CN103927732B - 一种胸壁线的检测方法 - Google Patents

一种胸壁线的检测方法 Download PDF

Info

Publication number
CN103927732B
CN103927732B CN201310011453.XA CN201310011453A CN103927732B CN 103927732 B CN103927732 B CN 103927732B CN 201310011453 A CN201310011453 A CN 201310011453A CN 103927732 B CN103927732 B CN 103927732B
Authority
CN
China
Prior art keywords
image
wall
line
chest line
dimensional
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
Application number
CN201310011453.XA
Other languages
English (en)
Other versions
CN103927732A (zh
Inventor
姜娈
连燕云
李强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201310011453.XA priority Critical patent/CN103927732B/zh
Publication of CN103927732A publication Critical patent/CN103927732A/zh
Application granted granted Critical
Publication of CN103927732B publication Critical patent/CN103927732B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种胸壁线的检测方法,包括:输入乳房组织的原始三维序列图像,根据所述乳房组织在图像中的特征点和特征位置,确定初始参数,所述初始参数包括用于确定检测序列图像的初始层和终止层,以及所述检测序列图像在对应极坐标系转换中的射线扫描起始点、射线扫描初始半径、射线扫描起始角度以及射线扫描终止角度和分段位置;基于所述初始参数和所述检测序列图像的中间层图像,确定所述中间层的胸壁线;基于所述中间层的胸壁线,依次确定除了所述中间层以外的层的胸壁线。本发明结合相邻扫描断层中胸壁线的连续性特点,以及乳腺腺体、胸壁线和腹部脏器的解剖结构位置等特征,准确且有效地实现了胸壁线的全自动检测。

Description

一种胸壁线的检测方法
技术领域
本发明涉及图像处理领域,尤其涉及一种胸壁线的检测方法。
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,乳房组织下边界胸壁线的自动检测是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,以及图像中乳腺腺体和腹部脏器与胸壁线位置的临近增加了胸壁线准确检测的难度。
针对三维磁共振图像中胸壁线的检测,手动和需用户辅助的半自动检测方法比较繁复、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胸壁线检测方法还比较少。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、某些图像具有较低的对比度、以及图像中乳腺腺体和腹部脏器与胸壁线位置的临近,导致基于阈值的检测方法或者基于梯度的检测方法不足以准确地提取胸壁线。而基于模型的检测方法需要大量的训练样本去训练模型以获得较为准确的检测结果,而这些精确训练样本的获取则是一项更艰巨和繁复的任务。
发明内容
本发明解决的问题是提供一种胸壁线的检测方法,不仅能去除乳腺腺体和腹部脏器对胸壁线检测的干扰,还能准确且有效地实现对胸壁线的全自动检测。
为了解决上述问题,本发明提供了一种胸壁线的检测方法,包括:
(1)输入乳房组织的原始三维序列图像,根据所述乳房组织在图像中的特征点和特征位置,确定初始参数,所述初始参数包括用于确定检测序列图像的初始层和终止层,以及所述检测序列图像在对应极坐标系转换中的射线扫描起始点、射线扫描初始半径、射线扫描起始角度以及射线扫描终止角度和分段位置;
(2)基于所述初始参数和所述检测序列图像的中间层图像,确定所述中间层的胸壁线;
(3)基于所述中间层的胸壁线,依次确定除了所述中间层以外的层的胸壁线。
上述所述一种胸壁线的检测方法,其中,所述检测序列图像为所述原始三维序列图像的全部或部分。
上述所述一种胸壁线的检测方法,其中,获取所述中间层的胸壁线的过程如下:(1)根据所述射线扫描起始点、射线扫描初始半径和射线扫描的起始角度和终止角度,基于极坐标转换和射线扫描方法将所述中间层图像转换为二维转换图像,其中,所述射线扫描起始点的坐标位置为(x1+x2/2,0),x1和x2为所述特征点在二维图像I0中X轴的坐标值;所述初始半径为射线扫描起始点分别与所述特征点连线中的较长连线的长度;所述射线扫描起始点和所述特征位置确定所述射线扫描的起始角度和终止角度;(2)通过动态规划的方法获取所述二维转换图像中的目标边界线,所述目标边界线即为所述中间层的胸壁线经过转换后在二维转换图像中的位置;(3)判断所述目标边界线是否具有跳跃,若具有跳跃,则通过分段处理的方法消除所述跳跃;(4)基于所述目标边界线,通过极坐标逆转换的方法获取所述中间层的胸壁线。
上述所述一种胸壁线的检测方法,其中,所述二维图像I0为所述原始三维序列图像或根据所述原始三维序列图像得到的最大值投影图。
上述所述一种胸壁线的检测方法,其中,所述动态规划方法中的局部能量方程的公式表示为:
C(i)=dis(i,i-1)/max(dis)-g(i)/max(g)(1)
其中,i表示阶段,所述阶段为所述二维转换图像的每一列,所述二维转换图像的每一列为通过所述射线扫描方法顺序得到的射线,每一列上的像素点的灰度值为射线扫描方法顺序得到的射线在所述中间层图像中经过的像素的灰度值;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)表示所述二维转换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)表示二维转换图像中所有点的图像梯度的最大值。
上述所述一种胸壁线的检测方法,其中,所述第i阶段上的的图像梯度g(i)通过如下过程优化:(1)对所述二维转换图像进行高斯平滑,得到平滑图像;(2)基于所述平滑图像,得到初始图像梯度,并计算所述初始图像梯度的梯度平均值;(3)基于所述初始图像梯度和二维转换图像,确定干扰像素点;(4)将所述初始图像梯度的梯度平均值赋予所述干扰像素点,而其余像素点的梯度值不变,即为所述图像梯度。
上述所述一种胸壁线的检测方法,其中,所述得到初始图像梯度的过程为:基于二维高斯核在所述二维转换图像的Y方向上的偏导数,获取所述平滑图像各像素点的梯度值;将所述平滑图像各像素点的梯度值线性变化到预定的范围,即为所述初始图像梯度。
上述所述一种胸壁线的检测方法,其中,所述范围为0-1023。
上述所述一种胸壁线的检测方法,其中,所述干扰像素点的确定过程如下:
(1)选取所述初始图像梯度中梯度值小于512的像素点M(m);(2)在所述二维转换图像中,计算所述像素点M(m)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,则所述像素点M(m)为干扰像素点。
上述所述一种胸壁线的检测方法,其中,所述像素点的个数M的取值范围为10-20。
上述所述一种胸壁线的检测方法,其中,所述阈值的取值范围为60-100。
上述所述一种胸壁线的检测方法,其中,所述分段处理的方法的过程如下:
(1)判断所述分段位置中的前段、中段和后段中是否具有跳跃,若具有跳跃,则记所述每一个跳跃的起始点和终止点在Y方向上的距离为跳跃距离,其中,所述Y方向为所述二维转换图像中列的方向,向上跳跃的所述跳跃距离为负值,向下跳跃的所述跳跃距离为正值;(2)计算所述前段和后段中所有跳跃的所述跳跃距离的累计值,判断所述累计值和阈值的大小,若所述累计值大于等于阈值,则通过分段式动态规划的方法来处理跳跃;若所述累计值小于阈值或只有所述中段具有跳跃,则通过曲线拟合的方法来处理跳跃。
上述所述一种胸壁线的检测方法,其中,所述阈值的取值为大于等于5.63mm。
上述所述一种胸壁线的检测方法,其中,所述分段式动态规划的方法的过程如下:(1)所述中段按所述公式(1)进行动态规划,所述前段和后段按公式(2)进行动态规划,获得所述中段、前段和后段的曲线,所述公式(2)为:
C(i)=dis(i,i-1)/max(dis)+g(i)/max(g)(2)
其中,i表示阶段,所述阶段为所述二维转换图像的每一列,所述二维转换图像的每一列为通过所述射线扫描方法顺序得到的射线,每一列上的像素点的灰度值为射线扫描方法顺序得到的射线在所述中间层图像中经过的像素的灰度值;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)表示所述二维转换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)表示二维转换图像中所有点的图像梯度的最大值;
(2)将所述前段和后段的曲线进行移动,并与所述中段曲线进行合并,得到所述目标边界线。
上述所述一种胸壁线的检测方法,其中,依次确定除了所述中间层以外的层的胸壁线的过程如下:(1)在所述除了中间层以外的层中,所述中间层两侧分别按离中间层由近及远的次序依次选择图像作为当前层,获取所述当前层的二维转换图像和图像梯度;(2)基于高斯核函数和所述当前层前一层或后一层中胸壁线的检测结果,对所述当前层图像梯度进行改进;(3)通过动态规划的方法,得到目标边界线,所述目标边界线为所述当前层的胸壁线在所述二维转换图像中的位置;(4)判断所述当前层的胸壁线是否具有跳跃,若具有跳跃,则通过所述分段处理的方法消除所述跳跃;(5)将所述目标边界通过极坐标逆转换的方法转换为所述当前层图像中的胸壁线。
与现有技术相比,本发明结合相邻扫描断层中胸壁线的连续性,先提取中间层后提取两侧的其它层的方式,快速准确的实现胸壁线的检测;以及利用三维乳房图像中乳腺腺体、胸壁线及腹部脏器的解剖结构位置等特征准确且有效地实现胸壁线的全自动检测。
附图说明
图1所示为本发明实施例胸壁线的检测方法流程示意图;
图2所示为本发明实施例初始参数的效果图;
图3所示为本发明实施例获取中间层的胸壁线的流程示意图;
图4所示为本发明实施例优化局部能量方程中的g(i)的流程示意图;
图5所示为本发明实施例分段处理的方法的流程示意图;
图6所示为本发明实施例确定中间层以外的层的胸壁线的流程示意图。
具体实施方式
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。
下面结合附图和实施例对本发明进行详细地说明。本发明胸壁线的检测方法如图1所示,首先,执行步骤S1,输入乳房组织的原始三维序列图像,根据所述乳房组织在图像中的特征点和特征位置,确定初始参数。其中,所述初始参数包括用于确定检测序列图像的初始层和终止层,以及所述检测序列图像在对应极坐标系转换中的射线扫描起始点P、射线扫描初始半径R、射线扫描起始角度α以及射线扫描终止角度β和分段位置。其中,所述分段位置为曲线跳跃处理的分段位置,本发明所述的跳跃是指曲线上的相邻像素点在图像中不相邻(4邻域和8邻域)。具体地,所述初始化参数通过二维图像I0中的两个特征点(分别为左特征点S1和右特征点S2)和特征位置确定,其中,所述二维图像I0为所述原始三维序列图像或根据所述原始三维序列图像得到的最大值投影图。具体地,首先建立人体坐标系:左右方向的冠状轴为X轴,前后方向的矢状轴为Y轴,上下方向的垂直轴为Z轴。在本实施例中,所述乳房组织图像为磁共振图像。对所述乳房组织的三维图像进行降噪处理,将降噪后的乳房组织横断面序列图像(乳房组织的原始三维序列图像)沿Z轴做平均值投影,得到平均值投影图。在所述平均值投影图上,计算所述平均值投影图中每一行所有像素点的灰度值之和,选取所述灰度值之和最大的行作为下边界。该下边界的位置也为最大值投影图(二维图像I0)的下边界Ib的位置,如图2所示,其中,最大值投影图为降噪后的乳房组织横断面序列图像沿Z轴做最大值投影得到。在最大值投影图上,从左到右扫描下边界lb位置上的所有像素点,第一个灰度值不为0的像素点所在的位置为左边界ll,最后一个灰度值不为0的像素点所在的位置为右边界lr。在最大值投影图上,从上到下进行扫描,检测到y值最小的非零像素点,经过该像素点且平行于最大值投影图X轴的直线为上边界lt。在最大值投影图上,通过canny边缘检测得到边缘线,左边界ll和右边界lr的中心线将所述边缘线分为两段,分别为左边的边缘线和右边的边缘线,再分别在两段边缘线上获取特征点S1和S2。在最大值投影图上,射线扫描起始点的坐标位置为((x1+x2)/2,0),其中,x1和x2分别为上述确定的两个特征点在最大值投影图中X轴的坐标值;射线扫描起始点P与两个特征点连线中的较长连线的长度为射线扫描的初始半径R;左边界ll与下边界lb的交点Q1和射线扫描起始点P的连线确定了射线扫描的起始角度α,右边界lr与下边界lb的交点Q2和射线扫描起始点P的连线确定了射线扫描的终止角度β;两个特征点S1和S2和射线扫描起始点P的连线确定了曲线跳跃处理的分段位置。由上述可知,乳头的位置为上边界lt上y值最小的非零像素点的位置,选取乳房组织中乳头所在的矢状面(降噪后的乳房组织矢状面图像)前后20层沿X轴做最大值投影,得到最大值投影图。在该最大值投影图上,通过canny边缘检测得到边缘线,在该边缘线上所有的点中Z值最小和最大的点所在的位置,即为胸壁线检测的初始和终止层次。在本实施例中,共有160层乳房组织原始三维序列图像(X,Y方向的分辨率为0.703125mm,Z方向的分辨率为1.125mm),则初始层次和终止层次的取值范围为1-160,并且终止层次大于初始层次。在本实施例中,初始层为第1层,终止层次为第160层,即所述输入的乳房组织的检测序列图像为乳房组织的原始三维序列图像。需要说明的是,若初始层次为20,终止层次为120,则此时乳房组织的检测序列图像并不是乳房组织的原始序列图像,而是乳房组织原始序列图像中的部分连续图像,即第20层图像到第120层图像,即检测第20层到120层图像的胸壁线。
接着,执行步骤S2,基于所述初始参数和所述检测序列图像的中间层图像,确定所述中间层的胸壁线。具体地,根据上述步骤可知,在本实施例中,中间层图像为第80层图像。若检测序列图像为部分原始三维序列图像,则中间层图像的层次为初始层次和终止层次的和的一半。需要说明的是,中间层也可以是初始层和终止层之间的任一层,最优的是选取初始层次和终止层次的和的一半的层次。具体地,获取中间层胸壁线的过程如图3所示。首先,执行步骤S301,根据所述射线扫描起始点P、射线扫描初始半径R和射线扫描的起始角度α和终止角度β,基于极坐标转换和射线扫描方法将所述中间层图像转换为二维转换图像。具体地,根据射线扫描中射线起始点P、扫描起始和终止角度以及初始扫描半径R将中间层图像通过射线扫描转换为二维转换图像,按照一定顺序获得一定数目的扫描射线,在本实施例中,扫描射线的数目为800条。在二维转换图像中X轴表示了这些扫描射线的序号,Y轴表示射线上的点距离初始扫描半径R的距离,在本实施例中,该序号为1到800。距离初始扫描半径R的最大距离表示距离螺旋扫描起始点P最远的像素即可到达乳房的外表面,在本实施例中,距离初始扫描半径R的最大距离为84.38mm(120个像素)。通过射线扫描方法得到的每一条扫描射线,每一条扫描射线通过极坐标方法转换到二维转换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扫描射线在中间层图像中经过的点。
接着,执行步骤S302,通过动态规划的方法获取所述二维转换图像中的目标边界线。其中,所述目标边界线即为所述中间层的胸壁线经过转换后在二维转换图像中的位置。具体地,在动态规划中,二维转换图像的每一列(射线扫描方法获得的每一条扫描射线)被认为是阶段,二维转换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(二维转换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(中间层的胸壁线)。因此,需要建立二转换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,确定中间层胸壁线在二维转换图像中的位置。
根据上述所描述,需要确定二维转换图像每一列上的点的局部能量,在本实施例中,第i阶段(二维转换图像的第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)(1)
其中,i表示阶段,所述阶段为所述二维转换图像的每一列,所述二维转换图像的每一列为通过所述射线扫描方法顺序得到的射线,每一列上的像素点的灰度值为射线扫描方法顺序得到的射线在所述中间层图像中经过的像素的灰度值;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)表示所述二维转换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)表示二维转换图像中所有点的图像梯度的最大值。
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)。具体地,如图4所示,首先,执行步骤S401,对所述二维转换图像进行高斯平滑,得到平滑图像。接着,执行步骤S402,基于所述平滑图像,得到初始图像梯度,并计算所述初始图像梯度的梯度平均值。具体地,将平滑图像求取基于二维高斯核的在二维转换图像的Y轴方向上的梯度(偏导数),即得到平滑图像各像素点的梯度值,将平滑图像各像素点的梯度值线性变化到0-1023的范围,此时的图像即为初始图像梯度。需要说明的是,平滑图像各像素点的梯度值也可以变化到0-512或其它的范围。再计算初始图像梯度中所有像素点的梯度平均值。再接着,执行步骤S403,基于所述初始图像梯度和二维转换图像,确定干扰像素点。具体地,根据乳腺胸壁线周围的灰度特征,为了消除无关因素对上述动态规划过程的影响,因此,需要将一些对动态规划过程有影响的像素点(干扰像素点)确定出来。选取初始图像梯度中梯度值小于512的像素点M(m),对于这些像素点,在二维转换图像中,计算像素点M(m)在垂直向上方向的M(10-20)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范围是60~100,则所述像素点M(m)为干扰像素点,干扰像素点为位于乳房组织外部的像素点。需要说明的是,若步骤S402中平滑图像各像素点的梯度值变化到0-512的范围,则选取初始图像梯度中梯度值小于256的像素点。在本实施例中,M的取值为10.55mm(15个像素),阈值的取为80。再接着,执行步骤S404,将步骤S402中计算得到的初始图像梯度的梯度平均值赋予步骤S403中确定的干扰像素点,而其余像素点的梯度值不变,此时的图像梯度即为优化了的图像梯度g(i)。从而根据上述局部能量方程(1),可以得到目标边界线,即检测到的中间层的胸壁线在二维转换图像中的位置。
再接着,执行步骤S303,判断目标边界线是否具有跳跃,若具有跳跃,则执行步骤S304,通过分段处理的方法消除所述跳跃,再接着执行步骤S305,基于所述目标边界线,通过极坐标逆转换的方法获取所述中间层的胸壁线;若目标边界线不具有跳跃,则执行步骤S305。
二维转换图像上通过动态规划方法获得曲线上的点在空间位置上应该是连续的,但是由于乳腺腺体和腹部脏器与胸壁线的临近,会造成对胸壁线检测的干扰,由此可能导致在二维转换图像上动态规划获得的曲线中具有向上或向下的跳跃。因此,需要对目标边界线的跳跃进行检测。具体地,在本发明实施例中,若目标边界线上所有相邻像素点之间在二维转换图像中Y轴方向上的距离差小于等于1个像素点,则表明目标边界线是连续的,则执行步骤S305。若目标边界线上相邻像素点之间在二维转换图像中Y轴方向上的距离差大于等于2个像素点,则就表明目标边界线上相邻像素点在图像中不相邻(4邻域和8邻域),即是有跳跃的,则执行步骤S304,需要通过分段处理的方法消除跳跃。
分段处理的方法的具体过程如图5所示,首先,执行步骤S501,通过步骤S1确定了曲线跳跃处理的分段位置,将二维转换图像中目标边界线(中间层的胸壁线)分为前段、中段和后段,其中,交点Q1和射线扫描起始点P的连线与左特征点S1和射线扫描起始点P的连线之间为前段,左特征点S1和射线扫描起始点P的连线与右特征点S2和射线扫描起始点P的连线之间为中段,右特征点S2和射线扫描起始点P的连线与交点Q2和射线扫描起始点P的连线之间为后段。接着,执行步骤S502,根据上述跳跃的判断方法,判断分段位置中的前段、中段和后段中是否具有跳跃,若具有跳跃,则执行步骤S503,记每一个跳跃的起始点和终止点在二维转换图像中Y轴方向上(二维转换图像中列的方向)的距离为跳跃距离,并计算所述前段和后段中所有跳跃距离的累计值,其中,向上跳跃的跳跃距离为负值,向下跳跃的跳跃距离为正值。若分段位置中的前段和后段没有跳跃,而中段具有跳跃,则执行步骤S506,通过曲线拟合的方法来处理跳跃。再接着,执行步骤S504,判断所述累计值和阈值(大于等于5.63mm,大于等于8个像素)的大小,若所述累计值大于等于阈值,则执行步骤S505,通过分段式动态规划的方法来处理跳跃;若所述累计值小于阈值,则执行步骤S506,通过曲线拟合的方法来处理跳跃。
若前段和后段中的所有跳跃累计值大于等于阈值,则表明乳腺腺体和腹部脏器的临近导致在动态规划过程中,应用公式(1)(梯度图像中小梯度值位置)进行胸壁线的检测是不准确的,则采用分段式动态规划的方法来处理动态,具体的过程如下:在步骤S302的动态规划过程中,中段按照上述公式(1)进行动态规划,所述前段和后段按公式(2)进行动态规划,接着计算该步骤中计算得到的目标边界线前段和后段的位置与步骤S302中计算得到的目标边界线前段和后段的位置的距离差(二维转换图像中Y轴方向上),将所述前段和后段通过动态规划后的曲线进行移动,并与所述中段曲线进行合并。其中,公式(2)为:
C(i)=dis(i,i-1)/max(dis)+g(i)/max(g)(2)
其中,i表示阶段,所述阶段为所述二维转换图像的每一列,所述二维转换图像的每一列为通过所述射线扫描方法顺序得到的射线,每一列上的像素点的灰度值为射线扫描方法顺序得到的射线在所述中间层图像中经过的像素的灰度值;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)表示所述二维转换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)表示二维转换图像中所有点的图像梯度的最大值。
需要说明的是,在分段式动态规划中,步骤S302中图像梯度改进方法中所有干扰像素点在Y轴方向上的最小坐标值,被用于限制目标边界线前段和后段的搜索位置,降低乳房组织内部乳腺腺体对检测的干扰。
若目标边界线前段和后段中所有跳跃的累计值小于阈值或只有所述中段具有跳跃,则表示乳腺腺体和腹部脏器与胸壁线的临近对动态规划结果的影响较小,则对于所有跳跃的起始点和终止点处采取一次曲线拟合的方法来消除跳跃。
再接着,执行步骤S305,基于所述目标边界线,通过极坐标逆转换的方法获取所述中间层的胸壁线。其中,中间层图像上极坐标逆转换的胸壁线在每一图像列上至少要有一个像素,若没有,则在检测的胸壁线上已有的前一个像素点和后一个像素点中间进行线性插值,从而得到中间层的胸壁线。
接着,执行步骤S3,基于所述中间层的胸壁线,依次确定除了所述中间层以外的层的胸壁线。
具体地,如图6确定所述检测序列图像中除了中间层以外的层的胸壁线的流程示意图所示。首先,执行步骤S601,在所述除了中间层以外的层中,所述中间层两侧分别按离中间层由近及远的次序依次选择图像作为当前层,获取所述当前层的二维转换图像和图像梯度。具体地,在本实施例中,中间层为第80层,从中间层开始分别向前和向后逐层进行处理,则向前逐层处理的时候最先处理的是第79层,向后逐层处理的时候最先处理的是第81层。以获取第79层图像的胸壁线为例,则当前层为第79层,根据步骤S1之前的确定初始化参数过程中已确定的初始参数,通过步骤S301和步骤S302获得第79层的二维转换图像和图像梯度。
接着,执行步骤S602,基于高斯核函数和所述当前层前一层或后一层中胸壁线的检测结果,对所述当前层图像梯度进行改进。具体地,在第79层的二维转换图像中,以后一层(第80层,中间层)二维转换图像每一列上检测到的目标边界线(胸壁线)的位置为中心,即得到的中间层目标边界线(胸壁线)与第79层二维转换图像中每一列的交点,将第79层二维转换图像的相应列上的梯度值乘以一个以该交点为中心的一维高斯核函数(sigma=10)确定的权重值,从而得到改进后的第79层图像梯度。这是由于相邻层胸壁线的位置变化较小,应用该改进方法可以很大程度保留当前层胸壁线所在位置的梯度,并且抑制非胸壁线区域的梯度,使得后续动态规划结果更加准确。需要说明的是,若当前层为第81层,则第80层为其前一层。
再接着,执行步骤S603,通过动态规划的方法,得到目标边界线,所述目标边界线为所述当前层的胸壁线在所述二维转换图像中的位置。具体地,基于步骤S602中得到的改进后的图像梯度,按照步骤S302的动态规划的方法获得第79层的目标边界线(胸壁线)。
再接着,执行步骤S604,判断所述当前层的胸壁线是否具有跳跃。具体地,判断第79层的目标边界线(胸壁线)是否具有跳跃,若有,则执行步骤S605,通过分段处理的方法消除所述跳跃,具体的过程和消除中间层胸壁线上的跳跃的方法一样。若无跳跃,则执行步骤S606,将所述目标边界通过极坐标逆转换的方法转换为所述第79层图像中的胸壁线,具体的过程和处理中间层图像的方法一样。按照上述方法,再以第78层为当前层,第79层为前一层,获得第78层的胸壁线,依次类推,可以得到各层的胸壁线。
本发明虽然已以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,凡是未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 (13)

1.一种胸壁线的检测方法,其特征在于,包括如下步骤:
(1)输入乳房组织的原始三维序列图像,根据所述乳房组织在图像中的特征点和特征位置,确定初始参数,所述初始参数包括用于确定检测序列图像的初始层和终止层,以及所述检测序列图像在对应极坐标系转换中的射线扫描起始点、射线扫描初始半径、射线扫描起始角度以及射线扫描终止角度和分段位置;
(2)基于所述初始参数和所述检测序列图像的中间层图像,确定所述中间层的胸壁线;
(3)基于所述中间层的胸壁线,依次确定除了所述中间层以外的层的胸壁线;
其中,所述确定所述中间层的胸壁线的过程如下:
(2.1)根据所述射线扫描起始点、射线扫描初始半径和射线扫描的起始角度和终止角度,基于极坐标转换和射线扫描方法将所述中间层图像转换为二维转换图像;其中,所述射线扫描起始点的坐标位置为((x1+x2)/2,0),x1和x2为两个所述特征点在二维图像I0中X轴的坐标值;所述初始半径为射线扫描起始点分别与所述特征点连线中的较长连线的长度;所述二维图像I0的左边界与下边界的交点和射线扫描起始点的连线确定了射线扫描的起始角度,所述二维图像I0的右边界与下边界的交点和射线扫描起始点的连线确定了射线扫描的终止角度;
(2.2)通过动态规划的方法获取所述二维转换图像中的目标边界线,所述目标边界线即为所述中间层的胸壁线经过转换后在二维转换图像中的位置;
(2.3)判断所述目标边界线是否具有跳跃,若具有跳跃,则通过分段处理的方法消除所述跳跃;
(2.4)基于所述目标边界线,通过极坐标逆转换的方法获取所述中间层的胸壁线;
所述依次确定除所述中间层以外的层的胸壁线的过程如下:
(3.1)在所述除中间层以外的层中,所述中间层两侧分别按离中间层由近及远的次序依次选择图像层作为当前层,获取所述当前层的二维转换图像和图像梯度;
(3.2)基于高斯核函数和所述当前层前一层或后一层中胸壁线的检测结果,对所述当前层图像梯度进行改进;
(3.3)通过动态规划的方法,得到目标边界线,所述目标边界线为所述当前层的胸壁线在所述二维转换图像中的位置;
(3.4)判断所述当前层的胸壁线是否具有跳跃,若具有跳跃,则通过所述分段处理的方法消除所述跳跃,再执行步骤(3.5),若不具有跳跃,则直接执行步骤(3.5);
(3.5)将所述目标边界通过极坐标逆转换的方法转换为所述当前层图像中的胸壁线。
2.如权利要求1所述一种胸壁线的检测方法,其特征在于,所述检测序列图像为所述原始三维序列图像的全部或部分。
3.如权利要求1所述一种胸壁线的检测方法,其特征在于,所述二维图像I0为所述原始三维序列图像或根据所述原始三维序列图像得到的最大值投影图。
4.如权利要求1所述一种胸壁线的检测方法,其特征在于,所述动态规划方法中的局部能量方程的公式表示为:
C(i)=dis(i,i-1)/max(dis)-g(i)/max(g)(1)
其中,i表示阶段,所述阶段为所述二维转换图像的每一列,所述二维转换图像的每一列为通过所述射线扫描方法顺序得到的射线,每一列上的像素点的灰度值为射线扫描方法顺序得到的射线在所述中间层图像中经过的像素的灰度值;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)表示所述二维转换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)表示二维转换图像中所有点的图像梯度的最大值。
5.如权利要求4所述一种胸壁线的检测方法,其特征在于,所述第i阶段上的图像梯度g(i)通过如下过程优化:
(1)对所述二维转换图像进行高斯平滑,得到平滑图像;
(2)基于所述平滑图像,得到初始图像梯度,并计算所述初始图像梯度的梯度平均值;
(3)基于所述初始图像梯度和二维转换图像,确定干扰像素点;
(4)将所述初始图像梯度的梯度平均值赋予所述干扰像素点,而其余像素点的梯度值不变,即为所述图像梯度。
6.如权利要求5所述一种胸壁线的检测方法,其特征在于,所述得到初始图像梯度的过程为:基于二维高斯核在所述二维转换图像的Y方向上的偏导数,获取所述平滑图像各像素点的梯度值;将所述平滑图像各像素点的梯度值线性变化到预定的范围,即为所述初始图像梯度。
7.如权利要求6所述一种胸壁线的检测方法,其特征在于,所述范围为0-1023。
8.如权利要求5所述一种胸壁线的检测方法,其特征在于,所述干扰像素点的确定过程如下:
(1)选取所述初始图像梯度中梯度值小于512的像素点M(m);
(2)在所述二维转换图像中,计算所述像素点M(m)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,则所述像素点M(m)为干扰像素点。
9.如权利要求8所述一种胸壁线的检测方法,其特征在于,所述像素点的个数M的取值范围为10-20。
10.如权利要求8所述一种胸壁线的检测方法,其特征在于,所述阈值的取值范围为60-100。
11.如权利要求4所述一种胸壁线的检测方法,其特征在于,所述分段处理的方法的过程如下:
(1)判断所述分段位置中的前段、中段和后段中是否具有跳跃,若具有跳跃,则记所述每一个跳跃的起始点和终止点在Y方向上的距离为跳跃距离,其中,所述Y方向为所述二维转换图像中列的方向,向上跳跃的所述跳跃距离为负值,向下跳跃的所述跳跃距离为正值;
(2)计算所述前段和后段中所有跳跃的所述跳跃距离的累计值,判断所述累计值和阈值的大小,若所述累计值大于等于阈值,则通过分段式动态规划的方法来处理跳跃;若所述累计值小于阈值或只有所述中段具有跳跃,则通过曲线拟合的方法来处理跳跃。
12.如权利要求11所述一种胸壁线的检测方法,其特征在于,所述阈值的取值为大于等于5.63mm。
13.如权利要求11所述一种胸壁线的检测方法,其特征在于,所述分段式动态规划的方法的过程如下:
(1)所述中段按所述公式(1)进行动态规划,所述前段和后段按公式(2)进行动态规划,获得所述中段、前段和后段的曲线,所述公式(2)为:
C(i)=dis(i,i-1)/max(dis)+g(i)/max(g)(2)
其中,i表示阶段,所述阶段为所述二维转换图像的每一列,所述二维转换图像的每一列为通过所述射线扫描方法顺序得到的射线,每一列上的像素点的灰度值为射线扫描方法顺序得到的射线在所述中间层图像中经过的像素的灰度值;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)表示所述二维转换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)表示二维转换图像中所有点的图像梯度的最大值;
(2)将所述前段和后段的曲线进行移动,并与所述中段曲线进行合并,得到所述目标边界线。
CN201310011453.XA 2013-01-11 2013-01-11 一种胸壁线的检测方法 Active CN103927732B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310011453.XA CN103927732B (zh) 2013-01-11 2013-01-11 一种胸壁线的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310011453.XA CN103927732B (zh) 2013-01-11 2013-01-11 一种胸壁线的检测方法

Publications (2)

Publication Number Publication Date
CN103927732A CN103927732A (zh) 2014-07-16
CN103927732B true CN103927732B (zh) 2016-03-30

Family

ID=51145943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310011453.XA Active CN103927732B (zh) 2013-01-11 2013-01-11 一种胸壁线的检测方法

Country Status (1)

Country Link
CN (1) CN103927732B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10290109B2 (en) 2015-12-22 2019-05-14 Shanghai United Imaging Healthcare Co., Ltd. Method and system for cardiac image segmentation
CN106910194B (zh) * 2015-12-22 2020-11-27 上海联影医疗科技股份有限公司 心脏心功能磁共振图像中的心内外膜的分割方法
CN107103605B (zh) * 2016-02-22 2021-03-16 上海联影医疗科技股份有限公司 一种乳房组织的分割方法
JP6900180B2 (ja) * 2016-08-12 2021-07-07 キヤノンメディカルシステムズ株式会社 画像処理装置及び画像処理方法
CN110705576B (zh) * 2019-09-29 2020-09-22 慧影医疗科技(北京)有限公司 区域轮廓确定方法、装置及图像显示设备
CN111489312B (zh) * 2020-04-10 2023-04-28 上海微云实业集团有限公司 基于计算机图形图像的牙体修复制品表面特征提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1301494A (zh) * 1999-12-24 2001-07-04 焦柏忠 刺五加保健茶及制造方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2401962A1 (en) * 2002-05-08 2012-01-04 Yeda Research And Development Co., Ltd. Sensitized online BOLD-MRI imaging method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1301494A (zh) * 1999-12-24 2001-07-04 焦柏忠 刺五加保健茶及制造方法
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

Also Published As

Publication number Publication date
CN103927732A (zh) 2014-07-16

Similar Documents

Publication Publication Date Title
CN103927732B (zh) 一种胸壁线的检测方法
US8447383B2 (en) System and method for providing 2-dimensional computerized-tomography image corresponding to 2-dimensional ultrasound image
JP6059261B2 (ja) マルチモーダル画像統合におけるレジストレーション精度を改善するインテリジェントなランドマーク選択
KR102410955B1 (ko) 의료 영상에서 딥러닝에 기반한 복부 장기 자동분할 방법 및 그 컴퓨터 프로그램
US9129417B2 (en) Method and system for coronary artery centerline extraction
CN102763135A (zh) 用于自动分割和时间跟踪的方法
US10991102B2 (en) Image processing apparatus and image processing method
CN107103605B (zh) 一种乳房组织的分割方法
KR102519515B1 (ko) 정보 처리 장치, 정보 처리 방법, 컴퓨터 프로그램
KR102349515B1 (ko) 의료 영상에서 딥러닝에 기반한 종양 자동분할 방법
JP6490820B2 (ja) 超音波撮像装置、画像処理装置、及び方法
KR101064080B1 (ko) 자기 공명 영상에서 밝기 값 분포 및 기울기 정보를 이용한 활성 형상 모델 기반 전립선 영상 자동 분할 장치 및 방법
CN103886571B (zh) 一种乳房三维图像的分割方法和装置
CN107563992B (zh) 一种乳房皮肤线的检测方法和装置
KR102332472B1 (ko) 의료 영상에서 듀얼 윈도우 설정에 기반한 딥러닝을 이용한 종양 자동 분할 방법
JP7420231B2 (ja) エレベーターの3次元データの処理装置
EP3494544B1 (en) Robust pulmonary lobe segmentation
US11449995B2 (en) Method of providing diagnosis assistance information and method of performing the same
CN114503166A (zh) 三维体数据的测量方法、测量系统、医疗器械及存储介质
CN104915942B (zh) 一种乳房皮肤线的检测方法和装置
KR20150103605A (ko) 소실점 검출 방법 및 장치
US20230342994A1 (en) Storage medium, image identification method, image identification device
US20240005513A1 (en) Medical image processing apparatus and medical image processing method
US20240104721A1 (en) Anatomy-aware contour editing method and system for implementing said method
WO2020215484A1 (zh) 胎儿颈部透明层厚度测量方法、设备及存储介质

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

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.

CP01 Change in the name or title 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.

CP02 Change in the address of a patent holder