CN104077747A - 医用图像处理装置以及医用图像处理方法 - Google Patents
医用图像处理装置以及医用图像处理方法 Download PDFInfo
- Publication number
- CN104077747A CN104077747A CN201410115996.0A CN201410115996A CN104077747A CN 104077747 A CN104077747 A CN 104077747A CN 201410115996 A CN201410115996 A CN 201410115996A CN 104077747 A CN104077747 A CN 104077747A
- Authority
- CN
- China
- Prior art keywords
- region
- image data
- pipe
- image
- processing unit
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
Abstract
本发明提供一种能够实现自动分段化算法的升级以减少对管以及骨的误认的医用图像处理装置以及医用图像处理方法。医用图像处理装置的特征在于,具备:图像数据处理单元,通过从与第1对象和第2对象相关的图像数据中,减去与进行分段得到的所述第1对象对应的掩模区域,从而取得与发生了至少一部分缺损的第2对象相关的分段图像;指定单元,在所述第2对象缺损的缺损区域以及该缺损区域的附近区域的至少一个中,指定至少一个点;图像处理单元,使用所指定的所述至少一个点的位置,在所述缺损区域中使所述第2对象恢复。
Description
技术领域
本发明所记载的实施方式一般涉及图像数据处理方法以及图像数据处理装置,具体而言,并不限定于该方法以及装置,例如,涉及确定由于骨的掩模而缺失的管构造的区域的方法以及装置。
背景技术
通过对使用种类不同的成像器械的任一个得到的体积图像数据进行处理以及描绘,从而显示描绘图像,例如,显示3D图像或者2D图像的情况变得越来越普遍。在这样的成像器械中,存在超声波成像、MRI、CT、以及PET等,但并不限定于此。
经常希望只观察对象的某一种特征,例如,只观察管、骨、肉、或者所选择的解剖学特征。存在能够用于只提取以及描绘与对象的这样的特征相关的图像数据的、例如用于只提取以及描绘骨或者管的多个熟知的自动分段化算法。在这样的管中,能够列举例如血管系统、淋巴系统、神经系统、或者形成气管的一部分的管。
这样的几个被熟知的自动分段化算法生成掩模,该掩模能够用于遮住与当前的对象区域不相关的数据的、例如能够用于遮住表示骨的区域、或者存在机架台或其他的装备或者其他的伪影的区域的数据。
有时被熟知的自动分段化算法可能难以准确地区别不同的类型的物质。
例如,当观察SVR中的CT血管造影数据时,管通常被骨干扰。为了识别骨并通过可视化将骨去除,一般使用自动骨分段化算法。但是,在CTA数据中,难以区别被注入造影剂时的管和骨(它们具有非常类似的亮度),有时自动骨分段化错误地将一部分的管识别为骨。如果这样地将管错误地识别为骨,则可能导致管的缺失,因此,当减去识别出的骨数据并且描绘剩余的管的数据时,有时管的一部分看上去是缺损的。
在整个身体中,骨以及管的尺寸存在相当大的解剖学误差,当被造影的(1个或者多个)管极其接近于骨时,一般可能发生将骨误认为是管、或者将管误认为是骨的情况。发生该情况的最一般的解剖学区域是通过骨盆的正下方的髂骨动脉的分支、脊柱附近的大动脉、大腿骨以及其他的长的骨的附近的腿中的大腿动脉以及其他的动脉。特别地,关于错误,当在管与骨之间几乎不存在亮度的变化时,一般将管小的(大约1至2cm的)部分误认为是骨。这些部分被使用者认为是SVR视角中的被造影的管的间隙。
已知使使用者能够手动地对区域进行调整,例如能够手动地将区域识别为管而不是骨。但是,该操作对于使用者而言,例如,对于放射线技师或者放射线科医生而言是耗时的且效率低。
发明内容
目的在于,提供一种能够实现自动分段化算法的升级以减少管以及骨的误认的医用图像处理装置以及医用图像处理方法。
一种实施方式所涉及的医用图像处理装置具备:图像数据处理单元,通过从与第1对象和第2对象相关的图像数据中,减去与进行分段得到的所述第1对象对应的掩模区域,从而取得与发生了至少一部分缺损的第2对象相关的分段图像;指定单元,在所述第2对象缺损的缺损区域以及该缺损区域的附近区域的至少某一个中,指定至少一个点;图像处理单元,使用所指定的所述至少一个点的位置,在所述缺损区域中使所述第2对象恢复。
附图说明
图1是示出了一种实施方式的图像处理系统的概略图。
图2是概略地示出了图1的图像处理系统的动作模式的流程图。
图3(a)是患者的某一区域的表面体积描绘图像。
图3(b)是示出缺损的血管区域的、为了示出血管而被分段化的图3(a)所示的区域的一部分的表面体积描绘图像。
图4(a)是图3(b)所示区域的一部分的放大图。
图4(b)是缺损的管区域被恢复的区域的视角。
图5(a)是包含骨的区域的图像。
图5(b)是与骨的区域被填充的图像对应的图像。
图6是表示脊柱内的低密度的区域的脊柱的一部分的图像。
具体实施方式
特定的实施方式提供一种图像数据处理装置,该图像数据处理装置具备用于获得通过使用分段化过程而被分段化并且包含管的表现的分段化图像数据的图像数据处理单元,管的区域从该表现中缺损。该装置还具备用于识在别缺损的区域的边界处的或者在缺损的区域的边界的附近的至少一个点的边界识别单元。图像数据处理单元被构成为执行用于识别管的缺损的区域的进一步的分段化过程,图像数据处理单元还构成为生成包含管的缺损的区域的管的修正了的表现。
特定的实施方式还提供一种得到通过使用分段化过程而被分段化的并且包含管的表现的分段化图像数据的图像数据处理方法,该图像数据处理方法包含:得到管的区域从表现中缺损的分段化图像数据的步骤;识别在缺损的区域的边界处的或者在缺损的区域的边界附近的至少一个点的步骤;使用至少一个所选择的点的位置,执行用于识别管的缺损的区域的进一步的分段化过程的步骤;生成包含管的缺损的区域的管的修正了的表现的步骤。
一种实施方式的医用图像处理系统1在图1中概略地被示出,其具备被构成为实施上述的那样的方法的处理装置2。在图1所示的实施方式中,处理装置2还具备个人计算机(PC)、或者工作站。处理系统1还具备显示设备4、CT扫描仪6、(1个或者多个)用户输入设备8,在该情况下,用户输入设备8还具备计算机的键盘和鼠标。系统1还包含数据存储部9。
可以使用能够执行针对患者或者其他被检体的3D的CT测定的任意的合适类型的CT扫描仪,例如,可以使用由东芝医疗系统有限公司生产的Aquilion(注册商标)的一系列的扫描仪之一。图1的实施方式与CT扫描数据相关联地进行说明,但在代替的实施方式中,能够使用生成任意的合适的类型的图像数据,例如,能够使用生成合适的形态的MRI数据或者PET数据的任意的其他的合适类型的扫描仪。
处理装置2提供用于自动地或者半自动地对图像数据进行处理的处理源,具备能够加载被构成为执行参照图2以下更详细地说明的方法的各种软件单元或者其他的软件组件并进行动作的中央处理装置(CPU)10。
软件单元包含用于接收图像数据,并根据需要执行存在分段化、滤波、掩蔽的各个处理技术的图像数据处理单元12。软件单元还具备用于识别在管的缺损的区域的边界处的或者在管的缺损的区域的边界的附近的1个或者多个点的边界识别单元14、和用于确定由使用者选择或者自动地选择的点的选择单元16。软件单元还包含用于生成用于在显示设备4上显示图像的信号的图形单元18。
处理装置2具备:硬盘驱动器、以及PC的其他的构成要素,这些构成要素包含:RAM、ROM、数据总线、包含具有各种设备驱动程序的操作系统、以及包含显卡的硬件设备。为了易于理解,这样的构成要素在图1中没有示出。在代替的实施方式中,也可以使用任意的其他的合适的处理装置。
在图1的实施方式中,体积图像数据集7在通过扫描仪6取得扫描之后,通过处理装置2从CT扫描仪6接收,存储于数据存储部9,由处理装置2进行处理。
在图1的实施方式的变形例中,处理装置2接收来自远程数据存储部(未图示)的体积图像数据集或者其他的图像数据集。远程数据存储部、例如形成图像保管通信系统(PACS:Picture Archiving andCommunication System)的一部分的数据存储部在长期内连同相关联的患者数据一起存储从多个不同的扫描仪得到的大量不同的数据集。
图1的系统被构成为执行具有如图2的流程图概要示出的一系列的阶段的医用图像处理方法。
在第1阶段30中,通过处理装置2来接收从基于CT扫描仪6的对于患者的测定值而得到的体积图像数据,在该情况下为CT图像数据。在该情况下,图像数据处理单元12针对包含执行自动地对骨的材料以及血管进行分段化的分段化过程的所接收到的数据,进行被熟知的图像数据处理。其结果,取得分段图像。
在该情况下,使用Voxar的3D产品所包含的那样的分段化算法,但也可以使用任意的其他的合适的分段化算法或者步骤。
图像数据处理单元12为了按照使用者所选择的视角描绘体积数据的表现,还执行描绘处理。任意的合适的描绘处理能够用于生成2D图像或者3D图像,例如MIP、MPR或者表面体积绘制图(SVR)。
在下一阶段32中,为了在显示设备4上输出选择视角的图像,所描绘的数据被转送至图形单元18。
在本例子中,图像数据处理单元12实施用于生成在示出了血管的区域的图3(b)中所示的SVR图像的表面体积描绘处理。图3(a)是由表示骨和血管这两者的图像数据的相同的集得到的相同的患者的体描绘图像。在图3(b)的图像中,识别为骨的区域被遮住,只保留血管。但是,通过骨的分段化,将血管的几个区域误认为是骨,从而,当减去骨的掩模区域的数据时,血管的几个区域缺损。被掩模干扰并且因而当从描绘出的图像数据集中减去掩模数据时被去除的这些血管的区域可以被称为缺失。
在代替的实施方式中,体积图像数据不是从CT扫描仪6等测定装置来接收,而是从远程数据存储部来接收。在接收到的数据已经被分段化和/或已经被描绘出的情况下,描绘或者分段化处理不一定由图像数据处理单元12来进行。
如图3(b)所示,使用者能够观察管构造的至少几个部分缺失的情况。接着,当使用者认为管的区域缺失、或者如果没有缺失而是缺损时,在阶段34中,使用者能够在所描绘的视角,选择与管相关联的点44。在该情况下,使用者通过在该点配置鼠标的指针,接着,点击鼠标的按钮来选择点,但也可以使用用于选择该点的任意的其他的合适的方法。选择单元16对使用者的输入进行处理,确定所选择的点的位置。
在代替的实施方式中,使用任意的合适的自动选择算法通过安装于处理装置2的处理单元来自动地选择该点44。例如,亮度的阈值也可以适用于确定所有的明亮的组织(管以及骨)的区域。在原理上,从阈值的区域中减去分段化的骨(以及缺失的管)的区域的操作应该只保留管的区域。理想的情况是,管的区域如果不存在缺失,则能够认为应该是单一的连接区域。所连接的组件的分析能够用于识别区域的个数。在存在缺失的情况下,应该存在多个区域。针对任意对的非连接区域,种子点能够通过针对距离其他的区域最短的每个区域确定该点来自动地识别。在几个那样的代替的实施方式中,在那样地自动化了的实施方式中,为了识别缺失的区域或者种子点,使用者不需要观察血管,因此,也可以在对使用者显示血管之前自动地选择(1个或者多个的)种子点44。
图3(b)的图像的放大图在图4(a)中示出,包含在阶段32中由使用者选择的点44。点44是在管46与管的缺失的区域48之间的边界的附近。对于使用者而言,例如,对于具有解剖学组织的知识的医学专家而言很明显的是,在该情况下,管46的区域缺失,使用者很容易选择缺失的区域的附近的点。使用者并不一定选择单一的点,在代替的实施方式中,既可以选择包含多个点的管的区域,或者也可以单独地选择多个点的各个点。
在下一阶段36中,边界识别单元14将所选择的至少1个点44作为开始点来使用,确定在管的缺失的区域48的边界处的或者在管的缺失的区域48的边界的附近的至少1个点。在缺失的区域的边界处的或者在缺失的区域的边界的附近的至少1个点的确定能够使用任意的合适的分段化或者其他的处理来执行,但在该情况下,为了跟随从所选择的点44向缺失的区域48的边界的管,使用等级设定处理。该处理不接受强的限制条件,并且用于识别被称为缺失点的、在管的缺失的区域与没有缺失的区域之间的边界处的或者在其附近的种子点并估计管的半径。
在该情况下,等级设定以半径2.0mm的球形进行初始化处理,被限定为中心位于还被称为使用者输入种子点44的点44的1个边为3.0cm的立方体。它还仅被限定为自动地分段化的骨的区域的外侧的分段。认为等级设定能够通过骨的区域到达缺失点。
在本实施方式中,为了在缺失点处识别种子点,分段化的管的区域通过1个体素扩大。缺失点处的种子点通过扩大了的管的区域42与骨的区域的交叉来识别。在图2的实施方式中,除了确定种子点之外,表示管与最初确定的骨的区域的交叉的交叉区域能够在之后的阶段中确定以及使用。
接着,管的半径通过首先确定分段化了的管的区域46的主方向,接着用与该方向垂直的平面将区域46切开来估计。如果假设管为圆形,则根据最大的连接了的构成要素的范围来计算半径(管一般具有大致椭圆形,要理解这只是近似法)。
在代替的实施方式中,管46的进一步的特性除了半径之外,或者代替半径,还确定例如管的尺寸、管的朝向、或者管的空间结构的另一个测定值。图像数据处理单元12被构成为:当执行之后的进一步的分段化处理时,将所确定的至少1个特性作为制约条件来使用。
在下一阶段38中,骨的区域被填充,为了识别潜在的管区域而执行滤波和/或形态学动作。本实施方式的特征在于,识别潜在的管区域所使用的该动作根据所估计的尺寸、或者管的其他的特性(例如,管被看作是大的管,或者看作是中到小的管),从多个可能的动作中选择。
填充自动地分段化了的骨的区域的操作通过使用一边保持边缘部,一边填充更小的密度的骨以及骨盆区域的中央的技术来执行。
低密度的骨的内部一般不包含在被称为骨的掩模的最初自动地分段化了的骨的区域中,因此,执行填充骨的区域的操作。在本实施方式中,之后进行的形态学识别依赖于完整的骨的区域。
由于可能没有连接高亮度的区域(例如,骨盆以及脊柱),因此,通过3D简单地填充骨的区域的操作有时可能造成错误。另外,关闭等形态学动作还有时使边缘部模糊,妨碍区别骨与管。从而,在所记载的本实施方式中,填充骨的区域的操作通过在各主方向由2D层连续地填充3D的骨的区域来执行。填充之前的骨的区域50的一个例子在图5(a)中示出,填充之后的骨的区域在图5(b)中示出。
如果对骨的区域进行填充,则图像数据处理单元12为了在由算法识别出的种子点的周围的区域内识别潜在的管区域和潜在的骨区域,进行滤波和/或形态学动作。这样的动作可能接受形态学制约条件。
本实施方式的特征在于,形态学制约条件根据在阶段36中确定的估计的管的半径或者其他的管的特性而不同。
在该情况下,确定所估计的管的半径是否超过阈值的值。在本实施方式中,阈值的值是6.0mm,在其他的实施方式或者应用例中也可以使用其他的阈值的值。
当估计管的半径大于6.0mm时,认为管是大动脉等“大的”管。假设管具有比包围骨的任一物体都大的最小发光剖面。3D TOP-HAT滤波器、或者与具有合适的半径的其他的尺寸对应的滤波器用于去除半径6.0mm以上的发光体。从而,应用滤波器之后的体积应该只包含骨。当管的半径超过6.0mm的阈值时,滤波器被应用于不包含被填充的区域而包含原来的骨的区域的数据。
作为例子,图6示出了包含接近脊柱62的一部分的大动脉60的图像。脊柱在其内部包含低密度的数据,从而,如果适用TOP-HAT滤波器,则能够将在全部范围提供高的亮度信号的大动脉与只在其周围提供高的亮度信号的脊柱区别开来。
亮度阈值应用于为了识别骨而进行滤波处理的体积。接着,连接了的构成要素的分析用于识别以及去除超过阈值的小的构成要素。接着,原来的自动地分段化了的骨的区域内的管区域通过从原来的自动地分段化了的骨的区域中减去该修正了的骨的区域来识别。
该算法还检查该假定的一致性。该算法确保所识别的管的区域与所识别的缺失的点交叉。当不满足该要求时,该算法继续到在此更详细地说明的“中到小的”管的情况。
在算法推断为该假定与之前的段落叙述的不一致,或者通过所估计的管的半径与阈值的值的最初的比较,得出管的半径小于阈值的值(在该情况下,6.0mm)的结论的情况下,使用“中到小的”管的情况。
在“中到小的”管的情况下,恒定的高的亮度被应用于填充后的骨的区域内的体积,由此,对填充的骨的区域内的所有的点,提供相同的一定的亮度。
接着,3DTOP-HAT滤波器、或者与其他的尺寸对应的滤波器以半径6.0mm来应用,由此应该从体积中去除骨的全部。接着,管区域通过对在应用滤波器之后剩余的数据应用亮度阈值来识别。
接着,为了提供沿着骨而延伸的小的管,对骨的区域应用小的开口。任意的这样的管根据原来的被填充的骨的区域与打开的区域之间的差来识别。为了识别全部的原来自动地分段化了的骨的区域内的可能的管区域,将这些管的区域与在之前的段落中说明的那样通过滤波以及阈值而识别出的管区域进行组合。
如果任意的合适的形态学动作,例如,填充、打开、或者关闭对于特定的应用例而言是需要的,则也可以应用于识别出的潜在的管区域。
在阶段38的结束,在“大的管”的情况和“中到小的”管的情况这两者中,图像数据处理单元12识别原来的自动地分段化了的骨的区域内的可能的管区域。
在下一阶段40中,图像数据处理单元12为了识别管的缺损的区域,执行进一步的分段化处理。也可以使用任意的合适的分段化处理,但在该情况下,等级设定分段化用于识别管的缺损的区域。在阶段38中识别出的(1个或者多个)所识别的潜在的管区域作为缺失的管的等级设定分段化中的制约条件来使用。在本案例中,制约条件确保管的缺损的区域只通过(1个或者多个)所识别的潜在的管区域。管的所确定的(1个或者多个)特性、例如管的尺寸能够作为等级设定处理或者其他的分段化处理中的制约条件来使用。
等级设定能够确保所分段化的管(根据曲率的制约条件)是平滑的且被连接。当形态学制约条件不准确时,曲率的制约条件将有助于防止将骨误认为是管。
最后,在阶段42中,图像数据处理单元12生成包含之前缺损的(1个或者多个)区域的管的修正了的表现。接着,也可以将管的图像显示在显示设备4上。作为例子。图4(b)提供恢复了缺损的管区域的图4(a)所示的区域的视角。
参照图4说明的处理也可以关于表示身体的任意的合适的范围的图像数据而使用。
图1的实施方式不要求手动识别缺损的区域,能够通过自动化的方法或者半自动化的方法,提供缺损的管的恢复。
图1的实施方式与CT数据的处理相关联地进行了说明。在代替的实施方式中,也可以使用任意的其他的合适的图像数据,例如,也可以使用任意的种类的CT数据、例如CT血管造影数据、MRI数据、或者PET数据。
例如,血管、气管、淋巴管或者神经构造等任意的合适的管也可以使用实施方式来图像化。
所记载的实施方式根据通过使用者对与管相关联的1个或者多个点的选择,提供管的缺损的区域的识别以及恢复。在代替的实施方式中,1个或者多个点的选择例如能够通过在初始的分段化中识别出的管区域的端部附近的1个或者多个点的自动选择来自动地执行。
几个实施方式能够通过具有为了实施本实施方式的该方法而能够执行的计算机可读命令的计算机程序来执行某一功能,但本领域的技术人员应该理解,该计算机程序的功能也可以通过硬件(例如,通过CPU、或者通过1个或者多个ASIC(特定用途集成电路))、FPGA(现场可编程门阵列)、或者GPU(图形处理单元)、或者硬件与软件的混合来实现。
在本说明书中记载了特定的单元,但在代替的实施方式中,可以通过单一的单元、处理源或者其他的构成要素来提供这些单元的1个或者多个功能,或者,也可以通过组合了的2个以上的单元或者其他的构成要素来实现由单一的单元实现的功能。对单一的单元的论述包含多个构成要素,例如,在单元的情况下,不管这样的构成要素是否相互远离,均包含提供该单元的功能的多个构成要素,对多个单元的论述包含单一的构成要素,例如,在单元的情况下,包含提供这些单元的功能的单一的构成要素。
虽然说明了本发明的几个实施方式,但这些实施方式是作为例子而提示的,并不意图限定本发明的范围。这些实施方式能够以其他的各种方式进行实施,在不脱离发明的要旨的范围内,能够进行各种的省略、置换、变更。这些实施方式或其变形与包含于发明的范围或要旨中一样,包含于权利要求书记载的发明及其均等的范围中。
Claims (11)
1.一种医用图像处理装置,其特征在于,具备:
图像数据处理单元,通过从与第1对象和第2对象相关的图像数据中减去与进行分段得到的所述第1对象对应的掩模区域,从而取得与发生了至少一部分缺损的第2对象相关的分段图像;
指定单元,在所述第2对象缺损的缺损区域以及该缺损区域的附近区域的至少某一个中,指定至少一个点;以及
图像处理单元,使用所指定的所述至少一个点的位置,在所述缺损区域中使所述第2对象恢复。
2.根据权利要求1所述的医用图像处理装置,其特征在于,
所述指定单元使用通过对所述第1对象和所述第2对象摄像得到的体积数据,生成来自所希望的视角的绘制图像,使用所述绘制图像指定所述至少一个点。
3.根据权利要求1或2所述的医用图像处理装置,其特征在于,
所述图像数据处理单元识别从所述图像数据中减去所述掩模区域而去除的所述第2对象的缺损区域,执行所述恢复。
4.根据权利要求3所述的医用图像处理装置,其特征在于,
所述图像数据处理单元根据发生了所述至少一部分缺损的所述第2对象通过所述缺损区域这样的制约条件,执行所述恢复。
5.根据权利要求3所述的医用图像处理装置,其特征在于,
所述图像数据处理单元根据与所述第2对象的尺寸相关的制约条件,执行所述恢复。
6.根据权利要求3至5中任一项所述的医用图像处理装置,其特征在于,
在所估计的所述第2对象的尺寸超过阈值的情况下,所述图像数据处理单元在所述掩模区域中提取与所述第2对象不同的区域,并从所述掩模区域中减去所提取的所述区域。
7.根据权利要求3至5中任一项所述的医用图像处理装置,其特征在于,
在所估计的所述第2对象的尺寸低于阈值的情况下,所述图像数据处理单元在填充了所述掩模区域之后,在所述掩模区域中提取与所述第2对象不同的区域,并从所述掩模区域中减去所提取的所述区域。
8.根据权利要求7所述的医用图像处理装置,其特征在于,
所述图像数据处理单元在进行用于识别所述第2对象的至少一个处理之前,填充所述掩模区域。
9.根据权利要求6至8中任一项所述的医用图像处理装置,其特征在于,
所述图像数据处理单元使用与尺寸相应的滤波器,来执行对所估计的所述第2对象的尺寸是否超过阈值的判定。
10.根据权利要求3至9中任一项所述的医用图像处理装置,其特征在于,
所述图像数据处理单元使用与所述第2对象的尺寸相应的滤波器,识别在所述掩模区域中包含的所述第2对象。
11.一种医用图像处理方法,其特征在于,具备:
通过从与第1对象和第2对象相关的图像数据中减去与进行分段得到的所述第1对象对应的掩模区域,从而取得与发生了至少一部分缺损的第2对象相关的分段图像,
在所述第2对象缺损的缺损区域以及该缺损区域的附近区域的至少一个中,指定至少一个点,
使用所指定的所述至少一个点的位置,在所述缺损区域中使所述第2对象恢复。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/850,808 US9324157B2 (en) | 2013-03-26 | 2013-03-26 | Medical image data processing apparatus and method |
US13/850,808 | 2013-03-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104077747A true CN104077747A (zh) | 2014-10-01 |
CN104077747B CN104077747B (zh) | 2017-07-04 |
Family
ID=51598990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410115996.0A Active CN104077747B (zh) | 2013-03-26 | 2014-03-26 | 医用图像处理装置以及医用图像处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9324157B2 (zh) |
JP (1) | JP6437207B2 (zh) |
CN (1) | CN104077747B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809411A (zh) * | 2015-04-30 | 2015-07-29 | 重庆邮电大学 | 一种基于数据完整性校验及修复的医学图像认证保全方法 |
CN106108925A (zh) * | 2015-05-04 | 2016-11-16 | 西门子保健有限责任公司 | 用于医学图像数据中全身骨移除和血管可视化的方法和系统 |
CN106157288A (zh) * | 2015-04-03 | 2016-11-23 | 东芝医疗系统株式会社 | 医学图像处理装置和方法以及医学成像设备 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10068340B2 (en) * | 2014-11-03 | 2018-09-04 | Algotec Systems Ltd. | Method for segmentation of the head-neck arteries, brain and skull in medical images |
DE102019007747A1 (de) * | 2019-11-07 | 2021-05-27 | Ziehm Imaging Gmbh | Verfahren und Vorrichtung zur Ermittlung der Kontur von anatomischen Strukturen in einem digitalen röntgenbasierenden Durchleuchtungsbild |
CN111062997B (zh) * | 2019-12-09 | 2023-09-12 | 上海联影医疗科技股份有限公司 | 一种血管造影成像方法、系统、设备和存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6842638B1 (en) * | 2001-11-13 | 2005-01-11 | Koninklijke Philips Electronics N.V. | Angiography method and apparatus |
US7676257B2 (en) | 2003-11-25 | 2010-03-09 | General Electric Company | Method and apparatus for segmenting structure in CT angiography |
CN100583143C (zh) * | 2004-01-26 | 2010-01-20 | 美国西门子医疗解决公司 | 从医学图像中自动提取骨的系统和方法 |
JP2006102353A (ja) | 2004-10-08 | 2006-04-20 | Toshiba Corp | 関節動作解析装置、関節動作解析方法及び関節動作解析プログラム |
US7995809B2 (en) | 2005-04-18 | 2011-08-09 | Siemens Medical Solutions Usa, Inc. | Refined segmentation of nodules for computer assisted diagnosis |
DE602007013502D1 (de) * | 2006-09-18 | 2011-05-12 | Mediguide Ltd | Verfahren und System zur Navigation durch ein verschlossenes röhrenförmiges Organ |
US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8675943B2 (en) * | 2010-11-29 | 2014-03-18 | Siemens Aktiengesellschaft | Method and system for heart isolation in cardiac computed tomography volumes for patients with coronary artery bypasses |
CN102129670B (zh) * | 2011-02-25 | 2013-02-06 | 上海交通大学 | 电影划痕损伤的检测修复方法 |
WO2012145765A2 (en) * | 2011-04-22 | 2012-10-26 | The Regents Of The University Of California | Mapping vascular perfusion territories using magnetic resonance imaging |
-
2013
- 2013-03-26 US US13/850,808 patent/US9324157B2/en active Active
-
2014
- 2014-03-26 CN CN201410115996.0A patent/CN104077747B/zh active Active
- 2014-03-26 JP JP2014064772A patent/JP6437207B2/ja active Active
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157288A (zh) * | 2015-04-03 | 2016-11-23 | 东芝医疗系统株式会社 | 医学图像处理装置和方法以及医学成像设备 |
CN106157288B (zh) * | 2015-04-03 | 2019-06-11 | 东芝医疗系统株式会社 | 医学图像处理装置和方法以及医学成像设备 |
CN104809411A (zh) * | 2015-04-30 | 2015-07-29 | 重庆邮电大学 | 一种基于数据完整性校验及修复的医学图像认证保全方法 |
CN106108925A (zh) * | 2015-05-04 | 2016-11-16 | 西门子保健有限责任公司 | 用于医学图像数据中全身骨移除和血管可视化的方法和系统 |
CN106108925B (zh) * | 2015-05-04 | 2020-03-17 | 西门子保健有限责任公司 | 用于医学图像中全身骨移除和血管可视化的方法和系统 |
CN111528871A (zh) * | 2015-05-04 | 2020-08-14 | 西门子保健有限责任公司 | 用于医学图像中全身骨移除和血管可视化的方法和系统 |
CN111528871B (zh) * | 2015-05-04 | 2023-06-09 | 西门子保健有限责任公司 | 用于医学图像中全身骨移除和血管可视化的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6437207B2 (ja) | 2018-12-12 |
US20140294269A1 (en) | 2014-10-02 |
CN104077747B (zh) | 2017-07-04 |
JP2014188378A (ja) | 2014-10-06 |
US9324157B2 (en) | 2016-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11282195B2 (en) | System and method for creating a decision support material indicating damage to an anatomical joint | |
KR101930644B1 (ko) | 환자 맞춤형 최적 이진화 방법과 분수령 알고리즘에 기반한 관절의 완전 자동 영상 분할 방법 및 장치 | |
CN104077747A (zh) | 医用图像处理装置以及医用图像处理方法 | |
US8311301B2 (en) | Segmenting an organ in a medical digital image | |
JP5390080B2 (ja) | 医用画像表示装置 | |
US20190244363A1 (en) | Segmentation of anatomic structures | |
Karssemeijer et al. | Recognition of organs in CT-image sequences: a model guided approach | |
US7593762B2 (en) | System and method for automatically segmenting bones in computed tomography angiography data | |
US7471814B2 (en) | Curved-slab maximum intensity projections | |
Sato et al. | An automatic colon segmentation for 3D virtual colonoscopy | |
US20180360540A1 (en) | System and method for creating a decision support material indicating damage to an anatomical joint | |
US20180365827A1 (en) | Creation of a decision support material indicating damage to an anatomical joint | |
Masutani et al. | Automated segmentation and visualization of the pulmonary vascular tree in spiral CT angiography: an anatomy-oriented approach based on three-dimensional image analysis | |
CN110945562A (zh) | 建立指示对解剖关节的损伤的判断支持材料 | |
Fetita et al. | Morpho-geometrical approach for 3D segmentation of pulmonary vascular tree in multi-slice CT | |
Koh et al. | Automated boundary extraction of the spinal canal in mri based on dynamic programming | |
US11645749B2 (en) | Determination and visualization of damage to an anatomical joint | |
Cai et al. | Vesselness propagation: a fast interactive vessel segmentation method | |
Malik et al. | A novel algorithm for segmentation of lung images | |
Logeswaran et al. | Stone detection in MRCP images using controlled region growing | |
Kahraman | Automatic Interpretation of Lung CT Volume Images | |
EP3895175A1 (en) | Determination and visualization of damage to an anatomical joint | |
WO2020119930A1 (en) | Determination and visualization of damage to an anatomical joint | |
Blaffert et al. | Bone suppression in CT angiography data by region-based multiresolution 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 | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160713 Address after: Japan Tochigi Applicant after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Applicant before: Toshiba Corp Applicant before: Toshiba Medical System Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |