CN100562291C - 一种针对ct图像的处理装置、方法及系统 - Google Patents
一种针对ct图像的处理装置、方法及系统 Download PDFInfo
- Publication number
- CN100562291C CN100562291C CNB2006101383514A CN200610138351A CN100562291C CN 100562291 C CN100562291 C CN 100562291C CN B2006101383514 A CNB2006101383514 A CN B2006101383514A CN 200610138351 A CN200610138351 A CN 200610138351A CN 100562291 C CN100562291 C CN 100562291C
- Authority
- CN
- China
- Prior art keywords
- zone
- target area
- point
- area
- value
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/419—Imaging computed tomograph
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种针对CT图像的处理装置、方法及系统,所述装置包括:用于获取CT图像的接口单元;用于通过判断所述CT图像体素点的CT值而分割出目标区域的目标区域分割单元,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;用于去除所述目标区域中包含的假阳性区域,从而得到精确目标区域的假阳性区域去除单元。本发明可以快速、方便的在CT图像中精确确定待测目标区域,测量待测目标区域的特征数据,以及三维显示其具体位置和相对位置;本发明通过采用较低的目标区域阈值,从而可以降低漏检率;并在此基础上去除各种可能的假阳性区域,从而能够精确描述目标区域,提高目标信息的精确度。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种针对CT图像的处理方法、装置及系统。
背景技术
计算机断层扫描(Computer Tomography,简称:CT)是用计算机控制下的X线对人体的体层扫描,它利用人体组织在X线下显现的不同密度来进行对比达到精确显示解剖结构之目的。通常由医生或其同类人员对CT获取的医学图像进行观察和分析,从而获取相应病理信息,以作为诊断的依据。
但是由于CT图像显示的组织比较多,各组织之间的界限模糊,需要非常有经验的医生才能够从CT图像获得准确的相应病理信息,并且经常会由于医生的疏漏而漏掉一些病理信息,致使信息获取的不完整。例如:对腹部进行CT扫描,医生通过CT图像获取一定的病理信息,从而对泌尿系统的结石情况进行分析,经常就会导致结石漏判或者无法准确判断。
现有技术公开了一种自动生成彩色多窗CT图像的方法,用于对CT图像进行处理,达到凸现病理信息的作用,帮助医生获取更多更准确的病理信息。在专利号为ZL200310118965.2号专利文件中对这种方法有详细说明,这种方法首先是对CT图像进行区域分割,使不同的脏器或组织分别属于不同的局部区域。分割方法是利用CT成像时不同脏器或组织的不同CT值的分布范围,以及脏器的拓朴结构信息进行自动区域分割;其次是对分割后的区域进行校正处理。然后,对所分割出的不同区域,用不同的色调进行着色处理,最终生成病理报表,将多窗彩色CT图像与诊断结果同时打印输出。
但是现有技术还无法直接针对目标区域,将目标区域准确、凸出的显示在CT图像中,也就无法从CT图像中获取一些医生无法直观获取的病理信息,例如:目标区域位置、属性、其他参数等等,从而导致图像信息无法完全地展现给医生。
总之,现有的图像处理技术中,尤其是CT图像中,如何从纷繁复杂的、相近的图像数据中将所需的目标区域准确的显示出来,是本领域技术人员迫切需要解决的技术问题。
发明内容
本发明所要解决的技术问题是提供一种针对CT图像的处理方法和装置,以精确确定待测目标区域,提高检测速度,并三维显示待测目标区域的具体位置和相对位置,尤其是在满足效率的前提下,通过对图像点的测量,可以高精度的获取特征数据,如CT值、体积等。
本发明的另一个目的是将上述构思应用于具体的临床应用环境中,提供一种针对CT图像的处理系统,可以高效、高精度确定各区域,并在显示单元中三维显示,从而保证该方法在临床的实现和应用。
为解决上述技术问题,本发明采用如下技术方案,提供一种针对腹部CT图像的结石自动检测装置,包括:
接口单元,用于获取腹部CT图像;
目标区域分割单元,用于通过判断所述腹部CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;
假阳性区域去除单元,用于去除所述目标区域中包含的假阳性区域,从而得到精确目标区域;所述假阳性区域去除单元包括:
组织区域分割组件,用于在所述腹部CT图像中分割出特定组织区域;
去除组件,用于从目标区域所包含的点中去除所述特定组织区域所包含的点;
其中,所述特定组织区域为骨骼区域,所述目标为结石。
优选的,所述假阳性区域去除单元包括:感兴趣区域确定组件,用于根据检测需求在所述CT图像中确定感兴趣区域;位置去除组件,用于判别在所述目标区域中,某个独立区域是否完全或者部分的位于所述感兴趣区域之外,如果是,则去除构成该独立区域的所有点。
优选的,所述的装置还可以包括:
待检测区域确定单元,用于根据检测需求在所述CT图像中确定待检测区域;所述目标区域分割单元通过判断所述CT图像中待检测区域的体素点的CT值而分割出目标区域。
优选的,所述的装置还可以包括:
体绘制单元,用于根据各个点的梯度确定待增强显示区域的边缘点,以及针对边缘点与非边缘点设置不同的阻光度,根据所述阻光度在所述CT图像上对待增强显示区域进行体绘制;
显示单元,用于对比显示所述精确目标区域和待增强显示区域。
其中,所述假阳性区域去除单元可以包括:梯度去除组件,用于从所述目标区域包含的点中去除其中梯度小于或者等于预定梯度阈值的点。
或者,
或者,所述假阳性区域去除单元包括:体积去除组件,用于判别在所述目标区域中,某个独立区域的体积是否大于或者等于预置的体积阈值,如果是,则去除构成该独立区域的所有点。
或者,所述假阳性区域去除单元包括:CT值分布去除组件,用于判别在所述目标区域中,某个独立区域的CT值标准差是否大于或者等于预定阈值,如果是,则去除构成该独立区域的所有点。
