【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及医学成像领域，尤其涉及用于自动生成肋骨和脊柱的可视化表示的方法和设备。
技术介绍
1、医疗专业人员通常使用医学成像来使患者的解剖结构可视化，其中可视化数据被用于诊断疾病或损伤。在创伤情境中，出于诊断目的，例如，检测肋骨骨折，医疗人员可依靠呈计算机断层扫描(ct)形式的医学图像数据。
2、逐个切片查看胸部或全身的三维(3d)ct扫描结果通常是一个耗时的过程，尤其是当目标解剖结构跨越多个切片(例如，追踪24根单个肋骨)时。
3、阅读成像扫描结果，更具体而言，阅读创伤或急诊科扫描结果是一项时间紧迫的任务，需要高度集中注意力来完成，以避免忽略关键发现。通常，在这些情境下，成像是基于全身扫描的，这导致生成大量必须彻底检查的图像数据。肋骨和脊柱是需要评估的特别重要的结构。这些是重复的结构，需要花费大量时间来检查，并且就脊柱而言，这些结构从神经学角度来看至关重要。
4、以直观的方式使患者的解剖结构和具体的关键结构可视化可以简化当前需要的耗时的检查。已经提出了几种简化患者的解剖结构和关键结构的可视化和评...
【技术保护点】
1.一种图像处理装置，包括：
2.根据权利要求1所述的图像处理装置，其中，分割所述肋骨和所述脊柱是使用机器学习技术或深度学习技术进行的，所述机器学习技术或深度学习技术包括神经网络、逻辑回归、随机森林、最近邻和聚类或多变量分析中的至少一种。
3.根据权利要求1所述的图像处理装置，其中，所述插值是使用薄板样条技术进行的。
4.根据权利要求1所述的图像处理装置，其中，所述处理器还被配置成执行所述计算机可执行指令，以使所述图像处理装置计算所述二维平面上的每个点的法线方向。
5.根据权利要求1所述的图像处理装置，其中，所生成的所述...
【技术特征摘要】
【国外来华专利技术】
1.一种图像处理装置，包括：
2.根据权利要求1所述的图像处理装置，其中，分割所述肋骨和所述脊柱是使用机器学习技术或深度学习技术进行的，所述机器学习技术或深度学习技术包括神经网络、逻辑回归、随机森林、最近邻和聚类或多变量分析中的至少一种。
3.根据权利要求1所述的图像处理装置，其中，所述插值是使用薄板样条技术进行的。
4.根据权利要求1所述的图像处理装置，其中，所述处理器还被配置成执行所述计算机可执行指令，以使所述图像处理装置计算所述二维平面上的每个点的法线方向。
5.根据权利要求1所述的图像处理装置，其中，所生成的所述一叠流形切片是一叠经过插值的二维多平面重建结果(mpr)。
6.根据权利要求5所述的图像处理装置，其中，所述处理器还被配置成执行所述计算机可执行指令，以便基于所述一叠二维mpr生成所述肋骨架和所述脊柱的三维图像。
7.根据权利要求1所述的图像处理装置，其中，在变形后的所述二维流形平面的每个位置处采样到的所述图像强度对应于所述肋骨之间的组织区域和所述肋骨边缘的组织区域中的至少一种。
8.一种处理三维图像的方法，所述方法包括：
9.根据权利要求8所述...
【专利技术属性】
技术研发人员：C·比格尔，T·洛绍，T·克林德，C·洛伦茨，L·戈申，L·塞格夫施泰因布赫，Y·基梅尔，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。