CN103985124B - 基于非线性渐变模型的心脏ct图像底部自动提取方法 - Google Patents
基于非线性渐变模型的心脏ct图像底部自动提取方法 Download PDFInfo
- Publication number
- CN103985124B CN103985124B CN201410210245.7A CN201410210245A CN103985124B CN 103985124 B CN103985124 B CN 103985124B CN 201410210245 A CN201410210245 A CN 201410210245A CN 103985124 B CN103985124 B CN 103985124B
- Authority
- CN
- China
- Prior art keywords
- heart
- sequence
- layer
- sequential model
- linear sequential
- 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.)
- Expired - Fee Related
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种基于非线性渐变模型的心脏CT图像底部自动提取方法,其包括以下步骤:获取心脏CT序列;分别计算心脏CT序列各层中肺部区域的第一特征值;利用第一特征值构建心脏底部和心脏顶部的约束条件,求解所述约束条件将所述心脏CT序列分为顶部序列和底部序列;分别在所述顶部序列的最底层以及心尖消失图层提取心脏有效区域信息;利用提取的心脏有效区域信息构造心脏底部的非线性渐变模型,拟合所述底部序列各层的心脏边缘轮廓,从而获得精确的心脏底部。本发明方法能够精确的提取出与胸隔膜发生粘连的心脏底部。且鲁棒性强,运行效率高,对硬件配置要求低,适合网络化应用。
Description
技术领域
本发明属于计算机视觉及图像处理领域,具体是一种基于非线性渐变模型的心脏CT图像底部自动提取方法。
背景技术
心血管类疾病已成为导致当今全球死亡率提升的首要因素。随着CT和MRI等医学影像设备的飞速发展,尤其是高分辨率的多排螺旋CT(MDCT)的出现,为心血管类疾病的预防和诊断提供了便利。然而由于MDCT设备分辨率的提高,导致影像数据数量急剧增加,这大大加重了临床医生筛查和诊断的负担,因此从海量的影像数据中自动提取出感兴趣区域就显得尤为重要。但是在心脏CT领域,采集的影像数据对比度低、噪声大且受心脏跳动的干扰,导致自动提取心脏区域的难度较大。另外由于心脏位置的特殊性,心脏底部与胸隔膜会发生粘连,给精确提取整个心脏目标区域带来了困难。因此,一种快速且精确的提取全心脏的方法对于心血管类疾病的辅助诊断是十分重要的,且能够辅助后期心脏表面冠状动脉三维可视化、肿瘤放疗计划中靶区标记等深层次诊断。
目前针对心脏CT图像分割主要有两大类方法:传统的二维提取方法和基于统计模型的三维提取方法。1)传统的二维提取方法通过组合常规图像处理方法(K均值聚类、图割、ACM/ASM、模糊集合理论等),利用CT断层图像中的灰度、梯度等信息来提取心脏边缘轮廓。由于心脏CT图像的低对比度和周围存在着复杂干扰器官,导致该类方法提取精度差,提取后的心脏整体模型的表面粗糙。2)基于统计模型的三维提取方法主要通过统计分析大量的手动分割数据来构造出心脏的形状模型,然后对模型加以形变与真实数据进行匹配来实现全心脏提取。该类方法前期人力和物力投入成本大,对样本数据要求高,模型构建耗时长,且实际运用过程中需要多次人工干预,受临床医生经验影响较大。
上述两类方法各有利弊,基本能够完成提取心脏的功能,但是都未对靠近胸隔膜的心脏底部进行单独处理,因此导致提取结果中心脏底部依然存在着大量噪声组织,会干扰临床医生的诊断。
发明内容
本发明的目的是提供一种基于非线性渐变模型的心脏CT图像底部自动提取方法,该方法能够快速准确的提取出完整的心脏底部区域,以解决用现有方法对心脏CT图像分割存在的上述技术缺陷。
本发明的技术思路可概括为两个主要步骤:一.根据心脏与肺部的解剖学相对位置关系,自动将心脏CT序列分为顶部序列和底部序列两部分;二.针对心脏CT序列的底部序列,利用提取的心脏顶部序列最底层的精确心脏边缘轮廓和心尖走向来构造出心脏底部的非线性渐变模型,拟合心脏底部序列各层的边缘轮廓,达到精确提取心脏底部的目的。
本发明的具体技术方案为:
一种基于非线性渐变模型的心脏CT图像底部自动提取方法,其包括以下步骤:
获取心脏CT序列;
分别计算心脏CT序列各层中肺部区域的第一特征值;
利用第一特征值构建心脏底部和心脏顶部的约束条件,求解所述约束条件将所述心脏CT序列分为顶部序列和底部序列;
分别在所述顶部序列的最底层以及心尖消失图层提取心脏有效区域信息;
利用提取的心脏有效区域信息构造心脏底部的非线性渐变模型,拟合所述底部序列各层的心脏边缘轮廓,从而获得精确的心脏底部。
在上述的基于非线性渐变模型的心脏CT图像底部自动提取方法中,优选地,所述肺部区域的第一特征值为肺部区域的面积或像素点总数。
在上述的基于非线性渐变模型的心脏CT图像底部自动提取方法中,优选地,所述约束条件为S(n)为肺部区域像素点总数,n为心脏CT序列层号,α和β为经验参数,Max为S(n)序列中的最大值,Maxhalf为S(n)后半段序列中的最大值。
在上述的基于非线性渐变模型的心脏CT图像底部自动提取方法中,优选地,所述计算心脏CT序列各层中肺部区域的第一特征值包括:利用大津阈值方法提取心脏CT序列各层中的主要肺部区域;用孔洞填充方法对主要肺部区域的断裂部及孔洞进行填充,获得完整的肺部区域;以及计算该完整的肺部区域的第一特征值。
在上述的基于非线性渐变模型的心脏CT图像底部自动提取方法中,优选地,所述心脏有效区域信息包括心脏有效区域的面积和几何中心。
在上述的基于非线性渐变模型的心脏CT图像底部自动提取方法中,优选地,所述非线性渐变模型中,心脏有效区域信息按照二次曲线Y=aX2+b的非线性规律变化。
在上述的基于非线性渐变模型的心脏CT图像底部自动提取方法中,优选地,所述心尖消失图层是实际心尖消失图层下侧的第k层图层。
在上述的基于非线性渐变模型的心脏CT图像底部自动提取方法中,优选地,所述心尖消失图层限定为该心尖消失图层的心脏有效区域的面积与心脏顶部序列最底层的心脏有效区域的面积之比为0.2-0.4。
在上述的基于非线性渐变模型的心脏CT图像底部自动提取方法中,优选地,还包括利用三维可视化工具显示非线性渐变模型的提取结果。
本发明方法充分利用肺部与心脏的解剖学相对位置关系,将心脏进行顶部和底部分类,然后通过提取心脏顶部最底层边缘轮廓和心尖走向等信息,构造出心脏底部的非线性渐变模型,解决了心脏底部与胸隔膜发生粘连而难以提取的难题,能够精确的提取出与胸隔膜发生粘连的心脏底部,且提取结果中尽最大可能的去除了粘连的噪声组织,能够为临床医生的诊断提供更精准的辅助。此外,本发明方法鲁棒性强,运行效率高,对硬件配置要求低,适合网络化应用。
附图说明
图1为一实施例基于非线性渐变模型的心脏CT图像底部自动提取方法的流程图;
图2为肺部与心脏相对位置区域划分示意图;
图3为心脏CT序列分类结果图;
图4为构建的非线性渐变模型的仿真结果图,其中上排为空间散点图,下排为空间曲线图,三列分别是从三个视角进行观察的结果;
图5为非线性渐变模型拟合出的心脏底部序列不同图层的边缘轮廓示意图;
图6为利用非线性渐变模型分割的真实三维结果图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。这些更详细的描述旨在帮助理解本发明,而不应被用于限制本发明。根据本发明公开的内容,本领域技术人员明白,可以不需要一些或者所有这些特定细节即可实施本发明。而在其它情况下,为了避免将发明创造淡化,未详细描述众所周知的操作过程。
如图1所示,本基于非线性渐变模型的心脏CT图像底部自动提取方法包括以下步骤:
步骤S1,获取心脏CT序列。利用GE Light Speed VCT设备,从隆突水平至心底部对患者整个心脏区域进行断层扫描,总图层数约为200层,层厚为0.625mm,单幅图像大小为512*512,像素点间距为0.488281mm。
步骤S2,分别计算心脏CT序列各层中肺部区域的第一特征值。这里以肺部区域的像素点总数作为肺部区域的第一特征值。采用的一种方法如下:
首先,利用大津阈值方法(OTSU阈值法)提取心脏CT序列各层中的主要肺部区域。
其次,由于肺动脉、肺静脉和支气管等组织的干扰导致肺部区域存在断裂、孔洞等现象,因此进一步采用孔洞填充方法对提取的主要肺部区域内的断裂部及孔洞进行填充,获得完整的肺部区域。
然后,分别计算出心脏CT序列各层中完整肺部区域的像素点总数,记为S(n),其中n代表心脏CT序列层号。
步骤S3,利用第一特征值构建心脏底部和心脏顶部的约束条件,求解所述约束条件将所述心脏CT序列分为顶部序列和底部序列。
图2示出了肺部区域与心脏的相对位置关系。根据该位置关系利用肺部区域的第一特征值可以构建出心脏底部和心脏顶部的约束条件。本实施例构建的一种约束条件为S(n)为肺部区域像素点总数,n为心脏CT序列层号,α和β为经验参数,分别优选0.7和0.95,Max为S(n)序列中的最大值,Maxhalf为S(n)后半段序列中的最大值。按照上述的约束条件对S(n)进行计算,获得最优解n,作为心脏CT序列中心脏底部开始的层号N,从而将心脏CT序列分为顶部序列和底部序列。图3示出了心脏CT序列分类结果,图中黑色标记点对应的横坐标就是心脏底部开始的层号N。
步骤S4,分别在所述顶部序列的最底层以及心尖消失图层提取心脏有效区域信息。
具体地,利用传统二维图像分割方法提取出心脏顶部序列最底层的心脏边缘轮廓Cup,层号记为Lup,计算其心脏有效区域面积Sup,几何中心Pup=(xup,yup),心脏有效区域长轴与图像水平方向夹角θup。另外提取心尖消失图层的层号Lbottom,心脏有效区域面积Sbottom,几何中心Pbottom=(xbottom,ybottom),心脏有效区域长轴与图像水平方向夹角θbottom。
步骤S5,利用提取的心脏有效区域信息构造心脏底部的非线性渐变模型,拟合所述底部序列各层的心脏边缘轮廓,从而获得精确的心脏底部。
经过统计分析,设定心脏底部序列心脏有效区域面积以及有效区域几何中心按照二次曲线Y=aX2+b的非线性规律变化,令心脏有效区域面积由Sup递减为Sbottom,几何中心由Pup=(xup,yup)偏移至Pbottom=(xbottom,ybottom),可得到心脏底部的非线性渐变模型。可以通过以下公式构建:
在上述公式中,为了避免心脏底部过分割,将心尖消失图层向下移动部分图层,即Llast=Lbottom+k。即心尖消失图层是实际心尖消失图层下侧的第k层图层。
另外为了确保心尖完整性,设置比例系数在0.2~0.4之间。即,所述心尖消失图层限定为该心尖消失图层的心脏有效区域的面积与心脏顶部序列最底层的心脏有效区域的面积之比为0.2-0.4。
图4给出了构造的非线性渐变模型的空间散点图和空间曲线图。其中上排为空间散点图,下排为空间曲线仿真结果图,左、中、右三列分别是从三个视角进行观察的结果。
图5中将非线性渐变模型拟合出的心脏底部轮廓直接绘制在二维心脏CT断层图像。
进一步,还可以利用三维可视化工具,显示出非线性渐变模型的整体提取结果。图6示出了一种用三维可视化工具显示出的非线性渐变模型提取结果,其中上排的a、b、c三幅子图是提取前的三维可视化结果,下排的三幅子图d、e、f分别是对应的提取结果。
Claims (8)
1.基于非线性渐变模型的心脏CT图像底部自动提取方法,其特征在于,该方法包括以下步骤:
获取心脏CT序列;
分别计算心脏CT序列各层中肺部区域的第一特征值;
利用第一特征值构建心脏底部和心脏顶部的约束条件,求解所述约束条件将所述心脏CT序列分为顶部序列和底部序列;
分别在所述顶部序列的最底层以及心尖消失图层提取心脏有效区域信息;
利用提取的心脏有效区域信息构造心脏底部的非线性渐变模型,拟合所述底部序列各层的心脏边缘轮廓,从而获得精确的心脏底部。
2.根据权利要求1所述的基于非线性渐变模型的心脏CT图像底部自动提取方法,其特征在于,所述肺部区域的第一特征值为肺部区域的面积或像素点总数。
3.根据权利要求1所述的基于非线性渐变模型的心脏CT图像底部自动提取方法,其特征在于,所述计算心脏CT序列各层中肺部区域的第一特征值包括:利用大津阈值方法提取心脏CT序列各层中的主要肺部区域;用孔洞填充方法对主要肺部区域的断裂部及孔洞进行填充,获得完整的肺部区域;以及计算该完整的肺部区域的第一特征值。
4.根据权利要求1所述的基于非线性渐变模型的心脏CT图像底部自动提取方法,其特征在于,所述心脏有效区域信息包括心脏有效区域的面积和几何中心。
5.根据权利要求1所述的基于非线性渐变模型的心脏CT图像底部自动提取方法,其特征在于,所述非线性渐变模型中,心脏有效区域信息按照二次曲线Y=aX2+b的非线性规律变化。
6.根据权利要求1所述的基于非线性渐变模型的心脏CT图像底部自动提取方法,其特征在于,所述心尖消失图层是实际心尖消失图层下侧的第k层图层。
7.根据权利要求1所述的基于非线性渐变模型的心脏CT图像底部自动提取方法,其特征在于,所述心尖消失图层限定为该心尖消失图层的心脏有效区域的面积与心脏顶部序列最底层的心脏有效区域的面积之比为0.2-0.4。
8.根据权利要求1所述的基于非线性渐变模型的心脏CT图像底部自动提取方法,其特征在于,还包括利用三维可视化工具显示非线性渐变模型的提取结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410210245.7A CN103985124B (zh) | 2014-05-17 | 2014-05-17 | 基于非线性渐变模型的心脏ct图像底部自动提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410210245.7A CN103985124B (zh) | 2014-05-17 | 2014-05-17 | 基于非线性渐变模型的心脏ct图像底部自动提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103985124A CN103985124A (zh) | 2014-08-13 |
CN103985124B true CN103985124B (zh) | 2016-11-09 |
Family
ID=51277082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410210245.7A Expired - Fee Related CN103985124B (zh) | 2014-05-17 | 2014-05-17 | 基于非线性渐变模型的心脏ct图像底部自动提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103985124B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200465B (zh) | 2014-08-20 | 2017-08-25 | 沈阳东软医疗系统有限公司 | 心脏三维图像的分割方法和装置 |
CN109740602B (zh) * | 2019-01-10 | 2023-06-30 | 上海联影医疗科技股份有限公司 | 肺动脉期血管提取方法及系统 |
CN112381094B (zh) * | 2020-12-02 | 2022-04-26 | 明峰医疗系统股份有限公司 | 对重建图像中心脏roi的提取方法、系统、获取方法及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354396A (zh) * | 2011-09-23 | 2012-02-15 | 清华大学深圳研究生院 | 基于水平集函数的灰度不均匀图像分割方法 |
CN103400365A (zh) * | 2013-06-26 | 2013-11-20 | 成都金盘电子科大多媒体技术有限公司 | 肺区ct序列自动分割方法 |
-
2014
- 2014-05-17 CN CN201410210245.7A patent/CN103985124B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354396A (zh) * | 2011-09-23 | 2012-02-15 | 清华大学深圳研究生院 | 基于水平集函数的灰度不均匀图像分割方法 |
CN103400365A (zh) * | 2013-06-26 | 2013-11-20 | 成都金盘电子科大多媒体技术有限公司 | 肺区ct序列自动分割方法 |
Non-Patent Citations (2)
Title |
---|
Isolation of the left atrial surface from cardiac multi-detector CT images based on marker controlled watershed segmentation;Alessandro Cristoforetti et al.;《Medical Engineering & Physics》;20080131;第30卷(第1期);第48-58页 * |
基于数学形态学和Otsu方法的VHP数据心脏图像分割;时平 等;《生物医学工程学杂志》;20071031;第24卷(第5期);第996-1000页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103985124A (zh) | 2014-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sedghi Gamechi et al. | Automated 3D segmentation and diameter measurement of the thoracic aorta on non-contrast enhanced CT | |
Van Rikxoort et al. | Automated segmentation of pulmonary structures in thoracic computed tomography scans: a review | |
CN102395320B (zh) | 医疗设备以及医疗设备的控制方法 | |
EP2157905B1 (en) | A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures | |
Aykac et al. | Segmentation and analysis of the human airway tree from three-dimensional X-ray CT images | |
US20110245650A1 (en) | Method and System for Plaque Lesion Characterization | |
CN106204733B (zh) | 肝脏和肾脏ct图像联合三维构建系统 | |
CN104462650A (zh) | 一种可实现内外结构的实体化心脏3d模型制作方法 | |
CN110473207B (zh) | 一种交互式分割肺叶的方法 | |
WO2019000455A1 (zh) | 图像分割的方法及系统 | |
US20120027278A1 (en) | Methods, systems, and computer readable media for mapping regions in a model of an object comprising an anatomical structure from one image data set to images used in a diagnostic or therapeutic intervention | |
EP2840553A1 (en) | 3d model data generation device, method and program | |
CN107230206A (zh) | 一种基于多模态数据的超体素序列肺部图像的3d肺结节分割方法 | |
CN109003299A (zh) | 一种基于深度学习的计算脑出血量的方法 | |
CN1973298A (zh) | 显示气管支气管树 | |
Kurugol et al. | Automated quantitative 3D analysis of aorta size, morphology, and mural calcification distributions | |
CN101887487B (zh) | 针对心脏病的模型产生器 | |
US20170148173A1 (en) | Method for cell envelope segmentation and visualisation | |
CN110163877A (zh) | 一种mri心室结构分割的方法与系统 | |
CN104616307A (zh) | 一种肺部ct图像粘连血管型结节检测方法 | |
CN103985124B (zh) | 基于非线性渐变模型的心脏ct图像底部自动提取方法 | |
CN116546916A (zh) | 用于虚拟胰腺造影管线的系统和方法 | |
Hu et al. | Breastsam: A study of segment anything model for breast tumor detection in ultrasound images | |
CN113470060B (zh) | 基于ct影像的冠状动脉多角度曲面重建可视化方法 | |
Ramos et al. | Fast and smart segmentation of paraspinal muscles in magnetic resonance imaging with CleverSeg |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161109 Termination date: 20210517 |
|
CF01 | Termination of patent right due to non-payment of annual fee |