优选的,所述的装置还可以包括:特征数据测量单元,用于根据所述精确目标区域中包含的各个点的坐标、体素参数或者CT值,计算所述精确目标区域中各个独立区域的特征数据。
对于优选实施例而言,所述特定组织区域为骨骼区域,所述目标为结石。所述待增强显示区域为肾脏区域、输尿管区域或者膀胱区域。
其中,所述特定组织区域的分割方式为区域生长法,所述组织区域分割组件包括:种子点确定模块,用于在所述腹部CT图像的最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;区域生长模块,用于从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域。优选的,还可以包括:种子点重复确定模块,用于判断在所述腹部CT图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。
本发明还提供了一种针对腹部CT图像的结石自动检测系统,包括:
图像扫描与重建子系统,用于使用X射线对待测部件进行扫描,并输出CT图像;
图像处理子系统,用于对所述CT图像进行处理,包括以下单元:
接口单元,用于获取CT图像;
目标区域分割单元,用于通过判断所述CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;
假阳性区域去除单元,用于去除所述目标区域中包含的假阳性区域,从而得到精确目标区域;所述假阳性区域去除单元包括:
组织区域分割组件,用于在所述腹部CT图像中分割出特定组织区域;
去除组件,用于从目标区域所包含的点中去除所述特定组织区域所包含的点;
其中,所述特定组织区域为骨骼区域,所述目标为结石;
显示子系统,用于显示所述精确目标区域。
与现有技术相比,本发明具有以下优点:
本发明通过图像处理技术,首先将CT图像各个点的CT值与特定阈值的点的CT值进行对比判断,分割出目标区域,然后从所述目标区域中去除假阳性的区域,对于某些目标区域,特别是病变区域可以快速、方便的在CT图像中将其凸现出来。
本发明采用较低的目标区域阈值,从而降低目标区域包含点的漏检率,将所有可能的目标区域都包括进来;并且,在此基础上,进一步对目标区域所包含的点采用各种可行的去除假阳性方法,将各种可能的假阳性区域从目标区域所包含的点中去除,从而精确描述目标区域,提高凸现信息的精确度。
其次,本发明通过图像处理技术,可以首先根据检测需求在CT图像中确定检测区域,并仅在检测区域内进一步精确确定目标区域,从而提高了检测速度,并有效规避了一部分误差,提高了检测精度。
再者,本发明通过对目标精确区域中包含的各个点的坐标、体素参数或者CT值的计算,进一步计算出目标精确区域中各个封闭独立区域的特征数据;由于可以通过图像点精确描述目标精确区域,所以可以提高特征数据的精度。
此外,本发明通过各个点的梯度确定待增强显示区域的边缘点,并通过边缘点与非边缘点设置不同的阻光度进行体绘制,从而可以将包含在待增强显示区域内部的目标区域突出显示出来,并三维地显示各区域的具体位置及相对位置,避免虽然目标区域存在,但是由于位于组织区域的内部而无法将信息传递出来的情况。
附图说明
图1是本发明一种针对CT图像的处理装置的结构框图;
图2是本发明图1所示装置中增强显示单元进行边缘增强处理的流程图;
图3是本发明一种采用区域生长法分割特定组织区域的流程图;
图4是本发明用于泌尿系统的结石检测时的图像处理流程图;
图5是图4所示实施例中获取的腹部CT三维平扫图像的示意图;
图6是图4所示实施例中分割出的骨骼区域的示意图;
图7是图4所示实施例中肾脏定位的X方向定位曲线和定位点的示意图;
图8是图4所示实施例中肾脏定位的Y方向定位曲线和定位点的示意图;
图9是图4所示实施例中肾脏定位的Z方向定位曲线和定位点的示意图;
图10是图4所示实施例中膀胱定位的X方向定位曲线和定位点的示意图;
图11是图4所示实施例中膀胱定位的Y方向定位曲线和定位点的示意图;
图12是图4所示实施例中膀胱定位的Z方向定位曲线和定位点的示意图;
图13是图4所示实施例中泌尿系统待检测区域的确定结果示意图;
图14是图4所示实施例检测结果的显示示意图;
图15是本发明一种针对CT图像的处理方法流程图
图16是本发明一种针对CT图像的处理系统的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,是本发明一种针对CT图像的处理装置,其特征在于,包括:
接口单元101,用于获取CT图像;
目标区域分割单元102,用于通过判断所述CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;
假阳性区域去除单元103,用于去除所述目标区域中包含的假阳性区域,从而得到精确目标区域。
本发明的接口单元101可以通过各种方式获取CT图像,例如,直接和CT机相连、通过网络传输数据、或者通过移动存储设备获取等方式都是可行的。
为了能有效降低检测的时间并大幅度提高检测的准确性,在对接口单元101获取的CT图像中进行检测时,还可以根据需要确定一个范围较小的检测区域,例如:心肺系统、消化系统或泌尿系统等,因此,如图2所示,本发明的装置还可以包括待检测区域确定单元,用于根据检测需求在所述CT图像中确定待检测区域,从而使目标区域分割单元102只需要对待检测区域中的各个待测点的CT值进行判断即可。
确定待检测区域可以通过以下步骤实现:在三维数据中建立笛卡儿坐标系,以任意一点为原点,设定以人体的左手方向为X轴正方向,胸部方向为Y轴正方向,头部方向为Z轴正方向;提取检测区域内组织的某个特征,分别对该特征向各方向进行投影,得到各个方向的投影曲线,并分别对各个投影曲线进行计算分析,从而对投影曲线所对应的方向上进行定位。各个方向定位结果的交集即为待检测区域。根据具体检测需求的不同,确定过程可能有所不同。在下文中将以确定泌尿系统的待检测区域为例进行详细说明。当然,确定待检测区域也可以采用其他方法在所述CT图像中确定,例如:根据经验手动绘制待检测区域等。
其中对于目标区域分割阈值的设定需要注意,为了提高检出率,该阈值应当小于或等于该目标区域的下限CT值Nc(针对有不同下限CT值Nc的情况,可以取其平均值或根据需求取值)。然后将待检测的各个点的CT值与该目标分割阈值进行对比,将CT值大于目标区域分割阈值的点标记属于目标区域。例如,在进行结石检测时,对于结石的分割阈值可以根据临床研究取值为100,如果待测点的CT值大于或者等于100,即将该点标记为结石,所有标记为结石的点构成的独立区域即为目标区域。
在本发明的具体实施中,有许多引起目标区域误差的情况,即产生假阳性区域,例如,由于在CT图像中有些组织区域的CT值范围会与目标区域重合,导致目标区域中产生假阳性区域,在这种情况下,需要对假阳性区域进行去除。
对此,本发明的假阳性区域去除单元103可以包括:组织区域分割组件,用于在所述CT图像中分割出特定组织区域;去除组件,用于从目标区域所包含的点中去除所述特定组织区域所包含的点。其中,所述特定组织区域的分割方式为区域生长法,所述组织区域分割组件包括:种子点确定模块,用于在所述腹部CT图像的最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;区域生长模块,用于从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域。
为进一步确定分割特定组织区域,所述组织区域分割组件还可以包括:种子点重复确定模块,用于判断在所述腹部CT图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。
对于其他可能产生的假阳性区域以及去除方法,本说明书在后面会详细描述,请参见相关部分。
为了给医务人员更多的诊断信息,尤其是在满足效率的前提下,通过对图像点的测量,高精度地获取特征数据,如位置、CT值、体积等。因此,如图1所示,本发明的装置还可以包括特征数据测量单元104,用于根据所述目标精确区域中包含的各个点的坐标、体素参数或者CT值,计算所述目标精确区域中各个封闭独立区域的特征数据。所述特征数据测量单元104对各个特征数据的算法介绍如下:
1、若检测到的某个目标区域由n个像素构成,这n个像素的坐标分别为(x1,y1,z1),(x2,y2,z2),...(xn,yn,zn),则这个目标的位置,即质心(x,y,z),可用下面的公式计算:
2、从CT数据(Dicom文件)中读出数据体素的边长,分别为Xvox,Yvox和Zvox,根据上述某个目标区域由n个像素构成,则该目标区域的体积V为:
V=n·Xvox·Yvox·Zvox
3、根据上述某个目标区域由n个像素构成,则这个目标区域的最大、最小、平均CT值Smax、Smin、Smean分别为:
Smax=max(S1,S2,...,Sn)
Smin=min(S1,S2,...,Sn)
当然,由于本发明是对CT图像中精确目标区域中包含的所有点进行计算,故可以根据所述点对应的各种参数进行更多特征数据的计算,而并不限于上述的位置、体积和CT值。另外,本发明也可以采用其他修正、或者基于其他目的修改后的公式进行计算,本发明并不对此进行限制。本领域技术人员根据实际需要进行选择即可。
在实际中,获取到上述参数后往往得到区域的显示还不够精确,因此,如图1所示,本发明的装置还可以包括体绘制单元105,用于准确显示精确目标区域与周围组织的相对位置,实现方法为:根据各个点的梯度确定待增强显示区域的边缘点,以及针对边缘点与非边缘点设置不同的阻光度,根据所述阻光度在所述CT图像上对待增强显示区域进行体绘制。优选的,当用于准确显示结石时,所述待增强显示区域为肾脏区域、输尿管区域或者膀胱区域。
优选的是,本发明还包括显示单元106,用于显示检测结果、测量结果或者体绘制结果,从而方便医生或相关人员观看。所述检测结果是指:直接在CT图像中将得到的精确目标区域显示出来,为了明显起见,可以采用对轮廓线着色的方式。所述测量结果是指显示对所述精确目标区域测量得到的各种特征数据。因为对检测结果的显示是二维的,不够直观,很难让医务人员从中直观的看到精确目标区域与周围组织的相对位置,增加了体绘制单元105之后,显示单元106就可以显示体绘制结果了,从而方便医生或相关人员在三维里进行观察。
参照图2,对边缘增强体绘制的过程进行了详细描述,包括以下步骤:
步骤201,采用上述中心差分法计算各个点的梯度:
步骤202,采用下述算法计算出各个点梯度的模||Gradient||:
步骤203,在所有的梯度的模中,找出最大值||Gradientmax||和最小值||Gradientmin||
步骤204,确定边缘点阈值,边缘点阈值LimitValue为:
LimitValue=(||Gradientmax||-||Gradientmin||)*LimitCoefficient+||Gradientmin||
其中,阈值分析的阈值系数LimitCoefficient的取值范围为[0,1],具体值可以根据需要确定。
步骤205,进行边缘分析
用下式对每个点的梯度的模进行分析,确定该点是否在边缘上。
其中,Grad为该点的边缘信息,当Grad=0时表示该点不在边缘上,当Grad=1时表示该点在边缘上。
步骤206,边缘增强处理
取Gradi为(xi,yi,zi)点的边缘信息,αi为该点对应的阻光度值,则增强后的阻光度值α′i为:α′i=Gradi*αi
步骤207,根据新的阻光度进行体绘制。
需要说明的是,体绘制技术是通过设置阻光度来控制绘制对象的透明程度,阻光度越小透明效果越好,边缘增强,就是用绘制对象的边缘信息修改其阻光度值,从而突出透明效果,且能保证绘制对象的轮廓信息。本发明对采用体绘制的方法不作具体限制,本领域技术人员可以根据实际需要进行选择即可。在本发明中,在按上述方法进行增强显示后,可以精确显示目标区域以及各区域的具体位置和相对位置。
参照图3,示出了一种采用区域生长法在CT图像中分割出特定组织区域的流程图,包括以下步骤:
步骤301,设定特定组织分割阈值,该阈值可以根据检测对象的需要选取;
步骤302,在获取的CT图像的最靠近胸部的平面层Ptop上,遍历该平面上的点,取第一个CT值大于特定组织分割阈值的点标记为种子点;
步骤303,从所标记的种子点开始在三维数据中进行区域生长,将CT值大于或者等于特定组织分割阈值的点标记属于特定组织;
步骤304,判断在所述CT图像的最靠近胸部的平面层Ptop上是否存在CT值大于特定组织分割阈值但是未标记属于特定组织的点,如果存在,则将该点作为种子点,再重复步骤203在三维数据中进行区域生长,所述重复步骤不限次数;
步骤305,最终所有标记属于特定组织的点构成特定组织,从而在获取的CT图像中分割出特定组织。
区域生长法可以保证在获取的CT图像上准确分割出特定组织,并采用重复生长的方法,避免了误差。
当然,特定组织的分割还可以采用其它方法,如直方图阈值分割法、区域分裂与合并法、MRF随机法或者KNN算法等,本发明不需要对此进行限定。
下面对假阳性的几种去除情况分别进行说明:
第一种,如果特定组织区域对目标区域极易造成干扰,例如:腹部CT图像中的骨骼区域往往对结石区域的检测造成干扰。则,就需要分割出特定组织区域,然后从目标区域所包含的点中去除通过上述方法得到的特定组织区域所包含的点,剩余的点即构成精确目标区域。
采用图3所示方法的假阳性区域去除单元可以包括:组织区域分割组件,用于在所述CT图像中分割出特定组织区域;去除组件,用于从目标区域所包含的点中去除所述特定组织区域所包含的点。此时,去除的是特定组织区域造成的假阳性。
当然,对于不同的目标区域检测需求,造成假阳性的特定组织区域也是不同的,例如胃肠钡餐造影后的胃肠组织对结石区域的检测造成干扰,需要对胃肠组织进行分割。本领域技术人员需要根据特定组织的实际情况选用相应的切割方法。
第二种,在实际中,产生假阳性区域还有可能是由于图像质量问题造成局部CT值较高而引起误差,在这种情况下,在显示中可以发现假阳性区域与周围组织的对比度明显小于真正的目标区域与周围组织的对比度,众所周知,由于梯度值的大小与相邻像素的灰度差值成正比,体现在图像中时,在图像轮廓上,像素的灰度值变化比较大,梯度值也大,在图像的非轮廓区域,灰度变换相对平缓,因而梯度值较小;在图像的等灰度区域内,梯度值为零。因此,解决这种问题办法是:求原始图像的梯度图像;遍历目前标记为目标区域的点,若该点梯度小于一个参考值(预先设定的经验值),则将该点所在的独立区域去除。为此,所述假阳性区域去除单元包括梯度去除组件,用于从所述目标区域包含的点中去除其中梯度小于或者等于预定梯度阈值的点。
在本发明中,计算梯度的方法可以采用中心差分法,采用下式计算目标区域所包含每个点(x,y,z)的梯度{Gradientx,Gradienty,Gradientz}:
其中{Gradientx,Gradienty,Gradientz}为在(x,y,z)位置的梯度信息,f(x,y,z)为点(x,y,z)的CT值,(x+1,y,z)为(x,y,z)沿x正方向的下一个点,(x-1,y,z)为(x,y,z)沿x负方向的下一个点;(x,y+1,z))为(x,y,z)沿y正方向的下一个点,(x,y-1,z)为(x,y,z)沿y负方向的下一个点;(x,y,z+1)为(x,y,z)沿z正方向的下一个点,(x,y,z-1)为(x,y,z)沿z负方向的下一个点。
在目标区域所包含每个点中设定一个梯度阈值(通常为经验值),将计算得到的目标区域所包含的点的梯度与该阈值进行对比,去除梯度小于或者等于梯度阈值的点,剩余的点即构成精确目标区域。当然,对于梯度图像的求法也可以用其它方法如sobel算法等,本发明对此不作限制。但是,需要注意的是,不同的梯度求法需要对应不同的参考值。
第三种,在实际中,产生的假阳性区域还有可能是CT图像中目标区域的位置不符合造成的,在这种情况下,本发明的假阳性区域去除单元包括:
感兴趣区域确定组件,用于根据检测需求在所述CT图像中确定感兴趣区域,例如,在对泌尿系统进行结石检测时,可以确定肾脏、输尿管和膀胱所在的区域为感兴趣区域,仅在这些区域中进行结石检测,有利于提高检测速度,降低检测的假阳性;
位置去除组件,用于判别在所述目标区域中,某个独立区域是否完全或者部分的位于所述感兴趣区域之外,如果是,则去除构成该独立区域的所有点,例如,在泌尿系统的结石检测中,通过上述方法得到标记为结石的点中,如果某个结石点构成的独立区域完全或部分在上述肾脏、输尿管和膀胱所在的区域以外,则将构成该结石区域的所有点去除。
当然,对于本发明而言,如果已经包括有图1相关描述中提及的待检测区域确定单元,则上述由于位置不符而造成的假阳性情况将不会出现,所以此时也就不需要上述感兴趣区域确定组件和位置去除组件,但是假阳性区域去除单元中可以包括其他组件,用于去除其他情况造成的假阳性。
第四种,在实际中,产生的假阳性区域还有可能是CT图像中目标区域的体积不符合造成的,在这种情况下,本发明的假阳性区域去除单元包括:
体积去除组件,用于判别在所述目标区域中,某个独立区域的体积是否大于或者等于预置的体积阈值,如果是,则去除构成该独立区域的所有点,例如,在泌尿系统的结石检测中,如果结石产生在肾脏里,故其体积不可能超过肾脏的大小。根据临床研究,一般肾脏的体积不超过Vkid,在按照上述方法得到的标记为结石的点中,若构成某个结石独立区域的体积大于Vkid,则将构成该区域的所有点去除。
第五种,在实际中,产生的假阳性区域还有可能是CT图像中目标区域的CT值分布不符合造成的,在这种情况下,本发明的假阳性区域去除单元包括:
CT值分布去除组件,用于判别在所述目标区域中,某个独立区域的CT值标准差是否大于或者等于预定阈值,如果是,则去除构成该独立区域的所有点。
本领域中公知的是,真正的结石其CT值分布比较平均,故需要将CT值虽然大于或者等于预定阈值Nc但分布不均匀的独立区域去掉,具体方法为:在目标区域的点中,计算各个独立区域的CT值标准差。若该独立区域包含n个点,先求其平均CT值Smean:
然后求其标准差SD(s):
若该独立区域标准差大于或者等于一个预定阈值Nc,则将独立区域内的所有点去除。
当然,产生假阳性区域的情况和假阳性区域的数量由于选择的检测方法和图像质量的不同而千差万别,往往不能细分,也不可能一一去除,但假阳性区域的存在极大地影响检测的精确度,所以应该最大限度地去除。本发明通过采用上述方法最大限度地避免了使用本发明装置所产生误差的可能性。为了最大限度的去除假阳性区域,本发明所述假阳性区域去除单元可以包括前述针对各种假阳性的所有子部件或者任意子部件的组合。
本发明一种优选的实施方式是对泌尿系统的结石检测,相应地,本发明所述特定组织区域为骨骼区域,所述目标为结石;所述待增强显示区域为肾脏区域、输尿管区域或者膀胱区域。如图4所示,在使用本发明的装置进行检测时,本发明包括以下步骤:
步骤401,通过接口单元获取腹部的CT三维平扫图像,获取的图像如图5所示,图5中a表示冠状面显示、b表示横断面显示、c表示矢状面显示;
步骤402、采用区域生长法在接口单元获取的腹部CT图像中分割出骨骼区域,包括以下步骤:
设定骨骼区域分割阈值为150;
在获取的腹部CT图像的最靠近胸部的平面层Ptop上,遍历该平面上的点,取第一个CT值大于骨骼区域分割阈值150的点为种子点;
从上述种子点开始区域生长,将CT值大于或者等于骨骼区域分割阈值150的点标记为骨骼,所有标记为骨骼的点构成骨骼区域;
判断在所述腹部CT图像的最靠近胸部的平面层Ptop上是否存在CT值大于150但是未标记属于骨骼区域的点,如果存在,则将该点作为种子点,重复上一步骤开始区域生长;
如图6所示,最终所有标记为骨骼的点即构成分割出的骨骼区域。
步骤403,通过待检测区域确定单元在上述CT三维平扫图像中确定待检测区域,包括以下步骤:
步骤4031,建立笛卡儿坐标系,以任意一点为原点,设定以人体的左手方向为X轴正方向,胸部方向为Y轴正方向,头部方向为Z轴正方向;
步骤4032,肾脏定位
a、X轴方向定位
如图7所示,将骨骼分割结果在X轴方向上投影,得到投影曲线1001;计算投影曲线1001上每一点在其邻域上的方差,得到方差分布曲线1002;取方差分布曲线1002上两边和中间的4个峰值所在的位置为定位点XRMin、XRMax、XLMin和XLMax。其中,点XRMin、XRMax之间的区域为右肾所在区域,点XLMin、XLMax之间的区域为左肾所在的区域。
b、Y轴方向定位
如图8所示,将骨骼分割结果在Y轴方向上投影,得到投影曲线1101;计算投影曲线1101上每一点在其邻域上的方差,得到方差分布曲线1102;取方差分布曲线1102上最大峰值后的波谷为定位点Ymin;为了得到另一个定位点Ymax,从Y轴投影曲线上的Ymin点开始以N(N为经验值,本实施例取10)为步长为向负方向做面积累加和曲线,该曲线开始趋于平缓地地方对应的就是Ymax。定位点Ymin、Ymax之间的区域为双肾所在区域。
c、Z轴方向定位
如图9所示,将骨骼分割结果在Z轴方向上投影,得到投影曲线;该曲线左侧有明显的双峰,说明骨骼分布较多,是对骨盆的投影结果,该曲线右侧分布比较平均,且数值较左侧小,是对脊椎投影的结果,取两段投影的结合处为定位点Zmin;另一个定位点Zmax根据肾脏的物理长度,同时结合数据的层厚计算得出,具体计算方法为:肾脏的长度为Lmm,数据的层厚为Tmm,则肾脏在扫描数据中的长度N=L/T层,Zmax=N+Zmin。定位点Zmin、Zmax之间的区域为双肾所在区域。
步骤4033,膀胱定位
a、X轴方向定位
如图10所示,将骨骼分割结果在X轴方向上投影,得到投影曲线,从横断面可见膀胱位于左右两侧股骨头中间区域,对应投影曲线中点Xmin,Xmax之间的区域。
b、Y轴方向定位
如图11所示,将骨骼分割结果在Y轴方向上投影,得到投影曲线,从横断面可见膀胱位于趾骨与尾椎骨之间区域,对应于投影曲线中点Ymin、Ymax之间的区域。
c、Z轴方向定位
如图12所示,将骨骼分割结果在Z轴方向上投影,得到投影曲线,从冠状面可见膀胱在股骨头与趾骨之间区域,对应投影曲线上的点Zmin,Zmax之间区域。
步骤4034,输尿管定位:根据上述肾脏和膀胱定位结果,同理通过X、Y、Z轴方向定位,即可得出输尿管的区域定位,在此不进行详述了。
参照图13,是泌尿系统待检测区域的确定结果图。当然,确定泌尿系统待检测区域不是必须有的,但这一步骤能有效降低检测的时间,且能大幅度提高检测的准确性。并且,上述过程和原理完全可以用于在去除假阳性区域中确定感兴趣区域的过程。
步骤404,设定结石区域分割阈值为100,判断上述待检测区域中各个点的CT值,如果某点的CT值大于或者等于100,则将该点标记为结石,所有标记为结石的点构成可能是结石的区域;
步骤405、从可能是结石的区域所包含的点中去除各种假阳性区域,得到精确结石区域。
例如,从结石区域所包含的点中去除上述已经切割得到的骨骼区域所包含的点,从而去除了由于CT图像中骨骼的CT值范围与结石重合的假阳性区域,得到精确结石区域。当然,作为其它的实施例,本发明还可以采用上文中各种去除假阳性区域的装置来去除可能由于各种情况产生的假阳性区域,相应的各种去除方法已在上文中举例说明,在此就不再赘述。
步骤406,对精确结石区域中各个结石的特征数据按照上文所述的算法进行测量。有关各特征数据的具体算法已在上文中详细说明,在此就不再赘述。下面提供一组测量结果数据(见表1),以供本领域技术人员更好地理解前述计算方法。
表1
步骤407,通过体绘制单元对肾脏区域、输尿管区域或者膀胱区域进行边缘增强处理,其具体处理方法已在上文中详细描述,在此不再赘述,需要说明的是,边缘增强体绘制必须先把绘制对象分割出来,即必须先把肾脏分割出来。肾脏的分割方法不限,可以是区域生长法、分水岭法、模型法等。
步骤408、将精确结石区域用轮廓线在图像中标记出,并在显示单元中显示。
在本实施例中,将边缘增强技术应用到肾脏分割中,与结石检测结果同时显示,可以精确显示肾脏内部结石的大小和相对于肾脏的位置。肾脏区域采用边缘增强体绘制,结石区域可以采用普通轮廓线显示或者也通过体绘制对其阻光度进行调整,从而能够更加清晰的对比显示,提供更清晰的诊断信息。
本实施例的显示结果如图14所示。图14中,在骨骼左右两侧均匀分布的两个透明区域即为体绘制区域(肾脏区域)1403和1404,已经将其透明处理使之可以凸现其中的结石区域;图14中左侧体绘制区域1403的右下外侧的独立区域1401即为一个结石区域,图14中右侧体绘制区域1404的中部,贴近骨骼之处有一个独立区域1402也是一个结石区域。
本步骤中还可以显示测量得到的有关特征数据,以方便医务人员使用。
参照图15,是本发明一种针对CT图像的处理方法流程图,包括以下步骤:
步骤1501,获取CT图像;
步骤1502,通过判断所述CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;
步骤1503,去除所述目标区域中包含的假阳性区域,从而得到精确目标区域。
本发明的方法在目标区域分割步骤之前优选的还可以包括步骤1504,根据检测需求在所述CT图像中确定待检测区域,通过判断所述CT图像中待检测区域的体素点的CT值而分割出目标区域。
本发明可以提供多种所述假阳性区域去除方式,包括:
组织区域去除:在所述CT图像中分割出特定组织区域;从目标区域所包含的点中去除所述特定组织区域所包含的点;
或者梯度去除:从所述目标区域包含的点中去除其中梯度小于或者等于预定梯度阈值的点;
或者感兴趣区域去除:根据检测需求在所述CT图像中确定感兴趣区域;判别在所述目标区域中,某个独立区域是否完全或者部分的位于所述感兴趣区域之外,如果是,则去除构成该独立区域的所有点;
或者体积去除:判别在所述目标区域中,某个独立区域的体积是否大于或者等于预置的体积阈值,如果是,则去除构成该独立区域的所有点;
或者CT值分布去除:判别在所述目标区域中,某个独立区域的CT值标准差是否大于或者等于预定阈值,如果是,则去除构成该独立区域的所有点。
本发明的方法优选的还可以包括步骤1505,根据所述精确目标区域中包含的各个点的坐标、体素参数或者CT值,计算所述精确目标区域中各个封闭独立区域的特征数据。
本发明的方法优选的还可以包括步骤1506,根据各个点的梯度确定待增强显示区域的边缘点,以及针对边缘点与非边缘点设置不同的阻光度,根据所述阻光度在所述CT图像上对待增强显示区域进行体绘制;以及对比显示所述精确目标区域和待增强显示区域的步骤1507。
前述特定组织区域的分割方式可以为一种优选的区域生长法,包括:在所述腹部CT图像的最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域。优选的,还可以进一步包括以下步骤:判断在所述腹部CT图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。
