CN115393527A - 基于多模影像与交互设备的解剖导航构建方法及装置 - Google Patents
基于多模影像与交互设备的解剖导航构建方法及装置 Download PDFInfo
- Publication number
- CN115393527A CN115393527A CN202211116373.6A CN202211116373A CN115393527A CN 115393527 A CN115393527 A CN 115393527A CN 202211116373 A CN202211116373 A CN 202211116373A CN 115393527 A CN115393527 A CN 115393527A
- Authority
- CN
- China
- Prior art keywords
- registration
- uterus
- dimensional
- image
- modal
- 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.)
- Pending
Links
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 27
- 238000010276 construction Methods 0.000 title claims description 23
- 210000004291 uterus Anatomy 0.000 claims abstract description 67
- 206010008342 Cervix carcinoma Diseases 0.000 claims abstract description 19
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 claims abstract description 19
- 201000010881 cervical cancer Diseases 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims abstract description 8
- 210000003484 anatomy Anatomy 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 6
- 238000004088 simulation Methods 0.000 abstract description 3
- 210000001519 tissue Anatomy 0.000 description 21
- 238000002600 positron emission tomography Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种基于多模影像与交互设备的解剖导航构建方法及装置,包括:获取***患者医学影像数据,建立***患者数据库;基于多模态三维子宫医学图像进行刚性粗配准,得到多模态粗配准三维子宫图像;基于U‑Net网络对所述多模态粗配准三维子宫图像进行精配准,得到精配准后的子宫医学图像数据;对精配准后的子宫医学图像数据进行分割,得到分割后的各组织数据;根据分割后的各组织数据分别构建子宫各组织的三维模型,得到重建的子宫三维模型;将重建的子宫三维模型导入在线学习***中,实现子宫解剖导航。本申请能够实现手术解剖的沉浸式体验交互感,可用于教育培训和现实手术模拟,可操作性强。
Description
技术领域
本申请涉及计算机视觉技术领域,具体涉及一种基于多模影像与交互设备的解剖导航构建方法及装置。
背景技术
临床医学是一门实践性很强的学科,而临床教学阶段则是医学生迈入临床医师生涯的第一步,是知识型向能力型转化的关键性教学环节。
但是,在目前的临床医学教学过程中,授课老师讲解临床解剖结构与医学影像图片对照时均为示意图、小动图等平面图像,缺少立体感与对照感,学生在学习的过程中没有真实感、现场感和参与感,医学影像图片与临床解剖结构不能完全对应,使得学生记忆不深刻,老师讲的吃力学生听的也吃力,教学效率低,且缺少课后案例训练和自学评价。
发明内容
为此,本申请提供一种基于多模影像与交互设备的解剖导航构建方法及装置,以解决现有技术存在的在临床医学影像教学中缺少真实感、现场感、参与感以及医学影像图片与临床解剖结构不能完全对应的问题。
为了实现上述目的,本申请提供如下技术方案:
第一方面,一种基于多模影像与交互设备的解剖导航构建方法,包括:
获取***患者医学影像数据,并建立***患者数据库;
基于强度的多模态三维子宫医学图像进行刚性粗配准,得到多模态粗配准三维子宫图像;
基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准,得到精配准后的子宫医学图像数据;
对精配准后的子宫医学图像数据进行分割,得到分割后的各组织数据;
根据分割后的各组织数据分别构建子宫各组织的三维模型,得到重建的子宫三维模型;
将重建的子宫三维模型导入在线学习***中,实现子宫解剖导航。
进一步的,所述基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准,具体为:
基于CT、MR和PET图像进行多模态图像的配准;
以U-Net的网络结构为基础进行无监督的配准。
更进一步的,在所述无监督的配准中,采用均方误差和平均绝对误差的加权和构建代价函数,约束配准效果。
进一步的,所述基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准时,输入为CT、MR和PET图像构建的多维数据,输出为配准后的PET图像和MR图像。
进一步的,所述基于强度的多模态三维子宫医学图像进行刚性粗配准时,采用U-net网络进行粗配准。
进一步的,所述基于强度的多模态三维子宫医学图像进行刚性粗配准,具体为:根据各模态的三维梯度图和原图的刚性变换参数,对图像进行刚性变换得到多模态粗配准三维子宫图像。
