CN103886571A - 一种乳房三维图像的分割方法和装置 - Google Patents
一种乳房三维图像的分割方法和装置 Download PDFInfo
- Publication number
- CN103886571A CN103886571A CN201210453753.9A CN201210453753A CN103886571A CN 103886571 A CN103886571 A CN 103886571A CN 201210453753 A CN201210453753 A CN 201210453753A CN 103886571 A CN103886571 A CN 103886571A
- Authority
- CN
- China
- Prior art keywords
- breast
- dimensional image
- pixel
- ray
- view
- 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 Processing (AREA)
Abstract
一种乳房三维图像的分割方法和装置，所述乳房三维图像的分割方法包括：输入所述乳房三维图像，将所述乳房三维图像转换为二维图像；通过动态规划方法获取所述二维图像中的目标边界线，所述边界线为所述乳房的外表面经过转化后在所述二维图像中的位置；基于所述二维图像的边界线，重构所述乳房的分割结果。本方案结合乳房三维图像的灰度、梯度和形状特征，准确且有效地实现了全自动地三维分割。
Description
技术领域
本发明涉及图像分割领域，尤其涉及一种乳房三维图像的分割方法和装置。
背景技术
乳腺癌是中老年女性最常见的恶性肿瘤，发病率和死亡率正逐年上升，而乳腺癌的疗效更多地取决于病期，尤其在早期乳腺癌中导管原位癌的治愈率可达到95％以上，因此，对乳腺癌的早期检测与诊断可以有效地提高乳腺癌的治愈率。在临床中，磁共振图像已经被广泛地用于风险预测和乳腺癌早期诊断中，而计算机辅助诊断系统有助于提高放射科医师对三维磁共振图像阅片的准确性和效率。在基于三维磁共振图像的计算机辅助诊断系统中，乳房组织的分割是第一个重要且具有挑战性的工作。
在三维磁共振图像中，不同扫描断层以及相同扫描断层中灰度和梯度分布的多样性增加了乳房组织准确分割的难度。
针对三维磁共振图像中乳房组织的分割，手动和需用户辅助的半自动分割方法比较繁复、效率低、并且存在较大的观察者之间和观察者自身的差异。
目前在磁共振图像中全自动的乳房组织分割方法还比较少，其中由于三维磁共振图像中不同扫描断层以及相同扫描断层中灰度和梯度分布的多样性，以及某些图像具有较低的对比度，导致基于阈值的分割方法或者基于梯度检测的分割方法不足以准确地分割出乳房组织。而基于模型的分割方法需要大量的训练样本去训练模型以获得较为准确地分割结果，而这些精准训练样本的获取则是一项更艰巨和繁复的任务。
发明内容
本发明要解决的是现有乳房三维图像的分割方法中手动和需用户辅助的半自动分割方法比较繁复、效率低的问题。
为解决上述问题，本发明提供了一种乳房三维图像的分割方法，包括如下步骤：(1)输入所述乳房三维图像，将所述乳房三维图像转换为二维图像；(2)通过动态规划方法获取所述二维图像中的目标边界线，所述边界线为所述乳房的外表面经过转化后在所述二维图像中的位置；
(3)基于所述二维图像中的边界线，重构所述乳房的分割结果。
上述所述一种乳房三维图像的分割方法，其中，根据图像的灰度、梯度和形状特征建立所述步骤(2)中的动态规划方法中的局部能量方程。
上述所述一种乳房三维图像的分割方法，其中，根据图像梯度建立局部能量方程，其公式表示为：
C(i)=dis(i,i-1)/max(dis)-g(i)/max(g)，
其中，i表示阶段，所述阶段为所述二维图像的每一列，所述二维图像通过螺旋扫描方法和极坐标转换方法得到，所述二维图像的每一列为通过所述螺旋扫描方法顺序得到的射线，每一列上的像素点的灰度值为螺旋扫描方法顺序得到的射线在三维空间中经过的体素的灰度值；C(i)为第i阶段上点P(j)的局部能量；dis(i,i-1)表示所述点P(j)到第i-1阶段上点Q(k)在第i阶段上投影的距离；max(dis)表示所述二维图像中所有距离中的最大值；g(i)表示第i阶段上点P(j)的图像梯度；max(g)表示二维图像中所有点的图像梯度的最大值。
上述所述一种乳房三维图像的分割方法，其中，所述第i阶段上的图像梯度g(i)的优化过程如下：计算所述二维图像中的第i阶段上每个像素点的梯度；选择所述二维图像中第i阶段上梯度值不为0的像素点；根据所述梯度值不为0的像素点，确定候选像素点。
上述所述一种乳房三维图像的分割方法，其中，所述二维图像中的第i阶段上每个像素点的梯度通过其在垂直方向上的灰度中心差分方法得到。
上述所述一种乳房三维图像的分割方法，其中，所述选择所述二维图像中第i阶段上梯度值不为0的像素点包括：根据乳房的内部和外部特征，赋予图像中由亮灰度变化到暗灰度所产生的梯度值为0，则其余的像素点即为所述梯度值不为0的像素点。
上述所述一种乳房三维图像的分割方法，其中，所述确定候选像素点的过程包括：计算位于所述二维图像中的梯度值不为0的某个像素点在垂直向上方向的M个像素点的灰度平均值，所述灰度平均值小于预先设定的阈值，则所述二维图像中的梯度值不为0的像素点为保留像素点；根据所述保留像素点在所述二维图像中在垂直方向上的位置，确定一个位于乳房内部的半径参数r，去除在所述二维图像中距离底边小于r/4的保留像素点，则其余保留像素点为所述候选像素点。
上述所述一种乳房三维图像的分割方法，其中，所述像素点的个数M的取值范围为5-30。
上述一种乳房三维图像的分割方法，其中所述阈值的取值范围为5-25。
上述所述一种乳房三维图像的分割方法，其中，所述重构乳房的分割结果包括如下步骤：
(a1)基于所述二维图像中边界上的像素点在垂直方向上的位置，确定螺旋扫描射线相应的半径；
(a2)确定射线l0，所述射线l0由所述乳房三维图像中的任一体素和所述螺旋扫描的起始点确定，并确定所述乳房三维图像中的任一体素到所述螺旋扫描起始点的距离d；
(a3)获取与所述射线l0最近的螺旋扫描射线，所述最近的螺旋扫描射线的数目为N；
(a4)根据所述射线l0与所述最近的螺旋扫描射线的距离和所述最近的螺旋扫描射线的半径，加权平均计算出射线l0对应的半径；
(a5)比较所述射线l0对应的半径和所述距离d，确定所述乳房三维图像的各体素的位置。上述所述一种乳房三维图像的分割方法，其中，通过查找表方法获取最近的螺旋扫描射线。
上述所述一种乳房三维图像的分割方法，其中，所述的N为4。为解决上述问题，本发明提供了一种乳房三维图像的分割装置，其特征在于，包括：
转换单元，适于输入所述乳房三维图像，将所述乳房三维图像转换为二维图像；
确定边界单元，适于通过动态规划方法获取所述二维图像中的目标边界线，所述边界线为所述乳房的外表面经过转化后在所述二维图像中的位置；
重构单元，适于基于所述二维图像中的边界线，重构所述乳房的分割结果。
与现有的乳房分割方法相比，本发明通过结合乳房组织的三维灰度、梯度和形状特征准确和有效地实现了乳房的三维分割，该分割过程实现简单，完全自动。
附图说明
图1为本发明乳房三维图像的分割方法的流程示意图；
图2为图1所示步骤S1中所述的二维图像；
图3为图1所示的步骤S3的流程示意图；
图4为本发明乳房三维图像的分割装置的结构示意图；
图5为图4所述的重构单元的结构示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细地说明。本发明乳房三维图像的分割方法如图1所示，首先，执行步骤S1，输入所述乳房三维图像，将所述乳房三维图像转换为二维图像。具体地，通过螺旋扫描方法和极坐标方法将乳房三维图像转换为二维图像（如图2所示），该过程具体参见Jiahui W.,Roger E.,and Qiang L.,“Segmentation of pulmonary nodules in three-dimensional CT images by use of a spiral-scanning technique,”Med.Phys.34(12),4678-4689(2007)。乳房三维图像通过螺旋扫描方法按照一定顺序获得一定数目的螺旋扫描射线，在本实施例中，螺旋扫描射线的数目为2037条。在二维图像中X轴表示了这些螺旋扫描射线的序号，在本实施例中，该序号为1到2037。螺旋扫描的起始点为除了乳房的外表面之外，乳房组织内部的任意一点，优选的，螺旋扫描的起始点位于乳房组织的中心点附近，距离螺旋扫描中心的最大距离表示距离螺旋扫描起始点最远的像素即可到达乳房的外表面，在本实施例中，距离螺旋扫描的中心点的最大距离为120个像素。通过螺旋扫描方法得到的每一条螺旋扫描射线，每一条螺旋扫描射线通过极坐标方法转换到二维图像中就是二维图像中的每一列，而每一列上的点表示每一条螺旋扫描射线在三维空间中经过的点。
接着执行步骤S2，通过动态规划方法获取所述二维图像中的目标边界线，所述边界线为所述乳房的外表面经过转化后在二维图像中位置。在动态规划中，二维图像的每一列（螺旋扫法获得的每一条螺旋扫描射线）被认为是阶段，二维图像每一列上的点被认为是阶段上的候选点，从第一阶段到最后阶段（二维图像的第一列到最后一列）具有最小累积局部能量的路径被认为是最优路径，即目标边界线。因此，需要建立二维图像每一列上的点的局部能量方程，该局部能量方程可以根据乳房三维图像的灰度、梯度或形状特征来建立，可以有多种表示方式。局部能量由内部能量和外部能量共同决定，其中内部能量决定了最优路径（目标边界线）的平滑性，外部能量决定了最优路径位于梯度大的位置。根据局部能量方程进行动态规划，从而找到目标边界线，确定乳房组织的外表面在二维图像中的位置。
根据上述所描述，需要确定二维图像每一列上的点的局部能量，在本实施例中，第i阶段（二维图像的第i列）上的点P(j)的局部能量方程为：
C(i)=dis(i,i-1)/max(dis)-g(i)/max(g)
其中，i表示阶段，所述阶段为所述二维图像的每一列，所述二维图像通过螺旋扫描方法和极坐标转换方法得到，所述二维图像的每一列为通过所述螺旋扫描方法顺序得到的射线，每一列上的像素点的灰度值为螺旋扫描方法顺序得到的射线在三维空间中经过的体素的灰度值；C(i)为第i阶段上点P(j)的局部能量；dis(i,i-1)表示所述点P(j)到第i-1阶段上点Q(k)在第i阶段上投影的距离；max(dis)表示所述二维图像中所有距离中的最大值（即二维图像的高度）；g(i)表示第i阶段上点P(j)的图像梯度；max(g)表示二维图像中所有点的图像梯度的最大值。dis(i,i-1)/max(dis)表示内部能量，g(i)/max(g)表示外部能量。
在动态规划过程中，一种改进的梯度方法被应用于提高动态规划结果的准确性，即优化上述局部能量方程中的g(i)，优化过程如下：计算所述二维图像中的第i阶段上每个像素点的梯度；选择所述二维图像中第i阶段上梯度值不为0的像素点；根据所述梯度值不为0的像素点，确定候选像素点。具体地，首先采用灰度中心差分方法计算二维图像的每个阶段上的像素点相应的梯度值，再根据乳房组织内部像素亮度较亮而乳房组织外部像素亮度较暗的特征，赋值由亮灰度变化到暗灰度所产生的梯度值为0；接着，对于那些梯度图像中梯度值不为0的像素点（梯度图像指的是由二维图像中所有像素点的梯度值所组成的图像），在二维图像中计算位于这些像素点在垂直向上方向的M（5-30）个像素点的灰度平均值，如果灰度平均值小于预先设定的阈值（5-25），则该像素点应该位于目标边界线附近，该像素点被保留在梯度图像上，反之，该像素点被删除；然而，这些像素点中可能还有是位于乳房组织内部离目标边界线比较远的像素点，因此，最后，根据经过上述过程后仍然在梯度图像中被保留的像素点在垂直方向上的位置（纵坐标值），估算一个位于乳房组织内部的半径参数r，在梯度图像中距离底边小于r/4位置的所有像素点被删除。依据以上步骤获得的梯度图像被用于动态规划过程中，即g(i)。每一阶段上的候选点经过上述过程进行删除后，被保留的像素点是所述候选像素点，即位于目标边界线附近的点。在本实施例中，M的值为20，而预先设定的阈值为10。
进一步地，从局部能量方程中可以知道，要使第i阶段上点P(j)的局部能量C(i)最小，则dis(i,i-1)越小越好，而g(i)要越大越好。对于第i阶段上的点P(j)，要计算点P(j)到上一个阶段即第i-1阶段上所有的点在第i阶段上投影的距离（纵坐标差值），选取距离比较小的点，如果距离比较大，则最终的目标边界线波动比较大，不光滑。
再接着执行步骤S3，基于所述二维图像的边界线，重构所述乳房的分割结果。为了提高三维重构过程的执行效率，可以采用查找表法、三维表面网格重构及内部填充等。在本实施例中，采用查找表方法来提高三维重构过程的执行效率，请参考图3，步骤S3可以进一步包括：
步骤S301，基于所述二维图像中边界上的像素点的在垂直方向上的位置（纵坐标值），确定螺旋扫描射线相应的半径。具体地，在二维转换图像中，目标边界线是乳房组织的外表面在二维转换图像中的位置，位于目标边界线下面的点被认为是位于乳房组织内部的点，因此，目标边界线上的点在每一个阶段的位置确定了螺旋扫描方法中每条射线位于乳房组织内部的半径。
步骤S302，确定射线l0，所述射线l0由所述乳房三维图像中的任一体素和所述螺旋扫描的起始点确定，并确定所述乳房三维图像中的任一体素到所述螺旋扫描起始点的距离d。在三维重构过程中，三维空间中的每个体素，即乳房三维图像中的每个体素，与螺旋扫描起始点共同确定了一条射线l0，螺旋扫描起始点是一个固定的点。因此也可以确定乳房三维图像中任一体素到螺旋扫描起始点之间的距离d。
