CN103886621B - 一种自动提取床板的方法 - Google Patents

Abstract

本发明公开了一种自动提取床板的方法。所述自动提取床板的方法包括以下步骤：a）提供重建后的CT数据，采样得到CT图像，对所述CT图像中的CT值进行连通域计算，得到至少一个连通域；b）取出一个待处理的连通域，计算连通域的像素点数，在像素点数范围内进行连通域的床板形状特征检测；c）重复步骤b），直至床板形状特征检测完毕；d）对所述床板形状特征检测后的连通域进行三维区域生长，提取所述床板。本发明提供的自动提取床板的方法运行时间短，准确性高，可以提取各种形状的床板，适用于各种CT图像数据。

Description

一种自动提取床板的方法

技术领域

本发明涉及一种医学图像处理方法，尤其涉及一种自动提取床板的方法。

背景技术

在CT成像技术中，床板经常存在于重建的图像中，并且床板的密度与人体部分组织相似，例如注射造影剂的血管和骨头等人体组织，然而床板不仅没有携带可用的信息，还在处理数据时会增加计算量，甚至在一些3D体绘制、最大密度投影（MIP）等应用中，遮挡有效的解剖信息，影响成像结果的准确性。因此，需要对CT图像进行自动提取床板的处理。

现有技术中，床板的提取方法主要通过各种算法实现。“A Fully Automatic Bed/Linen Segmentation for Fused PET/CT MIP Rendering”（ The Journal of NuclearMedicine, Vol. 49）中提出一种模板法来提取床板，该方法首先将单独的床板用CT扫描一遍作为模板，再利用该模板去除CT图像中的床板，但是该法可能会去除手指与耳朵等部位，可能无法去除部分床板，也会出现过分割的情况，导致误提或漏提的结果。“A preliminarystudy on the knowledge-based delineation of anatomical structures for whole

body PET-CT Studies”( the 5th International Conference on InformationTechnology and Application in Biomedicine, Shenzhen, China, May 30-31, 2008)提出了一种提取人体轮廓的方法，该方法首先通过PET图像设定标准摄取值（SUV，standard uptake value）来获得人体的轮廓，然后通过CT图像获取人体，间接去除CT图像的床板，但是该法只适用于PET-CT图像。“Automated Segmentation of Soft tissue inabdominal CT scans” 提出了中值滤波的方法，该方法利用中值滤波法去除线状结构，但床板并不是只有线状结构，如图1腿部CT图像示意图中的床板为非线状结构，无法运用中值滤波法提取床板。此外，现有技术中还通过在CT数据重建时去除床板，该方法不能保证每套CT数据都能有效去除床板，例如有些床板包括头托和床身两部分，两部分的接合处易导致提取的床板不明显或床板断开。还有采用以一定阈值以上的点为种子点进行区域生长，将人体图像提取出来，间接去除床板，但是此法较耗时。

为了解决上述问题，本发明提出了一种自动提取床板的方法，对于各种不同的CT图像都适用，而且运行时间短，准确性高，适用于各种形状的床板，不会产生误提和漏提的情况。

发明内容

本发明所要解决的技术问题是提供一种自动提取床板的方法。

本发明为解决上述技术问题而采用的技术方案是提供一种自动提取床板的办法，包括以下步骤：

a)提供重建后的CT数据，采样得到CT图像，对所述CT图像中的CT值进行连通域计算，得到至少一个连通域；

b)取出一个待处理的连通域，计算所述连通域的像素点数，在像素点数的范围内对所述连通域进行床板形状特征检测；

c)重复步骤b）直至在像素点数的范围内所述床板形状特征检测完毕；

d)对所述床板形状特征检测后的连通域进行三维区域生长，提取所述床板。

进一步地，所述步骤a)中的CT值的取值范围为大于-300。

进一步地，所述步骤b)中所述床板形状特征检测的方法为计算所述连通域的长短径的比、计算所述连通域的像素点数与连通域的外接矩形的像素点数的比、计算所述连通域在坐标系X一定时Y轴方向上的梯度、计算所述连通域的双阈值变化后的边缘复杂性和/或计算所述连通域的熵。

进一步地，所述连通域的长短径的比大于3，所述连通域的像素点数与连通域的外接矩形的像素点数的比小于0.3。

进一步地，所述连通域的像素点数的范围为占每层图像中总像素点数比的1/1200～1/25。

进一步地，所述步骤d）中:

若所述三维区域未生长至图像中心区域，则提取床板；

若所述三维区域生长至图像中心区域，则不提取床板；

所述图像中心区域为所述图像中心区域在坐标系X轴方向上和Y

轴方向上所占的像素点数为每层CT图像中总像素点数的1/10，并且所述图像中心区域的中心点与所述CT图像的中心点重合。

与现有技术相比，本发明的技术方案有如下优点：

1)运行时间快，应用广泛，本发明的技术方案适用于各种CT图像的床板提取，包括PET/CT图像。

2)准确性高。本发明首先通过不同算法对床板进行形状特征检测，再基于所述床板形状特征检测后的连通域进行三维区域生长用以排除床板形状特征检测中出现漏提或误提的情况，使得提取的床板结果更为客观和准确。

3)适用于各种形状的床板。本发明在可选方案中应用不同算法进行床板形状特征检测，对各种特殊形状的床板，如细长型，圆弧型床板都能够准确地提取出来，避免产生误提或漏题现象。

附图说明

图1为非线状结构床板的腿部CT图像示意图；

图2为本发明自动提取床板方法的第一实施例流程示意图；

图3为本发明自动提取床板方法的第二实施例流程示意图；

图4为具有细长型床板的CT图像示意图；

图5为具有圆弧型床板的CT图像示意图；

图6为本发明自动提取床板的第二实施例的结果示意图。

具体实施例

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。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。

为了解决背景技术中的技术问题，本发明提供了一种自动提取床板的方法。下面结合附图和实施例对本发明进行进一步的阐述。

第一实施例

图2为本发明自动提取床板方法的第一实施例的流程示意图。请参阅图2，本实施例包括以下步骤：

执行步骤S11，提供重建后的CT数据，采样得到CT图像，对所述CT图像中的CT值进行连通域计算，得到至少一个连通域。具体地，CT值的取值范围大于-300，在此CT值范围内可以去除背景，棉被、空气等数据，防止人体与床板发生黏连，避免误提、漏提情况的发生，提高了床板提取方法的准确性。

执行步骤S12，取出一个待处理的连通域，计算所述连通域的像素点数。具体地，所述连通域的像素点数范围为占每层CT图像中总像素点数比的1/1200～1/25。如对于512×512的CT图像，点数范围为200～1000，所述像素点数范围的下限是防止细小血管对床板提取的影响，上限是为了减小计算数据量，提高床板提取方法的运行时间和准确性。需要说明的是，对于其他尺寸图片，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。

在像素点数范围内对所述连通域进行床板形状特征检测。具体地床板形状特征检测的方法为计算所述连通域的长短径的比、计算所述连通域的像素点数与连通域的外接矩形的像素点数的比、计算所述连通域在坐标系X一定时Y轴方向上的梯度、计算所述连通域的双阈值变化后的边缘复杂性和/或计算所述连通域的熵。本领域的技术人员可以理解，上述任一种方法或方法的组合皆可应用于本发明，本发明对此不作具体限定。

执行步骤S13，判断是否对像素点数范围内的所有连通域执行床板形状特征检测，若未完成，重复步骤S12的操作，直至床板形状特征检测完毕。

执行步骤14，对所述床板形状检测后的连通域进行三维区域生长，提取所述床板。具体地，若所述三维区域未生长至图像中心区域，则提取床板；若所述三维区域生长至图像中心区域，则不提取床板。在本发明中，图像中心区域是指所述图像中心在坐标系X轴方向上和Y轴方向上所占的点数为每层CT图像中总点数的1/10，并且所述图像中心区域的中心点与CT图像的中心点重合。如512×512的CT图像中，中心区域是以坐标（256,256）为所述中心点，50×50像素点数范围的区域。需要说明的是，对于其他尺寸图片，在不脱离本发明的精神和范围内，当可作些许的修改和完善。

在床板形状检测中，一些胸部数据，如肺中的血管也符合床板形状特征检测的算法，造成假床板的提取，为了排除这种情况，需要通过三维区域的生长进行判定。本领域的技术人员可以理解，一副图像的中心为人体，当连通域生长到图像中心，可以判定该连通域不是床板，如人体血管的长短径的比，像素点数与连通域的外接矩形的像素点数的比都符合床板形状特征检测，但是血管最终是与人体相连的，所以通过三维区域生长的方法，可以排除假床板的提取。

本实施例通过CT图像中各连通域的床板形状特征检测和三维区域生长，可以更快、更准确的提取各种形状床板，并且适用于各种CT图像。

第二实施例

图3为本发明自动提取床板方法的第二实施例流程示意图。与前一实施例不同的是，本实施例具体示出了连通域的长短径的比和连通域的像素点数与连通域的外接矩形像素点数的比的形状特征检测方法，针对不同形状的床板，提高了床板提取的准确性。请参阅图3，本实施例包括以下步骤：

执行步骤S21，提取重建后的CT图像。具体地，提取多幅CT图像，用以防止某些CT图像中出现无床板或床板不明显的情况。例如某些床板包含头托和床身两个部分，两部分连接处极易造成床板不明显或断层的情况。本实施例中提取两幅重建后的CT图像，分别位于人体数据高度方向上的1/3 和2/3 处。本领域的技术人员可以理解，可以根据不同形状的床板在人体数据高度方向上的不同位置处的提取CT图像，本发明对此不做具体限定。

执行步骤S22，在CT值大于-300的范围内计算连通域，得到至少一个连通域。

执行步骤S23，提取像素点数在一定范围内的连通域。具体实施方式已在前一实施例中详细说明，在此不作赘述。

执行步骤S24，取出一个待处理的连通域计算所述连通域的长短径的比或计算所述连通域的像素点数与连通域的外接矩形的像素点数的比，对所述连通域进行床板特征检测。具体地，在所述连通域的长短径的比大于3或所述连通域的像素点数与外接矩形的像素点数的比小于0.3的阈值范围内进行形状特征检测，本技术领域技术人员可以理解，床板分为细长型床板和圆弧型床板，如图4具有细长型床板的CT图像示意图，图5为具有圆弧型床板的CT图像示意图所示，所述连通域的长短径的比适用于细长型床板，所述连通域的像素点数与连通域的外接矩形的像素点数的比适用于圆弧型床板，所述外接矩形的像素点数为该连通域的最小外接矩形的面积所包含的像素点数。通过这两个条件，就可以排除诸如人的大腿等长短径比较小，且面积比大的人体组织，避免假床板的提取。

执行步骤25，对所述床板形状检测后的连通域进行三维区域生长。具体实施方式已在前一实施例中详细说明，在此不作赘述。

执行步骤26，判定所述床板形状检测后的连通域进行三维区域生长时，是否生长至图像中心区域。具体实施方式已在前一实施例中详细说明，在此不作赘述。

执行步骤27，处理完成所有连通域，提取所述床板，获得如图6自动提取床板的第二实施例的结果示意图所示为提取的各种形状床板，本技术方案首先通过不同算法对床板进行形状特征检测，防止与床板形状近似的人体组织的误提取，再基于所述床板形状特征检测后的连通域进行三维区域生长，判断三维区域生长是否长至图像中心区域，用以排除床板形状特征检测中出现漏提或误提的的情况，使得提取的床板结果更为客观和准确，适用于提取各种形状的床板，运行速度快，对500层512*512的图像床板提取耗时约0.8S；对于2600层512*512的图像，耗时约4S，而人体进行区域生长的话，500层512*512的图像耗时7S；2600层512*512的图像，耗时约14S，可见本发明运行时间很短。

虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所界定的为准。

Claims (5)

1.一种自动提取床板的方法，其特征在于，包括以下步骤：

a)提供重建后的CT数据，采样得到CT图像，对所述CT图像中的CT值进行连通域计算，得到至少一个连通域；

b)取出一个待处理的连通域，计算所述连通域的像素点数，在像素点数的范围内对所述连通域进行床板形状特征检测；所述床板形状特征检测的方法为计算所述连通域的长短径的比、计算所述连通域的像素点数与连通域的外接矩形的像素点数的比、计算所述连通域在坐标系X一定时Y轴方向上的梯度、计算所述连通域的双阈值变化后的边缘复杂性和/或计算所述连通域的熵；

c)重复步骤b)直至在像素点数的范围内所述床板形状特征检测完毕；

d)对所述床板形状特征检测后的连通域进行三维区域生长，若所述三维区域未生长至图像中心区域，则提取床板；若所述三维区域生长至图像中心区域，则不提取床板。

2.如权利要求1所述的自动提取床板的方法，其特征在于，所述步骤a)中的CT值的取值范围为大于-300。

3.如权利要求1所述的自动提取床板的方法，其特征在于，所述连通域的长短径的比大于3，所述连通域的像素点数与连通域的外接矩形的像素点数的比小于0.3。

4.如权利要求1-3任一项所述的自动提取床板的方法，其特征在于，所述连通域的像素点数范围为占每层图像中总像素点数比的1/1200～1/25。

5.如权利要求1所述的自动提取床板的方法，其特征在于，所述步骤d)中：所述图像中心区域的范围为所述图像中心区域在坐标系X轴方向上和Y轴方向上所占的像素点数为每层CT图像中总像素点数的1/10，并且所述图像中心区域的中心点与所述CT图像的中心点重合。