进一步的,所述对精配准后的子宫医学图像数据进行分割时采用三维图像分割方法。
第二方面,一种基于多模影像与交互设备的解剖导航构建装置,包括:
数据获取模块,用于获取***患者医学影像数据,并建立***患者数据库;
粗配准模块,用于基于强度的多模态三维子宫医学图像进行刚性粗配准,得到多模态粗配准三维子宫图像;
精配准模块,用于基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准,得到精配准后的子宫医学图像数据;
分割模块,用于对精配准后的子宫医学图像数据进行分割,得到分割后的各组织数据;
三维模型构建模块,用于根据分割后的各组织数据分别构建子宫各组织的三维模型,得到重建的子宫三维模型;
导入模块,用于将重建的子宫三维模型导入在线学习***中,实现子宫解剖导航。
第三方面,一种计算机设备,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基于多模影像与交互设备的解剖导航构建方法的步骤。
第四方面,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现基于多模影像与交互设备的解剖导航构建方法的步骤。
相比现有技术,本申请至少具有以下有益效果:
本申请提供一种基于多模影像与交互设备的解剖导航构建方法及装置,包括:获取***患者医学影像数据,并建立***患者数据库;基于强度的多模态三维子宫医学图像进行刚性粗配准,得到多模态粗配准三维子宫图像;基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准,得到精配准后的子宫医学图像数据;对精配准后的子宫医学图像数据进行分割,得到分割后的各组织数据;根据分割后的各组织数据分别构建子宫各组织的三维模型,得到重建的子宫三维模型;将重建的子宫三维模型导入在线学习***中,实现子宫解剖导航。本申请能够实现手术解剖的沉浸式体验交互感,可用于教育培训和现实手术模拟,可操作性强。
附图说明
为了更直观地说明现有技术以及本申请,下面给出几个示例性的附图。应当理解,附图中所示的具体形状、构造,通常不应视为实现本申请时的限定条件;例如,本领域技术人员基于本申请揭示的技术构思和示例性的附图,有能力对某些单元(部件)的增/减/归属划分、具体形状、位置关系、连接方式、尺寸比例关系等容易作出常规的调整或进一步的优化。
图1为本申请实施例一提供的一种基于多模影像与交互设备的解剖导航构建方法流程图;
图2为本申请实施例一提供的一种基于多模影像与交互设备的解剖导航构建方法原理图;
图3为本申请实施例一提供的润医在线学习***结构示意图。
具体实施方式
以下结合附图,通过具体实施例对本申请作进一步详述。
在本申请的描述中:除非另有说明,“多个”的含义是两个或两个以上。本申请中的术语“第一”、“第二”、“第三”等旨在区别指代的对象,而不具有技术内涵方面的特别意义(例如,不应理解为对重要程度或次序等的强调)。“包括”、“包含”、“具有”等表述方式,同时还意味着“不限于”(某些单元、部件、材料、步骤等)。
本申请中所引用的如“上”、“下”、“左”、“右”、“中间”等的用语,通常是为了便于对照附图直观理解,而并非对实际产品中位置关系的绝对限定。在未脱离本申请揭示的技术构思的情况下,这些相对位置关系的改变,当亦视为本申请表述的范畴。
实施例一
请参阅图1和图2,本实施例提供一种基于多模影像与交互设备的解剖导航构建方法,包括:
S1:获取***患者医学影像数据,并建立***患者数据库;
具体的,从润医在线学习***的云PACS中导入***患者医学影像数据(DICOM图像),建立***患者的数据库。
S2:基于强度的多模态三维子宫医学图像进行刚性粗配准,得到多模态粗配准三维子宫图像;
具体的,采用U-net网络进行粗配准,粗配准时主要利用子宫部位的梯度信息进行组织轮廓的对齐,通过生成梯度图进行轮廓的强调;U-net网络的输入为各模态的三维梯度图和原图,输出为图像的刚性变换参数(全图的平移量和旋转角度),通过位移及旋转量对图像进行刚性变换得到配准后的图像。
S3:基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准,得到精配准后的子宫医学图像数据;
具体的,在使用CT(电子计算机断层扫描)、MR(磁共振)和PET(正电子发射计算机断层显像)图像进行多模态图像粗配准的基础上,以U-net的网络结构为基础进行无监督的配准,避免在深度学习中需要通过大样本数据的训练提高网络性能的问题。
精配准时,输入的是多模态图像数据,输出的为形变场,通过形变场计算出配准后的图像计算损失。
更具体的,精配准的图像输入时,目标图像与待配准图像进行相同的图像增强变换,并对输出的形变场进行逆变换,逆变换后的形变场应与未变换图像的输入图像得到的形变场一致,从而实现无监督精的配准。在无监督的精配准中,采用均方误差(meansquared error,MSE)和平均绝对误差(mean absolute error,MAE)的加权和来构建代价函数,使用同方差不确定性自动调整损失函数的权值,通过计算增强了前后图像输入得到的形变场之间的损失约束配准效果。所以,精配准时,输入的是CT、MR和PET图像构建的多维数据,输出的是通过网络形变场计算出的PET图像和MR图像。
S4:对精配准后的子宫医学图像数据进行分割,得到分割后的各组织数据;
具体的,采用三维图像分割方法对精配准后的子宫医学图像数据进行分割,获得分割后的各组织数据。
S5:根据分割后的各组织数据分别构建子宫各组织的三维模型,得到重建的子宫三维模型;
S6:将重建的子宫三维模型导入在线学习***中,实现子宫解剖导航。
请参阅图3,具体的,将重建的子宫三维模型导入润医在线学习***的云PACS中,可以在润医在线课程子***、案例子***及考试子***中实现子宫解剖导航。
