CN104794744B - 一种医学图像的多平面重建成像方法 - Google Patents

一种医学图像的多平面重建成像方法 Download PDF

Info

Publication number
CN104794744B
CN104794744B CN201410020340.0A CN201410020340A CN104794744B CN 104794744 B CN104794744 B CN 104794744B CN 201410020340 A CN201410020340 A CN 201410020340A CN 104794744 B CN104794744 B CN 104794744B
Authority
CN
China
Prior art keywords
image sequence
dimensional image
pixel
dimensional
area
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
CN201410020340.0A
Other languages
English (en)
Other versions
CN104794744A (zh
Inventor
陆维
王文波
谭国陞
娄昕
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 CN201410020340.0A priority Critical patent/CN104794744B/zh
Publication of CN104794744A publication Critical patent/CN104794744A/zh
Application granted granted Critical
Publication of CN104794744B publication Critical patent/CN104794744B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种医学图像的多平面重建成像方法,包括如下步骤:a)扫描待成像目标的检查区域,获取所述检查区域的三维图像序列,所述三维图像序列由一组二维图像序列组成;b)选取所述二维图像序列内的有效区域图像序列,并确定所述有效区域图像序列的三维中心;c)以所述有效区域图像序列的三维中心作为重建中心,用于进行所述检查区域的多平面重建成像。本发明提供的医学图像的多平面重建成像方法,通过对检查区域的三维图像序列进行筛选,选取有效区域图像序列,舍去噪声区域图像,然后确定有效区域图像序列的三维中心并作为多平面重建成像的重建中心,从而提高定位及重建成像的准确性。

Description

一种医学图像的多平面重建成像方法
技术领域
本发明涉及一种医学图像成像方法,尤其涉及一种医学图像的多平面重建成像方法。
背景技术
多平面重建成像技术(MPR,Multi-planer Reformation)的图像是根据医学成像设备采集到的初始体数据(volumetric data)后,经过数据处理生成的。通用的MPR图像处理过程为:在视图空间内获取坐标,将该坐标转换成体空间,使用任意形式的插补,对体数据进行再采样,并生成针对离散视图空间坐标的新的MPR数据值。MPR片层(二维图像序列)通过在固定z值下对多个(x,y)坐标执行所述处理而形成。针对z的多个值重复执行所述处理时,决定多个MPR片层,将这些片层投影而能够形成MPR三维图像序列。因此,MPR图像具备与投影面平行地对齐、且配设在沿着z轴的不同位置的一系列MPR片层。
上述对于三维目标的多平面重建成像过程中,一个关键之处是需要确定多平面成像的重建中心,基于重建中心在三个正交方向上生成MPR片层,但是目前并无确定准确的重建中心的有效方法。如果重建中心不在需要成像的三维目标正中心处则对MPR图像的影响很大,因为MPR图像很有可能只是反映了目标的局部信息。
因此,有必要提供一种能够快速准确的确定多平面成像的重建中心的方法,能够得到更准确反映成像目标三维信息的MPR图像。
发明内容
本发明所要解决的技术问题是提供一种医学图像的多平面重建成像方法,能够更准确的获得检查区域的有效区域图像,提高定位及重建成像的准确性。
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医学图像的多平面重建成像方法,包括如下步骤:a)扫描待成像目标的检查区域,获取所述检查区域的三维图像序列,所述三维图像序列由一组二维图像序列组成;b)选取所述二维图像序列内的有效区域图像序列,并确定所述有效区域图像序列的三维中心;c)以所述有效区域图像序列的三维中心作为重建中心,用于进行所述检查区域的多平面重建成像。
上述的医学图像的多平面重建成像方法,其中,所述步骤b)中有效区域图像序列的选取过程包括:对所述三维图像序列的像素值进行均值化;计算所述二维图像序列的最大像素连通区域的面积;比较预设的面积阈值和所述二维图像序列的最大像素连通区域的面积;选取所述二维图像序列中最大像素连通区域面积高于所述面积阈值的像素区域,将所述像素区域作为所述二维图像序列的有效区域图像序列。
上述的医学图像的多平面重建成像方法,其中,所述计算二维图像序列的最大像素连通区域的面积包括:计算所述二维图像序列的像素值平均值;比较所述二维图像序列各像素的像素值和所述像素值平均值;选取所述二维图像序列中像素值大于所述像素值平均值的像素;仅对选取的所述二维图像序列的像素计算二维图像序列的最大像素连通区域的面积。
上述的医学图像的多平面重建成像方法,其中,所述计算二维图像序列的最大像素连通区域的面积包括:通过直方图统计得到所述二维图像序列的像素值阈值;比较所述二维图像序列各像素的像素值和所述像素值阈值;选取所述二维图像序列中像素值大于所述像素值阈值的像素;仅对选取的所述二维图像序列的像素计算二维图像序列的最大像素连通区域的面积。
上述的医学图像的多平面重建成像方法,其中,所述步骤b)中有效区域图像序列的选取过程包括:对所述三维图像序列的像素值进行均值化,所述三维图像序列由一组二维图像序列构成;计算所述二维图像序列的最大像素连通区域的像素点个数;比较预设的像素个数阈值和所述二维图像序列的最大像素连通区域的像素点个数;选取所述二维图像序列中最大像素连通区域像素点个数高于所述像素个数阈值的像素区域,将所述像素区域作为所述二维图像序列的有效区域图像序列。
上述的医学图像的多平面重建成像方法,其中,所述步骤b)在选取所述二维图像序列的有效区域图像序列时,仅以所述二维图像序列的中间部分的二维图像序列进行选取。
上述的医学图像的多平面重建成像方法,其中,所述步骤a)中所述三维图像序列通过头部的时间飞跃法扫描后得到,并仅以所述三维图像序列的中间40%~60%的二维图像序列进行选取。
上述的医学图像的多平面重建成像方法,其中,所述步骤a)中的三维图像序列为MRI图像序列、CT图像序列或X-ray图像序列。
本发明对比现有技术有如下的有益效果:本发明提供的医学图像的多平面重建成像方法,通过对检查区域的三维图像序列进行筛选,选取有效区域图像序列,舍去噪声区域图像,然后确定有效区域图像序列的三维中心并作为多平面重建成像的重建中心,从而提高定位及重建成像的准确性。此外,本发明通过先采用像素值均值或像素点个数对三维图像序列进行初步筛选,再利用最大像素连通区域的面积进行判断,从而保证快速可靠地获取有效区域图像序列。
附图说明
图1为本发明医学图像的多平面重建成像流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的描述。
图1为本发明医学图像的多平面重建成像流程示意图。
请参见图1,本发明提供的医学图像的多平面重建成像方法包括如下步骤:
步骤S1:扫描待成像目标的检查区域,获取所述检查区域的三维图像序列;所述三维图像序列可以为MRI图像序列、CT图像序列或X-ray图像序列。所述三维图像序列由一组二维图像序列构成,比如通过头部时间飞跃法扫描后得到的一组二维图像序列。这里的“序列”可等同理解为“数据”。
步骤S2:选取所述二维图像序列的有效区域图像序列,并确定所述有效区域图像序列的三维中心;
有效区域图像序列可通过:比较三维图像序列中各二维图像序列的最大像素连通区域的面积是否达到预设的面积阈值或最大像素连通区域的像素点个数是否达到预设的像素点阈值来判断。
在面积阈值判断(或像素点阈值判断)前还可先采用像素值均值的判断对三维图像序列的像素进行初步选取,以便快速可靠地获取有效区域图像序列。像素值均值可通过对各二维图像序列统计直方图进行快速准确地选取。此外,为了进一步加快判定过程,本发明可仅仅针对三维图像序列中间部分的二维图像序列进行选取。假如通过头部时间飞跃法共扫描形成100个二维图像序列,考虑到新的中心点不会偏离体数据中心点太远,所以可仅仅对中间部分的二维图像序列进行选取,前后两头的二维图像序列直接作为噪声区域舍弃。如仅对其中的40%-60%的二维图像序列(第40-60个二维图像序列)进行处理,即从第40个二维图像序列开始,才对图像进行均值化或像素点数初步选取,再判断各二维图像序列中最大像素连通区域的面积是否达到预设的面积阈值或最大像素连通区域的像素点个数是否达到像素点阈值。
下面具体介绍先采用像素值均值对二维图像序列的像素进行初步选取,再利用最大像素连通区域的面积判断有效区域图像序列的处理流程:
获取由一组二维图像序列构成的三维图像序列,对三维图像序列的像素值进行均值化处理,也可以进行0、1二值化处理。
以一个二维图像序列举例说明:计算该二维图像序列的像素值平均值(也可以通过统计该二维图像序列的像素值直方图,找到合适的像素值阈值替代这里的像素值平均值),选取该图像序列中像素值大于该像素值平均值(或像素值阈值)的像素,仅计算大于像素值平均值的像素的最大像素连通区域面积。选取二维图像序列中最大像素连通区域面积高于面积阈值的像素区域,将该像素区域作为该二维图像序列的有效区域图像序列。
其他各二维图像序列的实施方式相同,所有二维图像序列的有效区域图像序列组成了原三维图像序列的有效区域图像序列。
对于上述利用计算面积、比较面积阈值进行选取的实施方式,也可以采用计算像素点个数、比较像素点阈值的方式判断有效区域图像序列的处理流程:
获取由一组二维图像序列构成的三维图像序列,对三维图像序列的像素值进行均值化处理,也可以进行0、1二值化处理。
以一个二维图像序列举例说明:计算该二维图像序列的像素值平均值(也可以通过统计该二维图像序列的像素值直方图,找到合适的像素值阈值替代这里的像素值平均值),选取该图像序列中像素值大于该像素值平均值(或像素值阈值)的像素,仅计算大于像素值平均值的像素的最大像素连通区域的像素点个数。选取二维图像序列中最大像素连通区域像素点个数高于像素点个数阈值的像素区域,将该像素区域作为该二维图像序列的有效区域图像序列。
其他各二维图像序列的实施方式相同,所有二维图像序列的有效区域图像序列组成了原三维图像序列的有效区域图像序列。
得到有效区域图像序列后,即已知各二维图像序列的有效区域图像序列的像素位置,根据各像素位置坐标可计算得到三维中心。
步骤S3:以所述有效区域图像序列的三维中心作为重建中心,用于进行所述检查区域的多平面重建成像。
该步骤将有效区域图像序列的三维中心作为MPR重建中心。确定了MPR重建中心之后的MPR重建过程在背景部分已做说明,为本领域技术人员知晓的技术。
综上所述,本发明提供的医学图像的多平面重建成像方法,通过对检查区域的三维图像序列进行筛选,选取有效区域图像序列,舍去噪声区域图像,然后确定有效区域图像序列的三维中心并作为多平面重建成像的重建中心,从而提高定位及重建成像的准确性,从而保证快速可靠地获取有效区域图像序列。
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 (7)

1.一种医学图像的多平面重建成像方法,其特征在于,包括如下步骤:
a)扫描待成像目标的检查区域,获取所述检查区域的三维图像序列,所述三维图像序列由一组二维图像序列组成;
b)选取所述二维图像序列的有效区域图像序列,并确定所述有效区域图像序列的三维中心;
c)以所述有效区域图像序列的三维中心作为重建中心,用于进行所述检查区域的多平面重建成像;
所述步骤b)在选取所述二维图像序列的有效区域图像序列时,仅以所述二维图像序列的中间部分的二维图像序列进行选取。
2.如权利要求1所述的医学图像的多平面重建成像方法,其特征在于,所述步骤b)中有效区域图像序列的选取过程包括:
对所述二维图像序列的像素值进行均值化;
计算所述二维图像序列的最大像素连通区域的面积;
比较预设的面积阈值和所述二维图像序列的最大像素连通区域的面积;
选取所述二维图像序列中最大像素连通区域面积高于所述面积阈值的像素区域,将所述像素区域作为所述二维图像序列的有效区域图像序列。
3.如权利要求2所述的医学图像的多平面重建成像方法,其特征在于,所述计算二维图像序列的最大像素连通区域的面积包括:
计算所述二维图像序列的像素值平均值;
比较所述二维图像序列各像素的像素值和所述像素值平均值;
选取所述二维图像序列中像素值大于所述像素值平均值的像素;
仅对选取的所述二维图像序列的像素计算二维图像序列的最大像素连通区域的面积。
4.如权利要求2所述的医学图像的多平面重建成像方法,其特征在于,所述计算二维图像序列的最大像素连通区域的面积包括:
通过直方图统计得到所述二维图像序列的像素值阈值;
比较所述二维图像序列个像素的像素值和所述像素值阈值;
选取所述二维图像序列中像素值大于所述像素值阈值的像素;
仅对选取的所述二维图像序列的像素计算二维图像序列的最大像素连通区域的面积。
5.如权利要求1所述的医学图像的多平面重建成像方法,其特征在于,所述步骤b)中有效区域图像序列的选取过程包括:
对所述二维图像序列的像素值进行均值化;
计算所述二维图像序列的最大像素连通区域的像素点个数;
比较预设的像素个数阈值和所述二维图像序列的最大像素连通区域的像素点个数;
选取所述二维图像序列中最大像素连通区域像素点个数高于所述像素个数阈值的像素区域,将所述像素区域作为所述二维图像序列的有效区域图像序列。
6.如权利要求1所述的医学图像的多平面重建成像方法,其特征在于,所述步骤a)中所述三维图像序列通过头部的时间飞跃法扫描后得到,并仅以所述三维图像序列的中间A%的二维图像序列进行选取,A的取值范围为40~60。
7.如权利要求1~6任一项所述的医学图像的多平面重建成像方法,其特征在于,所述步骤a)中的三维图像序列为MRI图像序列、CT图像序列或X-ray图像序列。
CN201410020340.0A 2014-01-16 2014-01-16 一种医学图像的多平面重建成像方法 Active CN104794744B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410020340.0A CN104794744B (zh) 2014-01-16 2014-01-16 一种医学图像的多平面重建成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410020340.0A CN104794744B (zh) 2014-01-16 2014-01-16 一种医学图像的多平面重建成像方法

Publications (2)

Publication Number Publication Date
CN104794744A CN104794744A (zh) 2015-07-22
CN104794744B true CN104794744B (zh) 2019-03-05

Family

ID=53559523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410020340.0A Active CN104794744B (zh) 2014-01-16 2014-01-16 一种医学图像的多平面重建成像方法

Country Status (1)

Country Link
CN (1) CN104794744B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9697623B1 (en) 2015-09-15 2017-07-04 Shanghai United Imaging Healthcare Co., Ltd. Image reconstruction system and method
US10140735B2 (en) 2015-09-15 2018-11-27 Shanghai United Imaging Healthcare Co., Ltd. Image reconstruction system and method
CN105205862B (zh) * 2015-10-26 2018-05-18 武汉沃亿生物有限公司 一种图像三维重建方法及系统
CN115100066A (zh) * 2016-01-29 2022-09-23 上海联影医疗科技股份有限公司 图像重建方法及装置
CN108461128A (zh) * 2018-03-02 2018-08-28 上海联影医疗科技有限公司 医学图像处理方法及系统和图像处理终端
CN109727297B (zh) * 2018-12-29 2023-08-08 上海联影医疗科技股份有限公司 医学图像重建方法、系统、可读存储介质和设备
CN111388880B (zh) * 2020-03-20 2022-06-14 上海联影医疗科技股份有限公司 一种弧形放射治疗校验方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003245360A (ja) * 2002-02-26 2003-09-02 Piolax Medical Device:Kk ステント設計支援装置、ステント設計支援方法、ステント設計支援プログラム、及びステント設計支援プログラムを記録した記録媒体
CN100998512A (zh) * 2007-01-10 2007-07-18 华中科技大学 三维超声影像的重建方法
CN101923713A (zh) * 2010-08-04 2010-12-22 中国科学院自动化研究所 一种提取冠状动脉血管中心线的方法
CN101976456A (zh) * 2010-10-15 2011-02-16 浙江工业大学 视频场景三维重建时的特征点优选方法
CN102004111A (zh) * 2010-09-28 2011-04-06 北京航空航天大学 一种倾斜多锥束直线轨迹ct成像方法
JP2013158389A (ja) * 2012-02-02 2013-08-19 Toshiba Corp X線ct装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1271572C (zh) * 2004-08-05 2006-08-23 上海交通大学 二维图像序列三维重建方法
CN103218834B (zh) * 2013-04-25 2016-05-04 重庆大学 一种基于点扩展函数的工业ct图像重建中心定位方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003245360A (ja) * 2002-02-26 2003-09-02 Piolax Medical Device:Kk ステント設計支援装置、ステント設計支援方法、ステント設計支援プログラム、及びステント設計支援プログラムを記録した記録媒体
CN100998512A (zh) * 2007-01-10 2007-07-18 华中科技大学 三维超声影像的重建方法
CN101923713A (zh) * 2010-08-04 2010-12-22 中国科学院自动化研究所 一种提取冠状动脉血管中心线的方法
CN102004111A (zh) * 2010-09-28 2011-04-06 北京航空航天大学 一种倾斜多锥束直线轨迹ct成像方法
CN101976456A (zh) * 2010-10-15 2011-02-16 浙江工业大学 视频场景三维重建时的特征点优选方法
JP2013158389A (ja) * 2012-02-02 2013-08-19 Toshiba Corp X線ct装置

Also Published As

Publication number Publication date
CN104794744A (zh) 2015-07-22

Similar Documents

Publication Publication Date Title
CN104794744B (zh) 一种医学图像的多平面重建成像方法
CN102715906B (zh) 从c臂血管造影术的单扫描估算3d心脏运动的方法和系统
CN106355570B (zh) 一种结合深度特征的双目立体视觉匹配方法
Zhang et al. Mm-bsn: Self-supervised image denoising for real-world with multi-mask based on blind-spot network
TWI469087B (zh) 深度圖產生方法
CN107945234A (zh) 一种立体摄像机外部参数的确定方法及装置
CN109000557B (zh) 一种核燃料棒位姿自动识别方法
CN102881014B (zh) 一种基于图割的快速立体匹配方法
CN105279789B (zh) 一种基于图像序列的三维重建方法
CN105069751B (zh) 一种深度图像缺失数据的插值方法
CN107798702A (zh) 一种用于增强现实的实时图像叠加方法以及装置
CN104766345B (zh) 基于衣服特征点的身体扫描及运动捕捉方法
JP2015515068A5 (zh)
CN101080747A (zh) 来自单纯形网格的高质量的精确的曲面三角剖分
CN110751730A (zh) 一种基于深度神经网络的穿衣人体体型估计方法
JP6131001B2 (ja) カメラキャリブレーション用3次元パターン
CN112465984A (zh) 一种基于双层过滤的单目相机序列图像三维重构方法
CN106887003B (zh) 基于八邻域深度差的点云边缘提取方法
CN104599316A (zh) 一种锥形束ct的断层方向可调整的三维图像重建方法及系统
JP2019120590A (ja) 視差値算出装置、視差値算出方法及びプログラム
CN105957152B (zh) 一种台阶性边缘曲面重建的方法
Matsuda et al. Direct shape carving: Smooth 3D points and normals for surface reconstruction
CN102542565A (zh) 一种用于包含复杂地形遥感图像的误匹配点剔除方法
CN113221971A (zh) 一种基于前后特征融合的多尺度人群计数方法及系统
Chen et al. 3-D model reconstruction from C-arm images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Lu Wei

Inventor after: Wang Wenbo

Inventor after: Tan Guosheng

Inventor after: Lou Cuan

Inventor before: Lu Wei

Inventor before: Wang Wenbo

CB03 Change of inventor or designer information
GR01 Patent grant
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