由于图15所示的方法可以在图1所示的装置上完成,相关内容已经在前述部分进行了详细描述,因此,在此就不再赘述。
根据本发明的核心构思,参照图16,是本发明一种针对CT图像的处理系统的结构框图,包括以下部件:
图像扫描与重建子系统1601,用于使用X射线对待测部件进行扫描,并输出CT图像;
图像处理子系统1602,用于对所述CT图像进行处理,包括以下单元:
接口单元16021,用于获取CT图像;
目标区域分割单元16022,用于通过判断所述CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;
假阳性区域去除单元16023,用于去除所述目标区域中包含的假阳性区域,从而得到精确目标区域;
显示子系统16024,用于显示所述精确目标区域。
图像扫描和重建子系统可以采用现有的各种方式实现,一般都需要:用于产生X射线的发生器、用于检测由于对样本进行X射线照射而从样本透射出来的X射线,以及用于生成图像的图像重建单元。由于本部分属于本领域技术人员熟知的,各本发明对此就不详述了。
当然,图16所述系统还可以包括前述的特征数据测量单元、体绘制单元等等,图16的描述中未详尽之处,可以参见本说明书前述相关部分。
以上对本发明所提供的一种针对CT图像的处理装置、方法以及系统,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1、一种针对腹部CT图像的结石自动检测装置,其特征在于,包括:
接口单元,用于获取腹部CT图像;
目标区域分割单元,用于通过判断所述腹部CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;
假阳性区域去除单元,用于去除所述目标区域中包含的假阳性区域,从而得到精确目标区域;所述假阳性区域去除单元包括:
组织区域分割组件,用于在所述腹部CT图像中分割出特定组织区域;
去除组件,用于从目标区域所包含的点中去除所述特定组织区域所包含的点;
其中,所述特定组织区域为骨骼区域,所述目标为结石。
2、如权利要求1所述的装置,其特征在于,所述假阳性区域去除单元包括:
感兴趣区域确定组件,用于根据检测需求在所述CT图像中确定感兴趣区域;
位置去除组件,用于判别在所述目标区域中,某个独立区域是否完全或者部分的位于所述感兴趣区域之外,如果是,则去除构成该独立区域的所有点。
3、如权利要求1所述的装置,其特征在于,还包括:
待检测区域确定单元,用于根据检测需求在所述CT图像中确定待检测区域;
所述目标区域分割单元通过判断所述CT图像中待检测区域的体素点的CT值而分割出目标区域。
4、如权利要求1、2或3所述的装置,其特征在于,还包括:
体绘制单元,用于根据各个点的梯度确定待增强显示区域的边缘点,以及针对边缘点与非边缘点设置不同的阻光度,根据所述阻光度在所述CT图像上对待增强显示区域进行体绘制;
显示单元,用于对比显示所述精确目标区域和待增强显示区域。
5、如权利要求1所述的装置,其特征在于,所述假阳性区域去除单元包括:
梯度去除组件,用于从所述目标区域包含的点中去除其中梯度小于或者等于预定梯度阈值的点。
6、如权利要求1所述的装置,其特征在于,假阳性区域去除单元包括:
体积去除组件,用于判别在所述目标区域中,某个独立区域的体积是否大于或者等于预置的体积阈值,如果是,则去除构成该独立区域的所有点。
7、如权利要求1所述的装置,其特征在于,假阳性区域去除单元包括:
CT值分布去除组件,用于判别在所述目标区域中,某个独立区域的CT值标准差是否大于或者等于预定阈值,如果是,则去除构成该独立区域的所有点。
8、如权利要求1、2、3、5、6或7所述的装置,其特征在于,还包括:
特征数据测量单元,用于根据所述精确目标区域中包含的各个点的坐标、体素参数或者CT值,计算所述精确目标区域中各个独立区域的特征数据。
9、如权利要求4所述的装置,其特征在于,所述待增强显示区域为肾脏区域、输尿管区域或者膀胱区域。
10、如权利要求1所述的装置,其特征在于,所述特定组织区域的分割方式为区域生长法,所述组织区域分割组件包括:
种子点确定模块,用于在所述腹部CT图像的最靠近胸部的平面层上,遍历该平面上的点,取第一个CT值大于预定分割阈值的点为种子点;
区域生长模块,用于从所述种子点开始区域生长,CT值大于或者等于预定分割阈值的点构成特定组织区域。
11、如权利要求10所述的装置,其特征在于,所述组织区域分割组件还包括:种子点重复确定模块,用于判断在所述腹部CT图像的最靠近胸部的平面层上,是否存在CT值大于所述预定分割阈值但是未标记属于所述特定组织区域的点,如果存在,则将该点作为种子点,输出信息至所述区域生长模块。
12、一种针对腹部CT图像的结石自动检测系统,其特征在于,包括:
图像扫描与重建子系统,用于使用X射线对待测部件进行扫描,并输出CT图像;
图像处理子系统,用于对所述CT图像进行处理,包括以下单元:
接口单元,用于获取CT图像;
目标区域分割单元,用于通过判断所述CT图像体素点的CT值而分割出目标区域,其中,CT值大于或者等于目标区域分割阈值的点构成目标区域,所述目标区域包括至少一个独立区域;
假阳性区域去除单元,用于去除所述目标区域中包含的假阳性区域,从而得到精确目标区域;所述假阳性区域去除单元包括:
组织区域分割组件,用于在所述腹部CT图像中分割出特定组织区域;
去除组件,用于从目标区域所包含的点中去除所述特定组织区域所包含的点;
其中,所述特定组织区域为骨骼区域,所述目标为结石;
显示子系统,用于显示所述精确目标区域。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101383514A CN100562291C (zh) | 2006-11-08 | 2006-11-08 | 一种针对ct图像的处理装置、方法及系统 |
US11/936,879 US8254652B2 (en) | 2006-11-08 | 2007-11-08 | Apparatus, method and system for computer tomography image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101383514A CN100562291C (zh) | 2006-11-08 | 2006-11-08 | 一种针对ct图像的处理装置、方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1943513A CN1943513A (zh) | 2007-04-11 |
CN100562291C true CN100562291C (zh) | 2009-11-25 |
Family
ID=38043318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006101383514A Active CN100562291C (zh) | 2006-11-08 | 2006-11-08 | 一种针对ct图像的处理装置、方法及系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8254652B2 (zh) |
CN (1) | CN100562291C (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8768016B2 (en) * | 2009-06-19 | 2014-07-01 | Carestream Health, Inc. | Method for quantifying caries |
CN102135606B (zh) * | 2010-12-13 | 2012-11-07 | 电子科技大学 | 一种基于knn分类算法的mr图像灰度不均匀性校正分割方法 |
CN102332164A (zh) * | 2011-10-31 | 2012-01-25 | 中国科学院自动化研究所 | 一种肾皮质图像分割方法 |
CN102737379A (zh) * | 2012-06-07 | 2012-10-17 | 中山大学 | 一种基于自适应学习的ct图像分割方法 |
US9775578B2 (en) * | 2013-08-12 | 2017-10-03 | Biosense Webster (Israel) Ltd. | Unmapped region visualization |
CN104239874B (zh) * | 2014-09-29 | 2017-11-03 | 青岛海信医疗设备股份有限公司 | 一种器官血管识别方法及装置 |
CN105374023B (zh) * | 2015-08-25 | 2020-06-26 | 上海联影医疗科技有限公司 | 一种分割目标区域方法,及其图像重建方法和装置 |
CN105496555A (zh) * | 2015-12-30 | 2016-04-20 | 武汉金玺银杏工业设计有限责任公司 | 一种打印方法及装置 |
CN105741293B (zh) * | 2016-01-30 | 2019-03-05 | 上海联影医疗科技有限公司 | 定位医学图像上器官的方法 |
CN106890031B (zh) * | 2017-04-11 | 2020-05-05 | 东北大学 | 一种标记物识别及标记点定位方法及手术导航系统 |
CN107230198B (zh) * | 2017-06-09 | 2018-09-18 | 合肥工业大学 | 胃镜图像智能处理方法及装置 |
CN107564021A (zh) * | 2017-09-25 | 2018-01-09 | 上海联影医疗科技有限公司 | 高衰减组织的检测方法、装置及数字乳房x线摄影系统 |
CN108648178A (zh) * | 2018-04-17 | 2018-10-12 | 杭州依图医疗技术有限公司 | 一种影像结节检测的方法及装置 |
CN108765415A (zh) * | 2018-06-14 | 2018-11-06 | 南京鼎瑞医疗器械有限公司 | 一种具有阴影管理监测系统 |
CN110443268B (zh) * | 2019-05-30 | 2022-02-08 | 杭州电子科技大学 | 一种基于深度学习的肝部ct图像良性恶性分类方法 |
CN112164081B (zh) * | 2020-09-30 | 2023-04-21 | 西南交通大学 | 一种车载LiDAR点云铁路横断面轮廓提取方法 |
CN113177963B (zh) * | 2021-04-25 | 2022-05-20 | 明峰医疗系统股份有限公司 | 一种ct去病床方法 |
CN113598909B (zh) * | 2021-08-25 | 2023-08-08 | 上海导向医疗系统有限公司 | 一种测量体内病灶点到经皮点距离的方法 |
CN114332132A (zh) * | 2021-12-31 | 2022-04-12 | 联影智能医疗科技(成都)有限公司 | 图像分割方法、装置和计算机设备 |
CN114240937B (zh) * | 2022-02-24 | 2022-05-27 | 武汉烽火凯卓科技有限公司 | 一种基于ct切片的肾结石检测方法及系统 |
CN115409745B (zh) * | 2022-10-31 | 2023-01-31 | 深圳市亿康医疗技术有限公司 | 一种应用于放疗准备的ct图像的增强方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5920319A (en) * | 1994-10-27 | 1999-07-06 | Wake Forest University | Automatic analysis in virtual endoscopy |
US6396939B1 (en) | 1998-05-28 | 2002-05-28 | Orthosoft Inc. | Method and system for segmentation of medical images |
US6898303B2 (en) | 2000-01-18 | 2005-05-24 | Arch Development Corporation | Method, system and computer readable medium for the two-dimensional and three-dimensional detection of lesions in computed tomography scans |
JP2002102217A (ja) * | 2000-09-28 | 2002-04-09 | Ge Medical Systems Global Technology Co Llc | X線ctシステム、ガントリ装置、コンソール端末及びその制御方法及び記憶媒体 |