步骤S303，获取与所述射线l0最近的螺旋扫描射线，所述最近的螺旋扫描射线的数目为N。在本实施例中，通过查找表方法来获取离射线l0最近的4条螺旋扫描射线，查找表法的建立过程为：
为了提高三维分割结果重构的效率，一组查找表先于重构过程被建立。在查找表中，水平方向表示了三维空间极坐标表示下的方位角，范围从2度到360度，增长步长为2度；而垂直方向表示了三维空间极坐标表示下的倾斜角，范围从2度到180度，增长步长也为2度。查找表的每个表单元表示了一个三维空间中的体素，该体素的极坐标参数分别为对应的方位角、倾斜角和长度半径，在本实施例中，此长度半径为100；而表单元中记录的内容为相应体素距离螺旋扫描中射线的距离及相应的序号。第i张查找表记录了相应体素距离螺旋扫描线中射线距离第i近的射线序号及相应距离。由此，重构过程即转化为依据需重构的体素在三维空间极坐标下的方位角和倾斜角在查找表中查找其相应位置，并直接得到射线序号及相应距离。体素距离螺旋扫描中射线的距离为该体素与射线上在三维极坐标空间中具有相同极坐标半径的体素之间的距离。
步骤S304，根据所述射线l0与所述最近的螺旋扫描射线的距离和所述最近的螺旋扫描射线的半径，加权平均计算出射线l0对应的半径。射线l0与螺旋扫描射线之间的距离为步骤S303中查找表中所记录的相应距离。
步骤S305，比较所述射线l0对应的半径和所述距离d，确定所述乳房三维图像的各体素的位置。比较步骤S304所确定的射线l0的半径和步骤S302所确定的乳房三维图像中该体素与螺旋扫描起始点之间的距离d之间的大小，如果射线l0的半径小于距离d，则表明乳房三维图像中该像素点位于乳房组织内部，反之，位于乳房组织外部。
经过以上方法，可以重构出乳房三维图像，进而得到分割结果。可以看出，本方法实现了乳房三维图像的完全自动分割。而且本方法不仅适用于乳房三维图像的分割，还适用于其它三维医学影像中目标物体的全自动三维分割，如肿块分割。
对应于上述乳房三维图像的分割方法，本发明实施例还提供一种乳房三维图像的分割装置，如图4所示，包括转换单元1、确定边界单元2和重构单元3。
所述转换单元1适于输入所述乳房三维图像，将所述乳房三维图像转换为二维图像。具体地，在本实施例中，转换单元1适于通过螺旋扫描方法和极坐标转换方法将所述乳房三维图像转换为二维图像，并确定螺旋扫描的射线数目和距离螺旋扫描起始点的最大距离。
所述确定边界单元2适于通过动态规划方法获取所述二维图像中的目标边界线，所述边界线为所述乳房的外表面经过转化后在所述二维图像中的位置。所述确定边界单元还包括动态规划单元，适于根据乳房三维图像的灰度、梯度或形状来建立动态规划方法中的局部能量方程，所述局部能量方程由内部能量和外部能量共同决定，其中内部能量决定了目标边界线的平滑性，而外部能量决定了目标边界线位于梯度大的位置。进一步地，动态规划单元还包括了优化单元，适于优化所述第i阶段上的图像梯度g(i)，所述优化单元包括计算单元，选择单元和确定候选点单元。计算单元适于计算所述二维图像中的第i阶段上每个像素点的梯度；选择单元适于选择所述二维转换图像中第i阶段上梯度值不为0的像素点；确定候选点单元，适于根据所述梯度值不为0的像素点，确定候选像素点。
所述重构单元3适于基于所述二维图像的边界线，重构所述乳房的分割结果。
在一个具体实施例中，请参考图5，所述重构单元3包括：
确定半径单元301，适于基于所述二维图像中边界上的像素点的在垂直方向上的位置（纵坐标值），确定螺旋扫描射线相应的半径。在所述二维图像中，位于目标边界线下面的点被认为是乳房组织的内部，则目标边界线在二维图像每一列的位置确定了螺旋扫描方法中每条射线位于乳房组织内部的半径。
确定射线单元302，适于确定射线l0，所述射线l0由所述乳房三维图像中的任一体素和所述螺旋扫描的起始点确定，并确定所述乳房三维图像中的任一体素到所述螺旋扫描起始点的距离d。
获取单元303，适于获取与所述射线l0最近的螺旋扫描射线，所述最近的螺旋扫描射线的数目为N。通过查找表方法获取N（4条）最近的螺旋扫描射线。
计算单元304，适于根据所述射线l0与所述最近的螺旋扫描射线的距离和所述最近的螺旋扫描射线的半径，加权平均计算出射线l0对应的半径。
比较单元305，适于比较所述射线l0对应的半径和所述距离d，确定所述乳房三维图像的各体素的位置。所述射线l0对应的半径小于所述乳房三维图像中的该体素和所述螺旋扫描起始点的距离d，则该体素位于乳房组织内部。
