CN102968783A - 从腹部图像数据中自动分割骨骼的方法及系统 - Google Patents
从腹部图像数据中自动分割骨骼的方法及系统 Download PDFInfo
- Publication number
- CN102968783A CN102968783A CN2012103897950A CN201210389795A CN102968783A CN 102968783 A CN102968783 A CN 102968783A CN 2012103897950 A CN2012103897950 A CN 2012103897950A CN 201210389795 A CN201210389795 A CN 201210389795A CN 102968783 A CN102968783 A CN 102968783A
- Authority
- CN
- China
- Prior art keywords
- abdominal aorta
- data
- approximate circle
- bone
- abdomen images
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于医学图像分割领域,提供了一种从腹部图像数据中自动分割骨骼的方法和系统,所述方法包括步骤有:根据腹主动脉的形状特征,自动提取腹部图像数据中包含腹主动脉或部分腹主动脉区域的第一分割结果;根据所述第一分割结果,在所述腹部图像数据中修改包含所述腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据;从所述腹部图像数据中自动选取骨骼的至少一个种子点;根据所述种子点和所述腹部图像修改数据,应用第一阈值连通获得所述骨骼的第二分割结果。借此,本发明能够自动、准确地从腹部图像中分割出骨骼区域。
Description
技术领域
本发明涉及医学图像分割领域,尤其涉及一种从腹部图像数据中自动分割骨骼的方法及系统。
背景技术
图像分割技术是借助计算机技术,从图像中将感兴趣的目标区域提取出来的技术,图像分割的实际应用包括医学影像,卫星图像定位物体、智能交通等。医学图像分割是指对医学图像中感兴趣区域或病变区域进行分割,它的目的是高效地确定对病人至关重要的临床形态特征,以利于观察和分析感兴趣区域或病变区域的形态特征及病理情况。现有医学图像分割应用基本的单一的图像分割技术,如基于阈值的分割方法,基于区域的分割方法,基于边缘的分割方法来分割骨骼,均会由于骨骼的CT(Computed Tomography,计算机断层成像)值高而且范围宽,与有造影的血管的CT值范围有很大一部分的重叠而产生过分割,从而需要大量复杂的后处理。现有技术也有采用手工预分割骨骼的方法,但是复杂、耗时。
中国专利CN200410095376.1中公开了一种在CT血管造影术中分割结构的方法及设备,主要用于颅颈部的CT图像处理,其结果是生成骨屏蔽。该专利包括步骤有:采集一个图像数据集;对图像数据集进行预处理来自动地计算至少一个种子点及至少一个结构边缘;从图像数据集生成初步骨屏蔽;使用所述种子点、结构边缘以及图像数据集自动地确定脉管结构;以及从初步骨屏蔽中减去脉管结构来生成骨屏蔽。该专利实施的前提有两个:一是初步骨屏蔽中仅包含骨骼和脉管结构,二是能准确地自动分割出脉管结构,才能保证最终生成的骨屏蔽是准确地;上述两个前提是图像分割领域学术研究的热点,但目前世界范围内尚未提出完全准确地脉管结构自动化分割方法。
综上可知,现有医学图像的骨骼分割技术,在实际使用上显然存在不便与缺陷,所以有必要加以改进。
发明内容
针对上述的缺陷,本发明的目的在于提供一种从腹部图像数据中自动分割骨骼的方法及系统,其能够自动、准确地从腹部图像中分割出骨骼区域。
为了实现上述目的,本发明提供一种从腹部图像数据中自动分割骨骼的方法,包括步骤如下:
根据腹主动脉的形状特征,自动提取腹部图像数据中包含腹主动脉或部分腹主动脉区域的第一分割结果;
根据所述第一分割结果,在所述腹部图像数据中修改包含所述腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据;
从所述腹部图像数据中自动选取骨骼的至少一个种子点;
根据所述种子点和所述腹部图像修改数据,应用第一阈值连通获得所述骨骼的第二分割结果。
根据本发明所述的方法,所述应用第一阈值连通获得所述骨骼的第二分割结果的步骤之后还包括:
对所述骨骼的第二分割结果进行二值膨胀,获得所述骨骼的第三分割结果。
根据本发明所述的方法,所述根据腹主动脉的形状特征,自动提取腹部图像数据中包含腹主动脉或部分腹主动脉区域的第一分割结果的步骤包括:
根据所述腹主动脉在大多数切片上类似圆饼状的特征,在所述腹部图像数据中自动检测到至少一个近似圆;
判断所述近似圆是否为包含所述腹主动脉的近似圆;
若是,则在所述腹部图像数据中以所述近似圆为初始圆,所述初始圆所在切片为当前切片,根据所述当前切片的图像特征,所述近似圆的圆心、半径作相应变化以保证所述近似圆包围所述腹主动脉,之后获得的新近似圆向上一张或/和下一张切片投影,作为新初始圆,不断重复此步骤,直到所有包含腹主动脉的切片都遍历完成;
将每张所述切片上的所述近似圆的预定厚度的边界对应的像素点保存为包含所述腹主动脉的第一分割结果。
根据本发明所述的方法,所述判断近似圆是否为包含所述腹主动脉的近似圆的步骤包括:
在所述腹部图像数据上计算所述近似圆内区域图像数据值的统计特征,并通过预定的判断条件来判断所述近似圆是否为包含所述腹主动脉的近似圆。
根据本发明所述的方法,所述判断近似圆是否为包含所述腹主动脉的近似圆的步骤包括:
将检测到的所述近似圆的圆心作为种子点,对所述腹部图像数据应用第二阈值连通,根据所述第二阈值连通的分割结果所贯穿的切片数目判断所述近似圆是否为包含所述腹主动脉的近似圆,若只有少数切片,则所述近似圆不是包含所述腹主动脉的近似圆。
根据本发明所述的方法,所述判断近似圆是否为包含所述腹主动脉的近似圆的步骤包括:
将检测到的所述近似圆的圆心作为初始点,向上一张或下一张切片投影,得到新点,并在当前切片上,在该新点及其邻域内寻找满足腹主动脉点的条件的点,若找到,则继续向上一张或下一张切片投影,若连续预定张数都未找到则记下当前总共搜索的切片数目,并停止该方向的搜索,若数目较小,则所述近似圆不是包含所述腹主动脉的近似圆。
根据本发明所述的方法,所述根据第一分割结果,在所述腹部图像数据中修改包含所述腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据的步骤包括:
根据所述第一分割结果,若所述腹部图像数据中某像素点属于包含所述腹主动脉或部分腹主动脉的区域,则在所述腹部图像数据中修改所述像素点的数据,使得所述像素点的像素值不在所述第一阈值连通的阈值范围内。
根据本发明所述的方法,所述腹部图像数据为腹部CT原始数据、腹部CT复制数据或者腹部CT预处理数据。
根据本发明所述的方法,所述从腹部图像数据中自动选取骨骼的至少一个种子点的步骤包括:
从所述腹部图像数据中选取CT值高于预定的CT阈值的点作为所述骨骼的种子点;或者
从所述腹部图像数据中取至少一张切片,对所述切片提取皮肤,并依据所述皮肤的信息搜索所述骨骼的种子点。
本发明还提供一种实现上述方法的从腹部图像数据中自动分割骨骼的系统,包括有:
第一分割模块,用于根据腹主动脉的形状特征,自动提取腹部图像数据中包含腹主动脉或部分腹主动脉区域的第一分割结果;
数据修改模块,用于根据所述第一分割结果,在所述腹部图像数据中修改包含所述腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据;
种子点选取模块,用于从所述腹部图像数据中自动选取骨骼的至少一个种子点;
第二分割模块,用于根据所述种子点和所述腹部图像修改数据,应用第一阈值连通获得所述骨骼的第二分割结果。
本发明根据腹部图像数据中骨骼与腹主动脉血管相连的特点,给出了切断此联接的方法,以实现从腹部图像数据中自动提取骨骼区域。首先根据腹主动脉的形状特征,自动获取腹部图像数据中包含腹主动脉或部分腹主动脉区域的位置,由于造影后腹主动脉血管与脊柱在图像上位置相近,灰度相似,由于腹主动脉血管与脊柱有联结,而且造影后灰度值范围有交集,故需要修改包含腹主动脉或部分腹主动脉的区域的数据灰度值,从而能够以阈值连通方法准确地提取骨骼区域,避免了现有骨骼提取时会出现骨骼提取不完全或错误提取血管的现象。由于本发明从腹部图像数据中自动分割骨骼的整个过程不需要用户干预,因此实现起来更为方便、高效。所述腹部图像数据优选为腹部CT原始数据、腹部CT复制数据或者腹部CT预处理数据。若用于未造影的腹部CT,则不需要执行第一分割模块和数据修改模块,直接执行种子点选取模块和第二分割模块。因为未造影时,腹主动脉的CT值较低,会在第一阈值连通的阈值范围之外。本发明包括但不限于腹部CT中的骨骼分割应用,并且部分胸腔CT中的骨骼分割也能应用。
附图说明
图1是本发明从腹部图像数据中自动分割骨骼的系统结构图;
图2是本发明优选从腹部图像数据中自动分割骨骼的系统结构图;
图3是本发明从腹部图像数据中自动分割骨骼的方法流程图;
图4是本发明优选从腹部图像数据中自动分割骨骼的方法流程图;
图5A是本发明腹部图像数据的二维实例图;
图5B是本发明包含腹主动脉或部分腹主动脉区域的第一分割结果的二维实例图;
图5C是本发明腹部图像修改数据的二维实例图;
图6是本发明腹部图像数据的一张切片实例图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1是本发明从腹部图像数据中自动分割骨骼的系统结构图,所述系统100包括有第一分割模块10、数据修改模块20、种子点选取模块30以及第二分割模块40,其中:
所述第一分割模块10,用于根据腹主动脉的形状特征,自动提取腹部图像数据中包含腹主动脉或部分腹主动脉区域的第一分割结果。所述腹部图像数据为已有的腹部CT原始数据、腹部CT复制数据或者腹部CT预处理数据等。针对腹主动脉本身的形状特征,给出自动取得腹部CT数据中腹主动脉位置信息。3D图像中,腹主动脉就是管状结构,而在一张CT切片上,腹主动脉区域就是圆饼形状,于是本发明会在某一张CT切片上自动检测得到这个近似圆,从而获得了腹主动脉的位置信息。之后,以这个近似圆为初始圆,所述初始圆所在切片为当前切片,根据所述当前切片的图像特征,所述近似圆的圆心、半径作相应变化以保证所述近似圆包围所述腹主动脉,之后获得的新近似圆向上一张或/和下一张切片投影,作为新初始圆,不断重复此步骤,直到所有包含腹主动脉的切片都遍历完成;将每张所述切片上的所述近似圆的预定厚度的边界对应的像素点保存为包含所述腹主动脉或部分腹主动脉区域的第一分割结果。
所述数据修改模块20,用于根据第一分割结果,在腹部图像数据中修改包含腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据,使得包含腹主动脉或部分腹主动脉区域的数据的像素值不在第一阈值连通的阈值范围内。
所述种子点选取模块30,用于从腹部图像数据中自动选取骨骼的至少一个种子点。
所述第二分割模块40,用于根据所述种子点和腹部图像修改数据,应用第一阈值连通获得骨骼的第二分割结果。阈值连通是一种区域增长算法。先选择一个种子区域(通常为一个像素或一些像素点),认为这个种子区域是在被分割的对象范围之内。设定被分割的对象范围的像素值范围,即高阈值和低阈值。判断种子区域的邻域像素的灰度值,如果该值在高阈值和低阈值之间,则该邻域像素会被包含到种子区域中去,然后判断下一个像素点,最终种子区域会越来越大,当所有的像素点判断完毕,分割结束。最终的种子区域就是分割的对象。
本发明涉及医学影像的图像分割技术,特别是一种从腹部CT数据中自动分割骨骼的方法。本发明可用于医学影像设备集成的以及独立的医学影像分析处理软件中,实现医学影像数据中识别骨骼的需求:识别骨骼后,可以提取骨骼对应的影像数据,从而单独研究骨骼,以及修改原始影像数据中的骨骼数据,从而排除骨骼的干扰。本发明包括但不限于腹部CT中的骨骼分割,例如部分胸腔CT中的骨骼也能应用。
图2是本发明优选从腹部图像数据中自动分割骨骼的系统结构图,所述系统100包括有第一分割模块10、数据修改模块20、种子点选取模块30、第二分割模块40以及第三分割模块50,其中:
所述第一分割模块10进一步包括:
检测子模块11,根据腹主动脉在大多数切片上类似圆饼状的特征,在腹部图像数据中自动检测到至少一个近似圆。所述腹部图像数据优选为腹部CT原始数据、腹部CT复制数据或者腹部CT预处理数据等。需要说明的是,本发明在具体应用时,用的通常是一套腹部CT数据的第一张。但是实际上第2张,第3张等等都是可以使用的,即使是最后一张也是可以的,只需要稍微修改具体检测的方法以及后续判断终止的条件。
判断子模块12,判断近似圆是否为包含腹主动脉的近似圆。
所述判断子模块12优选用于在腹部图像数据上计算近似圆内区域图像数据值的统计特征,并通过预定的判断条件来判断近似圆是否为包含腹主动脉的近似圆;
所述判断子模块12优选用于将检测到的近似圆的圆心作为种子点,对腹部图像数据应用第二阈值连通,根据第二阈值连通的分割结果所贯穿的切片数目判断近似圆是否为包含腹主动脉的近似圆,若只有少数切片,则近似圆不是包含腹主动脉的近似圆;或者
所述判断子模块12优选用于将检测到的近似圆的圆心作为初始点,向上一张或下一张切片投影,得到新点,并在当前切片上,在该新点及其邻域内寻找满足腹主动脉点的条件的点,若找到,则继续向上一张或下一张切片投影,若连续预定张数都未找到则记下当前总共搜索的切片数目,并停止该方向(所述方向是指向上一张或下一张)的搜索,若数目较小,则所述近似圆不是包含所述腹主动脉的近似圆。判断子模块12进行逐张切片搜索满足腹主动脉点的条件的点的操作,并且会统计这些搜索到了该点的连续切片的起始切片索引和终止切片索引以及数目。
遍历子模块13,用于所述近似圆是包含腹主动脉的近似圆时,在腹部图像数据中以近似圆为初始圆,初始圆所在切片为当前切片,根据当前切片的图像特征,近似圆的圆心、半径作相应变化以保证近似圆包围腹主动脉,之后获得的新近似圆向上一张或/和下一张切片投影,作为新初始圆,不断重复此步骤,直到所有包含腹主动脉的切片都遍历完成。
分割子模块14,用于将每张切片上的近似圆的预定厚度的边界对应的像素点保存为包含腹主动脉的第一分割结果。或者,分割子模块14用于若某圆被判断为是包含所述腹主动脉的近似圆,则判断该圆是否是包含所述腹主动脉的近似圆时产生的分割结果,经过膨胀后,得到的新分割结果作为第一分割结果。
所述数据修改模块20用于根据第一分割结果,若腹部图像数据中某像素点属于包含腹主动脉或部分腹主动脉的区域,则在腹部图像数据中修改像素点的数据,使得像素点的像素值不在第一阈值连通的阈值范围内。
所述种子点选取模块30,用于从腹部图像数据中自动选取骨骼的至少一个种子点。优选的是,种子点选取模块30用于从腹部图像数据中选取CT值高于预定的CT阈值的点作为骨骼的种子点;或者用于从腹部图像数据中取至少一张切片,对切片提取皮肤,并依据皮肤的信息搜索骨骼的种子点。
所述第二分割模块40,用于根据种子点和腹部图像修改数据,应用第一阈值连通获得骨骼的第二分割结果。
所述第三分割模块50,对骨骼的第二分割结果进行二值膨胀,获得骨骼的第三分割结果。对骨骼的分割结果进行二值膨胀是为了尽量将骨骼提取干净。
本发明要解决的问题是:在血管造影CT中,由于骨骼与血管联接,而且两种结构的CT值范围有重叠,现有方法在进行骨骼提取时会出现骨骼提取不完全或错误提取血管的现象;这样的骨骼提取将需要复杂的后处理操作。本发明旨在自动提取骨骼,且不仅仅针对血管造影CT,血管未造影CT也同样可用。本发明主要针对腹部CT数据,根据腹部CT骨骼与腹主动脉血管相连的特点,给出了切断此联接的方法,从而可以实现从腹部CT数据直接提取骨骼;并针对腹主动脉本身的形状特征,给出自动取得CT数据中腹主动脉位置信息的方法,而且根据骨骼高密度影的特征,给出自动获取骨骼一个或多个种子点的方法;以上所述使得此自动分割骨骼的方法快速、有效。
本发明主要针对腹部和胸部CT图像的处理,目标是自动提取出骨骼区域。由于造影后腹主动脉血管与脊柱在图像上位置相近,灰度相似,故需要修改包含腹主动脉或部分腹主动脉的区域的数据灰度值,之后才能以阈值连通方法准确地提取骨骼区域。本发明并不需要准确分割出腹主动脉区域,而是基于自动跟踪方法获得管状结构的腹主动脉的表面区域,因为是要切断腹主动脉与脊柱的联接,所以要把腹主动脉壁所在的区域进行修改,即能保证准确提取骨骼区域。自动跟踪方法是指在一张切片上获得腹主动脉的近似圆后,自动计算得到每张切片上的腹主动脉区域,而不需要用户的干预。本发明突出的“自动”体现在不需要用户交互。“从腹部CT数据中自动分割骨骼”是指在软件中,用户在指定一套腹部CT数据后,只需要按一下“计算”按钮,由方法内部计算即得到骨骼的分割结果。而“非自动分割”方法,需要用户观察和识别CT数据,从而在CT图像上选择骨骼的种子点,或者选择腹主动脉的种子点,或者需要用户在第一张切片图像上勾画骨骼的轮廓曲线等。
图3是本发明从腹部图像数据中自动分割骨骼的方法,其可通过如图1或图2所示的从腹部图像数据中自动分割骨骼的系统100实现,所述方法包括步骤如下:
步骤S301,根据腹主动脉的形状特征,自动提取腹部图像数据中包含腹主动脉或部分腹主动脉区域的第一分割结果。所述腹部图像数据优选为腹部CT原始数据、腹部CT复制数据或者腹部CT预处理数据。
所述腹部CT预处理数据是考虑到其他人员可能并不应用腹部CT原始数据,而是应用经过预处理的腹部CT数据,但他们的本质上是一样的。预处理的方法包括高斯滤波、中值滤波等去噪平滑方法。高斯滤波就是图像与高斯分布做卷积,这种预处理方法能够减小图像噪声,降低细节层次,起到模糊的效果。中值滤波是对于原始图像中的每个像素,将其邻域中的像素按灰度级排序,取其中间值作为该像素的新灰度值,这种方法用于滤除原始图像中的脉冲噪声或颗粒噪声。这种去噪平滑的预处理方法对原始数据的改变较小,可以用于后续的骨骼提取。
步骤S302,根据第一分割结果,在腹部图像数据中修改包含腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据。
步骤S303,从腹部图像数据中自动选取骨骼的至少一个种子点。
步骤S304,根据种子点和腹部图像修改数据,应用第一阈值连通获得骨骼的第二分割结果。
图4是本发明从腹部图像数据中自动分割骨骼的方法,其可通过如图1或图2所示的从腹部图像数据中自动分割骨骼的系统100实现,所述方法包括步骤如下:
步骤S401,根据腹主动脉在大多数切片上类似圆饼状的特征,在腹部图像数据中自动检测到至少一个近似圆。所述腹部图像数据优选为腹部CT原始数据、腹部CT复制数据或者腹部CT预处理数据等。
优选的是,应用腹主动脉在大多数切片上类似圆饼状的特征,在腹部图像数据中使用hough变换或模板匹配的方法检测到至少一个近似圆。本发明的目标是从腹部图像数据上能够自动获得腹主动脉的位置信息,也就是输入腹部图像数据,经过本发明的计算,能够得到腹主动脉的位置信息,比如获得某张切片上腹主动脉区域的一点的坐标(i,j),而且是自动得到的。
步骤S402,判断所述近似圆是否为包含腹主动脉的近似圆。所述判断近似圆是否为包含腹主动脉的近似圆的步骤至少包括以下三种:
1)在腹部图像数据上计算近似圆内区域图像数据值的统计特征,并通过预定的判断条件来判断近似圆是否为包含腹主动脉的近似圆;所述判断条件包括计算圆内区域低密度影像素的数目,若较多则判定该圆不是腹主动脉的圆;或同时计算圆内所有像素的平均值和方差等。
2)将检测到的近似圆的圆心作为种子点,对腹部图像数据应用第二阈值连通,根据第二阈值连通的分割结果所贯穿的切片数目判断近似圆是否为包含腹主动脉的近似圆,若只有少数切片,则近似圆不是包含腹主动脉的近似圆。将检测到的近似圆的圆心作为种子点,设置阈值,设置邻域大小,应用邻域阈值连通方法,获得腹主动脉的粗略的分割结果,计算该分割结果贯穿的切片数目,若只有少数切片,则不是包含腹主动脉的圆;因为腹主动脉的形状是一条自上而下的较长的管状结构,这是它的特征。或者
3)将检测到的近似圆的圆心作为初始点,向上一张或下一张切片投影,得到新点,并在当前切片上,在该新点及其邻域内寻找满足腹主动脉点的条件的点,若找到,则继续向上一张或下一张切片投影,若连续预定张数都未找到则记下当前总共搜索的切片数目,并停止该方向(所述方向是指向上一张或下一张)的搜索,若数目较小,则所述近似圆不是包含所述腹主动脉的近似圆。进行逐张切片搜索满足腹主动脉点的条件的点的操作,并且会统计这些搜索到了该点的连续切片的起始切片索引和终止切片索引以及数目。
步骤S403,若是,则在腹部图像数据中以近似圆为初始圆,初始圆所在切片为当前切片,在剩下的每张切片上都获得腹主动脉对应的圆。具体的是,若是,则在腹部图像数据中以近似圆为初始圆,初始圆所在切片为当前切片,根据当前切片的图像特征,近似圆的圆心、半径作相应变化以保证近似圆包围腹主动脉,之后获得的新近似圆向上一张或/和下一张切片投影,不断重复此步骤,直到所有包含腹主动脉的切片都遍历完成。
步骤S404,将每张切片上的近似圆的预定厚度的边界对应的像素点保存为包含腹主动脉的第一分割结果。如图6,假设为腹部图像数据的一张切片,对比图5,应可看到圆饼状的腹主动脉区域,以及包围了这个区域的白色圆圈。假设这个圆圈半径是1,那么以0.9和1.1分别画1个同心圆,这两个同心圆组成一个厚度为0.2的圆环,这个圆环区域所覆盖的所有像素点是第一分割结果;根据前述的逐张切片跟踪的方法,在每张切片上或绝大多数切片上都会有一个圆圈,对应有一个圆环,然后有圆环区域所覆盖的像素点,就是最终的第一分割结果。图6中应该能看到4个白色圆圈,比较清楚的是2个,一个包含了腹主动脉,另一个则是在心脏部分。在检测近似圆时会获得好几个圆,之后再进行判断排除,获得包含腹主动脉或部分腹主动脉区域的那个近似圆。
优选的是,获得腹主动脉的第一分割结果的方法还可以是,若某圆被判断为是包含所述腹主动脉的近似圆,则判断该圆是否是包含所述腹主动脉的近似圆时产生的分割结果,经过膨胀后,得到的新分割结果作为第一分割结果。将第二阈值连通的分割结果进行二值膨胀得到的分割结果。因为为了不在连通时过分割导致骨骼也被分割,所以在分割时会限制邻域大小,所以采用第二阈值连通时会限制邻域大小,使得第二阈值连通的分割结果是腹主动脉的内部区域。而我们的目标是获得腹主动脉的表面区域,从而切断骨骼和血管的联接,所以需要对第二阈值连通的分割结果再进行膨胀,使得第一分割结果包括整个腹主动脉,尤其包括腹主动脉的壁,或表面。
步骤S405,根据第一分割结果,在腹部图像数据中修改包含腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据,所述腹部图像数据优选为已有的腹部CT原始数据、腹部CT复制数据或者腹部CT预处理数据等。优选的是,根据第一分割结果,若腹部图像数据中某像素点属于包含腹主动脉或部分腹主动脉的区域,则在腹部图像数据中修改像素点的数据,使得像素点的像素值不在第一阈值连通的阈值范围内。
所述腹部图像修改数据是在腹部图像数据上将第一分割结果得到的包含腹主动脉或部分腹主动脉的区域的像素的值修改得到的。修改包括将该区域的值赋为0,或者是小于0,或者是大于10000等等,目的是将该区域的像素值能够在骨骼区域的像素值的范围之外。假如腹部图像数据中骨骼区域的像素值是[50,2000],腹主动脉区域的像素值是[100,1000],两者有大范围的交集,而在修改得到的腹部图像修改数据中,腹主动脉区域的像素值是0或者10000,就和骨骼区域没有交集。所以在腹部图像数据中用阈值连通方法提取骨骼,将阈值设为[50,2000],会将腹主动脉区域一起提取出来,因为如前所述的像素值范围有交集而且腹主动脉区域和骨骼区域位置是连通的。
图5A示出了一个二维图像的腹部图像数据的例子;进行分割后得到如图5B所示的包含腹主动脉或部分腹主动脉区域的第一分割结果,第一分割结果中将腹主动脉区域填充为红色;根据第一分割结果中红色部分的位置信息,将腹部图像数据中相同的区域也改为红色,得到如图5C所示的腹部图像修改数据,那么使用阈值连通方法提取骨骼时,腹主动脉区域的像素值并不在阈值范围内,所以不会被提取出来。
步骤S406,从腹部图像数据中自动选取骨骼的至少一个种子点,所述种子点的选取方法至少包括一以下两种:
1)从腹部图像数据中选取CT值高于预定的CT阈值的点作为骨骼的种子点;因为骨骼高密度影所以选取较高的CT值。或者
2)从腹部图像数据中取至少一张切片,对切片提取皮肤,并依据皮肤的信息搜索骨骼的种子点。提取皮肤即获得腹部图像数据的外廓曲线。这里指的皮肤就是人体腹部的皮肤,通常是轮廓曲线,但是图5A在腹部区域之外有一条明显的白色曲线,那个是CT检查时床板的曲线,依据这条曲线搜索骨骼的种子点的方法包括:
A)计算曲线上的点的梯度方向,在腹部图像数据的第一张或最后一张切片上(在该切片上,因为在获得该曲线之前已经选定了切片),以曲线上的点为起始点,沿着梯度方向以一定的补偿进行搜索,若搜索到高密度影的点且该点邻域也是高密度影,则为骨骼的一个种子点,并且停止当前的搜索,但是这种判断方式可能会错误判断血管区域的点为骨骼种子点,所以添加搜索长度的限制,并且搜索过程中遇到低密度影,如值为小于0时,就停止当前方向的搜索。这种方法会在对皮肤曲线上所有的像素点及其梯度方向进行搜索,也可以对曲线按一定的间隔取一些节点。以上这些搜索判断条件,是在用腹部图像的第一张切片也就是靠近胸部那端的那张切片时用到的,如果用其它切片的话,会需要相应地更改这些具体的条件。
B)首先获得的曲线对X,Y方向投影,计算这个曲线大致的中心点;然后在曲线上按一定的间隔取一些节点,以该节点为起始点,中心点为终止点,节点与中心点的连线为搜索方向进行搜索;判断、终止条件与方法1相同。
步骤S407,根据种子点和腹部图像修改数据,应用第一阈值连通获得骨骼的第二分割结果。
步骤S408,对骨骼的第二分割结果进行二值膨胀,获得骨骼的第三分割结果。
对骨骼的第二分割结果进行二值膨胀是为了尽量将骨骼提取干净。分割骨骼时采用阈值连通方法,虽然在此之前通过修改腹主动脉区域的像素值使得骨骼分割时不分割出腹主动脉,但是对于某些图像数据,会有肋骨和肾相邻,而且肋骨的像素值范围也和肾脏表面的像素值范围有交集,比如骨骼像素值范围是[50,2000],肾脏表面像素值范围是[50,100]。肋骨是骨骼的一部分。所以在骨骼分割时,如果将阈值范围设置较宽,如[50,2000],可以将骨骼完全分割出来,但是同时,肾脏表面也会和骨骼一起分割出来,是不合理的。因此,将阈值范围设为[101,200],则能将大部分骨骼分割出来,但不会将肾脏同时分割。但是[50,100]之间的骨骼就没有被提取出来,而这些像素是分布在已分割出的骨骼的像素的周围,所以采用膨胀的方法,可以将已分割出的骨骼的邻域也分割作为骨骼,而不至于将肾脏也分割出来,当然这种方法有可能将肾脏表面的少数像素错误分割为骨骼,但是可接受的。
综上所述,本发明根据腹部图像数据中骨骼与腹主动脉血管相连的特点,给出了切断此联接的方法,以实现从腹部图像数据中自动提取骨骼区域。首先根据腹主动脉的形状特征,自动获取腹部图像数据中包含腹主动脉或部分腹主动脉区域的位置,由于造影后腹主动脉血管与脊柱在图像有联接而且灰度值范围有交集,所以第一阈值连通时,骨骼和血管都被分割出来,而且腹主动脉血管与脊柱在图像上位置相近,灰度相似,由于腹主动脉血管与脊柱有联结,而且造影后灰度值范围有交集,故需要修改包含腹主动脉或部分腹主动脉的区域的数据灰度值,从而能够以阈值连通方法准确地提取骨骼区域,避免了现有骨骼提取时会出现骨骼提取不完全或错误提取血管的现象。由于本发明从腹部图像数据中自动分割骨骼的整个过程不需要用户干预,因此实现起来更为方便、高效。所述腹部图像数据优选为腹部CT原始数据、腹部CT复制数据或者腹部CT预处理数据。本发明包括但不限于腹部CT中的骨骼分割应用,并且部分胸腔CT中的骨骼分割也能应用。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种从腹部图像数据中自动分割骨骼的方法,其特征在于,包括步骤如下:
根据腹主动脉的形状特征,自动提取腹部图像数据中包含腹主动脉或部分腹主动脉区域的第一分割结果;
根据所述第一分割结果,在所述腹部图像数据中修改包含所述腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据;
从所述腹部图像数据中自动选取骨骼的至少一个种子点;
根据所述种子点和所述腹部图像修改数据,应用第一阈值连通获得所述骨骼的第二分割结果。
2.根据权利要求1所述的方法,其特征在于,所述应用第一阈值连通获得所述骨骼的第二分割结果的步骤之后还包括:
对所述骨骼的第二分割结果进行二值膨胀,获得所述骨骼的第三分割结果。
3.根据权利要求1所述的方法,其特征在于,所述根据腹主动脉的形状特征,自动提取腹部图像数据中包含腹主动脉或部分腹主动脉区域的第一分割结果的步骤包括:
根据所述腹主动脉在大多数切片上类似圆饼状的特征,在所述腹部图像数据中自动检测到至少一个近似圆;
判断所述近似圆是否为包含所述腹主动脉的近似圆;
若是,则在所述腹部图像数据中以所述近似圆为初始圆,所述初始圆所在切片为当前切片,根据所述当前切片的图像特征,所述近似圆的圆心、半径作相应变化以保证所述近似圆包围所述腹主动脉,之后获得的新近似圆向上一张或/和下一张切片投影,作为新初始圆,不断重复此步骤,直到所有包含腹主动脉的切片都遍历完成;
将每张所述切片上的所述近似圆的预定厚度的边界对应的像素点保存为包含所述腹主动脉的第一分割结果。
4.根据权利要求3所述的方法,其特征在于,所述判断近似圆是否为包含所述腹主动脉的近似圆的步骤包括:
在所述腹部图像数据上计算所述近似圆内区域图像数据值的统计特征,并通过预定的判断条件来判断所述近似圆是否为包含所述腹主动脉的近似圆。
5.根据权利要求3所述的方法,其特征在于,所述判断近似圆是否为包含所述腹主动脉的近似圆的步骤包括:
将检测到的所述近似圆的圆心作为种子点,对所述腹部图像数据应用第二阈值连通,根据所述第二阈值连通的分割结果所贯穿的切片数目判断所述近似圆是否为包含所述腹主动脉的近似圆,若只有少数切片,则所述近似圆不是包含所述腹主动脉的近似圆。
6.根据权利要求3所述的方法,其特征在于,所述判断近似圆是否为包含所述腹主动脉的近似圆的步骤包括:
将检测到的所述近似圆的圆心作为初始点,向上一张或下一张切片投影,得到新点,并在当前切片上,在该新点及其邻域内寻找满足腹主动脉点的条件的点,若找到,则继续向上一张或下一张切片投影,若连续数张预定张数都未找到,则记下当前总共搜索的切片数目,并停止该方向的搜索,若数目较小,则所述近似圆不是包含所述腹主动脉的近似圆。
7.根据权利要求1所述的方法,其特征在于,所述根据第一分割结果,在所述腹部图像数据中修改包含所述腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据的步骤包括:
根据所述第一分割结果,若所述腹部图像数据中某像素点属于包含所述腹主动脉或部分腹主动脉的区域,则在所述腹部图像数据中修改所述像素点的数据,使得所述像素点的像素值不在所述第一阈值连通的阈值范围内。
8.根据权利要求1所述的方法,其特征在于,所述腹部图像数据为腹部CT原始数据、腹部CT复制数据或者腹部CT预处理数据。
9.根据权利要求8所述的方法,其特征在于,所述从腹部图像数据中自动选取骨骼的至少一个种子点的步骤包括:
从所述腹部图像数据中选取CT值高于预定的CT阈值的点作为所述骨骼的种子点;或者
从所述腹部图像数据中取至少一张切片,对所述切片提取皮肤,并依据所述皮肤的信息搜索所述骨骼的种子点。
10.一种实现如权利要求1~9任一项所述方法的从腹部图像数据中自动分割骨骼的系统,包括有:
第一分割模块,用于根据腹主动脉的形状特征,自动提取腹部图像数据中包含腹主动脉或部分腹主动脉区域的第一分割结果;
数据修改模块,用于根据所述第一分割结果,在所述腹部图像数据中修改包含所述腹主动脉或部分腹主动脉区域的数据得到腹部图像修改数据;
种子点选取模块,用于从所述腹部图像数据中自动选取骨骼的至少一个种子点;
第二分割模块,用于根据所述种子点和所述腹部图像修改数据,应用第一阈值连通获得所述骨骼的第二分割结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210389795.0A CN102968783B (zh) | 2012-10-15 | 2012-10-15 | 从腹部图像数据中自动分割骨骼的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210389795.0A CN102968783B (zh) | 2012-10-15 | 2012-10-15 | 从腹部图像数据中自动分割骨骼的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102968783A true CN102968783A (zh) | 2013-03-13 |
CN102968783B CN102968783B (zh) | 2016-09-14 |
Family
ID=47798909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210389795.0A Active CN102968783B (zh) | 2012-10-15 | 2012-10-15 | 从腹部图像数据中自动分割骨骼的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102968783B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186901A (zh) * | 2013-03-29 | 2013-07-03 | 中国人民解放军第三军医大学 | 全自动图像分割方法 |
CN103456004A (zh) * | 2013-07-30 | 2013-12-18 | 深圳市旭东数字医学影像技术有限公司 | 基于图像片状结构增强的关节软骨分割方法及其系统 |
CN105809696A (zh) * | 2016-03-11 | 2016-07-27 | 中国矿业大学(北京) | 序列ct图中肾上腺自动定位分割方法 |
CN106023144A (zh) * | 2016-05-06 | 2016-10-12 | 福建工程学院 | 在断层影像中分割股骨的方法 |
CN106780720A (zh) * | 2016-11-30 | 2017-05-31 | 上海联影医疗科技有限公司 | 医学图像显示方法及装置 |
CN107169963A (zh) * | 2017-05-26 | 2017-09-15 | 东北大学 | 一种从胸部ct图像中提取胸主动脉的方法 |
CN107221009A (zh) * | 2017-05-31 | 2017-09-29 | 上海联影医疗科技有限公司 | 一种腹主动脉分叉处的定位方法、装置、医学成像系统及存储介质 |
CN107808379A (zh) * | 2017-08-31 | 2018-03-16 | 深圳联影医疗科技有限公司 | 图像处理系统、方法、装置和计算机可读介质 |
CN109919935A (zh) * | 2019-03-12 | 2019-06-21 | 语坤(北京)网络科技有限公司 | 一种头颈体血管分割方法及设备 |
CN112132837A (zh) * | 2020-08-19 | 2020-12-25 | 心医国际数字医疗系统(大连)有限公司 | 一种胸部骨骼自动提取方法、系统、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2154986C1 (ru) * | 1999-01-25 | 2000-08-27 | Нижегородская государственная медицинская академия | Способ определения объема реваскуляризирующей остеотрепанации при лечении облитерирующего атеросклероза артерий нижних конечностей |
CN1943512A (zh) * | 2006-11-08 | 2007-04-11 | 沈阳东软医疗系统有限公司 | 一种确定感兴趣区域的装置及方法 |
CN101283929A (zh) * | 2008-06-05 | 2008-10-15 | 华北电力大学 | 一种血管三维模型的重建方法 |
CN101969852A (zh) * | 2008-03-04 | 2011-02-09 | 断层放疗公司 | 用于改进图像分割的方法和系统 |
US20120189185A1 (en) * | 2011-01-20 | 2012-07-26 | Siemens Aktiengesellschaft | Method and System for 3D Cardiac Motion Estimation from Single Scan of C-Arm Angiography |
-
2012
- 2012-10-15 CN CN201210389795.0A patent/CN102968783B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2154986C1 (ru) * | 1999-01-25 | 2000-08-27 | Нижегородская государственная медицинская академия | Способ определения объема реваскуляризирующей остеотрепанации при лечении облитерирующего атеросклероза артерий нижних конечностей |
CN1943512A (zh) * | 2006-11-08 | 2007-04-11 | 沈阳东软医疗系统有限公司 | 一种确定感兴趣区域的装置及方法 |
CN101969852A (zh) * | 2008-03-04 | 2011-02-09 | 断层放疗公司 | 用于改进图像分割的方法和系统 |
CN101283929A (zh) * | 2008-06-05 | 2008-10-15 | 华北电力大学 | 一种血管三维模型的重建方法 |
US20120189185A1 (en) * | 2011-01-20 | 2012-07-26 | Siemens Aktiengesellschaft | Method and System for 3D Cardiac Motion Estimation from Single Scan of C-Arm Angiography |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186901A (zh) * | 2013-03-29 | 2013-07-03 | 中国人民解放军第三军医大学 | 全自动图像分割方法 |
CN103456004A (zh) * | 2013-07-30 | 2013-12-18 | 深圳市旭东数字医学影像技术有限公司 | 基于图像片状结构增强的关节软骨分割方法及其系统 |
CN103456004B (zh) * | 2013-07-30 | 2017-04-19 | 深圳市旭东数字医学影像技术有限公司 | 基于图像片状结构增强的关节软骨分割方法及其系统 |
CN105809696B (zh) * | 2016-03-11 | 2018-12-14 | 中国矿业大学(北京) | 序列ct图中肾上腺自动定位分割方法 |
CN105809696A (zh) * | 2016-03-11 | 2016-07-27 | 中国矿业大学(北京) | 序列ct图中肾上腺自动定位分割方法 |
CN106023144A (zh) * | 2016-05-06 | 2016-10-12 | 福建工程学院 | 在断层影像中分割股骨的方法 |
CN106023144B (zh) * | 2016-05-06 | 2019-05-31 | 福建工程学院 | 在断层影像中分割股骨的方法 |
CN106780720A (zh) * | 2016-11-30 | 2017-05-31 | 上海联影医疗科技有限公司 | 医学图像显示方法及装置 |
CN107169963A (zh) * | 2017-05-26 | 2017-09-15 | 东北大学 | 一种从胸部ct图像中提取胸主动脉的方法 |
CN107169963B (zh) * | 2017-05-26 | 2019-11-29 | 东北大学 | 一种从胸部ct图像中提取胸主动脉的方法 |
CN107221009A (zh) * | 2017-05-31 | 2017-09-29 | 上海联影医疗科技有限公司 | 一种腹主动脉分叉处的定位方法、装置、医学成像系统及存储介质 |
CN107221009B (zh) * | 2017-05-31 | 2020-06-16 | 上海联影医疗科技有限公司 | 一种腹主动脉分叉处的定位方法、装置、医学成像系统及存储介质 |
CN107808379A (zh) * | 2017-08-31 | 2018-03-16 | 深圳联影医疗科技有限公司 | 图像处理系统、方法、装置和计算机可读介质 |
US10621724B2 (en) | 2017-08-31 | 2020-04-14 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image segmentation |
US10789709B2 (en) | 2017-08-31 | 2020-09-29 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image segmentation |
US11508068B2 (en) | 2017-08-31 | 2022-11-22 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image segmentation |
US11715206B2 (en) | 2017-08-31 | 2023-08-01 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image segmentation |
CN109919935A (zh) * | 2019-03-12 | 2019-06-21 | 语坤(北京)网络科技有限公司 | 一种头颈体血管分割方法及设备 |
CN109919935B (zh) * | 2019-03-12 | 2021-02-09 | 语坤(北京)网络科技有限公司 | 一种头颈体血管分割方法及设备 |
CN112132837A (zh) * | 2020-08-19 | 2020-12-25 | 心医国际数字医疗系统(大连)有限公司 | 一种胸部骨骼自动提取方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102968783B (zh) | 2016-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102968783A (zh) | 从腹部图像数据中自动分割骨骼的方法及系统 | |
CN101576997B (zh) | 基于二次三维区域生长的腹部器官分割方法 | |
US10079071B1 (en) | Method and system for whole body bone removal and vascular visualization in medical image data | |
CN106846344B (zh) | 一种基于边缘完备度的图像分割最优识别方法 | |
US8532356B2 (en) | Method for automatic separation of segmented tubular and circular objects | |
CN106485704B (zh) | 血管中心线的提取方法 | |
CN101452577B (zh) | 一种肋骨自动标定的方法及装置 | |
CN100553561C (zh) | 在ct血管造影术中分割结构的方法及设备 | |
EP1995690B1 (en) | Generating an anatomical model using a rule-based segmentation and classification process | |
US9119559B2 (en) | Method and system of generating a 3D visualization from 2D images | |
CN105913432B (zh) | 基于ct序列图像的主动脉提取方法及装置 | |
Ma et al. | Two graph theory based methods for identifying the pectoral muscle in mammograms | |
CN109215032A (zh) | 图像分割的方法及系统 | |
JP2008521461A (ja) | 知識構造のマッピングを使用した管状器官を測定する方法 | |
CN104978725A (zh) | 一种冠状动脉分割方法和装置 | |
CN104715483B (zh) | 肺部ct影像异常区域的自动分割方法 | |
CN107292928B (zh) | 一种血管定位的方法及装置 | |
CN107103605B (zh) | 一种乳房组织的分割方法 | |
CN101425186A (zh) | 一种基于ct图像的肝脏分段方法及其系统 | |
CN104933709A (zh) | 基于先验信息的随机游走ct肺组织图像自动分割方法 | |
CN114066886B (zh) | 骨骼分割边界确定方法、装置、电子设备及存储介质 | |
CN105678746A (zh) | 一种医学图像中肝脏范围的定位方法及装置 | |
WO2011093921A1 (en) | Automated vascular region separation in medical imaging | |
CN110458848B (zh) | 判断影像的冠脉分割中冠脉分支的方法 | |
CN110706241B (zh) | 一种三维病灶区域提取方法和装置 |
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 |