CN1745714A - 利用拓扑信息从三维图像数据中分割解剖结构的方法 - Google Patents

利用拓扑信息从三维图像数据中分割解剖结构的方法 Download PDF

Info

Publication number
CN1745714A
CN1745714A CNA2005100991683A CN200510099168A CN1745714A CN 1745714 A CN1745714 A CN 1745714A CN A2005100991683 A CNA2005100991683 A CN A2005100991683A CN 200510099168 A CN200510099168 A CN 200510099168A CN 1745714 A CN1745714 A CN 1745714A
Authority
CN
China
Prior art keywords
point
image data
anatomically significant
partitioned
apart
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
CNA2005100991683A
Other languages
English (en)
Other versions
CN100471455C (zh
Inventor
丹尼尔·林克
迈克尔·肖伊林
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.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN1745714A publication Critical patent/CN1745714A/zh
Application granted granted Critical
Publication of CN100471455C publication Critical patent/CN100471455C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20101—Interactive definition of point of interest, landmark or seed
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明涉及一种用于从三维图像数据中分割出解剖结构、尤其是冠状血管树(5)的方法。在该方法中首先在该三维图像数据中设置一个起始点，并且在该三维图像数据中识别至少一个已知的有解剖意义的点(6，9)和/或至少一个已知的有解剖意义的表面(11)。接着从该起始点出发，逐个图像点地用多个分割步骤以如下方式来分割该结构，其中在每个分割步骤中自动确定相对于该有解剖意义的点(6，9)和/或有解剖意义的表面(11)的瞬时距离，并在考虑已知的模型拓扑结构的情况下根据该距离确定分割参数和/或为了继续该分割从相邻的图像点中选择一个图像点。本方法实现了对解剖结构的精确和可靠分割。

Description

利用拓扑信息从三维图像数据中分割解剖结构的方法
技术领域
本发明涉及一种从三维图像数据、例如在CT血管造影(CTA)中产生的三维图像数据中分割出解剖结构、尤其是冠状血管树的方法。
本发明的方法首先应用于在拍摄血管结构时的计算机断层造影领域。
背景技术
与其它诸如磁共振断层造影(MR)、PET(正电子发射断层造影)、SPECT(单光子发射计算断层造影)或三维超声波技术等成像技术相比，CT血管造影的巨大优点例如是在注入造影剂的情况下只用一次CT扫描就可以记录心脏的整个血管树。在此获得的三维图像数据可以用不同技术来可视化。
对于量化分析来说，尤其是测量狭窄或斑沉积，必须从三维图像数据中分割出血管结构的相应区域。这种分割在图像计算机的后处理过程中进行。目前最常采用并商业化的分割技术是所谓的“区域增长”技术。在这种技术中，从通过用户预先给定的三维图像数据中的种子点出发，分别分析所有相邻的图像点(体素)，并在满足特定条件时识别出部分血管结构。作为属于血管结构的一个条件，例如可以检查该体素是否处在一个预先给定的HU区域(HU：Hounsfield单位)中。对于相邻体素之间的密度梯度也可以预先给定一个最高值，超过该最高值就不再将该相邻体素看作血管结构的一部分。分别被新识别为血管结构一部分的体素又作为下个分析或分割步骤的起始点。通过这种方式，已经识别的结构三维地一直增长到分割出血管结构的全部预定区域。采用这种技术来分割血管结构的一个例子可以参见T.Boskamp等人的文章“New Vessel AnalysisTool for Morphometric Quantification and Visualisation of Vessels in CT and MRImaging Data Sets”，Radiographics 2004，24，287-297。
公知的“区域增长”技术在很多情况下都能令人满意地工作，但不能达到观察者在三维图像照片的显示中可见的所有血管。在合适的三维可视化技术中，人眼尚能够识别出作为结构的一部分的最小的血管，而分割算法只能检测到被检查立体中特定均匀的、相关的部分。此外，如果分割出的结构具有类似的HU值并且非常接近地位于血管结构上，则该分割出的结构还可能增长到相邻的图像区域中。
发明内容
本发明要解决的技术问题是，提供一种从三维图像数据中分割出解剖结构、尤其是冠状血管树的方法，使得可以可靠地分割结构。
在用于从三维图像数据、尤其是CTA图像数据中分割出解剖结构的本发明的方法中，首先优选在一个区域内设置一个起始点，待分割的结构从该起始点出发延伸，并且在该三维图像数据中识别至少一个已知的有解剖意义的点和/或至少一个已知的有解剖意义的表面。接着，从该起始点出发，逐个图像点地用多个分割步骤通过这种方式来分割该结构，其中在每个分割步骤中自动确定相对于该有解剖意义的点和/或有解剖意义的表面的瞬时距离，并在考虑已知的模型拓扑结构的情况下根据该距离确定分割参数和/或为了继续该分割从相邻的图像点中选择一个图像点。
因此在本发明的方法中，将另外的已知拓扑信息用于分割，在本专利申请中这些信息也称为模型拓扑结构，其使得可以可靠地分割结构。通过对相对于事先识别的有意义点或表面的瞬时分割位置的相应认识，和对所述结构区域中的原理拓扑结构的认识，一方面可以排除在基于拓扑知识而不可能具有所述结构的部分的区域中的错误分割。另一方面分割还可以通过根据分割位置自动改变分割参数来找到根据拓扑知识在其中一定还存在血管的区域中的血管，而在这些区域中由于局部低于或超过所设置的阈值普通的分割则可能中断。
在穿越结构时针对每个分割步骤确定的分割参数，在CTA领域中例如包括针对对应于图像点的体素的HU阈值，或针对相邻体素之间的密度梯度的阈值。通过确定为了继续分割而根据瞬时距离从相邻图像点中进行的选择，限制了进行其它分割的空间角。通过这种方式，分割可以类似于公知的“区域增长”技术来进行，但在此通常不对所有在立体中相邻的图像点进行分析，而只是对位于所确定的各个空间角上的图像点进行分析。因此，优选在一个区域中设置起始点，待分割的结构从该起始点出发延伸，从而由此就已预先给定了一个特定的分割方向。
优选地，借助至少一个距离栅格来确定与事先识别的有意义点或表面的瞬时距离，该距离栅格在启动分割之前就产生，并从所识别的各个点或所识别的各个表面出发。在存在多个识别的点和/或表面的情况下，还可以计算多个距离栅格，这些距离栅格分别给出到作为该栅格基础的点或表面的距离。该一个或多个距离栅格对应于三维图像数据组中的图像点或体素，从而在分割期间可以直接知道每单个体素到相应有解剖意义的点或表面的距离。然后在考虑已知模型拓扑结构的情况下将该距离用于确定瞬时分割参数。
在实施该方法时，通过访问所提供的一个表来考虑将已知的模型拓扑结构用于确定瞬时分割参数，在该表中对于已知的拓扑结构来说，到有解剖意义的点和/或有解剖意义的表面的不同距离分别对应于为继续该分割而预定的分割参数和/或一个或多个预定的分割方向。这样，可以根据到有解剖意义的点的不同距离确定继续实施分割的空间角。此外，还可以根据该距离改变HU值的范围，在该范围内一定存在属于所述结构的体素。对其它可用于分割出所述结构的任意分割参数来说同样如此。
在本方法的扩展中，如果在到一个或多个有解剖意义的点和/或表面的该瞬时距离下由于拓扑信息而不太可能中断所述结构，则在由于缺乏满足预定条件的相邻体素而中断分割时自动在相邻环境中查找所述结构的后续部分。如果找到就继续的延伸来说与中断的结构匹配的继续体素，则通过插值来填补其间存在的空隙，并用该继续体素继续执行分割。这种在结构分支中的分割中断时对继续结构的查找可以紧跟在相应的中断之后进行，也可以在结构的所有分支中的分割都到达静止状态之后才进行。在后一种情况下首先存储这种中断点，以便然后在本方法的结束阶段可以在这些位置查找到该结构的后续部分。
虽然本方法的主要应用领域是在CTA图像照片的三维图像数据中分割出解剖上的血管结构，该方法还可以用于在诸如MR、PEP、SPECT或三维超声波技术等其它成像技术的三维图像数据中分割出其它解剖结构，只要为分割提供了合适的分割参数。
附图说明
下面借助实施例结合附图再次详细解释本发明的方法。其中示出：
图1示出在实施本发明方法时的第一步骤的例子；
图2A-2C示出在实施本发明方法时的第二步骤的例子；
图3A-3B示出在实施本发明方法时的第三步骤的例子；
图4示出在实施本发明方法时的第四步骤的例子；
图5示出在实施本发明方法时的第五步骤的例子。
具体实施方式
在本例中描述了用于从三维图像数据中分割出冠状血管树的各个步骤，该三维图像数据是用CTA技术记录的。在此附图示出心脏以及其中包含的心房和血管的不同视图，它们由于图像本身可显示性的不足而只是被示意性地示出。在此图1示出整个心脏1的视图，其中在上部可以看出穿过大动脉2的截面。在第一步骤中，例如用鼠标光标3交互地在显示图像的屏幕上通过点击大动脉2设置一个起始点。从该起始点出发自动检测两个分叉点4，在这些分叉点处大动脉2分叉为冠状血管结构5。对分叉点4进行标记。
在借助部分图2A、2B、2C看出的下个步骤中，分割出心房11，也就是左心房和右心房以及心室，并对解剖标志进行检测和标记，在本例中是左心室8的顶点6。在此，在部分图2A和2B中，可以看出该分割的不同级别。图2C示出分割出的左心室8，在其表面上将顶点6标记为解剖标志。该标记通过识别左心室顶点的图像处理算法自动进行。
在下一步骤中计算围绕心脏的距离栅格。在此作为起始点，采用被分割出并注有造影剂的心房11的表面点。为此，在图3A中可见心肌7在外部和左心室8在内部。图3B再次示出左心室8的另一视图。血管结构5被显示在这些图中。
在这些预处理步骤之后对血管结构5进行实际的分割。分割在第一步骤中检测出来的分叉点4处开始，这些分叉点也在图4中示出。根据本方法，利用适应性的拓扑分割技术进行分割。为此图4示出大动脉2的一部分，以及从该大动脉分叉的冠状血管结构5。心脏1用虚线框表示。此外在该图中，还标记出左心室8的位置以及两个解剖标志的位置，即心脏的顶点6和几何重心9。
在本方法中，分割按照计划方式进行，其中根据相对于预先标记出的标志6、9的瞬时位置来逐步分析复杂结构5。通过这种方式，分割算法随时识别心脏内血管段的当前形状、大小和位置，因为通过距离栅格可以随时知道与心房表面的距离，尤其是与心脏的顶点6或重心9的距离。通过这些知识例如可以分别将用于分割的阈值与当前的分割位置进行匹配。血管的定位越接近于末梢，通常所要求的阈值就越小，以将该其与周围结构区分开来。采用在每个分割步骤中已知的与顶点6的距离，从而在一个血管分支中中断分割时可以决定，是否在邻近的环境中查找该结构的后续部分。如果与顶点6的距离大于可预定的值，此时血管通常与周围的对比度变差，则首先为了后续步骤而存储该中断位置。
分割本身例如可以采用距离变换算法来进行，其中在相应的血管段中使球体一直增大到与血管相切。在此，在考虑关于心脏结构的拓扑信息的情况下进行分割，也就是考虑拓扑心脏模型，而不是如传统的“区域增长”技术中那样在所有空间方向上，而是以定向的方式来进行。这种借助增大的球体进行的分割通过图4的环表示。在此，如在本例中所示，相对于一个解剖标志或多个解剖标志来确定相应的位置或距离信息。通过对位置的认识，可以预先给定分割方向，从而避免在由于拓扑结构而不可能出现血管的区域中错误地进行分割。
在本例中，在根据上述步骤穿越血管结构5之后，在事先存储的中断位置处查找后续的结构，在该中断位置处曾由于缺乏满足分割条件的相邻像素而中断了分割。当由于拓扑信息而不可能在该位置中断血管结构时，则存储该位置。然后在这些位置处，自动在相邻环境中查找可以显示血管结构的后续部分的体素。在此利用了，通过具有所属直径信息的向量组(也就是通过一组排列成行的圆柱体)可以表示冠状树。沿着该有序的向量组计算正切向量。利用该计算可以估计在哪个区域中一定有血管的后续部分。在所计算的搜索区域中，图像处理算法试图识别出可能的血管区域，例如通过分析局部Hessian矩阵或通过计算位于血管结构有效HU区域内的体素簇的特征向量。如果找到这种体素，则通过插值将该体素与已经分割出的结构连接。在图5中示出正切向量12，以及通过该向量预先给定的搜索区域13。在该图中还可以识别出在血管结构5的显示中的空隙10，其通过最后一个步骤填满。
利用本方法，在分割结构时考虑特定于结构的信息或者说拓扑信息。在预先给定关于血管变化的平滑条件时，可以在每个分割步骤中只计算出相信是属于血管结构的体素。考虑到与先前识别出的解剖标志、尤其是心房表面的距离，确保了只在已经分割出的心房外识别血管。由此可以防止分割出的结构延伸至诸如心房的其它周围结构中。
利用所建议的方法，可以例如比目前现有技术的公知方法更为精确地分割出冠状血管树。在分割时不仅分析血管树本身，而且还分析整个心脏的解剖结构。填充中断的血管结构的附加步骤使得可以检测和分割本身很小的血管结构。

Claims (9)

1.一种用于从三维图像数据中分割出解剖结构、尤其是冠状血管树(5)的方法，其中，首先在该三维图像数据中设置一个起始点，并且在该三维图像数据中识别至少一个已知的有解剖意义的点(6，9)和/或至少一个已知的有解剖意义的表面(11)，
以及接着从该起始点出发，逐个图像点地用多个分割步骤以如下方式来分割该结构(5)，其中，在每个分割步骤中自动确定相对于该有解剖意义的点(6，9)和/或有解剖意义的表面(11)的瞬时距离，并在考虑已知的模型拓扑结构的情况下根据该距离确定分割参数和/或为了继续分割从相邻的图像点中选择一个图像点。
2.根据权利要求1所述的方法，其特征在于，在开始分割所述结构(5)之前产生至少一个距离栅格，该距离栅格从所述至少一个有解剖意义的点(6，9)或至少一个有解剖意义的表面(11)出发，并与图像点相对应，其中，在分割期间直接从该距离栅格中确定每个图像点到该有解剖意义的点(6，9)或有解剖意义的表面(11)的瞬时距离。
3.根据权利要求1或2所述的方法，其特征在于，所述确定每个分割步骤中的分割参数通过访问一个表来实现，在该表中到有解剖意义的点(6，9)和/或有解剖意义的表面(11)的不同距离分别对应于预定的分割参数。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述在每个分割步骤中为了继续分割而在相邻图像点中进行的选择通过访问一个表来确定，在该表中到有解剖意义的点(6，9)和/或有解剖意义的表面(11)的不同距离分别对应于为了继续分割而预定的一个或多个预定的分割方向。
5.根据权利要求1至4中任一项所述的方法，其特征在于，在达到分割的一个中断点时，在一个在考虑模型拓扑结构的条件下还不应该中断该结构(5)的位置上，用搜索算法在一个图像区域内查找继续该结构(5)的图像点，该图像区域是通过对已经分割出的结构(5)进行外推而确定的，其中，在检测用于继续该结构(5)的图像点时，在这些图像点上继续所述分割，并接着借助插值来填充分割出的结构(5)中的空隙。
6.根据权利要求5所述的方法，其特征在于，对于所述外推，计算已经分割出的结构(5)在所述中断点区域中的正切向量(12)。
7.根据权利要求6所述的方法，其特征在于，为了检测用于继续所述结构(5)的图像点，必须满足在已经分割出的结构(5)的正切向量(12)和在中断点区域内的后续结构的正切向量之间的平滑条件。
8.根据权利要求1至7中任一项所述的方法，其特征在于，在从心脏(1)的三维图像数据中分割出冠状血管树(5)时，在大动脉(2)中设置所述起始点，并且将三维图像数据中心脏的顶点(6)和/或几何重心(9)识别为已知的有解剖意义的点(6，9)。
9.根据权利要求1至8中任一项所述的方法，其特征在于，在从心脏(1)的三维图像数据中分割出冠状血管树(5)时，在大动脉(2)中设置所述起始点，并且将三维图像数据中预先分割出的心房的表面(11)识别为已知的有解剖意义的表面。
CNB2005100991683A 2004-09-09 2005-09-09 利用拓扑信息从三维图像数据中分割解剖结构的方法 Expired - Fee Related CN100471455C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102004043694A DE102004043694B4 (de) 2004-09-09 2004-09-09 Verfahren zur Segmentierung anatomischer Strukturen aus 3D-Bilddaten unter Nutzung topologischer Information
DE102004043694.0 2004-09-09

Publications (2)

Publication Number Publication Date
CN1745714A true CN1745714A (zh) 2006-03-15
CN100471455C CN100471455C (zh) 2009-03-25

Family

ID=36011301

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2005100991683A Expired - Fee Related CN100471455C (zh) 2004-09-09 2005-09-09 利用拓扑信息从三维图像数据中分割解剖结构的方法

Country Status (4)

Country Link
US (1) US7783091B2 (zh)
JP (1) JP2006075600A (zh)
CN (1) CN100471455C (zh)
DE (1) DE102004043694B4 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100464705C (zh) * 2006-05-18 2009-03-04 上海交通大学 空腔性脏器内壁虚拟外翻式三维外视化方法
CN101658415A (zh) * 2008-08-27 2010-03-03 通用电气公司 用于脉管***的描绘的方法和***
CN101848678A (zh) * 2007-11-06 2010-09-29 皇家飞利浦电子股份有限公司 用于ct体积中的新生脉管***量化的***
CN110215283A (zh) * 2019-02-14 2019-09-10 清华大学 基于磁共振成像的颅内手术导航***
CN111815584A (zh) * 2020-06-29 2020-10-23 苏州润心医疗器械有限公司 基于ct序列图像获取心脏重心的方法和***
CN113592890A (zh) * 2021-05-28 2021-11-02 北京医准智能科技有限公司 一种ct图像肝脏分割方法及装置

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK2990073T3 (en) 2004-11-24 2018-08-13 Bayer Healthcare Llc DEVICES AND SYSTEMS FOR DELIVERING FLUIDS
DE102006046285A1 (de) * 2006-09-29 2009-04-23 Siemens Ag Verfahren zur Gefäßhervorhebung und Segmentierung in 3D Volumendaten
US7990379B2 (en) * 2006-10-25 2011-08-02 Siemens Aktiengesellschaft System and method for coronary segmentation and visualization
JP5486315B2 (ja) 2006-12-29 2014-05-07 メドラッド インコーポレーテッド 医療用注入手順用に患者ベースのパラメータを生成するシステム
US8355552B2 (en) * 2007-06-20 2013-01-15 The Trustees Of Columbia University In The City Of New York Automated determination of lymph nodes in scanned images
US9064300B2 (en) * 2008-02-15 2015-06-23 Siemens Aktiengesellshaft Method and system for automatic determination of coronory supply regions
JP2009261651A (ja) * 2008-04-25 2009-11-12 Johns Hopkins Univ 画像処理装置及びプログラム
US8315449B2 (en) * 2008-06-24 2012-11-20 Medrad, Inc. Identification of regions of interest and extraction of time value curves in imaging procedures
JP2010115317A (ja) * 2008-11-12 2010-05-27 Toshiba Corp 画像処理装置
DE102009000810A1 (de) * 2009-02-12 2010-08-19 Robert Bosch Gmbh Vorrichtung zur Segmentierung eines Objektes in einem Bild, Videoüberwachungssystem, Verfahren und Computerprogramm
US20110103656A1 (en) * 2009-04-17 2011-05-05 Gheorghe Iordanescu Quantification of Plaques in Neuroimages
TWI415029B (zh) * 2009-12-25 2013-11-11 Academia Sinica 連續結構影像的量化分析自動追蹤演算法
JP6025718B2 (ja) 2010-06-24 2016-11-16 ベイヤー メディカル ケア インク． 注入プロトコルのための医薬品の伝播およびパラメータ生成のモデル
EP2619729B1 (en) * 2010-09-20 2018-07-04 Koninklijke Philips N.V. Quantification of a characteristic of a lumen of a tubular structure
DK3489667T3 (da) 2012-05-14 2021-08-02 Bayer Healthcare Llc Systemer og fremgangsmåder til bestemmelse af protokoller for farmaceutisk væskeinjektion baseret på røntgenrørsspænding
US9576107B2 (en) 2013-07-09 2017-02-21 Biosense Webster (Israel) Ltd. Model based reconstruction of the heart from sparse samples
JP6981981B2 (ja) * 2015-12-22 2021-12-17 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 心臓モデルガイド付き冠動脈瘤セグメンテーション
TWI584225B (zh) * 2016-01-05 2017-05-21 財團法人工業技術研究院 皮膚組織估測方法及應用其之系統
US10127661B2 (en) 2016-01-05 2018-11-13 Industrial Technology Research Institute Method for evaluating skin tissue and system using the same
EP3493154A1 (en) * 2017-12-01 2019-06-05 Koninklijke Philips N.V. Segmentation system for segmenting an object in an image

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7194117B2 (en) * 1999-06-29 2007-03-20 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination of objects, such as internal organs
US5987094A (en) * 1996-10-30 1999-11-16 University Of South Florida Computer-assisted method and apparatus for the detection of lung nodules
US6453069B1 (en) * 1996-11-20 2002-09-17 Canon Kabushiki Kaisha Method of extracting image from input image using reference image
US6106466A (en) * 1997-04-24 2000-08-22 University Of Washington Automated delineation of heart contours from images using reconstruction-based modeling
US6169817B1 (en) * 1998-11-04 2001-01-02 University Of Rochester System and method for 4D reconstruction and visualization
FR2802002B1 (fr) * 1999-12-02 2002-03-01 Ge Medical Syst Sa Procede de recalage automatique d'images tridimensionnelles
AUPQ449899A0 (en) * 1999-12-07 2000-01-06 Commonwealth Scientific And Industrial Research Organisation Knowledge based computer aided diagnosis
CA2405772A1 (en) * 2000-04-07 2001-10-18 Daniel Fritsch Systems and methods for tubular object processing
US7079674B2 (en) * 2001-05-17 2006-07-18 Siemens Corporate Research, Inc. Variational approach for the segmentation of the left ventricle in MR cardiac images
JP3486615B2 (ja) * 2001-05-22 2004-01-13 畦元 将吾 医療用画像の領域抽出方法
US7499578B2 (en) * 2002-10-18 2009-03-03 Cornell Research Foundation, Inc. System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans
JP5242052B2 (ja) * 2003-06-17 2013-07-24 ブラウン ユニバーシティ 投影データ中の構造体のモデル・ベース検出のための方法および装置
US20060210158A1 (en) * 2003-07-16 2006-09-21 Koninklijke Philips Electronics N. V. Object-specific segmentation
EP1685538B1 (en) * 2003-08-21 2011-03-02 Philips Intellectual Property & Standards GmbH Device and method for generating a three-dimensional vascular model
US7574247B2 (en) * 2003-11-17 2009-08-11 Siemens Medical Solutions Usa, Inc. Automatic coronary isolation using a n-MIP ray casting technique

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100464705C (zh) * 2006-05-18 2009-03-04 上海交通大学 空腔性脏器内壁虚拟外翻式三维外视化方法
CN101848678A (zh) * 2007-11-06 2010-09-29 皇家飞利浦电子股份有限公司 用于ct体积中的新生脉管***量化的***
CN101848678B (zh) * 2007-11-06 2013-08-14 皇家飞利浦电子股份有限公司 用于ct体积中的新生脉管***量化的***
CN101658415A (zh) * 2008-08-27 2010-03-03 通用电气公司 用于脉管***的描绘的方法和***
CN101658415B (zh) * 2008-08-27 2013-08-07 通用电气公司 用于脉管***的描绘的方法和***
CN110215283A (zh) * 2019-02-14 2019-09-10 清华大学 基于磁共振成像的颅内手术导航***
CN111815584A (zh) * 2020-06-29 2020-10-23 苏州润心医疗器械有限公司 基于ct序列图像获取心脏重心的方法和***
WO2022000730A1 (zh) * 2020-06-29 2022-01-06 苏州润迈德医疗科技有限公司 基于ct序列图像获取心脏重心的方法和***
CN111815584B (zh) * 2020-06-29 2022-06-07 苏州润迈德医疗科技有限公司 基于ct序列图像获取心脏重心的方法和***
CN113592890A (zh) * 2021-05-28 2021-11-02 北京医准智能科技有限公司 一种ct图像肝脏分割方法及装置
CN113592890B (zh) * 2021-05-28 2022-02-11 北京医准智能科技有限公司 一种ct图像肝脏分割方法及装置

Also Published As

Publication number Publication date
DE102004043694B4 (de) 2006-09-28
JP2006075600A (ja) 2006-03-23
DE102004043694A1 (de) 2006-03-30
US20060056694A1 (en) 2006-03-16
US7783091B2 (en) 2010-08-24
CN100471455C (zh) 2009-03-25

Similar Documents

Publication Publication Date Title
CN100471455C (zh) 利用拓扑信息从三维图像数据中分割解剖结构的方法
US8150113B2 (en) Method for lung lesion location identification
Palágyi et al. Quantitative analysis of pulmonary airway tree structures
US7945080B2 (en) Method for visualizing damage in the myocardium
Chen et al. Curve-like structure extraction using minimal path propagation with backtracking
CN101203890B (zh) 交互式肝病诊断方法
EP2104453B1 (en) Visualizing a vascular structure
US9962087B2 (en) Automatic visualization of regional functional parameters of left ventricle from cardiac imaging
EP1851722B1 (en) Image processing device and method
US8107703B2 (en) Quantitative real-time 4D stress test analysis
CN101036165B (zh) 用于树模型显像以检测肺栓塞的***和方法
US7715609B2 (en) Method for automatically determining the position and orientation of the left ventricle in 3D image data records of the heart
JP5009391B2 (ja) 診断支援装置、診断支援プログラムおよび診断支援方法
WO2019000455A1 (zh) 图像分割的方法及***
Zheng et al. Multi-part modeling and segmentation of left atrium in C-arm CT for image-guided ablation of atrial fibrillation
Queirós et al. Automatic 3D aortic annulus sizing by computed tomography in the planning of transcatheter aortic valve implantation
Babin et al. Skeletonization method for vessel delineation of arteriovenous malformation
CN1745715A (zh) 从四维图像数据组中分割出解剖结构的方法
US7826647B2 (en) Methods and systems for iteratively identifying vascular structure
US20110293150A1 (en) Iterative vascular reconstruction by seed point segmentation
Xiong et al. Comprehensive modeling and visualization of cardiac anatomy and physiology from CT imaging and computer simulations
US20230005153A1 (en) Quantification and visualization of myocardium fibrosis of human heart
Wang et al. Airway segmentation for low-contrast CT images from combined PET/CT scanners based on airway modelling and seed prediction
US20110293149A1 (en) Iterative vascular reconstruction by realignment
Passat et al. Using watershed and multimodal data for vessel segmentation: Application to the superior sagittal sinus

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20090325

Termination date: 20150909

EXPY Termination of patent right or utility model