CN103679810B - 肝部ct图像的三维重建方法 - Google Patents
肝部ct图像的三维重建方法 Download PDFInfo
- Publication number
- CN103679810B CN103679810B CN201310732761.1A CN201310732761A CN103679810B CN 103679810 B CN103679810 B CN 103679810B CN 201310732761 A CN201310732761 A CN 201310732761A CN 103679810 B CN103679810 B CN 103679810B
- Authority
- CN
- China
- Prior art keywords
- liver
- sequence
- image
- dimensional
- tri patch
- 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
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种肝部CT图像的三维重建方法，包括：对肝部二维CT图像序列进行分割，分别提取与肝部的多个组织中每个组织相对应的分割序列；根据与所述每个组织相对应的分割序列，以及与所述每个组织相对应的三维重建流程对所述每个组织进行三维图像重建，以对所述肝部CT图像进行三维重建。通过本发明的技术方案，使得在对肝部CT图像进行三维重建时，能够根据不同组织的特性，选择相应的重建流程，从而提高了肝部CT图像的重建效率，以及肝部CT三维重建图像的质量。
Description
技术领域
本发明涉及数字医疗领域，具体而言，涉及一种肝部CT图像的三维重建方法。
背景技术
随着计算机技术的发展，基于CT（Computed Tomography，计算机断层扫描）图像的三维重建技术被广泛应用于外科手术中，如术前规划、手术模拟以及术前风险评估等。
传统的肝胆外科手术中，医生只能根据二维CT扫描结果进行疾病诊断和手术规划，若遇到巨型肿瘤或者肿瘤累及肝门部、门静脉等术中易并发难以控制的大出血的复杂情况，仅仅根据二维CT扫描结果进行诊断和手术规划是远远不够的，因此，迫切需要建立起直观、立体的三维显示结果对手术实施指导。借助肝部CT的三维重建结果，医生能够直观地从三维重建结果中得出肝静脉、肝动脉、肿瘤与血管的位置关系，在术前做好详细规划，及时处理手术过程中出现的问题，减少术中出血量，为精准外科手术提供指导和参考。
但是相关技术中，在对肝部CT图像的三维重建时，都是针对肝部不同的组织部位采用相同的重建流程，导致重建效率低且重建的图像质量差，不能满足医生的需求。
因此，如何提高肝部CT图像的重建效率以及肝部CT三维重建图像的质量成为亟待解决的技术问题。
发明内容
本发明正是基于上述技术问题至少之一，提供了一种新的肝部CT图像的三维重建技术，使得在对肝部CT图像进行三维重建时，能够根据不同组织的特性，选择相应的重建流程，从而提高了肝部CT图像的重建效率，以及肝部CT三维重建图像的质量。
有鉴于此，本发明提供了一种肝部CT图像的三维重建方法，包括：对肝部二维CT图像序列进行分割，分别提取与肝部的多个组织中每个组织相对应的分割序列；根据与所述每个组织相对应的分割序列，以及与所述每个组织相对应的三维重建流程对所述每个组织进行三维图像重建，以对所述肝部CT图像进行三维重建。
在该技术方案中，通过根据与每个组织相对应的分割序列，以及与每个组织相对应的三维重建流程对每个组织进行三维图像重建，使得在对肝部CT图像进行三维重建时，能够根据不同组织的特性，选择相应的重建流程，从而提高了肝部CT图像的重建效率，提高了对肝部CT图像进行重建的灵活性，避免对肝部所有的组织都采用相同的重建流程，导致重建效率低且重建的图像质量差。其中，对肝部二维CT图像序列进行分割，获得的肝部各组织分割序列的数量需要确保能够实现对肝部CT图像的三维重建。
在上述技术方案中，优选地，所述多个组织包括：肝脏、血管和骨骼。
在该技术方案中，由于肝脏、血管和骨骼分别具有不同的组织特性，因此可以针对不同的组织选取相应的重建流程，以避免对所有的组织都选取相同的重建流程导致重建效率低下。
在上述技术方案中，优选地，与所述肝脏相对应的三维重建流程包括：采用移动立方体算法从与所述肝脏相对应的分割序列中提取等值面；对与所述等值面相对应的三角面片进行优化处理；对经过优化处理后的三角面片进行平滑处理；对经过所述平滑处理后的三角面片的等值面进行拼接，以重建所述肝脏的三维图像。
在该技术方案中，移动立方体算法（Marching Cubes）可以将等值面的抽取分布于每一个体素中进行，对于每个被处理的体素，以三角面片来逼近其内部的等值面，在对经过优化处理后的三角面片进行平滑处理时，可以采用拉普拉斯平滑技术，并设置相应的迭代次数，通过调整点的位置减少表面噪点。
此外，由于CT图像是按照一定的层厚进行扫面的，因此必须对CT图像的层厚按照实际扫描厚度进行拉伸处理，这样才能得到与真实扫描对象同等比例的重建结果。
在上述技术方案中，优选地，所述对与所述等值面相对应的三角面片进行优化处理的步骤具体为：判断每个三角面片的顶点与对应的矩形块的位置关系；若指定三角面片的三个顶点都在与所述指定三角面相对应的矩形块内，则舍弃所述三角面片，若指定三角面片的三个顶点中的其中两个顶点在与所述指定三角面相对应的矩形块内，则仅保留所述其中两个顶点之间的连线，若指定三角面片的三个顶点中只有一个顶点在与所述指定三角面片相对应的矩形块内，则保留所述指定三角面片。
在该技术方案中，通过对三角面片的处理，可以减少进行重建的三角面片的数量，从而可以提高三维重建的效率。
在上述技术方案中，优选地，所述对与所述等值面相对应的三角面片进行平滑处理的步骤具体为：采用拉普拉斯平滑技术，通过预设的迭代次数对所述三角面片进行平滑处理。
在该技术方案中，在设置迭代次数时，可以按照实际的需求进行设置，若需要三角面片的表面尽可能地光滑，则可以设置较大的迭代次数，若对三角面片表面的光滑程度要求不高，则可以设置较小的迭代次数，以减少重建时间，提高重建效率。
在上述技术方案中，优选地，采用水平集分割方法对所述肝部CT图像二维序列进行分割，得到与所述肝脏相对应的分割序列。
在上述技术方案中，优选地，与所述血管相对应的三维重建流程包括：在与所述肝脏相对应的分割序列中，提取与所述血管相对应的分割序列；对所述与血管相对应的分割序列中相邻层的分割序列中的门静脉进行插值处理；采用移动立方体算法从与所述血管相对应的分割序列中提取等值面；对与所述等值面相对应的三角面片进行优化处理；对经过优化处理后的三角面片进行平滑处理；对经过所述平滑处理后的三角面片的等值面进行拼接，以重建所述血管的三维图像。
在该技术方案中，由于血管比较精细，为了确保重建后的三维图像中血管的连续性，需要对与血管相对应的分割序列中相邻层的分割序列中的门静脉进行插值处理，由于选取了与肝脏不同的重建流程，即插值处理流程，因此提高了三维重建后的图像质量。
在上述技术方案中，优选地，所述在与所述肝脏相对应的分割序列中，提取与所述血管相对应的分割序列的步骤具体为：在与所述肝脏相对应的分割序列中，采用区域生长算法提取门静脉信息，并分别连通与所述肝脏相对应的分割序列中相邻层的分割序列中的门静脉，以得到与所述血管相对应的分割序列。
在该技术方案中，血管嵌入于肝脏内部，在肝脏的图像分割序列中提取“种子点”，并采用区域生长算法提取门静脉信息，从而连通与肝脏相对应的分割序列中相邻层的分割序列中的门静脉，得到与血管相对应的分割序列。
在上述技术方案中，优选地，与所述骨骼相对应的三维重建流程包括：采用移动立方体算法从与所述骨骼相对应的分割序列中提取等值面；对经过优化处理后的三角面片进行平滑处理；对经过所述平滑处理后的三角面片的等值面进行拼接，以重建所述骨骼的三维图像。
在该技术方案中，由于在肝部CT图像的三维重建中，相对于肝脏的重建数据量，骨骼的重建数据量较少，并且骨骼通常用作空间配准或者定位，因此在对骨骼的三维图像进行重建时，为了保留骨骼图像的原始数据信息，无需对三角面片进行处理，确保了骨骼重建的精度。
在上述技术方案中，优选地，采用自适应阈值分割方法对所述肝部二维CT图像序列进行分割，得到与所述骨骼相对应的分割序列。
在该技术方案中，由于骨骼图像的灰度级数较高，因此可以直接利用自适应阈值分割方法得到骨骼分割的序列，通过针对不同的组织采用不同的分割算法，使得可以针对不同组织的特性选取相应的处理方式，提高了对肝部CT图像的重建效率和重建效果。
附图说明
图1示出了根据本发明的实施例的肝部CT图像的三维重建方法的示意流程图；
图2示出了根据本发明的实施例的肝脏图像的三维重建方法的示意流程图；
图3示出了根据本发明的实施例的血管图像的三维重建方法的示意流程图；
图4示出了根据本发明的实施例的骨骼图像的三维重建方法的示意流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开的具体实施例的限制。