上述图像分割装置中各单元的配合及工作过程可以参考上述图像分割方法的说明，在此不再赘述。
本发明虽然已较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是不脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (23)
1.一种乳房三维图像的分割方法，其特征在于，包括如下步骤：
(1)输入所述乳房三维图像，将所述乳房三维图像转换为二维图像；
(2)通过动态规划方法获取所述二维图像中的目标边界线，所述边界线为所述乳房的外表面经过转化后在所述二维图像中的位置；
(3)基于所述二维图像中的边界线，重构所述乳房的分割结果。
2.如权利要求1所述一种乳房三维图像的分割方法，其特征在于，根据图像的灰度、梯度和形状特征建立所述步骤(2)中的动态规划方法中的局部能量方程。
3.如权利要求2所述一种乳房三维图像的分割方法，其特征在于，所述局部能量方程的公式表示为：
C(i)=dis(i,i-1)/max(dis)-g(i)/max(g)，
其中，i表示阶段，所述阶段为所述二维图像的每一列，所述二维图像通过螺旋扫描方法和极坐标转换方法得到，所述二维图像的每一列为通过所述螺旋扫描方法顺序得到的射线，每一列上的像素点的灰度值为螺旋扫描方法顺序得到的射线在三维空间中经过的体素的灰度值；C(i)为第i阶段上点P(j)的局部能量；dis(i,i-1)表示所述点P(j)到第i-1阶段上点Q(k)在第i阶段上投影的距离；max(dis)表示所述二维图像中所有距离中的最大值；g(i)表示第i阶段上点P(j)的图像梯度；max(g)表示二维图像中所有点的图像梯度的最大值。
4.如权利要求3所述一种乳房三维图像的分割方法，其特征在于，所述第i阶段上的图像梯度g(i)的优化过程如下：
计算所述二维图像中的第i阶段上每个像素点的梯度；
选择所述二维图像中第i阶段上梯度值不为0的像素点；
根据所述梯度值不为0的像素点，确定候选像素点。
5.如权利要求4所述一种乳房三维图像的分割方法，其特征在于，所述二维图像中的第i阶段上每个像素点的梯度通过其在垂直方向上的灰度中心差分方法得到。
6.如权利要求4所述一种乳房三维图像的分割方法，其特征在于，所述选择所述二维图像中第i阶段上梯度值不为0的像素点包括：根据乳房的内部和外部特征，赋予图像中由亮灰度变化到暗灰度所产生的梯度值为0，则其余的像素点即为所述梯度值不为0的像素点。
7.如权利要求4所述一种乳房三维图像的分割方法，其特征在于，所述确定候选像素点过程包括：
(a)计算位于所述二维图像中梯度值不为0的某个像素点在垂直向上方向的M个像素点的灰度平均值，所述灰度平均值小于预先设定的阈值，则所述二维图像中的梯度值不为0的像素点为保留像素点；
(b)根据所述保留像素点在所述二维图像中在垂直方向上的位置，确定一个位于乳房内部的半径参数r，去除在所述二维图像中距离底边小于r/4的保留像素点，则其余保留像素点为所述候选像素点。
8.如权利要求7所述一种乳房三维图像的分割方法，其特征在于，所述像素点的个数M的取值范围为5-30。
9.如权利要求7所述一种乳房三维图像的分割方法，其特征在于，所述阈值的取值范围为5-25。
10.如权利要求1所述一种乳房三维图像的分割方法，其特征在于，所述重构乳房的分割结果包括如下步骤：
(a1)基于所述二维图像中边界上的像素点在垂直方向上的位置，确定螺旋扫描射线相应的半径；
(a2)确定射线l0，所述射线l0由所述乳房三维图像中的任一体素和所述螺旋扫描的起始点确定，并确定所述乳房三维图像中的任一体素到所述螺旋扫描起始点的距离d；
(a3)获取与所述射线l0最近的螺旋扫描射线，所述最近的螺旋扫描射线的数目为N；
(a4)根据所述射线l0与所述最近的螺旋扫描射线的距离和所述最近的螺旋扫描射线的半径，加权平均计算出射线l0对应的半径；
(a5)比较所述射线l0对应的半径和所述距离d，确定所述乳房三维图像的各体素的位置。
11.如权利要求10所述一种乳房三维图像的分割方法，其特征在于，所述步骤(a3)中通过查找表方法获取最近的螺旋扫描射线。
12.如权利要求10所述一种乳房三维图像的分割方法，其特征在于，所述步骤(a3)中的N为4。
13.如权利要求10所述一种乳房三维图像的分割方法，其特征在于，所述螺旋扫描的起始点为除了所述三维组织外表面之外的任意一点。
14.一种乳房三维图像的分割装置，其特征在于，包括：
转换单元，适于输入所述乳房三维图像，将所述乳房三维图像转换为二维图像；
确定边界单元，适于通过动态规划方法获取所述二维图像中的目标边界线，所述边界线为所述乳房的外表面经过转化后在所述二维图像中的位置；
重构单元，适于基于所述二维图像中的边界线，重构所述乳房的分割结果。
15.如权利要求14所述一种乳房三维图像的分割装置，其特征在于，所述确定边界单元还包括动态规划单元，适于根据图像的灰度、梯度和形状特征建立所述确定边界单元中的局部能量方程，所述能量方程公式表示为：C(i)=dis(i,i-1)/max(dis)-g(i)/max(g)，
其中，i表示阶段，所述阶段为所述二维图像的每一列，所述二维图像通过螺旋扫描方法和极坐标转换方法得到，所述二维图像的每一列为通过所述螺旋扫描方法顺序得到的射线，每一列上的像素点的灰度值为螺旋扫描方法顺序得到的射线在三维空间中经过的体素的灰度值；C(i)为第i阶段上点P(j)的局部能量；dis(i,i-1)表示所述点P(j)到第i-1阶段上点Q(k)在第i阶段上投影的距离；max(dis)表示所述二维图像中所有距离中的最大值；g(i)表示第i阶段上点P(j)的图像梯度；max(g)表示二维图像中所有点的图像梯度的最大值。
16.如权利要求15所述一种乳房三维图像的分割装置，其特征在于，所述动态规划单元还包括优化单元，适于优化所述第i阶段上的图像梯度g(i)，所述优化单元包括：
计算单元，适于计算所述二维图像中的第i阶段上每个像素点的梯度，所述梯度通过其在垂直方向上的灰度中心差分方法得到；
选择单元，适于选择所述二维图像中第i阶段上梯度值不为0的像素点；
确定候选点单元，适于根据所述梯度值不为0的像素点，确定候选像素点。
17.如权利要求16所述一种乳房三维图像的分割装置，其特征在于，所述选择单元适于根据乳房的内部和外部特征，赋予图像中由亮灰度变化到暗灰度所产生的梯度值为0，则其余的像素点即为所述梯度值不为0的像素点。
18.如权利要求16所述一种乳房三维图像的分割装置，其特征在于，所述确定候选点单元包括：
计算单元，适于计算位于所述二维图像中梯度值不为0的某个像素点在垂直向上方向的M个像素点的灰度平均值，所述灰度平均值小于预先设定的阈值，则所述二维图像中的梯度值不为0的像素点为保留像素点；
确定单元，适于根据所述保留像素点在所述二维图像中在垂直方向上的位置，确定一个位于乳房内部的半径参数r，并去除在所述二维图像中距离底边小于r/4的保留像素点，则其余保留像素点为所述候选像素点。
19.如权利要求18所述一种乳房三维图像的分割装置，其特征在于，所述像素点的个数M的取值范围为5-30。
20.如权利要求18所述一种乳房三维图像的分割装置，其特征在于，所述阈值的取值范围为5-25。
21.如权利要求14所述一种乳房三维图像的分割装置，其特征在于，所述重构单元包括：
确定半径单元，适于基于所述二维图像中边界上的像素点在垂直方向上的位置，确定螺旋扫描射线相应的半径；
确定射线单元，适于确定射线l0，所述射线l0由所述乳房三维图像中的任一体素和所述螺旋扫描的起始点确定，并确定所述乳房三维图像中的任一体素到所述螺旋扫描起始点的距离d；
获取单元，适于获取与所述射线l0最近的螺旋扫描射线，所述最近的螺旋扫描射线的数目为N；计算单元，适于根据所述射线l0与所述最近的螺旋扫描射线的距离和所述最近的螺旋扫描射线的半径，加权平均计算出射线l0对应的半径；
比较单元，适于比较所述射线l0对应的半径和所述距离d，确定所述乳房三维图像的各体素的位置。
22.如权利要求21所述的一种乳房三维图像的分割装置，其特征在于，所述获取单元还包括查找表单元，适于获取最近的螺旋扫描射线。
23.如权利要求21所述的一种乳房三维图像的分割装置，其特征在于，所述获取单元中的N为4。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210453753.9A CN103886571B (zh) | 2012-11-13 | 2012-11-13 | 一种乳房三维图像的分割方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210453753.9A CN103886571B (zh) | 2012-11-13 | 2012-11-13 | 一种乳房三维图像的分割方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103886571A true CN103886571A (zh) | 2014-06-25 |
| CN103886571B CN103886571B (zh) | 2016-03-02 |
Family
ID=50955445
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210453753.9A Active CN103886571B (zh) | 2012-11-13 | 2012-11-13 | 一种乳房三维图像的分割方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103886571B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473297A (zh) * | 2019-08-20 | 2019-11-19 | 上海联影医疗科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
| CN110490857A (zh) * | 2019-08-20 | 2019-11-22 | 上海联影医疗科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
| CN114332087A (zh) * | 2022-03-15 | 2022-04-12 | 杭州电子科技大学 | Octa图像的三维皮层表面分割方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334895A (zh) * | 2008-08-07 | 2008-12-31 | 清华大学 | 一种针对动态增强乳腺磁共振影像序列的影像分割方法 |
| CN101419712A (zh) * | 2008-12-02 | 2009-04-29 | 深圳市蓝韵实业有限公司 | 一种确定乳腺外边缘轮廓的方法 |
| US20100226551A1 (en) * | 2006-12-21 | 2010-09-09 | Chao Shi | Mass segmentation using mirror image of region of interest |
| CN102056548A (zh) * | 2008-06-13 | 2011-05-11 | 佳能株式会社 | 超声波装置及其控制方法 |
| CN102549618A (zh) * | 2009-08-03 | 2012-07-04 | 马塔基纳科技有限公司 | 用于从图像分析组织的方法和系统 |
-
2012
- 2012-11-13 CN CN201210453753.9A patent/CN103886571B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100226551A1 (en) * | 2006-12-21 | 2010-09-09 | Chao Shi | Mass segmentation using mirror image of region of interest |
| CN102056548A (zh) * | 2008-06-13 | 2011-05-11 | 佳能株式会社 | 超声波装置及其控制方法 |
| CN101334895A (zh) * | 2008-08-07 | 2008-12-31 | 清华大学 | 一种针对动态增强乳腺磁共振影像序列的影像分割方法 |
| CN101419712A (zh) * | 2008-12-02 | 2009-04-29 | 深圳市蓝韵实业有限公司 | 一种确定乳腺外边缘轮廓的方法 |
| CN102549618A (zh) * | 2009-08-03 | 2012-07-04 | 马塔基纳科技有限公司 | 用于从图像分析组织的方法和系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110473297A (zh) * | 2019-08-20 | 2019-11-19 | 上海联影医疗科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
| CN110490857A (zh) * | 2019-08-20 | 2019-11-22 | 上海联影医疗科技有限公司 | 图像处理方法、装置、电子设备和存储介质 |
