RU2015120325A - Визуализация перфузии - Google Patents
Визуализация перфузии Download PDFInfo
- Publication number
- RU2015120325A RU2015120325A RU2015120325A RU2015120325A RU2015120325A RU 2015120325 A RU2015120325 A RU 2015120325A RU 2015120325 A RU2015120325 A RU 2015120325A RU 2015120325 A RU2015120325 A RU 2015120325A RU 2015120325 A RU2015120325 A RU 2015120325A
- Authority
- RU
- Russia
- Prior art keywords
- different
- voxel
- ranges
- histogram
- activity
- Prior art date
Links
- 230000010412 perfusion Effects 0.000 title claims abstract 7
- 238000012800 visualization Methods 0.000 title claims 3
- 230000000694 effects Effects 0.000 claims abstract 18
- 238000000034 method Methods 0.000 claims abstract 14
- 230000002123 temporal effect Effects 0.000 claims abstract 7
- 238000003384 imaging method Methods 0.000 claims abstract 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000009826 distribution Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/10076—4D tomography; Time-sequential 3D tomography
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- 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
- G06T2207/30061—Lung
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Quality & Reliability (AREA)
- Vascular Medicine (AREA)
- Computer Graphics (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
1. Способ, содержащий следующие этапы:получают набор 4-мерных данных в электронном формате, при этом набор 4-мерных данных включает в себя множество 3-мерных объемов вокселей данных визуализации перфузии с контрастированием для двух или более интервалов времени, и 3-мерные объемы включают в себя данные, представляющие, по меньшей мере, два отличающихся тканевых компонента в одной и той же представляющей интерес области в, по меньшей мере, одном из интервалов времени;формируют отличающуюся точку временной кривой активности для каждого из отличающихся тканевых компонентов для каждого вокселя, оцениваемого для каждого оцениваемого интервала времени; иформируют сигнал, характеризующий отличающуюся карту параметров для каждого из отличающихся тканевых компонентов на основании, по меньшей мере, временных кривых активности.2. Способ по п. 1, дополнительно содержащий следующие этапы:применяют маску к подучастку 3-мерного объема вокруг представляющего интерес вокселя; иформируют гистограмму для вокселя на основании вокселей в пределах маски,при этом временная кривая активности, соответствующая вокселю, формируется на основании гистограммы.3. Способ по п. 2, в котором маска применяет отличающиеся веса к значениям разных вокселей на основании расстояния вокселя до представляющего интерес вокселя.4. Способ по п. 2, дополнительно содержащий следующие этапы:разделяют гистограмму на, по меньшей мере, два отличающихся диапазона, при этом каждый диапазон соответствует отличающемуся тканевому компоненту;вычисляют репрезентативное значение для каждого из, по меньшей мере, двух диапазонов; иопределяют точку временной кривой активности для
Claims (20)
1. Способ, содержащий следующие этапы:
получают набор 4-мерных данных в электронном формате, при этом набор 4-мерных данных включает в себя множество 3-мерных объемов вокселей данных визуализации перфузии с контрастированием для двух или более интервалов времени, и 3-мерные объемы включают в себя данные, представляющие, по меньшей мере, два отличающихся тканевых компонента в одной и той же представляющей интерес области в, по меньшей мере, одном из интервалов времени;
формируют отличающуюся точку временной кривой активности для каждого из отличающихся тканевых компонентов для каждого вокселя, оцениваемого для каждого оцениваемого интервала времени; и
формируют сигнал, характеризующий отличающуюся карту параметров для каждого из отличающихся тканевых компонентов на основании, по меньшей мере, временных кривых активности.
2. Способ по п. 1, дополнительно содержащий следующие этапы:
применяют маску к подучастку 3-мерного объема вокруг представляющего интерес вокселя; и
формируют гистограмму для вокселя на основании вокселей в пределах маски,
при этом временная кривая активности, соответствующая вокселю, формируется на основании гистограммы.
3. Способ по п. 2, в котором маска применяет отличающиеся веса к значениям разных вокселей на основании расстояния вокселя до представляющего интерес вокселя.
4. Способ по п. 2, дополнительно содержащий следующие этапы:
разделяют гистограмму на, по меньшей мере, два отличающихся диапазона, при этом каждый диапазон соответствует отличающемуся тканевому компоненту;
вычисляют репрезентативное значение для каждого из, по меньшей мере, двух диапазонов; и
определяют точку временной кривой активности для каждого из диапазонов для определения, тем самым, временной кривой активности для каждого из отличающихся тканевых компонентов.
5. Способ по п. 4, дополнительно содержащий следующий этап:
определяют временную кривую активности на основании предварительно заданной модели, которая задает вероятность каждого из множества отличающихся паттернов временных кривых активности.
6. Способ по п. 4, дополнительно содержащий следующие этапы:
определяют отношение параметров между отличающимися тканевыми компонентами на основании гистограммы и диапазонов; и
формируют второй сигнал, характеризующий отличающуюся карту отношений для каждого из отличающихся тканевых компонентов на основании отношения параметров.
7. Способ по п. 6, дополнительно содержащий следующие этапы:
сравнивают отношение параметров с предварительно заданными данными, представляющими вероятность отношений параметров между отличающимися компонентами;
проверяют результат сравнения на соответствие предварительно заданным критериям; и
визуально представляют, по меньшей мере, карты параметров в случае соответствия результатов предварительно заданным критериям.
8. Способ по п. 7, дополнительно содержащий следующие этапы:
в случае несоответствия результатов предварительно заданным критериям
модифицируют, по меньшей мере, два диапазона с формированием, по меньшей мере, двух модифицированных диапазонов;
разделяют гистограмму на, по меньшей мере, два модифицированных диапазона;
вычисляют следующее репрезентативное значение для каждого из, по меньшей мере, двух модифицированных диапазонов; и
определяют следующую точку временной кривой активности для каждого из модифицированных диапазонов, для определения, тем самым, следующей временной кривой активности для каждого из отличающихся тканевых компонентов.
9. Способ по п. 8, дополнительно содержащий следующий этап:
повторяют этапы модификации диапазонов, разделения гистограммы на основании модифицированных диапазонов, вычисления следующего репрезентативного значения и определения следующей временной кривой активности, пока не достигают критерия останова.
10. Способ по п. 9, в котором критерий останова включает в себя, по меньшей мере одно из следующего: достигается предварительно заданное число итераций, разность результатов между последовательными итерациями ниже предварительно заданного порога, или истекает предварительно заданный период времени.
11. Система обработки данных, содержащая
генератор гистограмм, сконфигурированный с возможностью формирования гистограммы для каждого вокселя, оцениваемого во множестве 3-мерных объемов вокселей данных визуализации перфузии с контрастированием для двух или более интервалов времени, при этом 3-мерные объемы включают в себя данные, представляющие, по меньшей мере, два отличающихся тканевых компонента в одной и той же представляющей интерес области в, по меньшей мере, одном из интервалов времени;
генератор временных кривых активности, сконфигурированный с возможностью формирования отличающейся точки временной кривой активности для каждого из отличающихся тканевых компонентов для каждого вокселя, оцениваемого для каждого оцениваемого интервала времени; и
генератор карт перфузии, сконфигурированный с возможностью формирования сигнала, характеризующего отличающуюся карту параметров для каждого из отличающихся тканевых компонентов на основании, по меньшей мере, временных кривых активности.
12. Система обработки данных по п. 11, дополнительно содержащая
блок применения масок, сконфигурированный с возможностью
применения маски к подучастку 3-мерного объема вокруг представляющего интерес вокселя, при этом генератор гистограмм формирует соответствующую гистограмму для вокселя на основании вокселей в пределах маски, и временная кривая активности, соответствующая вокселю, формируется на основании гистограммы.
13. Система обработки данных по п. 12, в которой маска применяет отличающиеся веса к значениям разных вокселей на основании расстояния вокселя до представляющего интерес вокселя, при этом веса основаны на, по меньшей мере, каком-то одном из гауссова, двоичного, линейного, экспоненциального или ступенчатого распределений.
14. Система обработки данных по п. 12, дополнительно содержащая
блок оценки гистограмм, сконфигурированный с возможностью разделения каждой из гистограмм на, по меньшей мере, два отличающихся диапазона, при этом каждый диапазон соответствует отличающемуся тканевому компоненту, вычисляет репрезентативное значение для каждого из, по меньшей мере, двух диапазонов и определяет точку временной кривой активности для каждого из диапазонов, для определения, тем самым, временной кривой активности для каждого из отличающихся тканевых компонентов.
15. Система обработки данных по п. 14, в которой временная кривая активности определяется на основании предварительно заданной модели, которая задает вероятность каждого из множества отличающихся паттернов временных кривых активности.
16. Система обработки данных по п. 14, дополнительно содержащая
блок определения параметров, сконфигурированный с возможностью определения отношения параметров между отличающимися тканевыми компонентами на основании гистограмм и диапазонов; и
генератор карт отношений, сконфигурированный с возможностью формирования отличающейся карты отношений для каждого из отличающихся тканевых компонентов на основании отношения параметров.
17. Система обработки данных по п. 16, дополнительно
содержащая
оптимизатор, включающий в себя
анализатор, сконфигурированный с возможностью сравнения отношения параметров с предварительно заданными данными, представляющими вероятность отношений параметров между отличающимися компонентами; и
блок проверки критериев, сконфигурированный с возможностью проверки результата сравнения на соответствие предварительно заданным критериям, и
механизм визуализации, сконфигурированный с возможностью визуального представления, по меньшей мере, карт параметров в случае соответствия результатов предварительно заданным критериям.
18. Система обработки данных по п. 17, в которой в случае несоответствия результатов предварительно заданным критериям, блок оценки гистограмм разделяет гистограмму на, по меньшей мере, два модифицированных диапазона, вычисляет следующее репрезентативное значение для каждого из, по меньшей мере, двух модифицированных диапазонов и определяет следующую точку временной кривой активности для каждого из модифицированных диапазонов, для определения, тем самым, следующей временной кривой активности для каждого из отличающихся тканевых компонентов.
19. Система обработки данных по п. 18, в которой блок оценки гистограмм повторяет этапы модификации диапазонов, разделения гистограммы на основании модифицированных диапазонов, вычисления следующего репрезентативного значения и определения следующей временной кривой активности, пока не достигается критерий останова.
20. Машиночитаемый носитель данных, кодированный одной или более машинно-выполняемыми командами, которые при выполнении процессором компьютерной системы предписывают процессору задание: анализировать характеристики перфузии гетерогенной ткани посредством разделения пространственно переплетенных тканевых компонентов на два или более классов ткани и формирования набора карт перфузии для каждого из отдельных тканевых компонентов.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261720475P | 2012-10-31 | 2012-10-31 | |
US61/720,475 | 2012-10-31 | ||
PCT/IB2013/059829 WO2014068520A1 (en) | 2012-10-31 | 2013-10-31 | Perfusion imaging |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2015120325A true RU2015120325A (ru) | 2016-12-20 |
Family
ID=50030347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2015120325A RU2015120325A (ru) | 2012-10-31 | 2013-10-31 | Визуализация перфузии |
Country Status (7)
Country | Link |
---|---|
US (1) | US9478024B2 (ru) |
EP (1) | EP2915141B1 (ru) |
JP (1) | JP6645831B2 (ru) |
CN (1) | CN104769641B (ru) |
BR (1) | BR112015009354A2 (ru) |
RU (1) | RU2015120325A (ru) |
WO (1) | WO2014068520A1 (ru) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9953439B2 (en) * | 2014-11-25 | 2018-04-24 | University Of Virginia Patent Foundation | Systems and methods for three-dimensional spiral perfusion imaging |
RU2599209C1 (ru) * | 2015-07-14 | 2016-10-10 | Федеральное государственное бюджетное научное учреждение "Томский Научно-исследовательский институт онкологии (Томский НИИ онкологии) | Способ прогнозирования вероятности риска развития недостаточности анастомозов в послеоперационном периоде у больных раком пищевода |
US10902619B2 (en) * | 2016-10-26 | 2021-01-26 | Duke University | Systems and methods for determining quality metrics of an image or images based on an edge gradient profile and characterizing regions of interest in an image or images |
US11399779B2 (en) * | 2018-05-16 | 2022-08-02 | Case Western Reserve University | System-independent quantitative perfusion imaging |
JP2022526418A (ja) | 2019-04-04 | 2022-05-24 | センターライン バイオメディカル,インコーポレイテッド | 解剖学的構造の着目領域をモデリングすること |
CN110264565B (zh) * | 2019-05-27 | 2021-07-30 | 浙江大学 | 一种基于半峰值概率密度分布的三维重建方法 |
CN117582208A (zh) | 2019-09-18 | 2024-02-23 | 拜耳公司 | 用于确定组织体素的特征的方法、***和计算机可读介质 |
AU2020347797A1 (en) | 2019-09-18 | 2022-03-31 | Bayer Aktiengesellschaft | Forecast of MRI images by means of a forecast model trained by supervised learning |
CN113616226B (zh) * | 2021-09-14 | 2023-06-23 | 上海联影医疗科技股份有限公司 | 一种血管分析方法、***、设备及存储介质 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6692438B2 (en) * | 2001-12-18 | 2004-02-17 | Koninklijke Philips Electronics Nv | Ultrasonic imaging system and method for displaying tissue perfusion and other parameters varying with time |
JP2003210456A (ja) * | 2002-01-21 | 2003-07-29 | Toshiba Corp | 時系列画像の処理装置 |
US20030211036A1 (en) | 2002-05-07 | 2003-11-13 | Hadassa Degani | Method and apparatus for monitoring and quantitatively evaluating tumor perfusion |
US6888914B2 (en) * | 2002-11-26 | 2005-05-03 | General Electric Company | Methods and apparatus for computing volumetric perfusion |
US20040218794A1 (en) * | 2003-05-01 | 2004-11-04 | Yi-Hsuan Kao | Method for processing perfusion images |
DE10335663A1 (de) * | 2003-08-04 | 2005-03-10 | Siemens Ag | Verfahren zur automatischen Kalibrierung von Perfusionsparameterbildern |
US8326400B2 (en) * | 2004-05-04 | 2012-12-04 | Stiftelsen Universitetsforskning Bergen | Method of MR imaging |
JP5053606B2 (ja) * | 2006-09-22 | 2012-10-17 | 株式会社東芝 | 医用画像診断装置及び医用画像処理装置 |
US8233965B2 (en) | 2007-03-08 | 2012-07-31 | Oslo Universitetssykehus Hf | Tumor grading from blood volume maps |
GB0705223D0 (en) | 2007-03-19 | 2007-04-25 | Univ Sussex | Method, apparatus and computer program for analysing medical image data |
US7848557B2 (en) * | 2007-03-23 | 2010-12-07 | University Of Utah Research Foundation | Rapid multi-tracer PET imaging systems and methods |
US20080262344A1 (en) | 2007-04-23 | 2008-10-23 | Brummett David P | Relative value summary perfusion map |
DE102007028901B4 (de) * | 2007-06-22 | 2010-07-22 | Siemens Ag | Verfahren und Vorrichtung zur automatischen Bestimmung von Perfusion mittels einer Magnetresonanzanlage |
JP5010375B2 (ja) * | 2007-07-18 | 2012-08-29 | 株式会社東芝 | 医用画像診断装置 |
CN101658428A (zh) * | 2008-08-28 | 2010-03-03 | 西门子(中国)有限公司 | 灌注成像技术中对位图进行处理的方法和*** |
JP2012527324A (ja) | 2009-05-19 | 2012-11-08 | エンドラ,インコーポレイテッド | 組織を分析するための熱音響システム |
CN102473297B (zh) * | 2009-06-30 | 2015-07-15 | 皇家飞利浦电子股份有限公司 | 量化灌注分析 |
CN101756713A (zh) * | 2009-09-09 | 2010-06-30 | 西安交通大学 | 超声造影成像、灌注参量估计和灌注参量功能成像及其集成方法 |
JP5833637B2 (ja) * | 2010-05-06 | 2015-12-16 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | ダイナミック灌流ctの画像データ位置合わせ |
EP2770910B1 (en) * | 2011-10-24 | 2018-05-23 | Koninklijke Philips N.V. | Perfusion imaging |
JP5820549B2 (ja) * | 2012-04-17 | 2015-11-24 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 灌流イメージング |
-
2013
- 2013-10-31 JP JP2015538626A patent/JP6645831B2/ja active Active
- 2013-10-31 RU RU2015120325A patent/RU2015120325A/ru unknown
- 2013-10-31 BR BR112015009354A patent/BR112015009354A2/pt not_active IP Right Cessation
- 2013-10-31 US US14/436,492 patent/US9478024B2/en active Active
- 2013-10-31 WO PCT/IB2013/059829 patent/WO2014068520A1/en active Application Filing
- 2013-10-31 CN CN201380057139.3A patent/CN104769641B/zh active Active
- 2013-10-31 EP EP13826598.8A patent/EP2915141B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN104769641A (zh) | 2015-07-08 |
EP2915141B1 (en) | 2016-12-14 |
US20160048955A1 (en) | 2016-02-18 |
JP6645831B2 (ja) | 2020-02-14 |
CN104769641B (zh) | 2018-01-26 |
EP2915141A1 (en) | 2015-09-09 |
US9478024B2 (en) | 2016-10-25 |
BR112015009354A2 (pt) | 2017-07-04 |
WO2014068520A1 (en) | 2014-05-08 |
JP2015532872A (ja) | 2015-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2015120325A (ru) | Визуализация перфузии | |
RU2014121097A (ru) | Формирование изображения кровотока | |
EP2958049A2 (en) | Method and apparatus for extracting feature regions from point cloud | |
CN104954185B (zh) | 一种基于深度置信网的云计算负载预测方法 | |
CN106405518A (zh) | 一种复杂体制雷达信号等级关联聚类分选方法 | |
RU2012152513A (ru) | Совмещение данных изображения для динамической перфузионной компьютерной томографии | |
KR101661934B1 (ko) | 영상 처리 장치 및 방법 | |
CN106056098B (zh) | 一种基于类别合并的脉冲信号聚类分选方法 | |
WO2015185696A3 (en) | Method of estimating well productivity along a section of a wellbore | |
CN104346802A (zh) | 一种人员离岗监控方法及设备 | |
CN106033643B (zh) | 一种数据处理方法及装置 | |
CN112085125A (zh) | 基于线性自学习网络的缺失值填补方法、存储介质及*** | |
CN110415260A (zh) | 基于字典与bp神经网络的烟雾图像分割与识别方法 | |
CN104915928A (zh) | 一种基于本征正交分解的速度场坏矢量识别和修正方法 | |
JP2020535924A5 (ru) | ||
CN106935038A (zh) | 一种停车检测***及检测方法 | |
US20220051075A1 (en) | Methods and apparatuses for tracking weak signal traces | |
CN105975772A (zh) | 基于概率假设密度滤波的多目标检测前跟踪方法 | |
CN106611021B (zh) | 一种数据处理方法和设备 | |
CN102360496B (zh) | 基于gmm参数迁移聚类的sar图像分割方法 | |
MX2016006027A (es) | Realizacion de modelo de permeabilidad de formacion subterranea. | |
RU2015134392A (ru) | Способ моделирования подземного объема | |
CN103049913A (zh) | 脑部磁共振血管造影数据的分割方法及装置 | |
CN107741204B (zh) | 一种用于动态三维测量的条纹增强方法 | |
CN110457812A (zh) | 一种复杂目标强电磁散射源的识别方法及*** |