图1示出了根据本发明的实施例的肝部CT图像的三维重建方法的示意流程图。
如图1所示，根据本发明的实施例的肝部CT图像的三维重建方法，包括：步骤102，对肝部二维CT图像序列进行分割，分别提取与肝部的多个组织中每个组织相对应的分割序列；步骤104，根据与所述每个组织相对应的分割序列，以及与所述每个组织相对应的三维重建流程对所述每个组织进行三维图像重建，以对所述肝部CT图像进行三维重建。
在该技术方案中，通过根据与每个组织相对应的分割序列，以及与每个组织相对应的三维重建流程对每个组织进行三维图像重建，使得在对肝部CT图像进行三维重建时，能够根据不同组织的特性，选择相应的重建流程，从而提高了肝部CT图像的重建效率，提高了对肝部CT图像进行重建的灵活性，避免对肝部所有的组织都采用相同的重建流程，导致重建效率低且重建的图像质量差。其中，对肝部二维CT图像序列进行分割，获得的肝部各组织分割序列的数量需要确保能够实现对肝部CT图像的三维重建。
在上述技术方案中，优选地，所述多个组织包括：肝脏、血管和骨骼。
在该技术方案中，由于肝脏、血管和骨骼分别具有不同的组织特性，因此可以针对不同的组织选取相应的重建流程，以避免对所有的组织都选取相同的重建流程导致重建效率低下。
在上述技术方案中，优选地，与所述肝脏相对应的三维重建流程包括：采用移动立方体算法从与所述肝脏相对应的分割序列中提取等值面；对与所述等值面相对应的三角面片进行优化处理；对经过优化处理后的三角面片进行平滑处理；对经过所述平滑处理后的三角面片的等值面进行拼接，以重建所述肝脏的三维图像。
在该技术方案中，移动立方体算法（Marching Cubes）可以将等值面的抽取分布于每一个体素中进行，对于每个被处理的体素，以三角面片来逼近其内部的等值面，在对经过优化处理后的三角面片进行平滑处理时，可以采用拉普拉斯平滑技术，并设置相应的迭代次数，通过调整点的位置减少表面噪点。
此外，由于CT图像是按照一定的层厚进行扫面的，因此必须对CT图像的层厚按照实际扫描厚度进行拉伸处理，这样才能得到与真实扫描对象同等比例的重建结果。
在上述技术方案中，优选地，所述对与所述等值面相对应的三角面片进行优化处理的步骤具体为：判断每个三角面片的顶点与对应的矩形块的位置关系；若指定三角面片的三个顶点都在与所述指定三角面相对应的矩形块内，则舍弃所述三角面片，若指定三角面片的三个顶点中的其中两个顶点在与所述指定三角面相对应的矩形块内，则仅保留所述其中两个顶点之间的连线，若指定三角面片的三个顶点中只有一个顶点在与所述指定三角面片相对应的矩形块内，则保留所述指定三角面片。
在该技术方案中，通过对三角面片的处理，可以减少进行重建的三角面片的数量，从而可以提高三维重建的效率。
在上述技术方案中，优选地，所述对与所述等值面相对应的三角面片进行平滑处理的步骤具体为：采用拉普拉斯平滑技术，通过预设的迭代次数对所述三角面片进行平滑处理。
在该技术方案中，在设置迭代次数时，可以按照实际的需求进行设置，若需要三角面片的表面尽可能地光滑，则可以设置较大的迭代次数，若对三角面片表面的光滑程度要求不高，则可以设置较小的迭代次数，以减少重建时间，提高重建效率。
在上述技术方案中，优选地，采用水平集分割方法对所述肝部CT图像二维序列进行分割，得到与所述肝脏相对应的分割序列。
在上述技术方案中，优选地，与所述血管相对应的三维重建流程包括：在与所述肝脏相对应的分割序列中，提取与所述血管相对应的分割序列；对所述与血管相对应的分割序列中相邻层的分割序列中的门静脉进行插值处理；采用移动立方体算法从与所述血管相对应的分割序列中提取等值面；对与所述等值面相对应的三角面片进行优化处理；对经过优化处理后的三角面片进行平滑处理；对经过所述平滑处理后的三角面片的等值面进行拼接，以重建所述血管的三维图像。
在该技术方案中，由于血管比较精细，为了确保重建后的三维图像中血管的连续性，需要对与血管相对应的分割序列中相邻层的分割序列中的门静脉进行插值处理，由于选取了与肝脏不同的重建流程，即插值处理流程，因此提高了三维重建后的图像质量。
在上述技术方案中，优选地，所述在与所述肝脏相对应的分割序列中，提取与所述血管相对应的分割序列的步骤具体为：在与所述肝脏相对应的分割序列中，采用区域生长算法提取门静脉信息，并分别连通与所述肝脏相对应的分割序列中相邻层的分割序列中的门静脉，以得到与所述血管相对应的分割序列。
在该技术方案中，血管嵌入于肝脏内部，在肝脏的图像分割序列中提取“种子点”，并采用区域生长算法提取门静脉信息，从而连通与肝脏相对应的分割序列中相邻层的分割序列中的门静脉，得到与血管相对应的分割序列。
在上述技术方案中，优选地，与所述骨骼相对应的三维重建流程包括：采用移动立方体算法从与所述骨骼相对应的分割序列中提取等值面；对经过优化处理后的三角面片进行平滑处理；对经过所述平滑处理后的三角面片的等值面进行拼接，以重建所述骨骼的三维图像。
在该技术方案中，由于在肝部CT图像的三维重建中，相对于肝脏的重建数据量，骨骼的重建数据量较少，并且骨骼通常用作空间配准或者定位，因此在对骨骼的三维图像进行重建时，为了保留骨骼图像的原始数据信息，无需对三角面片进行处理，确保了骨骼重建的精度。
在上述技术方案中，优选地，采用自适应阈值分割方法对所述肝部二维CT图像序列进行分割，得到与所述骨骼相对应的分割序列。
在该技术方案中，由于骨骼图像的灰度级数较高，因此可以直接利用自适应阈值分割方法得到骨骼分割的序列，通过针对不同的组织采用不同的分割算法，使得可以针对不同组织的特性选取相应的处理方式，提高了对肝部CT图像的重建效率和重建效果。
下面结合图2至图4详细说明根据本发明的实施例的肝部CT图像的三维重建流程。
图2示出了根据本发明的实施例的肝脏图像的三维重建方法的示意流程图。
如图2所示，根据本发明的实施例的肝脏图像的三维重建方法，包括：
步骤202，对肝部CT图像进行分割，可以采用水平集分割方法，对首张肝部CT图像手动设定初始水平集，分割完成后，上一张图像序列的分割结果作为下一张图像序列的参考初始水平集，以实现自动分割，在遇到分割错误的情况，针对分割错误图像可以由人工辅助设定初始水平集进行分割，在分割完成之后，采用形态学膨胀算法对分割结果中肝脏轮廓区域内部的空洞进行填充，然后采用高斯平滑算法对肝脏轮廓进行边缘平滑。
步骤204，读取分割之后的肝脏图像序列。
步骤206，提取等值面，采用移动立方体算法提取等值面，根据实际需求设定阈值，以得到等值面模型。此外，由于CT图像是按照一定厚度进行扫描的，因此需要对CT图像的层厚进行拉伸处理，层厚拉伸度需要根据实际CT扫描层厚进行设置。
步骤208，面模型简化。采用顶点合并法将将长、宽、高固定的矩形块内的三角面片合并为大的三角面片，其中，长、宽、高的参数可以调节设置。具体来说，可以依次读取矩形块内的三角面片并逐一进行判断，如果该三角面片只有一个顶点在矩形块内，则保留该三角面片；如果该三角面片两个顶点在矩形块内，则保留一条边；如果该三角面片三个顶点全部在矩形块内部，则三个顶点缩成一个点。以减少三角面片的数量，提高重建效率。
步骤210，对三角面片进行平滑处理，可以采用拉普拉斯平滑技术，并可以设置一定迭代次数，以通过调整点的位置减少表面噪点，使三角面片的表面绘制更加平滑。在对三角面片进行平滑处理之后，可以计算网格上每个点的法线，并通过高洛德着色算法实现对三角面片的光照平滑处理。
步骤212，等值面拼接，对经过上述处理之后的三角面片的等值面进行拼接。
步骤214，对肝脏的三维重建图像进行三维显示。
图3示出了根据本发明的实施例的血管图像的三维重建方法的示意流程图。
如图3所示，根据本发明的实施例的血管图像的三维重建方法，包括：
步骤302，在分割好的肝脏序列中提取血管分割序列。具体来说，可以在已经分割好的肝脏CT图像上采用区域生长算法提取二维门静脉信息，并采用层间连通的方法实现门静脉的层与层之间的连通，不能实现上下连通的部分，则视为噪点，舍弃。最终得到门静脉分割序列。
步骤304，对提取到的门静脉分割序列进行插值处理。
具体来说，可以将上下两层相邻的血管轮廓按照圆周均分的方式进行轮廓取点；然后选取轮廓线上各点对应的最佳断层图像匹配点，建立匹配点对，其中，匹配对点对的判断要确保圆周均分的角度相同，并且两点之间距离最近；最后根据匹配点对的坐标位置关系，对x、z方向或者y、z方向分别进行相应线性插值，最终得到层间分辨率与层内分辨率一致的血管轮廓图像。
步骤306，读取提取到的血管图像序列。
步骤308，提取等值面，采用移动立方体算法提取等值面，根据实际需求设定阈值，以得到等值面模型。此外，由于CT图像是按照一定厚度进行扫描的，因此需要对CT图像的层厚进行拉伸处理，层厚拉伸度需要根据实际CT扫描层厚进行设置。
步骤310，面模型简化。采用顶点合并法将将长、宽、高固定的矩形块内的三角面片合并为大的三角面片，其中，长、宽、高的参数可以调节设置。具体来说，可以依次读取矩形块内的三角面片并逐一进行判断，如果该三角面片只有一个顶点在矩形块内，则保留该三角面片；如果该三角面片两个顶点在矩形块内，则保留一条边；如果该三角面片三个顶点全部在矩形块内部，则三个顶点缩成一个点。以减少三角面片的数量，提高重建效率。
步骤312，对三角面片进行平滑处理，可以采用拉普拉斯平滑技术，并可以设置一定迭代次数，以通过调整点的位置减少表面噪点，使三角面片的表面绘制更加平滑。在对三角面片进行平滑处理之后，可以计算网格上每个点的法线，并通过高洛德着色算法实现对三角面片的光照平滑处理。
步骤314，等值面拼接，对经过上述处理之后的三角面片的等值面进行拼接。
步骤316，对血管的三维重建图像进行三维显示。
图4示出了根据本发明的实施例的骨骼图像的三维重建方法的示意流程图。
如图4所示，根据本发明的实施例的骨骼图像的三维重建方法，包括：
步骤402，对肝部CT图像序列进行骨骼分割，得到骨骼图像的分割序列。由于骨骼灰度级数较高，因此可以采用自适应阈值分割方法得到骨骼图像的分割序列。
步骤404，读取骨骼图像的分割序列。
步骤406，提取等值面，可以采用移动立方体算法提取等值面，根据实际需求设定阈值，以得到等值面模型。此外，由于CT图像是按照一定厚度进行扫描的，因此需要对CT图像的层厚进行拉伸处理，层厚拉伸度需要根据实际CT扫描层厚进行设置。
步骤408，对三角面片进行平滑处理，可以采用拉普拉斯平滑技术，并可以设置一定迭代次数，以通过调整点的位置减少表面噪点，使三角面片的表面绘制更加平滑。在对三角面片进行平滑处理之后，可以计算网格上每个点的法线，并通过高洛德着色算法实现对三角面片的光照平滑处理。
步骤410，等值面拼接，对经过上述处理之后的三角面片的等值面进行拼接。
步骤412，对骨骼的三维重建图像进行三维显示。
通过图2至图4中针对不同肝部组织的三维图像的重建流程，可以实现以下效果：
（1）可以针对肝部CT图像不同组织的具体特征，建立相应的三维可视化重建流程。由于肝脏的数据量较大，重建速度较低，精度要求不高，因此可选择较大的面片削减“盒子”，用较大的三角面片进行重建，减少后续运算量，提高图像重建速度。由于“层厚”的存在对血管图像的重建干扰很大，严重情况下甚至出现形变，因此可以对血管序列进行层间边缘递进式插值，以解决形变的问题。
此外，由于骨骼一般用于空间配准或者定位，因此，相对于肝脏的重建数据量，骨骼的重建数据量较小，在对骨骼的CT图像进行三维重建时，可以保留骨骼图像的原始数据信息，不需要对骨骼图像重建过程中的三角面片进行削减，确保了骨骼重建的精度。
（2）在实现肝部CT图像三维重建的过程中，采用面模型简化、图像平滑等多种技术防止“阶梯效应”的出现。
（3）面模型简化中参数的设置以及迭代次数的选择直接影响了重建结果和重建效率。一般说来，迭代次数越多，重建结果越光滑，“阶梯效应”越不明显，但是重建效率却大大降低，面模型简化算法中“小盒子”尺寸越大，表示削减的三角面片的数量越多，如果过于削减三角面片的数量，就会导致重建结果失真，对于不同的肝部组织，可以选择合适的面简化模型的“小盒子”大小以及迭代次数。
以上结合附图详细说明了本发明的技术方案，考虑到在相关技术中，对肝部CT图像进行三维重建时，都是针对肝部不同的组织部位采用相同的重建流程，导致重建效率低且重建的图像质量差。因此，本发明提出了一种新的肝部CT图像的三维重建技术，使得在对肝部CT图像进行三维重建时，能够根据不同组织的特性，选择相应的重建流程，从而提高了肝部CT图像的重建效率，以及肝部CT三维重建图像的质量。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种肝部CT图像的三维重建方法，其特征在于，包括：
对肝部二维CT图像序列进行分割，分别提取与肝部的多个组织中每个组织相对应的分割序列；
根据与所述每个组织相对应的分割序列，以及与所述每个组织相对应的三维重建流程对所述每个组织进行三维图像重建，以对所述肝部CT图像进行三维重建，其中，所述多个组织中的血管与肝脏选取不同的重建流程；
与所述肝脏相对应的三维重建流程包括：
采用移动立方体算法从与所述肝脏相对应的分割序列中提取等值面；
对与所述等值面相对应的三角面片进行优化处理；
其中，所述对与所述等值面相对应的三角面片进行优化处理的步骤具体为：
判断每个三角面片的顶点与对应的矩形块的位置关系；
若指定三角面片的三个顶点都在与所述指定三角面相对应的矩形块内，则舍弃所述三角面片，若指定三角面片的三个顶点中的其中两个顶点在与所述指定三角面相对应的矩形块内，则仅保留所述其中两个顶点之间的连线，若指定三角面片的三个顶点中只有一个顶点在与所述指定三角面片相对应的矩形块内，则保留所述指定三角面片。