本实施例基于分级配准的子宫多模态图像配准,采用两个U-net网络分别进行由粗到细的两次配准。首先,采用第一个U-net网络先进行粗配准,实现腹部图像中组织和器官整体轮廓的基本对齐;随后,利用第二个U-net网络进行精配准,降低了任务难度。该级联配准方案可同时考虑刚性组织和器官的整体对齐与软组织的形变。两个任务的目标不同,因此两个U-net网络参数存在较大差距,难以采用统一的训练策略。通过网络级联的多级配准方式可以将任务分解以提升配准性能。粗配准时采用第一个网络进行全局刚性配准,将图像中不易形变的组织配齐,包括盆骨、子宫等脏器;精配准时采用第二个网络进行局部配准,对盆腔内的子宫进行精细配准。
本实施例以***为例,实现了子宫手术解剖的沉浸式体验交互感,可用于教育培训和现实手术模拟,可操作性强。
实施例二
本实施例提供了一种基于多模影像与交互设备的解剖导航构建装置,包括:
数据获取模块,用于获取***患者医学影像数据,并建立***患者数据库;
粗配准模块,用于基于强度的多模态三维子宫医学图像进行刚性粗配准,得到多模态粗配准三维子宫图像;
精配准模块,用于基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准,得到精配准后的子宫医学图像数据;
分割模块,用于对精配准后的子宫医学图像数据进行分割,得到分割后的各组织数据;
三维模型构建模块,用于根据分割后的各组织数据分别构建子宫各组织的三维模型,得到重建的子宫三维模型;
导入模块,用于将重建的子宫三维模型导入在线学习***中,实现子宫解剖导航。
关于基于多模影像与交互设备的解剖导航构建装置的具体限定可以参见上文中对于基于多模影像与交互设备的解剖导航构建方法的限定,在此不再赘述。上述基于多模影像与交互设备的解剖导航构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
实施例三
本实施例提供了一种计算机设备,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基于多模影像与交互设备的解剖导航构建方法的步骤。
实施例四
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现基于多模影像与交互设备的解剖导航构建方法的步骤。
以上实施例的各技术特征可以进行任意的组合(只要这些技术特征的组合不存在矛盾),为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述;这些未明确写出的实施例,也都应当认为是本说明书记载的范围。
上文中通过一般性说明及具体实施例对本申请作了较为具体和详细的描述。应当理解,基于本申请的技术构思,还可以对这些具体实施例作出若干常规的调整或进一步的创新;但只要未脱离本申请的技术构思,这些常规的调整或进一步的创新得到的技术方案也同样落入本申请的权利要求保护范围。
Claims (10)
1.一种基于多模影像与交互设备的解剖导航构建方法,其特征在于,包括:
获取***患者医学影像数据,并建立***患者数据库;
基于强度的多模态三维子宫医学图像进行刚性粗配准,得到多模态粗配准三维子宫图像;
基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准,得到精配准后的子宫医学图像数据;
对精配准后的子宫医学图像数据进行分割,得到分割后的各组织数据;
根据分割后的各组织数据分别构建子宫各组织的三维模型,得到重建的子宫三维模型;
将重建的子宫三维模型导入在线学习***中,实现子宫解剖导航。
2.根据权利要求1所述的基于多模影像与交互设备的解剖导航构建方法,其特征在于,所述基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准,具体为:
基于CT、MR和PET图像进行多模态图像的配准;
以U-Net的网络结构为基础进行无监督的配准。
3.根据权利要求2所述的基于多模影像与交互设备的解剖导航构建方法,其特征在于,在所述无监督的配准中,采用均方误差和平均绝对误差的加权和构建代价函数。
4.根据权利要求1所述的基于多模影像与交互设备的解剖导航构建方法,其特征在于,所述基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准时,输入为CT、MR和PET图像构建的多维数据,输出为配准后的PET图像和MR图像。
5.根据权利要求1所述的基于多模影像与交互设备的解剖导航构建方法,其特征在于,所述基于强度的多模态三维子宫医学图像进行刚性粗配准时,采用U-net网络进行粗配准。
6.根据权利要求1所述的基于多模影像与交互设备的解剖导航构建方法,其特征在于,所述基于强度的多模态三维子宫医学图像进行刚性粗配准,具体为:根据各模态的三维梯度图和原图的刚性变换参数,对图像进行刚性变换得到多模态粗配准三维子宫图像。
7.根据权利要求1所述的基于多模影像与交互设备的解剖导航构建方法,其特征在于,所述对精配准后的子宫医学图像数据进行分割时采用三维图像分割方法。
8.一种基于多模影像与交互设备的解剖导航构建装置,其特征在于,包括:
数据获取模块,用于获取***患者医学影像数据,并建立***患者数据库;
粗配准模块,用于基于强度的多模态三维子宫医学图像进行刚性粗配准,得到多模态粗配准三维子宫图像;
精配准模块,用于基于U-Net网络对所述多模态粗配准三维子宫图像进行精配准,得到精配准后的子宫医学图像数据;
分割模块,用于对精配准后的子宫医学图像数据进行分割,得到分割后的各组织数据;
三维模型构建模块,用于根据分割后的各组织数据分别构建子宫各组织的三维模型,得到重建的子宫三维模型;
导入模块,用于将重建的子宫三维模型导入在线学习***中,实现子宫解剖导航。
9.一种计算机设备,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至7中任一项所述的方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211116373.6A CN115393527A (zh) | 2022-09-14 | 2022-09-14 | 基于多模影像与交互设备的解剖导航构建方法及装置 |
CN202311129345.2A CN117252820A (zh) | 2022-09-14 | 2023-09-04 | 基于多模影像与交互设备的解剖导航构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211116373.6A CN115393527A (zh) | 2022-09-14 | 2022-09-14 | 基于多模影像与交互设备的解剖导航构建方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115393527A true CN115393527A (zh) | 2022-11-25 |
Family
ID=84126900
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211116373.6A Pending CN115393527A (zh) | 2022-09-14 | 2022-09-14 | 基于多模影像与交互设备的解剖导航构建方法及装置 |
CN202311129345.2A Pending CN117252820A (zh) | 2022-09-14 | 2023-09-04 | 基于多模影像与交互设备的解剖导航构建方法及装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311129345.2A Pending CN117252820A (zh) | 2022-09-14 | 2023-09-04 | 基于多模影像与交互设备的解剖导航构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN115393527A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872332A (zh) * | 2019-01-31 | 2019-06-11 | 广州瑞多思医疗科技有限公司 | 一种基于u-net神经网络的三维医学图像配准方法 |
CN110363797A (zh) * | 2019-07-15 | 2019-10-22 | 东北大学 | 一种基于过度形变抑制的pet与ct图像配准方法 |
CN111091589A (zh) * | 2019-11-25 | 2020-05-01 | 北京理工大学 | 基于多尺度监督学习的超声和核磁图像配准方法及装置 |
US20200184660A1 (en) * | 2018-12-11 | 2020-06-11 | Siemens Healthcare Gmbh | Unsupervised deformable registration for multi-modal images |
CN112967786A (zh) * | 2021-02-26 | 2021-06-15 | 江南大学 | 基于多模影像与交互设备的解剖导航的构建方法及*** |
CN113269816A (zh) * | 2021-05-18 | 2021-08-17 | 临沂大学 | 一种分区域递进式脑图像弹性配准方法及*** |
CN113450294A (zh) * | 2021-06-07 | 2021-09-28 | 刘星宇 | 多模态医学图像配准融合方法、装置及电子设备 |
CN114119354A (zh) * | 2021-11-26 | 2022-03-01 | 杭州涿溪脑与智能研究所 | 医学图像配准训练及使用方法、***及装置 |
CN114387317A (zh) * | 2022-03-24 | 2022-04-22 | 真健康(北京)医疗科技有限公司 | Ct图像和mri三维图像的配准方法、装置 |
CN114881914A (zh) * | 2022-02-11 | 2022-08-09 | 山东省肿瘤医院 | 基于医学影像确定三维功能肝段的***及方法 |
-
2022
- 2022-09-14 CN CN202211116373.6A patent/CN115393527A/zh active Pending
-
2023
- 2023-09-04 CN CN202311129345.2A patent/CN117252820A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200184660A1 (en) * | 2018-12-11 | 2020-06-11 | Siemens Healthcare Gmbh | Unsupervised deformable registration for multi-modal images |
CN109872332A (zh) * | 2019-01-31 | 2019-06-11 | 广州瑞多思医疗科技有限公司 | 一种基于u-net神经网络的三维医学图像配准方法 |
CN110363797A (zh) * | 2019-07-15 | 2019-10-22 | 东北大学 | 一种基于过度形变抑制的pet与ct图像配准方法 |
CN111091589A (zh) * | 2019-11-25 | 2020-05-01 | 北京理工大学 | 基于多尺度监督学习的超声和核磁图像配准方法及装置 |
CN112967786A (zh) * | 2021-02-26 | 2021-06-15 | 江南大学 | 基于多模影像与交互设备的解剖导航的构建方法及*** |
CN113269816A (zh) * | 2021-05-18 | 2021-08-17 | 临沂大学 | 一种分区域递进式脑图像弹性配准方法及*** |
CN113450294A (zh) * | 2021-06-07 | 2021-09-28 | 刘星宇 | 多模态医学图像配准融合方法、装置及电子设备 |
CN114119354A (zh) * | 2021-11-26 | 2022-03-01 | 杭州涿溪脑与智能研究所 | 医学图像配准训练及使用方法、***及装置 |
CN114881914A (zh) * | 2022-02-11 | 2022-08-09 | 山东省肿瘤医院 | 基于医学影像确定三维功能肝段的***及方法 |
CN114387317A (zh) * | 2022-03-24 | 2022-04-22 | 真健康(北京)医疗科技有限公司 | Ct图像和mri三维图像的配准方法、装置 |
Non-Patent Citations (1)
Title |
---|
凌彤;杨琬琪;杨明;: "利用多模态U形网络的CT图像***分割", 智能***学报 * |
Also Published As
Publication number | Publication date |
---|---|
CN117252820A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11423603B2 (en) | Apparatus and method for producing three-dimensional models from magnetic resonance imaging | |
EP3923238A1 (en) | Medical image segmentation method and device, computer device and readable storage medium | |
CN112465827A (zh) | 一种基于逐类卷积操作的轮廓感知多器官分割网络构建方法 | |
US20110150312A1 (en) | Biodata model preparation method and apparatus, data structure of biodata model and data storage device of biodata model, and load dispersion method and apparatus of 3d data model | |
US8861891B2 (en) | Hierarchical atlas-based segmentation | |
CN111932529B (zh) | 一种图像分类分割方法、装置及*** | |
Fajar et al. | Reconstructing and resizing 3D images from DICOM files | |
AlZu'bi et al. | Transferable HMM probability matrices in multi‐orientation geometric medical volumes segmentation | |
Spiriev et al. | Three-dimensional immersive photorealistic layered dissection of superficial and deep back muscles: anatomical study | |
CN114972634A (zh) | 基于特征体素融合的多视角三维可变形人脸重建方法 | |
CN114283152A (zh) | 图像处理、图像处理模型的训练方法、装置、设备及介质 | |
Knodel et al. | Virtual reality in advanced medical immersive imaging: a workflow for introducing virtual reality as a supporting tool in medical imaging | |
CN111161330B (zh) | 非刚性图像配准方法、装置、***、电子设备、存储介质 | |
Schiemann et al. | Segmentation of the Visible Human for high quality volume based visualization | |
CN115393527A (zh) | 基于多模影像与交互设备的解剖导航构建方法及装置 | |
Zhang et al. | A spine segmentation method under an arbitrary field of view based on 3d swin transformer | |
CN102609981B (zh) | 构建三维脑模型的方法 | |
CN108596900A (zh) | 甲状腺相关性眼病医学影像数据处理装置、方法、计算机可读存储介质及终端设备 | |
CN114974522A (zh) | 医学影像处理方法、装置、电子设备及存储介质 | |
CN115249290A (zh) | 针对单侧颞骨的空间数据处理方法、空间定位方法及设备 | |
Hacker et al. | Representation and visualization of variability in a 3D anatomical atlas using the kidney as an example | |
CN112837318A (zh) | 超声图像生成模型的生成方法、合成方法、介质及终端 | |
CN113538444A (zh) | 一种基于空洞卷积的并行空间金字塔模型图像分割方法 | |
Cui et al. | Multi-perspectives 2D Spine CT images segmentation of 3D fuse algorithm | |
CN112669331B (zh) | 目标数据迁移迭代学习方法及目标数据迁移迭代学习*** |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20221125 |
|
WD01 | Invention patent application deemed withdrawn after publication |