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30008—Bone
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (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)
Abstract
本发明公开了一种基于肋骨三维形态及分布的肋骨中心线提取方法及装置。该方法至少包含如下步骤:根据肋骨形态先验对肋骨mask进行区域划分,提取每个区域的中心点并将其连接起来作为粗中心线,对获取的粗中心线进行平滑操作,获得光滑的肋骨中心线。本发明的方法不需要进行三维重建或表面提取,其速度比提取表面模型的算法快,并且很好的解决弯折的问题,不会受限于肋骨骨折等因素影响,保证肋骨中心线提取结果更加光滑,可以更好地有利于后续的肋骨平铺过程。
Description
技术领域
本发明属于图像技术处理领域,具体涉及基于肋骨形态先验进行肋骨中心线提取的方法及装置。
背景技术
计算机断层扫描(CT)是诊断肋骨骨折的主要方法,目前,传统的肋骨CT诊断以二维为主,三维图像定位为辅。但在进行肋骨骨折诊断过程中,常规的二维方法通常需要人工手动追踪多个CT断层扫描片,对多个CT横断面进行反复观察,以便追踪每根肋骨在不同片层上的动态变化,增加了医生诊断的难度,比较耗时且主观性强容易漏诊。三维CT成像相对于二维CT来说,将原来的平面图像变得立体起来,可以对肋骨的整体情况进行观察,但由于肋骨的笼状结构很容易出现遮挡的现象,一些小的骨折病灶在传统三维方法诊断时也很容易被漏诊。
肋骨的三维平铺,即将肋骨从三维的笼状结构平铺到一个平面,可以实现在一个平面上展示各肋骨的形态细节,使得肋骨显示更为直观,增强了展开肋骨的可视化,大大提高医生肋骨骨折诊断的准确性和诊断效率。在肋骨平铺过程中,需要依赖肋骨的中心线进行肋骨的体素的变形,在这一过程中,对于肋骨中心线的提取至关重要。
目前肋骨中心线提取相关的技术较少,且主要集中依赖速度缓慢的三维重建或在依赖肋骨的表面走向进行中心线提取。其中,提取肋骨的表面很消耗计算量,肋骨表面的提取容易受到骨折等情况的影响,并且现有算法往往容易提取出带有大量弯折的中心线,需要依赖后处理计算进行平滑。
发明内容
为了解决上述问题,本发明提出一种基于肋骨三维形态及分布的肋骨中心线提取方法,其速度比提取表面模型的算法快,并且很好的解决弯折的问题,不会受限于肋骨骨折等因素影响,保证肋骨中心线提取结果更加光滑,可以更好地有利于后续的肋骨平铺过程。
本发明提供的肋骨中心线提取方法包括:
根据肋骨形态先验,对肋骨mask进行区域划分;
提取每个区域的中心点并将其连接起来作为粗中心线;
对获取的粗中心线进行平滑,保证最终获得的中心线的平滑性。
在优选方案中,对肋骨mask进行区域划分前,需要将三维ribmask转化为二维ribslice。
在优选方案中,将三维的ribmask转化为一张二维的ribslice按照如下公式进行:利用分割算法得到胸部CT影像的肋骨分割图ribmask(肋骨区域值为1,非肋骨区域值为0),对于单独的每一根肋骨,其尺寸为height*width*depth,对应坐标y,x,z。其中,高对应从胸部到脊椎的方向,宽对应人体的左右方向,深对应从头到脚的方向,坐标系以一次CT扫描的左上角为原点。按照病人躺卧的轴位方向进行ribmask堆叠,将三维的ribmask转化为一张二维的ribslice。
在优选方案中,对肋骨mask进行区域划分按照如下步骤进行:提取ribslice 的中心点ribcenter。以ribcenter为中心将ribslice上每一个肋骨中的点 ribpoint,即为值为1的点的笛卡尔坐标换算成极坐标,获得每一个点ribpoint 关于ribcenter的角度关系。从0至360度每n度为一个组,其中,n为1-20 范围内的任意度数,优选为6,将所有ribpoint划分成多个组,位于肋骨区域的组称为ribsegments。
其中,ribslice的中心点ribcenter的提取方法为:通过坐标关系分别找到在x轴和y轴上的最小值和最大值,将包裹ribslice肋骨区域的外接矩形抽取出来,求得矩形的中心点ribcenter。
在优选方案中,提取每个区域的中心点并将其连接起来作为粗中心线的具体操作为:求得每一个ribsegments内部笛卡尔坐标的均值(分别求得x方向和y方向坐标的均值)所组成的集合即为肋骨的粗中心线。
在优选方案中,对粗中心线进行平滑操作采用Moving Average的方法。
其中,Moving Average方法的具体操作为:以滑动窗口的方式平滑肋骨粗中心线,滑动窗口步长为1,窗口宽度为7个连续的ribsegments的中心点。对于每个坐标点p,其前后3个坐标点和p,共7个中心点的均值作为的p平滑后的中心点。
本发明第二方面还提供了一种计算机装置,该装置包括存储器、处理器及存储在存储器上的计算机程序。其中,所述处理器执行所述计算机程序以实现前述基于肋骨三维形态及分布的肋骨中心线提取方法。
本发明第三方面还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算程序被处理器执行时实现前述基于肋骨三维形态及分布的肋骨中心线提取方法的步骤。
本发明第四方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现前述基于肋骨三维形态及分布的肋骨中心线提取方法的步骤。
本发明提出的基于肋骨形态先验的肋骨中心线提取方法具有如下突出的技术效果:
1、区别于以往大量依赖速度缓慢的三维重建或表面提取等过程导致提取肋骨中心线效率速度缓慢的情况,基于肋骨三维形态及分布的肋骨中心线提取算法不需要进行三维重建或者表面提取,能够保证快速提取肋骨中心线。
2、基于滑动窗口的中心线平滑方法对提取的中心线进行了平滑调整,避免提取出来的中心线具有毛刺或者不光滑的情况,有利于后续肋骨平铺过程的进行。
附图说明
图1月牙形肋骨平面的效果图
图2按照本发明方法进行肋骨区域划分的效果图
图3按照本发明方法提取的肋骨中心线效果图
图4肋骨中心线提取效果的展示图
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做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。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
除非在下文中另有定义,本文中所用的所有技术术语和科学术语的含义意图与本领域技术人员通常所理解的相同。提及本文中使用的技术意图指在本领域中通常所理解的技术,包括那些对本领域技术人员显而易见的技术的变化或等效技术的替换。虽然相信以下术语对于本领域技术人员很好理解,但仍然阐述以下定义以更好地解释本发明。
如本文中所使用,术语“包括”、“包含”、“具有”、“含有”或“涉及”及其在本文中的其它变体形式为包含性的(inclusive)或开放式的,且不排除其它未列举的元素或方法步骤。
在提及单数形式名词时使用的不定冠词或定冠词例如“一个”或“一种”,“所述”,包括该名词的复数形式。
本发明中的术语“大约”、“大体”表示本领域技术人员能够理解的仍可保证论及特征的技术效果的准确度区间。该术语通常表示偏离指示数值的±10%,优选±5%。
此外,说明书和权利要求书中的术语第一、第二、第三、(a)、(b)、(c)以及诸如此类,是用于区分相似的元素,不是描述顺序或时间次序必须的。应理解,如此应用的术语在适当的环境下可互换,并且本发明描述的实施方案能以不同于本发明描述或举例说明的其它顺序实施。
本发明提出的算法基于肋骨分割的mask提取每根肋骨的中心线。肋骨在三维中形态相对固定,每一根肋骨呈月牙形包裹肺部,并且肋骨包围中心为肺部的中轴区域。基于这种固定形状的先验,我们可以以左右肺部的中心为参考点,建立坐标系,将肋骨mask每一个点坐标换算成极坐标。随后根据换算成的极坐标中肋骨的角度关系便可将肋骨拆分成不同的区域。在每个区域内提取其中心点,将中心点串联起来即可获得初始中心线。随后对中心线的点进行平滑处理。
下述为特定的实施例。
本发明实施例提供的肋骨中心线提取方法包括如下几个步骤:首先,根据肋骨形态先验,对肋骨mask进行区域划分;随后,提取每个区域的中心点并将其连接起来作为粗中心线;最后,对获取的粗中心线进行平滑,保证最终获得的中心线的平滑性。
第一步,首先利用分割算法得到胸部CT影像的肋骨分割图ribmask(肋骨区域值为1,非肋骨区域值为0)。对于单独的每一根肋骨,其尺寸为height* width*depth,对应坐标y,x,z。其中,高对应从胸部到脊椎的方向,宽对应人体的左右方向,深对应从头到脚的方向,坐标系以一次CT扫描的左上角为原点。按照病人躺卧的轴位方向进行ribmask堆叠,将三维的ribmask转化为一张二维的ribslice。
月牙形肋骨平面的效果如图1所示。
第二步,肋骨区域划分,提取每个区域的中心点并将其连接起来作为粗中心线。
在第一步获取的ribslice图上进行中心线点提取,充分使用了ribslice 是月牙形的形态先验。首先,提取ribslice的中心点。通过坐标关系分别找到在x轴和y轴上的最小值和最大值,将包裹ribslice肋骨区域的外接矩形抽取出来,并求得矩形的中心点ribcenter。随后,以ribcenter为中心将ribslice 上每一个肋骨中的点ribpoint,即为值为1的点的笛卡尔坐标换算成极坐标,获得每一个点ribpoint关于ribcenter的角度关系。从0至360度每6度为一个组,将所有ribpoint划分成多个组即为ribsegments(位于肋骨区域的组称为ribsegments)。每一个ribsegments内部求得笛卡尔坐标的均值(分别求得 x方向和y方向坐标的均值)所组成的集合即为肋骨的粗中心线。肋骨区域划分结果如图2所示,灰色的线即为划分线,线与线之间的区域即为划分区域。
第三步,对第二步中得到的粗中心线进行平滑操作。
以滑动窗口的方式平滑肋骨粗中心线,滑动窗口步长为1,窗口宽度为7个连续的ribsegments的中心点。对于每个坐标点p,其前后3个坐标点和p,共 7个中心点的均值作为的p平滑后的中心点。通过调整提取的中心线,最后获得光滑的中心线提取结果。
为了获得更平滑的中心线,防止肋骨平铺时出现毛刺或肋骨MPR追踪过程中出现跳变点,该算法采用Moving Average的方法调整提取的中心线,中心线最终提取效果如图3所示,其中颜色变化表示坐标变化,可见图中的中心线不存在毛刺点等变化不光滑的点,可以用于后续的MPR和肋骨平铺实现。
图4为部分肋骨中心线提取效果的展示图,其中白色区域为肋骨平面图,黑色标记为提取的肋骨中心线。由图可见利用上述方法提取的肋骨中心线较为光滑。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。附图中仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
还应当理解的是,以上结合附详细说明了本发明的技术方案,以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于肋骨形态先验提取肋骨中心线的方法,其特征在于,包括以下步骤:
根据肋骨形态先验,对肋骨mask进行区域划分;
提取每个区域的中心点并将其连接起来作为粗中心线;
对获取的粗中心线进行平滑操作,获得光滑的肋骨中心线。
2.根据权利要求1所述的方法,其特征在于,在对肋骨mask进行区域划分前,还包含将三维ribmask转化为二维ribslice的操作。
4.根据权利要求1-3任一项所述的方法,其特征在于,对肋骨mask进行区域划分按照如下步骤进行:提取ribslice的中心点ribcenter,以ribcenter为中心将ribslice上每一个肋骨中的点ribpoint,即为值为1的点的笛卡尔坐标换算成极坐标,获得每一个点ribpoint关于ribcenter的角度关系,从0至360度每n度为一个组,将所有ribpoint划分成多个组,位于肋骨区域的组称为ribsegments,其中,n为1-20范围内的任意度数,优选的,ribslice的中心点ribcenter的提取方法为:通过坐标关系分别找到在x轴和y轴上的最小值和最大值,将包裹ribslice肋骨区域的外接矩形抽取出来,求得矩形的中心点ribcenter。
5.根据权利要求4所述的方法,其特征在于,n优选为6。
6.根据权利要求1-5任一项所述的方法,其特征在于,提取每个区域的中心点并将其连接起来作为粗中心线的具体操作为:分别求得x方向和y方向坐标的均值,求得每一个ribsegments内部笛卡尔坐标的均值所组成的集合即为肋骨的粗中心线。
7.根据权利要求1-6任一项所述的方法,其特征在于,对获取的粗中心线进行平滑操作采用Moving Average的方法,优选的,Moving Average方法的具体操作为:以滑动窗口的方式平滑肋骨粗中心线,滑动窗口步长为1,窗口宽度为7个连续的ribsegments的中心点,对于每个坐标点p,其前后3个坐标点和p,共7个中心点的均值作为的p平滑后的中心点。
8.一种计算机装置、设备或***,包括存储器、处理器及存储在存储器上的计算机程序,其中,所述处理器执行所述计算机程序以实现权利要求1-7任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110195185.6A CN112862793B (en) | 2021-02-20 | Rib centerline extraction method and device based on rib three-dimensional morphology and distribution |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110195185.6A CN112862793B (en) | 2021-02-20 | Rib centerline extraction method and device based on rib three-dimensional morphology and distribution |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112862793A true CN112862793A (zh) | 2021-05-28 |
CN112862793B CN112862793B (en) | 2024-08-16 |
Family
ID=
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090245608A1 (en) * | 2008-03-31 | 2009-10-01 | Wan Caihua | Bone number determination apparatus and recording medium having stored therein program |
US20130077841A1 (en) * | 2011-09-27 | 2013-03-28 | Siemens Corporation | Method and System for Automatic Rib Centerline Extraction Using Learning Base Deformable Template Matching |
JP2016099867A (ja) * | 2014-11-25 | 2016-05-30 | ラトックシステムエンジニアリング株式会社 | 繊維の解析用メッシュ形成方法及びプログラム |
CN108845999A (zh) * | 2018-04-03 | 2018-11-20 | 南昌奇眸科技有限公司 | 一种基于多尺度区域特征比对的商标图像检索方法 |
CN109124662A (zh) * | 2018-07-13 | 2019-01-04 | 上海皓桦科技股份有限公司 | 肋骨中心线检测装置及方法 |
CN109785303A (zh) * | 2018-12-28 | 2019-05-21 | 上海联影智能医疗科技有限公司 | 肋骨标记方法、装置、设备以及图像分割模型的训练方法 |
CN109925056A (zh) * | 2019-04-09 | 2019-06-25 | 广州新脉科技有限公司 | 一种颅内动脉瘤虚拟支架的植入方法及装置 |
CN110916707A (zh) * | 2019-12-18 | 2020-03-27 | 上海皓桦科技股份有限公司 | 二维骨骼图像获取方法、***及装置 |
CN112349391A (zh) * | 2020-11-10 | 2021-02-09 | 山东大学齐鲁医院(青岛) | 一种优化肋骨自动标号方法 |
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090245608A1 (en) * | 2008-03-31 | 2009-10-01 | Wan Caihua | Bone number determination apparatus and recording medium having stored therein program |
US20130077841A1 (en) * | 2011-09-27 | 2013-03-28 | Siemens Corporation | Method and System for Automatic Rib Centerline Extraction Using Learning Base Deformable Template Matching |
CN103218800A (zh) * | 2011-09-27 | 2013-07-24 | 西门子公司 | 用于自动肋骨中心线提取的方法和*** |
JP2016099867A (ja) * | 2014-11-25 | 2016-05-30 | ラトックシステムエンジニアリング株式会社 | 繊維の解析用メッシュ形成方法及びプログラム |
CN108845999A (zh) * | 2018-04-03 | 2018-11-20 | 南昌奇眸科技有限公司 | 一种基于多尺度区域特征比对的商标图像检索方法 |
CN109124662A (zh) * | 2018-07-13 | 2019-01-04 | 上海皓桦科技股份有限公司 | 肋骨中心线检测装置及方法 |
CN109785303A (zh) * | 2018-12-28 | 2019-05-21 | 上海联影智能医疗科技有限公司 | 肋骨标记方法、装置、设备以及图像分割模型的训练方法 |
CN109925056A (zh) * | 2019-04-09 | 2019-06-25 | 广州新脉科技有限公司 | 一种颅内动脉瘤虚拟支架的植入方法及装置 |
CN110916707A (zh) * | 2019-12-18 | 2020-03-27 | 上海皓桦科技股份有限公司 | 二维骨骼图像获取方法、***及装置 |
CN112349391A (zh) * | 2020-11-10 | 2021-02-09 | 山东大学齐鲁医院(青岛) | 一种优化肋骨自动标号方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104809723B (zh) | 基于超体素和图割算法的三维肝脏ct图像自动分割方法 | |
Gao et al. | Individual tooth segmentation from CT images using level set method with shape and intensity prior | |
CN110599494B (zh) | 肋骨图像重建***及方法、终端及可读存储介质 | |
CN106097305B (zh) | 双行程区域生长结合形态学重建的肺部气管树分割方法 | |
CN107230206A (zh) | 一种基于多模态数据的超体素序列肺部图像的3d肺结节分割方法 | |
US8842904B2 (en) | Method for tooth dissection in CBCT volume | |
CN107808156A (zh) | 感兴趣区域提取方法 | |
CN105139377B (zh) | 一种腹部ct序列图像肝脏的快速鲁棒自动分割方法 | |
CN105912874A (zh) | 基于dicom医学图像构建的肝脏三维数据库*** | |
CN103679810A (zh) | 肝部ct图像的三维重建方法 | |
Chen et al. | Pathological lung segmentation in chest CT images based on improved random walker | |
CN102509286A (zh) | 一种医学图像目标区域勾画方法 | |
CN107749049B (zh) | 一种静脉分布显示方法及装置 | |
JP2004222864A (ja) | 診断支援システム、診断支援方法及び診断支援プログラム | |
CN113643353B (zh) | 眼底图像的血管管径的增强分辨率的测量方法 | |
CN109584167A (zh) | 基于二阶特征的ct图像肝内血管增强与分割方法及*** | |
Chen et al. | Liver segmentation from CT images based on region growing method | |
Gao et al. | Automatic tooth region separation for dental CT images | |
CN108154532B (zh) | 一种辅助评估spect图像甲状腺体积的方法 | |
CN112862793A (zh) | 一种基于肋骨三维形态及分布的肋骨中心线提取方法及装置 | |
Smith et al. | Automated torso contour extraction from clinical cardiac MR slices for 3D torso reconstruction | |
CN107170009B (zh) | 一种基于医学图像的护目镜基弯数据测量方法 | |
Zhang et al. | Automatic rib segmentation in chest CT volume data | |
CN105844618A (zh) | 评价服装穿着起皱程度的图像处理及特征提取方法 | |
CN110858412A (zh) | 基于图像配准的心脏冠脉cta模型建立方法 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 3011, 2nd Floor, Building A, No. 1092 Jiangnan Road, Nanmingshan Street, Liandu District, Lishui City, Zhejiang Province, 323000 Applicant after: Zhejiang Yizhun Intelligent Technology Co.,Ltd. Applicant after: Guangxi Yizhun Intelligent Technology Co.,Ltd. Address before: 1106, 11 / F, Weishi building, No.39 Xueyuan Road, Haidian District, Beijing Applicant before: Beijing Yizhun Intelligent Technology Co.,Ltd. Applicant before: Guangxi Yizhun Intelligent Technology Co.,Ltd. |
|
CB02 | Change of applicant information |