2.根据权利要求1所述的肝部CT图像的三维重建方法，其特征在于，所述多个组织包括：
肝脏、血管和骨骼。
3.根据权利要求2所述的肝部CT图像的三维重建方法，其特征在于，与所述肝脏相对应的三维重建流程，还包括：
对经过优化处理后的三角面片进行平滑处理；
对经过所述平滑处理后的三角面片的等值面进行拼接，以重建所述肝脏的三维图像。
4.根据权利要求3所述的肝部CT图像的三维重建方法，其特征在于，所述对与所述等值面相对应的三角面片进行平滑处理的步骤具体为：
采用拉普拉斯平滑技术，通过预设的迭代次数对所述三角面片进行平滑处理。
5.根据权利要求2所述的肝部CT图像的三维重建方法，其特征在于，与所述血管相对应的三维重建流程包括：
在与所述肝脏相对应的分割序列中，提取与所述血管相对应的分割序列；
对所述与血管相对应的分割序列中相邻层的分割序列中的门静脉进行插值处理；
采用移动立方体算法从与所述血管相对应的分割序列中提取等值面；
对与所述等值面相对应的三角面片进行优化处理；
对经过优化处理后的三角面片进行平滑处理；
对经过所述平滑处理后的三角面片的等值面进行拼接，以重建所述血管的三维图像。
6.根据权利要求5所述的肝部CT图像的三维重建方法，其特征在于，所述在与所述肝脏相对应的分割序列中，提取与所述血管相对应的分割序列的步骤具体为：
在与所述肝脏相对应的分割序列中，采用区域生长算法提取门静脉信息，并分别连通与所述肝脏相对应的分割序列中相邻层的分割序列中的门静脉，以得到与所述血管相对应的分割序列。
7.根据权利要求2所述的肝部CT图像的三维重建方法，其特征在于，与所述骨骼相对应的三维重建流程包括：
采用移动立方体算法从与所述骨骼相对应的分割序列中提取等值面；
对经过优化处理后的三角面片进行平滑处理；
对经过所述平滑处理后的三角面片的等值面进行拼接，以重建所述骨骼的三维图像。
8.根据权利要求2至7中任一项所述的肝部CT图像的三维重建方法，其特征在于，采用水平集分割方法对所述肝部二维CT图像序列进行分割，得到与所述肝脏相对应的分割序列。
9.根据权利要求2至7中任一项所述的肝部CT图像的三维重建方法，其特征在于，采用自适应阈值分割方法对所述肝部二维CT图像序列进行分割，得到与所述骨骼相对应的分割序列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310732761.1A CN103679810B (zh) | 2013-12-26 | 2013-12-26 | 肝部ct图像的三维重建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310732761.1A CN103679810B (zh) | 2013-12-26 | 2013-12-26 | 肝部ct图像的三维重建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103679810A CN103679810A (zh) | 2014-03-26 |
| CN103679810B true CN103679810B (zh) | 2017-03-08 |
Family
ID=50317251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310732761.1A Active CN103679810B (zh) | 2013-12-26 | 2013-12-26 | 肝部ct图像的三维重建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103679810B (zh) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103886603B (zh) * | 2014-03-31 | 2017-02-15 | 西北工业大学 | 一种左心室核磁共振图像分割及三维重构的方法 |
| CN104036538B (zh) * | 2014-06-25 | 2017-05-31 | 清华大学 | 土石混合体三维细观结构重建与分析方法及系统 |
| CN104851108B (zh) * | 2015-06-09 | 2017-11-28 | 武汉联影医疗科技有限公司 | 基于ct图像的肝动脉分割方法 |
| US10181191B2 (en) | 2014-12-02 | 2019-01-15 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for identifying spine or bone regions in computed tomography image sequence |
| CN104599321A (zh) * | 2015-01-24 | 2015-05-06 | 合肥工业大学 | 基于X-ray CT图像的真实集料颗粒离散元模型构建方法 |
| CN104835112B (zh) * | 2015-05-07 | 2018-06-08 | 厦门大学 | 一种肝脏多相期ct图像融合方法 |
| CN106408648A (zh) * | 2015-08-03 | 2017-02-15 | 青岛海信医疗设备股份有限公司 | 一种医学组织的切片图像三维重建的方法及设备 |
| CN105205862B (zh) * | 2015-10-26 | 2018-05-18 | 武汉沃亿生物有限公司 | 一种图像三维重建方法及系统 |
| CN106096322B (zh) * | 2016-07-22 | 2023-07-18 | 青岛大学附属医院 | 肝肾医学图像数据协同处理系统 |
| CN106846492B (zh) * | 2017-01-05 | 2018-07-03 | 北京触幻科技有限公司 | 一种医学影像在vr环境下的处理方法及系统 |
| CN107067420A (zh) * | 2017-04-28 | 2017-08-18 | 上海联影医疗科技有限公司 | 图像处理方法、装置及设备 |
| CN107705358A (zh) * | 2017-09-13 | 2018-02-16 | 南京工业大学 | 脑部ct图像的三维重建方法 |
| CN108269272B (zh) * | 2018-01-31 | 2019-03-22 | 北京青燕祥云科技有限公司 | 肝部ct配准方法和系统 |
| CN110269633A (zh) * | 2018-03-16 | 2019-09-24 | 通用电气公司 | 医学图像处理方法和计算机可读存储介质 |
| CN109685809B (zh) * | 2018-12-18 | 2020-11-17 | 清华大学 | 一种基于神经网络的肝包虫病灶分割方法及系统 |
| CN111369662A (zh) * | 2018-12-25 | 2020-07-03 | 罗园明 | Ct图像中血管的三维模型重建方法及系统 |
| CN109767468B (zh) * | 2019-01-16 | 2021-04-20 | 上海长征医院 | 脏器体积检测方法及装置 |
| CN110706236B (zh) * | 2019-09-03 | 2023-01-13 | 西人马大周(深圳)医疗科技有限公司 | 血管图像的三维重建方法及装置 |
| CN111325845A (zh) * | 2020-02-18 | 2020-06-23 | 中国人民解放军总医院第三医学中心 | 泪道ct图像的三维重建分析方法及装置 |
| CN111419399A (zh) * | 2020-03-17 | 2020-07-17 | 京东方科技集团股份有限公司 | 定位跟踪件、定位球的识别方法、存储介质及电子设备 |
| CN112037238A (zh) * | 2020-09-01 | 2020-12-04 | 北京推想科技有限公司 | 一种图像显示方法、装置、设备及介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101271574B (zh) * | 2008-03-20 | 2010-09-08 | 华南师范大学 | 三维可视化的方法、装置 |
| CN101425186B (zh) * | 2008-11-17 | 2012-03-28 | 华中科技大学 | 一种基于ct图像的肝脏分段方法及其系统 |
| KR101982149B1 (ko) * | 2011-09-05 | 2019-05-27 | 삼성전자주식회사 | 의료 영상의 일부 정보를 활용한 장기 영상 생성 방법 및 장치 |
-
2013
- 2013-12-26 CN CN201310732761.1A patent/CN103679810B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 基于VTK的医学图像网格化建模系统开发;高松 等;《北京生物医学工程》;20060630;第25卷(第3期);第244-247页 * |
| 基于工业计算机断层成像技术的三维CAD模型重构方法;段黎明 等;《计算机集成制造系统》;20090331;第15卷(第3期);第479-486页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103679810A (zh) | 2014-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103679810B (zh) | 肝部ct图像的三维重建方法 | |
| CN107808156B (zh) | 感兴趣区域提取方法 | |
| CN103810752B (zh) | 基于医学图像的肝脏分段方法及其肝脏分段系统 | |
| JP5814853B2 (ja) | 立体モデルデータ生成装置および方法並びにプログラム | |
| Teo et al. | Creating connected representations of cortical gray matter for functional MRI visualization | |
| CN103049907B (zh) | 交互式图像分割方法 | |
| US10991102B2 (en) | Image processing apparatus and image processing method | |
| CN108038862B (zh) | 一种交互式医学图像智能分割建模方法 | |
| EP2120208A1 (en) | Method and system for lesion segmentation | |
| CN101971213A (zh) | 图像中解剖结构分割与建模的方法及系统 | |
| US10275895B2 (en) | Mechanism for advanced structure generation and editing | |
| CN107895364B (zh) | 一种用于虚拟手术术前规划的三维重建系统 | |
| CN105139030A (zh) | 一种肝脏血管的分类方法 | |
| CN113409456B (zh) | 颅脑穿刺术前三维模型的建模方法、系统、装置、介质 | |
| WO2019152850A1 (en) | Segmentation of anatomic structures | |
| CN107103605A (zh) | 一种乳房组织的分割方法 | |
| CN109620404A (zh) | 基于医学图像的肾脏分段的方法及其系统 | |
| CN106408576A (zh) | 基于三维超声图像的感兴趣区域的自动分割方法及系统 | |
| WO2017028516A1 (zh) | 一种三维图像的校准方法、装置和系统 | |
| CN106447782B (zh) | 基于核磁共振图像的面部皮肤三维重建方法 | |
| CN106096322B (zh) | 肝肾医学图像数据协同处理系统 | |
| CN107730505A (zh) | 图像处理装置及图像处理方法 | |
| Zhao et al. | Research on 3D reconstruction algorithm of medical CT image based on parallel contour | |
| Alirr et al. | Automatic liver segmentation from ct scans using intensity analysis and level-set active contours | |
| CN113256754B (zh) | 一种分割后小面积肿瘤块的堆叠投影重建方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Jingjing Inventor after: Chen Yongjian Inventor after: Liu Rong Inventor before: Liu Jingjing Inventor before: Chen Yongjian |
|
| COR | Change of bibliographic data | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |