RU2015126309A - Устройство и способ обработки изображений - Google Patents
Устройство и способ обработки изображений Download PDFInfo
- Publication number
- RU2015126309A RU2015126309A RU2015126309A RU2015126309A RU2015126309A RU 2015126309 A RU2015126309 A RU 2015126309A RU 2015126309 A RU2015126309 A RU 2015126309A RU 2015126309 A RU2015126309 A RU 2015126309A RU 2015126309 A RU2015126309 A RU 2015126309A
- Authority
- RU
- Russia
- Prior art keywords
- interest
- linear model
- voxel
- linear
- image
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
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)
- Image Processing (AREA)
- Image Analysis (AREA)
Claims (22)
1. Устройство обработки изображений для обнаружения линейных структур в наборе данных изображения, содержащее
блок определения модели для определения линейной модели линейной структуры, подлежащей обнаружению, при этом упомянутая линейная модель содержит множество вокселов; и упомянутая линейная модель сконфигурирована с возможностью определять двумерную прямоугольную линейную модель, имеющую предварительно определенные длину и ширину,
блок вычисления для вычисления в расчете на воксел, представляющий интерес, из упомянутого набора данных изображения, нескольких корреляционных значений корреляции между упомянутой линейной моделью и областью изображения вокруг упомянутого воксела, представляющего интерес, при этом упомянутая область изображения содержит соответствующее количество вокселов, что и упомянутая линейная модель, при этом для каждой из множества разных относительных ориентаций упомянутой линейной модели по отношению к упомянутой области изображения вычисляется соответствующее корреляционное значение, и при этом упомянутый блок вычисления выполнен с возможностью вычислять в расчете на пиксель, представляющий интерес, из набора данных двумерного изображения, несколько корреляционных значений корреляции между упомянутой двумерной прямоугольной линейной моделью и областью двумерного изображения вокруг упомянутого пикселя, представляющего интерес, и
блок определения для определения в расчете на воксел, представляющий интерес, максимального корреляционного значения из упомянутых вычисленных корреляционных значений и соответствующей оптимальной ориентации, в которой получается упомянутое максимальное корреляционное значение.
2. Устройство обработки изображений по п. 1, в котором упомянутый блок вычисления выполнен с возможностью вычислять в расчете на воксел, представляющий интерес, из упомянутого набора данных изображения несколько корреляционных значений линейной корреляции между упомянутой линейной моделью и областью
изображения вокруг упомянутого воксела, представляющего интерес.
3. Устройство обработки изображений по п. 2, в котором упомянутый блок вычисления выполнен с возможностью вычислять в расчете на воксел, представляющий интерес, из упомянутого набора данных изображения несколько корреляционных значений упомянутой линейной корреляции между упомянутой линейной моделью и областью изображения вокруг упомянутого воксела, представляющего интерес, посредством вычисления отношения ковариации значений интенсивности упомянутой области изображения и упомянутой линейной модели к дисперсии значений интенсивности упомянутой области изображения и дисперсии значений интенсивности упомянутой линейной модели.
4. Устройство обработки изображений по п. 1, в котором упомянутый блок определения модели выполнен с возможностью определять двумерную прямоугольную линейную модель, имеющую большую протяженность в направлении вдоль линейной структуры, подлежащей обнаружению, чем в направлении, перпендикулярном к линейной структуре, подлежащей обнаружению.
5. Устройство обработки изображений по п. 1, в котором упомянутый блок вычисления и упомянутый блок определения выполнены с возможностью повторять этапы вычисления и определения для разных наборов данных двумерных изображений, в частности разных срезов изображения из набора данных трехмерного изображения.
6. Устройство обработки изображений по п. 1, в котором упомянутый блок определения модели выполнен с возможностью определять трехмерную кубическую линейную модель, имеющую предварительно определенные длину, ширину и высоту.
7. Устройство обработки изображений по п. 1, в котором упомянутый блок определения модели выполнен с возможностью определять карту вокселов или аналитическую функцию в качестве линейной модели.
8. Устройство обработки изображений по п. 1, в котором упомянутый блок определения модели выполнен с возможностью первоначально определять общую линейную модель линейной структуры, подлежащей обнаружению, и использовать максимальные корреляционные значения и соответствующие оптимальные ориентации, полученные посредством использования упомянутой общей линейной модели, чтобы определять уточненную линейную модель линейной структуры, подлежащей обнаружению, и
при этом упомянутый блок вычисления и упомянутый блок определения выполнены с возможностью повторять этапы вычисления и определения посредством использования упомянутой уточненной линейной модели.
9. Устройство обработки изображений по п. 1, в котором упомянутый блок вычисления выполнен с возможностью вычислять упомянутые корреляционные значения только для вокселов, принадлежащих предварительно определенной области, представляющей интерес, и определять, принадлежит ли воксел упомянутой предварительно определенной области, представляющей интерес, на основе изображения маски, показывающего, принадлежит ли воксел упомянутой предварительно определенной области, представляющей интерес, или значения вероятности для вероятности того, что воксел принадлежит упомянутой предварительно определенной области, представляющей интерес.
10. Устройство обработки изображений по п. 1, в котором упомянутый блок вычисления выполнен с возможностью вычислять в расчете на воксел, представляющий интерес, из упомянутого набора данных изображения несколько корреляционных значений корреляции между упомянутой линейной моделью и областью изображения вокруг упомянутого воксела, представляющего интерес, для разных относительных ориентаций упомянутой линейной модели по отношению к упомянутой области изображения посредством вращения упомянутой линейной модели и/или упомянутой области изображения вокруг упомянутого воксела, представляющего интерес, чтобы изменять относительную ориентацию.
11. Устройство обработки изображений по п. 1, дополнительно содержащее блок постобработки для идентификации внутри набора данных изображения областей вокселов, для которых была найдена, по существу, одна и та же оптимальная ориентация.
12. Устройство обработки изображений по п. 11, в котором упомянутый блок постобработки выполнен с возможностью определять, в расчете на воксел, представляющий интерес, значение локальной ориентированности и умножать, в расчете на воксел, представляющий интерес, упомянутое значение локальной ориентированности на полученное максимальное корреляционное значение, чтобы получать усиленное максимальное корреляционное значение.
13. Способ обработки изображений для обнаружения линейных структур в наборе данных изображения, содержащий:
определение линейной модели линейной структуры, подлежащей обнаружению, при этом упомянутая линейная модель содержит множество вокселов; и упомянутая линейная модель определяет двумерную прямоугольную линейную модель, имеющую предварительно определенные длину и ширину,
вычисление в расчете на воксел, представляющий интерес, из упомянутого набора данных изображения нескольких корреляционных значений корреляции между упомянутой линейной моделью и областью изображения вокруг упомянутого воксела, представляющего интерес, при этом упомянутая область изображения содержит соответствующее количество вокселов, что и упомянутая линейная модель, при этом для каждой из множества разных относительных ориентаций упомянутой линейной модели по отношению к упомянутой области изображения вычисляется соответствующее корреляционное значение, и при этом в расчете на пиксель, представляющий интерес, из набора данных двумерного изображения вычисляются несколько корреляционных значений корреляции между упомянутой двумерной прямоугольной линейной моделью и областью двумерного изображения вокруг упомянутого пикселя, представляющего интерес, и
определение в расчете на воксел, представляющий интерес, максимального корреляционного значения из упомянутых вычисленных корреляционных значений и соответствующей оптимальной ориентации, в которой получают упомянутое максимальное корреляционное значение.
14. Компьютерная программа, содержащая средство программного кода для предписания компьютеру выполнять этапы способа по п. 13, когда упомянутая компьютерная программа выполняется на компьютере.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261732562P | 2012-12-03 | 2012-12-03 | |
| US61/732,562 | 2012-12-03 | ||
| PCT/IB2013/060554 WO2014087313A1 (en) | 2012-12-03 | 2013-12-02 | Image processing device and method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2015126309A true RU2015126309A (ru) | 2017-01-13 |
Family
ID=49817137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2015126309A RU2015126309A (ru) | 2012-12-03 | 2013-12-02 | Устройство и способ обработки изображений |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US9536318B2 (ru) |
| EP (1) | EP2926318B1 (ru) |
| JP (1) | JP6273291B2 (ru) |
| CN (1) | CN104838422B (ru) |
| BR (1) | BR112015012373A2 (ru) |
| RU (1) | RU2015126309A (ru) |
| WO (1) | WO2014087313A1 (ru) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9704289B2 (en) | 2014-05-06 | 2017-07-11 | Whitecap Scientific Corporation | Indexing method and system |
| US9675317B2 (en) * | 2014-12-22 | 2017-06-13 | Toshiba Medical Systems Corporation | Interface identification apparatus and method |
| JP6920376B2 (ja) * | 2015-07-29 | 2021-08-18 | ペルキネルマー ヘルス サイエンシーズ, インコーポレイテッド | 3d解剖画像における個々の骨格の骨の自動化されたセグメンテーションのためのシステムおよび方法 |
| US10869647B2 (en) * | 2016-02-05 | 2020-12-22 | Pulmonx Corporation | Methods, systems, and devices for analyzing lung imaging data |
| EP3291175B1 (en) * | 2016-09-05 | 2018-12-12 | RaySearch Laboratories AB | Image processing system and method for interactive contouring of three-dimensional medical data |
| FR3060179B1 (fr) * | 2016-12-08 | 2020-04-03 | Safran | Procede et dispositif de determination des orientations d'elements de fibres dans une piece en materiau composite |
| WO2019000455A1 (zh) * | 2017-06-30 | 2019-01-03 | 上海联影医疗科技有限公司 | 图像分割的方法及系统 |
| WO2019042962A1 (en) * | 2017-09-01 | 2019-03-07 | Koninklijke Philips N.V. | LOCATION OF ANATOMICAL STRUCTURES IN MEDICAL IMAGES |
| CN107909581B (zh) * | 2017-11-03 | 2019-01-29 | 杭州依图医疗技术有限公司 | Ct影像的肺叶段分割方法、装置、系统、存储介质及设备 |
| CN109697754B (zh) * | 2018-12-24 | 2022-05-27 | 中国科学院大学 | 基于主方向估算的3d岩体点云特征面提取方法 |
| CN111292343B (zh) * | 2020-01-15 | 2023-04-28 | 东北大学 | 一种基于多视角下的肺叶分割方法和装置 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4930519A (en) | 1984-04-02 | 1990-06-05 | Medical Graphics Corporation | Method of graphing cardiopulmonary data |
| JP2000222574A (ja) * | 1999-01-28 | 2000-08-11 | Hitachi Ltd | ディジタル画像の線状領域抽出方法および画像処理装置 |
| US7315639B2 (en) * | 2004-03-03 | 2008-01-01 | Mevis Gmbh | Method of lung lobe segmentation and computer system |
| JP4544891B2 (ja) * | 2004-03-30 | 2010-09-15 | 幸靖 吉永 | 線抽出のための画像処理方法及びそのプログラム、線集中度画像フィルタ |
| US7711167B2 (en) * | 2005-12-07 | 2010-05-04 | Siemens Medical Solutions Usa, Inc. | Fissure detection methods for lung lobe segmentation |
| JP2007275346A (ja) * | 2006-04-07 | 2007-10-25 | Toshiba Corp | 放射線画像処理装置、放射線画像処理方法及び放射線画像処理プログラム |
| WO2008035266A2 (en) | 2006-09-21 | 2008-03-27 | Koninklijke Philips Electronics N.V. | Automatic seed point selection |
| US8144949B2 (en) | 2007-11-15 | 2012-03-27 | Carestream Health, Inc. | Method for segmentation of lesions |
| JP5233374B2 (ja) * | 2008-04-04 | 2013-07-10 | 大日本印刷株式会社 | 医用画像処理システム |
| US8150120B2 (en) | 2008-05-06 | 2012-04-03 | Carestream Health, Inc. | Method for determining a bounding surface for segmentation of an anatomical object of interest |
| JP5051025B2 (ja) * | 2008-06-26 | 2012-10-17 | コニカミノルタホールディングス株式会社 | 画像生成装置、プログラム、および画像生成方法 |
| US8724866B2 (en) * | 2009-09-14 | 2014-05-13 | Siemens Medical Solutions Usa, Inc. | Multi-level contextual learning of data |
| US9599461B2 (en) * | 2010-11-16 | 2017-03-21 | Ectoscan Systems, Llc | Surface data acquisition, storage, and assessment system |
| US9014445B2 (en) * | 2012-10-11 | 2015-04-21 | Vida Diagnostics, Inc. | Visualization and characterization of pulmonary lobar fissures |
-
2013
- 2013-12-02 RU RU2015126309A patent/RU2015126309A/ru not_active Application Discontinuation
- 2013-12-02 BR BR112015012373A patent/BR112015012373A2/pt not_active IP Right Cessation
- 2013-12-02 CN CN201380062997.7A patent/CN104838422B/zh active Active
- 2013-12-02 JP JP2015544604A patent/JP6273291B2/ja active Active
- 2013-12-02 EP EP13811010.1A patent/EP2926318B1/en active Active
- 2013-12-02 WO PCT/IB2013/060554 patent/WO2014087313A1/en not_active Ceased
- 2013-12-02 US US14/646,044 patent/US9536318B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN104838422A (zh) | 2015-08-12 |
| JP2015536732A (ja) | 2015-12-24 |
| BR112015012373A2 (pt) | 2017-07-11 |
| US20150302602A1 (en) | 2015-10-22 |
| EP2926318B1 (en) | 2020-10-28 |
| EP2926318A1 (en) | 2015-10-07 |
| WO2014087313A1 (en) | 2014-06-12 |
| CN104838422B (zh) | 2018-06-08 |
| JP6273291B2 (ja) | 2018-01-31 |
| US9536318B2 (en) | 2017-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2015126309A (ru) | Устройство и способ обработки изображений | |
| JP2018512913A5 (ru) | ||
| JP2018004541A5 (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
| JP2016517576A5 (ru) | ||
| JP2013022462A5 (ja) | 運動対象輪郭トラッキング装置及び運動対象輪郭トラッキング方法 | |
| JP2015528960A5 (ru) | ||
| JP6317725B2 (ja) | 取得された画像内のクラッタを決定するためのシステム及び方法 | |
| CN104318559A (zh) | 用于视频图像匹配的特征点快速检测方法 | |
| CN104376204A (zh) | 一种采用改进的像元二分法反演植被覆盖度的方法 | |
| JP2012120799A5 (ru) | ||
| JP2015106290A5 (ru) | ||
| JP2012115342A5 (ru) | ||
| CN103093223A (zh) | 一种光斑图像中心的快速定位方法 | |
| CN110321784A (zh) | 土壤水分估算的方法、装置、电子设备和计算机介质 | |
| RU2018110079A (ru) | Способ и устройство для распознавания тканей | |
| CN103400399A (zh) | 一种基于空间矩的线结构光中心提取方法 | |
| JP2012256272A5 (ru) | ||
| Niu et al. | A novel semi-analytical algorithm of nearly singular integrals on higher order elements in two dimensional BEM | |
| CN111325217A (zh) | 数据处理方法、装置、系统和介质 | |
| CN103400393A (zh) | 一种图像匹配方法和系统 | |
| JP2012238925A5 (ru) | ||
| CN104077780A (zh) | 一种基于分割的医学图像非刚性配准算法性能评价方法 | |
| CN103530612A (zh) | 基于少量样本的快速目标检测方法 | |
| JP2013182330A5 (ru) | ||
| JP2017162179A5 (ru) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FA92 | Acknowledgement of application withdrawn (lack of supplementary materials submitted) |
Effective date: 20170922 |