US6658080B1 (en) | 2002-08-05 | 2003-12-02 | Voxar Limited | Displaying image data using automatic presets |
JP4439202B2 (ja) * | 2003-05-09 | 2010-03-24 | 株式会社東芝 | X線コンピュータ断層撮影装置及び画像ノイズシミュレーション装置 |
-
2006
- 2006-11-08 CN CNB2006101383514A patent/CN100562291C/zh active Active
-
2007
- 2007-11-08 US US11/936,879 patent/US8254652B2/en active Active
Non-Patent Citations (2)
Title |
---|
图像分割在医学图像中的研究方法及应用. 汪军峰等.中国医学影像技术,第21卷第10期. 2005 |
图像分割在医学图像中的研究方法及应用. 汪军峰等.中国医学影像技术,第21卷第10期. 2005 * |
Also Published As
Publication number | Publication date |
---|---|
US20080107230A1 (en) | 2008-05-08 |
US8254652B2 (en) | 2012-08-28 |
CN1943513A (zh) | 2007-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100562291C (zh) | 一种针对ct图像的处理装置、方法及系统 | |
Villa et al. | FCN-based approach for the automatic segmentation of bone surfaces in ultrasound images | |
Kauffmann et al. | Computer-aided method for quantification of cartilage thickness and volume changes using MRI: validation study using a synthetic model | |
US7356367B2 (en) | Computer aided treatment planning and visualization with image registration and fusion | |
EP1382297B1 (en) | Three-dimensional joint structure measuring method | |
EP1315125B1 (en) | Image processing method and system for disease detection | |
CN100550004C (zh) | 一种对包含感兴趣区的三维医疗图像进行分割的方法 | |
US7961967B2 (en) | Adaptive density mapping in computed tomographic images | |
Berton et al. | Segmentation of the spinous process and its acoustic shadow in vertebral ultrasound images | |
ES2914387T3 (es) | Estudio inmediato | |
CN103607947A (zh) | 解剖标志的检测 | |
Antico et al. | Deep learning-based femoral cartilage automatic segmentation in ultrasound imaging for guidance in robotic knee arthroscopy | |
EP3657433B1 (en) | Medical image data | |
Bardera et al. | Semi-automated method for brain hematoma and edema quantification using computed tomography | |
EP2116977A2 (en) | Method for editing 3D image segmentation maps | |
CN100423695C (zh) | 一种确定感兴趣区域的装置及方法 | |
WO2007026598A1 (ja) | 医用画像処理装置及び画像処理方法 | |
Diniz et al. | Deep learning strategies for ultrasound in pregnancy | |
CN111462071B (zh) | 一种图像处理方法和系统 | |
CN107527339A (zh) | 一种磁共振扫描方法、装置及系统 | |
CN111563901A (zh) | 基于磁共振的髋关节图像处理方法及系统、存储介质、设备 | |
CN109242947A (zh) | 三维超声图像显示方法 | |
CN110738633B (zh) | 一种机体组织的三维图像处理方法及相关设备 | |
Rangayyan et al. | Method for the automatic detection and segmentation of the spinal canal in computed tomographic images | |
CN1399763A (zh) | 使用统计曲率分析的三维测量 |
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 | ||
CP03 | Change of name, title or address |
Address after: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Patentee after: DongSoft Medical System Co., Ltd. Address before: Hunnan New Century Road 110179 Shenyang city of Liaoning Province, No. 16 Patentee before: Dongruan Medical Systems Co., Ltd., Shenyang |
|
CP03 | Change of name, title or address |