[发明专利]PET图像处理方法及装置、电子设备、存储介质在审

专利信息
申请号: 201711194322.4 申请日: 2017-11-24
公开(公告)号: CN107945203A 公开(公告)日: 2018-04-20
发明(设计)人: 贠明凯;赵然然;李琳;高娟;黄先超;魏存峰;魏龙 申请(专利权)人: 中国科学院高能物理研究所
主分类号: G06T7/174 分类号: G06T7/174;G06T7/00;G06T11/00
代理公司: 北京律智知识产权代理有限公司11438 代理人: 王辉,阚梓瑄
地址: 100049 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要: 本公开提供了一种PET图像处理方法、PET图像处理装置、电子设备及计算机可读存储介质,该方法包括对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。本公开提高了PET图像分割的精准度。
搜索关键词: pet 图像 处理 方法 装置 电子设备 存储 介质
【主权项】:
一种PET图像处理方法,其特征在于,所述方法包括:对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院高能物理研究所,未经中国科学院高能物理研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201711194322.4/,转载请声明来源钻瓜专利网。

同类专利
  • 一种基于超像素和密度聚类的序列肺结节图像分割方法-201710536082.5
  • 强彦;张伟;赵涓涓;宋晓涛;强梓林 - 太原理工大学
  • 2017-07-04 - 2019-11-08 - G06T7/174
  • 本发明公开了一种基于超像素和密度聚类的序列肺结节图像分割方法,包括以下步骤:利用CT图像三维特征平均投影密度(AIP)结合多尺度圆点增强进行预处理;利用六边形聚簇和形态学优化的超像素序列图像分割算法(HMSLIC)对图像进行过分割;在超像素块间的距离计算中构造自适应权重系数,实现肺结节的精准定位,得到后续的聚类起始块,同时,通过对距离进行拟合并检测斜率的变化,得到后续准确的聚类阈值;采用只对肺结节进行聚类的策略和自适应阈值两方面优化的快速DBSCAN超像素序列图像聚类算法,得到序列肺结节掩膜,最终得到肺部CT的序列肺结节图像;能更快速、完整、准确地分割出各种类型的序列肺结节图像,为后续的处理和诊断分析奠定基础。
  • 一种基于方向和尺度描述子的多图谱图像分割方法-201610964660.0
  • 刘颖;卢振泰;张明慧;阳维;张文华;冯前进 - 南方医科大学
  • 2016-10-28 - 2019-07-12 - G06T7/174
  • 本发明涉及一种基于方向和尺度描述子的多图谱图像分割方法,以下步骤:首先读入所有图谱灰度图像Itrain和对应的图谱标号图像L,再读入待分割图像Itarget,将待分割图像作为参考图像,图谱灰度图像作为浮动图像,将所有图谱灰度图像Itrain逐一配准到目标图像,得到使图谱灰度图像变形的形变场T(T=(T1,T2,......,TK))及形变后的图谱灰度图像I'train,然后将形变场作用到对应图谱标号图像上,得到变形后的图谱标号图像L',利用L'先验信息,确定待分割图像中海马体解剖位置,确定感兴趣区域,感兴趣区域内的像素为目标像素;计算图谱灰度图像所有像素以及目标像素的方向和尺度描述子S,方向和尺度描述子为一种新的像素特征,该分割方法能减小图谱间亮度不均匀造成的分割误差,提高分割精度。
  • 物体检测方法和物体检测装置-201210560968.0
  • 卢海东;张强;周光华;李雪霞 - 联想(北京)有限公司
  • 2012-12-20 - 2018-10-12 - G06T7/174
  • 提供了物体检测方法和物体检测装置。该物体检测方法用于检测显示屏幕上放置的物体,其中,该显示屏幕上显示背景图像,该物体检测方法包括:获取第一图像,其中,所述第一图像包含所述显示屏幕上的第一背景图像和所述物体的图像;获取第二图像,其中,所述第二图像包含所述显示屏幕上的第二背景图像和所述物体的图像,且所述第二背景图像为所述第一背景图像向第一方向移位一预定距离所产生的图像;以及,对所述第一图像和所述第二图像进行图像处理以从所述显示屏幕上检测到物体。通过根据本发明实施例的物理检测方法和物理检测装置,可以在显示复杂图像的显示屏幕上检测物体,从而有效地识别并提取物体,提高了系统的整体性能。
  • 一种基于多光子共焦显微细胞图像的超像素重构分割与重建方法-201510304218.0
  • 陈冠楠;刘高强;吴伟霖;朱小钦;黄祖芳;李彦;龚海明;陈荣 - 福建师范大学
  • 2015-07-13 - 2018-06-08 - G06T7/174
  • 本发明涉及一种基于多光子共焦显微细胞图像的超像素重构分割与重建方法,首先选择若干张待处理的多光子共焦显微细胞图片并将其从RGB格式转化到CIELAB颜色空间;确定每张图片中超像素的个数,确定每一个超像素的中心像素点的位置;对每个像素进行聚类,计算每一个像素到最近几个超像素的中心像素的距离D,确定每个像素属于哪一个超像素;对每一个超像素进行标记,对每一个超像素包含的像素进行标记,确定每一个超像素的边界,将每个超像素的边界均映射回原图像,得到初分割图像并对其进行后期处理,得到多光子共焦显微细胞图像的分割图像;最后对分割图像进行三维重建。本发明能够实现对细胞不同时期的成长状态进行观测。
  • PET图像处理方法及装置、电子设备、存储介质-201711194322.4
  • 贠明凯;赵然然;李琳;高娟;黄先超;魏存峰;魏龙 - 中国科学院高能物理研究所
  • 2017-11-24 - 2018-04-20 - G06T7/174
  • 本公开提供了一种PET图像处理方法、PET图像处理装置、电子设备及计算机可读存储介质,该方法包括对目标区域的原始PET图像进行投影,并获取所述目标区域的所述原始PET图像在多个角度的投影增强图像;对获取的与所述原始PET图像各所述角度对应的所述投影增强图像进行分割;对分割后的各所述角度对应的所述投影增强图像进行反投影以生成反投影图像;在生成的所述反投影图像中,提取所述目标区域的所述原始PET图像的分割结果。本公开提高了PET图像分割的精准度。
  • 一种结合深度学习形状先验的MRF图像分割方法-201710508705.8
  • 汪西莉;王研;杨建功;马君亮 - 陕西师范大学
  • 2017-06-28 - 2018-04-13 - G06T7/174
  • 本公开揭示了一种结合深度学习形状先验的MRF图像分割方法,所述方法图像分割问题以能量函数的形式表示,当其最小时对应的则是最优分割结果,且易于以新能量项形式添加其他约束信息。但在基于MRF模型的图像分割研究中,由于自然图像存在阴影、杂乱背景等各种干扰因素,不仅增加了分割的难度,而且分割的效果往往也不好。本方法通过深度学习模型组合底层的特征形成高层的数据抽象特征,引入对目标形状的约束信息和先验信息以更好地解决图像分割问题。对于形状表示,本方法采用研究较多的水平集中的方式,将先验形状表示成符号距离函数,然后经过变换将其以形状能量项添加到分割能量函数中。
  • 一种基于视差分层分割的图像立体表示方法及系统-201510198976.9
  • 周军;马宝岩;谷潇;王嶺 - 上海交通大学
  • 2015-04-22 - 2017-10-31 - G06T7/174
  • 本发明公开一种基于视差分层分割的图像立体表示方法及系统,首先利用已有的视差估计算法获取3D图像的视差信息;其次根据视觉的立体视敏度以及图像内容在深度方向的复杂度要求确定深度方向的量化区间,建立不同的深度平面分割方法;再次按照各深度平面确定的量化区间将视差图按深度区间进行分割,形成与各深度平面对应的图像分割模板;最后利用各深度平面的图像分割模板分割原始图像,分割得到的图像内容就位于对应的深度平面上,并将其重绘在相应的深度空间各平面中,形成该图像对应的深度空间分布的立体表示形式。本发明基于3D图像视差信息对原始图像进行分割,显著直观表示出立体图像中各深度区间内图像对象的内在深度信息。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top