CN104915989B - 基于ct影像的血管三维分割方法 - Google Patents
基于ct影像的血管三维分割方法 Download PDFInfo
- Publication number
- CN104915989B CN104915989B CN201510378224.0A CN201510378224A CN104915989B CN 104915989 B CN104915989 B CN 104915989B CN 201510378224 A CN201510378224 A CN 201510378224A CN 104915989 B CN104915989 B CN 104915989B
- Authority
- CN
- China
- Prior art keywords
- seed point
- layer
- point
- seed
- blood vessel
- 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
基于CT影像的血管三维分割方法，包括：1)读取CT造影图像数据，把血管开始出现的层记为第一层，并生成第一层种子点，方法为：获取第一层灰度值的平均值；把本层图像的中心点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值的点生长为种子点；2)从第二层往下逐层生长，方法为：分别计算上一层种子点和非种子点的灰度值的平均值，对它们加权计算得到本层种子点灰度最小值Mi；从上一层的种子点向本层生长；按上述方法逐层往下生长，直到没有新的种子点生成为止。所有种子点的集合组成了血管三维分割图像。其目的在于提供一种减少对操作人员经验的依赖、提高分割准确度和完整性的基于CT影像的血管三维分割方法。
Description
技术领域
本发明涉及医学技术领域图像处理方法，具体的说是一种基于CT影像的血管三维分割方法。
背景技术
过去的近三十年，医学成像技术得到了飞速发展。新的成像技术能够得到人体结构、组织功能在空间和时间域上的图像。医学成像让研究人员和医生在非接触的条件下了解病人潜在的疾病信息，已经成为手术导航和模拟，以及跟踪疾病变化的重要手段。随着医学成像在疾病诊断和治疗中的广泛应用，如何通过各种成像手段提取人体解剖结构中对临床有用的信息成为一个重要的问题。这些成像手段包括X-ray、CT(Computed Tomography)、MR(Magnetic Resonance)和PET(Positron Emission Tomography imaging)等。在成像技术发展的同时，不断发展的图像分析工具提供了大量从图像上提取用于图像理解的重要特征的方法。
然而，目前利用计算机准确有效的量化和分析人体内部结构和功能信息的技术仍然处在十分有限的水平。医学图像特殊的成像过程和图像性质使其需要特定的图像处理方法。
在对血管进行分割时，比较常见的是区域生长法，区域生长法根据图像中血管所占领区域内的性质,如灰度、纹理、色彩等,把血管所占领的区域找出来。它有两个重要的准则：性质的相似性和空间的相邻性,假定空间上相邻、性质上相似的像素属于同一物体。以灰度为例,在血管图像内部用某一准则找一个初选点P,从P点出发按八邻域搜寻,设定一个值H,凡是与P点的灰度差不超过H的点,都认为在物体上。用此原则向四周搜索,直到找不到这样的点为止。
区域生长法是一种半自动的方法,它需要预先给出一个或多个种子点和判断准则(比如灰度值范围)，参见图1，区域生长法包括如下步骤：
(1)选择种子点，并设置生长区域内相邻点的灰度差范围，把所有的种子点放在一个待处理队列中，比如堆栈。
(2)从队列中取出种子点，得到种子点相邻三维空间中的8个点，比较它们与种子点的灰度差，如果在灰度范围内，则该点视为生长区域内的点，并将该点放入队列；否则视为边缘。
(3)重复步骤(2)直到遍历完队列中所有的点。所有生长出来的点的集合即是分割出来的图像。
该方法需要人工辅助，种子点的选择和灰度范围设定都完全依赖操作人员的经验，而且在CT造影图像中，血管不同部位的像素灰度值是不同的，不同层之间存在灰度的渐变，需要按层进行灰度范围调整。传统区域生长法不能按层进行调整，难以适应真实血管的灰度变化，可能把一些别的组织生长进来，而真正的血管却不能生长进来。
发明内容
本发明的目的在于提供一种减少对操作人员经验的依赖、提高分割准确度和完整性，让所获得的血管三维更加完整、清晰、准确，对图像的处理效率更高的基于CT影像的血管三维分割方法。
本发明基于CT影像的血管三维分割方法，包括：
1)读取血管CT造影图像数据，把血管开始出现的层命名为第一层，并在该层生成种子点，所述种子点生成方法如下：
101)获取所述第一层灰度值的平均值G1；
102)从所述第一层中选取一个图像点，比较所述图像点的灰度值与平均值G1的大小，如果大于等于平均值G1，把所述图像点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点；
如果所述图像点的灰度值小于平均值G1，把本层距离图像点最近且灰度值大于或等于平均值的点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点；
2)与所述第一层相邻且位于第一层下方的层命名为第二层，从所述第二层往下逐层进行生长，方法为：
201)获取上一层种子点的灰度值的平均值Ai-1，和上一层非种子点的灰度值的平均值Bi-1，对平均值Ai-1和平均值Bi-1加权计算得到本层的种子点灰度最小值Mi；
202)从上一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；
按步骤201和202所述方法逐层往下进行种子点的生长，直到没有新的种子点生成为止。
所有生长出来的种子点的集合即组成了血管三维分割图像。
优选地，所述步骤202还包括：
获取本层种子点数量Ni，并与上一层的种子点数量Ni-1进行比较，如果Ni和Ni-1接近，即|Ni-1-Ni|/Ni-1≤10％，则本层种子点生长完成；
否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中所述S为取值范围为[10,30]的正整数；否则，对Mi进行调整，并重新执行步骤202，所述对Mi进行调整的方法如下：
如果Ni大于Ni-1，
如果Ni小于Ni-1，
按调整后的Mi重新执行步骤202。
优选地，本发明的方法还包括：
3)设含有生成种子点的最下面那层为倒数第一层，在从上往下逐层种子点生长完成后，从倒数第二层开始逐层往上进行种子点回溯生长，方法为：
301)获取下一层种子点的灰度值的平均值Ci+1，和下一层非种子点的灰度值的平均值Di+1，对平均值Ci+1和平均值Di+1加权计算得到本层的种子点灰度最小值Mi；
302)从下一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；
按上述方法逐层往上进行种子点的生长，直到所述第一层的种子点生长完成。
优选地，所述步骤302还包括：
获取本层种子点数量Ni，并与下一层的种子点数量Ni+1进行比较，如果Ni和Ni+1接近，即|Ni+1-Ni|/Ni+1≤10％，则本层种子点生长完成；
否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中所述S为取值范围为[10,30]的正整数；否则，对Mi进行调整，并重新执行步骤302，所述对Mi进行调整的方法如下：
如果Ni大于Ni+1，
如果Ni小于Ni+1，
按调整后的Mi重新执行步骤302。
优选地，设从上往下种子点生长和从下往上种子点回溯生长为一轮种子点生长，每一轮种子点生长完成后统计所有生成的种子点数量，并与上一轮种子点生长完成后统计生成的所有种子点数量比较，若种子点数量增多了，则继续进行下一轮种子点生长；若种子点数量没有增多，则所有生长出来的种子点的集合组成了血管三维分割图像。
优选地，步骤102中所述图像点位于该层的中心区域。
优选地，步骤102中如果所述图像点的灰度值小于平均值G1，还可提示人工介入指定第一个种子点。
优选地，所述血管CT造影图像数据为DICOM格式。
本发明基于CT影像的血管三维分割方法，自动生成种子点，并自动计算种子点灰度范围，减少了对操作人员经验的依赖；另外，根据CT影像中血管不同部位的像素灰度值不同、不同层之间存在灰度的渐变的特点，实现了按临层的灰度统计动态调整生成种子点的灰度范围，从而提高血管分割的准确度和完整性，让所获得的血管三维更加完整、清晰、准确，对图像的处理效率更高。
下面结合附图对本发明基于CT影像的血管三维分割方法作进一步说明。
附图说明
图1为背景技术中传统区域生长法的流程图；
图2为本发明的基于CT影像的血管三维分割方法的一种实施方式流程图；
图3为一种血管空间结构示意图；
图4为一种复杂的血管空间结构示意图。
具体实施方式
本发明基于CT影像的血管三维分割方法，包括：
1)读取血管CT造影图像数据，图像数据格式为DICOM格式，把血管开始出现的层命名为第一层，并生成第一层种子点，第一层种子点生成方法如下：
101)获取第一层灰度值的平均值G1。
102)从本层选取一个图像点，该图像点最好位于本层的中心区域，比较图像点的灰度值与平均值G1的大小，如果大于等于平均值G1，把图像点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点。
如果图像点的灰度值小于平均值G1，提示人工介入指定第一个种子点，或把本层距离图像点最近且灰度值大于或等于平均值的点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点。
2)与第一层相邻且位于第一层下方的层命名为第二层，从第二层往下逐层进行生长，方法为：
201)获取上一层种子点的灰度值的平均值Ai-1，和上一层非种子点的灰度值的平均值Bi-1，对平均值Ai-1和平均值Bi-1加权计算得到本层的种子点灰度最小值Mi，加权计算的权重为预先设置，可以写在程序里，或在程序的配置文件中设置。Ai-1的权重取值范围为[15％,25％]，Bi-1权重取值范围为[75％,85％]。
比如对冠脉进行分割时，Mi＝20％×Ai-1+80％×Bi-1。
202)从上一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点。
计算本层种子点数量Ni，并与上一层的种子点数量Ni-1进行比较，如果Ni和Ni-1接近，即|Ni-1-Ni|/Ni-1≤10％，则本层种子点生长完成。
否则，用最大类间方差法(OTSU法)计算本层的阈值T。
最大类间方差法按如下公式计算类间方差：
g＝ω0(μ0-μ)^2+ω1(μ1-μ)^2
g：类间方差
ω0：大于T的点占比
ω1：小于T的点占比
μ0：大于T的点的灰度值平均
μ1：小于T的点的灰度值平均
μ：所有点的灰度值平均
求得g最大时的T值，即该阈值将最大程度对本层点按灰度分割成两组。
比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中S为10、20或30；否则，对Mi进行调整，并重新执行步骤202，对Mi进行调整的方法如下：
如果Ni大于Ni-1，
如果Ni小于Ni-1，
按调整后的Mi重新执行步骤202。
本发明基于CT影像的血管三维分割方法还可以包括：
3)设含有生成种子点的最下面那层为倒数第一层，在从上往下逐层种子点生长完成后，从倒数第二层开始逐层往上进行种子点回溯生长，该步骤用于找回血管在上面层分离的而在下面层融合的血管分支，参见图3，当从冠脉入口往下生长时，A所示区域将完成生长，但B和C区域因为与A区域的上一层种子点分离，即不相邻，将不能生长到。只有当生长到最底端D后，再回溯生长，才能一层层到达B和C区域。回溯生长的具体方法与从上到下的生长的方法类似，只是在具体层中生长时把对上一层的统计计算变成对下一层的统计计算。该方法具体描述如下：
301)计算下一层种子点的灰度值的平均值Ci+1，和下一层非种子点的灰度值的平均值Di+1，对平均值Ci+1和平均值Di+1加权计算得到本层的种子点灰度最小值Mi，加权计算的权重为预先设置；
302)从下一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；
计算本层种子点数量Ni，并与下一层的种子点数量Ni+1进行比较，如果Ni和Ni+1接近，即|Ni+1-Ni|/Ni+1≤10％，则本层种子点生长完成；
否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中S为10、20或30；否则，对Mi进行调整，并重新执行步骤302，对Mi进行调整的方法如下：
如果Ni大于Ni+1，
如果Ni小于Ni+1，
按调整后的Mi重新执行步骤302。
按上述方法逐层往上进行种子点的生长，直到第一层种子点生长完成。
参见图4，针对不常见的复杂空间结构的血管，可能需要多次上下反复生长，才能把血管完整分割出来，本发明基于CT影像的血管三维分割方法还可包括：
设从上往下种子点生长和从下往上种子点回溯生长为一轮种子点生长，每一轮种子点生长完成后统计所有生成的种子点数量，并与上一轮种子点生长完成后统计生成的所有种子点数量比较，若种子点数量增多了，则继续进行下一轮种子点生长；若种子点数量没有增多，则所有生长出来的种子点的集合组成了血管三维分割图像。
所有生长出来的种子点的集合即组成了完整的血管三维分割图像。
Claims (8)
1.基于CT影像的血管三维分割方法，其特征在于，包括：
1)读取血管CT造影图像数据，把血管开始出现的层命名为第一层，并在该层生成种子点，所述种子点生成方法如下：
101)获取所述第一层灰度值的平均值G1；
102)从所述第一层中选取一个图像点，比较所述图像点的灰度值与平均值G1的大小，如果大于等于平均值G1，把所述图像点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点；
如果所述图像点的灰度值小于平均值G1，把本层距离图像点最近且灰度值大于或等于平均值的点记为第一个种子点，并在本层进行生长，与种子点相邻且灰度值大于平均值G1的点都生长为种子点；
2)与所述第一层相邻且位于第一层下方的层命名为第二层，从所述第二层往下逐层进行生长，方法为：
201)获取上一层种子点的灰度值的平均值Ai-1，和上一层非种子点的灰度值的平均值Bi-1，对平均值Ai-1和平均值Bi-1加权计算得到本层的种子点灰度最小值Mi；
202)从上一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；
按步骤201和202所述方法逐层往下进行种子点的生长，直到没有新的种子点生成为止；
所有生长出来的种子点的集合即组成了血管三维分割图像。
2.根据权利要求1所述的基于CT影像的血管三维分割方法，其特征在于：所述步骤202还包括：
获取本层种子点数量Ni，并与上一层的种子点数量Ni-1进行比较，如果Ni和Ni-1接近，即|Ni-1-Ni|/Ni-1≤10％，则本层种子点生长完成；
否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中所述S为取值范围为[10,30]的正整数；否则，对Mi进行调整，并重新执行步骤202，所述对Mi进行调整的方法如下：
如果Ni大于Ni-1，
如果Ni小于Ni-1，
按调整后的Mi重新执行步骤202。
3.根据权利要求2所述的基于CT影像的血管三维分割方法，其特征在于，还包括：
3)设含有生成种子点的最下面那层为倒数第一层，在从上往下逐层种子点生长完成后，从倒数第二层开始逐层往上进行种子点回溯生长，方法为：
301)获取下一层种子点的灰度值的平均值Ci+1，和下一层非种子点的灰度值的平均值Di+1，对平均值Ci+1和平均值Di+1加权计算得到本层的种子点灰度最小值Mi；
302)从下一层的种子点向本层进行生长，与种子点相邻且灰度值大于种子点灰度最小值Mi的点都生长为种子点；
按上述方法逐层往上进行种子点的生长，直到所述第一层的种子点生长完成。
4.根据权利要求3所述的基于CT影像的血管三维分割方法，其特征在于：所述步骤302还包括：
获取本层种子点数量Ni，并与下一层的种子点数量Ni+1进行比较，如果Ni和Ni+1接近，即|Ni+1-Ni|/Ni+1≤10％，则本层种子点生长完成；
否则，用最大类间方差法计算本层的阈值T，比较种子点灰度最小值Mi和阈值T，如果|Mi-T|≤S，则本层种子点生长完成，其中所述S为取值范围为[10,30]的正整数；否则，对Mi进行调整，并重新执行步骤302，所述对Mi进行调整的方法如下：
如果Ni大于Ni+1，
如果Ni小于Ni+1，
按调整后的Mi重新执行步骤302。
5.根据权利要求4所述的基于CT影像的血管三维分割方法，其特征在于：设从上往下种子点生长和从下往上种子点回溯生长为一轮种子点生长，每一轮种子点生长完成后统计所有生成的种子点数量，并与上一轮种子点生长完成后统计生成的所有种子点数量比较，若种子点数量增多了，则继续进行下一轮种子点生长；若种子点数量没有增多，则所有生长出来的种子点的集合组成了血管三维分割图像。
6.根据权利要求1-5的任意一项权利要求所述的基于CT影像的血管三维分割方法，其特征在于：步骤102中所述图像点位于该层的中心区域。
7.根据权利要求6所述的基于CT影像的血管三维分割方法，其特征在于：步骤102中如果所述图像点的灰度值小于平均值G1，还可提示人工介入指定第一个种子点。
8.根据权利要求7所述的基于CT影像的血管三维分割方法，其特征在于：所述血管CT造影图像数据为DICOM格式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510378224.0A CN104915989B (zh) | 2015-07-01 | 2015-07-01 | 基于ct影像的血管三维分割方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510378224.0A CN104915989B (zh) | 2015-07-01 | 2015-07-01 | 基于ct影像的血管三维分割方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104915989A CN104915989A (zh) | 2015-09-16 |
| CN104915989B true CN104915989B (zh) | 2017-07-04 |
Family
ID=54085025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510378224.0A Expired - Fee Related CN104915989B (zh) | 2015-07-01 | 2015-07-01 | 基于ct影像的血管三维分割方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104915989B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106447659B (zh) * | 2016-09-27 | 2019-04-05 | 电子科技大学 | 一种基于多重判定的区域生长检测方法 |
| CN106709930B (zh) * | 2016-12-29 | 2020-03-31 | 上海联影医疗科技有限公司 | 三维医学图像的感兴趣体积分割方法及装置 |
| CN107742297B (zh) * | 2017-09-13 | 2021-07-06 | 西北工业大学 | 一种三维ct图像的局部三维最大类间方差分割方法 |
| CN110544235B (zh) * | 2019-07-31 | 2022-12-16 | 华南理工大学 | 一种基于微分几何的柔性电路板图像区域识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6978039B2 (en) * | 2001-12-13 | 2005-12-20 | General Electric Company | Method and system for segmentation of medical images |
| CN101256670A (zh) * | 2008-03-20 | 2008-09-03 | 华南师范大学 | 序列图像三维可视化的方法及装置 |
| CN101256669A (zh) * | 2008-03-20 | 2008-09-03 | 华南师范大学 | 序列图像分割的方法、装置 |
| CN104008547A (zh) * | 2014-05-28 | 2014-08-27 | 大连理工大学 | 一种基于骨架角点的可视化人体切片图像序列化分割方法 |
-
2015
- 2015-07-01 CN CN201510378224.0A patent/CN104915989B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6978039B2 (en) * | 2001-12-13 | 2005-12-20 | General Electric Company | Method and system for segmentation of medical images |
| CN101256670A (zh) * | 2008-03-20 | 2008-09-03 | 华南师范大学 | 序列图像三维可视化的方法及装置 |
| CN101256669A (zh) * | 2008-03-20 | 2008-09-03 | 华南师范大学 | 序列图像分割的方法、装置 |
| CN104008547A (zh) * | 2014-05-28 | 2014-08-27 | 大连理工大学 | 一种基于骨架角点的可视化人体切片图像序列化分割方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104915989A (zh) | 2015-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11869202B2 (en) | Method and system for processing multi-modality image | |
| CN107798682B (zh) | 图像分割系统、方法、装置和计算机可读存储介质 | |
| CN107545584B (zh) | 医学图像中定位感兴趣区域的方法、装置及其系统 | |
| CN106600609B (zh) | 一种医学图像中脊柱的分割方法及系统 | |
| CN107203741B (zh) | 血管提取方法、装置及其系统 | |
| WO2018001099A1 (zh) | 一种血管提取方法与系统 | |
| JP6220310B2 (ja) | 医用画像情報システム、医用画像情報処理方法及びプログラム | |
| CN112508965B (zh) | 医学影像中正常器官的轮廓线自动勾画系统 | |
| US10650282B2 (en) | Medical image classification apparatus, method, and program | |
| CN105279759B (zh) | 结合上下信息窄带约束的腹腔主动脉瘤外轮廓分割方法 | |
| CN107590809A (zh) | 肺分割方法及医学成像系统 | |
| CN112489047A (zh) | 一种基于深度学习的盆骨及其动脉血管的多层级分割方法 | |
| CN105139377B (zh) | 一种腹部ct序列图像肝脏的快速鲁棒自动分割方法 | |
| CN104915989B (zh) | 基于ct影像的血管三维分割方法 | |
| JP2008503303A (ja) | 気管気管支樹を表示する方法及び装置 | |
| CN110751651B (zh) | 基于多尺度迁移学习的mri胰腺图像分割方法 | |
| CN112862833A (zh) | 血管分段方法、电子装置和存储介质 | |
| CN108537779A (zh) | 基于聚类的椎骨分割与质心检测的方法 | |
| WO2023186133A1 (zh) | 一种用于穿刺路径规划的系统及方法 | |
| CN110163877A (zh) | 一种mri心室结构分割的方法与系统 | |
| CN108986114A (zh) | 一种基于水平集和形状描述符的腹部ct序列图像肝脏自动分割方法 | |
| CN114343604A (zh) | 基于医学影像的肿瘤检测及诊断装置 | |
| US20240104705A1 (en) | Systems and methods for image correction | |
| Xiao et al. | PET and CT image fusion of lung cancer with siamese pyramid fusion network | |
| CN110858412B (zh) | 基于图像配准的心脏冠脉cta模型建立方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170704 Termination date: 20190701 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |