CN101261732A - 多排螺旋ct影像中的自动分割肝脏区域的方法 - Google Patents
多排螺旋ct影像中的自动分割肝脏区域的方法 Download PDFInfo
- Publication number
- CN101261732A CN101261732A CNA2008100599328A CN200810059932A CN101261732A CN 101261732 A CN101261732 A CN 101261732A CN A2008100599328 A CNA2008100599328 A CN A2008100599328A CN 200810059932 A CN200810059932 A CN 200810059932A CN 101261732 A CN101261732 A CN 101261732A
- Authority
- CN
- China
- Prior art keywords
- liver
- image
- profile
- sequence
- detector
- 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.)
- Granted
Links
Images
Abstract
本发明公开了一种多排螺旋CT影像中的自动分割肝脏区域的方法。它通过改进的Fast Marching方法并结合体腔位置、肝脏解剖位置、肝脏灰度特征先验知识帮助用户比较准确地提取出多排螺旋CT影像图片序列中的肝脏区域,并标志出其边界线,供用户对肝脏区域进行进一步的分析和处理。本发明实现了智能地协助用户从多排螺旋CT影像序列中提取肝脏区域,不需要手工标注初始轮廓,而只需指定含有肝脏的多排螺旋CT影像子序列的首尾两张图片,能有效地区分肝脏与灰度值相近的周边器官,获得准确的肝脏轮廓,从而保证用户可以快速地获得肝脏轮廓并作进一步的分析和处理,适用于肝脏外科手术方案的辅助制定。
Description
技术领域
本发明涉及计算机图像处理领域及临床医学领域,尤其涉及一种多排螺旋CT影像中的自动分割肝脏区域的方法。
背景技术
Fast Marching分割方法,在J.Sethian的论文A marching level set method formonotonically advancing fronts(In Proceedings of the National Academy of Sciences,volume 93,pages 1591-1595,1996)中提出的Fast Marching方法,是通过从水平集方法出发,从不准确的初始轮廓开始计算,应用时间演化函数进行演化,到达终止条件后,得到比较准确的图像边界轮廓的方法。
直接应用Fast Marching方法进行多排螺旋CT影像的肝脏分割,不能得到令人满意的结果。这是因为,肝脏与周边的器官如胃、肾、心脏具有相近的灰度值,因而会使轮廓演化到其它器官而仍未停止;肝脏器官与体腔壁的灰度也具有相似性,导致轮廓容易演化到体腔外;有的CT影像上的肝脏含有两个肝叶,原始Fast Marching方法无法从一个轮廓演化成多个轮廓。鉴于以上原因,在多排螺旋CT影像的肝脏分割的应用中,需要对该方法作出改进。
发明内容
本发明的目的在于提供一种多排螺旋CT影像中的自动分割肝脏区域的方法。
包括如下步骤:
1)在多排螺旋CT影像序列中选定含有肝脏区域的子图片序列,标注出子序列的首尾两张图片的序号;
2)根据体腔位置、肝脏解剖位置、肝脏灰度特征先验知识确定感兴趣的区域ROI;
3)在首张含肝脏的多排螺旋CT影像图片上根据先验知识、感兴趣的区域ROI,以及和前一张图片的灰度差异来确定用于Fast Marching分割的初始轮廓;
4)设计Fast Marching分割的演化函数,其演化公式如下:
Ti=min({Tj+[(1+θhij)|Ii-Ij|+η]Dij}
其中
i为窄带narrow band中的点,
j为活动点与i的邻点的交集中的点,
T为到达时间,
I为图像的灰度值,
D为像素间距离,
hij为1,当Ii>Ij,反之为0,
θ和η为控制常数;
5)根据CT影像图片中肝脏的轮廓区域的灰度特征确定Fast Marching分割的终止条件;
6)在下一张影像图片上的感兴趣的区域ROI上,根据和当前CT影像图片上的肝脏轮廓的差异来确定下一张影像图片上的肝脏初始轮廓,重复步骤3)到步骤5)得到下一张图片上的肝脏轮廓;
7)对子序列图片重复步骤3)到步骤6),得到多排螺旋CT影像序列的完整肝脏轮廓。
本发明与背景技术相比,具有的有益效果是:
不需要手工标注初始轮廓,而只需指定含有肝脏的多排螺旋CT影像子序列的首尾两张图片的序号;首张图片的肝脏初始轮廓完全由程序生成;应用了图像的灰度特征以及之前的肝脏轮廓分割结果,使得生成其他图片的初始轮廓更加有效;可以实现从初始的一个轮廓区域演化成多个轮廓区域,保证了多个肝叶轮廓的完整性;充分利用体腔位置和肝脏位置先验知识,可以有效地控制Fast Marching的演化范围;在分析肝脏轮廓区域的灰度特征基础上确定终止条件,从而能有效地区分肝脏与相近灰度值的周边器官,获得准确的肝脏轮廓。
附图说明
图1是一张CT影像只有一个肝叶的情形的示意图;
图2是图1的CT影像经过分割后得到的结果的示意图;
图3是一张CT影像中有两个肝叶的情形的示意图;
图4是图3的CT影像经过分割后得到的结果的示意图;
图5到图9为一张典型CT影像的肝脏分割过程;
图5是原始CT影像示意图;
图6是体腔区域的示意图;
图7是根据上一张的肝脏分割结果得到的本张CT影像的初始区域的示意图;
图8是根据体腔位置和肝脏位置等先验知识得到的肝脏初始轮廓的示意图;
图9是最后的分割结果的示意图。
具体实施方式
多排螺旋CT影像中的自动分割肝脏区域的方法包括如下步骤:
1)在多排螺旋CT影像序列中选定含有肝脏区域的子图片序列,标注出子序列的首尾两张图片的序号;
在多排螺旋CT序列形成的影像图片序列中,根据医学常识手工确定需要做肝脏分割的CT影像子序列,即设定肝脏首次出现的一张CT影像图片作为序列的开始图,把最后一张含有肝脏的CT影像图片作为序列的末尾图。
2)根据体腔位置、肝脏解剖位置、肝脏灰度特征先验知识确定感兴趣的区域ROI;
由先验知识可知肝脏不会超出体腔外,因此可以用体腔区域作为肝脏轮廓演化过程的约束。为了得到体腔区域,可以利用肋骨的灰度远大于其他器官的特性,通过判定肋骨所在位置并去除一定厚度的体腔壁后,使用B样条拟合出体腔壁的外轮廓,并通过假定同一人的皮肤厚度一定的条件下进一步获得体腔内轮廓,从而得到内轮廓所包围的体腔区域。由于多排螺旋CT影像序列成像时速度较快,因此其体腔位置基本固定,所以在已获得一张CT影像图片的体腔壁的情况下,下一张CT图的体腔壁可在上一图片的体腔壁轮廓的基础上作少量计算调整得到。
3)在首张含肝脏的多排螺旋CT影像图片上根据先验知识、感兴趣的区域ROI,以及和前一张图片的灰度差异来确定用于Fast Marching分割的初始轮廓;
将首张CT影像图与序列中的上一张CT影像图进行像素相减得到一张差影图,再利用肝脏位置的先验知识去除非肝脏区域,从而得到肝脏的区域,然后对该区域进行去噪处理,并利用形态学方法获得平滑的初始轮廓。
4)设计Fast Marching分割的演化函数,其演化公式如下:
Ti=min({Tj+[(1+θhij)|Ii-Ij|+η]Dij}
其中
i为窄带narrow band中的点,
j为活动点与i的邻点的交集中的点,
T为到达时间,
I为图像的灰度值,
D为像素间距离,
hij为1,当Ii>Ij,反之为0,
θ和η为控制常数;
演化函数是用来计算初始轮廓在演化过程中到达某个像素所需要的时间的函数,Fast Marching算法利用该函数来控制轮廓演化的速度。本发明定义演化函数为:Ti=min({Ti+[(1+θhij)|Ii-Ij|+η]Dij},其中,|Ii-Ij|项用于控制速度,它的大小与演化的速度成正比;可以通过调节常数θ值来控制轮廓从较小灰度值向较大灰度值演化时的速度,通过调节η值来控制轮廓演化时的形变大小,其值与轮廓演化过程中的形变大小成反比。
5)根据CT影像图片中肝脏的轮廓区域的灰度特征确定Fast Marching分割的终止条件;
通过分析可以发现CT影像图片可以分为两类:大多数的CT影像图片的肝脏区域含有明确的左边界线和模糊的右边界线,而少数CT影像图片则仅含有明确的边界线。基于上述特征,可以通过轮廓的灰度平均值以及标准差来确定终止条件。当边界轮廓线在肝脏内部演化时,平均值与标准差都几乎保持不变,而一旦演化到肝脏轮廓外面时,第一类CT影像图会使标准差显著变大,第二类CT影像图则会使平均值显著变大。从而可以把终止条件描述为:
Me<αMr∨∑>β
其中Me和∑分别是演化中的轮廓线的平均值和标准差,Mr为初始轮廓区域内像素的平均值,α和β为用来控制演化结果精度的常数项。
6)在下一张影像图片上的感兴趣的区域ROI上,根据和当前CT影像图片上的肝脏轮廓的差异来确定下一张影像图片上的肝脏初始轮廓,重复步骤3)到步骤5)得到下一张图片上的肝脏轮廓;
首先直接将当前图片的肝脏轮廓放于下一张图片上,然后根据轮廓像素的比率进行去噪处理,并保证轮廓线处于肝脏区域内部,最后运用形态学方法处理得到下一张CT影像图片的Fast Marching的初始轮廓,再重复进行步骤3)到步骤5),通过演化函数演化得到下一张图片上的肝脏轮廓。
7)对子序列图片重复步骤3)到步骤6),得到多排螺旋CT影像序列的完整肝脏轮廓。
对子序列影像的每一张图片都按步骤6)的实施方法依次进行处理,得到各自的肝脏轮廓直到步骤1)所述的序列末尾影像图片处理完后,就获得了整个序列的完整肝脏轮廓。
Claims (1)
1.一种多排螺旋CT影像中的自动分割肝脏区域的方法,其特征在于包括如下步骤:
1)在多排螺旋CT影像序列中选定含有肝脏区域的子图片序列,标注出子序列的首尾两张图片的序号;
2)根据体腔位置、肝脏解剖位置、肝脏灰度特征先验知识确定感兴趣的区域ROI;
3)在首张含肝脏的多排螺旋CT影像图片上根据先验知识、感兴趣的区域ROI,以及和前一张图片的灰度差异来确定用于Fast Marching分割的初始轮廓;
4)设计Fast Marching分割的演化函数,其演化公式如下:
Ti=min({Ti+[(1+θhij)|Ii-Ij|+η]Dij}
其中
i为窄带narrow band中的点,
j为活动点与i的邻点的交集中的点,
T为到达时间,
I为图像的灰度值,
D为像素间距离,
hij为1,当Ii>Ij,反之为0,
θ和η为控制常数;
5)根据CT影像图片中肝脏的轮廓区域的灰度特征确定Fast Marching分割的终止条件;
6)在下一张影像图片上的感兴趣的区域ROI上,根据和当前CT影像图片上的肝脏轮廓的差异来确定下一张影像图片上的肝脏初始轮廓,重复步骤3)到步骤5)得到下一张图片上的肝脏轮廓;
7)对子序列图片重复步骤3)到步骤6),得到多排螺旋CT影像序列的完整肝脏轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810059932A CN100589124C (zh) | 2008-03-04 | 2008-03-04 | 多排螺旋ct影像中的自动分割肝脏区域的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810059932A CN100589124C (zh) | 2008-03-04 | 2008-03-04 | 多排螺旋ct影像中的自动分割肝脏区域的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101261732A true CN101261732A (zh) | 2008-09-10 |
CN100589124C CN100589124C (zh) | 2010-02-10 |
Family
ID=39962174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810059932A Expired - Fee Related CN100589124C (zh) | 2008-03-04 | 2008-03-04 | 多排螺旋ct影像中的自动分割肝脏区域的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100589124C (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101601585B (zh) * | 2009-07-02 | 2011-01-12 | 厦门强本科技有限公司 | 基于ct增强扫描技术的肝脏分段体积测量方法 |
CN103892854A (zh) * | 2012-12-28 | 2014-07-02 | 上海联影医疗科技有限公司 | 数字医疗图像处理方法和装置 |
CN104408398A (zh) * | 2014-10-21 | 2015-03-11 | 无锡海斯凯尔医学技术有限公司 | 一种肝脏边界的识别方法及系统 |
CN104463837A (zh) * | 2013-09-13 | 2015-03-25 | 西门子公司 | 用于自动或半自动地分割的方法和装置 |
CN105678746A (zh) * | 2015-12-30 | 2016-06-15 | 上海联影医疗科技有限公司 | 一种医学图像中肝脏范围的定位方法及装置 |
CN110517257A (zh) * | 2019-08-30 | 2019-11-29 | 北京推想科技有限公司 | 危及器官标注信息处理方法及相关装置 |
CN113034522A (zh) * | 2021-04-01 | 2021-06-25 | 上海市第一人民医院 | 一种基于人工神经网络的ct图像分割方法 |
-
2008
- 2008-03-04 CN CN200810059932A patent/CN100589124C/zh not_active Expired - Fee Related
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101601585B (zh) * | 2009-07-02 | 2011-01-12 | 厦门强本科技有限公司 | 基于ct增强扫描技术的肝脏分段体积测量方法 |
CN103892854A (zh) * | 2012-12-28 | 2014-07-02 | 上海联影医疗科技有限公司 | 数字医疗图像处理方法和装置 |
CN104463837A (zh) * | 2013-09-13 | 2015-03-25 | 西门子公司 | 用于自动或半自动地分割的方法和装置 |
CN104408398A (zh) * | 2014-10-21 | 2015-03-11 | 无锡海斯凯尔医学技术有限公司 | 一种肝脏边界的识别方法及系统 |
CN104408398B (zh) * | 2014-10-21 | 2019-02-22 | 无锡海斯凯尔医学技术有限公司 | 一种肝脏边界的识别方法及系统 |
US10354390B2 (en) | 2014-10-21 | 2019-07-16 | Wuxi Hisky Medical Technologies Co., Ltd. | Liver boundary identification method and system |
US10748291B2 (en) | 2014-10-21 | 2020-08-18 | Wuxi Hisky Medical Technologies Co., Ltd. | Liver boundary identification method and system |
CN105678746A (zh) * | 2015-12-30 | 2016-06-15 | 上海联影医疗科技有限公司 | 一种医学图像中肝脏范围的定位方法及装置 |
CN105678746B (zh) * | 2015-12-30 | 2018-04-03 | 上海联影医疗科技有限公司 | 一种医学图像中肝脏范围的定位方法及装置 |
CN110517257A (zh) * | 2019-08-30 | 2019-11-29 | 北京推想科技有限公司 | 危及器官标注信息处理方法及相关装置 |
CN113034522A (zh) * | 2021-04-01 | 2021-06-25 | 上海市第一人民医院 | 一种基于人工神经网络的ct图像分割方法 |
CN113034522B (zh) * | 2021-04-01 | 2022-11-01 | 上海市第一人民医院 | 一种基于人工神经网络的ct图像分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100589124C (zh) | 2010-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100589124C (zh) | 多排螺旋ct影像中的自动分割肝脏区域的方法 | |
Li et al. | A composite model of wound segmentation based on traditional methods and deep neural networks | |
US10249045B2 (en) | Region-growing algorithm | |
US7609888B2 (en) | Separating a video object from a background of a video sequence | |
CN109064476B (zh) | 一种基于水平集的ct胸片肺组织图像分割方法 | |
CN103164855B (zh) | 一种结合反射光照的贝叶斯决策前景提取方法 | |
CN108615239B (zh) | 基于阈值技术和灰度投影的舌图像分割方法 | |
CN111062947B (zh) | 一种基于深度学习的x光胸片病灶定位方法及系统 | |
CN109410166A (zh) | 用于肺实质ct图像的全自动分割方法 | |
CN107481251A (zh) | 一种从肺部ct图像中提取末端支气管树的方法 | |
CN105654085A (zh) | 一种基于图像技术的弹孔识别方法 | |
CN110880177A (zh) | 一种图像识别方法及装置 | |
CN110610491B (zh) | 一种腹部ct图像的肝脏肿瘤区域分割方法 | |
CN111681247B (zh) | 肺叶肺段分割模型训练方法和装置 | |
CN111179298B (zh) | 基于ct图像的三维肺自动分割与左右肺分离方法及其系统 | |
Cho et al. | Deepscribble: interactive pathology image segmentation using deep neural networks with scribbles | |
CN116993764B (zh) | 一种胃部ct智能分割提取方法 | |
CN111105427A (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
CN113313722B (zh) | 一种牙根图像交互标注方法 | |
CN106558050A (zh) | 一种基于自适应三阈值的显著物体分割方法 | |
JP5383486B2 (ja) | 脳出血部位セグメンテーションする装置の作動方法および装置 | |
Reeves et al. | Heart region segmentation from low-dose CT scans: an anatomy based approach | |
CN106327471A (zh) | 一种基于锥形束投影数据的感兴趣区域分割方法 | |
CN113658193B (zh) | 基于信息融合的肝脏ct影像肿瘤分割方法 | |
CN111340836B (zh) | 基于蚁群的肺部ct图像病灶参数自动估计系统 |
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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100210 Termination date: 20110304 |