| CN110473297B (zh) * | 2019-08-20 | 2022-03-29 | 上海联影医疗科技股份有限公司 | 图像处理方法、装置、电子设备和存储介质 |
| CN114332087A (zh) * | 2022-03-15 | 2022-04-12 | 杭州电子科技大学 | Octa图像的三维皮层表面分割方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103886571B (zh) | 2016-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109923582B (zh) | 使用卷积神经网络进行图像分割的系统和方法 | |
| AU2017315674B2 (en) | Image segmentation using neural network method | |
| CN104424629B (zh) | 一种x光胸片肺部分割方法和装置 | |
| CN109003267B (zh) | 从3d图像自动检测目标对象的计算机实现方法和系统 | |
| CN109410188B (zh) | 用于对医学图像进行分割的系统和方法 | |
| CN105389811B (zh) | 一种基于多级阈值分割的多模态医学图像处理方法 | |
| US8995790B2 (en) | Image processing method in microscopy | |
| JP2017532092A (ja) | 解剖学的ランドマークベースの特徴に基づいた医用画像をセグメント化するためのシステム及び方法 | |
| CN107680107B (zh) | 一种基于多图谱的扩散张量磁共振图像的自动分割方法 | |
| CN110363802B (zh) | 基于自动分割和骨盆对齐的前列腺图像配准系统及方法 | |
| CN104021547A (zh) | 肺部 ct 的三维配准方法 | |
| EP2929510A1 (en) | Image fusion with automated compensation for brain deformation | |
| CN110348467B (zh) | 用于识别图像中的对象的方法、装置以及计算机可读介质 | |
| CN103886571B (zh) | 一种乳房三维图像的分割方法和装置 | |
| CN111667486B (zh) | 一种基于深度学习的多模态融合胰腺分割方法和系统 | |
| CN103927732B (zh) | 一种胸壁线的检测方法 | |
| CN106716491A (zh) | 具有多个色彩标度的图像色彩校准 | |
| JP2019058073A (ja) | 画像処理装置、細胞認識装置、細胞認識方法および細胞認識プログラム | |
| CN105678750A (zh) | 医学图像的灰度映射曲线生成方法及装置 | |
| US20230091506A1 (en) | Systems and Methods for Analyzing Two-Dimensional and Three-Dimensional Image Data | |
| CN1305008C (zh) | 弥散张量核磁成像脑缺血病灶区的自动分割方法 | |
| CN104915989A (zh) | 基于ct影像的血管三维分割方法 | |
| CN101295406A (zh) | 一种最大密度投影图像数据后处理方法 | |
| CN107563992B (zh) | 一种乳房皮肤线的检测方法和装置 | |
| US11295451B2 (en) | Robust pulmonary lobe segmentation |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 201807 2258 Chengbei Road, Jiading District, Shanghai Patentee after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201815 No. 1180 Xingxian Road, Jiading Industrial Zone, Jiading District, Shanghai Patentee before: Shanghai Lianying Medical Technology Co.,Ltd. |